本期主题：把 AI 放到指数位上，而不是加号边上 —— 用杨斌的「AI 次方变革」串起 Karpathy 的 Software 3.0、Demis 的 AGI 路径、国内三家大厂的 Harness 中文化、Anthropic 两份 Claude Code 工程心法、OpenAI 编排栈、企业生产实战，以及 OpenAI × 微软的关系新阶段。
🎧 同步播客：BestBlogs 周刊第 93 期 · AI 次方变革（在小宇宙搜索 BestBlogs 周刊）
导语：组织的中年撞上技术的青春期
清华经管学院杨斌教授本周提出 AI 次方变革 —— 把 AI 放到指数位上，而不是加号边上。
「+AI」的心智追求即期绩效、主流一致、线性稳进，但 AI 不是一种成熟工具，它每天都在变；底数（组织 / 心智 / 知识）如果没有先质变，幂位再怎么放大也没用。底数小于一时，幂位甚至会让结果塌陷。
这一期读完 20 篇内容，杨斌这个隐喻像一根串绳：Karpathy 在 Sequoia 给出 Software 3.0 的完整框架，Demis 在 Y Combinator 把 AGI 时间表压到 2030，国内三家大厂同周给出 Harness Engineering 的中文版第一性原理，Anthropic 把 Claude Code 的两份内部经验贴出来，OpenAI 把 Codex 编排栈打开，京东和 Java 阵营把企业实战补齐。这些动作放在一起看，像同一句话被翻译成不同口音在不同地方反复说。
回头看前两期周刊，第 91 期是基建周，第 92 期是模型周。这一期不再是单一爆发，而是大家集体在往同一个方向上汇拢 —— 从 +AI 走向 AI 次方。
个人更新：BestBlogs 四月内测收官，五月进入早鸟期
四月份 BestBlogs 的内测正式收官。这一个月里我们做了挺多事情，挑用户能感知的几条说一下：
- 开放能力发布（v2.0.7）：上线 OpenAPI、命令行工具
@bestblogs/cli、还有给 Claude Code 这类智能体准备的 skills 套件，让外部开发者可以直接调用站内数据和功能。 - 内建翻译升级到 v2（v2.1.0）：同一篇内容只扣一次配额，中英双向，覆盖文章 / 播客 / 视频。文章和推文详情页可以直接读译文，不再需要跳转 wenrun.ai。
- 每日回顾上线（v2.0.11 + v2.1.1）：AI 根据你当天的阅读足迹提炼洞察，可邮件投递。Pro 内测用户每天会收到一封中英双语的 Daily Review。
- 主题深度解读（v2.1.0 + v2.1.3）：上线 Topic Pages，目前支持事件、领域、人物 / 组织、对比四种类型，编辑可以把最值得读的主题置顶。
- Pro 早报双形态（v2.1.0）：文字版（一句话总结 + 关键洞察 + 头条卡片）和播客版可以即时切换，喜欢扫读的有了文字版，喜欢通勤听的还是播客版。
此外还上线了公开 /docs 文档中心和 Mobile App 内测。完整更新日志在 bestblogs.dev/changelog。
五月开始，BestBlogs 正式进入早鸟期，欢迎大家订阅、使用，把反馈直接告诉我。
一、三个理论框架：杨斌、Karpathy、Demis 同周给出三种语言
这一周最有意思的地方是，三个完全不同背景的人，几乎在同一周给出了同一种判断的不同版本。
杨斌：组织的中年撞上技术的青春期
杨斌教授的版本最直接。他说「+AI」是组织的中年心智，追求即期绩效、主流一致、线性稳进。这种心智把 AI 当成现有流程的一个有益补充，不挑战既有的权力分布，也不挑战既有的文化假设。
但 AI 不是一种成熟工具，它每天都在变。如果底数没有先发生质变，幂位再怎么放大都没有用。底数小于一时，幂位甚至会让结果塌陷。
正确的做法是把 AI 放到指数位上 —— 破执重构，让组织从大写变小写，让主流让位给杨斌说的「流人和边域」。他在演讲里点名 Claude Code 和 OpenClaw 这两个产品，说它们都是流人作品，都是在边缘环境里长出来的，不是被规划出来的。
