leeight @leeight

YOLO Singapore Joined March 2008

Tweets

13K
Followers

4K
Following

6K
Likes

15K

yihong0618 @yihong0618

2 hours ago

余承东刚说完盘古要做第一，美国政府就把 Fable 关了。。。

38 5 244 48K 7

View Details

Wey Gu 古思为 @wey_gu

3 hours ago

收到 @conductor_build Pro 邀请了！

3 1 13 1K 0

View Details

Wey Gu 古思为 @wey_gu

2 hours ago

vercel 牛逼，这是 ai-native 典范啊把你的网站 zip、folder 丢进就能部署，不管是啥框架

Guillermo Rauch @rauchg

4 hours ago

drop.new

46 12 286 28K 113

3 5 21 4K 16

View Details

@isaac_mason_ @Zackary_Chapple @robpalmer2 @rspack_dev We’re building a new Rust-based compiler & optimizer for TypeScript, using static type info from typescript-go. Think Google Closure Compiler for TS: smaller/faster apps & libs, targeting ~10–20% bundle size reduction. It’s still private, but we plan to open source it.

2 7 26 1K 5

View Details

Xudong Han @Xudong07452910

a day ago

这篇论文很适合所有重度使用 Claude Code、Codex 或者其他AI Agent 的人看。它研究的不是 Agent 在 benchmark 上怎么失败，而是一个更真实的问题：在真实开发里，AI coding agent 到底是怎么惹开发者生气的？论文分析了 20,574 个真实 coding-agent sessions，覆盖 IDE 和 CLI 工作流。它把“失败”定义得很有意思：不是单看代码有没有跑通，而是看开发者什么时候开始纠正、打断、反驳 Agent。结果挺真实，最常见的问题居然不是“代码写错”，而是 Agent 违反开发者明确说过的约束。比如你说“别改这个文件”“先别动代码”“只做最小修改”，它还是忍不住多做一点；你让它解释问题，它顺手开始改代码；你让它验证完再说完成，它没跑完就开始汇报胜利。论文里还有一个很有意思的差异：CLI Agent 更容易违反约束，因为它经常被委托去做更长、更开放的任务；IDE Agent 更容易出现局部实现错误，因为它更像贴身 copilot，在高频交互里改代码。最扎心的是，很多失败并不会立刻造成灾难性后果，而是消耗开发者的时间和信任。你得不断判断它有没有听懂、有没有越界、有没有真的验证过。这和我自己的体感很像：AI coding 真正让我感到累的地方是得一直判断它有没有听懂、有没有越界、有没有真的验证过。所以我期待的 coding agent 的进步，不能只看代码能力，还要看它能不能持续对齐开发者意图、遵守边界、准确汇报进度。 AI coding 的难点，可能不是“写得更快”，而是“别让我反复擦屁股”。 arxiv.org/pdf/2605.29442

7 37 171 14K 211

View Details

闵祖涛 @zutaoMin

22 hours ago

2025年 coding agent 能快速普及，得益于下面两项技术的突破： 1. 长上下文召回率突破: GPT-5.1：~30-40% 召回率，GPT-5.2 / Claude 4.6：~90% 召回率。在长达1M的context中模型能精准的找到需要的关注价值信息。 2. Coding Agent Harness 成熟：Cloud Code / Codex Harness 层技术成熟，system prompt + tool use 编排（Context Engineering）取代 RAG，Skills 接口（自然语言 + 可组合）取代 NCP。

6 3 23 4K 16

View Details

Jiahan Chen @jiahan_c

24 hours ago

Rstest was nominated for this year's Productivity Booster award at JSNation 🎉 Here's the video shown on stage, made by @fi3ework27 with @Remotion (which is also powered by Rspack)

3 14 56 5K 11

View Details

Elon Musk @elonmusk

a day ago

Tesla FSD 14.3.4 rolling out now

5K 9K 73K 8.9M 2K

View Details

Nicola Corti @cortinico

2 days ago

Yesterday we relocated 🎉

12 18 757 47K 23

View Details

Dr.Wang @HotmailfromSH

2 days ago

美国心理学之父William James曾说： “我们每个人都带着傲慢与偏见，我们以为自己在思考，而实际上大部分我们以为的思考是在尽力佐证自己的偏见。” 人类最危险的心理机制之一，就是不断为自己愚蠢的信念或错误的决定进行辩解。我们并非在“发现真理”，而是在“捍卫立场”。

