Keep on to blur preview images; turn off to show them clearly
RT @Auki: Reality scales, but robot training won't until we remove the bottleneck of having to manually tune hyperparameters for every scen…
Your guide to radiance fields | Host of the podcast @ViewDependent | Founder and CEO of https://t.co/5MjtfpwEU3 | FTP: 279 | discord: https://t.co/lrl64WGvlD
六位工程师、六种 AI 工作流 —— 不强求统一流行配置，每位工程师都根据个人风格定制流程，融合人类直觉与 AI 智能体，实现高效协作，作者 @RheaPurohit1 文章深入探讨了 @every 团队六位工程师的日常工作流程，揭示了他们在 AI 时代如何通过个性化工具栈高效构建软件。作为一家小型团队（仅六人），他们同时维护四款 AI 产品（如 Sparkle 文件整理器、Cora 邮件助手、Spiral 内容重用工具和 Monologue 语音转录应用）、咨询业务以及每日10万+读者的通讯。 文章的核心洞见是：AI 并非万能钥匙，而是放大器。工程师们通过规划、执行和审阅的闭环，利用 Claude Code、Codex 等工具加速开发，但始终强调专注、守栏和人类监督，避免 AI 的“幻觉”或偏差。 1. Yash Poojary（Sparkle 总经理）：实验与守栏并重 Yash 从“单机作战”转向双机并行：一台 Mac Studio 运行 Claude Code，另一台用 Codex。他测试相同提示下的差异，加速迭代。新版 Sparkle 的界面设计通过 Figma MCP 集成直接导入 AI，避免手动截图。日常工具包括 Warp 终端和“学习笔记”文档（云端积累上下文）。为防分心，他自建 AgentWatch 应用监控多智能体会话，并划分“上午执行、下午探索”模式，确保输出不偏离目标。 2. Kieran Klaassen（Cora 总经理）：规划驱动的闭环 Kieran 视规划为“真理锚点”，用 Claude Code 生成三级计划（小/中/大功能），融入 Context 7 MCP。计划推送到 GitHub 后，转化为 AI 任务：Claude Code 主责控制型开发，Codex 或 Amp 处理复杂逻辑。完成后，Claude Code + Cursor 等工具审阅代码，形成迭代循环，直至部署。这套流程确保 Cora（AI 邮件工具）功能可靠，体现了“从计划到发货”的系统化。 3. Danny Aziz（Spiral 总经理）：CLI 主导的里程碑拆解 Danny 70% 的编码在 Droid CLI 完成：GPT-5 Codex 负责大功能规划，预判“二三阶后果”（如数据库瓶颈），拆成里程碑。Warp 分屏多任务，Zed 编辑器审阅细节。他弃用 Cursor，转向简易单屏设置，仅设计阶段加 Figma 双屏。这帮助他快速重塑 Spiral，突出 AI 在复杂性管理中的作用。 4. Naveen Naidu（Monologue总经理）：过程即真理 Naveen 以 Linear 项目管理工具为中心，所有需求（Discord/邮件等）统一归档，追溯来源。转向 Codex 后，小任务手动复制上下文到云端启动智能体；大任务用 Codex CLI 写 plan. md 作为蓝图。执行分云端 brainstorm（生成 PR 探索边缘案）和本地构建（Ghostty 终端+ Cursor 后端）。审阅包括 Codex 内置/review、人工比对和Sentry日志验证。他自建的 Monologue（语音转录）贯穿全程，用于口述提示，提升效率。这体现了“全链路可跟踪监控”的哲学。 5. Andrey Galko（工程主管）：简约主义，忠于高效 Andrey 避免工具追逐，长期依赖 Cursor，但因限额转向 Codex。早期 OpenAI 代码“懒散”，GPT-5 后显著提升：擅长非视觉逻辑和 UI 生成，媲美 Claude Code 的创意。他赞 OpenAI “颠覆 Anthropic 代码霸权”，坚持“可用即留用”，聚焦 MVP 交付，适用于团队领导角色。 6. Nityesh Agarwal（Cora 工程师）：专注单线程，监督如鹰 Nityesh 在 MacBook Air 上运行 Claude Code，预先花时研究代码库，制定详细计划。编码时单终端专注，避免多智能体干扰，常中断 AI 求解释，减少幻觉并磨炼自身技能。GitHub PR 审阅机制独特：人类评论导入 Claude Code 终端，集体修复。这让他在 Claude Code “宕机”时暴露依赖风险，但也强化了“信任需监督”的信念。 Cursor/Warp 仅作辅助。 整体启示：个性化栈的集体力量 文章不只是 AI 工具罗列，而是展示 AI 如何从“辅助”变“核心”，却需人类设计守栏（如专注模式、审阅循环）。Every 的成功源于多样性：从 Yash 的实验狂热到 Andrey 的简约，每人栈虽异，却共享闭环思维和上下文管理。这对开发者启发：AI 加速10倍输出，但最终是“人-AI 共舞”决定成败。 文章地址：
专注 - Context Engineering, AI(Coding)Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴 🔗 信息卡提示词 🔽
全部内容：https://t.co/jG1TTsSp2h
致力于让每个想拥抱AI的人都能找到适合自己的AI产品，助力企业定制AIGC应用
全部内容：https://t.co/jG1TTsSp2h
致力于让每个想拥抱AI的人都能找到适合自己的AI产品，助力企业定制AIGC应用
我发现以前的时候，给人制造沟通成本是很容易的 你只要给对方提一个要求，基本能拒绝掉80%的人 很少有人会愿意主动先完成一个任务，这样你就屏蔽了绝大部分额外的要求 但现在AI来了，你提的要求，哪怕对方只需要问一下AI，就能拿到一个AI答案，于是你发现绝大部分人都用AI答案来应付你了……
Believing is seeing
https://t.co/EBJQ1gxVBN
We're sharing/showcasing best of @github projects/repos. Follow to stay in loop. Promoting Open-Source Contributions. UNOFFICIAL, but followed by github