有时你需要推倒一切重来

原文：https://every.to/context-window/sometimes-you-have-to-delete-everything

你好，周日愉快！Vibe Check 栏目总是一段充满意外转折的旅程。当我们与 Anthropic 团队一起测试 Opus 5 时，截止日期不断延后，发布候选版本一再变更，而这个模型也一直在对抗我们为早期 Claude 版本搭建的测试框架。这既令人精疲力尽，又让人兴奋不已。因此，当 Every 纽约团队的部分成员在模型发布当天早上观看了《奥德赛》时，我们立刻意识到了其中的相似之处。向下滚动，即可查看完整的 Vibe Check 以及我们本周发布的所有其他内容。— Kate Lee

知识库

“Claude Opus 5：灵光乍现的天才，实操中的挫败” 作者：Dan Shipper 和 Katie Parrott / Vibe Check ：Claude Opus 5 在灵光乍现时堪称天才，但在实际操作中却令人沮丧——它能构建强大的软件，也能连续数小时苦干以消除 Bug，但它发挥出最佳状态的前提，往往要求你先拆掉那些你已依赖的系统。它没有达到 Fable 的上限，也比不上 GPT-5.6 Sol 在日常使用中的顺手。阅读这篇文章，判断 Opus 5 是否值得你为它腾出空间，以及要想用好它，你需要做出哪些改变。

“Every 团队如何用 AI 完成史上最大规模发布” 作者：Laura Entis / Context Window ：我们的 All Access 发布活动带来了公司历史上最大的收入增长——两天内大约增长了 9,000 美元。Every 的首席运营官 Brandon Gell 将话筒递给了三位同事，他们是这次创纪录的 All Access 发布背后的建造者——增长工程师 Yash Poojary 、增长主管 Austin Tedesco 和市场营销主管 Douglas Brundage——让他们来详细介绍所使用的工具，以及给所有初学者的建议。观看或收听本期内容，了解一个 AI 原生的团队如何将想法转化为交付的产品。🎧 🖥 在 Spotify 或 Apple Podcasts 上收听，在 YouTube 上观看，或在 X 上 关注讨论。本期内容还包括：OpenAI 的 Romain Huet 和 Dominik Kundel 分享了 Codex 入门指南， Marcus Moretti 通过将任务委托给更便宜的子代理来削减 Fable 的 Token 支出，以及“日常座驾”——一份团队本周正在使用的模型列表——首次亮相。

“为什么有些 AI 工作流能留下来，而另一些不能” 作者：Katie Parrott / Working Overtime ：在放弃了一个模仿 Dan 的 Tend 项目而做的“注意力办公桌”克隆品之后，Katie 不再把这当成个人的失败，而是进行了一次事后复盘，探究为什么有些 AI 工作流能留下来，而另一些不能。她发现，一个工作流是存活还是消亡，取决于它对你的时间、精力和心智提出了什么要求，又回馈了什么。阅读本文，了解她用来决定哪些工作流该保留、重新设计、再次审视或直接废弃的四个问题。

“被演示淹没？这里有一种更好的原型设计方法” 作者：Hilary Gridley ：AI 让 Hilary 在 Whoop 公司（一家运动和健康穿戴设备公司）的产品团队可以在一个下午就构建出原型——结果他们构建了太多原型，却没有方法区分哪些有用，哪些是噪音。她的论点是，当构建成本变得如此低廉时，原型的任务就变成了测试这个问题是否值得解决，而唯一诚实的评判来自于实际使用它的人，而不是那些对演示做出反应的干系人。阅读本文，看看 Whoop 如何在一个 12,000 人的 Beta 用户群中实践了这一理念。🧑‍🏫 报名参加 Hilary 在 Maven 上的自定进度课程，如何利用 AI 成为超级管理者，可享受 15% 的折扣。（本文与 Maven 合作制作。）

借鉴这个工作流

Notion 如何用 AI 构建 Notion

Ryan Nystrom，Notion AI 团队的一名软件工程师，在开始编码任务前会先通过口头讲述来梳理。因为当他将一个想法压缩成简短的书面提示时，往往会丢失一些微妙的差别、修正和上下文信息，而口头讲述则让他能把这些都补充进去。

在这个视频中，Ryan 向 Dan 展示了这个口头简报如何变成一个引用了原始资料的 Notion 任务、一个有效的 Pull Request，以及一个能在真人审查代码之前就捕获 Bug 和可维护性问题的审查循环。

• Ryan 口头梳理了一个模型选择器迁移的需求。Notion AI 探索了代码库，并将他的解释转化为了一个附带代码指针、需求、约束条件和验证步骤的任务。
• 他将这个任务交给一个 AI 代理，然后在前端和后端运行了一个自定义的审查集群。这个代理会打开一个 Pull Request，观察测试结果，修复失败项，并在 Ryan 开会期间带着通过测试的代码返回。

