Tenex 如何为财富 2000 强企业构建 AI 原生 SDLC:Alex Lieberman 与 CJ Hess 访谈
Tenex 以故事点而非工时向 AI 工程师付费,公司已发展到 75 人,客户覆盖财富 2000 强与中型企业。其 MetaHarness 把技能、项目文档和 CLI 与代码一起签入 Git,让智能体读到的不只是做了什么,还有为什么这样做。访谈还讨论了用 AI 智能体替换每年 4.3 万美元的演讲者管理工具,以及垂直 AI 产品的取舍。
Tenex 以故事点而非工时向 AI 工程师付费,公司已发展到 75 人,客户覆盖财富 2000 强与中型企业。其 MetaHarness 把技能、项目文档和 CLI 与代码一起签入 Git,让智能体读到的不只是做了什么,还有为什么这样做。访谈还讨论了用 AI 智能体替换每年 4.3 万美元的演讲者管理工具,以及垂直 AI 产品的取舍。
AWS 提出 Trust in Depth 方法,用独立分层的验证机制让 AI 智能体在可验证时自主行动、把人工判断留给真正需要决策的环节。该方法围绕 Scope、Know、Bound、Observe 四个生命周期问题展开,并用自动化推理检查智能体规则是否在所有路径上成立。
Sophos X-Ops 指出,AI 治理不能只靠政策文件和员工培训,必须以可见性和嵌入工作流的技术管控为支撑。2026 年 4 月 Vercel 披露,一名员工用企业 Google Workspace 账号注册消费级 AI 产品并授予广泛权限,该厂商数月后被攻破,攻击者用窃取的 OAuth token 接管 Workspace 账号并进入敏感环境。
Geoffrey Huntley 提出用 pre-commit hook 检查 git diff 中绕过诊断模块、直接调用可观测性模块的代码,一旦发现就拒绝提交并注入提示词,要求 AI 智能体改用诊断库,效果从有偏差变成"十分满分"。他认为与其靠更新 AGENTS.md 内省,不如用这种硬性拦截避免漂移。
Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 提出“合成超级智能”路线,主张 AI 科学发现应基于物理实验的强化学习,而非仅靠更多互联网数据训练。他们称自主实验可将数十年的科学试错压缩到数月,并让每台实验室仪器具备“140 IQ”。
AVEVA 首席技术官 Arti Garg 提出,工业 AI 正从预测分析转向基础模型、物理 AI 与智能体 AI,需以安全、效率及人类监督为核心治理框架。她强调 AI 应增强而非取代关键决策中的人,并参与 IEEE 工作组制定衡量 AI 在电力、能源、水资源及碳足迹方面影响的标准方法。
Simon Willison 称赞 EmbeddingGemma 2 采用 Apache 2.0 许可,认为嵌入模型不应使用闭源专有托管方案。他指出嵌入模型通常需计算并存储数千乃至数百万条嵌入向量,若模型专有,供应商一旦停服,用户仍需付费重新计算已存储的向量。他更愿付费使用托管服务,同时保留自行运行开放权重版本的选择。