一年140亿次提交之后,AI正在悄悄“搞乱”你的代码库
GitHub 正在迎来史上最疯狂的代码增长期:一年 140 亿次提交,其中大量由 AI 共同完成。但更大的问题来了——代码更多,开发者真的更高效了吗?微软开发者布道师 Marlene Mhangami 用一场 Playwright 实战演示,给了一个让很多人不太舒服、却极其重要的答案。
GitHub 正在迎来史上最疯狂的代码增长期:一年 140 亿次提交,其中大量由 AI 共同完成。但更大的问题来了——代码更多,开发者真的更高效了吗?微软开发者布道师 Marlene Mhangami 用一场 Playwright 实战演示,给了一个让很多人不太舒服、却极其重要的答案。
当所有人都在卷模型、卷参数、卷基准测试时,Notius Labs 的 Chris Lovejoy 提出了一个让很多 AI 工程师不舒服的观点:真正拉开 AI 产品差距的,从来不是模型能力,而是你到底懂不懂那个行业。这场分享把“领域专家”从配角,拉回了 AI 产品的舞台中央。
如果你还在用向量库硬撑RAG,这场分享可能会让你后背发凉。Neo4j 的 Stephen Chin 直接点破:真正让 AI“会记事、会推理”的,不是更大的模型,而是 Context Graph——而且 Gartner 已经把它写进了 AI 技术路线图。
当Bernie Sanders和AOC提议暂停AI数据中心建设、92岁的巴菲特坦言“跑不动了”,而SpaceX却加速冲向IPO,这期TBPN把看似无关的新闻串成了一幅真实的科技产业图景:算力、资本与现实世界正在正面碰撞。
如果你觉得2026年的AI行业已经进入“稳定期”,这期TBPN会把你直接拉回现实:一边是Figma业绩爆炸、审美成了新护城河;另一边是提示工程被集体嫌弃、AI生成“莫奈”钓翻全网。更狠的是,真正赚钱的AI公司,可能正在你最看不上的地方出现。
如果你还在开站会、排 Sprint、等 PM 对齐需求,这个演讲会让你坐立不安。PFF 用一个真实案例证明:在 AI Agent 时代,Scrum 没能活下来,工程师也不再是交付瓶颈,而是组织结构出了问题。
AlphaGo 曾被认为是只有顶级实验室才能复制的奇迹,但 Eric Jang 在播客里抛出一个近乎挑衅的说法:今天,一个人、几千美元算力,就能从零“重建”它。更重要的不是算力,而是那套反直觉的思想结构。
当所有人都在争论MCP是不是AI Agent的“终极接口”时,Supabase的一次内部实验给出了一个让人不安的结论:只给工具,不给“正确用法”,最强模型也会把你的产品用错。这场分享讲的不是概念,而是为什么“Skill+MCP”才是当下最现实的解法。
如果你还在等“更大参数的LLM=更聪明的AI”,这期对话可能会让你停下来重想一遍。Yann LeCun在访谈中毫不客气地指出:大语言模型正在撞墙,真正的突破来自“世界模型”。更激进的是,他判断这个转折点会在2027年前变得无法忽视。
Intercom 的工程团队做了一件很反直觉的事:他们不再纠结“用哪个模型更强”,而是直接把 AI 当成一名高级工程师来管理。结果是,在不扩招的前提下,工程产出真的翻了一倍。这不是概念,而是已经跑在生产里的现实。