12 22 130 9K 65

View Details

宝玉 @dotey

2 days ago

这段视频展示了一个极其前沿且硬核的视频制作方式：视频完全没有使用传统的非编软件（如 Premiere 或 Final Cut），而是由 Claude Code 配合 Fable 5 通过全自动编写代码和调用命令行工具“剪辑”而成的。整个工作流被抽象成了一个软件工程项目，主要包含以下几个关键步骤： 1. 全量语音转写与时间戳打点 (Whisper)：将拍摄的 25GB 原始素材（17个 Take，4个场景）交给本地运行的 Whisper 模型。模型不仅输出了文本，还生成了精确到毫秒级的单词时间戳 JSON 文件。 2. AI 智能挑选最佳镜头 (Subagents)：多个 Subagent（子智能体）基于生成的 JSON 文件，自动分析并剔除了包含“嗯”、“啊”等停顿词的废片，选出了表达最清晰、结尾最干净的备选片段。 3. FFmpeg 自动粗剪：将 AI 挑选出的最终片段生成一个决策 JSON 文件，然后直接通过代码调用 ffmpeg，将这些片段无缝拼接到一起，完成第一版粗剪。 4. 纯代码自定义调色 (Color Grading)： AI 从零开始手写了 LUTs（色彩查找表）代码，并且为了方便人类介入，它还自动生成了一个带有滑块的 HTML 网页，让人类可以通过拖拽滑块直观地调整色温、亮度和对比度，调好后的参数会直接传回代码中。 5. React 组件化动画制作 (Remotion)：并没有使用 After Effects。AI 将原本静态的图形文件转写成了基于 React 的 Remotion 动画组件。利用第一步生成的单词时间戳，AI 实现了极其精准的“卡点”——当作者念出特定的词（如 "right"）时，UI 动画会自动触发，完全不需要手动对齐时间轴。 6. Figma MCP 协作打磨： AI 将生成的画面导出到 Figma 中，让人类设计团队进行排版和视觉优化。人类修改完毕后，AI 再通过 MCP（模型上下文协议）将 Figma 的最新设计自动“抓”回代码里，最终渲染出 4K 24fps 的成片。

Thariq @trq212

2 days ago

Lots of people asked how I used Fable to edit its own launch video so I made a video about that! TLDR it wrote a lot of code & tool calls to use transcription services, ffmpeg, do colorgrading, use the figma mcp, make remotion UI and render it. I didn't touch a video editor.

290 613 9K 941K 13K

27 61 309 43K 460

View Details

Caleb Barclay @calebarclay

3 days ago

We're launching Bridge today 🌉 An AI engine that builds virtual homes. Blueprint in, walkable home out. Every plan, every option, structural changes included. What took 3D artists months now takes days. Homebuilders can finally show buyers every home they sell. arcway.ai

139 184 3K 1.4M 3K

View Details

Weiping Qin 秦偉平 @WeipingQin

2 days ago

下课了，和教授合影，他是AI的big fan, 一下午提到AI八百次。😄 这里是San Francisco, AI宇宙的中心。

4 2 23 4K 0

View Details

NadeshikoManju@ゆるキャン△ SEASON４ 2027 放送予定 @Manjusaka_Lee

2 days ago

最近聊到 AI 带来的职业焦虑问题，今晚正好和人聊了一下对于大部公司而言 AI 可能可以替代不少环节，但是在最后一公里还差了很多 AI 时代带来交付和 Review 压力是极为恐怖的。要么 All in AI，要么要很限制 AI 的使用范围而允许人使用 AI Coding 但是配套设置没跟上最后的后果就是，AI 会以一种狂暴的速度拉爆所有人 stripe.dev/blog/minions-s… stripe.dev/blog/minions-s… 我还是建议大家都看一下这两篇文章再焦虑或者说根据我自己的经验，焦虑之前可以判断以下几点 1. 自己公司是否有足够的 Context Memory 系统的建设，能让 AI 获取足够的 domain knowledge 吗？ 2. 是否有足够的 devcontainer 等基建，能够让 Agent 有隔离的自迭代的跑起来 3. 是否有足够成熟的交付体系，通用框架，可以让 AI code 直接低成本的自动部署上线 4. 是否有足够的 skill/memory 等共享机制来复用通用能力 5. 数据仓库是否有足够的权限控制，可以实现满足合规下的 AI 数据接入如果以上有三点都没有做到，那我觉得暂时不用担心自己被 AI 替代，因为替代你的成本会很高。请放心，AI 不会替代你，只会拉爆你

