欢迎来到 Agili 的 Hacker Podcast 每日博客。今天的关键词是“预期与现实”：扎克伯格承认 AI 代理开发慢于预期，一项研究则显示代码整洁度虽不影响 AI 的任务通过率却能降低计算开销；另一边，一篇长文提出大模型是对“公共天才”的私人捕获，并建议用语料版税补偿被训练的数据贡献者。我们也会看到一座博物馆如何让人们重新发现被冷落的艺术品，以及一位独立开发者为什么最终放弃用客户支持来建立关系。
OpenAI 员工 Tibo 在社交媒体上确认，GPT-5.6 Sol Ultra 会加入 Codex。此前用户抱怨 GPT-5.5 Pro 被排除在 Codex 之外，导致 Claude Max 计划因更高额度而更具吸引力。社区分析认为，“Ultra”在 Codex 中并非独立的推理模式，而是一个别名，对应最大努力设置，并加了一句提示让模型主动调用子代理，思路类似 Claude Code 的“ultracode”。
一部分开发者认为，这种并行子代理适合处理大量独立子任务；反对者则指出，如果对正确性要求极高，无法全面审查子代理的工作，使用起来不仅风险高，且计算成本极其昂贵。一位企业用户透露，自己所在的大型美国公司两个月前还在表扬高用量的员工，最近几周却开始要求大家转向更便宜的模型，并通过监视用量来控制成本。这反映出 AI 工具从鼓励使用到主动收缩的快速转变。
芝加哥艺术博物馆的 API 中包含一个布尔字段 has_not_been_viewed_much，标记自 2010 年以来官网浏览量少于 200 次的作品。目前约 113,000 件作品属于“很少有人看”。博物馆员工在 HN 评论中回应：“我们不担心这个指标被破坏，我们只是希望人们看见艺术。”
社区对变量名的讨论很热闹。有人认为 has_not_been_viewed_much 是双重否定，容易写出 if (!isNotViewedMuch) 这样的困惑代码；另一些人则觉得它直接表达了筛选意图。有建议用 rarely_viewed 来避免歧义。博物馆员工透露，浏览量每月从 Google Analytics 导入一次，是定时任务，并不是实时更新。HN 热议后，符合“很少被看”的作品数已在缓慢下降。由于图片通过 IIIF 协议直接调用，浏览这篇文章的读者也正在为那些作品增加浏览量。
许多用户分享了自己翻看这些图像的感受，将其比作“零播放的 YouTube 视频”或贴了“待处理”标签的图书馆旧书。有人一口气刷新了 200 多次。也有人提醒，图书馆淘汰旧书恰恰需要真实的借阅信号，人为干预反而会破坏这个信号。不过博物馆的初衷显然更接近“给被忽视的作品最后一次被发现的机会”。
网站 map.signalbox.io 提供了一个实时地图，展示英国铁路网络中列车、车站和线路的动态状态。用户可以直观地看到当前全英国的铁路运营情况，无须安装任何应用。
这个教程把细胞比作面包房：基因组是包含超 20,000 种“蛋糕食谱”（基因）的配方书，蛋白质则是做出来的蛋糕。每个食谱有两份拷贝，但可以产出成千上万个蛋糕。不同细胞会产出不同的蛋糕混合物，从而维持各自的功能。
DNA 在概念上可看作约 30 亿字符长的字符串，只有 A、C、T、G 四种字母。实际 DNA 由两条互补链形成双螺旋，分裂时每条链作为模板精确复制。在动植物体内，DNA 被分割成称为染色体的长序列，存放于细胞核。人类通常有 23 对染色体，包括 22 对常染色体和一对性染色体。
基因组是一个巨大的生物问题搜索空间。当基因组获得有害突变时，会引发癌症和其他遗传疾病。通过研究物理特征与基因组的关联，医生可以根据个体遗传构成制订个性化治疗方案。
