先定验收规则，再让AI批量干重活
本文由 AI 自动整理生成，可能存在错漏，请以原文链接为准。
今天有两件挺戳人的事：一个卖车平台用AI客服每月聊100万分钟，捞回12%差点丢掉的客户；另一个是Anthropic自己搞代码迁移，百万行代码两周搞定——但不是靠堆人力，而是先把验收流程定死。另外，有个帮你揪出AI写作套话的工具也上线了，你可以拿自己写的稿子去试试。
灵感百宝袋
Cars24 用 OpenAI 的语音聊天机器人，每月处理超过 100 万分钟客户对话，硬是把 12% 原本已经流失的卖家线索捞了回来。
他们卖的不只是客服效率。在印度那种买车卖车大半流程都在线下、反复沟通的市场，他们把接电话、回消息、跟进线索这些重复活儿交给了 AI。结果不只是人工少接了 100 万分钟电话，更关键的是——那些聊到一半走掉的潜在车主，有 12% 被 AI 重新拉了回来。你手头如果有反复回答的客户问题，或者总在流失的咨询，可以试试把最常见的 5 个场景写成标准化应对话术，丢给任何一个支持知识库的对话 AI 先顶着。不用一次铺开，先盯一类问题，看一周内回复率和转化有没有变化。
原文：https://openai.com/index/cars24
Anthropic 自己用 Claude Code 搞大规模代码迁移，百万行 Zig 转 Rust 只用了不到两周，另一个团队一个周末就把 16 万行 Python 换成 TypeScript。
他们的核心方法说出来很简单：不逐行改代码，而是写一套自动验收流程——让 AI 一次性生成所有新代码，然后跑测试、比对输出、做对抗性审查。哪个环节挂了就修哪个环节，而不是去改生成出来的那堆文件。Bun 的作者 Jarred Sumner 和 Anthropic Labs 的 Mike Krieger 都用了这套思路。这不只是程序员能用的东西。你下次要批量改写几百条产品描述、整理大量报表，或者做任何「数量大、规则明确」的活儿，先花点时间写下几条「什么算过、什么算不过」的验收标准，再把任务交给 AI 去跑，你只管抽检。第一次拿一个你能在半小时内验完的小样本试试。
原文：https://claude.com/blog/ai-code-migration
江湖快报
强脑科技在 2026 世界人工智能大会上发布脑控机器人训练平台，号称 10 分钟就能「意念」控制机器人。
他们把脑电采集、信号解码、控制映射和机器人执行打包成一个图形化软件，以前需要多学科背景才能搭起来的环境，现在拖拽配置就能跑通。目前已经接入了人形机器人、机械臂、机器狗，还在不断增加新的机器人型号。当然，这还是个给研究人员用的科研平台，离你日常戴着它说话、不用手就操作设备还隔着不少距离。但把脑机接口的研究门槛砍到这个程度，对想做这方面实验的小团队来说，省掉的搭环境时间不是一点半点。
原文：https://www.ithome.com/0/978/289.htm
贤者视角
微软自家 2026 款 Surface Laptop 用 8GB 内存跑 Win11，日常开几个网页和应用就卡顿，变相打了微软「4GB 内存就够」的脸。
据 The Verge 评测，这台 949 美元的笔记本一开机系统就吃掉 4.2GB，随便开 10 个 Chrome 标签页、Slack 和 Signal，内存占用率就飙到 6.7GB，视频通话时直接卡住。日常使用中短暂的卡顿每天都会出现几次。而微软自己的 Copilot+ PC 标准却要求至少 16GB 内存才能跑 AI 功能。说白了，买新电脑如果看到 8GB 版本便宜得多，别被价格带跑。除非你只用浏览器看点东西，否则连系统自己都会喘。现在内存涨价背景下厂商拿 8GB 当起步，省下的钱可能会在日常的卡顿里加倍还给你。
原文：https://www.ithome.com/0/978/321.htm
Simon Willison 调侃说，与其让云厂商被骂耗水，不如买下高尔夫球场改成公园，带原来的会员去观鸟。