6 15 132 9K 148

View Details

Ren @FakeMaidenMaker

3 days ago

这个访谈中， ClaudeCode 工程主管 Boris 分享了从 Claude Code 的诞生一直讲到 AI Native 组织形态的终局，信息密度极高！ 1️⃣ Claude Code 的诞生是个意外：诞生时只能写他 10%-20% 的代码 Boris 2024 年底加入 Anthropic 的实验室团队（Labs），任务是找下一个突破性产品、同时反推模型进化。当时的编程工具只有自动补全，agent 能回答问题但写不了代码，于是他们赌了一把纯编码 agent。初版效果很差，很长一段时间只承担他一两成的代码量。 2️⃣ 为什么选编程当切入点：它是研究 AI 安全的最干净试验场研究模型必须把它放进真实环境。编程是完美场景： - 代码要么编译过要么不编译失败 - 测试要么过要么不过正确解法有限（对比诗歌翻译有无数种好答案）同时编程商业价值高，让公司不靠广告就能活，研究和生意两手抓。 3️⃣ 他已经 6 个月没写过一行代码转折点是去年 5 月的 Sonnet 4／Opus 4 和 11 月的 Opus 4.5。模型变强后他在 11 月直接卸载了 IDE，因为一个月没打开过。现在又上了一层：他不再直接给 Claude 写 prompt，而是写循环（loop），让循环去指挥几百个并行运行的 Claude 实例，这些实例自己看 Twitter 反馈、GitHub issue 和 Slack 来决定下一步做什么。他判断：这种工作方式年底前会普及。 4️⃣ 内部数据：人均代码量涨了约 3 倍，新人上手从几周缩到 2 天发布 Claude Code 后，Anthropic 工程师人均代码行数和 PR 数涨了几百个百分点，最后公开的数字约 3 倍，实际现在高得多。更反直觉的是：通常团队扩张会拖垮人效，他们反而把新人上手时间从几周压到 2 天，因为新人不用问同事，直接问 Claude（比如查数据库，Claude Code 里有现成技能自动执行）。 5️⃣ Boris 的爷爷在苏联用穿孔卡片编程，父亲写汇编，会嘲笑他写 Python不算编程。从交换机到穿孔卡片、汇编、高级语言再到今天的 prompt 和循环，抽象层级抬升是编程的常态，不是断裂。 6️⃣ Cowork 的诞生：用户硬开终端的需求倒逼出来的，9 天建成先是数据科学家自己摸索装 Node.js、配 API key 用 Claude Code 做分析，一周后整个数据团队都在用；接着财务、产品经理、设计师都在交付代码； 7️⃣ 组织终局：组织架构扁平化 + 所有角色都是"builder" Anthropic 全员头衔都是 Member of Technical Staff， Meta 也是所有人都叫软件工程师不分级。好处：高职位的人提了烂主意，别人会出于尊重接受而不是反驳。他在 Facebook 还是 L4 时直接找 VP 推销想法，对方根本不知道他级别。现在资历反而是负资产：老工程师要花几个月戒掉过时习惯，应届生反过来教他用 Claude Code。约 6 个月前他发现"用户研究员→设计师→PM→工程师"的流水线已死。团队里每个工程师都在做需求界定、每天和用户聊、自己拉数据建仪表盘。现在是通才的黄金时代。 8️⃣ 给创始人的两条操作建议第一，给所有人尽可能多发 token；第二，故意给项目减员——感觉要 4 个工程师的活派 2 个人加 token，他们大概率会靠自动化做完，且以后会更便宜。人类最后要教给模型的是价值观——像教孩子做好人一样，教模型做好模型。

0 12 44 6K 45

View Details

Jiahan Chen @jiahan_c

3 days ago

Rspack + tsgo cut overall build time by 60% in our benchmark 🚀 Type checking during builds is often one of the biggest build-time costs. tsgo integration is now available out of the box in: - Rspack plugin - Rsbuild plugin - Rslib

1 20 115 8K 19

View Details

Amazon Web Services @awscloud

3 days ago

@honeycombio Quality first, quantity second. Hear how @mipsytipsy built it on the AWS for Software Companies podcast. go.aws/49KfSAA

3 33 546 227K 287

View Details

@

3 days ago

明天在 tuwa 和 otohibi 上接入！

@

57 years ago

0 0 0 0 0

2 4 48 23K 22

View Details

Boris Cherny @bcherny

4 days ago

Just landed nested subagent support in Claude Code Starting to experiment more with agents kicking off agents as a way to better manage context. Capped at depth=5 to start, going out in today’s release. Lmk what you think!