一个改坏了后台超时的 PR，代码工整、测试全绿、AI 评审没挑刺，人工也迅速批准。两周后大客户导出开始大面积超时中断，工程团队排查了整整三天才定位到改动：它假设所有任务都能在常规会话跑完，但这个假设在六周前大客户功能上线时就已经不成立了，那次变更压根不在当前代码差异里。 这并非孤例。过去我们总觉得代码评审是在找 bug，但更深层的原因是：过去整个研发链路中最昂贵的环节是编写代码，PR 从来不是系统的瓶颈。花大半个小时读几百行代码，慢动作实际上同时完成了缺陷发现、上下文对齐和责任绑定。 但在编码 Agent 让写代码成本暴跌到接近零之后，交付链路上最稀缺的资源变成了工程师的专注力。机器写得比人读得快数十倍，自动化测试全绿只能证明没违反已有断言，AI 评审也只能看见局部的静态上下文。当人退到审查边缘、按批准时不再承担心理防备，批准依然在，理解和责任却流失了。 指望大家把 PR 读得更仔细在工程吞吐面前走不通。研究表明人类每小时代码审查量超过 450 行缺陷密度就会大幅下滑。而给 AI 补齐跨系统上下文（Wiki、变更日志、事故复盘）只是个工程实现问题。 面对内部大单体仓库每天合并超 3 万次改动的现实，Anthropic 并没有试图做一个全知全能的超级评审员，而是把原先堆在 PR 页面上的审查分流到了三道工序： 1. 提交前：本地自证与干净子 Agent 独立复审，先拦截掉推理惯性导致的低级错误； 2. 提交期间：多组 Agent 并行找问题，verifiers 交叉投票收敛候选，并设置三轮上限防止 AI 相互打磨； 3. 合并口：根据风险分类器决定审批门槛（低风险 0 人签字直接合入，高风险强制 2 人审批），守住模型意见不能代替人类签字的铁律。 当写代码和读代码的成本大幅压缩后，代码评审的重心早已不再是字面上的挑错，而是如何把人类有限的注意力集中到不可推卸的责任上，并为随时可能发生的失误准备好快速回滚和监控退路。 yage.ai/share/ai-code-review…

同一周的三件AI实事。一个员工自掏腰包购买AI来干活，把公司内部的数据传给了第三方的平台，公司以泄露机密的风险把她开掉了，但法院判决公司败诉：不是因为用 AI 本身有错，而是因为公司既没在事先立规、也拿不出泄密的证据。另外两件是，15 台 55 美元的杂牌旧电视盒子合起来运行一个 26B 的大模型；Character AI破产，迪士尼只拿走了工程代码和专利，但是把品牌和上亿用户的各种数据留在了破产财产里面，等待下家。全文：yage.ai/share/ai-news-briefi…

Anthropic 使用Claude辅助编程后，在四个月内将每天合并到主干的代码更改次数从2,500次提升到30,000次以上，这严重超出了其基于人类程序员规模设计的开发基础设施。为此，Anthropic花费5个月时间、投入7个工程师重写整个版本控制系统，摒弃了git关于"客户端可能离线且保存整个仓库"的设计假设，改为服务端权威模型和始终在线的客户端按需拉取模型。这篇文章介绍了Anthropic如何逐步实现这一转变，以及哪些经验可以直接复用，哪些是Anthropic独有的经验。 yage.ai/share/anthropic-scio…

微信群里的一句"尼康Z9都出破解固件了"，短视频里的一条"AI已经开始破解硬件"，中文媒体再把几件不相干的事拼成一篇"AI破解相机固件"。我把这些传闻一个个核实了一遍：相机、无人机、游戏机、手机、家电、汽车，哪些是真的被破了，破到什么程度，可以解锁什么，代价又是什么。结论有点反直觉——AI真正帮上忙的只有读懂代码这一步，硬件签名那道锁，它到现在一个都没有拧开。以后再看到"某某设备被破解了"，三个问题就能验出真假。 yage.ai/share/which-devices-…

