听说今年高考报计算机专业的少了。 我觉得逻辑是这样的： 现在 AI 写代码能力是替代工作三五年的人员，在 AI 的母领域编码领域上已经很成熟了。 所以软件行业公司招聘面向初级工程师的岗位也下降了，反而在 编程领域外的其他领域需要 AI 范式转移。 我觉得高校开设 AI 通识课是正确的。 学会用 AI 解决问题才是根本。

要不是我通知里收到你这个信息，我都懒得给你说这么多。 os_refcnt: overflow (count=268435456, max=268435455) @refcnt.c:68 Panicked task: pid 26170: node Node 频繁地 exec 子进程、遍历 node_modules，激活了苹果内核这个引用计数泄露 ASP 检查。 OpenAI 的 codex 仓库有一份报告，panic 字符串同样是 25E253 构建，同样 os_refcnt: overflow，同样 count=268435456，backtrace 里同样是 ， 导致我电脑中途重启，丢失了很多正在进行的 session。 这是内核的问题吗？ 我不骂 Codex 和 node 我骂谁 ？ 骂你有用吗？

Node.js 这个傻逼玩意，怎么还有人用呢 。。。 刚才我 Mac 突然重启了，后来发现是因为 node 引起了macOS 内核里的一个引用计数泄漏，攒了 22 天后溢出，内核主动 panic 自保。。。 我又让 AI 深度搜索一遍，发现 OpenAI codex 仓库（Codex Desktop 的 issue tracker）有一份报告跟我的 panic 字符串一模一样 。。。 看起来就是 OpenAI Codex 的问题了 。。。

2026 年 2 月，StrongDM 的 AI 团队公布了他们的章程：代码不能由人写，代码不能由人 review；再加上 CTO Justin McCarthy 那句流传很广的判断："如果今天你的每个工程师没有烧掉至少 1000 美元的 token，你的软件工厂就还有提升空间。" 几个月后，在 AI Engineer Europe 的闭幕演讲上，Pi 的作者 Mario Zechner 对全场说的却是：慢下来，读每一行关键代码。他拿到了全场起立鼓掌。 这两个场景中间，隔着 2026 年 AI 工程圈最大的一场分歧：人类还要不要读 AI 写的代码。一端是 OpenAI 的 Ryan Lopopolo，喊出"代码是负债""要做 token 亿万富翁"；另一端是 Zechner 这样的人。在反方阵营里，论证最系统的一篇来自 HumanLayer 创始人 Dex Horthy 的《Why Software Factories Fail》，基于他在 AI Engineer World's Fair 2026 的 keynote。 今天我反复读了他的演讲、上下两篇原文和播客访谈，并逐一核实了文中出现的链接。这篇文章是结果。 文末还有一段他没讲的延伸：编程语言的选择，可能才是被所有人忽略的一阶变量。

这两天终于把 BaoCut 的视频画面翻译功能做了，这功能技术实现不复杂，但是交互比较麻烦，也没有同类产品借鉴参考，迭代了好几个版本终于觉得还不错了。 亮点是可以 Agent（推荐 Codex）自动化操作，不用人工干预，另外翻译好的结果，可以直接导出到剪映（CapCut）二次处理。 用起来倒是很简单： 一种是自己去 Agent 那边，让 Agent 自己找出来需要翻译的画面帧，然后翻译后把翻译后的文字加到 OCR 出来的位置。 参考提示词： > 帮我转录翻译 <视频地址>，并为所有全屏的 slides （不是背景中的）也添加翻译 一种是自己从 GUI 主动在要翻译的位置暂停，然后点击播放器下面的 Screen Text 按钮，就能对当前画面进行 OCR，找出来所有文字位置，当然人工可以勾选哪些需要翻译的。 最开始的版本是一次翻译一张，后来发现太慢，现在改成了添加到队列，批量翻译，效率就快多了。 之所以没有做成图片翻译替换画面，是因为视频画面是动态的，如果只是替代一帧或者几帧，效果并不好，就折衷了一下，做成了字幕叠加在原始文字上，人工可以二次调整。 如果你还不是最新版本需要升级到最新版本（v0.8.2）。 下载地址：

看别人发黑客松照片，回想起我当年有且参加一次的黑客松比赛，都不敢相信我自己，在没有 AI 的情况下，是如何一晚上从零手写代码造个产品第二天demo直接拿一等奖的 。。。

我问了 Opus 5 为何用“石头”（其实是鸟蛋）来呈现这个图案，并对比Fable 5 的蝴蝶和Sonnet 5 的植物。 它如是说： •Fable 5 / 蝴蝶——完全变态发育，从蛹到蝶是形态上的跃迁。放在最高的 Mythos 层，暗示的是“质变”而非“改进”。蝴蝶也是标本柜里最经典的收藏对象，对应旗舰的稀有感。 •Sonnet 5 / 花草——植物是会持续生长、成片铺开的东西。Sonnet 是最广泛部署、跑量最大的那一档，用植被表达“覆盖面”和日常性，比用某种猛兽合适得多。 •Opus 5 / 鸟蛋——蛋是尚未孵化的潜能，同时每一枚的斑纹都不同，几十枚蛋摆在一起本身就是“多样性的集合”。而且它是能力上仅次于 Fable 的一档，用“还没破壳”来暗示后续空间，语气上比蝴蝶克制。 更底层的共性可能才是重点：这三张全部是 19 世纪博物学插画的语汇——牛皮纸底、手工上色、标本排列。Anthropic 一直在把模型往“可观察、可分类、可研究的自然物”这个方向包装，而不是往芯片、光效、太空那套 AI 视觉惯例上靠。 这本身就是一种立场表达。 大致是这么一个立场：模型是被”养出来”的、需要观察和研究的对象，而不是被设计出来的、可以列参数表的产品。 Anthropic 内部一直在讲一句话——我们种植模型，而不是建造模型。训练出来之后，它到底有哪些能力、会在什么情况下怎么反应，是要靠事后做实验、做可解释性研究去发现的。 19 世纪博物学正好是这个姿态的完美隐喻：你先把标本收集起来、画下来、按形态排好，因为你还没有一套能解释它们的理论。达尔文之前的分类学就是这么干的。用蛋和蝴蝶做发布图，等于在说”这是一个我们也在研究的东西”。 对照一下就更明显了。行业默认的 AI 视觉语言是发光的芯片、神经网络的蓝色线条、太空、机器人——那套东西编码的信息是”我们造出了超级智能，它属于未来”。而 Anthropic 用的是牛皮纸、手工上色、标本排列，编码的是耐心、编目、以及一点不确定性。加上模型全部以文学体裁命名（Sonnet、Opus、Fable、Haiku），整体是往人文和手艺那边靠，刻意避开工程崇拜。 当然也可以更犬儒地读：在一片赛博朋克里做复古博物学，本身就是最省力的差异化。而且这套克制的视觉语言和实际的发布节奏之间是有张力的——图上画着”我们也不完全懂这东西”，但产品仍然在按季度往前推。这个张力是真实存在的，不算黑它。 😆

