Fadell 在对话中反复强调一个判断:当你在建造一个全新品类的产品时,历史数据基本上是无效的。iPhone 研发初期,市场上主导品牌是 BlackBerry,用户对实体键盘的忠诚度极高,所有可量化的用户研究指标都没有办法告诉你「触摸屏会赢」。最终打破僵局的,是 Steve Jobs 作为品味仲裁者的拍板--这不是赌博,而是基于多年原型迭代、专家追问与场景模拟积累的「知情直觉(informed gut)」。
- 第一代(Make the Product):让产品面向早期用户,验证核心功能假设,覆盖最核心的痛点。
- 第二代(Fix the Product):基于真实用户反馈修复可用性问题,打磨机械层面的细节。
- 第三代(Fix the Business):优化制造成本、扩展分发网络、解锁规模定价。
iPod 走过的恰好是这条路。前两代产品只面向 Mac 用户群,覆盖不足 1% 的电脑买家市场,从任何财务角度看都是小众产品。直到第三代引入 Windows 兼容性、建立 iTunes Music Store 生态,苹果才真正找到了商业飞轮。这一代产品不仅救了 iPod,某种意义上也救了整个苹果公司。
!【Diagram titled "Giving Codex a full observability stack in local dev." An app sends logs, metrics, and traces to Vector, which fans out data to an observability stack containing Victoria Logs, Metrics, and Traces, each queried via LogQL, PromQL, or TraceQL APIs. Codex uses these signals to query, correlate, and reason, then implements fixes in the codebase, restarts the app, re-runs workloads, tests UI journeys, and repeats in a feedback loop.】(https://image.jido.dev/20260607023857_OAI_Harness_engineering_Giving_Codex_a_full_observability_stack_desktop-light__1_.svg)
团队遭遇的另一个关键瓶颈是:人工 QA 能力成为吞吐量上限。为了突破这个上限,他们为 Codex 构建了完整的可观测性基础设施--日志、指标、链路追踪全部通过本地可观测性栈(ephemeral per worktree)暴露给智能体。Codex 可以在隔离的工作树中运行完整应用,观察运行时事件,识别问题,自动修复,重启,重新验证,形成独立的反馈闭环。
这篇文章是今日必读之一,适合所有在工程团队中使用 AI 工具的读者。建议先读 Context Engineering 部分建立框架,再读 Harness Engineering 理解方向。如有时间,配合精讲二效果最佳。
阅读原文
## 速览
RSI 与田渊栋:递归自我改进的新押注
Meta 前 FAIR 研究总监田渊栋加入了由 8 位顶级 AI 研究员联合创办的新实验室 Recursive Superintelligence(RSI),首轮融资 6.5 亿美元,估值 46.5 亿美元。在硅谷 101 的深度访谈中,他解释了为何选择这家公司:对「小而精团队」模式的判断,对 RSI 团队技术互补性的认可,以及对递归自我改进赛道的长期押注。他用了一个形象比喻:在大厂之间来回跳的人,就像一条不断跳出鱼缸的鱼,但水在越来越少。最终,你得变成能离开水的「四维生物」才能活下来。这篇访谈既是对 AI 自进化技术路线的深度解读,也是一位顶级研究员对职业选择的坦率剖析。
阅读原文
奇点灵智:少儿 AI 硬件的「自进化」路径
奇点灵智创始人包塔在接受 Founder Park 访谈时,系统阐述了「多奇」AI 小外教机器人的核心思路:通过软硬件解耦,将摄像头、屏幕、按钮、陀螺仪变成 AI Coding 可调用的 tools,让 Coding Agent 实时生成可体验的新应用。「过去 AI 生成的是内容,现在我们希望它生成能力。」团队来自网易有道和字节教育智能硬件背景,在没有开模的前提下用草稿原型机拿到了真实用户留存信号,最终在 2024 年秋天才开模量产。今年 1 月在京东首发,首发期间进入榜单 Top 2,全平台超 2 万单。这是一个把 AI Coding 落地到儿童消费硬件的完整创业案例,工程决策克制而清晰。
