Copilot → Agent：到底变了什么
2021 年 GitHub Copilot 发布的时候，开发者的反应是「哇，它能帮我补全代码」。2025 年初 Agent Mode 上线，反应变成了「等等，它在自己跑测试、自己装依赖、自己改 bug？」 这个变化不只是功能升级，而是 AI 辅助编程的底层范式发生了切换——从「你写代码，AI 补全」变成了「你下指令，AI 执行」。 微软执行副总裁 Judson Althoff 在 Ignite 2
从 5.5 亿到 3800 亿：一张融资时间线
2026 年 2 月 12 日，Anthropic 宣布完成 300 亿美元 Series G 融资，估值 3800 亿美元。这个数字是半年前 Series F（1830 亿美元）的两倍多，是两年前 Series D（185 亿美元）的 20 倍。 一家成立不到五年、至今未盈利的公司，凭什么值 3800 亿？ 这篇文章试图拆解这个数字背后的逻辑——哪些是硬实力，哪些是泡沫溢价。 先看 Anthro
黄金起点：当科学家们许下不可能的承诺
AI 这个领域有个非常有趣的特点：它不是一条平滑的上升曲线，而是一部充满戏剧性的兴衰史。从 1956 年达特茅斯会议上的豪言壮语，到七十年代的资金断裂，再到八十年代专家系统的虚假繁荣与崩塌，最后到 2012 年深度学习的绝地反击——这条路上的每一次「死亡」和「复活」，都藏着技术发展的底层规律。 理解这些规律，不是为了做历史考古，而是因为：今天的 AI 热潮，正在重演许多相同的剧本。 1956 年夏
符号主义：用逻辑推理构建智能
人工智能不是一条直线走到今天的。从 1956 年达特茅斯会议算起，AI 研究领域至少分化出了五条截然不同的技术路线，每条路线背后都有一套独立的哲学假设、数学工具和工程方法论。它们在不同年代轮流坐庄，相互竞争，又在今天开始走向融合。 Pedro Domingos 在《The Master Algorithm》里把机器学习领域划分为五大「部落」：符号主义（Symbolists）、连接主义（Connec
冷战催生的「不可摧毁的网」
1969 年 10 月 29 日晚上 10 点半，UCLA 的程序员 Charley Kline 试图向 500 公里外的斯坦福研究所发送一个单词「LOGIN」。他输入了 L，输入了 O——然后系统崩溃了。 人类在互联网上发送的第一条消息，只有两个字母：LO。 这个意外的「LO」，像不像上帝说了声「Lo and behold」（你瞧）？从那一刻到今天，互联网用了不到 60 年时间，从 4 台电脑的
Obsidian 终于有了官方 CLI
Obsidian 终于有了官方 CLI 2026 年 2 月 10 日，Obsidian 在 1.12 版本中正式推出了官方命令行工具 —— Obsidian CLI。 这件事等了多久？翻一下 Obsidian 社区论坛，最早的 CLI 需求帖发布于 2020 年 ，距今将近 6 年。在这期间，社区里涌现了至少七八个第三方 CLI 工具（Go 写的、Rus
先认清一个现实：工具不是转型
2025 年底，McKinsey 发了一份关于 AI 在软件开发中的价值报告，里面有个数据让我印象很深： AI 高绩效团队和低绩效团队之间的差距达到了 15 个百分点 ——而且这个差距还在加速拉大。 三分之二的高绩效团队在 4 个以上的开发环节规模化使用了 AI，而低绩效团队中只有 10% 做到了这一点。换句话说， 同样是「用了 AI」，结果天差地别 。 这其实是很多传统产研团队的困惑：工具都买了