# 自动化的所有文章

Codex与ChatGPT合并，编程工具大洗牌开始了

OpenAI宣布将把Codex、ChatGPT和浏览器产品Atlas整合成一个桌面超级应用，表明其战略重心正从ChatGPT转向Codex。Codex最初是编程工具，现已成为增长最快的业务之一，周活跃用户超500万。OpenAI认为，ChatGPT主要解答问题，而Codex能直接完成工作，后者对企业价值更大。 过去一年，分析师、投资经理、营销人员等非开发者用户快速增长，Codex正从程序员工具转变为知识工作平台。它通过自动执行复杂任务（如分析财报、生成报告、设计原型）重构了白领工作方式。OpenAI为此推出了面向数据分析、销售、产品设计等职业的插件。 OpenAI还推出了“Sites”等功能，让用户通过上传资料自动生成可交互网站，使协作过程更接近人与同事互动而非操作软件。这体现了其更大野心：让AI理解工作并自动调用工具完成任务，用户只需提出目标。Codex因此被视为“数字员工”，代表AI从“聊天时代”进入“执行时代”，未来竞争核心在于谁能替用户完成工作。

marsbit4 小時前

GitHub，被 AI 打穿了

2026年2月9日，GitHub发生大规模服务中断，核心数据库集群因“缓存重写风暴”过载，导致网站、API、Actions及Copilot等服务瘫痪。事故根源是一个配置改动（缓存刷新时间从12小时改为2小时），但背后是平台面临的结构性挑战。 2026年前三个月，GitHub发生至少8次重大事故，故障原因各异但相互关联。深层原因是AI Agent的爆发式使用导致负载性质剧变。数据显示，2026年单周代码提交量达2.75亿次，按此推算全年将达140亿次，是2025年的14倍。AI贡献的提交量和PR数量在数月内增长数十倍。这些不眠不休的AI“用户”以远超人类的速率提交代码、创建仓库，使GitHub的负载模式从可预测的人类节奏转变为持续高压的自动化洪流。 同时，AI Agent（尤其是Agentic工作流）消耗的计算资源远超预期，使GitHub基于座位的Copilot订阅模式严重亏损。GitHub不得不实施限流，并于6月1日全面转向按用量计费。 为应对挑战，GitHub宣布需按当前规模的30倍重新设计架构，而非简单扩容，重点包括解耦服务、增强故障隔离、改进流量管控等。行业如Stripe、AWS也面临类似问题。 本质上，GitHub正从“人类协作平台”转变为“AI工作流的输出管道”。这不仅是基础设施的压力测试，也引发对其商业模式和核心身份的重塑。频繁的事故报告和高透明度，是平台在重建过程中争取社区耐心的方式。这次停机事件标志着软件开发在AI时代的一次深刻转折。

marsbit5 小時前

Claude Code 推出动态工作流：让AI学会自己组队干活

Claude Code 推出了动态工作流（workflows）功能，使AI能够根据任务动态组建多个智能体（Agent）团队协同工作，从而解决复杂的长周期任务。 该功能的核心价值在于，它改变了Claude Code原有的“单智能体在单一上下文内规划并执行”的模式。通过动态工作流，Claude可以将任务拆解，分派给多个拥有独立上下文的子智能体并行处理、交叉验证甚至彼此竞争，最后综合结果。这有效缓解了单智能体在处理长任务时常见的“智能体惰性”（提前宣布完成）、“自我偏好偏差”（倾向认可自己的结论）和“目标漂移”（逐渐偏离原始目标）等问题。 动态工作流通过执行一个包含特殊函数的JavaScript文件来协调子智能体。它支持多种实用模式，例如：将任务分类后路由给不同智能体；将任务拆分为多个小步骤并行处理再综合（扇出并综合）；生成多个方案后通过锦标赛机制竞争筛选；以及进行对抗式验证等。 其应用场景显著超越了传统的代码任务，扩展至非技术领域。示例包括：代码迁移与重构、深度研究与事实核查、对大量简历或工单进行排序、从历史会话中提炼行为规则、进行事故根因调查、对积压任务进行大规模分诊，以及在命名、设计等需要探索和品味判断的任务中生成并筛选方案。 文章也指出，动态工作流并非万能。它通常会消耗更多token，因此不适合所有常规编程任务。最佳实践仍在形成中，开发者需要根据任务复杂度判断是否使用。用户可以通过详细提示（prompt）设计工作流，并结合 `/goal` 和 `/loop` 等指令，或设置token使用预算来优化效果。创建的工作流可以保存、共享甚至通过技能（skill）进行分发。 总的来说，动态工作流标志着Claude Code从一个代码助手向一个可编排的智能体工作台演进。未来AI工具的竞争力，可能不仅在于单个模型的智能程度，更在于其组织可靠、可复用执行流程的能力。

marsbit14 小時前

从 IDE 到终端：一份智能体工程实战操作手册

marsbit昨天 07:00

跨链桥主动求变，LI.FI用意图架构成为TradFi机构流动性中枢

marsbit昨天 06:35

54万行代码之后，Garry Tan发现AI编程的旧游戏结束了

YC总裁Garry Tan通过一个54万行代码的AI编程项目得出结论：传统的软件管理模式在AI时代已过时。过去因模型昂贵，开发者用大量代码和测试来约束AI，如同为智能工人建造“富士康工厂”。但随着模型成本下降、能力提升，重点应从“写更多代码”转向“设计更多能力”。 他提出用Markdown构建“技能包”（skill pack），将可复用的工作流模块化，并由AI自动生成代码和测试。例如，原本需数天的黑客松评审，现在由AI在30分钟内完成。这种“即时生成式软件”模式，使工程师的核心竞争力转向问题定义、判断力与经验沉淀。 未来，优秀的工程师未必是写代码最多的人，而是能通过清晰指令释放AI最大潜能、用最少代码实现最多价值的人。真正的创新在于构建解放AI与人类创造力的系统，而非用代码层层束缚。

