🔥 今日高光

  • 软件正在被迫转向 headless：未来最大的 software user 可能不是人，而是 agents。 Aaron Levie 直接点明，agent 不会点你的 UI，它们会直接调用 API。对 SaaS 来说，这不是一个小 feature，而是商业模式、计费方式和 product surface 的重写。
    🔗 Aaron Levie / headless software

  • Codex 的边界继续外扩，从 coding 走向 non-coding computer work。 Sam Altman 这条虽然短，但信号很清楚：coding agent 不再只被定义成写代码工具，而是在往通用计算机操作层推进。
    🔗 Sam Altman / Codex upgrade

  • Claude Security 进入 public beta，安全扫描与修复被直接塞进 Claude Code。 这意味着 security 不再只是独立平台或离线报告，而开始变成开发流程中的内生环节：扫出漏洞、验证问题、就地修复。
    🔗 Cat Wu / Claude Security
    🔗 Claude / product details

  • 个人 AI 的长期记忆层开始出现更清晰的产品形态。 Garry Tan 连续推荐 GBrain 叠在 Karpathy-style Knowledge Wiki 之上，强调它适合 OpenClaw / Hermes 这类 personal AI 场景。长期记忆不只是“检索更准”，而是在形成一个 agent 可持续消费的 memory substrate。
    🔗 Garry Tan / GBrain + Knowledge Wiki
    🔗 Garry Tan / new category

  • Demis Hassabis 再次把 AGI 叙事拉回 AI for Science。 在最新一期 Training Data 里，他最值得记的判断不是“AGI 什么时候到”，而是 AlphaFold、drug discovery、simulation、virtual cell 这条线：AI 的终局价值，仍然是作为科学工具去压缩 discovery cycle。
    🔗 Training Data / Demis Hassabis

🐦 Builder 动态

Aaron Levie（Box）— agent-first 软件的关键不是界面，而是 API 能不能成为主入口

Aaron Levie 今天这条最有分量的地方，在于它把一个很多人默认接受、但还没真正重构产品的事实说透了：如果 agents 会成为最大的 software users，那么 UI 就不再是默认主界面，API / headless interface 才是。

这件事的影响不只是“给产品补一个 API”。它会往下影响至少三层：

  • 产品层：哪些功能允许 agent 直接执行，哪些需要 human approval
  • 商业层：计费从 seat / UI usage 转向 task、volume、automation throughput 的可能性会更高
  • 生态层：谁能成为 agent workflow 的 stable primitive，谁就更容易留在新分发链里

这也是为什么 headless software 现在值得单独当成 builder 主题：它不是技术实现细节，而是在定义 agent-native 软件的供给方式。

🔗 Aaron Levie / headless software

Sam Altman（OpenAI）— Codex 正在从 coding tool 变成通用 computer work interface

Sam Altman 今天关于 Codex 的表述很短，但方向很大：“try it for non-coding computer work.” 这句话的含义是，coding agent 的抽象层已经不再只是“写代码”，而是开始向更广义的 computer use 渗透。

如果把它和最近一段时间 builder 圈的趋势放在一起看，会发现一个统一方向：

  • IDE / terminal / browser 正在融合
  • agent 不再局限于生成 artifact，而是开始操作现成系统
  • tool 调用的价值，越来越体现在跨 app、跨上下文的任务编排

所以今天更值得关注的，不是某个具体 demo，而是 Codex 的产品定义又往外迈了一步。

🔗 Sam Altman / Codex upgrade

Claude / Cat Wu — 安全能力开始直接嵌进代码工作流，而不是停留在扫描器外层

Claude Security public beta 的信号很明确：security tooling 正在从“单独的一类平台”变成 coding workflow 里的原生环节。

Cat Wu 的描述很直接：给它一个 repo，就能得到 validated vulnerability findings，并在你已经写代码的地方直接修。Claude 官方补充的信息也说明这不是 research toy，而是已经在 production code 上试过，并补上了 scheduled scans、directory-level controls 等更接近企业落地的能力。

对 builder 来说，这件事的重要性在于：

  • 安全扫描与修复被塞进同一个工作面
  • AI security 的价值从“发现”延伸到“修复闭环”
  • code assistant 正在吃掉更多过去由独立 DevSecOps 工具承担的层

🔗 Cat Wu / Claude Security
🔗 Claude / scheduled scans 等细节
🔗 Claude / enterprise beta

Andrej Karpathy（Eureka Labs）— LLM 的价值不只是加速旧工作流，而是创造以前不存在的软件形态

Karpathy 最新分享最值得记的，不是具体案例本身，而是他的 framing：每次 paradigm shift 刚来时，大家都会先拿它去加速旧事情；但更大的价值，往往在那些以前做不到、或者根本不该按旧方法做的东西。

他举的三个方向都很有代表性：

  • menugen：输入 image、输出 image，本身就很适合被 LLM 完整吞掉
  • 用 .md skills 替代 .sh scripts：把安装与操作知识写成人类语言，再让 LLM 按本机环境解释执行
  • LLM knowledge bases：在非结构化、多来源知识上做以前 classical code 很难完成的 computation

