代码写得更多了，模型却更难拿到：AI 的瓶颈正在往后移
多个编程 Agent 让代码产出增加，团队理解和审查代码的速度却未必跟得上。
文章
由 AI 采访转化而来，每篇都能追到原视频。
模型会吞掉Harness，创业公司该把优势放在哪里
模型平台不断吸收通用 Agent 功能，创业公司还能把优势放在哪里？
Cat 晚上发现一个 bug，团队的 Claude 已经先修了：Claude Code 第一年的变化
Agent 会写代码后，团队怎样让它持续处理任务，而不是每次都从一条新请求开始？
Boss 站着挨打也不还手，Peter 才发现“能运行”还不算游戏
不会操作 Blender 和 Godot，也能用 Agent 做游戏原型，但怎样让它从能运行变得好玩？
AI 让“做出来”变容易以后，Tony Fadell 为什么更在意品味、耐心和责任
AI 让原型和代码越来越容易生成，产品负责人还需要保留什么？
模型可以换，公司的判断不能丢：Satya Nadella 如何把企业 AI 的控制权留在自己手里
企业依赖外部模型处理工作时，怎样在更换供应商后保留自己的业务判断？
当AI把三周实验压到两天，研究者为什么还不能放手
编码 Agent 能把几周的实验实现压到几天，研究者的工作会怎样改变？
Claire Vo 连测九项 GPT-6 Astra 任务：哪些真的做成了，哪些还要人接手
面对需要操作网页、处理资料和写代码的工作，AI Agent 能接手哪些环节，人又该在哪些地方把关？
Demis Hassabis 想避开 AI 竞赛，也不愿只押一条路线：DeepMind 的收获与代价
DeepMind 为何能长期探索科学难题，却错过一些率先定义 AI 产品的时刻？
机器人连续跑了 13 小时，为什么还不能算可靠
机器人能做一次咖啡，怎样让它长时间稳定工作、出错后继续完成任务？
Agent 帮他省下每月 100 美元，接着却向他要 Google 密码
个人 Agent 能主动省钱、安排日程，也可能在同一任务里要求账户的最高权限，该怎样决定信任到哪一步？
Harvey 没有先训练法律模型：它先用评测、合成数据和多模型服务搭起研究实验室
法律 AI 公司 Harvey 想训练并购尽调 Agent，却不能把涉及客户秘密的真实数据室直接拿来训练。