这一点和涌现的本质相关：涌现不能被计划，但有规律。杨斌引用了两句英文：context not control，emerging not planning。情境而不是控制，涌现而不是计划。
→ 阅读原文：杨斌：我为什么要提「AI 次方变革」
Karpathy: Software 3.0 + Vibe Coding + Agentic Engineering
Karpathy 在 Sequoia 现场给硅谷版的「AI 次方」搭了一套完整语言。他把过去的程序员演化拆成三段：
- Software 1.0：人类用代码显式写规则
- Software 2.0：用神经网络的权重学规则
- Software 3.0：大语言模型变成计算机本身，上下文窗口变成新的接口。在这个范式里，编程不是写代码，是设计上下文
然后他给了两个新词。Vibe Coding 是抬高地板，让所有人都可以靠描述意图做出软件。Agentic Engineering 是给智能体保持质量和边界，因为这些智能体本质上是有锯齿（spiky）、有概率性的工程实体，需要被驯服。
Karpathy 在访谈里有一句话我印象很深：You can outsource your thinking, but you can't outsource your understanding。未来的程序员是 director，是导演，是那个决定 taste 和 systems design 的角色，那部分是不可被外包的。
→ 阅读原文（中文整理）：Karpathy 最新访谈：Vibe Coding 只是开始，真正重要的是 Agentic Engineering → 视频原始版：Andrej Karpathy: Software 3.0 完整框架
Demis Hassabis：AGI 还差什么 + 创业者怎么办
Demis Hassabis 在 Y Combinator 现场，从科学家的角度回答 AGI 还差什么。他把 AGI 时间表压到大概 2030 年，并且明确指出还差三块「大想法」：
- 持续学习（Continual Learning）：模型要能在不忘旧知识的情况下持续吸收新知识
- 长程推理（Long-term Reasoning）：从简单的链式思考升级到能做计划和自省的更稳健推理
- 类脑工作记忆（Brain-style Working Memory）：从蛮力堆上下文窗口升级到更接近人脑的高效记忆
Demis 给创业者的建议很硬：假设 AGI 会在你公司生命周期的中段出现。所以产品要去截击 AI 曲线，去那些「暴力搜索失效但 AI 推理擅长」的组合空间，比如材料科学、医药、Isomorphic Labs 在做的虚拟细胞。不要去和「AGI + 一行 prompt」竞争，那条路是没有壁垒的。
→ 阅读原文：How to Build the Future: Demis Hassabis
把这三个人的话叠在一起，会发现一个共同信号 —— 新范式的关键不是模型本身，是组织怎么改、人在哪里、产品打哪个空间。杨斌讲的是组织的底数得先质变，Karpathy 讲的是程序员要变成导演，Demis 讲的是产品要去截击曲线。三个人从三个层面回答同一个问题。
二、Harness Engineering 中文化：四篇同周给出第一性原理
有了框架，看落地。这一周国内三家大厂几乎同步给出了 Harness Engineering 的中文版第一性原理，加上腾讯云开发者那篇挑衅式的「RAG 已死」，构成了本周最密集的一组中文 Agent 工程化讨论。
楼天城：开发主导权正在交给 AI
最让我意外的是小马智行 CTO 楼天城接受量子位的访谈。一个开发自动驾驶十年的人，公开承认开发的主导权正在交给 AI。原文里他用了一句话：
Harness 是这个时代最关键的能力之一。
