这是我希望能养成每月习惯的第一次尝试：分享一些给我留下深刻印象的阅读内容，并说明它们为什么令我难忘。

AI 工具的更新仍在占据主导地位，新模型和工具变化不断，也有一些关于 AI 实际应用的有趣文章，以及对这项技术持续存在的怀疑。

Claude 的发展轨迹

4 月讲述了一个有趣的故事，展现 Anthropic 可能的发展方向。Claude Platform on AWS announcement 并不算最令人兴奋，但可能透露出 Anthropic 战略上的转变。其发展方向越来越偏向企业市场，这也引出了一个问题：那些推动 Claude 用户快速增长的慷慨个人方案，未来会怎样？

这种张力贯穿了整个月。GitHub issue #42796 很好地记录了用户的挫败感：他们确信 Claude Code 在复杂任务上的表现出现了退步，并怀疑幕后进行了削减。Advisor strategy post 就是在这样的背景下发布的：默认使用 Sonnet，只有在需要时才升级到 Opus。它被包装成一种工作流技巧，但也可以看作是在庞大用户群中进一步摊薄算力消耗的方式。尽管如此，Anthropic 仍在持续发布产品，新推出的 Opus 4.7 模型和 Claude Design 几乎接连亮相。

Anthropic 最终发布了4 月 23 日的 postmortem（复盘报告），说明导致这次回归的原因是三项彼此独立的变更。他们最终承认了用户一直反映的问题，并重置使用配额作为道歉，这一点值得肯定。不过颇具讽刺意味的是，一家站在通过 AI 加快交付前沿的公司，亲身发现了在多项变更上快速推进，会让故障发生后很难诊断究竟哪里出了问题。

其他 AI 工具

Cursor 3 于本月发布，其 UI 围绕并行代理工作流设计，我这个月一直在大量使用它。随后有消息称，SpaceX 可以选择以 600 亿美元收购 Anysphere，也就是 Cursor 的母公司。这对双方都有利：SpaceX 可以获得一款足以与 OpenAI 和 Anthropic 竞争的可信 AI 编程产品，而 Cursor 则能获得训练自有模型所需的大规模算力。目前 Cursor 很大程度上受制于模型提供商的定价，其自有的 Composer 模型则基于开源的 Kimi K2.5。

OpenAI 也发布了 GPT-5.5——又一个模型，又一项基准测试。各家产品全面加速发布，已经很难有意义地追踪。

在实践中使用 AI

Addy Osmani（阿迪·奥斯马尼）的Your parallel agent limit 是一篇非常容易引起共鸣的文章，写出了同时运行多个代理实际上是什么感受。在更多使用 Cursor 3 的功能时，我尤其觉得这篇文章与自己的经历相关。吞吐量的提升确实存在，但认知负担也同样存在：在脑中同时维持多个问题的上下文，并持续做出判断，会带来一种全新的疲惫。

Birgitta Böckeler（比吉塔·贝克勒尔）的Harness engineering for coding agent users 记录了在代理执行工作的情况下，如何把质量保障尽早纳入流程，并定义了“harness engineering(代理驾驭工程)”的不同方面。文中提到变异测试，这一点很有意思；我在自己那篇关于代理测试质量的文章中也得出了类似的方法。Rahul Garg（拉胡尔·加格）的Feedback Flywheel 讨论了如何利用反馈循环，随着时间推移改进 AI 辅助开发。把这些内容放在一起，很值得思考团队如何建立自己的“驾驭系统”，提升 AI 辅助开发的质量。

Mikhail Bartashevich（米哈伊尔·巴尔塔舍维奇）关于在 Moss 构建适配 AI 的前端架构的文章是一个不错的发现。他们引用了我的Storybook MCP 文章作为参考，这对我来说还是第一次。与此相关，Design Systems Collective 的这篇AI 时代设计系统究竟是什么有力地论证了使用 AI 时设计系统的价值，也支持了构建 Mikhail 和我曾撰文介绍的 MCP 工具的意义。

怀疑者角落

Han Lee（韩·李）的The AI Great Leap Forward 刻意写得颇具挑衅性，但其中关于在自上而下的 AI 强制部署中，以信念代替能力这一点，很难让人释怀。James Stanier（詹姆斯·斯坦尼尔）在Who will be the senior engineers of 2035? 中提出了一个语气更平静、但或许更令人担忧的问题：如果 AI 正在接手那些过去用于训练初级工程师的小任务，而招聘又陷入停滞，下一代高级工程师将从哪里来？

Vercel 本月在信任方面经历了艰难时期：出现了通过系统提示词注入收集提示词的 Claude Code 插件，以及一起安全漏洞事件，后者可追溯到一名员工安装了一个第三方 AI Chrome 扩展，而该扩展拥有范围过大的 OAuth 权限。两件事都让人觉得，这个生态的发展速度已经超过了其安全实践的跟进速度。

Nilay Patel（尼莱·帕特尔）的Beware Software Brain 为这一切提供了更广泛的文化背景。民调数据显示，大多数人，包括最重度的 AI 用户，随着时间推移都对这项技术变得更加敌视。AI 行业对 AI 的看法与其他所有人的看法之间的差距正在扩大，而不是缩小。

有趣的前端内容

Inngest 关于使用 hanging promises(悬挂 Promise)实现控制流的文章很巧妙，体现了对 JavaScript 运行时的思考：把永不解决的 Promise 用作取消原语。

TanStack 的React Server Components your way 阐述了他们使用 React Server Components 的理念，这是一种与 Next.js 非常不同的方法。

MDN 的frontend deep dive 是一篇扎实的架构解析，介绍了他们自己的技术栈，也展示了如何在实践中使用 Server Components 模式，并结合了 Web Components。

Manuel Matuzovic（曼努埃尔·马图佐维奇）关于为什么 box-shadow 不能替代 outline的短文，是一个关于你可能尚未意识到的无障碍问题的快速提示。

堆叠式 PR

GitHub 的native stacked PRs(原生堆叠式 PR) 于本月进入私有预览。如果你读过我那篇关于理解力和代理生成代码的文章，就会知道我一直提倡使用堆叠式 PR，让审查者放慢速度，使大规模 AI 生成的变更真正变得可审查。看到 GitHub 原生构建这一功能是个好兆头，gh CLI 集成也为代理管理这一工作流提供了一个简单的接口。

持续学习

在各种 AI 工具的喧嚣之中，我一直有意识地努力理解它们底层究竟是什么。虽然我还模糊记得大学计算机科学课程中学过神经网络和反向传播，但我正在观看3Blue1Brown 的 Neural Networks series，以便更好地理解现代 LLM 的工作方式。

我也开始学习 Claude Partner Network 中的入门课程，为开始认证流程做准备。