Rust all in Tsla

Danny Duncan这个“特斯拉推下悬崖、气囊空中打开”的测试，昨天被一名在中国西藏自驾的特斯拉车主真实体验到了 “再订一台特斯拉，当我飞下去那一刻气囊全爆开！坠崖悬空摄像头自动感应提前爆安全气囊，除了特斯拉没有一家车企做出来的 落地后不是恐惧是特斯拉客服小姐姐的声音问人员有没有受伤需不需要救援惊讶的是座椅侧面也有气囊 车门从里面外面正常打开根本不需要特斯拉断电的机械开门拉环 车门正常一按就开” ——车主

Anthropic 研究员：用 AI 写代码，不等于你真懂 vibe coding 最近在网上看到一篇 Anthropic 研究员 Erik Schluntz 的演讲，叫《Vibe Coding in Production》，觉得写得很深刻。 很多人以为，用 Cursor、Copilot 写代码就是 vibe coding 了。但他认为根本不是。 他指出了几个根本性的转变：什么叫真正的 vibe coding、AI 能力正在以什么速度增长、以及我们应该用什么策略去应对。我觉得这些东西对未来几年都很有帮助，整理了核心观点，分享出来。 一、你用 Cursor 写代码，不叫 vibe coding Andrej Karpathy 给过一个很精准的定义："完全沉浸在 vibe 中，彻底忘记代码的存在。" 不是"AI 帮你写代码"，是"忘记代码的存在"。 Schluntz 说得更直接：只要你还在逐行审查 AI 写的代码，你就没有在 vibe coding，你只是换了个更贵的 IDE。 真正的 vibe coding 是：你跟 AI 说清楚要什么，它出结果，你只看结果对不对。代码长什么样你不关心。就像打车，你关心的是到没到目的地，不是司机怎么握方向盘。 大多数人还停在过渡期的开头，真正的范式转移根本没到。 二、7 个月翻一倍，留给人类的时间不多了 Schluntz 给了一个数据：AI 能独立完成的任务时长，每 7 个月翻一倍。 现在能稳定执行 1 小时的编程任务。7 个月后半天。再 7 个月一整天。再往后一周。 当 AI 一次性扔给你相当于一周工作量的代码，你还要逐行审查吗？人类会成为整个链条里最慢的那个环节。 这跟编译器的发展史一模一样。早年程序员写完 C 语言还要看生成的汇编对不对，后来编译器越来越靠谱，坚持看汇编的那批人被淘汰了。AI 写代码，就是今天的编译器。区别是，这次抽象层更高，变化更快。 三、最核心的一句话："找到你能验证的抽象层" Schluntz 整个演讲的精华，就是这一句。 CEO 怎么管公司？看财务指标。CTO 怎么管技术？看验收测试。产品经理怎么管功能？直接体验产品。没有一个人在看代码。 所以用 AI 写代码的核心问题不是"AI 写得对不对"，而是——你在哪一层能判断对错？ • 能通过跑测试验证，就不用看代码 • 能通过体验产品验证，就不用跑测试 • 能通过用户数据验证，就不用亲自体验 找到那层，就在那层工作。往上走，别往下钻。这不是放弃责任，是重新定义责任边界。 四、叶子节点可以烂，主干不能烂 这可能是对创业者最有用的实操策略。 Schluntz 把代码库分成两类：主干架构（核心逻辑、底层接口、被大量模块依赖的部分）和叶子节点（末端功能、附加组件、不被任何模块依赖的部分）。 策略很简单：叶子节点让 AI 随便写，有点技术债无所谓。主干架构必须人工守住。 在"放手"和"控制"之间找到了最优解——不是把整个项目交给 AI（那是找死），也不是完全不信任 AI（那是浪费）。按风险分层，低风险的全力交出去。 极端案例：Anthropic 团队合并了 22,000 行 Claude 写的代码，原来两个工程师花两周逐行审查，压到了一天。四招：开工前需求规划、限定叶子节点、核心逻辑人工审、建立可验证检查点。 不是盲目信任，是有边界的授权。 五、你的角色变了：从监工变成产品经理 Schluntz 说了一句我特别认同的话：不要让 AI 为代码负责，让工程师为产品负责。 以前的模式是工程师对代码质量负责。新模式是工程师对产品结果负责，AI 对代码实现负责。 这意味着你需要的核心能力变了。以前是你得会写代码，现在是你得会说清楚要什么。他给了一个具体动作：开工前花 15 到 20 分钟跟 AI 对齐。先让 AI 探索项目结构、找相关文件、把它对任务的理解说出来、一起定计划——再把上下文整合成完整的 prompt 再执行。这么做之后，成功率是指数级提升。 好 prompt 不是写得长，是上下文给得足。 六、看完我自己的反思 这件事冲击最大的，其实是小团队和创业者。 以前做软件，技术团队是最大的门槛。有好想法找不到好工程师就做不出来。现在这个门槛在快速降低。 未来的竞争力不是"你会不会写代码"，而是"你能不能清晰定义什么叫做完了"。 能说清楚需求的人，就是未来的产品经理。能说清楚需求加能用 AI 交付的人，就是未来的全栈。 每次技术范式切换，都会有一批人因为没转过来而出局。不是能力不行，是心理模型没更新。这个变化不会等任何人。 最后说几句实在的，三件事现在就可以做： 第一，从今天起，在低风险模块上放手。不要每行代码都亲自审，先从一个叶子节点开始，让 AI 跑，你来验收结果。 第二，学会在任务开始之前跟 AI 对齐。不要上来就提需求。先让 AI 读懂背景，定好计划，再开工。 第三，想清楚你的验证层在哪里。你有没有一套可以快速判断"这事做对没做对"的标准？如果没有，这件事比学 AI 工具更紧迫。 AI 的能力还会继续提升，每 7 个月一倍。留给我们调整的时间，没有那么多。 核心素材来自 Anthropic 研究员 Erik Schluntz 演讲《Vibe Coding in Production》，推荐去看原视频。不管做产品、做技术还是做管理，这套思路都适用。

最近看到好多新款MY，每次出门至少看到4，5辆，而且好多是新上牌的 就连丐版也不少，出乎意料