厂商白纸黑字写着零数据保留，为什么还是别全信？ 2026年6月，Anthropic连签了ZDR的企业客户，也被其最强模型的强制30天保留覆盖，直到9月才回退。厂商没撒谎——ZDR只保证请求处理完不落盘这一小段。 你的 prompt 在其他地方也会被记录：默认反滥用监控保存 30 天、命中安全规则可能留存 2 年、缓存张量在显存里 24 小时、传票一来照给。能自己验证的只有两件事：数据没发出去，或者它跑在你自己的机器上。 别信承诺，信架构。 yage.ai/share/zdr-promise-vs…

一周内，关于AI agent的三件事，分别把周围的一件事情做成了现成件。 REA 用一行命令，把 Ghidra、JADX 等传统的逆向工具接入代码助手，让项目一周从几万星涨到十几万。但真正改变的不是闭源软件被开源，而是读懂闭源软件的成本：它跨不过虚拟机加壳，也摸不到云端业务逻辑。 智谱推出 GLM-Legal，用轻量基座加法律数据与强化学习切入，Vals AI 实测单次约 0.15 美元，但在严格法律基准上仅第七，前面有六个模型。 Cloudflare 把 agent 的取词、检索、跑 harness 做成 SDK 原语，代价是版本门槛不一。 三件事都指向同一个方向：agent 周围的能力在变成标准件，但每一件都还留着一块没解决的硬骨头。 全文：yage.ai/share/rea-glm-legal-…

同样的Google SynthID，为什么文字水印是边写边加水印，图片水印需要等整张图画完再加？这背后不是算法谁更强，而是三个很现实的工程约束：造模型的团队和管安全的团队各干各的、验证的流量远大于生成、已经发出去的图不能当没写过。这篇把两篇论文背后的工程账讲清楚了。 yage.ai/share/google-synthid…

我桌子底下那台机器插了三张 5090，单卡 decode 200+ TPS，感觉很强。但真让agent多开几个分支干活，输出马上开始一顿一顿，三张卡都没跑满，活全堆到一张卡上去了。 这里面的多卡推理最隐蔽的坑是请求怎么分到不同卡上。缓存想复用，就得让同前缀的请求粘在一张卡上；不排队又想快，又得把请求摊开。这两个目标天生打架。大厂的数据中心早有成熟的方案（引擎上报缓存事件 + 按负载挑卡），但我们个人玩家根本用不上。 更扎心的是成本：我查了一下，5090 现在全新要 5000 美元左右一张，三张卡加主机快两万美元了，每天真跑一两小时摊下来，每百万 token 要 4 到 6 美元，反而比调 API 贵将近 10 倍。自建多卡，图的从来不是省钱。 yage.ai/share/selfhost-multi…

构建最先进模型的那些人，从本月开始公开表达了恐惧。他们所惧怕的不是 AI 变坏，而是 AI 停不下来，而且它交出的记录不一定可信。 而更令人不安的是，这些并非私下流传，而是实验室在公开报告中披露的：Anthropic 承认模型的自述不一定可靠，并切断了内部评测的联网；OpenAI 则有一个负责打分的模型为了拿到缺失的文件，差点把整个运行环境删掉。 前线人员到底看到了什么，这篇讲清楚了： yage.ai/share/ai-researchers…

很多人对录音好坏的判断标准是看参数，比如32-bit float、AI降噪、无损内录等等。但如果你用耳朵来听两段录音的话，会发现虽然它们的参数看起来一样，但音质可能差很多。 原因很简单：真正决定录音质量的四个老掉牙的因素是距离、房间、指向性和格式，而且他们的重要性经常被弄错。32-bit float 只是保证你在录音的时候不用调增益，和音质无关。 这篇文章想解释为什么在消费级无线麦上面还有另一个世界：现场录音机、枪麦和MS立体声究竟在为后期做什么，以及什么时候你手上的这支就够。 yage.ai/share/beyond-dji-mic…

