leeight

YOLO

[Renso AI @RensoAI]

Code Graph with my AI all day long... 😄 (https://t.co/fAI0NkuHWN)

[Ben Holmes @BHolmesDev]

@Cloudflare And I thought Vercel was the one collecting all of the infinity stones...

[笑林 @xiaolinbythesea]

Cursor 招聘设计工程师了，非常令人心动，但我还犹豫着不能行动；

我在字节工作了8年，一直游走在动效设计师和设计工程师之间。最近我的团队（豆包手机团队）也在招聘设计工程师，但是我们需要的方向更多要有一些对 Android 平台的了解，和硅谷大多数设计工程师围绕 Web 展开工作有所区别。

前一阵我也对市面上招聘设计工程师的 JD 做了调研，和 ChatGPT 一起做出以下几个画像，虽然 Title 都是设计工程师，但还是有不同的侧重的：

画像一：AI Design Engineer

定位：
负责把 AI 能力转成可理解、可控制、可验证的产品体验。
传统产品设计师、UI/UX 设计师的 AI 升级版。

典型任务：
- 设计 agent workflow、tool call、执行计划、状态反馈。
- 做真实或半真实 LLM/API 驱动原型。
- 处理 AI 的 latency、streaming、失败、幻觉、权限、回滚、人工确认。
- 和模型、后端、前端、产品一起定义可交互的 AI 产品机制。

关键证据：
- 有能运行的 AI 产品原型，而不是只有 UI mock。
- 展示过复杂状态、异常、边界、权限和失败恢复。
- 能清楚解释“模型能力如何影响交互设计”。

不适合信号：
- 只会把 AI 做成聊天框。
- 只关心 prompt，不关心产品状态和人机协作。
- 无法解释 AI 输出不确定性如何体现在界面中。

画像二：Product UI Craft Engineer

定位：
把关键产品界面做到可上线质量，负责交互、动效、性能和细节手感。
传统动效设计师、原型设计师的升级版。

典型任务：
- 从 Figma 或 Sketch 直接写出高质量 React/TypeScript 原型。
- 打磨 loading、empty、error、success、hover、focus、keyboard、transition。
- 做组件抽象、交互动效、响应式、性能优化。
- 和设计师、产品、工程师一起把“感觉不对”拆成可修复的细节。

关键证据：
- 作品中有真实可操作界面。
- 细节状态完整，不只有 happy path。
- 能解释性能、动效、可访问性和视觉 polish 的取舍。

不适合信号：
- 会写代码但审美粗糙。
- 会做视觉但无法落到真实前端。
- 对交互状态和边界情况不敏感。

画像三：Design Systems Engineer

定位：
建立团队长期复用的设计与前端基础设施。
传统设计系统维护者使用 AI 加强工作流。

典型任务：
- 建立 tokens、components、patterns、docs、Storybook。
- 连接 Figma variables 和代码组件。
- 定义组件 API、可访问性标准、motion token、dark mode、主题系统。
- 让 AI 工具能消费组件、token 和设计上下文。

关键证据：
- 有完整设计系统项目，而不是零散 UI kit。
- 同时展示设计规范和代码实现。
- 能处理组件治理、版本、迁移、文档和跨团队协作。

不适合信号：
- 只会画组件，不懂组件 API。
- 只会写组件，不懂设计语义。
- 过度抽象，脱离真实产品场景。

画像四：Creative Technologist / Motion & Graphics Engineer

定位：
负责产品中的高级动效、实时图形、创作工具、3D/空间交互和生成式视觉体验。
传统技术美术、特效设计、动效动画设计的进阶。

典型任务：
- 做 Canvas / WebGL / Three.js / Rive / Lottie / Shader 原型。
- 设计时间线、关键帧、预览、生成、局部编辑、版本分支。
- 把 AI 生成结果变成可编辑、可理解、可控制的创作界面。
- 探索 Aesthetics 2026 所说的 technical mono、mixed media、3D、nostalgia、texture、glitch 等方向，但保持可用性。

关键证据：
- 有动效或图形交互 demo。
- 能说明动效如何服务信息层级和操作反馈。
- 有审美实验能力，但不牺牲产品清晰度。

不适合信号：
- 只做炫技动效，无法服务产品。
- 只懂静态视觉，不懂时间和交互。
- 3D/图形能力脱离工程实现。

画像五：AI Design Workflow Architect

定位：
不是单点做界面，而是设计团队如何使用 AI、Figma、代码库、设计系统一起工作的流程。
AI 时代的新角色，AI Design Infra，与前面四个画像深度合作。

典型任务：
- 搭建 Figma → token → component → code → docs 的链路。
- 使用 Claude Code、Cursor、v0、Lovable、Figma MCP 等工具形成团队工作流。
- 设计 AI 辅助 UI 生成、组件检索、设计系统问答、自动文档、代码同步。
- 把设计系统变成模型可读的上下文。

