即刻App年轻人的同好社区
下载
置顶分享一个我自己做的小工具 Pitwall，给同时用好几个 AI 编程 Agent 的人。
解决的问题：Agent 一多，瓶颈就变成了你自己，它们停下来等你批准，你却不知道。Pitwall 同时盯着 Claude Code、Codex、Devin 等，有 Agent 在等你就通知你，点一下跳回原会话，Pro 还能直接审批。
只支持 Mac（macOS 15 以上），全部本地运行，没有账号也没有埋点。
为什么做、怎么做的写在这篇文章里，欢迎试用体验，反馈交流🤗
解决的问题：Agent 一多，瓶颈就变成了你自己，它们停下来等你批准，你却不知道。Pitwall 同时盯着 Claude Code、Codex、Devin 等，有 Agent 在等你就通知你，点一下跳回原会话，Pro 还能直接审批。
只支持 Mac（macOS 15 以上），全部本地运行，没有账号也没有埋点。
为什么做、怎么做的写在这篇文章里，欢迎试用体验，反馈交流🤗
做了一款 Mac 工具，给 Codex 和 Claude Code 们配了个调度台
1 00
看下目标用户群体就知道了，Codex、Claude Code 再怎么说也是开发者工具。对于大众普通用户来说，群体特点还是不一样的，并且量级也不是一个量级的。
把使用门槛降下来就是不一样的地方，降低使用门槛也是一件相当有技术性的工作。
把使用门槛降下来就是不一样的地方，降低使用门槛也是一件相当有技术性的工作。
momo....: 仍然看不懂所谓的personal agent和现在的通用agent有什么区别，目前没有看到任何一个case是Codex和Claude Code做不到的 按照过去的经验就是：如果你努力看懂但还是看不懂，并且没有任何人能用简单的语言清晰地讲明白这个概念对比之前有什么区别，那就是有人在跟风炒作 AI圈还是太喜欢造概念了，等再过一个月，看看这阵风还在不在～
0 00
TypeSafe AI 发布了 Jev 1.14.0（北京时间 10 月 15 日凌晨），这次开放了三个实验功能：
1. 图片输入：默认关闭，每次请求要带 TypeSafe-Danger-Zone-Images: true 请求头才能用。官方说上一版 Jev 1.13.0 其实一直是多模态的，只是现在才开放，所以 1.13 现在也能接收图片。
2. 目标框输出：新增 box 题型，返回目标在图片里的上下左右边界（用 0 到 1 的比例表示），只有 1.14 支持。
3. 更长上下文：同样需要额外开启，默认上限仍是每次请求 64k、每个问题 32k。
官方形容这一版主体“稳得无聊”，整体是小幅提升，实验功能都放在 danger zone 开关后面。
官方博客：typesafe.ai
图片文档：docs.typesafe.ai
1. 图片输入：默认关闭，每次请求要带 TypeSafe-Danger-Zone-Images: true 请求头才能用。官方说上一版 Jev 1.13.0 其实一直是多模态的，只是现在才开放，所以 1.13 现在也能接收图片。
2. 目标框输出：新增 box 题型，返回目标在图片里的上下左右边界（用 0 到 1 的比例表示），只有 1.14 支持。
3. 更长上下文：同样需要额外开启，默认上限仍是每次请求 64k、每个问题 32k。
官方形容这一版主体“稳得无聊”，整体是小幅提升，实验功能都放在 danger zone 开关后面。
官方博客：typesafe.ai
图片文档：docs.typesafe.ai
1 10
【AI 进了面试间：考官和候选人都得换个思路】
程序员面试正在换题。
Google 正在试点一个「代码理解」环节：给候选人一份现成的代码，允许用 Gemini，让他读懂、找 bug、做优化[1]。Canva 把以算法为主的基础面试换成了 AI 辅助编程，题目从「写一个生命游戏」变成了「设计机场起降控制系统」[2]。Meta 明确说面试里用 AI 不算作弊。招聘平台 Codility 还能在候选人用的 AI 里埋隐藏指令，故意让它写出有 bug 的代码。
原因很直接：Google 说公司 75% 的新代码已经由 AI 生成、再交给工程师审核；老的算法题 AI 几秒就能答对，已经区分不出水平了[2]。
【变化的本质：从考「能写」到考「能判断」】
Karpathy 说过，写代码和读代码是大脑里两种不同的能力。现在 AI 很少写错语法，更常见的是一开始就理解错需求，然后顺着错的假设写出一大套看起来很合理的代码[3]。所以真正稀缺的能力，是发现它解决的根本不是对的问题。
【给面试官：怎么考察候选人】
- 换题。AI 一句话就能答对的题没有区分度。改用开放题、读现有代码的题，或者讨论候选人做过的项目里的技术取舍。
