真正在做 AI 的人今天說了什麼。一頁讀完，約 5 分鐘。
今天企業側的兩條大新聞都關乎隱私和分發：OpenAI 預覽了一套機制，能在零資料保留（ZDR）的部署裡跑安全檢查，同時始終看不到客戶內容；Replit 則和 OpenAI 達成合作，矛頭直指 agentic coding 的成本。在這之下，builder 們從各個角度反覆繞回同一個問題：到底是什麼把「能從 AI 裡拿到好結果的人」和「拿不到的人」區分開來？答案一次次落回同樣幾個詞：品味、判斷力，以及並不光鮮的人工標註苦活。
OpenAI 為零資料保留客戶預覽 Private Safety Processing
OpenAI 正在測試一種做法：讓安全監控繼續在 ZDR 部署上執行，同時不把 prompt 和響應暴露給自家員工。內容始終留在客戶掌控的基礎設施上，由自動化系統在相關聯的互動之間尋找模式，只回傳有限的安全訊號。另一個由 OpenAI 託管、用客戶自持金鑰加密的版本也在開發中，計劃從 9 月開始逐步推出。
Tolan 四周從 100 萬做到 400 萬 ARR，秘訣是把 AI 當作者而不是當工具
Portola 的 AI 外星人夥伴之所以成立，是因為團隊不再自己寫故事，轉而去當一個即興演員的教練。帶三幕結構和分支邏輯的結構化敘事 prompt 完全失敗；真正奏效的是撒下一堆「lore 種子」，再造一套系統把它們重新組合成日後的迴環呼應，讓角色的背景故事從真實對話裡長出來，而不是照著一張預製的人設卡念。延遲是這個媒介的硬約束：加了一步反思，把響應時間中位數推到兩秒半，所有產品指標全線下滑，而這只是 500 毫秒的變化。談到 LLM judge，他的說法很直白：「中間橫著一道巨大的鴻溝，而跨過去靠的其實是大量人工。」跳過這一步、不把自己的品味注入評分標準的團隊，拿到的結果就像一個永遠只打 A- 的作文批改老師一樣平庸。
「軟體工廠」的承諾，以及全新產品為什麼依然充滿風險
軟體開發從誕生那天起就是件不靠譜的事：專案延期、超預算，最後還沒滿足使用者需求，這也是中小企業歷來很難做出一套稱手軟體的原因。「軟體工廠」這個想法瞄準的正是這塊空白，給那些核心能力不在軟體上的公司一套可靠、可預測的流程。他反直覺的另一半觀點是：做真正全新的軟體產品會一直不靠譜、一直有風險，而利潤恰恰來自於此。
6.3MB 的 Zig 二進位制，10 微秒啟動
fx 用 Zig 編譯成 6.3MB 的靜態 ELF 二進位制，啟動只要 10 微秒；WebAssembly 版本反而更小，因為它把 fetch 交給了 JS runtime，不必自帶一整套 TLS 和 HTTP 棧。他的論點是：AI 會把大部分基礎設施推向原生最佳化，而 fx 幹完活的速度比競爭對手的 agent 啟動還快。「快是一條單行道。」
父母抗癌期間，用 AI 在醫療系統裡找路
Peter Yang 發表了一篇長文，講母親與乳腺癌的幾場硬仗，以及一家人如何藉助 AI 在醫療系統裡找到方向，文章由 Sijbrandij Foundation 團隊參與提供意見。他還丟擲一個務實的問題：mRNA 癌症疫苗是不是必須先在黑色素瘤上跑通臨床試驗，其他癌種才能另起試驗？因為他沒有找到任何針對乳腺癌的在研 mRNA 試驗。
來源資料出自 zarazhangrui 的開源專案 follow-builders，以 MIT 授權釋出。摘要由 LLM 依該專案的公開 feed 生成，摘要 prompt 亦改編自該專案。上面每一則都連結到原始出處。
摘要由程式自動生成。據此判斷前請先看原文。