Andrew Ng 把 AI 工程压进一小时,五个时间点值得暂停
免费一小时课,从 vibe coding 到 coding agents、evals 和判断力。时间戳、关键数字,再加一篇 Fable 5 自改进系统长文的拆解。
Andrew Ng 在 X 上发了一小时免费课,时间戳已经切好。课程把 2026 年 AI 工程从 vibe coding 到 coding agents、evals、judgment 的路径拆成五段。原推在这里:https://x.com/0xMovez/status/2122694058845839769 。
五个时间点
- 10%,8:30:只写 spec 的工程师为什么难被雇佣。
- 30%,13:30:从 20,000 条招聘帖里归纳出的 4 项 AI 技能。
- 50%,14:10:coding agent 隐藏了哪些取舍。
- 75%,19:40:80% 平台期,evals 开始接管。
- 100%,29:40:AI 无法自动化的 5 项技能。
推文下有人担心初级工程师招聘减少,Movez 回了一句“90% 的 junior 本来就不需要”。这个判断很冲,8:30 那段正好讨论只写 spec 的工程师为什么难被雇佣。另一个回复提到“shaping the build”没人会剪:工程师不再只接 spec,得自己写 spec。还有一条关于 evals 的具体经验:先要失败测试,bill-splitting 函数普通提示三次里出过一次舍入 bug,测试先行三次全过,每次多花约 2 美分。这个细节比空谈 eval 有用。
引用文章里更硬的部分
同一串引用里,Codez 发了一篇 Claude Fable 5 的 14 步长文,主题是搭一个能累积的自改进 agent 系统。文章链接:http://x.com/i/article/2065077530571264000 。核心事实:Fable 5 是 Anthropic 在 2026 年 6 月 9 日放出的首个公开 Mythos-class 模型,支持多天自主会话、子代理委派、用 vision 自检输出,价格是每百万输入 token 10 美元、每百万输出 token 50 美元。文章反复强调一件事:self-improving 和 self-learning 是两件事。模型权重不变,变的是围着模型搭的系统。
四层 stack 是这么分的:
- Primitives:模型、子代理、worktree、工具。
- Orchestration:/goal 和 Outcomes 做自校正循环,Dynamic Workflows 编排多步任务,Routines 把运行放到云端。
- Memory:STATE.md、Skills、知识库,把每次会话的教训写下来。
- Self-improvement:vision 自检、eval 循环、规则蒸馏,把结果写回记忆和 Skill。
关键数字有三个。Parameter Golf 实验里,Fable 5 加独立 verifier 比 Opus 4.7 多拿到约 6 倍提升。Continual Learning Bench 里,Fable 5 验证覆盖率达到 73%,Opus 4.7 是 17%。文章把记忆拆成五阶段:Fail、Investigate、Verify、Distill、Consult。STATE.md 对应项目记忆,Skills 对应跨项目的流程记忆。每个会话结束先写 STATE.md,下次开始先读。没有这一步,Fable 5 的记忆优势会掉回 Sonnet 级别。
安全边界也写得很直白。Fable 5 自带 classifier,会拒绝网络安全、生物、化学、模型蒸馏等高危领域请求,并自动回退到 Opus 4.8。文章提醒把回退当已知路径处理,别等循环静默失败再查。另一个讨论串里有人贴了据称的 Mythos system prompt,Gist 能看到 Claude 产品信息、工具定义、存储 API、搜索说明。真实性无法独立验证,别当官方文档。
还有一份网友整理的 awesome-agent-loops:https://github.com/serenakeyitan/awesome-agent-loops ,把 /loop、/goal、/schedule 的可用提示词按场景列了出来。想试手,从“先写失败测试”或给 agent 加一个独立 verifier 开始,比换更强模型便宜。
发布时间: 2026-11-18 04:31