他把今天的 AI 形容成一匹脱缰野马，能调用工具、能调用各种 skill，主动性和能量都在大幅提升。然后他抛出一个让人停下来想一下的判断：未来甚至连人类，都可能成为被「调用」的一环。
这一段听起来有点黑色幽默，但他的逻辑是直的 —— L4 级自动驾驶不能靠人类兜底，模仿学习的天花板就是人类本身。当 AI 司机的安全性全面超过人类，再让人类工程师手把手教 AI 开车，就像让业余棋手去辅导 AlphaGo。这是范式问题，不是态度问题。
→ 阅读原文：量子位专访楼天城：AI 是匹脱缰野马，Harness 是这个时代最关键的能力
腾讯：Harness 不是目的，知识才是护城河
腾讯技术工程团队再上一层定义：Harness 不是目的，知识才是护城河。这个判断把抽象提了一级。
Harness 是工程实现，是 SOP 和 Skill 库的集合。但真正决定一个团队能不能持续受益的，是这套 Harness 背后能沉淀什么知识。腾讯给出的是一个从 SOP 到 Skill 库的工程交付路线，描述了一个团队怎么把每天踩的坑沉淀成可复用的能力。
→ 阅读原文：Harness 不是目的，知识才是护城河 —— 一个 AI 工程交付团队的知识沉淀实践
阿里云：拆 OpenClaw 的 Agent 架构，三条反直觉结论
阿里云开发者用一篇长文系统拆 OpenClaw 的 Agent 架构。这篇文章值得做 Agent 的同学读，因为里面有几个反直觉结论：
- 更贵的模型没你想象中那么有用，Harness 和验证测试的质量对成功率的影响更大
- 调试 Agent 行为时，应该优先检查工具定义 —— 多数工具调用错误来自描述不准确，不是模型不够聪明
- 评测系统本身的问题，往往比 Agent 的问题更难发现。如果一直在 Agent 代码上调，效果可能上不去
→ 阅读原文：你不知道的 Agent：原理、架构与工程实践
腾讯云：RAG 已死？不，是 Grep 回归了
最后是腾讯云开发者那篇 RAG 已死？不，是 Grep 回归了！ 标题挑衅，但论点扎实。
作者的判断是：高质量的 Skill 和工具描述比向量索引更值钱。当模型本身越来越强，长上下文越来越便宜的时候，传统 RAG 那套切片、向量化、相似度召回的复杂度就显得多余。直接用 Grep，用关键字搜索，加上准确的工具描述，效果反而更好。
这其实和阿里那篇结论是相通的，都指向同一件事 —— 工具描述和 Harness 比模型选型更重要。
→ 阅读原文：RAG 已死？不，是 Grep 回归了！
把这四篇放在杨斌的框架下看，就是底数的质变。组织如果还在比谁的模型更贵，那就是把变革放在加号位上。组织如果开始研究 Harness、研究知识沉淀、研究工具描述，那就是开始把变革放在指数位上。
三、Anthropic 两连发：Claude Code 心法 + 提示缓存
这一周 Anthropic 官方贴了两份 Claude Code 团队的内部经验，正好补上了 Karpathy 没回答的工程细节。
像带新人一样引导 Claude Code
第一篇用了一个真实案例。MacCoss Lab 是华盛顿大学的一个蛋白质分析实验室，他们的开源软件 Skyline 已经维护了 17 年，70 万行 C# 代码。主开发者 Brendan 一开始很怀疑 Claude Code 能不能搞定这种长寿命项目。
最后他想清楚了一件事：自己过去十几年带本科生、研究生、博士后进入这套代码库，那一整套 onboarding 方法论，可以原封不动地用在 Claude Code 上。先给「实验室手册」，再交工作任务。把 AI 当作一个新进研究员来带，而不是当成一个魔法盒子。
这一篇值得做工程的同学读。它没有讲什么新概念，但它把心法落到了具体场景。
→ 阅读原文：像带新人一样引导 Claude Code：来自 17 年开发经验的启示
提示缓存对 Coding Agent 至关重要
第二篇是 Claude Code 团队自己的复盘：提示缓存对编程智能体是至关重要的，命中率直接决定了一个长程任务能不能跑稳。