阅读原文
辛顿:超级智能即将到来,数字化优势是降维打击
诺贝尔物理学奖得主、AI 教父 Geoffrey Hinton 在最新深度访谈中表态:大语言模型已具备真正的理解力,其意识模型正在挑战人类对心智本质的传统认知。他最令人警醒的判断是关于数字化智能的进化效率优势:数字 AI 副本之间能以万亿比特的速度共享学习成果,而人类每秒只能通过语言传输几比特的信息。「它们在信息共享方面比我们强几十亿倍。」他同时警告,利润驱动的商业竞争让安全措施难以系统性落地,监管应作为「方向盘」而非「刹车」。这是当前对 AGI 风险最直接、最权威的声音之一。
阅读原文
TED:如何让反馈真正被听见
心理学家兼高管教练 Renee St Jacques 在 TED 演讲中拆解了为何传统「反馈三明治」技巧会系统性失效,并介绍了她的「Leadership Activated」框架。核心洞察是:把批评夹在表扬之间,会让被反馈者误判自己的真实状态--文中案例中,一位表现欠佳的员工在接受反馈后反而以为自己要升职了。有情商的领导方式能把反馈从消耗信任的例行仪式,转化为连接、纠偏、培养和强化团队责任感的实用系统。适合所有有管理职责的读者。
Anthropic 首次系统公开了内部使用 Claude Code Skills 的完整经验。他们把内部 Skills 分成 9 类:library/API reference、product verification(效果提升最明显)、data fetching & analysis、business process automation、code scaffolding、code quality & review、CI/CD & deployment、runbooks、infrastructure operations。核心判断是:Skill 不只是几段提示词,更接近「一个围绕任务组织起来的文件夹」,包含文档、脚本、模板、hooks 等。好的 Skill 往往聚焦单一职责,而不是大而全。这份经验帖对任何在团队中推广 AI 工具的人都有极高参考价值。
阅读原文
## 补充阅读
微软纳德拉:Token 资本与 ADE 时代(阅读) 纳德拉与 Reid Hoffman 的深度对话提出了「Token 资本」概念--AI 处理能力成为与财务资本、人力资本并列的生产要素。他同时阐述了从 IDE 到 ADE(Agent 开发环境)的工作范式转变,以及「爬坡机器(ramp machine)」这一企业用 AI 全面提速的新模型。适合关注 AI 与企业战略交叉点的读者。
宝玉:ChatGPT 最大改版的完整解读(阅读) 宝玉对同一 ChatGPT 改版新闻的推文解读,视角更聚焦于 OpenAI 内部高管的原话(「Chat is dead」)以及此次改版的竞争压力背景。与速览中的文章配合,能更完整地理解这次战略转型的动因与方向。
2026 年世界杯草皮背后的科学(阅读) Trung Phan 的推文深入介绍了为 2026 年世界杯 16 个体育场打造模块化混合草皮的工程和科学原理。技术含量出乎意料地高,是今天的清口读物。适合对工程细节感兴趣的读者。
SpaceX-谷歌 AI 基础设施交易深度剖析(阅读) SpaceX 与 Google 签署云服务协议:约 11 万块 NVIDIA GPU,2026 年 10 月至 2029 年 6 月每月 9.2 亿美元。这篇分析拆解了合同经济性、战略背景与投资影响,指出 Google 有显著下行保护条款(未按时交付可终止合同)。关注 AI 算力与资本市场的读者值得一读。
Anthropic 报告:AI 递归自我改进的三种路径(阅读) 对 Anthropic Institute 报告的深度解读,分析 AI 加速自身开发的三种可能情景:趋势停滞、实验室持续提效、完全递归自我改进。与速览中的辛顿访谈和田渊栋/RSI 报道形成三角印证,一起读对理解「递归自我改进」这个赛道最有帮助。
Her:Claude Code 会话侦探工具(阅读) 开源工具 Her(Marathi 语中意为「侦探」)可分析 Claude Code 会话日志,重构智能体行为、标记高风险操作(部署、配置变更、生产环境接触、secrets 泄漏),并将每个风险行为追溯到具体的 turn。评估引擎完全确定性,不调用外部 API,数据不出本地。对重度使用 Claude Code 的工程师极有价值,可配合精讲二和精讲三一起读,补上「可观测性」这一环。
