凡人小北

吴恩达讲了一个我很认同的判断。 Agentic Coding 时代，软件工程的基本功并没有过时，反而更重要了。 以前学软件工程，是为了自己把代码写对。 现在学软件工程，是为了知道 AI 写得对不对，以及该让它怎么写。 Agentic Coding 真正淘汰的是大量把基本功消耗在具体执行上的时间，并非基本功。 语法、API、样板代码会越来越便宜，但架构、数据、可靠性、安全、成本这些判断反而越来越贵。 AI 降低写代码的门槛，同时却在不断抬高做判断的上限。

Vercel 发了一篇挺有意思的文章。 他们一直在尝试让 Agent 帮忙做网页。 一开始遇到的问题其实很典型： 同样一句“按照 Vercel 的设计风格做”，不同模型做出来的东西完全不一样。 于是最自然的想法来了： 那就把 Vercel 的设计规范告诉 AI。 字体怎么用、页面怎么排、信息怎么组织、什么叫好的设计……全部写下来，做成一个 design. md，让 Agent 每次干活之前先读一遍。 但很快他们又发现，事情没这么简单。 因为很多我们觉得已经说得很清楚的话，对模型来说其实还是模糊的。 比如： “keep the layout clean”。 人看到这句话，大…

最近把腾讯刚出的 EVIE 和百度 PaddleOCR-VL 放在一起看，感觉 Document AI 正在发生一个很重要的变化。 过去做 RAG，有一个几乎没人质疑的前提： 先把世界变成文字，再让 AI 理解。 PDF 先 OCR，表格转 Markdown，图片提取文字，然后切 Chunk、Embedding、进向量库。 PaddleOCR-VL 已经把这条路线做得非常极致：1B 左右的模型，可以直接理解文字、表格、公式、图表，把复杂文档结构化。 但腾讯 EVIE 走了另一条路。 它甚至不急着读文档，而是直接把整页当成视觉信息做 Embedding，在视觉空间里完成检索。 所以一…

最近 AGENTS. md 的争议又起来了。 我的判断很简单：模型可以不同，但 Agent 的工作说明书应该可迁移。 如果一个团队换 Codex、Claude、Gemini，就要维护三套规则、Skills 和目录结构，那不是生态，是重复劳动。 标准化不会抹平差异，它只是把最无聊的基础设施统一掉。 所以，Claude 做个人吧！

今天看到两个观点撞在了一起： 一个说，企业 AI 最该投资的是 evals 和开源模型后训练能力； 另一个说，做完一个 Agent，应该留下完整的 Git repo，包括 runtime、models、skills、tools、sandbox。 我的理解是企业真正需要拥有的不是某个模型，而是让模型随时可以被替换的能力。 模型会变，价格会降，榜单也会轮流坐庄。 真正应该沉淀在自己手里的，是： • 贴着业务结果的 evals • 自己的数据和后训练能力 • Agent 的 runtime、tools 和 skills • 权限、审计与失败恢复机制 如果换一个模型，整套系统就要重做一遍，那…