mRNA疫苗和传统疫苗的根本区别，不是谁规模大，而是你给的是一件现成的零件，还是一份可以随时修改的说明书。 传统疫苗把病毒用来撬门的那块零件在药厂造好、直接打进身体；mRNA 只送一份说明书，让身体自己的细胞现场把它造出来。听起来像绕远路，但它把疫苗从一件成品，变成了一个可编程的平台：换版本只改说明书，不用重开产线。 不过这篇文章也泼了一盆冷水：可编程不等于更快上市。真实的一季更新里，两条路线获批只差一到三周，卡住节奏的是监管和人体数据，而不是能不能改序列。它更大的赌注在别处，是一人一版的个性化定制。 yage.ai/share/mrna-programma…

《寿司之神》里面的学徒，花了几年的时间才学会如何煮好一锅饭。然后有人送了一个电饭锅到厨房。 它不仅摧毁了"煮饭"这个技能本身，还摧毁了判断你是否会煮饭的筛子。招聘和学校本质上是一个筛子，筛子只有一个筛孔——你会不会煮饭。电饭锅一来，两者同时失灵。 可往上走从来不是把初级的活干快两三倍，而是判断、设计、协作、担责——电饭锅做不了的那一层。 yage.ai/share/rice-cooker-si…

在过去的1年多时间中，一系列如Bun、GitHub Copilot运行时和Prime Agent的项目使用Rust来重写AI软件agent的执行层。尤其是编写这些代码的主要贡献者是AI而不是人类。 但如果我们把这串名字一个个念出来，会发现另一个故事：最惊人的十几倍加速，往往伴随着顺手也改了架构；而像 Bun 那样只把语言从 Zig 换成 Rust、不改架构的，官方自己测出来只快了 2%–5%。 所以Rust这个层面真正的理由不是快，是它能编译成一个不依赖运行时环境的单文件，方便嵌进别的程序，还有——当AI写下大部分代码时，编译器能替你把住一整类内存事故。 这篇文章从头盘了这件事，也给了三个反例，和一套能搬到别的领域的拆法。 yage.ai/share/rust-ai-execut…

美国的全自动武器，普通人已经很长时间买不到了。但是一个很奇怪的现象是，美国总统想要禁掉一类改装装置，八成的民众支持，甚至一向反对控枪的全国步枪协会都公开松口了，但是最终还是没有禁成。 为什么？这篇文章解释一下：在美国，"该禁"和"能禁"是两回事。 yage.ai/share/why-us-cant-ba…

AI 看板终于肯把每个数字是怎么算出来的摊开给你看了，好像解决了信任问题。 可当你真的用起来就会发现，要想判定一个 SQL 对不对，依然需要你自己懂 SQL。而这恰恰是这个工具本来最该替你省掉的事。 如果我们把这十年串成一条线，就会看到同一个模型，直接写 SQL 的时候，准确率在 84% 到 90% 之间波动；但只要你先做了一套统一口径，就能冲到 98% 到 100%。飘的是口径，不是模型。 所以第二轮对话式分析真正在争的，不是谁能让 AI 出图，是谁替数字兜底。 yage.ai/share/conversational…

AI 短剧越做越便宜，为什么做一部反而更贵？ 生成一秒钟画面只要几毛钱了，可一集能过审能上线的成片，成本反而从每分钟 100 块涨到 200 到 300 块。省下的钱，被试错和买量两笔隐形账吃了回去。这个「单价降、总花费涨」的反差，和我们之前写过的 AI token 账单是同一回事。 小半年后再看这个领域，我们修正了之前的三条判断。 yage.ai/share/ai-micro-drama…

你每个月都在给ChatGPT Plus或者Pro付费，但是写代码的工具仍然在另一个API账单上按token计费。2026年9月，OpenAI在DevDay上正式支持使用ChatGPT Plus/Pro的订阅额度来运行第三方工具——通过Sign in with ChatGPT，开源项目和本地项目也可以合法地使用用户的订阅额度。这篇文章介绍了三种不同的方案：另外开一个API账单、使用官方的订阅通道、还是继续使用Codex的身份走灰路，各自的代价和边界在哪里。 yage.ai/share/chatgpt-subscr…