Fadell 在对话中反复强调一个判断:当你在建造一个全新品类的产品时,历史数据基本上是无效的。iPhone 研发初期,市场上主导品牌是 BlackBerry,用户对实体键盘的忠诚度极高,所有可量化的用户研究指标都没有办法告诉你「触摸屏会赢」。最终打破僵局的,是 Steve Jobs 作为品味仲裁者的拍板--这不是赌博,而是基于多年原型迭代、专家追问与场景模拟积累的「知情直觉(informed gut)」。
- 第一代(Make the Product):让产品面向早期用户,验证核心功能假设,覆盖最核心的痛点。
- 第二代(Fix the Product):基于真实用户反馈修复可用性问题,打磨机械层面的细节。
- 第三代(Fix the Business):优化制造成本、扩展分发网络、解锁规模定价。
iPod 走过的恰好是这条路。前两代产品只面向 Mac 用户群,覆盖不足 1% 的电脑买家市场,从任何财务角度看都是小众产品。直到第三代引入 Windows 兼容性、建立 iTunes Music Store 生态,苹果才真正找到了商业飞轮。这一代产品不仅救了 iPod,某种意义上也救了整个苹果公司。
!【Diagram titled "Giving Codex a full observability stack in local dev." An app sends logs, metrics, and traces to Vector, which fans out data to an observability stack containing Victoria Logs, Metrics, and Traces, each queried via LogQL, PromQL, or TraceQL APIs. Codex uses these signals to query, correlate, and reason, then implements fixes in the codebase, restarts the app, re-runs workloads, tests UI journeys, and repeats in a feedback loop.】(https://image.jido.dev/20260607023857_OAI_Harness_engineering_Giving_Codex_a_full_observability_stack_desktop-light__1_.svg)
团队遭遇的另一个关键瓶颈是:人工 QA 能力成为吞吐量上限。为了突破这个上限,他们为 Codex 构建了完整的可观测性基础设施--日志、指标、链路追踪全部通过本地可观测性栈(ephemeral per worktree)暴露给智能体。Codex 可以在隔离的工作树中运行完整应用,观察运行时事件,识别问题,自动修复,重启,重新验证,形成独立的反馈闭环。
这篇文章是今日必读之一,适合所有在工程团队中使用 AI 工具的读者。建议先读 Context Engineering 部分建立框架,再读 Harness Engineering 理解方向。如有时间,配合精讲二效果最佳。
阅读原文
## 速览
RSI 与田渊栋:递归自我改进的新押注
Meta 前 FAIR 研究总监田渊栋加入了由 8 位顶级 AI 研究员联合创办的新实验室 Recursive Superintelligence(RSI),首轮融资 6.5 亿美元,估值 46.5 亿美元。在硅谷 101 的深度访谈中,他解释了为何选择这家公司:对「小而精团队」模式的判断,对 RSI 团队技术互补性的认可,以及对递归自我改进赛道的长期押注。他用了一个形象比喻:在大厂之间来回跳的人,就像一条不断跳出鱼缸的鱼,但水在越来越少。最终,你得变成能离开水的「四维生物」才能活下来。这篇访谈既是对 AI 自进化技术路线的深度解读,也是一位顶级研究员对职业选择的坦率剖析。
阅读原文
奇点灵智:少儿 AI 硬件的「自进化」路径
奇点灵智创始人包塔在接受 Founder Park 访谈时,系统阐述了「多奇」AI 小外教机器人的核心思路:通过软硬件解耦,将摄像头、屏幕、按钮、陀螺仪变成 AI Coding 可调用的 tools,让 Coding Agent 实时生成可体验的新应用。「过去 AI 生成的是内容,现在我们希望它生成能力。」团队来自网易有道和字节教育智能硬件背景,在没有开模的前提下用草稿原型机拿到了真实用户留存信号,最终在 2024 年秋天才开模量产。今年 1 月在京东首发,首发期间进入榜单 Top 2,全平台超 2 万单。这是一个把 AI Coding 落地到儿童消费硬件的完整创业案例,工程决策克制而清晰。
