MacTalk
订阅
MacTalk 开通于2012年末，内容起于 Mac 而不止 Mac，内容覆盖了技术、创业、产品和人文思考。文风有趣，又有一点力量。
MacTalk微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ • 10 / 23
AI 为什么更喜欢 macOS？上午在墨问 Agent 开发群里聊天，有用户说为了用上墨问 App 买了 Mac，结果发现了一个新天地，有的人是为了体验更多 AI 工具，添了一台 Mac mini。这并不是个小众现象，最近两年，Mac 一直是个人电脑领域增速最快，盈利最多的设备，没有之一。为啥呢，原因之一就是 AI 更喜欢 Mac。那么问题来了，macOS 到底有啥优势呢？我在群里给大家讲了讲。第一就是 macOS 的祖先是 Unix。严格来说，macOS 的底层是 Darwin，其 XNU 内核融合了 Mach、来自 FreeBSD 的组件和 I/O Kit，这些我在 MacTalk 第一本书里都讲过。对 AI Agent 最直接有用的，就是是上面的 Shell、命令行工具，以及文件、进程和权限接口。终端提供了人与 Shell 交互的入口，Agent 呢，可以通过执行工具直接调 Shell，根本不需要打开终端去模拟敲键盘。用 Bot 去操作 Herdr 驱动 Codex 就是类似的案例，我之前写过。命令、参数、输出和退出码，这些都是 AI Agent 友好的。第二是 Unix 的工具组合。比如查个日志错误，可以写：`grep 'ERROR' app.log | sort | uniq -c`。管道把前一个程序的标准输出接给下一个程序的标准输入，依次完成筛选、排序、计数。几个小工具，就能组成一条工作流。大语言模型最喜欢这玩意了，生成文本命令，读取输出，再根据错误调整，返回给模型。这比反复识别窗口、寻找按钮强太多了。当然了，这种自由的另一面就是破坏力，所以安全就越来越重要了。第三是桌面自动化，也就是 Computer Use。遇到没有命令行接口的软件，Computer Use 可以让模型看截图、决定鼠标和键盘动作，再观察执行结果。macOS 提供辅助功能接口：在应用正确暴露信息且用户授权的前提下，工具能读取按钮、菜单、输入框等元素的属性，并执行支持的动作，减少只靠像素猜位置的需要。也就是说，命令管道和接口能搞定很多底层技术，上层的，比如你要做墨问 App，就用 Computer Use，整体还是非常丝滑的。当然了，这些能力并非 Mac 独有。Linux 同样擅长命令行自动化，Windows 有 PowerShell、WSL 和 UI Automation，但综合体验，Mac 最佳。 macOS 把 Unix 工具链、桌面应用和自动化接口整合到了一起，日常工作、开发、用 AI Agent，都没问题。可以说，苹果当年为开发者和用户积累的能力，今天恰好成了 AI 的工作入口。这能怪谁呢，乔帮主远见卓识呗 有时候安利用户转 Mac 还真不是为了用墨问 App 或有啥广告费。真是一个新世界。
^__^ • 10 / 19
A 社的 Agent 工时是人类的六倍，为啥开的会却越来越多了？上午看了 Anthropic 刚发布的内部人员工作变化的研究报告，挺有意思。它结合了人员、招聘、Agent 日志和日历等数据，包括 17 位员工的访谈，试图研究 AI 是怎样改变工作的。截至 8 月，A 社员工使用的交互式 Agent 运行时长，达到人类工时的约六倍。与此同时，员工开会时间的中位数，也比一年前增加了约 20%。技术岗的会议时间同样增加了 16%。 Agent 的 6 倍工时计算，排除了超时等待的时间，是 Agent 交互式会话及子 Agent 的运行总时长；人这边是按人数乘每周 40 小时估算。这意味着，在 Agent 产出之前和之后，依然有大量的工作要做。代码写好了，能不能上线？研究报告做完了，假设是不是可靠？几个团队的目标冲突，谁来定优先级呢？写代码的速度确实 10x 甚至 20x 了，但判断、选择、确认和承担责任的事儿没变少，反而变多了。 Agent 变快，人也得变快，这就是 AI 越聪明人越累的基本原理。另一个统计口径更加直观：在交互式会话里，大概 80% 的时间，都是 Agent 在等待人输入。这说明了啥？一个人带着一群 Agent，很容易陷入一种新型忙碌中。各种任务同时推进，无数请求同时涌来，每个窗口都等着确认，人开始觉得自己是个能耐啊，得统领千军万马啊，结果注意力根本就跟不上。于是人开始给 Agent 写长期指令，弄 Bot，搭个监控面板，让一个 Agent 审查另一个等等。这类围绕工作流程的“元工作”，从平均每位员工交互式会话的 10%，升至 22%。管理 Agent，本身也成了工作的一部分。为什么要开那么多会，员工访谈给出了答案：很多产品和业务相关的问题，并不是写代码就能解决的，最终会牵扯出组织分工啊、系统依赖、技术债等等，产品做的快了，这种事也变多了，那就需要人坐下来协调、决策。多生成几份代码和方案，你也解决不了这些问题啊。你要是在大公司，也可以观察一下，你司员工如果是重度 Agent 用户，他们参加的会议或者看到的会议，是不是也越来越多了呢？这份报告里还呈现出一些招聘变化。自 2025 年初以来，技术部门初级员工占比从 21% 降至 14%，初级技术岗位在新招聘中的占比从 27% 降至 9%。招聘经理岗位也更强调自主性和判断力等“一线能力”，只会做管理的夹心饼干的职位几乎没有了，每个人都是执行者，也是协调者。一个问题随之出现：如果入门任务越来越少，新人该去哪里积累判断所需的经验？这个问题我之前就写过，目前依然没有答案。