这组观点非常适合放进今天的总主题里看：agent-native software 并不是把旧软件套上 chat，而是把软件的可执行性、可描述性、可消费性都重新设计。

🔗 Karpathy / Sequoia Ascent highlights
🔗 Karpathy / cited quote

Garry Tan（YC）— personal AI 的竞争点，开始从“会不会回答”转向“有没有长期记忆层”

Garry Tan 今天连续两条都围绕 GBrain 与 Knowledge Wiki，信息量其实很高。重点不是某个项目本身，而是他明确把这类东西归入 OpenClaw / Hermes personal AI 的理想补层。

换句话说，builder 圈对 personal AI 的想象正在更具体：

  • 基础模型负责 reasoning / generation
  • wiki / notes 提供长期上下文
  • 中间还需要一层更适合 agent 消费、更新、组织的 memory system

这个方向一旦成立，未来个人 AI 的护城河可能不只来自模型能力，而来自 memory architecture + workflow integration + daily usage loop。

🔗 Garry Tan / GBrain + Knowledge Wiki
🔗 Garry Tan / category distinction

Guillermo Rauch / Ryo Lu / Dan Shipper — “对 agent 友好”开始变成新的软件设计准则

今天还有几条零散但能拼成一张图的 builder 信号：

放在一起看，今天最一致的 builder intuition 是：未来软件不只是给人点的，也要给 agent 调的；不只是有 UI，也要有可被代理执行的操作面。

📄 论文速递

今天的 follow-builders feed 里没有值得单列展开的论文型内容。相比论文，本期更强的主线是：

  • headless software / API-first product surface
  • security embedded into coding workflow
  • personal AI 的长期记忆层
  • AI for Science 与 simulation

🛠️ 新工具 / 项目

  • Claude Security：把 vulnerability discovery 和 fix loop 直接做进 Claude Code。
    🔗 原文

  • GBrain + Knowledge Wiki stack：面向 personal AI 的 memory layer 正在长成独立类别。
    🔗 原文

  • Cursor SDK in ryOS：聊天直接修改系统行为，说明 agent OS / chat-native system surface 还会继续往前走。
    🔗 原文

🇨🇳 中文圈

今天 feed 里中文 builder 明确可写的内容不多，但有两个点对中文圈特别有参考价值：

  • Knowledge Wiki + GBrain 这种长期记忆层，很适合中文个人 AI 场景。无论是知识管理、工作记录，还是长期项目跟踪，中文用户往往更缺的不是单次问答，而是能持续积累上下文的 personal system。
    🔗 Garry Tan / GBrain

  • headless / API-first 的 agent 软件设计，对国内大量做企业软件、自动化流程、运营后台的人都很关键。未来真正有价值的，不只是能不能做一个 chat UI，而是系统能不能让 agent 稳定、安全地调用。
    🔗 Aaron Levie / headless software

🎧 Podcast

Training Data — Demis Hassabis on Building DeepMind, AlphaFold, and the Final Stretch to AGI

这期访谈里，Demis Hassabis 讲得最值得记的，不是“AGI 到底 2030 还是更早”，而是他一以贯之的 mission：先构建 intelligence，再把它作为科学工具去解决更重要的问题。

几个关键点：

  • 他把 DeepMind 的早期判断总结为：deep learning、reinforcement learning 与 accelerated compute 的组合，是通向 AGI 的关键 ingredients
  • AlphaFold 被他明确当作已经发生的 AI for Science breakthrough
  • 更长远的想象是把大部分 drug discovery exploration 放到 in silico 中完成，把十年的周期压缩到 months、weeks 甚至 days
  • 他还特别强调 simulation：weather、virtual cell、乃至更复杂的社会系统，都可能因为 AI 模拟能力增强而进入新的科学阶段

如果只用一句话概括这期访谈，那就是：Hassabis 依然把 AGI 看成“终极 scientific instrument”，而不只是 consumer product 或 productivity layer。

🔗 Training Data / Demis Hassabis

今日观察

今天这些 builder 信号放在一起，其实能看出一条很顺的演化路径：

  • Karpathy 在讲：LLM 会创造以前不存在的软件形态
  • Levie 在讲：软件必须为 agents 提供 headless interface
  • Sam / Claude 在讲：agent 已经开始吃更完整的 computer work 与 security workflow
  • Garry Tan 在讲：personal AI 的长期记忆层正在成型
  • Hassabis 在提醒：AGI 最终最深的价值，仍然可能落在 science acceleration

所以今天最值得记住的句子不是某条热梗，而是这个方向：

2026 年的 builder 重心，正在从“让模型更会回答”切到“让软件、工作流和知识系统真正能被 agents 消费与执行”。

本日报基于 follow-builders central feed 中的 X 与 podcast 数据 remix 生成；未确认的信息未写入。Generated through the Follow Builders workflow.