OpenAI 的 AI 研究实习生已经上岗，你的重复活也能交出去
本文由 AI 自动整理生成，可能存在错漏，请以原文链接为准。
今天想跟你分享两件挺戳人的事：OpenAI 内部已经让 AI 当上研究实习生，把不少写代码、跑实验的活接了过去；另一位老手则提醒，技术债压顶时别急着推倒重来。下面展开聊聊。
灵感百宝袋
OpenAI 的研究员现在把写代码、跑实验的重复活交给编码智能体，实验节奏明显加快了
官方公开的内部数据显示，研究人员写的代码量和跑的实验数量都在涨，交给智能体干的任务也越来越复杂。简单说，以前要研究员自己动手的底活，现在慢慢由智能体接手，人把精力放到更关键的地方。你手头如果有那种重复性的文档整理、数据核对活，可以挑一小件先丢给 AI 试试，能接住就说明这类活以后不必全自己来。
原文：https://openai.com/index/research-acceleration-view-inside-openai
代码烂到想推倒重写时，Simon Willison 说：这招很少真能成功
他观察到一个常见的坑：老系统还在跑业务、停不下来，新团队从零开始冲得挺快，但越往后越发现没人完全懂旧系统到底在替代什么。于是常常变成两套系统并行，谁也救不了谁。说白了，与其赌一把重来，不如先逼自己把旧系统里最卡人的一小块吃透、小步修一修。你可以拿手头一个最烦人的旧模块试试，只解决一个点，别想着一口吃成胖子。
原文：https://simonwillison.net/2026/Sep/6/theres-no-limit-to-how-bad-code-can-get
江湖快报
又有两家美国报纸对 OpenAI 和微软提出内容版权方面的指控，焦点还是训练数据
据 The Verge 报道，《西雅图时报》和 Newsday 认为这两家公司未经许可用了它们的报道来训练模型，有时还会在回答里复现片段。类似的争议之前已经发生过多起，目前还在走流程。对普通用户来说，这件事暂时不影响日常使用，但它提醒我们：用 AI 生成内容时，多留意一下来源和版权边界，别把别人的原创直接当素材。
OpenAI 宣布「自动研究实习生」已经做成，下一站是 2028 年 3 月的 AI 研究员
按官方说法，这个系统能在人的指挥下完成明确的研究任务，包括一些要熟练研究员干上几天的事。CEO 去年秋天定下的时间表，这次算是踩点兑现了。这对行外人来说可能有点远，但它意味着实验室内部开始把一部分研究环节交给 AI。你所在团队如果有固定的调研、整理环节，也可以想想哪一环能先放手。
微软把给开发者用的模型通道从 2 个地区扩到 28 个，还顺手换了模型池
以前这个服务只在美国两个区域能用，现在全球很多地方能直接调用，默认配置的团队不用重新部署就能自动更新。不过模型池里有旧模型下架、新模型顶上，回答风格、花销和稳定性可能跟着变。如果你或你的公司在用跑在微软云上的 AI 应用，留意一下输出风格有没有变化。有报道提到，新模型可能影响业务结果，所以也别开自动更新就不管了。
原文：https://www.infoq.cn/article/ba7Tq1EZbAD6JEzG16uE
Meta 专门造了一颗加速芯片，把网络直接塞进去，跑推荐和排序更快了
Meta 说推荐模型大部分时间花在芯片之间的数据传输上，新芯片 MTIA 300 干脆把通信模块集成进去。实测在一些通信场景里，比同样配置的 GPU 耗时降低好几倍。这东西离普通用户有点远，但它会落到你每天刷的信息流、推荐系统里。说白了，背后跑得更顺、成本更低，你看到的推荐也会更省时地算出来。
原文：https://www.infoq.cn/article/bSxsIYqjExqDh8eO2kwL
贤者视角
a16z 投资人 Anish Acharya：与其怕被 AI 甩成「永久底层」，不如把岗位看成一条人与 AI 协作的循环
他在播客里聊到，很多人担心自己逐渐没用，但这个视角可能错了。更现实的是每个岗位慢慢变成一条循环，人负责一段，AI 负责另一段，来回交接。他还提到消费级 AI 最大的机会是「/loop, make me happier」，意思是让 AI 帮用户把日常循环跑得更好。你可以试着把每天重复的工作拆成几个环节，看看哪一环最适合交给 AI。
原文：https://www.lennysnewsletter.com/p/why-companies-are-becoming-a-series
Anthropic 出了一份电商智能体搭建指南，把架构、成本、评估从头拆开讲
