🔥 今日高光

  • AI 采用的主线，短期仍是“增强现有工作流”，不是彻底替代组织。 Aaron Levie 指出，很多企业最迫切的需求依旧是把瓶颈环节加速，而不是先重构全部业务。这个判断很接地气，也更符合 2026 年大多数公司的落地节奏。
    🔗 原文

  • 软件估值逻辑正在开始向 agent usage 倾斜。 Aaron Levie 另一条更进一步：当 agents 的数量未来远超人类用户，真正增长的会是那些被 agent 高频调用、深度绑定产出的 software layer。
    🔗 原文

  • AI inference 仍是核心瓶颈，而且正在变成独立的大市场。 No Priors 最新一期请到 Baseten CEO Tuhin Srivastava，核心观点很明确：open-source models 跨过能力门槛后，企业会更愿意自持 inference 与 custom model stack，这直接推高推理云需求。
    🔗 原文

  • coding agents 正在进入“真实可用但仍有摩擦”的阶段。 今天多位 builder 都在聊 Codex：有人称赞 /goal 很能打，有人说它甚至比 Slack 自家的 AI search 更好用，也有人已经碰到 broken feature。信号不是“完美”，而是它已足够进入日常工作流。
    🔗 Swyx
    🔗 Peter Steinberger
    🔗 Peter Yang

  • Replit 10 周年免费 24 小时，本质上还是在放大“让编程更可得”的叙事。 在 coding agent 浪潮下，低门槛创作平台并没有失去意义，反而可能因为 AI 协作而更强。
    🔗 原文

🐦 Builder 动态

Aaron Levie（Box）— 企业 AI 的第一阶段仍然是 augmentation，不是革命式替换

Levie 今天两条连起来看，信息量很高。

第一条更偏现实世界：大量企业现在要的不是一个“全自动公司”，而是把现有 bottleneck 先提速。 这解释了为什么很多 AI 项目最后落在客服、销售支持、内部知识检索、代码生成、文档整理这些环节——因为 ROI 最容易被验证。

第二条则更偏长期判断：如果未来 software 的主要用户变成 agents，那么产品价值会更多体现在它能否嵌入自动化产出链。 这会影响：

  • 产品 surface：是否有稳定、细粒度、可授权的 API / tool interface
  • 商业模式：是否会从 seat-based 往 usage / throughput 偏移
  • 护城河：是否和业务结果绑定，而不只是提供一个 UI

这两条并不矛盾，反而组成一个很完整的判断：短期先做 augmentation，长期会走向 agent-native software。

🔗 企业先要效率，不是空谈颠覆
🔗 100x agents 之后的软件增长逻辑

Codex 进入日常使用区：能解决问题，也会暴露边界

今天关于 Codex 的讨论很散，但拼起来很像一张产品成熟度地图：

  • Swyx 说 Codex 做 Slack 搜索甚至优于 Slack AI search，说明 coding agent 已经开始越界到知识检索与工作流辅助。
    🔗 原文

  • Peter Steinberger 直接夸 /goal feature 很强，代表 power users 已经开始用更抽象的任务接口，而不是逐步下命令。
    🔗 原文

  • Peter Yang 则提到自己遇到第一个 broken Codex feature。这个信号同样重要：工具开始被高频使用后，大家讨论的就不再是“能不能用”，而是“哪些地方还会坏”。
    🔗 原文

这类讨论说明一件事：coding agents 已从 demo 阶段进入 production-adjacent 阶段。 真正的竞争点，不只是“第一次看起来很惊艳”，而是能否稳定接住日常、重复、跨系统的小任务。

Zara Zhang — 把 coding agent 当 cofounder，而不是 employee

Zara 这条值得单拎出来，因为它点中了很多人用 agent 的误区：

不只是发号施令，而是给问题背景、解释处境、询问意见。

这背后的本质是：agent 的效果很大程度取决于你是否把上下文表达成可协作的问题。 如果只给命令，它更像自动补全；如果你给目标、约束、判断标准，它才更像 partner。

这也是很多 builder 近来共同摸索出的使用法：

  • prompt 不只是 instruction，更像 brief
  • 协作不是 one-shot，而是迭代澄清
  • 最好的 agent workflow 往往接近“共同定义问题”

