🔥 今日高光
1. Agent 正在从 coding 扩展到整个知识工作栈
Aaron Levie 提醒大家，advanced agents 不再只是写代码的玩具，而是在向整个 knowledge work 扩张。真正难的部分不是“把模型接上去”，而是给 agent 足够的 context、可靠的数据访问、权限边界和安全执行路径。换句话说，Agent 落地的门槛已经从“模型可不可用”转向“系统工程做没做好”。
🔗 原文
2. Builder 工作流继续“界面化”：HTML 成了新的 planning substrate
Thariq 分享自己大量用 HTML 做 planning、speccing、exploration、code review 和 report。这不是单纯的格式偏好，而是在说明一个趋势：当 AI 和人都要消费同一份工作上下文时，结构化、可视化、可快速迭代的中间表示会越来越重要。HTML 不只是“网页语言”，而是在成为 Agent 协作的通用工作表面。
🔗 原文
3. Build vs Buy SaaS：AI 时代不会消灭选择题，只会让它更频繁
Swyx 抛出一个经典但重新升温的话题：build vs buy SaaS。在 AI 时代，这个问题不再只是“自研还是采购”，而是“哪些能力值得持续内化，哪些能力应该交给外部服务”。随着 Agent 和生成式开发降低实现成本，团队会更频繁地重算这笔账，SaaS 的护城河也会从“功能是否存在”转向“数据、工作流集成和运营成熟度”。
🔗 原文
4. OpenClaw / Codex 工作流继续进化：工具链开始自己给自己造工具
Peter Steinberger 今天连续展示了几条很有 builder 味道的实践：
- 直接用 openclaw 去协助 Codex 做 OpenClaw chat completion endpoint 的 e2e test 改进
- 用 Birdclaw 把自己的 Twitter archive 变成可查询的记忆层
- 在 RepoBar 里内嵌浏览器，为 issue / PR / workflow 提供上下文
这类分享说明一个明显趋势：最前沿的 AI 用户正在把“代理 + 记忆 + 浏览器 + 内部工具”揉成一个连续工作流，而不是把 AI 当成单点聊天窗口。
🔗 e2e 测试
🔗 Twitter archive 记忆层
🔗 RepoBar 内嵌浏览器
5. Inference 仍是 AI 基础设施里最硬的一层约束
今天的 No Priors 新一期请到 Baseten CEO Tuhin Srivastava，几乎把 AI 基础设施当前最真实的矛盾讲透了：
- AI 需求爆炸，但高质量 compute 依然极度稀缺
- 绝大多数生产 token 已经不是“直接跑 vanilla model”，而是跑 custom models
- 企业真正可持续的护城河，来自工作流里的专有 user signal，而不只是接一个 frontier API
- Inference 成本下降不会减少使用量，反而会让大家把更多 intelligence 塞进产品里
这期播客很适合和今天 X 上的 Agent 讨论放在一起看：上层在加速 agentization，下层则在被 inference capacity 和 runtime engineering 卡脖子。
🐦 Builder 动态
Aaron Levie：Agent 落地考验的是系统工程，不只是模型能力
Levie 的核心观点很务实：从 coding agent 走向更广泛的知识工作后，系统连接、上下文供给、安全边界和流程设计会成为真正的差异化能力。谁能把这些“脏活累活”做稳，谁才更可能把 Agent 产品做进企业。
🔗 原文
Thariq：HTML 正在成为 AI 协作时代的通用工作介质
Thariq 用 HTML 做计划、规格、探索、评审和报告，背后其实是一种很 builder 的判断：AI 时代需要一种既适合机器解析、又适合人阅读和迭代的中间层。相比纯文本，HTML 更像是“可执行文档界面”。
🔗 原文
Peter Yang：真正有价值的自动化，常常从生活里的“小麻烦”开始
Peter Yang 想要的自动化不是炫技，而是一个非常具体的场景：孩子学校每周 10 页 newsletter 发来后，AI 能不能直接告诉他有没有 early dismissal 或必须注意的事项。这类需求很典型——用户买单的往往不是“大而全 Agent”，而是“替我过滤噪音、提炼行动项”的小型高频自动化。
🔗 原文
Peter Steinberger：AI 原生工具链开始自举
Steipete 的几条更新串起来看很有意思：测试、浏览器、个人历史数据、issue/PR 上下文，全都在被编织进同一个 AI 工作流。这说明 builder 们已经不满足于“让模型帮我做一件事”，而是在搭自己的操作系统级别工作台。
🔗 e2e 测试
🔗 Twitter archive
🔗 RepoBar 浏览器
Dan Shipper：Codex-native side project 的门槛正在继续下降
Dan Shipper 分享了一个很典型的 weekend hack：接上 MIDI 键盘后，让 Codex 帮他做 watcher script、web app，再进一步生成练习内容。以前这需要开发者自己搭环境、写 glue code；现在越来越像“先描述结果，再迭代体验”。
🔗 原文
Swyx：AI 时代的 SaaS 价值，越来越取决于你沉淀了什么而不是你做了什么
Swyx 的 build vs buy 讨论虽然简短，但击中了关键：AI 会持续压缩“功能本身”的稀缺性，所以 SaaS 的价值会更多落在 data gravity、系统集成、稳定交付和持续运营上。能买的东西会更多，但真正该自建的部分反而会变得更清晰。
🔗 原文
🎧 Podcast
No Priors：Baseten CEO 谈 Inference Crunch、Custom Models 与 Inference Cloud
这期对谈的信息密度很高，几个值得记住的点：
- Inference 供给依旧极度紧张：不是大家夸张，而是真的没有多少 slack compute。高质量 cloud 资源和能稳定运营这些资源的团队都很稀缺。
- Custom models 已成主流生产形态：Tuhin 提到，Baseten 上约 90%-95% 的 token 都跑在定制后的模型上，而不是原封不动的 vanilla open-source weights。
- 应用层不会消失：Frontier labs 很强，但真正的 moat 往往来自应用公司掌握的 user signal 和 workflow，而这些信号无法被模型公司轻易复制。
- Jevons paradox 继续生效：Inference 变便宜，不会让大家“少用一点 AI”，只会让大家把更多 intelligence 嵌入更多工作流。
- 未来是 inference + post-training 的闭环：产品中的推理、评估、训练、部署不再是分散环节，而会被越来越紧地绑成一套持续优化系统。
如果你最近在看 Agent infra、企业 AI 或 AI-native SaaS，这期很值得完整听完。
🔗 收听 / 观看
本日报由 AI Builders Digest 自动生成，内容基于 follow-builders 的 X 与播客 feed remix。