大量沙盒基础设施是为「cattle（牲畜）」场景构建的，但我认为随着后台 agent 成为常态，「pets（宠物）」场景会同样普遍。 我发现自己很难从「agent 运行在远程计算资源上」切换到「agent 运行在我的笔记本上」——不是因为 agent 本身或推理的问题，而是因为我习惯了把一切都放在固定位置：库、CLI 工具、repo 路径等等。 远程 coding agent 的第一步体验，在这方面应该保持足够的连续性： 你带来自己的服务器或基础镜像，按自己的方式配置好 API keys、repo checkout 等——然后让 agent 平台在这个宿主机上运行 session。 当然需要一些额外的管道工程来提升计算效率，但一台中小型 EC2 的成本，跟我砸进去的 token 费用比起来，简直九牛一毛。 企业侧也很有意思——把一切都跑在你自己的 VPC 里。
大概六个月后会有一篇文章，类似「Founder Mode」，但主角是那些被所有人劝着不要再看代码的人——直到某天他们发现一切都变得一团糟，才意识到必须回归「human mode」。
No-one has figured out how an eng team should work with agents yet. Be wary of anyone telling you they know how to do it. Keep exploring. https://t.co/QZ3RXEyIzZ
这篇文章写得不错。我喜欢把 AI engineering 类比成 CI/CD——大家都想优化它，它吞噬大量时间，创新当然好，但如果每个人都在自己搞一套，就是混乱。你能想象每第三个工程师都在桌子底下跑一台自定义 Jenkins 服务器吗？ 【引用 @davidcrawshaw】：还没有人真正搞清楚工程团队该如何与 agent 协作。对任何声称自己知道怎么做的人保持警惕。持续探索。
No Vibes Allowed —— 使用 Claude + CodeLayer 进行实时编码：🦄 能真正工作的 AI
100 tweets · 45 sources