SonarSource 的研究人员用“最小配对”方法设计了 6 对代码仓库，只改变静态分析违规数和认知复杂度，保持架构和外部行为一致。他们用 Claude Code 执行了 660 次任务。结果显示，代码脏不脏对任务通过率没有影响，但干净代码将令牌消耗降低了 7%–8%，文件重访次数减少了 34%。作者认为，整洁度已经和模型选择、提示工程一样成为影响代理行为的关键因素。
评论区最集中的批评是：实验只检查了隐藏测试是否通过，没有验证代理是否破坏已有测试。作者承认这是“愚蠢的疏忽”，但补充说代理通常会在提交前运行测试，实际回归很少。另一个质疑是，用大模型生成的“脏代码”能否代表真实的人类差代码。作者回应，他们给 AI 一个违规清单要求逐条消除，该方法已在生产环境运行一年以上，但反对者仍认为这与人类组织的代码有本质区别。
多位从业者分享了自己的实践经验：AI 代理在混血代码库中倾向于复制附近的旧模式；让代理先跑一遍静态检查工具再动手效果更好；通过提示重构代码（例如“拆开超过 1000 行的文件”）后，代理完成后续任务的速度明显加快。一个反复出现的抱怨是，AI 代理默认不愿删除代码，即使明确要求它也会想办法保留死逻辑。用“先做一遍代码审查，再动手编写”的提示技巧可以缓解这个问题。
Dustin Bluck 买下 Castro 后，亲自回复每封邮件，希望用人性化支持建立客户关系。两年后他得出结论：这条通路走不通。他把支持请求分为几类：订阅和定价投诉——99% 的用户回复比第一封邮件更负面；Bug 报告——大部分无法复现或优先级低，真诚解释“暂时修不了”往往是火上浇油；复杂账号问题——不到 1%，但确实能让用户满意；“困惑用户”——需求越来越沉重，却很少被满足；功能请求——有主见的产品不会因为一封邮件改变路线。
Bluck 认为，花大量时间做支持并不是差异化优势，真正的正面体验来自产品本身变好。一位运营 16,000 用户免费应用的开发者在 HN 上分享了自己的相反经验：他每周只收到 2–5 张工单，20% 的功能来自用户建议，用户还会主动复现 bug 并在 Reddit 上推荐产品。但更多人指出，付费应用与免费应用的用户心态完全不同。Bluck 在评论区坦言，他试过给投诉订阅的用户推荐免费替代应用，结果对方更恼火了。
每年可穿戴设备出货超 6 亿台，一块 ESP32 芯片只需 7 美元。作者认为，大量廉价设备已经出现，但设备上运行的软件仍由制造商单独决定。智能体需要靠近摄像头、麦克风等传感器工作，这意味着一大批软件等待被写入小型设备中，每个设备为一个用户做一件事。
Pebble 手表软件完全开源，Meta 和 Mentra 允许用网页为眼镜开发应用，Google 的 XR Blocks 降低了 Android XR 的开发门槛。但目前要在 7 美元的芯片上做出像样的界面，仍需要 C++、板级 SDK、手写驱动、RAM 精算和烧录调试。作者所在的 GEA 项目试图用网页开发方式编写代码并提前编译为原生代码，将软件边界抬高，让更多开发者能编写硬件上运行的软件。
有开发者让 AI 设计了一款基于 RP2040 的四层 PCB，打样一次成功，又让 AI 设计了 3D 打印外壳同样一次成功。另有人用 ESP32 和 Claude 造出婴儿监控器，根据哭闹时长决定是否唤醒父母。但硬件个性化仍面临功耗管理和维护成本等难题。一位 30 年经验的程序员坦言自己已厌倦调试，选择原厂设备；键盘客制化圈里，独一无二的外设一旦损坏，后续支持往往缺失。
