跳转至

High Taste Testers 六人组（Latent Space 圆桌）

本页收录的是 Latent Space 新系列 High Taste Testers 的参与者。第一期录于 2026-10-16（OpenAI DevDay 后几天），六人：Ben Davis、Ben Hylak、Dex Horthy、Allison Durham、Alex Volkov、swyx（主持）。

⚠️⚠️ 本页存在的理由，恰恰是归属无法确定。 第一期的自动字幕只有 >> 换轮标记、没有说话人名，六人高密度互打，本库未做说话人分离。✅ 所以本库不给这一期的大部分观点建独立人物页——那会伪造出一种"某人说过这句话"的确定性。本页只记能从片尾自我介绍、公司业务或"我的播客/我的公司"这类自指反推出来的那部分。

📌 本页的引用约定：每条后面标注本库的确信度——（确定） = 由片尾自我介绍或明确自指锁定；（⚠️ 推断） = 由公司业务反推、稿中无标签。其余归属不明的观点一律留在视频页，不往本页搬。

已收录：High Taste Testers 第一期 / OpenAI 发了一堆，哪些真能用（2026-10-16，75 分钟）

Alex Volkov（ThursdAI 主播）

来源：High Taste Testers 第一期

身份锁定：片尾自述 "我们在我的播客上聊这个，叫 ThursdAI，每周四"（[01:12:46]–[01:13:46]）。

⚠️ 核心主张：该把 agent 改叫"助理"，理由是受众不是技术（确定）

  • 他给的时间线是 "2025 是 AI agent 之年 → 2026 换成了 proactive agent"，而他主张的下一步是改名成 assistants（[00:14:13]）。
  • ⚠️ 理由不是技术而是词义恐惧："在我们这个泡泡之外，agent 对他们是个可怕的词。助理是个容易的词。为什么？因为他们知道所有有钱人都有个私人助理替他们安排事情。"（[00:15:15]）
  • 他给的功能分界：用来写代码的 agent vs 替你主动做事、减轻负担而不是增加负担的东西（读邮件并判断哪些重要、约理发和预约）。
  • ⚠️ 他的类比论证（[00:18:16]）：高管忙到管不了日程、于是有人替他们做，"那些人回不去了"——"这是人类的标准套路：你上到下一个层级，你还是会更忙，但你能做更多事"。
  • ✅ 他把这条落成了自己的"请求"（[01:12:46]）："我想让人们解开对 AI 系统可能性的想象"，并明说 "对抗末日论也很重要，因为'新闻里说它要来抢我们'是一回事，'它真的替我订了理发、省了我五分钟'完全是另一回事"。⚠️ 本库记为立场表述，不是证据。

一手用例：空手道课没开，于是做了"周末计划 bot"（确定）

  • （[01:06:40]–[01:07:42]）⚠️ 触发事件：某个周末早起带孩子去上空手道课，到了发现没开——"我火大了：到了 2026 的主动助理时代，居然没有任何东西提前告诉我'你要去的那个课不开'。"
  • 做法：一个周末跑的 bot，去搜本地所有场所、"所有我永远不会点进去的网站"，输出可做的事，并附带"你本来要去的那个地方不开"。
  • ✅ 他的收获写得很克制："现在我知道那个角落被盖住了。"
  • ⚠️ 他同时给了一条关于实验室动机的推测（[01:05:39]）：实验室转向助理既是产品动机也是收入动机——"大多数人还是打一个查询、拿一个回答；有了个人助理，他们突然就被接到那条甜美的 token 流上了。"

多助理并行：本库见过的最极端一份清单（确定）

  • （[01:01:37]–[01:02:37]）Codex 为主 + 自建 harness、一个 Hermes agent、"大约 30 个 Grokbot"各干不同的事、Muse、Dots、Instinct。
  • ✅ 他自称唯一"看起来在起作用"的模式："Grok 主要管工作……我在那边有一个 chief of staff、一个 PM。我在它们之间接了一个 Linear 连接器，它们全都通过 Linear 开工单，这样它们可以互相 @。"
  • ⚠️ 他的选型办法很土但诚实："如果有个任务三个都能做、又不会造成伤害，我就复制粘贴发给三个，看谁更好、谁更快。"
  • ⚠️ 而他本人就是那个把"助理碎片化"带上桌的人之一（见视频页第八节）；另有一句 "我同时在用 Poke、Lindy 和 Instinct，这是地狱"（⚠️ 本库按上下文推断是他，但不确定，视频页按"某位嘉宾"收录）。

