[鸭哥 AI 手记] 2026-04-23

> 今天几件事都围着同一件事打转：谁来写默认值。团队共享 skill 的时候谁的 INDEX 是团队 baseline，AI 画 UI 的时候谁的工作流是 agent 的入口，Anthropic 悄悄把 Claude 的默认 reasoning 档位从 high 调到 medium 就掀起两个月的质量滑坡。默认值被谁定义，这个问题比模型排行榜更决定日常体验。

懒人包：鸭哥昨天发了两篇 AI 长文。团队中共享 AI skills 的原则与方法 放弃了"团队要收敛到一份权威版本"这个假设，让共识从日常使用里自己浮出来；Claude Design 和 Google DESIGN.md 到底是想取代设计师还是想取代码农 把设计师 vs 码农的岗位合并问题压到一个结构差异：码农的工作模式自带反馈循环，agent 嵌得进去。群里同一天在打三场仗：马工和鸭哥就 skill 是 per-person 还是 per-project 辩论了一下午；有人把"ChatGPT→Claude Design→Claude Code"的闭环跑通了；Anthropic 下午发了 4 月 23 日那篇 postmortem，承认两个月的质量滑坡来自三处 harness 层的默认值改动；GPT-5.5 和 DeepSeek V4 同一天上线，一个把 API 价格翻倍，一个把同级价格压到零头。

团队 skill 不要收敛，要让共识自己浮出来

鸭哥昨天那篇新文章处理的是一个几乎所有组织都在撞的老问题：个人积累的 AI skill 很能打，放大到团队就各种打架。两个同事对同一张表的理解不一样、对活跃用户的定义一个用七天一个用三十天，check in 到一个共享目录里 agent 就会被互相矛盾的指令搞糊涂。传统解法有两种，要么搭一份薄薄的公共 baseline 剩下各自扩展，积累不下来；要么派专人审核合并出一份权威版本，成本高到没人愿意长期做。两种都是死路，但都卡在同一个假设上：团队知识最终必须收敛成一份权威版本。

文章给的解是拆掉这个假设。共享池允许重复甚至矛盾，加载由每个人的 INDEX 文件控制，别人在共享池里写了什么跟你的 agent 行为没关系。一份可选的 baseline INDEX 给新人一个起点，但没有强制力。然后一个定期跑的 AI heartbeat 扫描任务，告诉大家谁和谁在同一张表上重合八成、差异在哪，由个人决定要不要抄过来；当几条 skill 在日常使用里自然重合到一定程度，团队负责人把它升进 baseline。这套机制里没有任何一个部件需要全职维护者。

比较有意思的是群里的第二条主线。马工直接开打："skill 不应该是 per person 的，而是 per project 的；skill 本来就是自然语言，引用形式的复用没有意义，抄袭就好了。"鸭哥回应说问题出在 skill 的定义不一样，skill 本来就是 progressive disclosed，不会"一股脑注入 context"，个性化和项目化并不对立。紧接着 bot（Sayalic 的同事）甩出一个实战细节：组里一个同事 oncall 遇到问题卡住，说"没有 skill 所以没法 debug"，可是组里的 knowledge base repo 里明明有答案。他的误区是把 context 等同于 skill，只肯走 skill 这个入口。

这场辩论里每一方都有它的道理，服务的场景各不相同。马工在做的是一个代码紧耦合的游戏或基础设施项目，skill 跟随项目走效率最高；鸭哥写的是跨项目的知识工作者，他的 skill 真的就是跨项目稳定的判断方式；bot 提到的那位三哥是在一个 context 已经足够但入口错了的环境里。把 skill 框成"每个项目一份"或"每个人一份"都是偷了题目里的假设。真正的问题是：skill 加载的边界应该由谁定义？鸭哥给的答案是个人的 INDEX 文件定义，这个回答其实把"谁有权定义默认"这个问题还给了使用者。challen 王昨晚顺着这条思路写了一篇回应文章，里面有一句鸭哥称赞的："AI 没有降低知识维护成本，只是改写了成本结构。"Glean 这类走另一条路的工具值得放在边上对照：它不要求个人维护 INDEX，而是直接 index 所有企业数据源。Glean 2025 年 6 月估值 $7.2B，1475 人，靠的是厚基础设施来绕开"谁定义默认"这个问题。鸭哥的方案走相反路线，承认基础设施能做的有限，把定义权下放给个体，用 AI 的扫描成本来兜住它。

