《The Batch 速览：Claude Fable 5 修复、Gemini 视频引擎与 DeepSeek 解码提速》

导语

本期先由吴恩达讨论如何用廉价的 AI 生成换取昂贵的人类判断：尽早让编码智能体做出原型，再把反馈写回规格与测试。随后四条新闻依次涉及模型出口管制、Google 多媒体生成管线、DeepSeek 推测解码，以及非侵入式脑机接口，主题虽分散，却都在回答同一个问题：怎样把模型能力变成可控、可部署的系统。

正文翻译

1. 让原型帮助人反复打磨规格

代理编码循环的关键思想是让代理继续工作，直到满足条件，例如达到产品规格。对于许多人工智能系统来说，提出规范、评估或测试集是最困难的任务之一，也是注入人类知识的关键地方。一旦有了明确的规范，实现它的路径（例如让编码代理进行迭代）就会变得更加清晰。我想分享构建产品规范的有用实践，这些规范可在快速构建 0 到 1 应用程序时驱动编码循环。正如我将在下面解释的，我使用的一个组织原则是：AI token很便宜；人类 token是金子。 （是的，我知道人类并没有真正意义上的token化，但我经常使用token，以至于我现在认为自己是在向我的计算机提供token！）

当构建一个大型、复杂的系统时，花时间很好地构建它是值得的。例如，这涉及决定您要使用什么数据库？如何分解不同服务的工作负载？您将自己锁定在哪些第三方依赖项中？前端和后端之间的 API 界限是什么？提前思考这些问题有助于避免陷入难以改变的错误决定。