这听起来很工程，但它其实是一个范式判断 —— 当智能体要持续可靠地干完长任务，关键变量不是模型本身的智能，而是它能不能稳定地保留上下文。提示缓存就是这个稳定性的最直接来源。
两篇加起来，把 Karpathy 留下的工程黑盒打开了。
→ 阅读原文：构建 Claude Code 的经验教训：提示缓存至关重要
四、OpenAI 编排栈 + Cloudflare：让 Agent 上手干活
聊完心法，看落地的几条路径。
OpenAI 把 Codex 编排栈打开
OpenAI 这一周三件事可以放在一起看：
- Symphony：把 Codex 多智能体编排做成开源规范 → 阅读原文
- AI Engineer 现场拆解 Codex 子智能体：把 OpenAI 的 AI 工程平台从 IDE 里拎出来 → 阅读原文
- 长时间运行的智能体（Elevate）：补另一面 —— 让 Agent 持续可靠干完长任务，要从持久化、子线程、检查点设计起 → 阅读原文
这一组三篇组合起来，像极了 Cloudflare 上一期做的「Agent 基建周」，只不过这次是 OpenAI 在做。
Cloudflare：Agent 自己开户、买域名、部署应用
这一期 Cloudflare 的代表作是一个干净的 one-shot 演示 —— AI Agent 能自己创建 Cloudflare 账户、买域名、把 Workers 部署上线。背后有 Managed OAuth + Mesh 撑起私有联网。
这件事小，但意义大。它把「Agent 上手干活」从 demo 推到了生产入口。Software 3.0 真正能跑的标志，不是 Agent 能写多少代码，而是 Agent 能不能从注册账户开始，把整个交付流水线走完。
→ 阅读原文：AI 智能体现在可以创建 Cloudflare 账户、购买域名并部署应用
五、企业生产实战：京东 GRAM + Java MCP
两篇值得说，是企业版的「AI 次方」基础设施。
京东 GRAM：50ms 端到端的生成式推荐
京东广告团队披露 GRAM 架构 —— 他们把生成式推荐做到了端到端 50 毫秒。这是什么概念呢，50 毫秒是用户感知不到的延迟。在电商场景下，把「模型即推荐系统」这个判断打了第一个范本。
这背后涉及到训练侧的稀疏化、推理侧的工程化、还有大量的算子优化，是真正的工程硬功夫。
→ 阅读原文：京东广告大模型实战：GRAM 架构如何在 50ms 内完成生成式推荐？
Java 世界中的 MCP：把 LLM 集成提升到架构纪律
InfoQ 的长文，讲 Java MCP SDK。这篇文章我推荐 Java 同学读一下。它的视角是把 MCP 看作架构纪律，不是 prompt 工程：
- 显式契约：Models 只调用通过协议声明的工具
- 反腐败层：MCP Server 在 LLM 和核心系统之间隔一层，控制能力暴露范围
- 控制平面：把 LLM 集成放进 Spring 和 JVM 团队熟悉的服务边界、可观测性、资源管理体系里
它不是教你写 MCP 代码，是教你把 LLM 集成放进企业架构的那条线里。
→ 阅读原文：Java 世界中的 MCP：为 LLM 集成带来架构策略
六、范式思辨：Skill 蒸馏、Language Agent 60 年史、智能体失败案例
Skill 到底能蒸馏我们的几分之几？
腾讯科技的这篇文章，从 GitHub 上一批 skill 类项目的爆火谈起。三月底同时火起来的有「同事 skill」「老板 skill」「女娲 skill」 —— 同事 skill 把离职同事的飞书消息、钉钉文档、Slack 记录、微信聊天都喂给 Claude，自动生成一个 skill 文件。装上之后 AI 能「变成」那个同事，连说话语气都模仿。
然后 CMU 出了一篇论文，跑出来 SkillFoundry，一次扫一遍 GitHub 仓库、API 文档、Jupyter Notebook、学术论文，挖出 286 个 skill。BenchFlow 团队的 SkillsBench 测了 84 个任务，加 Skill 后平均通过率提升 16.2 个百分点。
