AI开始操作别人的软件，这才是分水岭
GPT-6 Astra 上线第二天的八个演示：Three.js 弹性果冻、自己开画图软件画自像、MCP 接 Blender 搭 3D 场景、After Effects 特效、人体拆解 3D 网页、球鞋广告、把画变成可走进的世界、3D 动画重建技术事故。技术含量最低的画图那条最有意思——模型在操作一个没有 API 的软件，能力从「生成内容」走到「生成操作序列」。由此可分四层：L0 纯图形界面、L1 脚本/API、L2 MCP 封装、L3 为 agent 设计。八个演示几乎都在 L1/L2，一半功劳记在软件早就留好的接口上——未来三年专业软件值不值钱，看可代理性。冷水：全是社交平台精选片段，没有失败率与重试次数；国内复现卡在软件生态、交付结构、终端现实三道门槛。
七位编程大神吵完，答案不在AI身上
七位编程界重量级人物（Uncle Bob、geohot、卡马克、Hejlsberg、DHH、Kent Beck、Stroustrup）对 AI 写代码的态度光谱拉得很开：一端 DHH 说手写代码在经济上已经不成立，另一端 Stroustrup 说这些东西还没准备好用在安全关键代码上，并提出「验证危机」——提示词改一点点，代码库就大面积连锁变动。文章提出代码的四段成本模型：生成、验证、维护、责任。AI 只把生成成本压到接近零，验证和维护成本反而往上推，责任成本变得没有人认领。DHH 只算第一段，Stroustrup 站在验证最贵的地方，Beck 算维护与责任。行业估值锚点正从「能产出多少行」移到「能担保多少行」。
AI 的十年红利，可能被三年用完
桑达尔·皮柴在谷歌开发者大会开场说「人们希望在每天使用的产品里看到价值」——没有革命措辞。从大型机、个人电脑、互联网到移动与 App Store，每轮技术热潮都只有约十年；但 AI 用三年走完了别人十年的路，因为这一轮技术会给自己加速（模型训模型、反馈喂回模型）。红利的本质是信息差和时间差：先给早用的人，再变成岗位门槛，最后变成不用的代价。就业数据已有影子——IMF 称之为「缓慢的海啸」，美国开发者岗位回升但增量集中在资深与 AI 相关岗。窗口在收窄，现在值得抓的三件事：业务理解、验收标准、责任归属（AI 出错谁签字）。AI 不会崩溃收场，会像互联网那样安静地变成空气。
谷歌发了个不领工资的同事，会派活的人开始升值
10 月 8 日谷歌发布 Gemini agent：一个不领工资的「AI 同事」——有自己的企业邮箱、账号权限和工作日志，接的不是问题而是目标，能连续干上好几天，自己挑工具（谷歌与 Anthropic 的模型）、自带成本控制与权限管理。与此同时，IMF 总裁把 AI 对就业的冲击定性为「缓慢的海啸」：美国开发者岗位回升，但增量集中在资深与 AI 相关岗位，纯执行岗议价能力一路向下。方向已清楚：会干活的人在贬值，会派活的人（拆任务 + 验收）在升值——管理者技能下沉到每个普通岗位。文末给出三个本周就能做的动作：两栏清单、写交付标准、沉淀工作流。
Vibe coding的窗口正在关闭，你还在用AI做没人要的App吗
作者用 AI 做过三个 App：第一个两周，第二个五天，第三个做完当天就删。做出来太容易，容易到做的过程中就失去了兴趣。AI 把「构建」变得极其爽，于是所有人都停在构建阶段，没人走到枯燥的「完成」那一步。算一笔账：每月百美元订阅背后是几十倍的 token 补贴，补贴不可能永远持续；四十多个小时换来一个没人用自己也不用的东西。「做出来就有人来」是最大的谎——AI 降低了构建的门槛，没降低分发的门槛；而当产品本身不值钱时，值钱的是「为什么做」和「为谁做」。能活下来的，几乎都是做的人真心在乎、愿意长期维护的那类。热度撑不过三个月，热爱能撑三年。
MCP已死？聊聊为什么我不再在Claude Code里用它
MCP（Model Context Protocol）被比作「AI 界的 USB 接口」，但真拿它做产品的人越来越多在悄悄换掉它。五个问题：模型与工具之间多了一层协议导致控制力下降与行为漂移；模型不一定「会用」你给的工具；规模上来后预期与实际行为之间漂移加剧；每个 MCP 服务器把全部工具定义塞进上下文，光 Figma MCP 就吃约 2 万 token，留给真正任务的上下文越来越少；还有输入注入→真实世界操作的安全风险。替代方案：CLI + API 直接调用（最大控制力），或结构化工具调用（schema 约束，行为可预测）。MCP 不是没用，但不该被当万能答案——适合快速原型与个人工具，不适合生产环境与团队协作。
你的Mac里一直住着一个AI，不用联网、不用登录、不要钱
macOS 27 的 /usr/bin/fm 是 Apple Foundation Models 的命令行工具——驱动 Apple Intelligence 的那套模型，苹果做成了终端命令。两个模型：system（端侧，离线，免费，约3B/20B参数视芯片而定）与 pcc（更大，跑在苹果私有云计算上，私密但有限额）。fm 从标准输入读取，可管道拼接任意脚本，fm serve 还能启动 OpenAI 兼容的本地 API 服务器。擅长结构化提取、总结、改写，不擅长通用问答（知识冻结、4096 token 硬上限、偶尔幻觉），且不能访问个人数据（备忘录/消息都不行，属于设计）。免费、离线、私密——本身就值得知道。
别信“AI让你一周暴富”：我亲自试了30天，说点实话
网上的「AI 轻松赚钱」故事看腻了，作者给自己 30 天做真实验：不让 AI「帮我赚一万块」，而是找一个真实存在的问题，把解决方案做成能卖的东西。前 3 天只做研究不碰产品，第 4 天起做数字产品与落地页，第 11 天发现「做出来就会有人来」是假的，转向围绕问题做内容并叠加联盟收入，最后按意图而不是浏览量复盘。30 天没有一万块，但拿到一个真实产品、持续增长的内容、线索收集与一套可重复流程——以及最重要的证据：人们到底对什么感兴趣。AI 去掉摩擦，但决定什么值得做的仍然是人。
GPT-6 Astra发布了，但软件的问题跟写代码没关系
OpenAI 发布 Astra，宣传片很震撼，但软件行业的烂跟写代码没关系：SaaS 月费模式在死、买断制回潮；AI 生成的第一版看着还行就发，于是亚马逊一周四次最高级别故障、Windows 有了Vista 既视感、Instagram 账号被 AI 客服漏洞劫持、Tea 泄露 7 万张图片；生成式 AI 直接导致的漏洞从 1 月的 6 个涨到 3 月的 35 个。作者同时是 AI 的反对者和支持者：模型在变好，但公众要的是品味和投入的努力，而这不在代码里。
为 DeepSeek Harness 写一个提示词卡组插件：一天从 0 到可发布
一天做出一个 DeepSeek Harness 插件的完整实战：以开源的 dsh-prompt-deck（提示词卡组）为例，拆解 Host/Browser 双半架构、插槽系统与 SessionStandardProps 注入、临时文件 + rename 的原子落盘，每步 Playwright 闭环验证；附弹层迁右面板、列表改行内展开两次形态迭代，打包发布三条路与 pnpm pack 不触发 build 的坑。