卧槽？？？？tmd这次 @claudeai 把牙膏挤爆了🤯！！！ Anthropic刚刚发布Claude Opus 5。 以拉爆Claude Fable 5的前沿能力，价格直接来到Fable的一半。 Opus 5的API价格是每百万Token输入5美元、输出25美元，和Opus 4.8完全相同。 Fable 5则是10美元和50美元。 Anthropic直接把它定义为一款可以每天使用的高端模型，并将其设为Claude Max默认模型、Claude Pro最强模型。 跑分方面在CursorBench 3.2中，Opus 5开启最高Effort后，成绩只比Fable 5峰值低0.5%，但单任务成本只有后者一半。 在Frontier-Bench上，它以更低的单任务成本，将Opus 4.8的成绩提升到两倍以上。 Anthropic称，Opus 5目前已经在Frontier-Bench和GDPval-AA等编程、知识工作评测中达到SOTA。 Agent和电脑操作的提升更夸张，同时ARC-AGI 3成绩是第二名的3倍。。。 Zapier AutomationBench中，同等成本下通过率约为第二名的1.5倍，即使使用最低Effort，完成的任务也比其他模型更多。 OSWorld 2.0中，Opus 5只花Fable 5略高于三分之一的成本，就超过了Fable 5的最好成绩。 但这次最值得关注的，可能还不是跑分。 Anthropic反复强调Opus 5更擅长验证自己的工作，并持续迭代到任务真正完成。 一个测试里，模型拿不到机械零件原图，只能访问原始像素。Opus 5自己写了一套计算机视觉管线，提取几何结构，最后在FreeCAD中重建出了完整零件。 另一个任务中，它发现没有实时数据流可以验证代码，于是顺手给自己搭了一套测试框架。 这是一种很关键的Agent能力：发现当前环境缺少完成任务所需的工具，然后自己创造工具。 Opus 5同时加入了Fast Mode，速度大约是默认模式的2.5倍，价格是基础版本的两倍。 API模型名为claude-opus-5，目前已经登陆Claude、Claude Code、Claude Cowork和Claude Platform。 Anthropic现在的模型分层也越来越清楚： Sonnet负责规模和成本； Opus负责绝大部分高难度日常工作； Fable和Mythos继续探索能力与高风险领域的最前沿。 Opus 5真正的场景是大量编程、研究、数据分析和Agent任务，它正在让用户很难继续为Fable 5支付两倍价格。 前沿模型开始主动下放能力、压低价格。 模型战争接下来的重点，会从谁的能力上限最高，逐渐变成谁能用更低成本，把任务稳定地做完。 牛逼，看来前段时间 @OpenAI 和中国开源模型们（ @Kimi_Moonshot 和 @Zai_org ）真的给A/太多压力了！ 继续加油啊家人们！

因为我过早（2008年）就投入苹果的怀抱，所以这近20年对 Windows 基本没有什么了解。 直到本月因为给某厂做培训，才意识到，其实微软有些东西很先进。 就比如说，Rust 里的 async/await ，这种让异步代码写起来、读起来几乎和同步一样的优雅特性，是 C# 率先带入主流（2012）的。 再比如 IOCP，它的 proactor 完成模型比 Linux io_uring 早多了。 这些我之前也知道，但当时我并未因此意识到微软的先进性。 但当我知道这个 IOCP 在 1993 年就随 Windows NT 3.1 引入的时候，我就有点惊到了。 因为在我脑子里，微软/Windows 相比于 Linux/Macos 都是落后的代表 。。。 然后我又发现 TypeScript 是 2012 年开始给动态语言补渐进类型的路数。。。 LSP 是 2016 年 。。。 最牛逼的是 COM 的 ABI 思路了，领先业界 30 年 。。。 继续深挖还发现了不得了的事 ， 微软研究院 90 年代末做的 Singularity/Midori，用 Sing#(C# 变体)写的实验操作系统，靠类型系统保证隔离而不是硬件 MMU，里面已经有线性类型和所有权语义的影子。 它比 Rust 早十年在探索"用类型系统替代运行时安全检查"这条路。 惊到了。 还有 Simon Peyton Jones （Haskell 的核心作者之一），在微软研究院待了二十年。GHC 的很多演进是微软发工资做的。 从某种意义来说， Rust 的 trait/类型类的血统里，流着微软研究院的钱😆 随着深挖，我逐渐意识到，微软有一个别人长期没有的东西： 一个真正做研究的实验室，和一条把研究成果推进产品的通道。