找到 8 筆
一篇隨筆主張，AI 正在瓦解支撐個人智力活動的知識社群，使長期、複雜的私人思考越來越難維持。作者以軟體工程為例：Claude Code 發布一年多，行業討論從編譯器、型別系統轉向 prompt、harness、loop，變得狹窄膚淺；寫部落格、開源庫或設計新程式語言也不再有人類讀者，內容只會被下一代模型消化。文章稱數學領域正經歷類似過程，並認為持續的知識活動需要共享成果與他人認可這兩種無法獨自獲得的輸入。
《紐約時報》發表長文，講述 Margaret Hamilton 在電腦科學變成男性主導領域之前編寫程式碼的經歷。文章以她的經歷為線索，回看那個程式設計工作尚未被男性佔據的年代，以及此後行業性別結構的變化。原文為英文報導，Hacker News 上有對應討論帖。
巴克萊銀行擴大與 Anthropic 的戰略合作，在全行部署 Claude 以加速軟體開發、改造遺留系統並提升運營效率。巴克萊預計到 2026 年底 Claude Code 覆蓋 50% 開發者，2027 年覆蓋多數軟體工程師。已上線的 Colleague Knowledge Assistant 基於 Claude 的 RAG 架構，超 1.6 萬名員工使用、處理逾 100 萬次搜尋；全球市場業務每天用 Claude 處理約 12 萬封郵件。
微軟推出 FrogNano-4B-2609，一個面向低視訊記憶體裝置的程式設計智慧體模型，基於 Qwen3.5-4B 後訓練而來。其額外訓練為純文字、聚焦倉庫級軟體工程，用約 1500 個合成 SWE 任務環境和基於可執行測試的獎勵做強化學習，不依賴更強模型的解題軌跡蒸餾。模型需配合 Leaf 工具框架生成結構化工具呼叫，產出的補丁須經人工審查、迴歸測試與安全驗證後才能使用。
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現，AI 程式設計工具並未讓企業軟體產出增加或減少用人，編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加，pull request 更常需要返工，審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
在 Criteo 任職的初級工程師 Elise Baturone 認為，AI 不會讓軟體工程師消失，真正的風險是資深工程師消失、所有人永遠停在 Junior 階段。她把自己的 agent 調教成導師，用蘇格拉底式提問做理解檢查，並把「提問」和「review」當成需要自己練的技能：追問 agent 解釋設計選擇、引用來源、論證可疑方案，常能讓它自己發現錯誤。她承認這更費 token，但先弄懂再上線更省事；
安大略省布蘭普頓的軟體工程師兼 YouTuber Anthony Sistilli 自建 Flock 式車牌識別（ALPR）攝像頭用於追蹤警車，皮爾區警方兩名警員隨後上門詢問他收集資料的意圖。他拍影片記錄了這次到訪，並轉述警員稱這類資訊會暴露警員住址、上班時間和日常行蹤。他藉此討論 Flock 等廠商向市政推銷 ALPR 的方式、是否真能降低犯罪，以及資料收集與留存缺乏透明度。皮爾區警方未回應置評請求。
一名軟體工程師用 Claude Code 搭建 AI 流水線，在一夜 12 小時內檢索 435 萬頁荷蘭東印度公司檔案與舊報紙，發現一份被遺忘的隕石記錄、三隻未記錄的犀牛和未定位的火山噴發。他把 570 萬段文字轉成語義向量檢索，再用每百萬詞僅幾美分的小型決策模型 Jev 初篩（讀 5.9 萬條大象記錄約 3 美元），由 Claude Haiku 精讀並核對原始掃描頁。靈感來自歷史學家 Benjamin Breen 用 Opus 5.5 找到的 1615 年渡渡鳥目擊記錄。