AlphaFold 为何没有解决蛋白质折叠问题——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出，AlphaFold 的突破只是开始，蛋白质结构预测远未解决，蛋白质动力学、无序区和静态结构预测的局限仍是难题。
#大佬观点
Latent SpaceAI 评分1717
Simon WillisonAI 评分2222 Matthew Green：AI 冲击下公钥加密或失信心，概率 15%
密码学家 Matthew Green 称，有 1% 概率我们生活在 Minicrypt——即公钥加密不可能存在的假想世界，另有 15% 概率我们将实质性地对现有公钥加密算法失去信心。他指出，AI 制造意外发现的速度与人类替换标准的速度相差数个数量级，只有提前做好准备才能从这类冲击中恢复。
Simon WillisonAI 评分1212 Carson Gross：即便 AI 工具兴起，编程仍将是可行的职业
Carson Gross 认为，编程本质上是用计算机解决问题、并在解决问题时控制复杂度这两件事。他难以想象未来这两项能力会变得比今天更不值钱，因此即便 AI 工具出现，编程仍会是一个可行的职业。
Latent SpaceAI 评分2222 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 提出"合成超级智能"（synthesis superintelligence）路线，主张以物理实验为环境的强化学习推动材料发现，而非单纯扩大互联网数据训练。他们讨论让每台实验仪器具备"140 IQ"、用 AI 做材料表征、结合 DFT 与高通量实验室，并认为失败实验可能是最有价值的训练数据。
阮一峰的网络日志AI 评分2222 科技爱好者周刊（第 414 期）：Jev 决策模型有什么用
TypeSafe AI 发布新型"决策模型" Jev，它不返回文字而是返回浮点数概率，可处理是非题、选择题和按评分标准打分，已有浏览器插件用它实现语义查找和网页质量打分。西蒙·威利斯批评 Jev 是走向黑箱系统的倒退，并担忧有人用它给求职者排名。本期还提到 Anthropic 一位工程师借助 Claude 破解 896 位 RSA 密钥，在 2048 个 GPU 上运行 10 天。
Simon WillisonAI 评分1212 Ben Affleck 谈电影特效中的机器学习与卷积神经网络
Ben Affleck 在 10 月 7 日的发言中表示，自己从小对计算机感兴趣，电影从胶片转向数字后更关注这一领域，并称视觉特效工作流多年来一直包含机器学习。他提到自己会写"相当糟糕的 Python 脚本"，并解释了如何用卷积神经网络处理 tensor 数据，通过边缘检测和特征提取识别画面中的窗户边缘等模式，从而更方便地抠出绿幕影像并替换背景。
The Pragmatic EngineerAI 评分3232 Sam Newman 谈构建弹性分布式系统：微服务是"最后手段"
Sam Newman 在新书《Building Resilient Distributed Systems》中提出分布式系统三原则：信息传输需要时间、资源可能离线、资源终会耗尽，并指出多数故障源于资源池耗尽。他认为微服务应被视作"最后手段"，其核心是独立可部署与业务边界清晰，同时强调可观测性及根据业务场景决定 fail open 还是 fail closed。该书于 10 月 7 日出版。
The Pragmatic EngineerAI 评分3232 Peter Mattis 谈分布式数据库：从 GIMP、Gmail 到 CockroachDB
Cockroach Labs 联合创始人兼 CTO、GIMP 原始作者 Peter Mattis 在播客中回顾从开源到 Google 再到创办数据库公司的经历，并讨论如何让系统在大规模下保持快速、可靠与正确。
The Pragmatic EngineerAI 评分3131 RoR 创始人 DHH 引发新一轮“手写代码之死”争论
Rails 创始人 David Heinemeier Hansson 在 Rails World 主题演讲中宣布，至少在 37signals，专业工作中手写代码的时代已经结束。这一表态引发“手写代码之死”的新一轮争论，讨论该转变是否已不可逆转。
The Pragmatic EngineerAI 评分3434 Maggie Appleton 谈设计工程：用 jigs 掌控 AI 智能体，不再看代码
GitHub Next 的 staff research engineer Maggie Appleton 在 Pragmatic Engineer 播客中分享设计工程实践：她用名为 jigs 的交互原型（带滑块和取色器）实时调整 AI 生成的设计，并已停止查看工作中由 AI 生成的 PR 代码，改为撰写详细 spec 让智能体自行验证。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热门观点：该不该读 AI 代码、RAG 是否已死、Skills 是否杀死 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的专家经验，后者是智能体连接工具与数据的标准；RAG 并未消亡，检索能让模型更接近答案、减少 token 浪费。节目还讨论了企业招聘看重的是使用 AI 的判断力，以及微调需求往往暴露的是代码库可维护性问题。
Addy OsmaniAI 评分4848 Addy Osmani 谈 Agentic Skill Decay：智能体时代工程师如何刻意练习
Addy Osmani 提出"Agentic Skill Decay"概念：智能体可跳过写代码、调试、读他人代码等大量练习，导致代码产出速度快于工程师的判断力。他认为好的智能体工作依赖深厚领域专长与应用判断力，建议新手先形成假设再提示、多问"为什么"、读 diff、预测失败点，并主动让智能体边做边讲解以保留学习机会。
Addy OsmaniAI 评分4848 Addy Osmani：人类判断没有离开软件工厂，只是换了位置
Addy Osmani 认为，软件工厂是围绕软件工作的可重复循环，但可交付的代码仍需人类品味与责任归属。
Addy OsmaniAI 评分6060 Addy Osmani 谈智能体时代的代码质量：用约束替代逐行审查
Addy Osmani 提出，智能体每天产生数十万乃至上百万次改动，逐行人工代码审查已无法扩展，质量检查应更多放在智能体周围的 harness、环境和操作系统中。
宝玉AI 评分2222 关于 Agent 的几个判断：通用 Agent 通吃、插件生态定开放、模型才是护城河
针对 @cellier_ 提出的通用 Agent 吃掉垂直 Agent、开放吃掉封闭、下沉吃掉傲慢三个判断，宝玉补充了自己的六点看法：通用 Agent 赛道本身也会是少数赢家通吃。
Addy OsmaniAI 评分3434 Addy Osmani 谈软件工厂：亮工厂与暗工厂
Addy Osmani 提出"软件工厂"由 loop、harness、factory 三层构成：loop 是单个智能体重复执行任务的最小单元，harness 是围绕 loop 的沙箱、工具、记忆与完成判定，factory 则是多个 harnessed loop 并行、经队列供料并汇入同一道 review gate。
Addy OsmaniAI 评分2626 Addy Osmani：工程师必须掌控 AI 智能体的外循环
Addy Osmani 在 AI Engineer World's Fair 2026 闭幕演讲中提出，工程师必须掌控智能体系统的"外循环"，即对 AI 产出的问责权。
宝玉AI 评分6262 Caveman 号称省 65% Token，JetBrains 实测只有 8.5%
JetBrains 用 Claude Code 在 SkillsBench 的 86 个真实编程任务上测试 Caveman Skill，强制每次回复生效，约 240 次计费试验共花约 106 美元，输出 Token 从约 59.2 万降到 54.2 万，实际节省 8.5%，远低于宣传的 65%。