即刻App年轻人的同好社区
下载
Anthropic 的 Claude Code 之父 Boris Cherny 今天发了一条推文，聊的是未来职场角色会怎么变化，很值得思考。
他说，随着AI工具越来越强大，工程师、产品经理、设计师、数据科学家这些传统岗位之间的边界正在变得模糊，大家正在融合成一种新型的角色。
他以自己所在的Claude Code团队为例，提出了未来团队中可能出现的五种人才原型。
第一种是「原型探索者」，这类人擅长从零开始冒出新点子，产出量很大，但大部分想法最终不会上线，重点在于创造性地试探方向。
第二种是「建造者」，他们能把一个粗糙的原型或想法快速变成生产级别的产品或基础设施，执行力极强。
第三种是「清道夫」，专门负责打磨界面、精简代码和系统架构、砍掉不需要的功能、优化性能，让产品变得更干净利落。
第四种是「增长者」，他们接手已经搭建好的产品，通过不断迭代来提升产品与市场的契合度。
第五种是「维护者」，负责守护一个成熟的系统，确保它在规模扩大的过程中依然安全、稳定、高效。
Boris特别强调，很多人其实横跨两到三种角色，而且这些原型跟传统的职能划分没有必然关系。比如在Anthropic内部，有些设计师属于第一类，有些属于第二类，工程师和产品经理也是一样的道理。数据科学家也不例外，有的擅长从零到一的探索性项目，有的更擅长优化已经成熟的系统。
他还提出了一个很实用的团队搭配思路：一个还没找到产品市场契合点的新产品，需要大量第一、二、三类人；一个正在增长期的产品，需要第二、三、四类人为主，再加一些第五类；而一个已经非常成熟的产品，则需要第三、四、五类人为核心，辅以少量第二类。
这个框架的核心启示在于，未来的团队组建可能不再按照"你是工程师、我是设计师"这样的专业领域来划分，而是更多地按照每个人在产品生命周期中擅长扮演的角色来组合。
这对招聘、团队管理和个人职业发展都会带来很大的思维转变。
#
他说，随着AI工具越来越强大，工程师、产品经理、设计师、数据科学家这些传统岗位之间的边界正在变得模糊，大家正在融合成一种新型的角色。
他以自己所在的Claude Code团队为例，提出了未来团队中可能出现的五种人才原型。
第一种是「原型探索者」，这类人擅长从零开始冒出新点子，产出量很大，但大部分想法最终不会上线，重点在于创造性地试探方向。
第二种是「建造者」，他们能把一个粗糙的原型或想法快速变成生产级别的产品或基础设施，执行力极强。
第三种是「清道夫」，专门负责打磨界面、精简代码和系统架构、砍掉不需要的功能、优化性能，让产品变得更干净利落。
第四种是「增长者」，他们接手已经搭建好的产品，通过不断迭代来提升产品与市场的契合度。
第五种是「维护者」，负责守护一个成熟的系统，确保它在规模扩大的过程中依然安全、稳定、高效。
Boris特别强调，很多人其实横跨两到三种角色，而且这些原型跟传统的职能划分没有必然关系。比如在Anthropic内部，有些设计师属于第一类，有些属于第二类，工程师和产品经理也是一样的道理。数据科学家也不例外，有的擅长从零到一的探索性项目，有的更擅长优化已经成熟的系统。
他还提出了一个很实用的团队搭配思路：一个还没找到产品市场契合点的新产品，需要大量第一、二、三类人；一个正在增长期的产品，需要第二、三、四类人为主，再加一些第五类；而一个已经非常成熟的产品，则需要第三、四、五类人为核心，辅以少量第二类。
这个框架的核心启示在于，未来的团队组建可能不再按照"你是工程师、我是设计师"这样的专业领域来划分，而是更多地按照每个人在产品生命周期中擅长扮演的角色来组合。
这对招聘、团队管理和个人职业发展都会带来很大的思维转变。
#
35 212
让 AI 帮你查个资料，最容易卡住的地方，是它打不开那些要登录才能看的页面。
公开网页它能搜、能读，可一旦内容藏在登录后面，或者那个页面得点几下、等它动态加载出来，AI 就抓瞎了。最近看到一个给 Claude Code（Anthropic 出的一款 AI 编程助手，跑在命令行里）补这块短板的东西，叫 web-access。装上它，Claude Code 就从「只会搜搜公开页」变成「能替你登录进去、把要交互的页面也读下来」，做调研、查内部资料这类活，能省掉你不少手动复制粘贴的工夫。
