把工作交给 AI 以后，责任和疲惫为什么还留在人身上？
把任务交给 AI 后，人仍要提供背景、检查结果并承担责任，监督多个 Agent 还可能增加未完成事项和疲惫。
文章
由 AI 采访转化而来，每篇都能追到原视频。
把工作交给 AI 后，为什么你反而成了它的经理
把任务交给 AI，并不意味着责任和注意力也随之转移。
Runway 不只想生成视频：一次 Sora 危机、一个神经界面和机器人仿真
视频模型能生成逼真画面，怎样进一步响应操作并帮助机器人试验动作？
OpenRouter 卖的不是模型，而是随时换模型的权利
模型能力、价格和供应商不断变化，应用若绑定单一接口，切换和故障处理就要反复重做。
用 AI 提高创意上限，而不只是提高生产下限｜Katie Dill
AI 很快就能做出看似完整的界面，却也容易让产品落入彼此相似的模板。
观点要鲜明，也要随时准备修正｜Marty Cagan
AI 让团队更快做出原型，也可能让未经验证的功能更快消耗资源。
当 AI 开始写 DNA：Eric Nguyen 为什么把设计与防御放进同一家公司
生物模型既可能提出有用的序列，也可能带来需要防御的新风险。
把科学问题变成分数以后，AI会加速研究，也会放大奖励漏洞
科研 Agent 能快速搜索大量程序，科学家怎样确保它优化的是有意义的问题？
Jev 不是另一个聊天模型：它想让代码直接调用“判断力”
当软件需要的是一个判断而非一段聊天，模型接口应该怎样设计？
别让 AI 替你写，让它重复你已经说清楚的东西
AI 写出的文字可以通顺正确，却仍然像任何人都能说的话。
Peter Sellis 复盘 Snap 和 Discord：相机怎么卡住变现，核心增长怎样拉回来
消费产品怎样增长，同时不丢掉核心体验？
LFM2 里没有 302 个神经元：Liquid AI 怎样把架构变成硬件问题
模型放进汽车或手机后，怎样同时满足速度、内存和任务质量？