AI 新知简报

本轮 claude_code、AnthropicAI 在近 72 小时内没有通过过滤且未在近两天重复的原创/引用推文；按规则省略，不用置顶旧帖或历史高赞补位。

本轮 bcherny、trq212 在近 72 小时内没有通过过滤且未在近两天重复的原创/引用推文；按规则省略。

@aakashgupta：用 “Writing is thinking” 解释写作的认知作用。中文摘要：写计划、写判断、写复盘会迫使模糊想法显形；在 AI 工作流里，这些文字资产本身就是推理和协作的基础设施。

@NickADobos：追问 /goal 多步执行和 xhigh one-shot 的效率差异。中文摘要：同样是增加计算，关键差别在于把预算投给长期规划、逐步工具调用，还是一次性深推理；这会影响成本、完成率和可控性。

@godofprompt：转述一篇关于 agent “模拟思考而非真正推理” 的文章。中文摘要：窄任务里模式补全足够有用，但复杂开放问题会出现第 15 步灾难；生产级 agent 需要边界、校验和人类设计的流程。

@aakashgupta：评价 Hermes 把 agent 从一次性 prompt chain 变成有 onboarding、周期任务和复盘循环的工作实体。中文摘要：未来 agent 的差异不只在模型，而在 procedure：身份说明、固定节奏、运行后学习。

@godofprompt：用 “solo dev vibe coded Palantir” 案例反驳“任何人都能造任何东西”。中文摘要：AI 压缩的是执行层，真正起决定作用的是多年领域知识和产品判断。

@aakashgupta：认为 Claude Design 的威胁在于把设计稿和生产资产合并，像 Figma 当年用 URL 干掉 Sketch 一样减少一个工作流步骤。中文摘要：AI 设计工具的关键不是画得更漂亮，而是消灭交付到上线之间的翻译层。

@dotey：推荐 Chronicle + Codex 做工作习惯诊断。中文摘要：把电脑操作轨迹交给 Codex 分析，可以让 agent 从任务执行者变成效率审计者，但也要注意这类轨迹数据的隐私边界。

@LawrenceW_Zen：分享用 CC Switch 搭建双 agent 沟通桥梁的教程。中文摘要：面向新手的多 agent 工作流正在变轻，不写代码也能让 Claude Code、DeepSeek、Kimi、GLM 等模型互相配合。

@LawrenceW_Zen：赞同“写完文章先丢给 skill 审，再隔一段时间自己复审”。中文摘要：AI 写作质量靠一次生成不稳，流程化复审比多堆提示词更可靠。

@vista8：用《蒙娜丽莎》被盗后爆红解释“运气放大”。中文摘要：产品和内容的传播不只是质量函数，外部事件会突然改变注意力分布。

@yanhua1010：转发 Codex iOS app 相关线索。中文摘要：Codex 正在从浏览器/CLI 走向移动端入口，agent 使用场景会更贴近随时查看和轻量调度。