前阵子大家疯抢 Mac mini，是为了自己养一只 AI Agent。
现在剧情可能反转：Gemini Spark 这类产品上来后，「自己架虾」可能变成少数派。 Spark 能做的事很日常：定时任务、监控主题、Gmail 触发、整理 Docs/Sheets、建 Skill、接 MCP。 以前 Agent 更像工程师玩具；现在大厂在把它做成普通人的生产力按钮。 小龙虾不一定失业，但「人人自建 runtime」这件事，正在变贵、变可选。 真正差距会变成：你知不知道该把什么
矽谷传统职位正在怎么改变？不是旧职位消失，是原本分开的职能在合并。
六条正在发生的转变： - Product Manager → 自己做原型、分析数据、用 AI 建工作流 - Frontend/全栈工程师 → 不只完成 ticket，要理解客户、对产品结果负责 - ML 工程师/数据科学家 → 从模型和 notebook，转向 Agent、RAG、部署、商业成果 - DevOps/SRE → 要懂 GPU、推理成本、模型服务、Agent orchestration
Craigslist 不是美国拼多多，它往下挖出了另一种东西
有家长期赚得很肥的公司，网站点开像浏览器坏了：几乎没图，密密麻麻全是蓝字链接。 这就是 Craigslist。页面从 1990 年代末起几乎就不怎么改，不做展示广告，不想上市，团队极小，却长期是美国人找房、找工、卖旧货时会打开的地方。 很多人用硅谷尺子量它，量完只剩问号。换一把尺子就顺了： **它不是不会往上做，是整家公司趴在下沉里吃饭；它的「奇葩」——不改版、利润不做满——不是性格缺陷，是护城河
既能写 API，也能和客户喝 IPA：FDE 的核心素质
既能写 API，也能和客户喝 IPA。 这句话不是段子。 是 AI 落地里最稀缺的一种人。 OpenAI、Anthropic 都在招这种人，岗位名叫 FDE。 可我跟大厂工程师聊，很多人听都没听过。 至少在 AI Agent 落地这条线上，值钱的已经不是「把代码写对」， 而是「把业务结果扛下来」。 我把它拆成三件事：能交付 agent、能谈拢人、能为结果担责。 --- FDE 全称 Forward
1 Naval 新 podcast 浓缩版：Vibe Coding、AI 软件的未来，以及他为什么不看好 Apple。
这集 30 分钟，讲了他从多年不写代码，到用 AI agents 打造「个人 App Store」的真实经历，以及对 AI 发展的判断。 Claude Opus 4.5 让 AI 从「玩具」变成真正可用的工具。它终于能保持方向、从头到尾为你打造属于你的 app。 Naval 说，如果你对 AI 的印象还停留在之前，该更新认知了。 过去写代码的「启动能量」太高。现在英文正式成为编程接口，AI 能容忍
Every 是 Dan Shipper 自己创的媒体和软件公司，从 2020 年 GPT-3 时代开始到现在 6 年多。
1/7 他们从 GPT-3 那刻起就把 AI 塞进每个工作流：写稿、编辑、客服、设计、营销、工程。Codex 和 Claude Code 是默认界面，新模型 alpha 阶段他们就先拿到。理论上这是「自动化到极致」最彻底的样本。 结果 2026-05-21 他发报告《After Automation》，标题直白：「我们什么都自动化了，但人却变多了」——从 4 人扩到 30 人。 几天后上 Lenn
HN上有篇帖子今天炸了：一个程序员说LLM正在毁掉他的职业生涯。
878条评论。说明这是真实的集体焦虑。 作为在硅谷写了11年代码的人，我来说说我的判断👇 他说的痛苦是真实的： - 公司在用AI替代初级工程师 - 他不确定自己的价值在哪 - 技能感觉在贬值，但不知道该学什么 不是矫情，这就在发生。 但他问错了问题。 "AI会不会取代我"是错的。 正确的问题是："我解决的是什么类型的问题？" AI很强，但它解决的是已知问题。 你的价值在于定义问题。 硅谷11年，
前端工程师不用太担心失业。
把 Next.js + MSW + ESM dependency + polyfill 的问题扔给 Gemini，它 loop 了一圈之后说：「I will stop here and hand this over to you.」 ChatGPT 稍微好一点，承认踩坑了，给了几条思路。 但最后还是人工改的。 前端 tech stack 的混乱程度，AI 也没辙。
Hacker News 今天 382 分，232 条讨论，标题：
Domain expertise has always been the real moat. 翻译过来：行业专业知识，一直才是真正的护城河。 一句话，打中了很多人。 AI 能帮你写代码，能帮你写文案，能帮你做分析。 但 AI 不知道：你的行业里哪些是真问题，哪些是伪需求。 不知道为什么那个合同谈不拢，不知道那个客户为什么真正离开，不知道那家竞对三年后会不会还在。 这些，是积累出来的判断力。 在硅
1/ Cloudflare CEO 在《华尔街日报》写了一篇文章，标题很直白：
1/ Cloudflare CEO 在《华尔街日报》写了一篇文章，标题很直白： 「AI 时代，我如何决定裁谁？」 公司营收创纪录、现金流强劲——然后他裁了 20% 的人。 一家年增长超 30% 的上市公司，这在美国商业史上几乎没有先例。 2/ 他把公司所有人分成三类： 🔨 建造者 — 造产品的工程师 💼 销售者 — 拿下客户的前线 📊 测量者 — 其余所有人：中层管理、合规、运营、大部分市场