博主档案 · Agent与产品
meng shao
@shao__meng · 中文博主
关注Agent构建、AI Coding、一手技术解读。想跟进Agent与产品的读者，可以从这里看起。
这里整理的是本站选过的中文要点，不是他的 X 主页镜像。
- 6条要点
- 2期出现
- 3.7万粉丝（2026-11-09 快照）
中文要点与我的看法
最新的在前。要点是本站中文整理，「我的看法」是 BBSHARE 对该期整节内容的点评，不是博主原话。
· 查看本期
-
Airbnb：微调小模型，成本约为前沿 API 的 1%
Airbnb 工程博客做了一次生产对照：任务是实时筛查内容是否违反定价透明政策，要在 200 毫秒内出结果。开源小模型 Gemma4-E2B 微调后，F1 从 0.563 提到 0.902，和最好的专有模型相当，中位延迟约 35 毫秒。在每分钟几千次的调用量下，前沿 API 的费用大约是单卡自建的一百倍。
-
Meta 用故意失败的测试抓 bug
Meta 的 JiTTests 针对还没合入的代码改动自动生成测试，让它在新版本上失败、在旧版本上通过，把行为差异摆出来。再用规则工具和多个大模型组成的评判团筛掉误报，人工审阅量降了约 70%。Meta 自报 2026 年上半年在合入前帮忙抓到 74 起严重隐私事故，这些数字没有独立的对照实验。
-
加一个工具，总分涨了，行为却变错
LangChain 用一个文档助手讲评测驱动开发：加了开 IT 工单的工具后，8 条样例从通过 5 条变成 7 条，却把“怎么连接 VPN”这种咨询也开成了工单。查记录发现是工具说明写得太宽，改窄之后 8 条全过。思路是先写清楚什么算对，再动手改。
· 查看本期
-
给孩子半小时做一个 App
他儿子学习和玩的 App 很多是他自己 vibe coding 出来的，看到收费就自己做，半小时能用，再用 Claude Code 或 Codex 改几轮。给孩子做不需要 Opus 5.5 这种重型模型，Flash 类更快。
-
同一个模型换外壳，准确率差不多，成本差很多
他解读 Garry Tan 开源的 g-harness-evals：模型固定不变，只换系统提示、工具、记忆这些外围。准确率都在 71% 到 79% 之间，难分高下，但成本差很多，比如 OpenClaw 在 Opus 上解一题约 0.44 美元，其他大约 0.19 到 0.24 美元。
-
实现变便宜，选错方向还是贵
他整理了 Lenny 播客里 Gemini 产品负责人的对谈：AI 降低了做出来的成本，但没降低选错方向的代价。她建议产品人自己用模型、自己做小测试。
他提到过的工具
提到不等于背书，具体使用情况请看原帖。