Mark Spencer

Creative partner at Ripple Training. I tweet about Final Cut Pro, Motion, Resolve, Filmmaking, AI, and basically anything I find interesting.

[Mark Spencer @markspen]

https://t.co/ZimD1aJOhA

[Mark Spencer @markspen]

My new favorite app (link in comments)

[Uubzu v4 @uubzu]

Once again, I am at a loss for words

[Ethan Mollick @emollick]

I had early access to Fable 5.2 for a bit & I think it crosses the line into being a sort of Jagged AGI. Here, I have it launch a business, do academic research, hack hardware, build 3D models & more. I think it is a good illustration of limits & powers: https://t.co/QiR0IFPrZY

[Farzad 🇺🇸 🇮🇷 @farzyness]

I just have no words for how good this is.

[Ron Filipkowski @RonFilipkowski]

I realize I’m in a tiny minority here, but I consider Nvidia selling sensitive AI tech to a Chinese front org after Trump approved the sale despite warnings from US intelligence and Congress about security concerns to be a much bigger story than the Dana White foolish distraction.

[贰過壹 @erguoyi]

苹果这次有点反常：没开发布会，没发新闻稿，直接把 Xcode 塞进了 Claude Code 的官方插件市场。

11月6日，Anthropic 的官方插件仓库合并了一个名为 Xcode 的插件，作者一栏赫然写着：Apple Inc.

安装只需要一条命令：

/plugin install xcode@claude-plugins-official

装好后，终端里的 Claude Code 就能直接调用 Xcode 能力：编译项目、运行测试、生成 SwiftUI 预览、控制 iOS 模拟器和真机，还能读取构建日志和错误诊断，再根据报错修改代码、重新编译验证。

最有意思的是，这并不是简单地给 Claude 接了个第三方工具。插件实际调用的是 Mac 上 Xcode 自带的能力，通过 MCP 把开发工具交给 AI 智能体使用。

其实苹果今年2月发布 Xcode 26.3 时，就已经支持 Claude Agent 和 Codex 了。这次的新变化，是把这套能力进一步打包成 Claude Code 可以直接安装的官方插件。

当然，Xcode 依然需要安装在 Mac 上，编译和设备调试也离不开本地开发环境。以后写 iOS 应用，可能真的可以让 Claude 在终端里完成大部分开发闭环，自己写代码、跑测试、看预览、修错误。

苹果没有高调宣传，但这个动作本身已经很值得玩味了。

#Xcode #ClaudeCode

[‏ً @omgsidewalks]

Using pronouns may have helped this Dana White situation.

[Mark Spencer @markspen]

Yes

[Rob Miles @robertskmiles]

Attention all companies: I never want to use your AI assistant on your website. I want to use *my* AI assistant on your website

[Mark Spencer @markspen]

Excellent

[Ethan 恩宇 @UPing123zzz]

我觉得这篇文章最值得关注的，不是作者用了多强的模型，也不是他配置了多少 Agent，而是他对整个软件开发工作流的理解，已经和很多人完全不在一个层面上了。

现在很多人用 Codex、Claude Code，还是传统的 Copilot 思维：给 AI 一个任务，等它写完代码，自己检查一下，发现问题再让它改，然后继续等。看起来是在用 Agent，实际上人依然是整个工作流的瓶颈。