🔗 原文

Nikunj — 微型 AI 产品依然有空间，关键是把 workflow 做深

Nikunj 今天晒出 ARR 与产品定价细节，虽然规模不算大，但非常有代表性。重点不在收入数字本身，而在他透露的结构：

  • 用 Railway / conductor / Claude / Stripe 这一类组合就能把产品跑起来
  • 单次报告成本不低，说明定价必须和明确价值挂钩
  • 面向 house hunting 这种具体任务，用户愿意为节省时间和降低信息处理成本买单

这类产品再次说明：AI application layer 不是“只剩巨头”，细分 workflow 仍然有大量创业缝隙。

🔗 ARR 更新
🔗 产品与成本说明

Replit 10 周年 — 普及编程这件事，还没结束

Amjad Masad 用 Replit 10 周年免费 24 小时做庆祝，本质上是在重申一个长期命题：让更多人能构建软件，依旧是一个巨大的机会。

在 AI 时代，这个命题甚至更强：

  • 入门门槛更低，更多非传统开发者开始试做产品
  • 云端开发环境和 agent 协作天然适配
  • “learn & ship” 的路径会比过去更短

所以 Replit 这类平台的价值不一定会被 coding agents 吃掉，反而可能因为它们而变得更大。

🔗 原文

📄 论文速递

今天的 follow-builders 数据里，没有足够强、且适合展开写的论文信号。相比论文，今天更明显的主线是：

  • 企业 AI 先落在 augmentation
  • agent-friendly software 的商业逻辑逐渐清晰
  • inference cloud 继续成为高需求基础设施
  • coding agents 开始从新奇工具变成日常工具

🛠️ 新工具 / 项目

  • Codex /goal：任务级抽象更强，适合把目标直接交给 agent。
    🔗 原文

  • 面向图像输入框的浏览器扩展想法：Swyx 提出，希望所有网页图片输入都能支持简单文字生成、手绘草图或基于草图生成合适尺寸内容。它不是现成产品，但很像下一波 AI-native browser surface 的方向。
    🔗 原文

  • House hunting AI report 产品：Nikunj 展示了一个非常垂直但有支付意愿的 AI workflow 产品。
    🔗 原文

🇨🇳 中文圈

今天 feed 里的中文 builder 明确信号不多，但有两条对中文创业者尤其值得记：

  • 企业 AI 落地应该先抓 bottleneck，别一开始就想做全栈颠覆。国内很多团队最容易赢的地方，仍然是把运营、客服、销售、交付、知识管理中的具体卡点做透。
    🔗 Aaron Levie

  • 垂直 workflow 的 AI 小产品仍然有空间。尤其在房产、教育、本地生活、跨境电商等信息密集行业，能把数据收集、分析与输出做成一条龙，就有机会跑出小而稳的业务。
    🔗 Nikunj

🎧 Podcast

No Priors — Baseten CEO Tuhin Srivastava：AI Inference Crunch、Custom Models 与 Inference Cloud

这期播客非常适合拿来校准一个问题：AI infra 的下一阶段，最紧的瓶颈到底在哪？

Tuhin 的回答很明确：还是 inference，而且需求会继续往上走。

几个关键判断：

  • open-source models 已跨过“够不够用”的门槛，越来越多企业开始认真考虑自建或半自建的推理栈
  • post-training / specialization 变 mainstream，意味着不会只有少数 frontier model 被消费，而会出现更长尾的模型需求
  • 真正的 moat 常常不在底层模型，而在 workflow 与用户信号
  • application layer 依然会存在，因为很多行业知识、流程集成和真实用户反馈，只有垂直产品团队拿得到

最值得记的一句其实可以概括为：未来 AI infra 的竞争，不只是“谁有更多 GPU”，而是谁能更好承接企业正在分化的 inference 需求。

🔗 原文

今日观察

今天这些 builder 信号拼起来，主题非常统一：

AI 从“会不会做”转向“怎么嵌进现有工作流并持续交付结果”。

  • Levie 讲的是企业落地路径：先增强，再重构
  • Codex 用户讲的是产品现实：开始真用，也开始真挑毛病
  • Nikunj 讲的是创业窗口：细分 workflow 依然能赚钱
  • Baseten 讲的是基础设施现状：inference 需求还远没被满足
  • Replit 讲的是分发命题：构建软件的人会继续增加

如果只留一句结论，那就是：

2026 年的 builder 重心，不再只是证明 AI 很聪明，而是证明它能稳定嵌入业务、工具链和真实工作。

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.