type
status
date
slug
summary
tags
category
icon
password
今日主线
今天这批内容的主线很清楚：agent 正在从“能做 demo”进入真实工作流。Codex 已经被拿来远程改视频、循环看 Slack 反馈、做版本迭代；Claude Code 被拿去做旅行复盘；不同 agent 之间甚至开始出现“一个报 bug，另一个修 bug”的协作。与此同时，大家开始关心更底层的问题：成本要按任务算，agent 要跑在更强隔离里，模型权重和 eval 透明度会影响信任。
重点解读
第一条线是 Codex / ChatGPT Work 的采用速度和使用额度。Thibault Sottiaux 说 Codex 和 ChatGPT Work 的付费用户额度已重置，并把这和 ChatGPT Work 的快速采用放在一起。Peter Yang 转述 OpenAI DevEx Jason 的例子更具体：人在骑车时，用手机远程让 Codex 通过 computer use 改 launch video、导出、发回 Slack，还每 30 分钟检查反馈并生成后续版本。这类案例比“会写代码”更重要，因为它说明 agent 正在进入多人协作和交付闭环。
第二条线是成本和评测口径。Swyx 直接说 $/input-output token 已经过时，应该看 $/task。Guillermo Rauch 也从 Vercel benchmark 角度谈 cybersecurity model 的价格性能，认为 Grok 4.5 在 price-performance 上很强，同时 Sol 仍是 frontier。这些讨论都指向同一个变化：模型比较不再只看单次 token 单价，也要看它完成一个真实任务花多少钱、稳不稳、能不能被安全运行。
第三条线是 agent 安全边界。Guillermo Rauch 提到 Kimi paper 的信号：container-level isolation 不够，实验里 agent 能把底层机器打崩到 kernel panic；他认为 Firecracker microVM 这类边界更安全。Peter Steinberger 也提到团队做了大量安全工作，但外界仍担心“不安全”。这说明 agent 越接近真实系统，安全讨论越会从抽象原则变成运行时隔离、权限、审计和恢复能力。
第四条线是 AI-native 产品形态。AI & I 这期里，Granola CEO 的核心判断是 meeting notes 不是终点，真正的问题是未来工作的界面会变成什么。Dan Shipper 提到工作会分成两类：一种是在 Slack 里公开、多人、异步地派活；另一种是在 Codex 或 Claude desktop 这类同屏环境里，人和 agent 深度协作。这个框架很适合解释今天的 X 动态：大家不是只在找新工具，而是在找新的工作界面。
X Builders 全量记录
1. Swyx @swyx
Swyx 今天三条都围绕模型评估和 agent 生态。一条是对 Kimi / Moonshot 的轻量回应；最有价值的是他强调模型成本口径应该从 $/token 转向 $/task，因为真实产品买的是任务完成，不是 token；另一条则回看自己的 agent lab thesis，认为 eval、routing、interactivity、ROI 这些方向判断对了，但 Claude Code “意外开源”后并没有明显改变竞品路线，也说明 agent 产品的护城河不只在代码本身。
2. Thibault Sottiaux @thsottiaux
Thibault 今天围绕 ChatGPT Work 和 Codex 的使用节奏。他先说在庆祝 ChatGPT Work 的快速采用，并暗示会重置额度；随后确认所有 Codex 和 ChatGPT Work 付费用户的 usage limits 已重置；最后说自己短暂离开 X 休息，后面还有更多 ChatGPT 和 Codex 动态。这些内容说明 OpenAI 正在很主动地运营这批工作流产品，不只是发布一次功能。
3. Peter Yang @petergyang
Peter Yang 转述 OpenAI DevEx Jason 的 Codex 使用案例：人还在骑车时，通过手机远程让 Codex 用 computer use 修改 launch video、导出并发到 Slack；之后又让 Codex 每 30 分钟检查 Slack 反馈并生成 V2 / V3 / V4，直到视频过审。这个例子很有信息量，因为 Codex 承担的是跨工具、跨反馈循环的交付任务，不只是写代码。他另外两条补充了完整访谈和文字版 prompts。
4. Nan Yu @thenanyu
Nan Yu 一条是轻量动态，另一条更像产品哲学：如果团队有聪明人，就应该让他们把自己的产品打磨得更好、更好用，同时愿意为好工具付费。放在 Linear 的背景下看，这不是 AI 新闻，但和今天 “AI-native 工作界面” 主线有关：当大家都在追 agent，产品基础体验和品味仍然不能被跳过。
5. Madhu Guru @realmadhuguru
Madhu Guru 讲的是 product review 的质量。他认为好的 product review 是把几个月的学习压缩到一小时，让房间里的人模拟市场对想法的反应；坏的 review 会退化成状态更新、领导曝光和跨部门对齐。这条不是模型动态，但对 AI 产品团队很实用，因为 agent 工具越强，团队越需要高质量判断来决定要做什么。