它不是一个单独的软件，是给 Claude Code 加的一项技能（这类给 Agent 加的本事通常叫 skill）。装进去之后，Claude Code 多了一身上网取数的本事，你照常跟它说话，它自己判断该怎么联网。
先说清楚它跟另一类工具的区别，免得搞混。有些工具是让 AI 替你动手操作浏览器，点按钮、填表单、把东西加进购物车，重点在「替你做网页上那些重复的机械活」。web-access 不是干这个的。它的重点是让 AI 自己会上网查东西、把查到的内容读回来给你用，是给 AI 供料，不是替你点鼠标。一个是手，一个是眼睛和腿，方向不一样。
它最核心的设计，作者叫「三层通道」。说白了就是 AI 上网取数有三条路，它会自己看情况选，也能几条混着用。
第一条最轻，就是普通的网页搜索和抓取，对付公开静态页面够用了。第二条稍微特别一点，用 curl 这类命令、或者接一个叫 Jina 的服务，专门抽取某些特定格式的内容，能帮着省点 token（也就是省点跟 AI 对话的成本，这条是可选的）。第三条是真正拉开差距的地方：它通过 CDP（浏览器调试协议，简单说就是一个能远程操控浏览器的官方接口）直接连上你本机那个已经登录好的 Chrome 或者 Edge。
连上你自己登录的浏览器，意味着什么呢？意味着你账号能看到的内容，它也能看到。要登录的后台、动态渲染出来的页面、得交互一下才出来的信息，原来 AI 够不着的，现在顺着你的浏览器就读进去了。
举几个具体点的场景你就明白这层差别有多大。比如公司内部的某个系统、某个后台，外面的搜索引擎根本搜不到，以前你只能自己一页页翻了贴给 AI；现在它能顺着你登录的浏览器直接进去读。再比如几家产品横向对比，每家的资料分散在各自要登录的页面里，它能一次性都给你拢回来。还有那种你之前看过、却忘了存哪儿的页面，它能去翻你浏览器的历史帮你找回来。这些活的共同点是：信息不在公开网页上，而是藏在「你登录后才看得见」的地方。
操作页面这块它也留了余地。光能读还不够，有时候得点一下、传个文件才出得来内容，它准备了三种点法——直接用网页脚本点、模拟真实鼠标去点、还有上传文件。不同网站脾气不一样，一种点不动还能换一种试，多一层兜底，但也不是保证哪个网站都能点得动。
打个比方，Claude Code 自带的联网，有点像只会开个没登录的无痕窗口随便搜搜；装上这个 skill，相当于给它配了一双能用你的账号登录、还能同时开好几个窗口干活的手。
并行这块也确实有点东西。你要是一次性让它查好几个目标，它会派出几个分身同时去查，共用同一个代理通道，每个分身占一个独立的标签页互不打架。要查的东西多的时候，这个比一个一个排队过来要快不少。
还有两个细节我觉得挺实用。一个是它会按网站「攒经验」——同一个域名，这次摸清楚了它的脾气、URL 的规律，下次再来就不用重新试，跨会话能记住。另一个是它能翻你本机浏览器的书签和历史，你之前看过存过的东西，它能帮你找回来。另外从网页上直接把图片、视频地址抠出来，甚至按时间点去抓视频某一帧，它也能做。
好话说完，门槛也得说。
它的门槛不算高，但也不是零。装它最省事的办法是一行命令搞定，你也可以让 AI 自己去装，或者走 Claude Code 的插件市场。但前提是你得装好 Node.js（22以上的版本），还得把浏览器的远程调试打开，更别说你本来就得是 Claude Code 的用户。这一套配下来，对完全不碰命令行的人，光环境就够卡一阵。它基本是本地跑、免费的，不强制你去买什么付费接口，这点还好。
另一个更要紧的提醒，是作者自己在说明里特意标出来的：在社交平台上跑这种浏览器自动化，比如拿去操作小红书，有被限流甚至封号的风险，建议你用小号试，别拿主力账号去冒险。这话我觉得得当真，平台对自动化行为一向敏感。
还有个细节值得提一句。作者在说明里特意讲，它的设计是「让 AI 像人一样思考」，给的是判断的思路，不是一步步的死流程。很多自动化工具是你把步骤定死、它照着跑，一旦页面变了就僵在那儿；它反过来，碰上没见过的页面能自己琢磨该走哪条路。好处是灵活，代价是结果不像写死的脚本那么稳，这一点心里有数就行。