⚠️ 提示注入"基本已解决"——他在席上的少数派立场（⚠️ 推断）

  • （[00:13:12]、[00:53:32]–[00:54:34]）他说 "我觉得提示注入基本上已经解决了"，当场被 "完全没有。什么？" 打断。
  • 他给的两条证据：① Pliny the Liberator 当面五次没攻破 Matthew Berman 的 Hermes agent（⚠️ 质疑方的回应就是"才五次啊"）；② 新模型的指令层级——"从 Astra 和 Opus 5.5 开始，这些模型不信任任何来自系统提示之外的东西……constitution（预训练进去）→ 开发者的 system prompt → 内容，而且内容总被'从这里到这里是一封邮件'这类标记包起来"。
  • 📌 归属依据：同一串发言里出现 "我的 Hermes agent"、"我在播客上问过"、以及他自己用 bird CLI / OAuth 连 X 的自述（[00:48:28]）。⚠️ 稿中无标签，本库标为推断。
  • ⚠️ 本库提示：这条与同期对方给出的重构（"模型真心想帮忙，那危险得多"，见 LLM 安全）并不互斥——他谈的是对抗性注入，对方谈的是非对抗性误判。

其它（确定）

  • 模型命名（[00:43:26]–[00:44:26]）：⚠️ "我以为 OpenAI 终于把命名理顺了，Terra 和 Luna 又漂亮又好懂，然后他们搞砸了"——Terra 悄悄下线、第六代叫回 Soul，席上共同的解释是 "因为 Soul 这个品牌好" / "没人用 Terra"。
  • 硬件预测（[01:10:45]）：⚠️ "Zuck 展示的那个 charm 小 Tamagotchi 会立刻卖光"，理由是对刚接触助理的人是完美圣诞礼物；并加一句 "我的 agent 的计划里要买大概六个。每个 agent 都会买一个。"
  • OpenAI 为何现在才做 decision model（[00:31:18]）：⚠️ 他明确标注为二手且不具名的转述——"Jev 这类东西证明了品类存在、有市场契合，然后我们的开发者会希望我们在这块也有东西"。

Ben Hylak（Raindrop 创始人）

来源：High Taste Testers 第一期

身份锁定：片尾自述 "除了在 Twitter 上发垃圾，我还经营一家很认真的 AI 公司，让 agent 更可靠。我们和 Fortune 100 的医疗、一批 Fortune 500 和一些增长最快的 AI 创业公司合作……它叫 raindrop"，免费额度 "一千次运行以下"（[01:12:46]–[01:13:46]）。⚠️ 紧邻处有人插了一句 "CTO"，本库无法确定指谁，不收录。

⚠️⚠️ "二分类是世界上最难的问题之一"（⚠️ 推断）

  • （[00:27:18]）"我有一个非常坚定的信念：分类其实真的真的非常难，而它看起来骗人地简单，因为你某种意义上只是返回一个 0 或 1。但我认为字面意义上的二分类是世界上最难的问题之一。"
  • 他给的旁证："OpenAI 很久以前有篇很好笑的论文说幻觉其实就是个二分类问题，然后一堆人就说'太好了，OpenAI 解决了幻觉'——不是，它只是'真或不真'，而那真的真的很难。"（⚠️ 本库未核实该论文内容，照录转述。）
  • 📌 归属依据：这一长段里同时出现 "我们训练过我们自己的模型来做这个"、"我们用结构化输出用得非常多"、"我们所有的 eval"、"我每天跑 AI 摘要"、"我们的客户生气了"——与 Raindrop 的业务（agent 可观测性 / 可靠性，大量分类与摘要）一致。⚠️ 稿中无标签，本库标为推断，且不排除其中夹着别人的话。

