今天整理了建造者在 X/Twitter 上的最新想法，以及 1 期播客内容。
这期核心在讲 AI inference 为什么正在变成基础设施层最激烈的战场。Tuhin Srivastava 认为，过去两年最重要的变化之一，是 open-source models 的基础能力跨过了一个门槛，再加上专用模型的后训练逐渐普及，越来越多客户开始希望“把 inference 掌握在自己手里”。对 Baseten 这样的 inference cloud 来说，这意味着需求不只来自头部模型，而是来自越来越长尾、越来越定制化的模型与应用。节目开头还提到公司过去一年增长了 30x，这也从侧面说明：随着应用层持续扩张，真正承接这些 workload 的推理基础设施正迅速放大。
（Box CEO）
他认为，agent 从写代码走向更广泛的知识工作后，真正的难点不在 demo，而在把上下文、数据、安全、质量、人类协作和后续维护都系统化。Box 也因此开始招聘 AI automation engineering 相关角色，说明企业内部的 agent 落地正在变成一项正式工程能力。
连续分享了几条很“builder”的实践。一条是让 Codex 配合 OpenClaw 去改进 chat completion endpoint 的端到端测试；一条是把自己的完整 Twitter 历史接入 Birdclaw，方便直接检索旧收藏；还有一条是给 RepoBar 内置浏览器，把 issue、PR、commit、workflow 直接拉进工作上下文。核心主题都很一致：给自己造更高效的 AI 工作流工具。
（Every CEO）
他分享了一个非常具体的 “codex-native” 周末项目：接上 MIDI 键盘后，直接让 Codex 做监听脚本和网页应用，用来识别和练习和弦，整个过程只花了 5 分钟。这条很能说明：对会描述需求的人来说，个人工具开发的门槛正在快速下降。
（Claude Code @ Anthropic）
他提到自己越来越多地用 HTML 来做 planning、spec、exploration、code review 和报告，说明“可直接渲染、可组织结构”的文档格式正在变成 AI 工作流里的实用界面。另一条转发则感叹 Bun 若用 Rust 重写也能快速逼近现有测试覆盖，强调团队在工程目标上可以更激进。
（Roblox 产品）
他提出了一个很贴近日常生活的 AI automation 场景：家长收到学校十页周报后，AI 应该能直接提炼“今天有没有早放学、有没有必须注意的事”。这类需求不炫技，但非常符合 AI 真正进入普通人流程的方向。
他讨论了 build vs buy SaaS 的取舍，并点名请 Aaron Levie 帮忙校正。虽然内容很短，但能看出他关注的重点仍是企业软件到底该自建还是采购，以及这类判断在 AI 时代是否会发生变化。
（Cursor 设计师）
他展示了 ryOS 已经接上 levelsio 的复古 PC IRC bridge，让两个原本分离的数字空间开始互通。这类项目不是大而全的平台叙事，而是很典型的“把网络世界重新连起来”的 builder 趣味实验。
（Y Combinator President & CEO）
他写道，最高也是最重要的设计，其实是把人的痛苦与 suffering 转化掉。相比讨论具体产品，这更像是在重申一种产品观：设计的终点不是美观，而是实打实地减少人的负担。
他轻松地抛出一句“要不要把下一个模型命名为 goblin”，虽是玩笑式表达，但也能看出他对模型命名和社区反馈之间关系的调侃。