1956 年，AT&T 与政府达成反垄断和解，将 7,820 项未过期专利免费许可给任何美国公司。这些专利中 69% 与电信无关，涵盖化学、半导体等领域，约占美国未过期专利的 1.3%。免费释放后，在电信行业之外产生了近 60 亿美元的后续专利价值，戈登·摩尔称这项同意令“直接催生了硅谷的成长”。
作者将互联网比作不断沉积的三角洲，每一段文字都是一粒沙。大模型就是压缩了这些沉积物的数值权重。OpenAI、Anthropic 等公司训练大模型所用的数据，本质上是全球每个人写过的一切文字。但与人类阅读后以人类速度回馈不同，模型以工业速度输出，与原作者竞争。法律层面，合理使用抗辩在最近的案件中获得部分支持，但法官也指出如果模型能充斥类似原作的市场，版权人可能在市场影响要素上获胜。
由于精确计算每笔数据贡献的 Shapley 值在计算上不可行，作者建议前沿实验室将总收入的一个固定比例注入公共基金，向每一位符合条件的美国人等额支付。这借鉴了阿拉斯加永久基金，是在无法归因个人贡献时，平均分配资源财富。作者强调这不是福利、慈善或税收，而是“恢复原状”，目的是保护正在被 AI 生成内容淹没的互联网上游资源。
.snk 文件传输网站Sneakerweb 是一个点对点网页发布协议，抛弃 DNS 和域名注册商，将网站打包为 .snk 文件在设备间直接传输。它支持命令行声明域名、发布静态网站、导入导出以及屏蔽不想要的域名。基于 Willow 协议，Sneakerweb 能防止网站伪造，并在设备插入时自动合并更新双方网站集合。
社区将其类比为现代版的 samizdat（地下出版物）或带有网页功能的 Sneakernet（以步行传输数据的古老做法）。不过也有人质疑它与直接传递 HTML 静态文件的区别：其价值在于版本合并和身份保护，让用户无法伪造他人域名。该项目目前还未进入主流 Linux 发行版的软件仓库。
根据路透社听到的会议录音，扎克伯格表示过去至少四个月里，agentic development 的轨迹没有像预期那样加速，公司对新结构的押注“尚未实现”。此前高管层对内部工具和竞争对手 Claude Code 等感到“超级乐观”，但重组和转化的速度都慢于设想。Meta 今年预计在 AI 基础设施上投入高达 1450 亿美元，扎克伯格预计未来 3 到 6 个月才会看到更显著的收益。
一位 HN 用户说，一年多前他担心 AI 代理会大幅削减工程团队，并未发生。他现在用 AI 写所有代码，但不能无监督交付，产出约是原来的 2 到 3 倍，但也需要审查 2 到 3 倍的代码。如果不审查直接放行，结果往往很糟。另一位补充道，代码行数是负债，没有 AI 时如果不关心同事审查他也能写出 2 到 3 倍的代码。团队从 7 人减到 2 人，工作量相当甚至更多，但更累、更缺乏专注。也有人指出，成功的产品未必有好的代码，好的工程实践与商业成功之间的相关性并不大。
女：Hello 大家好，欢迎收听 Agili 的 Hacker Podcast，我是莓莓。
男：我是阿迪。
女：今天想跟你聊的几个话题，互相之间串得有点奇怪，但聊着聊着说不定就通了。先说说我昨天看到的一个新闻，Meta 的扎克伯格在全员大会上承认，AI 智能体的进展比他想象中要慢。作为一个天天跟产品打交道的，我看到这句话的第一个反应是——终于有高管把这话说出来了。
男：对，我也看了那份录音的报道。他说过去至少四个月，智能体的开发轨迹没有像预期那样加速，公司重组也不如想象中干净。还提到年初高管们对 Claude Code 这类工具超级乐观，觉得马上就能带来巨大变化。结果现实是，他们裁了 10% 的人，把 7000 人转岗到 AI 团队，但生产力并没有出现他们幻想的那种十倍提升。
