Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

Madhu Guru
Produktleder hos Google - Gemini
Vi må trene:
Ikke-programmerere som liker sofistikerte vibe-kodere
Ingeniører innen produkttenkning og design
Både om hvordan man går fra idé til levert produkt

Ethan Mollick31. des. 2025
Det ville vært et godt tidspunkt for eksperter på koding, og spesielt eksperter på programmeringspedagogikk, å tenke på hvordan man kan trene ikke-programmerere til å bli gode vibe-kodere.
Hva trenger de å vite om kodepraksis for å være mer effektive? Hvilke grenser bør de forstå?
323
Samme følelse som en produktperson.
I mange år var min begrensning utførelseskapasitet – mange morsomme ideer, men å bygge hver enkelt krevde å sette sammen ingeniør- og designteam. Hardt og umulig å skalere.
Med AI kan jeg nå 'ansette' et fullt team umiddelbart. Massiv skala låst opp... I teorien.
For nå er det en ny begrensning: å mestre hvordan man orkestrerer AI-team... verktøyene, arbeidsflytene og produkthåndverket i denne nye verden.
Det føles som det ikke finnes noen større spak enn å lære disse ferdighetene. Kanaliserer all fritiden og energien min her.

Andrej Karpathy27. des. 2025
Jeg har aldri følt meg så langt bak som programmerer. Yrket blir dramatisk omstrukturert ettersom bitene programmereren bidrar med blir stadig sjeldnere. Jeg har en følelse av at jeg kunne vært ti ganger kraftigere hvis jeg bare satte sammen det som har blitt tilgjengelig det siste ~året, og en manglende evne til å kreve boosten føles tydelig som et ferdighetsproblem. Det finnes et nytt programmerbart abstraksjonslag å mestre (i tillegg til de vanlige lagene under) som involverer agenter, underagenter, deres prompts, kontekster, minne, moduser, tillatelser, verktøy, plugins, ferdigheter, kroker, MCP, LSP, slash-kommandoer, arbeidsflyter, IDE-integrasjoner, og et behov for å bygge en altomfattende mental modell for styrker og fallgruver ved fundamentalt stokastisk, feilbarlig, uforståelig og skiftende enheter plutselig blandet med det som pleide å være god gammeldags ingeniørkunst. Det er tydelig at et kraftig utenomjordisk verktøy ble delt rundt, bortsett fra at det ikke har noen manual og alle må finne ut hvordan de skal holde det og bruke det, mens det resulterende jordskjelvet med styrke 9 ryster yrket. Brett opp ermene for å ikke falle bakpå.
334
"Model Sense" er den nye Product Sense for AI-prosjektledere. Du må være en modellhvisker.
De beste mulighetene ligger i utkanten av hva modellene kan gjøre – egenskaper som på en måte er mulige i dag, men som vil være pålitelige om 6 måneder.
Denne grensen er ikke fullt kartlagt terreng, selv for oss som bygger modellene.
Kartleg grensen for ditt brukstilfelle. Vit hva som er klart, hva som trenger støtte, og sats på hvor kapasitetene er på vei.
Delvis vitenskapsmann, delvis spekulativ trader, delvis produktbygger.

Aaron Levie6. des. 2025
Building AI agents right now is a process of:
1. Build scaffolding to address a limitation of the AI model so your agent works
2. The AI model gets upgraded and solves the very problem you were trying to mitigate, rendering your scaffolding obsolete
3. Identify new, harder use case you want to solve and go back to step 1
There’s basically no way to avoid this process because if you don’t mitigate the model’s limitations then you’re dead on arrival, *and* you don’t know which of your mitigations will be surpassed and when.
So the reality is that you just have to accept that you are going to be writing a lot of throwaway code for the next few years, and you have to be very unsentimental to the path you’ve pursued. Just do whatever it takes to make the agents work.
424
Topp
Rangering
Favoritter