- 看过程，不只看结果。Canva 发现，最好的候选人会先提有分量的澄清问题，再把边界清楚的小任务交给 AI[2]。值得记下来的是：他什么时候用 AI、拿到结果后有没有检查、有没有经常运行。
- 主动埋雷。准备一份「能跑但有问题」的代码，或者让 AI 给出一个看着对其实错的建议。敢当场否掉错误建议的人，信号最强。
- 追问「为什么」。随便指一行 AI 写的代码，问他为什么这样写、什么情况下会坏。
- 提前讲清规则。哪一轮能用 AI、用哪个工具，事先说明。最好一轮允许、一轮不允许，协作能力和独立能力都能看到。
【给候选人：怎么准备】
- 先问清需求，再动 AI。把需求、边界和约束先对齐。
- 只把小块交给 AI。整体方案自己掌握，按「提示、审查、运行、确认」的节奏推进。
- 没有证据就不接受。先从已知状态手动跑一遍，再补一个把实现回滚后会失败的测试[4]。
- 保持自己调试的手感。先稳定复现、再缩小范围，最后才让 AI 帮忙。假设和根因判断留在自己手里。
【怎么读懂 AI 写的代码】
无论面试还是日常，最核心的能力都是读懂 AI 的代码。关键是别从第一行顺着往下读，而是先搞清它想干什么，再带着问题去验证：
1. 先读意图。用一句话说出这次改动要解决什么。说不出来就先别看代码，不然很容易被它的思路带着走。
2. 先看全貌。改了哪些文件、各改多少行，和需求是否匹配。小需求动了十几个文件，本身就是信号。
3. 先读测试。测试最能说明它认为「正确」是什么样。重点看有没有改旧断言去迎合新行为，有没有覆盖失败和边界情况。
4. 顺着主流程走一遍。从用户操作或接口入口，一路追到数据写入或展示的地方。先看正常流程，再看异常分支。
5. 专门盯 AI 的常见错误：理解错需求、过度复杂（问一句「能不能简单点」，它常能从 1000 行缩到 100 行[3]）、重复造已有的 helper、顺手改无关代码、错误被静默吞掉、调用不存在的 API。
6. 讲给别人听。挑几个关键函数，说清输入输出、什么情况会出错、为什么这样写。讲不清的地方，就是还没读懂的地方。
7. 让 AI 帮你读，但别让它替你判断。可以让它画调用链、列出改动背后的假设；对不对，要靠运行、测试和自己判断。
8. 跑起来看。打个断点、加条日志，看实际行为是不是和你理解的一样。
【比面试更重要的事：别把判断力外包出去】
说到底，这些变化的意义不只是找到一份好工作，或者招到一个好候选人。面试只是把一个更长期的问题提前摆到了桌面上：当 AI 能替你写大部分代码时，你还剩下什么？
Karpathy 坦言，自己手写代码的能力已经在退化[3]。这本身不可怕，工具一直在替人承担体力活。可怕的是连「这样写好不好」「这个方向对不对」也一起交出去。
审美和判断力不是天生的，是一次次自己读代码、自己追 bug、自己做取舍练出来的。如果每次都让 AI 先给答案，你看到的永远是「一个能跑的版本」，而不是「最好的版本」，久而久之就分不出两者的差别了。
所以更好的姿势是：把 AI 当成一个很快、但需要被监督的同事。让它多干活，但方向、标准和最后一票留在自己手里。时不时关掉它，自己从头想一遍，确认自己还能判断什么是好代码。
【最后】
AI 让写代码变得很便宜，判断代码的能力就更值钱了。对面试官来说，最好的题可能就一句话：「这段代码已经能跑了，你觉得它有什么问题？」对候选人来说，这道题 AI 替你答不了。对每个工程师来说，这道题值得每天问自己一遍。
参考来源
1. Business Insider：Google 允许面试使用 AI 助手 www.businessinsider.com
2. Canva：Yes, you can use AI in our interviews www.canva.dev
3. Business Insider：Karpathy 谈 Claude Code 与手写能力退化 www.businessinsider.com
4. Simon Willison：Your job is to deliver code you have proven to work simonwillison.net
程序员面试正在换题。
Google 正在试点一个「代码理解」环节：给候选人一份现成的代码，允许用 Gemini，让他读懂、找 bug、做优化[1]。Canva 把以算法为主的基础面试换成了 AI 辅助编程，题目从「写一个生命游戏」变成了「设计机场起降控制系统」[2]。Meta 明确说面试里用 AI 不算作弊。招聘平台 Codility 还能在候选人用的 AI 里埋隐藏指令，故意让它写出有 bug 的代码。
