B站
裸辞回国做独立游戏，花了2万8摸索出的AI编程工作流
这个视频，我反复听了至少有3遍。UP主是一名独立游戏开发者，使用AI Agent进行辅助编程。在这个视频中，UP对AI工作流的搭建，提出了一些很有价值的观点。
- 大型、方向明确的功能，用"文档驱动开发"。 流程是：发散需求 → 写 PRD → 让 Agent 制定 plan → review plan → 实现 → 测试迭代 → 人工 review。
- PRD 是整个流程的核心资产。 重点要写清楚：术语定义、用户交互方式、验收标准和边界情况。否则 AI 会按自己的理解写代码，后期修正成本很高。
- 小型或需求模糊的功能，用"原型驱动开发"。 先让 AI 快速做出 MVP，通过实际体验澄清需求；当功能变大、逻辑变清晰后，再回到文档驱动流程重构。
- AI 时代工程师的角色在上移。 人不再主要负责逐行写代码，而是负责定义方向、维护系统理解、审查架构和控制质量。
- 文档变成人和项目之间的重要接口。 因为 AI 可以把自然语言转换成代码，文档的重要性接近过去代码本身的重要性，尤其是核心系统、容易被自然语言描述的系统，应持续维护文档。
- Agent 不是完全自治的工程师。 当前阶段仍必须人工 review，尤其要关注可维护性、架构、系统边界和模块交互，不能完全放手。
- 实用建议：
- 信息给得越充分，AI 产出越好。
- 一定要用 plan 模式。
- 让 AI 写测试，成本低收益高。
- 把固定流程 skill 化 / 脚本化。
- 不要过度沉迷代码细节，重点看主干架构。
- 工具链保持轻量，不要把大量时间花在自制调度工具上。
张小珺访谈智谱CEO张鹏
智谱是来自于清华的创业团队，旗下有GLM大模型，主要从事业务是ToB、ToC，像我们公司就采购了智谱的大模型服务。张鹏给人的感觉是沉稳、务实、诚恳，典型的工程师形象。
这期视频的核心是：借智谱上市这个节点，讨论一家中国大模型公司如何从清华实验室走向 AGI 创业、商业化、开源竞争和资本市场。
- 智谱的底层叙事不是"上市公司"，而是"AGI 先行者" 张鹏希望智谱在 AI 历史中被记作"AGI 的先行者"或"开路的人"。上市只是长跑中的里程碑，不是终点。
- 智谱的起点是清华的工程转化传统 它不是从纯商业机会出发，而是从清华实验室的 Paper to Product 传统出发，把研究成果转成真实系统和产品。
- 技术路线从认知智能走向大模型 智谱早期做认知智能、科技情报平台 Aminer，后来 GPT-3 / ChatGPT 验证了大模型方向，智谱转向 GLM / ChatGLM，并持续押注通用模型。
- 智谱更偏 2B，而不是纯 C 端流量战 张鹏认为中国 C 端付费意愿弱，智谱不会把唯一赌注押在 C 端。它更重视企业客户，因为企业是生产力提升最集中的场景。
- 外界对智谱"to G / 项目外包"的理解过于片面 张鹏强调智谱主要服务企业客户，不是围着政府转；其核心逻辑是用大模型提升企业生产效率。
- 开源既是技术理想，也是战略工具 开源被视为智力平权、扩大影响力和推动生态的方式，但开源不等于免费，商业化服务仍然需要清晰边界。
- 不迷信暴力堆算力，重视工程优化和降本 智谱的技术路线强调算法、数据、工程效率和成本控制，而不是只靠更大算力。
- DeepSeek 的意义在于降本、开源和重新激活行业想象 它证明中国团队也能通过工程和算法优化改变成本结构，同时强化了开源路线的价值。
- AGI 的下一阶段可能来自多模态、Agent 和在线学习 访谈中反复出现的方向是：统一建模、多模态融合、在线强化学习、训练与推理一体化，以及更强泛化能力的 Agent。
- 上市后的真正挑战是保持长期主义 成为公众公司后，智谱要面对资本市场压力，但张鹏强调不能只赚钱、没有技术产出；否则不是他想要的公司。