AI Builders Digest

Anthropic 的 Boris Cherny 和 Claude 官方账号都在推 Claude Cowork：未来一个月把 Cowork 的 5 小时使用限制翻倍，并开放到所有付费计划，持续到 7 月 5 日。

Boris 的定位很清楚：Cowork 最适合“比聊天更大的任务”，比如跨几十个账号研究、周期性报告、收件箱分拣和草拟回复。

Guillermo Rauch 讲了两个基础设施方向。第一，agent 的文件系统状态现在可以独立于 sandbox 生命周期读写和挂载，工作状态不再必须随着执行环境消失。

第二，他把 Skills API 类比成“agent 能力和扩展性的 npm registry”。未来 agent 平台比拼的不只是模型和执行环境，还有能力的分发、复用和治理。

Garry Tan 连续提到 GBrain、OpenClaw 和 Hermes Agent，并说一个几个月前预告的大项目现在可以试用。

他的表述重点是帮助用户学习更好的软件构建技巧，并更快构建软件。这更像是把 agent 从“替你写代码”推向“教你形成更好的构建方法”。

Peter Yang 给出了一套很实用的 AI skill 构建流程：先给上下文和好输出样例，再写清楚触发条件，然后加入 pass/fail evals，最后给 skill 加 memory，让它能记录过去聊天里的一句话经验。

他甚至建议再做一个“清理其他 skills 的 skill”，专门删除重复、过时、模糊和 AI 味太重的规则。这条最适合直接转化成我们后续自动任务的规范。

Madhu Guru 的判断是：企业 AI 团队最常见的错误之一，是按今天的模型能力和价格点来构建系统。

他的建议是看 6 个月后的斜率。今天为模型短板搭的脚手架，下一代模型可能会原生解决。所以真正的护城河不是某个 workaround，而是持续识别模型缺口、补上缺口、再推进边界的能力。

swyx 给了一个很小但有用的提示词习惯：把任务写成问题，让模型自然地推敲、反问、提出替代方案，而不是机械执行你说出的字面指令。

他的实用建议是，有时只要在 prompt 末尾加一个问号，就能让模型从“照做”切换到“判断这是不是好主意”。

Matt Colyer 是 Figma 的 Director of Product Management for Developers。他的核心观点不是“AI 会杀死 SaaS”，而是 AI 会让软件数量暴增，真正可靠、可维护、能融入工作流的软件公司反而有更大的市场。

他的经验很具体：vibe coding 一个初版很爽，但持续维护、升级、保证它每天都能用，是另一回事。这也是为什么他现在买的软件比以前更多，因为很多时候他只想让别人替他稳定运营那个能力。

Figma 的 AI 方向也很清楚：不要只把 AI 困在文本框里。设计本来就有发散和收敛两个阶段，Infinite Canvas 更适合让 agent 帮你生成多种方向，再让人类精修细节。

更长期的瓶颈会从“生成”转向“审查”：当 agent 能产生大量页面、PR 和设计，人类如何高效判断它是否符合公司的价值和标准，才是下一阶段的问题。

Ryo Lu 展示了 Cursor Composer 2.5 里的设计体验：在代码中设计可以通过 click、chat、按住 shift 多选来完成。

这是一条小信号，但方向清楚：设计工具、代码编辑器和 agent 界面的边界正在继续靠近。

Box CEO Aaron Levie 反过来用 AI coding 来说明知识工作的自动化难度。

写代码已经是最适合 AI 自动化的领域之一：训练数据丰富，用户懂技术，结果可测试，上下文多在代码库里。但即便如此，人类工程师仍然需要监督 agents。

这说明知识工作的自动化可能比外界想象得更复杂。很多知识工作难验证、上下文不完整、评审成本高，所以不能简单套用 AI coding 的速度曲线。