而这篇文章提出的 15 条原则，本质上就是在重新分配人和 AI 的工作。

我觉得其中有几个认知非常值得展开。

第一，Prompt the What, not the How。

告诉 Agent 你最终想要什么，而不是告诉它每一步应该怎么做。

过去我们写 Prompt，恨不得把实现路径、技术栈、文件结构、执行步骤全部规定好。但模型能力越来越强之后，过度干预反而可能限制它探索更优解的空间。

真正应该明确的是目标、约束、验收标准，而不是把自己脑子里那套未必最优的实现方式强加给 Agent。

当然，这不意味着随便扔一句帮我做个商业级系统就能万事大吉。业务边界、性能要求、成本约束、交付标准，依然要定义清楚。

第二，Don't iterate with the agent. Let it build tools to iterate。

这一条我觉得特别牛逼。

大部分人现在还是在和 Agent 一轮轮试错。一个网页不好看，让它修改；修改完还是不好看，再修改。一个接口性能不好，先让它优化 A，发现没效果，再试 B。

为什么一定要这样？

为什么不能直接让 Agent 生成 20 种设计方案，建立一个可视化对比页面，让人一次性选择？

为什么不能让它针对性能问题提出 4 种假设，分别设计实验，跑出数据，再决定采用哪种方案？

真正的提升不是让 AI 更快地帮你试错，而是让它建立一套可以自动试错、自动评估、自动筛选的系统。

第三，Ask for irrefutable proof。

这一条可能是目前 Agent Coding 最容易被忽略的东西。

我自己给企业做过 GEO、RAG、AI Workflow、数字人自动化项目，对这个问题感受特别深。

Agent 经常会告诉你：“已经修复完成”“系统可以正常运行”“功能已全部实现”。

但它说完成了和真正完成了，完全是两回事。

接口能不能真正调用？视频有没有生成出来？字幕有没有正确合成？换一个客户上传素材还能不能正常跑？出现异常能不能恢复？有没有真实的测试日志和可复现结果？

这些才是证据。

以后判断 Agent 有没有把任务做好，不应该看它写了多少代码、输出了多漂亮的总结，而应该看它拿出了什么能够独立验证的东西。

第四，Make the whole SDLC legible to the agent。

不要只让 Agent 能看代码，还要让它能运行项目、执行测试、读取日志、检查部署、观察真实运行结果。

一个只能读写代码的 Agent，和一个能够接触完整软件开发生命周期的 Agent，执行能力根本不是一个层级。

模型之所以经常一本正经地胡说，很大程度上是因为它没有办法验证自己的判断。

你不给它日志，不给它测试环境，不让它运行真实程序，它很多时候只能猜。

但这也不代表给 Agent 无限权限。生产环境、客户数据、正式发布这些高风险操作，依然需要权限控制和必要审批。

第五，Don't wait for your agents. Let them wait on you。

我觉得这是未来个人工作流最值得改变的地方。

现在大量人使用 AI，依然是同步聊天模式：提出问题、等待回答、检查结果、继续追问。

但如果每一个任务都需要人盯着，Agent 再强，你一天也只有 24 个小时。

真正应该做的是把任务完整地交出去，让 Agent 在隔离环境里自主执行、测试、重试、记录过程，完成之后提供证据，需要决策的时候再来找你。

定时任务、Heartbeat、异步执行、主动通知，这些东西可能比再增加十几个 Skill 更有价值。

第六，Eval agentic knowledge。

这一条也是很多人完全没意识到的问题。

现在大家都在疯狂积累 AGENTS.md、Skills、MCP、各种规则和工作流，但很少有人真正测试过：这些东西到底有没有提升任务成功率？

你给 Agent 塞了 30 个 Skill，它真的用了吗？

用了之后，正确率提高了多少？执行速度快了多少？成本降低了多少？

如果没有对照实验，没有客观指标，那所谓的工作流优化，很可能只是在不断增加复杂度。

AI 时代真正稀缺的不是会使用多少工具，而是能够设计系统、定义目标、建立反馈闭环的人。

以前我们把 AI 当工具，人负责执行，AI 帮忙提高效率。

现在正在逐渐变成：人负责提出问题、定义结果、判断取舍，Agent 负责探索方案、调用工具、执行任务、验证结果。

这里还有一个非常重要的变化，就是代码本身正在从最终的工作对象，逐渐变成实现业务目标的一种中间产物。

企业不会因为你写了十万行代码就付钱，也不会因为你接入了几十个 MCP 就觉得你的系统有价值。

它只关心你能不能解决真实问题，能不能稳定交付，能不能持续维护，能不能降低成本。

未来工程师之间拉开差距的未必是谁写代码最快，而是谁最擅长把一个复杂目标，拆成一套可以被 Agent 自主执行、验证、迭代和交付的系统。

以前是人围着代码转，现在是 Agent 围着目标执行，而人负责判断什么才是真正正确的结果。

这可能才是 Agent Coding 真正开始改变软件工程的地方。

[@mrgunn @mrgunn]

People outside of frontier AI companies need to read this quote, to understand how people inside frontier AI companies treat you and your concerns.

[Mark Spencer @markspen]

Spot on

[Neal Khosla @nealkhosla]

agents are going to cause a breakdown of human behavior assumptions underlying today's systems. i've started thinking about it as friction collapse. without friction, a number of norms will collapse.

consider selling tickets to a concert/event. today, you can post them at a certain time and it's first come first serve. soon everyone's agent will persistently monitor, and as soon as they are posted for sale, thousands of people will instantaneously be trying to buy the same ticket. how do you even resolve this? sell the ticket to the person whose agent gets there fractions of a second before?

we're seeing the same thing with job applications, restaurant reservations, but basically anything that relies on participation requiring effort is going to break down. sales emails/calls, participation in government benefits, apartment rentals, doctors appointments, RFP responses. customer support won't be able to handle the user who will not drop their point of dissatisfaction. with no friction, these systems just don't work anymore.

business models will break down:
- flights/hotels will be consistently cancelled and rebooked at the lowest price (great use case for your agent if you don't have this already set up)
- subscriptions will be cancelled
- retailers won't be able to arbitrage price differences as the agent will find the cheapest place to buy anything
- insurance denials (health/auto/home/etc.) will be fought tooth and nail
- bank interest rates will be optimized and avoidable charges will be avoided

a lot of what we perceive as stable social coordination is actually an equilibrium sustained by human inefficiency. rationing is a product of human slowness. signaling effort/interest/intent is a key part of our social infrastructure. inertia is a key to many business models. information asymmetry is everywhere. and attention is monetized thoroughly.

with agents, none of these things are true. humans will simply demand what they want and have their agents get it for them. there is going to be a fundamental renegotiation of how markets allocate resources, how people signal intent, and how businesses capture value.

[Mr. Make It Happen @SupportThaNawf]

We have to say “Mississippi” after each number

[Seven Rasmussen @toomanyspectra]

my god…….im HOPEscrolling

[Shweta Kukreja @ShwetaKukreja_]

Canva is laying off 22% of its workforce which is 1271 employees, and this is what their CEO said.

We need more founders like thissss.

[Mark Spencer @markspen]

@SelendisAI SELENDIS

[Mark Spencer @markspen]

A free app to micro-learn FCP https://t.co/rIo8ScgFPY

[Mark Spencer @markspen]

Get a daily Final Cut Pro and/or Motion tip straight from our best-in-class tutorial delivered to your desktop every day - for free. Link in comments.

[Timothy Snyder @TimothyDSnyder]

Credit where due: Talarico beat Musk and Putin.

[Mike Nellis @MikeNellis]

Trump with the most pathetically obvious reaction to the midterms.