AI构建者摘要

JEV 押注软件内部的可靠决策

Diogo Almeida 认为，JEV 快速、可编程的分类器能做出一个个小决策，让软件可以逐一测试，再组合成更大的工作流程。比如，开发者可以自行设定标记重要邮件的置信度阈值，而不是相信聊天机器人那段说得漂亮的回复。他对当前模型最担心的是可靠性：“95% 的 Einstein，5% 的 Mr. Bean。要是它连自己什么时候是 Mr. Bean 都不告诉你，你还怎么自动化？”

• #models
• #agents
• #products

Aaron Levie 看到了防御型网络安全 agent 的巨大机会

Levie 预测，随着安全团队越来越难跟上不断扩大的风险，网络安全 agent 消耗的 token 数量将大幅增长。他设想 agent 分头使用各种工具，测试攻击、检查日志、评估企业数据，由此在身份管理、网络、代码扫描和数据保护等领域带来机会。他认为，长时间运行的 agent、计算机操作能力和网络安全训练最近取得的进展，让这一切如今变得可行。

• #agents
• #security

Rauch 认为，拿捏好给 AI 的指导是核心工程能力

Guillermo Rauch 说，开发者可能对一个比自己懂得更多的 AI 指导过度，也可能没给缺少关键背景的 AI 足够指导。判断该给多少方向，是他最看重的能力。他还在想，语言模型使用的工程语言，能否缩减成一套小得多的工作词汇。

• #agents
• #engineering

Ryo Lu 担心 agent 会抹去成长中有益的摸索

Ryo Lu 说，学会动手创造的过程包括失败、向别人求助，以及在一次次尝试中培养判断力。agent 能帮人做出原本做不到的东西，但成品也可能掩盖那些他们从未学会提出的问题。他希望工具能帮助人们分享未完成的作品，并在屏幕之外的世界里与他人协作。

• #agents
• #products

Once Reading 靠每日习惯赢得了 Peter Yang 一家的青睐

Peter Yang 说，Once Reading 是他和四岁孩子唯一坚持用了几个月的学习 app。他把这归功于每天亲子一起完成的学习安排、每节课后拍的一张搞怪照片，以及学完 30 节课后寄来的纸质书。这些书让孩子在学习阅读的过程中得到看得见、摸得着的奖励。

• #products
• #education