软件工厂时代，需要重建基础设施。
Swyx 把重点放在 Software Factories 背后的底层变化：metaharness、Neon、LTAP/HTAP、MosaicML、DBRX、数据库和操作系统经验，都可能成为 agent cloud 竞争的一部分。
判断：真正的机会不在演示页面，而在让 AI 稳定进入生产系统的运行时、数据层、评测层和部署链路。
2026-06-26
AI 正在从演示走向工作流基础设施。
今天重点看 agent 协作、软件工厂、模型路由与训练数据。
今日重点
保留最有信息量的几条变化，减少解释性模块，方便快速阅读。
Slack 里的 Claude，需要自己的资源与权限。
Aaron Levie 认为这个形态不是一对一助手，而是共享工作空间里的协作成员。它不能直接复用某个员工的个人权限，否则可能把私人资源错误暴露给其他人。
判断：企业级 agent 产品的核心难点会落在账号、权限、审计、上下文隔离和工具访问治理。
设计、文档和代码边界继续变薄。
Peter Yang 提到 Claude Design 能读取移动 app 仓库并复刻屏幕。Ryo Lu 把 Cursor 和 Notion 的双向使用放在一起。Zara 引用 Figma Config 的观点：社区是用户与产品、用户与用户之间的关系。
判断：当界面更容易生成，差异会更多转向工作流理解、社区关系和持续反馈。
AI Gateway 把模型接入变成平台能力。
Guillermo Rauch 提到 AI Gateway 恢复的 tokens 和 uptime 数据非常可观，并转发更快的 GLM 上线信息。模型正在从单一选择，变成可路由、可观测、可替换的资源池。
判断：产品团队需要关心成本、速度、稳定性、降级策略和模型切换，而不是只关心哪个模型最强。
数据与分发
另一个重点是模型数据层，以及创业者如何借助 AI 放大个人杠杆。
训练数据层，正在变成品味和专家判断问题。
Every 的访谈里，Surge AI CEO Edwin Chen 把公司描述为“AGI 的学校”。他们为模型公司提供数据环境和 eval，并把 taste、expert judgment 和高质量反馈放在核心位置。