两年卖菜经验 | 前 @TankaChat @shanda_group | AI 难民 | 双拼选手 做对是科学，做好则是艺术
Shanghai
Joined August 2020
- Tweets847
- Following509
- Followers567
- Likes1.7K
So here it is — @ryolu_ 's talk at @aiDotEngineer 2026 Shanghai.
I shot it handheld on a Xiaomi 15 Ultra, so there's some shake; I fixed as much of it as I could in CapCut. Handheld footage just isn't going to be sharp or steady.
Still, it's the best talk I saw on day 1 of AIE — which is why I'm not posting a text summary. Watch for yourself.
I missed the first minute or so. Ryo opens with the excitement of what AI makes possible, and how seeing what others are building can quickly turn that excitement into anxiety about falling behind.
哦，当然还有一些演讲也非常精彩，比如：
@ManusAI 分享的 monorepo 这也是为什么我鼓励我们产品经理也去提 PR 的原因。
@lifesinger 分享优慢的是悦己的，向内的，让我印象深刻。
@WaytoAGI AJ 和 @Saccc_c 他们的分享在我看来简直是变魔术，真的要向他们好好学习。
ZinkLu retweeted
软件行业正在从传统的 Winner Take All 转变为餐饮行业的模式。有头部玩家，但头部玩家依然只占据市场的一小部分，剩下大量的长尾市场由各种精品小店瓜分，用户可以选择更符合自己品味的软件。
软件生产力的过剩，让很多细分场景都可以很容易地做出近乎完美的软件。选择哪个完美软件，就逐渐变成了一种纯粹的品味享受。我们拿远程控制 Agent 这个场景举个例子，它不仅不会被 Anthropic、OpenAI 等模型大厂完全吸收，像 Lody 这样的第三方厂商会有自己的生存空间，也会有用户选择用 Raft 这样目标更大的产品去做这样一件更小的事情。还会有各色各样的智能硬件来 Take Over 这个场景，智能音箱已经属于没什么想象力了，做成桌搭（我一直期待制糖工厂做这个，但他们似乎天天在折腾那个意味不明的 AI 调整功率），做进眼镜，做成玩偶，做成钥匙扣，每一种形态都会有人喜欢。
这天然让人焦虑，因为每天都能看到各色各样的竞品出现，且有大量用户夸赞，部分之前使用自己产品的用户也会转向新的产品。但正因为如此，更要坚持自己的品味输出，而不是跟风别人做的东西，别人做什么就补什么。软件生产力已经过剩了，如何保持克制才是真正需要思考的。
看完以后我已经被既视感包围了，总之还是挺完备的，如果能缝合的好，我还是挺期待的。
但话又说回来了，worker 真的靠 DSH 的话，干活应该挺费劲的，那么我拿出 harnessrouter.ai 这类东西，是不是更加 promising 一点？
高强度聊了几天 DeepSeek V4.1，速度是真快，回答也还行，就是有的时候聊着聊着会"忘记"前文，尤其是当我问它类似“我们在第 4 节聊的什么”，它会告诉我不知道，我必须补充第四节的一些大致的内容或方向，它才能够继续说。这和之前发现的 phase sensitivity（同一段信息落进压缩窗口的不同相位，检索准确率会下降）类似。
所以我认为 DeepSeek 最好的用法还是，把流程沉淀成详细技能让它照着执行——只要这些步骤足够详细，说明足够充分，它就能做得足够好，所以做自动化很划算。并且，即使要做任务的话，还是要多多给它补充一些上下文。
Claude 为啥这么聪明，我体验下来，不仅仅是他真的能多去看到代码中遗漏的细节，能比我多想一步，能给出实用的建议。
更是因为他真的优先理解了我的需求。
我是重度语音输入法的用户，各种错别字乱飞，就这样，Claude 也能知道我在说什么，在回复里面会说 ‘你说的xx不存在，我自己理解成了 xxx’。
就这一个事儿，我现在还在其他模型上没太看到过，都是直接带着有偏差的认知一本正经的直接去干活了。
ZinkLu retweeted
We gave DeepSeek’s updated V4.1-Flash-1017 the same 100 pull requests with known vulnerabilities and an hour per PR to find them in the @BugBunny_ai VulnPR-100 benchmark.
It found 54 for just $7.53, making it the best-performing open-weight model on our leaderboard.
That matches Grok 4.6’s 54 findings at roughly 16× lower review cost. It also finishes only three findings behind Gemini 4 Argon while costing roughly 22× less.
The previous DeepSeek V4.1 Flash found 44 for $12.79. The update catches 10 more vulnerabilities while costing 41% less, bringing the cost down to just $0.14 per vulnerability found.
Better recall, lower cost, and the strongest open-weight result we’ve measured. Seriously impressive work from the @deepseek_ai team.