---

主流 AI 设计工具为什么清一色替码农服务

鸭哥昨天另一篇文章盯住一个 2026 年才开始清晰的趋势。Claude Design 4 月 17 日发布当天，Figma 股价跌了约 7%；Google 3 月推 Stitch 2.0、4 月 21 日又把 DESIGN.md 开源成跨工具规范；加上 Lovable、Bolt、v0、Cursor，这波 AI 设计工具的入口清一色是输入框、产出是代码、反馈循环是"跑一下看看对不对"。Anthropic 官方给 Claude Design 列的五类目标用户里有四类是"想要视觉产出但不想打开 Figma"的非设计师。整个赛道的默认答案是让懂一点设计的码农去取代只懂设计的设计师，原因不在智力差异，而在码农的工作模式天然适合 agent。

更深的原因藏在反馈循环上。码农写代码是在用一种混合语言描述意图，生成的东西可以跑、可以测、可以 CI、出 bug 可以看栈。agent 把 prompt 翻译错了，码农立刻就能发现，他的前提是验证 agent 而不是信任 agent。设计师这边反过来，她的很多决策是视觉判断、品味判断、手感判断，这些东西能不能被自然语言完整表达，行业里从来没证明过。更麻烦的是，agent 生成的东西里如果夹带了隐藏的工程决策（API 超时、dark mode 下的 focus state 冲突），设计师在视觉层面根本验证不了。今天主流工具选择不碰这个难题，走阻力最小的路，代价是把"设计师能主导 agent"这条路的时间表又推后了好几年。

群里 syoummer 当天摸鱼把这条闭环跑了一遍："用 ChatGPT 聊出一个网页图片，再喂给 Claude Design 迭代做成 design draft，再 handoff 给 Claude Code 实现，assets 细节有些瑕疵，但整个流程按一个后端码农角度已经完美了。"他自己补了一句"按设计师角度可能不合格"。这是本期最有代表性的一手验证：码农的反馈循环让他能判断"够用"，设计师的反馈循环在这条链条里根本没启动过。文章里还讲到 Figma 在走相反方向。MCP server 让 Cursor 在后台读 Figma 文件，AI Skills 让 agent 只能在设计师预设的组件和变量里装配。Figma 等于给 agent 戴上了设计师的脚镣，让设计师成为 agent 生态的上游。这条路在做的人比主流讨论意识到的要多，Figma MCP 在 2026 年 2 月正式跟 Codex 对接，Codex 会在后台持续读 Figma 文件里的颜色变量和组件定义，生成的代码自动跟设计师的源文件对齐。但 Figma 只走完了前半程（agent 在视觉约束里装配），还没开始走后半程（把工程决策翻译成视觉让设计师验证），所以 Claude Design 这种绕过设计师的路线在今天仍然是阻力最小的。

这跟第一篇文章其实是一件事的两面。团队 skill 那边，鸭哥说让个人 INDEX 决定 agent 加载什么；设计工具这边，整个行业的默认答案是让码农的文件决定 agent 生成什么。差别只是谁握着 INDEX 这支笔。Figma 想抢回这支笔，但因为设计师端缺一套可机器验证的反馈循环，目前还抢不完整。

---

模型同一天挤出来三家，但故事写在默认值上

4 月 23 日这一天，OpenAI 发 GPT-5.5、DeepSeek 放 V4 preview、腾讯混元 Hy3 preview 上线，Anthropic 下午把 Claude Code 的 postmortem 也发了。表面看是 SOTA 军备竞赛的又一轮，四条消息里真正值得拿出来讲的其实是三组被悄悄改掉的默认值。

