Popularne tematy
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

Madhu Guru
Lider produktu w Google - Gemini
Musimy przeszkolić:
Nieprogramistów w zaawansowanych kodujących z wyczuciem
Inżynierów w myśleniu o produkcie i projektowaniu
Obie grupy w tym, jak przejść od pomysłu do dostarczonego produktu

Ethan Mollick31 gru 2025
To byłby dobry czas dla ekspertów w dziedzinie kodowania, a zwłaszcza ekspertów w pedagogice programowania, aby zastanowili się, jak szkolić osoby, które nie są programistami, aby stały się dobrymi kodującymi z dobrym vibe'em.
Czego muszą się nauczyć o praktykach kodowania, aby być bardziej efektywnymi? Jakie ograniczenia powinni zrozumieć?
7
To samo uczucie, co osoba zajmująca się produktami.
Przez lata moim ograniczeniem była zdolność do realizacji - mnóstwo fajnych pomysłów, ale budowanie każdego z nich wymagało złożenia zespołów inżynieryjnych i projektowych. Trudne i nieefektywne.
Dzięki AI mogę teraz "zatrudnić" cały zespół natychmiast. Ogromna skala odblokowana... w teorii.
Ponieważ teraz pojawiło się nowe ograniczenie: opanowanie, jak zorganizować zespoły AI... narzędzia, przepływy pracy i rzemiosło produktowe w tym nowym świecie.
Czuję, że nie ma większej dźwigni niż nauka tych umiejętności. Skierowuję cały swój wolny czas i energię tutaj.

Andrej Karpathy27 gru 2025
Nigdy nie czułem się tak bardzo w tyle jako programista. Zawód jest dramatycznie przekształcany, ponieważ wkład programisty staje się coraz bardziej rzadki i rozproszony. Mam wrażenie, że mógłbym być 10 razy bardziej wydajny, gdybym tylko odpowiednio połączył to, co stało się dostępne w ciągu ostatniego ~roku, a brak umiejętności, by to wykorzystać, wydaje się zdecydowanie problemem ze zdolnościami. Pojawiła się nowa programowalna warstwa abstrakcji do opanowania (oprócz zwykłych warstw poniżej), obejmująca agentów, podagentów, ich polecenia, konteksty, pamięć, tryby, uprawnienia, narzędzia, wtyczki, umiejętności, haki, MCP, LSP, polecenia slash, przepływy pracy, integracje IDE oraz potrzebę zbudowania wszechstronnego modelu mentalnego dla mocnych i słabych stron zasadniczo stochastycznych, omylnych, nieczytelnych i zmieniających się bytów, które nagle mieszają się z tym, co kiedyś było tradycyjnym inżynierią. Wyraźnie przekazano jakieś potężne obce narzędzie, ale nie ma do niego instrukcji, a wszyscy muszą dowiedzieć się, jak je trzymać i obsługiwać, podczas gdy wynikająca z tego trzęsienie ziemi o magnitudzie 9 wstrząsa zawodem. Zakasać rękawy, aby nie zostać w tyle.
10
„Model Sense” to nowy Product Sense dla PM-ów AI. Musisz być szeptaczem modeli.
Najlepsze możliwości znajdują się na granicy tego, co modele potrafią - możliwości, które są w pewnym sensie możliwe dzisiaj, ale będą niezawodne za 6 miesięcy.
Ta granica nie jest w pełni zmapowanym terenem, nawet dla tych z nas, którzy budują modele.
Zmapuj granicę dla swojego przypadku użycia. Wiedz, co jest gotowe, co wymaga wsparcia i obstawiaj, w jakim kierunku zmierzają możliwości.
Część naukowca, część spekulacyjnego tradera, część budowniczego produktu.

Aaron Levie6 gru 2025
Building AI agents right now is a process of:
1. Build scaffolding to address a limitation of the AI model so your agent works
2. The AI model gets upgraded and solves the very problem you were trying to mitigate, rendering your scaffolding obsolete
3. Identify new, harder use case you want to solve and go back to step 1
There’s basically no way to avoid this process because if you don’t mitigate the model’s limitations then you’re dead on arrival, *and* you don’t know which of your mitigations will be surpassed and when.
So the reality is that you just have to accept that you are going to be writing a lot of throwaway code for the next few years, and you have to be very unsentimental to the path you’ve pursued. Just do whatever it takes to make the agents work.
238
Najlepsze
Ranking
Ulubione