这是个2026年3月才开的项目，到现在攒了7000多颗 star，5月中旬还更新过，源码是公开的，README 里标的是 MIT。开源圈里这个热度，说明确实有不少人吃这一套。
它解决的就是一个很具体的痛点：你已经在用 AI 帮你干活了，可它老在「打不开那个页」这种地方卡壳。把这层补上之后，AI 能替你够到的信息，一下子宽了很多。当然它也不是装上就万能，网页这东西本来就杂、就爱变，能省多少事，还得看你手上的活对不对它的路子，自己用一阵才知道。
它在 GitHub 上叫 eze-is/web-access，作者一泽 Eze（账号 eze-is）。名字太短容易撞，认准 eze-is/web-access 这个全名，别点错到同名的库去。
#
公开网页它能搜、能读，可一旦内容藏在登录后面，或者那个页面得点几下、等它动态加载出来，AI 就抓瞎了。最近看到一个给 Claude Code（Anthropic 出的一款 AI 编程助手，跑在命令行里）补这块短板的东西，叫 web-access。装上它，Claude Code 就从「只会搜搜公开页」变成「能替你登录进去、把要交互的页面也读下来」，做调研、查内部资料这类活，能省掉你不少手动复制粘贴的工夫。
它不是一个单独的软件，是给 Claude Code 加的一项技能（这类给 Agent 加的本事通常叫 skill）。装进去之后，Claude Code 多了一身上网取数的本事，你照常跟它说话，它自己判断该怎么联网。
先说清楚它跟另一类工具的区别，免得搞混。有些工具是让 AI 替你动手操作浏览器，点按钮、填表单、把东西加进购物车，重点在「替你做网页上那些重复的机械活」。web-access 不是干这个的。它的重点是让 AI 自己会上网查东西、把查到的内容读回来给你用，是给 AI 供料，不是替你点鼠标。一个是手，一个是眼睛和腿，方向不一样。
它最核心的设计，作者叫「三层通道」。说白了就是 AI 上网取数有三条路，它会自己看情况选，也能几条混着用。
第一条最轻，就是普通的网页搜索和抓取，对付公开静态页面够用了。第二条稍微特别一点，用 curl 这类命令、或者接一个叫 Jina 的服务，专门抽取某些特定格式的内容，能帮着省点 token（也就是省点跟 AI 对话的成本，这条是可选的）。第三条是真正拉开差距的地方：它通过 CDP（浏览器调试协议，简单说就是一个能远程操控浏览器的官方接口）直接连上你本机那个已经登录好的 Chrome 或者 Edge。
连上你自己登录的浏览器，意味着什么呢？意味着你账号能看到的内容，它也能看到。要登录的后台、动态渲染出来的页面、得交互一下才出来的信息，原来 AI 够不着的，现在顺着你的浏览器就读进去了。
举几个具体点的场景你就明白这层差别有多大。比如公司内部的某个系统、某个后台，外面的搜索引擎根本搜不到，以前你只能自己一页页翻了贴给 AI；现在它能顺着你登录的浏览器直接进去读。再比如几家产品横向对比，每家的资料分散在各自要登录的页面里，它能一次性都给你拢回来。还有那种你之前看过、却忘了存哪儿的页面，它能去翻你浏览器的历史帮你找回来。这些活的共同点是：信息不在公开网页上，而是藏在「你登录后才看得见」的地方。
操作页面这块它也留了余地。光能读还不够，有时候得点一下、传个文件才出得来内容，它准备了三种点法——直接用网页脚本点、模拟真实鼠标去点、还有上传文件。不同网站脾气不一样，一种点不动还能换一种试，多一层兜底，但也不是保证哪个网站都能点得动。
打个比方，Claude Code 自带的联网，有点像只会开个没登录的无痕窗口随便搜搜；装上这个 skill，相当于给它配了一双能用你的账号登录、还能同时开好几个窗口干活的手。
并行这块也确实有点东西。你要是一次性让它查好几个目标，它会派出几个分身同时去查，共用同一个代理通道，每个分身占一个独立的标签页互不打架。要查的东西多的时候，这个比一个一个排队过来要快不少。