6. Amjad Masad @amasad
Amjad Masad 把 AI agent 看成新一代“探索工具”。他的类比是：祖先探索地球，后来探索太空，而这一代人可能探索 computational universe，也就是算法、程序、证明和设计的巨大空间。这个判断和 Replit 的方向一致：agent 不只是自动化已有工作，还会扩展人类能搜索和尝试的设计空间。
7. Guillermo Rauch @rauchg
Guillermo Rauch 今天两条都很关键：一条用 Vercel benchmark 比较 cybersecurity AI model 的 price-performance，认为 Grok 4.5 在性价比上很强，Sol 仍是 frontier；另一条从 Kimi paper 里提炼 agent 安全边界，认为 container-level isolation 不够，Firecracker microVM 这类隔离更适合 agent 运行。他还有一条 EU/acc 轻量转发，也按全量要求保留。这里最重要的是：模型能力、成本和运行边界正在一起被比较。
8. Aaron Levie @levie
Aaron Levie 继续反对“AI 必然导致大规模岗位消失”的简单叙事。他看到的企业情况是仍在招聘，只是岗位方向发生变化：更多工程师去做过去做不了的问题，更多销售去深化客户关系，也更多 internal FDE 帮公司部署 AI。他的判断是，只把 AI 用来降本的公司会输给用 AI 更好服务客户、推动突破的公司。另一条关于 K3 weights，也和开放模型动态有关。
9. Matt Turck @mattturck
Matt Turck 今天这条是 VC 圈自嘲，和 AI 主线关系不强，但属于原始抓取内容，保留。它大意是研究显示不到 40% 的 VC 有成功投资，而每个 VC 都觉得自己在那 40% 里。
10. Zara Zhang @zarazhangrui
Zara Zhang 今天两条偏内容创作和个人工作状态。一条分享她如何不断获得内容想法，另一条是“你想要的 magic 在你正在回避的工作里”。它们不是模型或产品发布，但和 builder 表达有关：AI 工具再强，持续输出和面对难任务仍然是底层能力。
11. Nikunj Kothari @nikunj
Nikunj Kothari 今天最相关的是第一条：他把 Claude Code 当作两周旅行的主要界面，然后让它做完整复盘，看看下次怎么改进。这是一个很好的“生活工作流 agent”例子。其他两条一条是 Micro 电动车的发现，一条是社交玩笑，和 AI 主线关系不强，但按全量要求保留。
12. Peter Steinberger @steipete
Peter Steinberger 今天有一条非常 agent-native：他的 agent 报了一个 bug，对方的 agent 当晚修掉，说明 agent-to-agent 协作已经开始出现在开发者日常里。另一条是关于安全工作的外界信任问题，和今天 agent 安全边界主线相呼应；还有一条活动见面信息，按全量记录保留。
13. Dan Shipper @danshipper
Dan Shipper 这条是关于 rare books 的非 AI 内容，信息量不大，但属于本次 follow-builders 原始抓取，保留。
14. Sam Altman @sama
Sam Altman 今天只有一个很短的“wrong”回应，JSON 里没有更多上下文。按规则不补外部信息，只保留原帖。
Blog 全量记录
今天 JSON 中没有新增 blog。
Podcast 全量记录
1. AI & I by Every：The Founder of a $1.5B AI Company on What Comes After the First Wave of AI Apps
Takeaway：meeting notes 只是第一波 AI app 的入口，不是终点。Granola CEO 的核心判断是，真正的大机会在于重新发明人和 AI 一起工作的界面。他认为 AI-native 工作会从单点功能走向更大的工作系统：一边是 Slack 里公开、异步、多人协作的 agent delegation，另一边是 Codex、Claude desktop 这类“同屏工作”的深度协作空间。访谈里还有一个很实在的创业视角：即使产品已经跑起来，创业仍然像 “knife fights”；公司从 12 人长到 60-70 人后，如何保持产品的 soul、taste 和一致性，反而更难。对 AI 产品来说，复制 meeting notes 按钮不一定会杀死原产品，因为真正的竞争还没到终局，下一代工作界面才是关键。来源：YouTube playlist 原始链接
今日沉淀结论
今天所有内容放在一起看，agent 正在离开 demo 阶段，进入真实工作流、产品组织、成本评估和安全边界。真正值得跟的是三个信号：任务成本而不是 token 成本；微隔离、安全审计和运行边界；以及 AI-native 工作界面从单人聊天变成多人协作系统。
Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders