BestBlogs 早报 · 09-26
Claude Code / Stripe / OpenRouter / AI 软件工厂 / LLM 蒸馏
[1] ★ 精讲｜Patrick Collison 谈 Stripe 用 Claude Code 加速交付并守住可靠性 [视频] Stripe CEO Patrick Collison 披露一组一线数据：一位工程师上半年合并 600 多个 AI 编写的 PR，仅 1 个被回滚；Stripe Projects 由两三位工程师两个月上线，他估算至少带来六倍提速。核心 API 在 5.5 个 9 的可靠性下坚持持续部署，靠的是不变量与硬屏障式护栏，围绕数据的标签与语义防护自 2017 年起建设，担心 AI 编码拖累质量的团队可作参考。 来源：Claude https://www.bestblogs.dev/video/e559dafa1
[2] ★ 精讲｜OpenRouter 联创谈从种子轮到并入 Stripe：模型路由的下一站 曾被投资人贬为 API 套壳的 OpenRouter，如今服务超 1000 万开发者，日 token 处理量超 10 万亿。联合创始人 Alex Atallah 与早期投资人 Anjney Midha 复盘从 Alpaca、Mistral 价格战到并入 Stripe 的历程，一个关键考量是 token 欺诈：上月拦截的欺诈金额是前月的 10 倍，下一波攻击将不只来自人类，还有自主 agent，Stripe 的反欺诈基建因此被双方看重；并入后品牌与产品路线保持不变。 来源：http://Latent.Space https://www.bestblogs.dev/article/28975bae32
[3] ★ 精讲｜最后一份路线图：当 AI 让执行过剩、信念成为稀缺品 | Claire Vo [视频] Claire Vo 的 AI 工厂把 ChatPRD 重构了 70 次、PR 量增至 3 倍，她却坦言已想不出值得做的好点子：执行过剩、信念稀缺。去年宣称产品管理已死的她，这回认为为工程稀缺年代设计的路线图会把团队推入 backlog、parity、churn 三个陷阱，主张先写下持久信念与验证证据、再决定 token 投向，并按 probe、experiment、promise 区分对客户的承诺强度。 来源：Lenny's Podcast https://www.bestblogs.dev/video/5e7d8805e
[4] Project Swap：当智能体替我们交易时会发生什么？ Anthropic 的 Project Swap 实验揭示，AI 智能体在市场谈判中的主要瓶颈是准确理解用户偏好，而非讨价还价能力，且模型能力对结果有显著影响。 来源：Anthropic Research https://www.bestblogs.dev/article/3e9d9c77b2
[5] LangSmith 新功能：Engine v2、深度智能体托管与微调上线 LangChain 发布了 LangSmith Engine v2，用于自动化智能体调试和红队测试，同时 Managed Deep Agents 增加了基于身份的记忆功能，并推出新的 Fine-Tuning 工作流，可将智能体轨迹转换为训练数据。 来源：LangChain Blog https://www.bestblogs.dev/article/12f7372b41
[6] Marty Cagan：坚定观点，松散持有——Inspired 十年十大遗憾与 AI 时代产品模型 [视频] Marty Cagan 重审 2008 年来的 Inspired，坦陈十大遗憾：从埋没商业可行性、过度强调问题发现，到低估可预测性、政治与产品领导力；并指出在 AI 时代，产品模型的发现能力与结果导向比以往任何时候都更重要。 来源：Lenny's Podcast https://www.bestblogs.dev/video/b355d7c48
[7] 关键制约因素：如何为速度设计 AI 软件工厂 | Geoff Charles（Ramp CPO） [视频] Ramp CPO Geoff Charles 将产品工作映射为一套 F1 式 AI 软件工厂：AI 不会消除瓶颈，只会让瓶颈转移，因此赢家团队必须在识别、定义、构建、协同与改进各环节持续发现、清除并围绕下一道约束重新设计。 来源：Lenny's Podcast https://www.bestblogs.dev/video/a80f1647a
[8] 为什么 LLM 推荐系统将成为 AI 最大的消费级应用 — Devansh Tandon，Meta [视频] Meta 推荐研究负责人 Devansh Tandon 论证推荐系统遵循与 LLM 相同的幂律扩展，梳理四条范式 S 曲线与双语 LLM 推荐器的语义 ID 配方，并主张因其解码内容指针在结构上远比聊天 token 生成便宜，将成为 AI 最大的消费级应用。 来源：AI Engineer https://www.bestblogs.dev/video/e1c7b5e1e
[9] 蒸馏 LLM，不要直接 Serving：DoorDash 搜索与个性化实践 [视频] DoorDash Staff ML 工程师 Raghav Saboo 指出，市场平台发现的本质是语义理解问题，并展示如何将 LLM 推理离线蒸馏为分级监督、Semantic ID、消费者记忆与可驾驭内容生成四类共享原语，让传统检索与排序系统在十亿级条目规模下低成本 Serving。 来源：AI Engineer https://www.bestblogs.dev/video/2ed767935
[10] AI 时代收购并重塑在位企业：对话 Sequence Holdings 联合创始人兼 CEO Michael Lee [视频] 在宣布与 Dell 家族办公室以 77 亿美元完成迄今最大规模 AI 私有化交易 Baldwin 数日后，Sequence Holdings 联合创始人兼 CEO Michael Lee 阐述了为何拥有品牌、规模与监管优势的在位企业才是 AI 变革的正确载体，为何永久控股公司优于基金结构，以及 Atlas 平台如何将 BankSouth 的消费贷款平均审批时间缩短 94%。 来源：No Priors https://www.bestblogs.dev/video/2196f099b
--- http://BestBlogs.dev · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。 在线阅读：https://www.bestblogs.dev/explore/brief/2026-09-26