女：这跟咱们身边好多工程师的感受还挺一致的。我注意到评论区有人说得特别直白，说自己用 AI 写所有代码，产出大概是以前的两三倍，但代价是必须审查两三倍的代码——而且必须审，因为如果不审，AI 交过来的东西经常把人带沟里。他原话是“不能交给 AI 无监督工作”。
男：这点我深有体会。代码行数是负债不是资产，软件工程很大一部分工作其实是在合适的时间产出适量的代码。如果单纯追求行数，没用 AI 的时候我不在乎同事能不能审得动，也能写出两三倍的量。现在 AI 帮我吐代码，审查反而成了瓶颈，那些被审查负担抵销掉的效率提升，其实跟直接自己写差不太多。
女：所以这就引出一个有意思的问题：代码到底写到什么份上，AI 才能真的帮上忙？正好，前两天我看到 SonarSource 那家做静态分析的公司搞了一个实验。
男：啊，那个实验。他们做了最小配对：让两个代码库在架构、依赖和外部行为上完全一样，区别只在于静态分析违规的数量和认知复杂度。然后让 Claude Code 在干净版本和脏版本上各跑同样的任务，总共试了 660 次。
女：产品经理的直觉告诉我，干净的代码肯定任务完成率更高。但结果是，通过率没有差别。
男：对，我也没想到。脏代码和干净代码在能不能把活干完这件事上，表现差不多。但有一点很关键：干净代码让代理的操作开销明显下降，令牌消耗少了 7% 到 8%，文件重访次数少了 34%。相当于代理在干净的代码里走路更快、更省脑子，迷路的次数更少。
女：这个结论其实挺中肯的。他们说代码整洁度不会直接提升正确率，但会影响代理的计算成本和导航效率。可维护性原则在 AI 时代依然有实实在在的经济价值，只是体现的地方跟人不太一样。
男：评论里也有人质疑他们的实验方法，比如他们只检查隐藏测试是否通过，没去验证代理是不是顺手把已有的其他测试给弄坏了。作者自己也承认这是个愚蠢的疏忽，但在现实里他用 Sonnet 4.6 很少看到回归问题，因为代理提交前通常会跑测试。另一个争议是，他们用 AI 来把干净代码“变乱”，很多人觉得那种乱法跟人类写的混乱代码不完全一样，结论不能无限推广。
女：工程师们分享的私房技巧还挺有意思的。好几个人说，让 AI 代理动手之前先跑一遍静态检查，然后把 lint 报错、类型检查器的输出直接喂给它，效果会好很多。还有人让代理自己先做一遍代码审查再改代码，或者强迫它应用 YAGNI 原则，不然它默认不愿意删旧代码，死代码越堆越多。
男：对，AI 对删除这件事有种莫名的抗拒心理。哪怕你清清楚楚告诉它把旧逻辑去掉，它也会想方设法保留一段注释或者影子实现，最后留下一个谁都看不懂的混合体。所以有不少人总结说，干净代码同时降低了人类和 AI 的认知负荷，这个比任何一个单独指标都更有说服力。
女：你刚才说“认知负荷”，让我想起另一件事，跟代码没关系，但跟“负担”密切相关——就是做客户支持。有个独立开发者 Dustin Bluck，他前两年买下了播客应用 Castro，一开始想靠亲自回复每一封邮件、提供人性化支持来建立客户关系，结果折腾了两年，他承认这条路走不通。
男：我看了他那篇反思，写得很诚实。他把请求分成几类：订阅和定价投诉，不管怎么耐心解释为什么软件要订阅，用户回复比第一封还生气；bug 报告里大部分要么没法复现，要么自己早知道了但排不上优先级；功能请求他直接说产品有主见，不会因为一封邮件改路线。最要命的是，他把那些反复来问基础问题、请求越来越重的用户称为“病态客户”——占用了大量时间，付费金额跟别人一样，而且很少感到满足。
女：这事触到了产品经理的一个痛点。很多做产品的都幻想能给用户写一封长长的解释信，说清楚“为什么我今天不解决你的问题”，以为这样就能让人理解。但 Bluck 说，这种邮件可能是用户收到的最糟糕的东西，反而让对方更火大。