✅ 分类模型的切换成本可以被构造成接近零（⚠️ 推断）

  • （[00:22:17]–[00:23:17]，被剪进了本期预告）"一旦你有了很多带标签的数据……你可以直接说：拿我现有的全部标签当 eval。如果出来个便宜 10 倍的东西，它跟我历史标注的一致率超过 x%，那你只需要复核不一致的那部分。" —— "所以切换成本非常非常低。"
  • 配套的判断：新东西是校准过的逐决策概率（"以前不管你怎么提示，它本质上只会分到 0、0.5 或 1 这三档" / "我从不信模型给我一个 1 到 100 的数"），而解锁来自价格与速度，不是新能力（[00:21:16]–[00:22:17]）。
  • ✅ 以及对 benchmark 的技术性悲观（[00:25:17]）：结构化分类"过拟合某个具体领域真的真的非常容易"，而且在窄任务上过拟合"完全够用"；但一个主打"超多样数据、极大范围任务"的模型"可能非常难被忠实地 benchmark"。见 评估与 Benchmark。
  • ⚠️ 他对自己公司处境的问法（[00:26:17]，自述"我的一些朋友"）："如果 OpenAI、Anthropic 和所有人都有一个 Jev 式的东西，你会专门去弄一个 API key，还是就用你手上的 OpenAI？"——他自己的答案是 ⚠️ "我其实是通过 Vercel AI gateway 用的，所以我没去弄 key。"

模型升级在产品里的实际代价（⚠️ 推断）

  • （[00:33:22]）"我每天跑 AI 摘要，默认模型一直是 5.5"（⚠️ 按上下文指旧的那一档，非 Opus 5.5）——"我们从 4.6 换到 4.8 的时候，客户真的生气了，他们说'我读不下去'，还发截图过来。" ✅ 本库第一条"模型升级被终端用户用截图举证为可读性回归"的记录。

其它（⚠️ 推断）

  • 信任名单（[00:16:15]）：⚠️ "全世界真的只有三家公司我会信，按顺序是 Apple、Google、OpenAI——对我来说没有第四家。"
  • "Devin 就是一台电脑"（[01:03:37]–[01:04:38]）：沙盒形态比仓库形态重要——"有时候你根本不想待在一个仓库里，你就想要个东西"；而 coding agent "被训练成做 diff 的活……而我只想说：把那个东西写出来，给我"。
  • Google AI 搜索概览"超级被低估"（[01:07:42]）：⚠️ 理由是延迟（"大概 300 毫秒，页面加载完答案就在那儿了" vs ChatGPT "10 到 30 秒"），不是答案质量。

Dex Horthy（HumanLayer 创始人）

来源：High Taste Testers 第一期

身份锁定：片尾自述 "我是一家叫 Human Layer 的公司的创始人。我们在造 software forge——现在我们说 software forge 而不是 software factory了"，"Twitter 上是 Dexory"；并说明他那个被疯传的演讲"被误读了"："大家看完就说'哦你是那个不喜欢软件工厂的人'——不不不，是有些事你做了会导致它们失败，我是要告诉你那些事是什么，好让你别做。"（[01:13:46]–[01:14:47]）

⚠️⚠️ 为什么自己造 harness：因为上游不对 API 做承诺（⚠️ 推断）

  • （[00:06:06]）"问题是他们没有对这个 API 做出承诺。所以我们干脆自己造了一套 coding harness，就带这个只追加日志（append-only log）的性质——因为我们不想基于一个 OpenAI 团队或 Claude Code 团队不保证将来不变的 API 来开发。"
  • 他给的"正确做法"极朴素："一切都该在一个日志里。有一个文件，你往后追加，然后从上次停下的地方接着来。" 并指出 ⚠️ 这其实已经是内部表示（"Claude Code 和 Codex 有那个大 JSONL 文件"），所以 "那把东西发到云上有什么难的？"
  • 📌 归属依据：HumanLayer 做的正是 coding agent 基础设施，且片尾自述"在造 software forge"。⚠️ 稿中无标签，本库标为推断。