还有两个细节我觉得挺实用。一个是它会按网站「攒经验」——同一个域名，这次摸清楚了它的脾气、URL 的规律，下次再来就不用重新试，跨会话能记住。另一个是它能翻你本机浏览器的书签和历史，你之前看过存过的东西，它能帮你找回来。另外从网页上直接把图片、视频地址抠出来，甚至按时间点去抓视频某一帧，它也能做。
好话说完，门槛也得说。
它的门槛不算高，但也不是零。装它最省事的办法是一行命令搞定，你也可以让 AI 自己去装，或者走 Claude Code 的插件市场。但前提是你得装好 Node.js（22以上的版本），还得把浏览器的远程调试打开，更别说你本来就得是 Claude Code 的用户。这一套配下来，对完全不碰命令行的人，光环境就够卡一阵。它基本是本地跑、免费的，不强制你去买什么付费接口，这点还好。
另一个更要紧的提醒，是作者自己在说明里特意标出来的：在社交平台上跑这种浏览器自动化，比如拿去操作小红书，有被限流甚至封号的风险，建议你用小号试，别拿主力账号去冒险。这话我觉得得当真，平台对自动化行为一向敏感。
还有个细节值得提一句。作者在说明里特意讲，它的设计是「让 AI 像人一样思考」，给的是判断的思路，不是一步步的死流程。很多自动化工具是你把步骤定死、它照着跑，一旦页面变了就僵在那儿；它反过来，碰上没见过的页面能自己琢磨该走哪条路。好处是灵活，代价是结果不像写死的脚本那么稳，这一点心里有数就行。
这是个2026年3月才开的项目，到现在攒了7000多颗 star，5月中旬还更新过，源码是公开的，README 里标的是 MIT。开源圈里这个热度，说明确实有不少人吃这一套。
它解决的就是一个很具体的痛点：你已经在用 AI 帮你干活了，可它老在「打不开那个页」这种地方卡壳。把这层补上之后，AI 能替你够到的信息，一下子宽了很多。当然它也不是装上就万能，网页这东西本来就杂、就爱变，能省多少事，还得看你手上的活对不对它的路子，自己用一阵才知道。
它在 GitHub 上叫 eze-is/web-access，作者一泽 Eze（账号 eze-is）。名字太短容易撞，认准 eze-is/web-access 这个全名，别点错到同名的库去。
#
12 06
好几位硅谷创业公司的 CTO，跑去 Anthropic 做研究员。我核对了一下，是真的，而且数据比传言更狠。
2025 年中到 2026 年初，至少六位十亿美金级公司的 CTO，放弃管理岗，以个人贡献者（IC）研究员的身份进了 Anthropic——Workday、Instagram、Box、You.com、Super.com、Adept 的 CTO 都在名单上，外加 OpenAI 联创 Karpathy 今年加盟。
配套的两个数字（来自 SignalFire《2025 State of Tech Talent Report》）：2021–2023 年初入职的员工，两年留存率 Anthropic 80%、前沿实验室最高（OpenAI 67%、Meta 64%）；工程师从 OpenAI 跳去 Anthropic 的概率，是反方向的 8 倍，从 DeepMind 则接近 11 倍。而当 Meta 开九位数签字费来挖人，Dario 直接拒绝跟价
当一个手握期权、职级、管理权的 CTO，主动降级去做一线研究员，他是在用脚投票一个判断，在这个阶段，离前沿模型最近的位置，比组织里的权力更值钱。真正稀缺的不是算力，也不是 title，是能站在能力曲线最陡那一段的人和位置。谁持续吸得住这种人，谁就握着下一轮的复利。
2025 年中到 2026 年初，至少六位十亿美金级公司的 CTO，放弃管理岗，以个人贡献者（IC）研究员的身份进了 Anthropic——Workday、Instagram、Box、You.com、Super.com、Adept 的 CTO 都在名单上，外加 OpenAI 联创 Karpathy 今年加盟。
配套的两个数字（来自 SignalFire《2025 State of Tech Talent Report》）：2021–2023 年初入职的员工，两年留存率 Anthropic 80%、前沿实验室最高（OpenAI 67%、Meta 64%）；工程师从 OpenAI 跳去 Anthropic 的概率，是反方向的 8 倍，从 DeepMind 则接近 11 倍。而当 Meta 开九位数签字费来挖人，Dario 直接拒绝跟价
