A daily editorial on what AI builders are actually shipping — 6 月 9 日 刊
选题来自当日 builders 与 pulse 两条数据线，可直接作为公众号开稿起点。
角度从 SWEBench 过测但不可合并的反差切入，写 AI coding 的真实门槛正在从“能跑”变成“能进主干”。
AI 写代码最尴尬的不是失败，而是看起来成功。Swyx 转述 METR 的结论：SWEBench 里超过一半结果都是维护者不可能合并的垃圾。也就是说，很多 benchmark 分数测到的只是幻觉里的工程能力。
模型在旧基准上越刷越高，但真实仓库需要的是可维护、可 review、能合并的改动。
下一代 AI 编程评测不一定更像考试，反而更像开源维护者的 PR 审核。
开发者评估 coding agent 时，别只看 pass rate，要加入 mergeability、diff 质量、回归风险和维护者接受度。
角度把 headroom 的暴涨和 Aaron Levie 的“上下文不是免费午餐”连起来，写 AI 基础设施的下一笔钱在少看、准看、便宜看。
今天 GitHub 最像商业机会的项目，不是新模型，而是一个帮模型少读废话的压缩层。headroom 一周新增 14266 星，卖点是把日志、工具输出、RAG chunk 先压缩再喂给 LLM。Aaron Levie 那句话正好补刀：模型再聪明，没有业务上下文也会乱跑。
AI agent 越自动，越容易把 token 烧在重复日志、无效检索和低价值上下文里。
真正能收费的可能不是更强 agent，而是给 agent 装一个成本刹车。
团队做 AI 工程时，应把 token 审计、上下文压缩、私有知识注入和 MCP 网关当成基础设施预算。
角度从 Codex 加到 iPhone 主屏还要 9 步切入，写 AI coding 的战争正在从 IDE 迁移到手机、入口和 routine 自动化。
OpenAI 想做 everything app，但 Peter Yang 吐槽：把 Codex 加到 iPhone 主屏还要绕 9 步。另一边，Boris Cherny 说 Claude Code 已经从内部演示，走到了自动模式、例行流程和手机。AI 编程的下一场竞争，可能不是谁的模型更会写代码，而是谁离用户手指更近。
AI coding 工具越来越强，但入口仍然像开发者玩具，移动端、流程化和日常修 bug 体验还没打通。
真正的杀手级产品形态，可能不是更大的 IDE，而是一个随时能接管小任务的口袋入口。
做 AI coding 产品时，要把启动成本、移动端任务、自动修复流程和通知闭环当成核心体验，而不是附属功能。
角度从 Claude 接入 Apple Foundation Models 写起，讲未来 AI app 不是单模型崇拜，而是端侧小模型和云端大模型的体验编排。
Anthropic 今天给 Apple 开发者展示了一条很现实的路：Swift 里先用端侧模型做总结、提取、结构化，复杂推理再交给 Claude。用户看到的是一个体验，开发者背后跑的是多个模型分工。这比“选哪个模型最强”更接近 AI app 的真实形态。
端侧模型快、私密、便宜，但复杂任务不够强；云端模型强，却更贵、更慢、更依赖网络。
赢家不是押中单一模型的人，而是把多个模型藏进一个顺滑工作流的人。
开发 AI app 时，应按任务拆模型：本地处理低风险高频任务，云端处理复杂推理、代码生成、搜索和数据分析。
角度把 Nikunj 对 thesis-driven VC 的讽刺和 AI 工具定价信号放在一起，写 builder 应该少追叙事，多证明可审计节省。
创始人最容易误判的一件事，是以为 VC 网上的 thesis 真的代表投资判断。Nikunj Kothari 今天说得很直：那套 thesis 可能只是 associate，甚至实习生写的。对 AI builder 来说，这个提醒尤其扎心，因为今天最强的机会恰恰不是宏大叙事，而是省 token、省时间、省切换成本。
AI 创业者喜欢拿行业叙事包装产品，但买单的人更在意账单、节省和可验证需求。
越不像“改变世界”的小工具，反而越可能先收到钱。
融资和定价都要回到可量化证据：节省多少 token、少多少人工整理、缩短多少流程，而不是复述 VC 的热门 thesis。