以下是你可以开始尝试的方法：

• 在撰写简报之前，先口头梳理工作。解释目标、相关的上下文、约束条件，以及一个完成的结果应该是什么样的。
• 让一个 AI 代理去研究相关的原始资料，并将你的解释转化为一个包含需求和验证步骤的结构化任务。
• 审查计划，然后将任务交给一个能在目标环境中工作的代理。
• 将反复使用的审查标准保存为可复用的技能。Ryan 通过让 Codex 研究已有的技能并将其偏好转化为新技能的方式，构建了他的审查集群。

准备好尝试 Ryan 的工作流了吗？升级到 Every All Access，通过 Builder Pack 为符合条件的工作空间获取六个月的 Notion Business。All Access 成员可以兑换超过 7,000 美元的合作优惠。

来自 Every Studio

Cora 全新的简报体验即将上线

Kieran Klaassen ， Cora 的总经理，重建了 Briefed——它用于整理所有非紧急信息的摘要功能——变成了一个双窗格阅读器：左侧是简要信息，右侧打开邮件，就像在收件箱里一样。现在，你可以设置每个类别想要看到多少内容（完整的摘要或简短的片段），给旧的促销邮件和newsletter设置自动清理窗口以便它们自我整理，还可以在不离开简报的情况下批量取消订阅。Kieran Klaassen 已将公开测试版定于 8 月 4 日，届时活跃用户将收到一封邮件和一个入门链接。前往 cora.computer 一探究竟。

Every Agent 能为你浏览网页并自我入职

Every Agent，Every 正在 Slack 中构建的 AI 同事，现在可以代你在公开网站上执行操作：它会登录、填写表单，并在执行任何单向操作（如购物）之前停下来等待你的确认。它现在还能自我入职了。对它回复“yes”，它就会读取你的频道，并识别出它可以帮你分担的三项任务——而且任何团队成员都可以启动这个过程，而不仅仅是安装它的人。Every Agent 目前处于私人 Alpha 阶段，团队正在加强连接，为外部测试做准备。请关注此空间。

校准

专业知识的陷阱。 本世纪最杰出的数学家之一是如何使用 AI 的？

答案很简单。

我打开了 Terence Tao 与 ChatGPT 的对话记录，话题是关于 Fable 针对著名的 Jacobian 猜想——一个困扰数学界长达 87 年之久的难题——提出的反例。我原以为会看到精美、复杂的提示词，可以让我偷师用于自己的 AI 工作。但相反，陶哲轩提出的问题简短而精确，充满了数学术语，并不断追问前沿 AI 模型那些不合逻辑的推理。感觉就像一个 10 岁的天才正在被一位年长得多、也智慧得多的天才教导。

我很快意识到，我可以照搬陶哲轩用过的每一个提示词，但永远，一百万年也不可能复现他所做的事。这种数学魔法只有在一个人对自己的技艺拥有深厚知识时才会发生，因为陶哲轩能做一件非专家做不到的事：评估回复。没有那种专业知识，你根本不知道返回给你的答案是正确的，还是只是看似自信的胡言乱语。

令我恼火的是，我居然相信了那些 LinkedIn AI 网红们像江湖骗子般兜售的“学习 AI”的建议，他们截图展示最新的提示词，承诺能产生“像麦肯锡顾问一样的输出”或“来自世界级 CMO 的增长策略”——仿佛专业知识只是一句你按下回车键就能得到的东西。

从 AI 那里得到一个诱人的答案实在太容易了，我担心我们越来越多的人会退回到“认知卸载”的状态，跳过发展专业知识所必需的艰辛和“被困住”的阶段。在 Anthropic 的一项研究中，52 名主要是初级开发者在学习一个新的 Python 库时，AI 辅助组在随后的测验中得分是 50%，而手工编码组是 67%。两组之间最大的差距在于调试，而这正是当模型出错时发现问题的必备技能。

这只是一项小型研究，而且 AI 也确实可以帮助人们学习。但我现在认为，AI 将使专业知识变得更有价值，同时也使专家变得更难培养。

这不可逆转地改变了我使用 AI 的方式。在阅读它的答案之前，我会强迫自己先厘清我已经理解了什么。有时，在寻求答案之前，我会问：“这里有什么更好的问题？为什么？”机器时刻准备着来救我，但观察陶哲轩，我意识到，专业知识就是在AI没能拯救你的时候，知道这回事的能力。— Ashwin Sharma

核心启示：AI 时代，真正的专业壁垒不在于是否能熟练地发出指令，而在于是否具备深厚的领域知识去评估 AI 的产出；这使专家变得更难培养，也让其价值更加凸显。