当一个手握期权、职级、管理权的 CTO，主动降级去做一线研究员，他是在用脚投票一个判断，在这个阶段，离前沿模型最近的位置，比组织里的权力更值钱。真正稀缺的不是算力，也不是 title，是能站在能力曲线最陡那一段的人和位置。谁持续吸得住这种人，谁就握着下一轮的复利。
1 10
Anthropic 今天发布了 Claude Opus 4.8，价格和上一代 4.7 持平。
它最大的变化是更诚实了：更愿意承认自己不确定，更少为了凑个答案而硬编，对自己干到哪一步也能做出更真实的判断。跑长时间的 agent 任务时，它更像一个靠谱的工程师，不用你时时盯着。
同时上线的还有 fast mode【快速模式】，同一个模型，速度大约快 2.5 倍，价格比以前便宜了三倍。在 Claude Code 里用 /fast 打开，API 用户得找客户经理申请或排队。
【重头戏是 dynamic workflows】
跟着 Opus 4.8 一起放出来的，是 Claude Code 的新功能 dynamic workflows（动态工作流），目前是研究预览。
你给它一个大任务，它自己拆解，一次性派出几十到几百个并行的 subagent（子智能体）去干，干完会让另一批 agent 去验证，甚至专门派 agent 去挑刺，反复迭代到结果收敛，最后给你一个整合好的答案。整个过程能跑几小时甚至几天，中途断了还能接着跑。
适合的活：整个代码仓库的 bug 排查、安全审计、性能优化，以及最常见的大规模迁移，框架升级、API 替换、跨语言移植，一次涉及上千个文件那种。
Anthropic 把 Bun 用 Rust 重写当做了宣传安利。Bun 是个跑得很快的 JavaScript 运行时，创始人 Jarred Sumner 用 dynamic workflows 把整个项目从 Zig 移植到 Rust，官方说写了约 75 万行 Rust 代码，通过 99.8% 的原有测试，从第一次提交到合并只花了 11 天。
【代价：它很烧 token】
Anthropic 罕见地主动警告：dynamic workflows 消耗的 token 比普通 Claude Code 会话多得多，建议先拿小任务试水。第一次触发时，Claude Code 会先把要跑的东西摆给你看、让你确认，企业管理员也可以直接禁用。
目前 Max、Team 套餐和 API 用户默认开启，Enterprise 套餐默认关闭，要管理员手动打开。开启方式是直接让 Claude"建个 workflow"，或者打开一个叫 ultracode 的开关。
dynamic workflows：
t.cn
它最大的变化是更诚实了：更愿意承认自己不确定，更少为了凑个答案而硬编，对自己干到哪一步也能做出更真实的判断。跑长时间的 agent 任务时，它更像一个靠谱的工程师，不用你时时盯着。
同时上线的还有 fast mode【快速模式】，同一个模型，速度大约快 2.5 倍，价格比以前便宜了三倍。在 Claude Code 里用 /fast 打开，API 用户得找客户经理申请或排队。
【重头戏是 dynamic workflows】
跟着 Opus 4.8 一起放出来的，是 Claude Code 的新功能 dynamic workflows（动态工作流），目前是研究预览。
你给它一个大任务，它自己拆解，一次性派出几十到几百个并行的 subagent（子智能体）去干，干完会让另一批 agent 去验证，甚至专门派 agent 去挑刺，反复迭代到结果收敛，最后给你一个整合好的答案。整个过程能跑几小时甚至几天，中途断了还能接着跑。
适合的活：整个代码仓库的 bug 排查、安全审计、性能优化，以及最常见的大规模迁移，框架升级、API 替换、跨语言移植，一次涉及上千个文件那种。