关键证据：
- 有自动化或半自动化设计流程案例。
- 能解释 AI 工具在流程中哪里可靠、哪里不可靠。
- 能平衡速度、质量、治理和团队学习成本。

不适合信号：
- 把 AI 工具当噱头。
- 只会“生成页面”，不会维护系统。
- 不能判断 AI 生成结果的设计质量。

---

上述画像是以技能侧重抽象的，不一定是精准匹配到某类人，甚至大多数设计工程师是在多个画像间交叉的，比如我。

有对豆包手机感兴趣的可以联系我，有对我感兴趣的也可以联系我 😁

[猫总 @catmangox]

今天还有谁能正常上X的举个手，看看你们的微屁恩到底行不行？

[Bulvar Medya @Bulvarpress]

ABD’de bir müşteri, 612 dolarlık restoran hesabına yalnızca 9 dolar bahşiş bıraktığını ve Amerikada tip kültürünün bir saçmalık olduğunu savundu:

“Bahşiş kuralları sanki değiştirilemezmiş gibi davranılıyor. 612 dolarlık bir yemek hesabım vardı ve bir anda sırf toplam tutar yüksek diye 120 dolardan fazla bahşiş bırakmam bekleniyordu. Masaya aynı tabaklar taşındı, aynı içecekler dolduruldu, masada aynı süre geçirildi ama nedense garsonun kazancını menü fiyatları belirliyor. 9 dolar bahşiş bıraktım, bu da birkaç saatlik hizmet için gerçek bir para. Ancak sanki yazılı olmayan bir kuralı çiğnemişim gibi ortamın havası bir anda değişti. Ardından müdür yanıma gelip ‘sektör standartlarından’ bahsetmeye başladı. Daha pahalı bir yemek sipariş etmek ne zamandan beri daha fazla emek harcandığı anlamına geliyor? 50 dolarlık bir yemek yerine 20 dolarlık bir yemek söylersem tabak bir anda daha mı ağır oluyor? İyi hizmet aldığımda bahşiş veririm ancak restoran daha pahalı olduğu için bahşişin otomatik olarak yüzdelik bir ek ücrete dönüşmesi gerektiğini düşünmüyorum. Sizce bu adil mi, yoksa artık buna o kadar alıştık ki sorgulamayı mı bıraktık?” dedi.

[Justin Wetch @justinwetch]

INTRODUCING SKILL RSI: Recursive Self Improvement for Agent Skills

Recursive self-improvement is usually a thought experiment. This one runs on your laptop. Skill RSI improves Codex Agent Skills by treating each loop like an experiment. It researches the domain ontology, maps what “good” means, deconstructs the current champion, tests a focused challenger against it, and only promotes the new version when the evidence holds up. You can start from a new goal or upload an existing skill as the baseline. Standalone or Codex plugin. Repo link in the comments. There's a copy-pastable command to give to Codex to have it install the whole setup for you, so you can get started right away.

[Weizhu Chen @WeizhuChen]

We just released MAI-Code-1-Flash, a 5B-active small model. The team just finished this from a pretrained model to VSC and Copilot CLI production within a few weeks, so proud of their achievements. More details are here https://t.co/jx85ssYAea and a bigger model is on the way.

[沐阳 @yyyole]

叹为观止！我是真的搞不懂！！

为什么一个全球化社交平台，对这些垃圾内容的容忍度如此的高，我不相信算法没有侦测到这些异常内容，也不相信官方没有能力和办法处理掉这些垃圾账号……

为什么不处理呢？

[Daisy @Yintinusa]

我现在终于能理解为什么程序员也是一门苦差事了，以前总想着坐办公室的能有多累？

这要是没有AI，那么多细节那么多BUG靠人工一个个去写去修那真的要累吐血，AI总是搞错，领会不了我的意思我都要气死，我得一遍遍训它😂

而且程序员一写起来就是白天黑夜的都干不完，一天坐在办公桌前确实会累的腰酸背痛.

AI真的是解放了大家啊👍

[Sunny @0xenderzcx]

前天这条推文打破了我的最高浏览量记录，很多人问我pi 是什么，我到底应该怎么在pi上面开发agent？
我将我的真实开发经历总结成这7条
先说结论：pi能帮你省很多脏活，但真正决定你agent是不是玩具的，从来不是pi本身。
1/7

[小互 @xiaohu]

Manus 引发的法规来了

出海可以，但是不能出卖...