他们过去一年和零售、旅行、电信等团队合作，发现电商智能体能带来更大的购物车、更省力的商家运营。官方还开源了一个参考实现，把架构和护栏都摆出来。如果你在做在线交易或内容电商，这份指南能帮你少走弯路，至少不用从零去猜智能体怎么搭。可以先看看他们怎么拆技能、评估和延迟控制。
原文：https://claude.com/blog/the-anatomy-of-effective-commerce-agents
播客里聊到预测市场最近惹出封号和内幕交易风波，还拆了一款 AI 警务搜索工具
据 Wired 的一期播客，最近预测市场上有人被平台终身封禁，也有人卷入内幕交易纠纷。同时他们反向拆解了 Flock 的 AI 警务搜索工具，邀请专家聊了准确性问题。这条更多是行业观察，和我们日常用 AI 的关系不大，但它提醒：AI 用在公共事务和真金白银的决策上，准确性和边界问题会越来越被放大。
原文：https://www.wired.com/story/prediction-market-betting-is-getting-people-banned-and-arrested
Codex 桌面应用的缓存里，竟然塞了一整套 LibreOffice 和 Python 环境，占 1.7GB
Simon Willison 翻缓存目录时发现，这个已经改名叫 ChatGPT 的桌面应用，静默带上了完整 LibreOffice、Python 和 Node.js，主要是为了让智能体在本地处理文档和代码。如果你装过它，可以去缓存目录看看，不用的环境可以清掉，省下点硬盘。说白了，这类桌面应用的体积和附带内容，比你想的要多。
原文：https://simonwillison.net/2026/Sep/1/codex-libreoffice
开发者补给站
FreeToken 开源：消费级显卡也能跑百亿参数 MoE 模型，4060 上 35B 模型能到每秒 39 token
伯克利和 MIT 的研究者搞了这个推理引擎，用动态调度把专家权重传输和计算重叠，不像 Ollama 或 llama.cpp 那样静态卸载。数据中心的 MoE 模型常依赖高速互联，它靠 PCIe 也能跑得起来。想在本地自己托管前沿大模型、又不想持续付云 API 费用的人可以试试。支持 Linux 和 Windows 上的 NVIDIA RTX 30、40、50 系列，不过得从 GitHub 或 FlashML.ai 折腾一下环境。
原文：https://www.infoq.cn/article/tij5T0vJ1Yk0s7Uov7SE
Kotlin Toolchain 0.12 发布，多平台库发布覆盖 JVM、Android、iOS、Wasm，还能直接构建 Wasm 网页应用
0.11 版本只支持 JVM 发布，现在一次性发布到多个平台，生成对应平台文件，还会自动拉取 npm 依赖。Wasm 网页应用也可以直接构建运行，并支持自定义 index.html。Compose Multiplatform 同步更新，命令行可以启用 Compose Hot Reload，应用运行中直接加载界面修改；新版本还能启动 MCP 服务器，让 AI 代理操作正在跑的应用，比如重新加载、重启、读取组件结构。做 Kotlin 多平台的团队可以琢磨一下。
原文：https://www.ithome.com/0/999/072.htm
Uber 的 GitFarm 把大规模单体仓库的 Git 操作挪到共享服务，客户端资源占用降了 80% 以上
之前每个服务都要完整克隆仓库，Uber 的 Go 单体仓库克隆要 15 分钟、32GB 内存。GitFarm 用 gRPC 暴露 Git 命令，后端维护预热检出和沙箱池，500 毫秒就能完成完整检出。某代码所有权服务接入后，CPU 从 70 多核降到 16 核，内存从 400GB 降到 32GB，启动从 15 到 20 分钟缩到不到一分钟。如果你所在团队有大型单体仓库、又想跑编码智能体，这个思路能帮你省不少基础设施的劲。
原文：https://www.infoq.cn/article/3M4uYzNDWiLX6BR9RXwy
好物挖掘机
DocsAlot 主打「打字就能做出漂亮文档」，不用碰 AI 也不用学排版
它是一个可视化文档编辑器，边打字边看到成品页面的效果，想快速做漂亮文档又不想折腾复杂工具的人可以拿它试试。刚上架 Product Hunt，具体体验和稳定性还得等更多用户反馈，你可以先拿一份需要排版的文档进去玩一下。