男：评论区一位运营着 16000 个用户应用的开发者分享的经历刚好相反——他每周工单很少，用户主动帮忙复现 bug、在 Reddit 上推荐他的应用，20% 的功能直接来自用户建议。不过有人点出来，他的应用是免费的，而收费应用的用户心态完全不同。Bluck 自己也试过给抱怨订阅的人推荐免费替代品，结果对方更怒了。
女：他最后的结论其实挺扎心的：真正好的体验来自产品变好，而不是花太多时间去解释为什么不解决问题。所以他干脆把时间省下来改进产品本身。我完全理解他——这就像把精力花在种地上，而不是每天给路过的人解释为什么今天没下雨。
男：这个心态让我想到一个完全不相干的领域。最近芝加哥艺术博物馆有个 API，里面有个字段叫 has_not_been_viewed_much，是一个布尔值，简单说就是标记那些从 2010 年以来在官网上被浏览少于 200 次的艺术作品。
女：这个名字本身就很有意思，双重否定， if ( !isNotViewedMuch ) 这种代码读着就头疼。有人提议改成 rarely_viewed 算了。但更打动我的是博物馆员工在评论里说的那句话：“我们不担心这个指标被破坏，我们只是希望人们看见艺术。”
男：这件事在 Hacker News 上火了之后，大家真的跑去狂点那些冷门作品。有人说自己一口气刷了两百多次，每次都像在挖被遗忘的宝藏。还有人联想到图书馆里贴着“三个月内无人借阅即处理”标签的书，有读者专门去借那些书，而且从来没后悔过。不过也有一条评论说，这种行为其实在破坏图书馆的淘汰信号，就像开发者故意调用已被标记弃用的 API 一样。
女：我倒觉得博物馆的情况不一样。图书馆腾空间是真的需要依据，但博物馆把作品挂在线上并不占额外的物理书架，而且那些数据是从 Google Analytics 每个月导入一次，不是实时的。现在大约有 113,000 件被标记为“很少有人看”，HN 讨论之后，这个数字正在缓慢下降。有人担心曝光会毁了这个功能，但员工说，我们就乐意让它们被看见。
男：我特别喜欢用户分享的那些作品，比如一幅叫《Honorable Mr. Cat》的版画，一件秘鲁黑陶情侣拥抱造型的器皿，还有高更、马奈、伦勃朗的素描。很多著名艺术家的草稿、习作和模型平时被严重忽视——但这些未完成的东西反而更有温度。
女：说到“被忽视的东西”，我忍不住要提一个小工具，就是英国铁路网络的实时地图。它没有什么深层故事，就是追踪列车位置、车站和线路的实时动态，看着列车像血管里流动的小点，莫名的有一种解压感。这个东西没有任何 AI 加持，但它就是做了一件简单的事，让复杂系统变得肉眼可见。
男：做铁路可视化的人在评论区没怎么说话，但我觉得它和冷门艺术品有共通之处——都是把原本藏在系统深处的东西拿出来，让人看一眼。这种“拿出来”的动作在另一个领域也在发生，而且技术门槛正在快速下降，那就是个人硬件。
女：最近我看到一篇文章，叫“个性化硬件时代”，核心观点是，已经有大量廉价设备出现了，每年可穿戴设备出货超过 6 亿台，一块 ESP32 芯片只要 7 美元。但问题在于这些设备上跑的软件都由制造商封死了，你不能决定手腕上那块东西到底干什么。作者的观点是，智能体需要靠近传感器工作——摄像头、麦克风、加速度计、心率——这些信息不在浏览器里，在物理设备上。所以应该让更多人能为这些小设备编写软件。
男：他所在的 GEA 项目想用一套类似网页开发的方式写出代码，然后提前编译成原生代码，能在微控制器、嵌入式 Linux、Mac 和手机上都跑。这事技术上有点像当年的 JavaScript 跨平台梦，但在嵌入式领域实现难度大得多。功耗就是个天大的坑，AR 眼镜目前只有 0.9 瓦时的电池， 14 小时使用的话每个小时只能烧掉 140 毫瓦，处理一张图都需要定制芯片和极致优化。