投资者开展对外投资活动，不得出口、使用国家禁止出口的货物、技术、服务及相关数据，或者未经许可出口、使用国家限制出口的货物、技术、服务及相关数据；

不得以跨境派遣技术人员、组织人员赴其他国家（地区）工作、跨境提供技术指导、安排人员跨境培训等方式向其他国家（地区）转移国家禁止出口的货物、技术、服务及相关数据

或者未经许可向其他国家（地区）转移国家限制出口的货物、技术、服务及相关数据。

[Dr.Wang @HotmailfromSH]

整四年。

上海于 2022年6月1日正式宣布全面解封，结束了长达两个月2500万人的全域静态管理。自当日零时起，公共交通全面恢复，市民生活与企业生产秩序逐步恢复。

解封当天我感到有些“恍惚”，难以瞬间适应从“绝对封闭”到“完全自由”的剧烈转变，长期处于封闭状态，情绪防御机制导致暂时失去了兴奋感……

[Wey Gu 古思为 @wey_gu]

赞哈
alma 又领先了一个版本

[0x_Miko @Mikocrypto11]

Anthropic 自己的团队，刚刚演示了如何搭建 production AI agents

37 分钟

免费
而且是由真正构建这套系统的 engineers 亲自讲
这不是又一个“AI 很强”的泛泛分享

而是直接展示：
怎么把 AI agents 从 demo，推进到 production
很多人过去 6 个月，还在手动管理每一个 workflow
自己拆任务
自己复制上下文
自己盯执行
自己检查结果

但 Anthropic 这次讲的是另一件事：
如何把这些 workflow 放到 autopilot 上
让 agent 不只是回答问题，而是参与执行、协作和持续推进任务

真正有意思的是：
AI agent 的关键，不是单次生成得多漂亮
而是能不能稳定接住真实工作流
能不能连接 tools
能不能处理上下文
能不能持续执行
能不能进入 production

先看这个 37 分钟 workshop
未来真正拉开差距的，是谁会用 AI 提问，还是谁能把 AI agents 接进自己的生产系统？

[0xqqq.eth @mon1y_]

你说 IBKR 是老古董吧，是 UI 很丑 UX 难用。
但是它汇集了全球货币的电子化处理方式，臃肿是肯定的。但是我已经离不开他了。

当你看到这个图的时候你真的不能说他是老古董，他对当下最重要的事一清二楚而且一下给你来了三个 AI 接入，虽然两个在准备中。

这是真心佩服得，看得清摸得准。同花顺会让你接入 @deepseek_ai 么？

[meng shao @shao__meng]

Cursor 最新发布「开发者习惯报告」

AI Coding 已经不再只是“写代码更快”，它正在强烈改变软件开发的工作形态：开发者提交更大的变更，Agent 做更深的任务，更多 AI 代码进入代码库并保留下来，下一步会从个人辅助工具走向自动化开发基础设施。
https://t.co/gvOy5ACnat

# Cursor 团队报告中最重要的 5 个发现

1. 代码产出速度明显提高：每位开发者每周新增代码行从 2025 年初约 3.6K，升到 2026 年 5 月的 8.6K；PR 的 p75 新增代码行也从约 126 行升到约 345 行。

2. 开发单位变大了：1000 行以上的“大 PR”占比从约 8% 升到 13.8%。这说明 AI 不只是在补全局部代码，而是在让开发者一次处理更大的任务。

3. Agent 正在做更复杂的工作：过去两个月，单次 Agent 会话的平均工具调用数上升约 30%，说明它们在更多地读文件、改文件、搜索代码、运行命令、访问网页。

4. AI 生成代码的“留存”在提高：被接受的 AI 代码在 60 分钟后仍然存在的比例，从 2026 年初约 76% 升到约 81%。这比单纯统计生成量更有意义，因为它接近“代码是否被开发者认可并进入实际工作”的信号。

5. 少数高水平用户获得了更大的收益：AI 使用非常集中，AI 代码行、花费、token 使用的 Gini 系数分别为 0.77、0.75、0.72；P99 用户的 AI 代码行是中位数用户的 46 倍，合并 PR 数是 15 倍。

[Elon Musk @elonmusk]

SpaceX has almost finished writing V1.0 of an in-house AI training stack in C that exact-maps to 220k GB300s with 800G NICs, making heavy use of pipeline parallelism and getting as close to bare metal as possible.

The potential speed improvement vs JAX for large training runs is over an order of magnitude.

[图拉鼎 @tualatrix]

今天接受了一个纪录片采访，有一个问题是：「你怎么看待现在的 OPC 现象？」我回答说：「OPC 就是个体户，浙江省在上个世纪八十年代起就流行个体户了。」

[Orange AI @oran_ge]

AI 行业发展到了新阶段
最近海内外都开始有一些反思的声音出现了：
1. model+harness才是产品（而不会吃掉一切）
2. 完全自动化就是在骗自己，珍贵的东西都无法完全自动化，离不开人的参与
3. 慢工出细活的耐心，是AI时代的新奢侈品，欲速则不达，慢就是快
4. AI 的成本支出很大，算 ROI 有时候不如人