终端Kai日报 Logo 终端Kai日报

今日精选

终端Kai日报

2026年7月7日 · 刚刚更新 · 已收录 8 条

技巧观点 Hacker News 热门(buzzing.cc 中文翻译)

AI颠覆初级程序员就业市场:斯坦福数据揭示年轻开发者就业锐减19%

斯坦福数字经济实验室基于ADP薪资数据发现,美国22-25岁软件开发人员就业较2022年峰值下降19%,而41-49岁增长14%。入门级岗位招聘减少28%,计算机科学毕业生失业率达6.1%,高于文科专业。核心推手是2024-2025年兴起的智能体编程(Agentic programming)。总程序员就业增长4.4%,但全部来自年长群体。GitHub一年新增3600万账号,80%新用户一周内使用Copilot。编程工作未消失,但“初级程序员”头衔正在消亡。

技巧观点 TechCrunch:AI(RSS)

Google 更新隐私设置,默认用媒体数据训练 AI,用户可手动退出

Google 于 6 月通过客户邮件低调更新了搜索服务隐私设置,新增“搜索服务历史”和“个性化推荐”两项开关,默认将用户上传的图片、文件、音频和视频录制等媒体数据保存并用于训练 AI 模型。该更新适用于搜索、地图、购物、航班、酒店、翻译、新闻等服务。用户可通过取消勾选“保存媒体”框来退出,同时可设置数据自动删除周期(3/18/36 个月)。此前独立的网络与应用活动设置不再影响搜索服务数据保留。Meta 等其他公司也在大规模收集用户媒体数据用于 AI 训练。

技巧观点 X:Vista (@vista8)

免费开源API中转站监测网站tokhub.me上线

作者与姚老师合作开发中转站评测网站tokhub.me,通过真实充值调用API进行模型监控,区别于单纯速度评测。代码完全开源,支持一键Docker部署,还可作为公司内部Token和网关管理系统,省去繁杂的API Key和Base URL管理。开源代码见Github评论区。

技巧观点 Hacker News 热门(buzzing.cc 中文翻译)

AT&T 1956年专利法令:公共天才的私有化

1956年1月24日,全球最大私营公司AT&T签署专利法令,将其7,820项未过期专利免费授权给所有美国企业,并承诺未来专利按“合理费率”许可。作为交换,AT&T得以保留Western Electric,但被禁止进入电信以外的业务。贝尔实验室69%的非电信专利(涵盖化学、半导体、光学等)迅速公开,在短短几年内催生了约35亿美元衍生专利价值,并直接推动了肖克利半导体、仙童半导体及英特尔的诞生。戈登·摩尔称该法令是“商业半导体行业最重要的进展之一”,为美国硅谷的起飞奠定了基础。

技巧观点 公众号:卡尔的AI沃茨

分享8个Claude Fable 5下线前必跑的超实用Prompt

Claude Fable 5即将下线,作者整理了8个经实战验证的提示词:/goal提示语让模型自主跑25次实验(花费165美元,构建速度提高50%、token开销降60%);工作模式提示语将用户习惯转化为可复用Skills;行动规范提示语约束subagent行为;subagent分配提示语智能分配任务;25个定时循环工作流(含Shadow prompt loop做A/B测试);自治运行+自动暂停提示语;记忆系统提示语保留错题本;反向面试提示语确保95%把握再执行。这些提示词可迁移至API计费后继续使用,核心是让模型研究用户而非限制能力。

技巧观点 X:Claude Devs (@ClaudeDevs)

Claude Code 团队详解四种智能体循环类型

Claude Code 团队将“设计循环”定义为智能体重复工作直到满足停止条件,划分四种类型:1)回合循环——手动提示触发,Claude 自判完成,适合短任务,可通过 SKILL.md 提升验证;2)目标循环——`/goal` 手动触发,达成目标或达最大轮数停止,需确定性完成标准(如测试通过数);3)时间循环——`/loop` 和 `/schedule` 按间隔触发,适合同步消息、检查 PR 等重复任务,可云端运行;4)主动循环——事件或计划触发,无人实时参与,每个子任务独立退出。建议从最简单方案开始,选择性使用复杂循环。

技巧观点 Claude:Blog(网页)

Claude Fable实地指南:发现你的未知

Claude Fable是第一款要求用户主动澄清未知才能获得高质量工作的模型。与Claude Fable协作是一个在实现前后迭代发现未知的过程。通过将问题分解为已知的已知、已知的未知、未知的已知和未知的未知四类,用户可以借助Claude Fable和Claude Code进行盲点检查、头脑风暴、原型设计、实现笔记记录以及答辩解释,从而高效挖掘并解决深藏于代码库和设计与实现中的潜在问题。

技巧观点 Google Developers Blog(RSS)

Google MaxText 弹性训练:训练中途终止 TPU,数秒内恢复

分布式 AI 训练常因单台机器故障导致整个多节点作业崩溃,需耗时重启。Google 的 JAX 生态通过 Pathways 实现弹性训练,将硬件故障转化为可捕获的 Python 异常,使运行进程存活。测试中,训练中途终止一个 TPU 后,系统自动替换损坏的节点、从 Cloud Storage 恢复最新检查点并原地恢复训练,总停机时间低于 2 分钟,主控制器进程全程无需重启。