自建个人助理：一个 git repo（⚠️ 推断）

  • （[00:04:03]、[00:59:37]）"我的个人助理还是一个 git repo，一堆脚本，整个大脑、整个记忆系统都是 markdown，我要干活就在里面起 Claude / Codex。" 同一个 repo 被他形容为 ⚠️ "在 OpenClaw 成为选项之前就已经是 OpenClaw 形状的"——与 Peter Steinberger 那条线同源。
  • 他对 Dots 的实测（[00:04:03]）：让自己 repo 里的 Claude "用 computer use 过夜去配好我的 dot，我想醒来时有一个能做这个 repo 里所有事的 dot"，⚠️ 结果卡在集成："OAuth 那套都很别扭……我们有个脚本从 Mercury 拉银行数据写周报，而 ChatGPT 里没有 Mercury 插件，所以除非我把 Codex 桌面端开着让 dot 去跟它说话，它根本用不了我这一年攒下来的脚本。"
  • 中心化 MCP 网关（[00:57:35]）：⚠️ 本库按"我的 Linux 盒子 / 我朋友在做这家公司"的自指推断是他——一个装着 Gmail / Drive / Notion 以及每个工具的 skill、prompt、配置的网关，跑在家里，Cloudflare DNS 代理，"每配一个新助理只做一次 MCP 连接"。见视频页第八节。

⚠️ "有界的 Ralph 循环"（⚠️ 推断）

  • （[00:37:25]）"我会做一个穷人版的 Ralph 循环：我就排一串提示……所以它像 Ralph 循环，但是有界的。你只排 5 到 10 条消息。" 同席的类比："你在下棋，而且每一步都预先走了。"
  • 配套的 "detach 模式" skill（[00:37:25]）：后台起 CLI，"这样我能并行跑 40 个"。
  • ⚠️ 而本库认为真正该记在他名下的是那条闸门（[00:36:23]，⚠️ 归属更不确定，视频页按"某位嘉宾"收录）："如果你在做生产软件，你整夜不停地跑模型，你会造出比你能可靠消费和吸收的更多的代码。"
  • 他的 markdown skills 被第三方背书（[01:14:47]）：席上有人转述另一位嘉宾的说法——"有几个人的 skill 他是信的，Dex 是其中一个"，Dex 的回应是玩笑 "是 markdown skill，不是我现实生活里的技能"。

Ben Davis（Nerd Snipe）

来源：High Taste Testers 第一期

身份锁定：片尾自述 "我有一个 YouTube 频道和一个播客。你在 YouTube 上搜 Ben Davis 或 Nerd Snipe 就能找到我"（[01:13:46]）。

⚠️⚠️ 本库在这一期里无法把任何实质观点锁定到他名下。 他没有在发言中提到可识别的公司或产品，自我介绍也只给了频道名。✅ 按本页的约定，本库不替他认领任何一条——相关内容全部留在视频页的"某位嘉宾"里。

📌 留给后续：若他在本库后续收录的材料里出现并可识别，再回填本节；在此之前这一节的空白本身是本页的一条记录。

Allison Durham

来源：High Taste Testers 第一期

身份锁定：片尾自述 "我在 RC，我们在做一批会相当不错、而且会开源的模型，很快出来，我也在那边造 harness。在 Twitter 上 @Allisonology"（[01:13:46]）。⚠️⚠️ "RC" 是自动字幕，本库无法确定公司名（听起来像某家做开源模型的公司），不写定、不猜。

⚠️ 可归属的内容同样极少。✅ 本库只记两件事：

  • 她自述在做开源模型，并且自己造 harness（[01:13:46]）——这是本期六人中唯一明确站在模型供给侧的人。
  • ⚠️ 本库由此提一条阅读提示（不是她的观点）：本期关于开源落后前沿"可能差一年"的那条判断（[00:50:30]）出自另一位（有四台 DGX Spark 的那位），不是她；本页不把那条记在她名下。

交叉链接