Anthropic 把 Bun 用 Rust 重写当做了宣传安利。Bun 是个跑得很快的 JavaScript 运行时，创始人 Jarred Sumner 用 dynamic workflows 把整个项目从 Zig 移植到 Rust，官方说写了约 75 万行 Rust 代码，通过 99.8% 的原有测试，从第一次提交到合并只花了 11 天。
【代价：它很烧 token】
Anthropic 罕见地主动警告：dynamic workflows 消耗的 token 比普通 Claude Code 会话多得多，建议先拿小任务试水。第一次触发时，Claude Code 会先把要跑的东西摆给你看、让你确认，企业管理员也可以直接禁用。
目前 Max、Team 套餐和 API 用户默认开启，Enterprise 套餐默认关闭，要管理员手动打开。开启方式是直接让 Claude"建个 workflow"，或者打开一个叫 ultracode 的开关。
dynamic workflows：
t.cn
2 01
学 AI 老是半途而废？fast.ai 创始人：你方法反了——先做出能跑的，再回头补理论。
你是不是也这样：下决心好好学学 AI，买了课、收藏了一大堆教程，结果啃了几节就卡住，然后放下了，过两个月再重来一遍，循环往复。
如果是，先别急着怪自己没毅力。一个叫 Jeremy Howard 的人会告诉你：不是你不行，是你学的顺序，从一开始就反了。
Jeremy Howard 是 fast.ai 的创始人，专门教普通人用最快的方式上手 AI。想真正学会用 AI、又总在「打基础」这一步就阵亡的人，这篇值得看一看；天生爱啃理论、啃得下去的，可以划走。
大多数人、大多数课，都是「自下而上」教的：先把底层的数学、原理、术语一样样学透，最后才轮到动手做点真东西。听着很扎实，对吧？可现实是，绝大多数人还没熬到「能动手」那一步，就在枯燥的理论里把自己耗没了。
Jeremy 的 fast.ai 反着来。他管这叫「自上而下」：第一节课，就让你用一个现成的、最先进的工具，做出一个真能跑的东西——比如训练一个能认出猫和狗的模型。先让你尝到「我居然做出来了」的甜头，再回过头，一点点告诉你它背后到底是怎么回事。
他打过一个特别形象的比方。学踢球，没人会让你先把造球的工艺、球在空中飞的物理学全学一遍，才准你上场——那不荒唐吗？正常的办法，是先塞给你个球，踢起来再说。
学游泳更是这个理。你在岸上听一年「怎么换气、怎么划水」，都不如直接下水扑腾两下、呛两口水——身体一下就记住了。
道理就这么朴素：人是靠「做」、靠「立刻看到结果」学得最快的。先做出能跑的，再回头补理论，不是偷懒，是更顺人脑的学法。
那具体到咱们普通人学用 AI，该怎么动手？三个起步动作。
第一，别再囤教程了。挑一件你这周真想用 AI 搞定的具体小事——写个活动方案、整理一堆乱七八糟的资料、做个小表格——现在就打开 AI，动手。
第二，卡哪儿补哪儿。中途遇到不会的，就盯着那一个点去问、去查，而不是退回去从头系统学一遍。带着问题学，记得牢，也不容易烦。
第三，先把那个小东西做出来，哪怕它粗糙得很。那个「我真做出来了」的瞬间，会推着你想做下一个。理解可以慢慢补，但那股劲头，是等不来的。
当然，这不是说理论不重要。而是顺序——等你真做出点东西、想再上一层楼，那时候回头啃原理，你会发现学得又快又扎实，因为你终于知道它到底有什么用了。
所以，别再「等准备好了再开始」了。学 AI 最好的起点，从来不是第一节理论课，而是你亲手做出来的、第一个能跑起来的小东西。
我自己真的这种体验特别强烈，建议大家都试试。
你是不是也这样：下决心好好学学 AI，买了课、收藏了一大堆教程，结果啃了几节就卡住，然后放下了，过两个月再重来一遍，循环往复。
如果是，先别急着怪自己没毅力。一个叫 Jeremy Howard 的人会告诉你：不是你不行，是你学的顺序，从一开始就反了。
Jeremy Howard 是 fast.ai 的创始人，专门教普通人用最快的方式上手 AI。想真正学会用 AI、又总在「打基础」这一步就阵亡的人，这篇值得看一看；天生爱啃理论、啃得下去的，可以划走。
