00:00 / 01:27
连播
清屏
智能
倍速
点赞65
隔夜美股发生了一件极具戏剧性的事。一家名叫Anthropic的人工智能公司——就是开发出Claude Code代码开发工具的那家——发布了一个看似普通的"法律插件",却在华尔街掀起了一场海啸。软件板块单日蒸发约2850亿美元市值,法律科技股遭遇了自去年4月以来最惨烈的抛售潮。 这让人不禁想问:为什么一个插件能有如此威力? 让我们先看清这场风暴的中心。 Anthropic这次推出的工具,本质上是一个"数字法务助理"。它能够自动审阅合同、分类处理保密协议、撰写法律简报、甚至生成标准化的回复模板。听起来似乎只是辅助工具?但资本市场的反应极其直白:汤森路透盘中暴跌超20%,LegalZoom.com跌逾20%,伦敦证券交易所集团下挫近13%。这些数字背后,是投资者用最真实的资金投票——他们相信,AI正在从根本上瓦解传统软件公司的护城河。 这里有个值得玩味的细节。Anthropic在发布工具时特别强调:"所有AI生成的分析都必须由持牌律师审核,本工具不提供法律建议。"这像是一个免责声明,但市场显然不买账。因为投资者看到的不是当下的限制,而是未来的可能性:如果AI今天能处理NDA分类,明天为什么不能处理更复杂的法律决策?这种"温水煮青蛙"式的替代威胁,比任何业绩暴雷都更令资本恐惧。 这场恐慌实际上暴露了软件行业一个长期被回避的真相。 过去十几年,软件公司构建了一套完美的商业模式:通过订阅制锁定客户,依靠复杂的工作流程培养用户粘性,再用品牌溢价维持高毛利。无论是汤森路透的Westlaw法律数据库,还是励讯集团的LexisNexis,它们的核心竞争力不仅在于内容,更在于"只有我们能提供这种系统化服务"的垄断幻觉。 但现在,AI正在解构这种系统性优势。当Claude能够直接理解合同条款、识别风险点、甚至给出修改建议时,客户不禁会问:我为什么还要每年支付数千美元的订阅费,去使用一个笨拙的传统平台?这种质疑直接击中了软件股的估值逻辑——它们的市盈率已从过去十年的平均55倍暴跌至18倍,几乎打了三折。 更令人警惕的是,这种冲击正在跨行业蔓延。上周,谷歌DeepMind的Project Genie让游戏公司集体颤抖; #软件板块 #saas软件 #Anthropic #AI应用 #中软国际
00:00 / 04:26
连播
清屏
智能
倍速
点赞6127
00:00 / 00:19
连播
清屏
智能
倍速
点赞616
00:00 / 01:12
连播
清屏
智能
倍速
点赞7
00:00 / 01:26
连播
清屏
智能
倍速
点赞24
今天我们聊聊Agent Teams Anthropic推出的Agent Teams功能支持在Claude Code中启动多个智能体实例协作完成任务,但其核心挑战在于如何设计有效的协作机制而非简单并行。 系统设计要点 需明确四个工程决策:上下文隔离(队友仅共享项目文件与显式消息)、调度策略(建议手动定义任务拆分)、失败处理(需人工干预纠偏)以及合并仲裁(需明确定义验收标准)。智能体团队本质是轻量项目组,包含负责协调的Lead、独立执行的Teammates、共享任务列表和内部通信邮箱。 关键使用原则 坚持“默认串行,显式协作”。并行可能带来7倍Token消耗,仅适用于可拆分、低耦合的任务。成功协作需明确五大要素:角色目标、输入输出、文件所有权、同步点和验收标准。 实战模板与避坑指南 提供三套高胜率模板:研发型(实现/测试/验证分工)、内容型(调研/撰稿/审稿流程)、调研型(多方案对比论证)。常见陷阱包括Lead越权干活、错误假设传染、产出碎片化等,可通过委派模式、文档驱动和集成验证环节规避。 成本与价值评估 Agent Teams适用于时薪高于30美元的用户处理复杂任务。建议从2-3个队友起步,设置时间盒控制成本,并通过Hooks机制将验收标准自动化。 该功能将AI协作能力产品化,但要求用户具备项目管理思维——核心竞争力在于将模糊目标拆解为清晰子任务的能力。
00:00 / 09:14
连播
清屏
智能
倍速
点赞4
00:00 / 03:48
连播
清屏
智能
倍速
点赞13
00:00 / 05:28
连播
清屏
智能
倍速
点赞39
人类真的不再需要亲自写代码了,只需要指挥AI协助AI就行了 Anthropic发布的《2026代理式编码趋势报告》预测,软件开发领域在2026年将发生结构性剧变,核心转变是人类角色从代码编写者转变为AI智能体团队的指挥官。 咱们普通程序员写代码这事儿可能要“失业”了,或者说彻底换一种干活的方式。 简单来说,以后程序员的角色,更像是一个项目指挥官或者导演,而不是自己去一行行敲代码。 主要的改变有三个方面: 第一,工作核心变了:从“写”到“管”。 以后工程师的核心工作不是自己写代码,而是“指挥”一支由多个AI智能体组成的“团队”去干活。这个团队里有负责拆解任务的“指挥员”,有专门写代码的“码农AI”,有搞测试的“测试AI”等等。这样一来,启动一个新项目或者让新人熟悉工作,时间可以从好几周缩短到几个小时。 第二,AI的能力更强了:从“单干”到“军团作战”。 团队化:AI不再是单打独斗,而是能组成分工明确的小队一起干活。 耐力强:AI能连续工作好几天甚至几周,自己就能规划、执行并完成一个完整的软件项目,还能帮你清理那些陈年累月的“技术债务”(就是以前没时间改的烂代码)。 会合作:AI变得更“聪明”,知道什么时候该自己努力,什么时候搞不定了需要主动向人类“举手”求助。同时,人类也没法审查海量的AI代码,所以会用另一个AI来审查AI写的代码。 门槛低:AI能理解各种老旧的编程语言,让维护旧系统变简单。更重要的是,销售、法律、市场这些完全不写代码的部门,也能自己描述需求,让AI做出他们想要的工具,实现“全民编程”。 第三,带来的影响是双面的:效率飞升,但挑战也变大。 好处是生产力会大大提升,很多以前觉得不划算或者没时间做的项目都能做了。但坏处是,攻击者也会用AI来规模化地发动网络攻击,所以我们必须用AI来构建自动化的防御系统,用机器的速度来对抗机器。 总结一下:未来的关键不是你多会写代码,而是你多会指挥和协调一群AI“员工”,把人类的智慧和精力,用在最需要做出战略决策的关键地方。谁能玩转这套“AI团队管理”,谁就能在未来的竞争中领先。
00:00 / 10:49
连播
清屏
智能
倍速
点赞2