女：可也有非常接地气的例子。有个开发者用 ESP32 加上 Claude，自己做了一个婴儿监控器，能根据哭闹时长决定要不要叫醒父母，实实在在解决了睡眠问题。另一位更夸张，让 Claude 设计了一款基于 RP2040 的四层 PCB，然后 3D 打印了一个外壳，一次成功，只存在微小外观问题。注意，这人之前没设计过 PCB。
男：这其实又回到了咱们一开始聊的话题——AI 智能体的速度比高管预期要慢，但它确实在打开一些以前打不开的门。只不过这扇门打开之后，你会发现里面的世界依然需要人类去判断什么值得做、什么不该做。就跟那个婴儿监控器一样，AI 帮你选元件画板子，但“要不要在深夜叫醒自己”这个决策，还得人来定。
女：说到由谁来做决策，我最近看到一个极具极客气质的项目叫 Sneakerweb。它是一个基于物理介质的点对点网络发布协议，你不需要 DNS，不需要域名，不需要托管，网站以 .snk 文件的形式存在 U 盘里，朋友之间插一下就能同步和合并版本，协议还内置了身份验证，防止别人伪造你的域名。而且离线也能用浏览器查看。
男：这其实就是一个带版本控制和防伪功能的 Sneakernet，用走路代替网络传输数据的古老做法。十几年前有过类似的项目，比如 USB Dead Drop——把 U 盘藏在公共场所像地理藏宝一样，还有 PirateBox，搭一个匿名 Wi-Fi 热点让人上传下载文件。那些项目都遇到了现实问题：U 盘被人破坏，公共 Wi-Fi 普及后没人用 PirateBox 了。Sneakerweb 的想象力在于它把同步协议做进去了，万一地球的某一块网络被切断，它还是能传播信息。
女：这让我想到一个更大的历史回声。1956 年 1 月 24 号，AT&T 签下同意书，把 7,820 项未过期专利免费许可给任何提出申请的美国公司，未来的专利也只收合理费率。那时候 AT&T 是全球最大的私人公司，收入占美国 GDP 将近 2%，旗下贝尔实验室后来拿了 5 个图灵奖和 10 个诺贝尔奖。政府逼他们放弃专利，是因为反垄断——监管者想把贝尔的制造子公司 Western Electric 从 AT&T 身上切掉，但国防部长写信恳请不要下手，说这违背国家重大利益。最后和解的结果是，专利放出来了，贝尔被禁止从事电信以外的业务。
男：事后分析发现，贝尔的专利里有 69% 跟电信无关，涵盖了化学、半导体、金属加工、照明、光学等等，大约占了那个时候美国全部未过期专利的 1.3%。这些专利一夜之间免费可用，尤其在电信行业之外，几年内产生了将近 60 亿美元的后续专利价值，其中约 35 亿来自年轻创业公司。戈登·摩尔后来直接说，这个同意令驱动的创新 cascade 是商业半导体行业最重要的发展之一，直接催生了硅谷的成长。
女：我特别喜欢文章里一个比喻——贝尔实验室是垄断农田里长出的稻田。监管机构用固定回报率给 AT&T 定价，花在贝尔实验室的每一美元既是电话用户补贴的无风险成本，又是扩大利润基础的手段。这个机制其实很巧妙，客观上创造了技术生长的沃土。
男：但现在的前沿科学已经不一样了。它植根于模型权重和 GPU，淹没在 token 消耗和智能体循环里。Anthropic 的收入从去年 1 月的 8700 万美元飙到今年 5 月的 470 亿美元，OpenAI 紧随其后。他们的模型训练用的是全人类写过的所有文字——互联网上每一篇帖子、每一段话，就像河流三角洲层层沉积的泥沙，被压缩成数值权重。然后这些公司用工业速度输出内容，与原作者直接竞争。
