OpenAI Codex 负责人谈产品工作新形态：品味比技术更重要
在 Lenny 播客中，OpenAI Codex 桌面应用负责人 Andrew Ambrosino 分享了 AI 如何颠覆产品开发流程。他认为品味正成为 AI 优先工作场所中最有价值的技能；Codex 应用如果在 11 月推出会失败，但 2 月推出时（模型能力提升后）获得了成功。OpenAI 的产品经理采用「区域防守」模式而非传统拥有制。他呼吁不要完全取消角色概念，并描绘了 Codex 统一工作台愿景——连接 ChatGPT、Codex 和现有工具的协调中心。目前近 100% 的 OpenAI 员工每周使用 Codex。
Claude Code From Scratch 用 4300 行代码复现核心架构
该项目以 TypeScript 和 Python 两个版本共约 4300 行代码，从零实现 Claude Code 的核心架构：Agent Loop、13 个工具（含并行执行+流式早期启动）、4 层上下文压缩、语义记忆召回、技能系统、多 Agent、MCP 集成。共 13 章分步教程，每章对照真实源码讲解做了什么及如何简化。有中英双语版本。
推理质量在前一百 token 即已决定，数据筛选可提前中止
UCLA 团队发表论文，发现推理轨迹的质量在很大程度上由开头几个 token 决定，无需完整阅读整条轨迹即可判断其优劣。基于这一点，他们提出只需评估前 100 个推理 token 的损失（在预训练模型随机扰动检查点上计算），就能可靠地识别困难问题；前 1000 token 的损失模式还能预测完整轨迹的梯度行为。该方法将百万级推理轨迹的筛选转化为廉价的早停问题，大幅降低为推理模型构建 SFT 数据的成本。在 Qwen2.5-7B 和 Llama3.1-8B 上的实验验证了该方法有效。这一发现为低成本构建高质量推理 SFT 数据集提供了实用路径。