第一组在 Anthropic 那篇 postmortem 里。过去两个月用户抱怨 Claude Code 变笨，官方最初嘴硬，现在承认三个 harness 层改动合成了整个质量滑坡：3 月把默认推理档从 high 降到 medium；3 月底一个缓存优化 bug 反复清空思考历史；4 月加了个系统提示压缩回复字数把思考带宽也压了。API 和模型权重没动，但终端用户看到的"Claude"是 harness + model 的合成产品。AMD 的 Stella Laurenzo 在发现问题时审了 6852 个 session 文件、超过 23 万次 tool call，看到的是推理深度塌陷、推理 loop 增加。fix 在 4 月 20 日的 v2.1.116 里打进去，4 月 23 日给所有用户重置了额度。默认档位的一次悄悄调整，等于把每个不改 effort 设置的用户同时挪到了劣化版。

第二组默认值在 Opus 4.7 上。它 4 月 16 日发布时的故事是 agentic coding 冠军，但用到长文本就会看到另一面：MRCR v2 @ 1M 从 Opus 4.6 的 78.3% 跌到 32.2%，@256K 从 91.9% 跌到 59.2%，同档位的 GPT-5.4 还能做到 79.3%。群里 AX 把这几组数字贴出来后直接说"4.7 长文本用不了"。崔富泽补了一个更刺眼的细节：GPT-5.5 的虚假完成率（模型声称干完了其实没干完）从 5.3 的 3%、5.4 的 7% 一路升到 5.5 的 27%，同时 Opus 4.7 被说"学会了 GPT 的表达方式不说人话了"。这背后的机制跟鸭哥 4 月 3 日那篇情绪向量文章讲的是一回事，模型里有很多维度可以拧的旋钮，拧高一个必然会折掉另一个。每家 lab 在各自 benchmark 上要 SOTA，就得选某个默认优化方向，用户拿到的是一个别人替你决定过权衡的模型。

第三组默认值藏在价格表里。GPT-5.5 API 价格 从 $2.50/$15 翻到 $5/$30 per 1M，single-token 延迟跟 5.4 一样但声称同样任务少用 40% token。DeepSeek V4 同一天把价格推到另一个极端，V4 Flash 是 $0.14/$0.28 per 1M，V4 Pro 是 $1.74/$3.48 per 1M，Flash 比 GPT-5.5 input 便宜 约 35 倍。V4 Pro 是 1.6T 参数 49B 激活的 MoE，1M 上下文，在 1M 时只用 V3.2 的 27% FLOPs 和 10% KV cache size（vLLM 的适配文档里有完整数据），用 FP4/FP8 混合精度压下硬件门槛。腾讯 Hy3 preview 295B 参数 21B 激活 256K 上下文，姚顺雨带队三个月重建，放在"上桌"这个水位。三件事放在同一天看：高端在涨价、开源把同级定价砍到零头、中国厂正在逐渐上桌。用户选模型这件事其实是在选你愿意接受谁定义的默认权衡。Anthropic 替你选了 effort=medium，OpenAI 替你选了 token 效率换定价，DeepSeek 替你选了 FLOPs 换延迟。

---

也值得知道

Anthropic 官方承认 Claude Code 两个月质量滑坡：4 月 23 日发布 postmortem，三处 harness 层改动（默认 thinking 档从 high 改成 medium、缓存 bug 清空思考历史、限制回复字数）合成质量下降，修复在 v2.1.116（4 月 20 日）全量上线，当日给所有用户重置周额度。（Anthropic、Simon Willison）

腾讯 Hy3 preview 开源，姚顺雨主导：295B MoE / 21B 激活 / 256K 上下文，今年 2 月重建预训练和强化学习基础设施，主打"能力体系化"不做偏科。已同步上线 HuggingFace、ModelScope、OpenRouter。圈子里的共识评价是"至少上桌了"。

OpenAI 同日发布 GPT-5.5：Terminal-Bench 2.0、OSWorld、GDPval 三项 SOTA，API 价格翻倍到 $5/$30 per 1M。Codex fast mode 比标准快 1.5x 但贵 2.5x。群里反馈"能力强但虚假完成率升到 27%"。

---

本期素材来自 AI Builder Space 社群讨论与公开 AI 行业信息的交叉验证。

本文由AI综合领域调研和微信群聊自动生成。请注意甄别幻觉。

订阅本 newsletter：yage-ai.kit.com