marsbit昨天 21:38

专访7名普通职场人：AI来了之后，你过得还好吗？

专访七位来自不同行业的职场人，探讨AI浪潮对其工作与生活的真实影响。受访者普遍通过ChatGPT、Claude等工具接触AI，主要动机是降本增效、应对职业不确定性。AI显著改变了他们的工作模式：编程、搜索、内容创作等任务效率大幅提升，“一人团队”成为可能，思维方式也从传统学习转向AI驱动。 然而，效率提升背后伴随普遍焦虑。AI并未减少竞争，反而将竞争推向新高度，要求从业者持续学习新工具与工作流。许多岗位（如文秘、财务、客服、基础编程与设计）面临缩减风险，技能“平权”效应使得“强者越强，弱者越弱”。受访者感到的威胁不仅来自收入压力，更源于对职业未来结构变化的担忧。 面对冲击，他们积极寻找人类不可替代的“护城河”。关键在于从执行者转向复杂系统的负责人、超级协调者或独立创造者，核心价值在于业务理解、风险判断、审美与市场需求洞察、以及人际沟通与异常处理等AI难以替代的能力。尽管对AI工具已有中度甚至重度依赖，但他们认为，若工具失效，工作虽会变慢但不会瘫痪。 最终，AI已成为职场“必选项”。旧的职业边界正在瓦解，新的价值体系则在形成——真正重要的不再是单一技能，而是整合AI、驾驭复杂性与承担最终责任的能力。

marsbit06/01 08:17

疯狂烧了数十亿美元 Token 之后，硅谷大厂开始限制员工 Token 用量了

近日，多家硅谷科技公司开始限制员工使用AI工具的Token（使用量），以应对高昂且效益不明的成本。此前，企业曾鼓励员工“tokenmaxxing”（最大化Token使用量）以体现数字化转型，但随后发现大量Token被用于非核心工作，如查天气或写祝福，且AI生成的代码存在高“流失率”（被抛弃或重写），导致隐性成本激增。数据显示，企业每花1美元在AI Token上，可能产生近80%的额外损耗用于修复Bug和审查。 管理层开始质疑AI投资的回报率（ROI），仅有少数CFO能看到明确回报。个人效率的提升未能转化为公司整体收益增长。例如，Uber和Salesforce面临数亿美元的年化AI支出，却难以将其与业务成果直接挂钩。微软已取消部分员工的Claude Code许可，Meta也下线了内部鼓励使用的排行榜。 市场随之出现AI成本管理工具，帮助企业监控支出并与业务成果关联。同时，部分AI厂商开始调整计费模式，从按Token用量转向按实际产出（如解决的对话数）收费。 行业正从盲目追求使用量转向理性评估价值。分析指出，真正的挑战在于用AI重新设计工作流程和商业模式，而非仅仅优化现有任务。如果企业仅将AI用于加速旧工作，成本压力终将迫使它们面对这一根本问题。

marsbit06/01 04:06

“一人公司”爆火：有人年赚百万，有人收入缩水90%

AI时代催生了“一人公司”创业热潮，即个人借助AI工具独立创业的模式。2026年被称为“一人公司元年”，全国存量已超1600万家。热潮背后，成功者与受挫者并存：有人年入百万，也有人收入锐减。 **成功案例：** 1. 游戏开发者张sir，利用AI工具链，单人15天可开发一款弹幕游戏，成本极低，年流水近2000万，个人到手约80-100万元。 2. 在日创业者十月，从事材料定制零售，AI解决其90%的问题，月收入达日本同龄白领3倍，年收入约1500万日元。 3. 生物技术领域的小陶，为B端客户提供AI算法优化服务，AI承担80%重复工作，实现收入翻倍且时间更自由。 **挑战与提醒：** * 跨境电商创业者阿源指出，创业收入相比此前大厂年薪缩水90%，强调网上存在过度鼓吹，不建议盲目跟风。 * 成功者普遍认为，AI降低了技术门槛，但无法替代行业经验、创意、核心判断及客户资源。创业仍需面对市场开拓、政策合规等非技术挑战。 总体而言，AI赋能了个体生产力，但“一人公司”并非成功捷径，考验的是创业者的综合能力与资源。

marsbit06/01 02:48

从Token到机器劳动力：AI正在从工具变成「工人」

本文探讨了AI从辅助工具演变为“机器劳动力”的趋势。文章指出，企业购买AI的本质正从获取算力（token、GPU小时）转向购买由其直接完成的“经济性劳动”。未来的AI市场将演进为“机器劳动力市场”，其中工作成果本身（如客服问题解决、代码合并）将成为标准化、可验证、可定价和交易的对象。 市场将经历四个阶段演化：1）原始token交易；2）标准化模型能力（如文本处理、代码生成）交易；3）行业特定劳动力（如会计、法律）交易；4）面向Agent的、以结果为单位的可编程市场。这要求建立明确的任务规格、性能基准和定价机制。 文章认为，AI不会简单替代人类劳动，而是引发协同重组。机器将承担大量标准化工作，人类角色则转向复核、责任承担、上下文管理及关键决策。随着工作成本下降，市场需求可能扩张，催生新的服务形式。最终，竞争焦点将从模型能力或算力价格，转向谁能率先将“工作”本身商品化，使机器劳动力成为一种新型生产要素。

marsbit05/31 12:33