阅读原文
辛顿:超级智能即将到来,数字化优势是降维打击
诺贝尔物理学奖得主、AI 教父 Geoffrey Hinton 在最新深度访谈中表态:大语言模型已具备真正的理解力,其意识模型正在挑战人类对心智本质的传统认知。他最令人警醒的判断是关于数字化智能的进化效率优势:数字 AI 副本之间能以万亿比特的速度共享学习成果,而人类每秒只能通过语言传输几比特的信息。「它们在信息共享方面比我们强几十亿倍。」他同时警告,利润驱动的商业竞争让安全措施难以系统性落地,监管应作为「方向盘」而非「刹车」。这是当前对 AGI 风险最直接、最权威的声音之一。
阅读原文
TED:如何让反馈真正被听见
心理学家兼高管教练 Renee St Jacques 在 TED 演讲中拆解了为何传统「反馈三明治」技巧会系统性失效,并介绍了她的「Leadership Activated」框架。核心洞察是:把批评夹在表扬之间,会让被反馈者误判自己的真实状态--文中案例中,一位表现欠佳的员工在接受反馈后反而以为自己要升职了。有情商的领导方式能把反馈从消耗信任的例行仪式,转化为连接、纠偏、培养和强化团队责任感的实用系统。适合所有有管理职责的读者。
Anthropic 首次系统公开了内部使用 Claude Code Skills 的完整经验。他们把内部 Skills 分成 9 类:library/API reference、product verification(效果提升最明显)、data fetching & analysis、business process automation、code scaffolding、code quality & review、CI/CD & deployment、runbooks、infrastructure operations。核心判断是:Skill 不只是几段提示词,更接近「一个围绕任务组织起来的文件夹」,包含文档、脚本、模板、hooks 等。好的 Skill 往往聚焦单一职责,而不是大而全。这份经验帖对任何在团队中推广 AI 工具的人都有极高参考价值。
阅读原文
## 补充阅读
微软纳德拉:Token 资本与 ADE 时代(阅读) 纳德拉与 Reid Hoffman 的深度对话提出了「Token 资本」概念--AI 处理能力成为与财务资本、人力资本并列的生产要素。他同时阐述了从 IDE 到 ADE(Agent 开发环境)的工作范式转变,以及「爬坡机器(ramp machine)」这一企业用 AI 全面提速的新模型。适合关注 AI 与企业战略交叉点的读者。
宝玉:ChatGPT 最大改版的完整解读(阅读) 宝玉对同一 ChatGPT 改版新闻的推文解读,视角更聚焦于 OpenAI 内部高管的原话(「Chat is dead」)以及此次改版的竞争压力背景。与速览中的文章配合,能更完整地理解这次战略转型的动因与方向。
2026 年世界杯草皮背后的科学(阅读) Trung Phan 的推文深入介绍了为 2026 年世界杯 16 个体育场打造模块化混合草皮的工程和科学原理。技术含量出乎意料地高,是今天的清口读物。适合对工程细节感兴趣的读者。
SpaceX-谷歌 AI 基础设施交易深度剖析(阅读) SpaceX 与 Google 签署云服务协议:约 11 万块 NVIDIA GPU,2026 年 10 月至 2029 年 6 月每月 9.2 亿美元。这篇分析拆解了合同经济性、战略背景与投资影响,指出 Google 有显著下行保护条款(未按时交付可终止合同)。关注 AI 算力与资本市场的读者值得一读。
Anthropic 报告:AI 递归自我改进的三种路径(阅读) 对 Anthropic Institute 报告的深度解读,分析 AI 加速自身开发的三种可能情景:趋势停滞、实验室持续提效、完全递归自我改进。与速览中的辛顿访谈和田渊栋/RSI 报道形成三角印证,一起读对理解「递归自我改进」这个赛道最有帮助。
Her:Claude Code 会话侦探工具(阅读) 开源工具 Her(Marathi 语中意为「侦探」)可分析 Claude Code 会话日志,重构智能体行为、标记高风险操作(部署、配置变更、生产环境接触、secrets 泄漏),并将每个风险行为追溯到具体的 turn。评估引擎完全确定性,不调用外部 API,数据不出本地。对重度使用 Claude Code 的工程师极有价值,可配合精讲二和精讲三一起读,补上「可观测性」这一环。