但同一周还出现了一个反向项目 anti-distill，帮你生成一份看起来完整、核心知识却被掏空的 skill 文件。作者追问的问题是：那层能被掏空的是什么，那层掏不空的又是什么？
这个问题没有答案，但值得每个内容工作者放在心里。
→ 阅读原文：严肃聊聊，Skill 到底能蒸馏我们的几分之几？
张小珺 × 苏煜：Language Agent 60 年技术史
张小珺这一期访谈，嘉宾是俄亥俄州立大学的苏煜教授。两个小时的长对谈，把 Language Agent 60 年的技术史复盘了一遍 —— 从 1960 年代的逻辑代理，到神经代理、语义解析，再到今天的语言代理。
苏煜给出一个判断：OpenClaw Moment 像 ChatGPT Moment。意思是 OpenClaw 的出现，可能是 Agent 时代的那个分水岭。这一期我推荐五一假期听，节奏不快，信息密度大。
→ 阅读原文：139.【Agent 综述】和苏煜聊 Agent 技术史、OpenClaw Moment、边界的消弭和社会的辐射
PostHog：LLM 代码生成的五条修法
PostHog 的 Danilo 在 AI Engineer 现场分享了一个智能体的失败案例。他们做的 Wizard 是一个一个月服务 15,000 用户的自动化集成助手，模型很容易因为静态训练数据过期而搞砸事情。
Danilo 给了五条修法：
- 新鲜上下文：把最新的 Markdown 文档直接注入上下文（避开复杂 RAG）
- 模型飞机：用简化版的真实应用做模板
- 面包屑：把大任务拆成顺序步骤
- 推理时审讯：每次跑完问 Agent「我应该怎么做才能让你成功？」
- prose > scaffolding：纯文本散文比脚手架代码更值钱
最后一条留下一句话挺有力 —— 在 AI 时代，文档质量是面向未来的资产，硬编码的逻辑是在折旧。
→ 阅读原文：LLM 代码生成为什么会失败，以及如何避免
七、商业重构：OpenAI 与微软的新阶段
OpenAI 和微软这周宣布了一个重要的合作新阶段。新协议把双方关系从独占走向灵活。三件事可以注意：
- OpenAI 产品仍然优先在 Azure 上发布，但现在可以服务任何云供应商
- 微软对 OpenAI 知识产权的授权，从独占改成非独占，同时微软不再向 OpenAI 支付收入分成
- 微软作为大股东继续参与 OpenAI 的增长，OpenAI 到 2030 年仍按比例向微软分成（有总额上限）
这是过去两年商业重构里最值得记下的一笔。OpenAI 走向「基础设施级」独立的关键一步迈出去了。
→ 阅读原文：微软与 OpenAI 合作的新阶段
写在最后：本周三条判断
整理一下我自己读完这一周内容的判断。
第一，杨斌的「AI 次方变革」不是又一个 buzz word，是给企业的一个很有用的提醒。如果你团队还在讨论怎么让大模型给现有流程加分，那就是把 AI 放在加号位上。如果你团队开始讨论 Harness、知识沉淀、工具描述，那就是开始把 AI 放在指数位上。
第二，Karpathy 的 director 比喻和 Demis 的「截击 AI 曲线」建议，加上国内三家大厂的 Harness 中文化，这一组信号让我相信 Agentic Engineering 已经从概念阶段进入工程阶段。下一阶段比拼的不是谁的模型更强，而是谁的工程纪律更扎实。
第三，Anthropic 那篇「带新人」的故事我会推荐给所有团队的同学读一下。它没有讲什么 cutting edge 的东西，但它把心法落到了你今天就能用的实践里。
完整 20 篇精选：https://www.bestblogs.dev/newsletter/issue93
订阅 BestBlogs Pro，每天早上收到双语早报，五月起进入早鸟价：https://www.bestblogs.dev
保持好奇，我们下周见。