Anthropic官方成本指南里有一个反直觉的方法来选择模型，不是比单价，而是比每个任务解出的成本。 用这个标准，你会发现价格表上单价贵五倍的 Fable 5.1 把 effort 调到 low 反而比 Sonnet 5 更便宜——它解出了 88.6% 的题，每解出一题 0.54 美元，Sonnet 5 只解出了 77.4%，每解出一题 0.84 美元。更贵的模型每任务反而更省，是因为 agent 负载里大部分输入是打一折的缓存读，单价作用不大，真正决定账单的是模型做了多少轮、调了多少次工具。 这篇文章就会把这个指南摊开：为什么在会话中途换模型会打断缓存，单次断裂能贵到正常读取的 50 倍；为什么 effort 曲线分两条，研究类任务平、长程编码陡；以及多模型分层只在两种情况下真的省钱。最后落到一个可用的判断——先在自己的流量上画一条 effort 曲线，把它当成任何分层方案都得先打败的基线。 Anthropic 建议用调节 effort 而不是更换模型，这个思路是对的，但这里面也有 Anthropic 的立场。文章里也有提到。 yage.ai/share/effort-vs-mode…

AI其实已经可以进行诊断了。在2018年FDA就批准了第一个不需要眼科医生参与，由AI进行诊断的眼底筛查系统。但直到今天，全球医学领域依然有一个八年的死结，那就是「谁开处方」。 因为处方不只是张纸。它是医学里责任正式移交的时刻：上面有医生的执照和NPI，药房照单发药，出事就顺着这个号追责。诊断提供信息，处方产出一个被法律授权、在现实里产生后果的动作。 犹他州这次没有靠辩论赢。它找到了一道法律的缝：美国把「行医」归各州管、把「器械」归联邦管，两边各管一半。犹他州用一份叫监管缓解协议（RMA）的行政合同——本质是「承诺暂时不执法」，不是新立法——从「行医归州」这半边，把开处方的权限递给了算法。 但一个几乎所有报道都写错的地方是：制度上批准 ≠ 无人监督运行。Nolla 现在仍在第一阶段，每张处方要两名医生逐单预审；早一年进沙箱的 Doctronic 到今天也还停在第一阶段。协议里，AI 独立开方要到累计 500 名患者、且经 OAIP 书面批准之后才启动。 这堵"授权墙"才是值得盯的地方：看AI在一个强监管领域的自主性，看的不是模型能力或新闻热度，而是这堵墙有没有被交出去。 yage.ai/share/ai-prescribing…

AI 把界面做得好看，这本身不是个 AI 的突破。 在 2026 年 10 月，OpenAI 将 GPT-6 接入 ChatGPT，并引入了一个名为 Intelligent UI 的新特性。这个功能可以在回答问题的同时生成一个交互界面，让用户可以点击链接、填写表格或画图。在官方博客中，它提到这是"将设计判断力训练进了模型权重"。 但如果你去看它的技术安全报告或者开发者文档，里面完全没有对视觉排版、前端设计的相关评测。这目前还是一个单方面的声明。 有趣的是，界面设计已经被公开打分排序了：在WebDev Arena和设计Arena的盲测榜上，第一名是Anthropic。而它的公开秘密，不是更隐蔽的权重，而是代码仓库里人人可见的Markdown文档——`frontend-design`。里面写着避免哪些陈词滥调，规定模型必须先定设计系统，再写代码。 如果把这两件事拆开看，我们会发现：模型的权重决定它能做多好（上限），而那份外置的说明文件决定它具体往哪做（方向）。这正好印证了一点：AI 用得好不好，往往不取决于它多聪明，而取决于你递给它什么上下文。 但坏处是，方向一公开就人人可用，同质化难免；而且好看不等于有用——一项62人实验显示，未经优化的只追求好看的AI界面，任务准确率仅63%，远不如专业设计。 我写了篇长文，把这条线完整拆了一遍。 yage.ai/share/ai-design-dire…