他算了一笔账：谷歌 2025 年用了约 109 亿加仑水，每天大概 3000 万加仑。而加州 Coachella Valley 的 120 个高尔夫球场，每个每天用水约 75 万加仑——买下其中 40 个球场改成公园，就能大致抵消一家大云厂商的数据中心用水。一半是幽默，一半是认真。AI 发展带来的能源和水资源消耗已经成了没法回避的话题，这个脑洞至少让人意识到了规模——一个大型数据中心和一群高尔夫球场之间，水消耗对比原来这么直接。
原文：https://simonwillison.net/2026/Jul/17/spot-birds-not-golf
开发者补给站
EasyDocs 从实际流量里自动生成 OpenAPI 文档，省去手写和维护的麻烦。
这个工具会监听你的 API 请求，直接根据真实的请求和响应结构生成文档。比起写完接口再回头补文档，它能保证文档和实际跑的接口永远同步。适合那些需要快速出 API 文档、又不想在规范文件上花太多时间的小团队。目前还是个 Show HN 项目，社区讨论不多，但思路很实用。如果你维护着几个内部 API，可以拿它抓一下真实请求看看生成的文档准不准，说不定比手写的还靠谱。
原文：https://news.ycombinator.com/item?id=48945600
Puter 把 Firefox 编译成了 WebAssembly，让整个浏览器能在另一个浏览器里直接跑起来。
技术上选择 Firefox 是因为它对单进程模式支持比较好。编译过程中用了预估 2.5 万美元的 Claude API token，但因为他们有月费套餐，实际花费远低于这个数。由于浏览器沙箱限制，所有网络请求都通过 Puter 的服务器用 WebSocket 代理出去，他们为此还得加服务器扛住 HN 的访问高峰。这个项目更多是一种技术展示，证明了在浏览器里跑一个完整浏览器的可能性。对普通开发者来说，短时间内不会直接用到，但如果你对 WASM 的极限能力感兴趣，去体验一下在线 demo 会觉得很炸。
原文：https://simonwillison.net/2026/Jul/16/firefox-in-webassembly
Lific 是一个专门给 AI 编程代理用的轻量级问题追踪器，替代在仓库里到处堆 markdown 文件的做法。
作者在同时指挥多个 AI 编码代理做稍大项目时，发现项目状态散落在不同 markdown 里很崩溃，就做了这个工具。它足够简单，只记录 AI 干活需要知道的那些状态，不用像传统项目管理工具那样配一堆字段。如果你已经开始让 Claude Code 或 Cursor 直接帮你写代码，并且同时跑着几个任务，它的存在感会很强——至少比每次在 markdown 里翻「上次做到哪了」要少掉一些头发。
原文：https://news.ycombinator.com/item?id=48950192
好物挖掘机
Simon Willison 做了个「LLM 套话检测器」，把文章贴进去，它会帮你标出那些 AI 味冲天的表达。
他本人就是因为实在受不了满屏的「no fluff, no filler, no jargon」这种 AI 写作陈词滥调，叫 Fable 5 随手搭了这个工具。它会高亮十种常见的模式，比如「no X, no Y」句链、「sit with that」、「you already know」等等，完全在浏览器里跑，不用上传到服务器。如果你平时经常用 AI 写稿，或者读到一些总觉得哪里不对味的东西，可以拿一段自己或别人的文章去试试。把明显有 AI 痕迹的部分换掉，至少读起来更像人说的话。
原文：https://simonwillison.net/2026/Jul/17/llm-cliche-highlighter
Aye 把自己定位成你的「可训练 AI 实习生」，能直接在浏览器里帮你点击、打字、切页面。
它是一个基于 Chromium 的浏览器，macOS 和 Windows 都能用。启动后它会读取当前页面内容，自己规划步骤，然后真正去执行浏览器操作：点击按钮、填写表单、滚动页面、在不同标签之间跳转。重复的工作可以教它记住，变成一个「技能」以后一键调用。适合那些每天要在网页后台重复操作——比如导报表、批量填写信息、监控行情的人。它有审批环节，敏感操作需要你点确认，不会完全撒手不管。拿一个你手头最烦的重复网页操作试试，看它能不能帮你省掉机械劳动的半小时。