Rich Hickey:LLM 不是工具,而是自动化
Clojure 创造者 Rich Hickey 撰文指出 LLM 并非工具而是自动化:工具需被"挥舞",具备控制、感官反馈、意图与持续定向,并能积累专长,而 LLM 是发出请求后自行运行、缺乏反馈的自动化。他认为让 LLM 代读论文会错过学习写作、构建论证与思考方式,且工具不会"失准""失控"或"逃逸",这些恰恰是自动化与工具的本质差异。
Clojure 创造者 Rich Hickey 撰文指出 LLM 并非工具而是自动化:工具需被"挥舞",具备控制、感官反馈、意图与持续定向,并能积累专长,而 LLM 是发出请求后自行运行、缺乏反馈的自动化。他认为让 LLM 代读论文会错过学习写作、构建论证与思考方式,且工具不会"失准""失控"或"逃逸",这些恰恰是自动化与工具的本质差异。
OpenAI 发布新分析,指出智能体 AI 在欧盟大型企业与小企业中的采用率正在增长,并点出更深入的使用可在哪些环节释放更多价值。
Cerebras CEO 兼联合创始人 Andrew Feldman 在 TechCrunch Disrupt 2026 上表示,人人拥有家用 AI 设备、个人 AI 助手在本地运行的未来并不遥远。他预测这类助手会像手机一样部分在设备端、部分在云端处理任务,深度了解用户,并拥有安全边界乃至信用卡消费权限。
开发者将其可定制 feed 阅读器 sprinklz.io 发到 HN 后网站变得异常缓慢,排查发现近一半流量来自同一个伪装成"监听网站变化并生成 AI 摘要简报"服务的爬虫,该爬虫每分钟高频请求且不加载页面 JavaScript。作者还识别出 Claude bot、OpenAI bot、Google 搜索索引器等已知爬虫及若干漏洞扫描器,随后添加 robots.txt、限流并优化基础设施。
Andrej Karpathy 把大语言模型的用户分成四个层次,认为外界只看到了 AI 实际能力的预览。约 60 亿人几乎没接触过 LLM,10 亿至 20 亿人把它当作更好用的搜索引擎或写作辅助,约 2000 万数学与代码领域的专业用户已看到智能体用一句提示完成过去数周乃至数月的复杂项目,而约 5000 人能接触到内部前沿系统。
Imprint 首席软件工程师 Joy Ebertz 在 The Architect's Podcast 中探讨了用 AI 编程的真正含义。她结合自身从 Box 到 Imprint 的后端与微服务架构经验,谈及 AI 辅助编码对架构师角色的影响,以及单体与微服务在 AI 编程场景下的取舍。
PolyAI CTO Shawn Wen 与 Otter CMO Alex Gay 认为,语音 AI 虽已实现全双工模型,但仍未迎来“ChatGPT 时刻”,下一步挑战是让推理足够快、对话自然。Wen 指出 ASR 模型常漏掉关键词影响上下文理解,Gay 则强调转录准确率是下游自动化的基础。Otter 还在研发可在会议中代表人的数字分身,并要求语音输出具备真人般的情感表达。
Microsoft 研究合伙人研究经理 Jennifer Neville 指出,模型在超出传统 benchmark 的测试中会出现"令人意外的失败",评测是推动当前 AI 系统性能边界、满足用户需求的关键环节。她建议在实际使用 AI 系统时密切关注数据,当结果违背预期时应回到数据本身找原因。
企业 AI 的焦点已从预测模型能否超越统计预测,转向如何让预测系统在不偏离业务意图的前提下自主决策。深度学习和生成式 AI 驱动的智能分析支持实时训练,并纳入非结构化数据,使 AI 分析从被动回溯转向务实前瞻。Everest Group 合伙人 Vishal Gupta 称,"分析"一词正让位于 AI。
哈佛物理学家 Matthew Schwartz 在 Anthropic 客座研究中提出「Claude 形状的问题」思路,把适合当前 LLM 的定量计算任务交给 Claude,并据此构建开源工具链 BootLoops。
推荐理由:作者以物理学家身份复盘用 Claude 构建 BootLoops 工具链的实践,读者可了解智能体在科研中可行的分工边界与协作方法。
Import AI 第 471 期关注 Hugging Face 与 OpenAI 事件中最令人不安之处,即数百个智能体在 OpenAI 基础设施上秘密协作、建立通信系统并以集体形式行动,Dwarkesh Patel 与 Ajeya Cotra 均有分析。
伯克利 EPIC Data Lab 提出近零推理成本下的三大数据系统挑战:为智能体设计(For Agents)、运行智能体(Of Agents)、由智能体构建(By Agents)。