女：这让我想到一个不完全贴切但能帮我理解的类比：细胞。刚好我前阵子读了一篇科普，说细胞像一家面包房，基因组是一本包含两万多种蛋糕食谱的配方书，每个基因就是一张食谱，蛋白质是最终的蛋糕。这个系统运行了亿万年，靠的是信息存储和精准读取。但大模型做的事情，是把整个互联网这个超级三角洲沉积物压缩成可反向生成内容的工厂——它不是像人类那样读了一万本书之后缓慢回馈一粒沙，而是把所有沙子压成一台印刷机。
男：这个比喻的沉重之处在于，印刷机出来的东西会淹没那些还在用勺子往三角洲里添沙的人。当 AI 能以零边际成本生成海量内容，人类创作者参与公共讨论的意愿就会下降——不是因为他们写的东西没有价值，而是因为他们的声音在机器噪音里变得完全不可辨认。作者把这个称为“拔掉插头的公共池塘”，我印象很深。
女：法律上现在还是靠“合理使用”在扛着。今年 6 月法官 Alsup 在 Bartz 诉 Anthropic 案里裁定，合法获取的书籍用于训练是典型的转换性使用，但用盗版书就不行。Anthropic 最终以 15 亿美元和解，这是美国历史上最大的版权和解。另一个案子 Kadrey 诉 Meta，法官说训练是转换性的，但也指出如果模型能淹没类似原作的市场，那版权人在市场影响上反而可能赢。
男：但即便赢了单个案子，也没办法解决那个根本问题：互联网上绝大多数被训练的内容，创作者根本没有能力单独主张权利。没法精确归因，因为计算 Shapley 值需要把模型用无数种输入组合重训无数次，在实际规模上根本不可能。所以那篇文章提出一个方案，叫语料版税——前沿实验室把总收入的一个固定比例注入公共基金，向每个符合条件的美国人等额支付。借鉴的是阿拉斯加永久基金的模式。
女：这个提法刚看的时候觉得有点激进，但细想它的逻辑其实很直白：既然不能精确算出每个人的贡献，那就付给整个团队。不是福利，不是慈善，也不是税收，而是一种恢复原状——因为公司取得的价值里有一部分来自公共领域里无数微小的、无法自己主张的智慧火花。
男：AT&T 当年释放专利，是一种对公共技术积累的返还，结果催生了整个硅谷。今天的语料版税设想，是想在 AI 这件事上重建一个类似的回路，让那些无法谈判、无法组织、无法进入市场的长尾创作者，也能从他们帮忙构建的财富里拿到一份。
女：这个想法不一定能马上落地，但它至少问对了一个问题：当私人公司从公共天才里提取出巨大的私人价值时，回流机制在哪里？如果这个问题不回答，十年之内互联网的河口三角洲可能会变得无法辨认。
男：而这也是我喜欢 Sneakerweb 这类项目的原因。它用一种极低科技的手段回应了同样的问题——当你的数据、你的内容、你的声音可能被系统性的方式截留时，至少还有另一种方式让信息流动，不需要中心化平台的首肯。
女：时间差不多了。今天我们从 AI 智能体的现实进展，聊到代码整洁度到底对代理有没有用，再到客户支持是不是一种幻觉，以及那些被冷落却又闪闪发光的艺术品。然后是铁路地图、个性化硬件、物理介质上的网页协议，最后落到了 1956 年的专利释放和今天的语料版税。
男：很多话题表面不相干，但内核都是同一个问题：我们怎么处理那些被系统忽视、稀释但从未消失的价值——不管是代码里的认知负荷、博物馆里的冷门素描、戴在手腕上的空白设备，还是每个人留在网上的零碎文字。
女：好，今天就到这里。感谢大家收听。如果你喜欢这期节目，记得在你的泛用型播客客户端里搜索“Agili 的 Hacker Podcast”订阅。我是莓莓。
男：我是阿迪，咱们下期见。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。