大多数人、大多数课，都是「自下而上」教的：先把底层的数学、原理、术语一样样学透，最后才轮到动手做点真东西。听着很扎实，对吧？可现实是，绝大多数人还没熬到「能动手」那一步，就在枯燥的理论里把自己耗没了。
Jeremy 的 fast.ai 反着来。他管这叫「自上而下」：第一节课，就让你用一个现成的、最先进的工具，做出一个真能跑的东西——比如训练一个能认出猫和狗的模型。先让你尝到「我居然做出来了」的甜头，再回过头，一点点告诉你它背后到底是怎么回事。
他打过一个特别形象的比方。学踢球，没人会让你先把造球的工艺、球在空中飞的物理学全学一遍，才准你上场——那不荒唐吗？正常的办法，是先塞给你个球，踢起来再说。
学游泳更是这个理。你在岸上听一年「怎么换气、怎么划水」，都不如直接下水扑腾两下、呛两口水——身体一下就记住了。
道理就这么朴素：人是靠「做」、靠「立刻看到结果」学得最快的。先做出能跑的，再回头补理论，不是偷懒，是更顺人脑的学法。
那具体到咱们普通人学用 AI，该怎么动手？三个起步动作。
第一，别再囤教程了。挑一件你这周真想用 AI 搞定的具体小事——写个活动方案、整理一堆乱七八糟的资料、做个小表格——现在就打开 AI，动手。
第二，卡哪儿补哪儿。中途遇到不会的，就盯着那一个点去问、去查，而不是退回去从头系统学一遍。带着问题学，记得牢，也不容易烦。
第三，先把那个小东西做出来，哪怕它粗糙得很。那个「我真做出来了」的瞬间，会推着你想做下一个。理解可以慢慢补，但那股劲头，是等不来的。
当然，这不是说理论不重要。而是顺序——等你真做出点东西、想再上一层楼，那时候回头啃原理，你会发现学得又快又扎实，因为你终于知道它到底有什么用了。
所以，别再「等准备好了再开始」了。学 AI 最好的起点，从来不是第一节理论课，而是你亲手做出来的、第一个能跑起来的小东西。
我自己真的这种体验特别强烈，建议大家都试试。
2 00
Anthropic三大「杀手锏」，一口气全曝光了！
就在今天，开发者在Google Vertex后台，意外发现一个新的模型标识——claude-opus-4.8。
时隔一个多月，Claude又一次大版本更新已经箭在弦上，呼之欲出！
几乎同一天，代号Mythos 1的「安全专用模型」，也在Claude界面中短暂现身。
而且，源码中新增了指向Claude Code和Claude Security的字符串。
另外，此前全网疯传的51万行泄露代码，提前剧透了Claude Sonnet 4.8。
代码还证实了，它将直接跳过4.7版本，或于6月中旬震撼发布。
Sonnet 4.8预计会继承Opus 4.7的视觉升级，在UI设计稿、架构图上，视觉准确率超98%。
不仅如此，它生成的代码将更加干净利落，还支持高级推理。
不难看出，Anthropic正三线并进，火力全开。
毕竟在IPO前夕，OpenAI依旧步步紧逼：下一代GPP-5.6现身，拥有极其强悍的前端爆发力。
再加上，谷歌Gemini 3.5 Pro也将于6月入局。
硅谷的ASI终极之战一触即发，三巨头的「贴身肉搏」，现在才真正开始。
就在今天，开发者在Google Vertex后台，意外发现一个新的模型标识——claude-opus-4.8。
时隔一个多月，Claude又一次大版本更新已经箭在弦上，呼之欲出！
几乎同一天，代号Mythos 1的「安全专用模型」，也在Claude界面中短暂现身。
而且，源码中新增了指向Claude Code和Claude Security的字符串。
另外，此前全网疯传的51万行泄露代码，提前剧透了Claude Sonnet 4.8。
代码还证实了，它将直接跳过4.7版本，或于6月中旬震撼发布。
Sonnet 4.8预计会继承Opus 4.7的视觉升级，在UI设计稿、架构图上，视觉准确率超98%。
不仅如此，它生成的代码将更加干净利落，还支持高级推理。
不难看出，Anthropic正三线并进，火力全开。
毕竟在IPO前夕，OpenAI依旧步步紧逼：下一代GPP-5.6现身，拥有极其强悍的前端爆发力。
再加上，谷歌Gemini 3.5 Pro也将于6月入局。
硅谷的ASI终极之战一触即发，三巨头的「贴身肉搏」，现在才真正开始。
0 00