原因很直接：Google 说公司 75% 的新代码已经由 AI 生成、再交给工程师审核；老的算法题 AI 几秒就能答对，已经区分不出水平了[2]。
【变化的本质：从考「能写」到考「能判断」】
Karpathy 说过，写代码和读代码是大脑里两种不同的能力。现在 AI 很少写错语法，更常见的是一开始就理解错需求，然后顺着错的假设写出一大套看起来很合理的代码[3]。所以真正稀缺的能力，是发现它解决的根本不是对的问题。
【给面试官：怎么考察候选人】
- 换题。AI 一句话就能答对的题没有区分度。改用开放题、读现有代码的题，或者讨论候选人做过的项目里的技术取舍。
- 看过程，不只看结果。Canva 发现，最好的候选人会先提有分量的澄清问题，再把边界清楚的小任务交给 AI[2]。值得记下来的是：他什么时候用 AI、拿到结果后有没有检查、有没有经常运行。
- 主动埋雷。准备一份「能跑但有问题」的代码，或者让 AI 给出一个看着对其实错的建议。敢当场否掉错误建议的人，信号最强。
- 追问「为什么」。随便指一行 AI 写的代码，问他为什么这样写、什么情况下会坏。
- 提前讲清规则。哪一轮能用 AI、用哪个工具，事先说明。最好一轮允许、一轮不允许，协作能力和独立能力都能看到。
【给候选人：怎么准备】
- 先问清需求，再动 AI。把需求、边界和约束先对齐。
- 只把小块交给 AI。整体方案自己掌握，按「提示、审查、运行、确认」的节奏推进。
- 没有证据就不接受。先从已知状态手动跑一遍，再补一个把实现回滚后会失败的测试[4]。
- 保持自己调试的手感。先稳定复现、再缩小范围，最后才让 AI 帮忙。假设和根因判断留在自己手里。
【怎么读懂 AI 写的代码】
无论面试还是日常，最核心的能力都是读懂 AI 的代码。关键是别从第一行顺着往下读，而是先搞清它想干什么，再带着问题去验证：
1. 先读意图。用一句话说出这次改动要解决什么。说不出来就先别看代码，不然很容易被它的思路带着走。
2. 先看全貌。改了哪些文件、各改多少行，和需求是否匹配。小需求动了十几个文件，本身就是信号。
3. 先读测试。测试最能说明它认为「正确」是什么样。重点看有没有改旧断言去迎合新行为，有没有覆盖失败和边界情况。
4. 顺着主流程走一遍。从用户操作或接口入口，一路追到数据写入或展示的地方。先看正常流程，再看异常分支。
5. 专门盯 AI 的常见错误：理解错需求、过度复杂（问一句「能不能简单点」，它常能从 1000 行缩到 100 行[3]）、重复造已有的 helper、顺手改无关代码、错误被静默吞掉、调用不存在的 API。
6. 讲给别人听。挑几个关键函数，说清输入输出、什么情况会出错、为什么这样写。讲不清的地方，就是还没读懂的地方。
7. 让 AI 帮你读，但别让它替你判断。可以让它画调用链、列出改动背后的假设；对不对，要靠运行、测试和自己判断。
8. 跑起来看。打个断点、加条日志，看实际行为是不是和你理解的一样。
【比面试更重要的事：别把判断力外包出去】
说到底，这些变化的意义不只是找到一份好工作，或者招到一个好候选人。面试只是把一个更长期的问题提前摆到了桌面上：当 AI 能替你写大部分代码时，你还剩下什么？
Karpathy 坦言，自己手写代码的能力已经在退化[3]。这本身不可怕，工具一直在替人承担体力活。可怕的是连「这样写好不好」「这个方向对不对」也一起交出去。
审美和判断力不是天生的，是一次次自己读代码、自己追 bug、自己做取舍练出来的。如果每次都让 AI 先给答案，你看到的永远是「一个能跑的版本」，而不是「最好的版本」，久而久之就分不出两者的差别了。
所以更好的姿势是：把 AI 当成一个很快、但需要被监督的同事。让它多干活，但方向、标准和最后一票留在自己手里。时不时关掉它，自己从头想一遍，确认自己还能判断什么是好代码。
【最后】
AI 让写代码变得很便宜，判断代码的能力就更值钱了。对面试官来说，最好的题可能就一句话：「这段代码已经能跑了，你觉得它有什么问题？」对候选人来说，这道题 AI 替你答不了。对每个工程师来说，这道题值得每天问自己一遍。
参考来源
1. Business Insider：Google 允许面试使用 AI 助手 www.businessinsider.com
2. Canva：Yes, you can use AI in our interviews www.canva.dev
3. Business Insider：Karpathy 谈 Claude Code 与手写能力退化 www.businessinsider.com
4. Simon Willison：Your job is to deliver code you have proven to work simonwillison.net
2 00