YouTube AI - 2026-07-07¶
1. 人们在讨论什么¶
1.1 开放权重 AI 的竞争重心，已从意识形态转向操作路径与访问风险 🡕¶
有 6 个条目支撑这一主题。相比 2026-07-06，2026-07-07 的本地 / 开放权重 AI 叙事更贴近操作者的实际决策：该把请求路由到哪个模型、如何在普通硬件上微调，以及一个看起来很有前景的模型到了明天是否还可访问。这很重要，因为当天信号最强的产品类内容，把开放权重 AI 当成一种带有取舍的基础设施来看，而不是抽象的品牌口号。
AI Search 给出了创作者侧最清晰的例子。其 Krea 2 指南获得 143,302 次播放、6,585 个点赞和 898 条评论，而链接到的 《Krea 2 Technical Report》 将这次发布框定为开放权重、宽松许可证、提示词扩展器，以及用于创意控制的风格参考系统。这里最独特的信号是，开放创意模型的卖点已经变成可控性和工作流适配范围，而不只是“无审查”（视频）。
Matt Wolfe 把同一主题转到了模型运作层面。他的 GLM-5.2 指南获得 72,879 次播放、2,319 个点赞和 223 条评论，简介把这个模型拆成三条可用接入路径——托管应用、API 与智能体运行框架，或自托管——并现场拿它和 Claude、GPT、Gemini 级别的替代方案做对比。这里最独特的信号是，人们对开放模型的热情，已经在转化成路由、部署和成本决策，而不只是盯着基准测试看（视频）。
WorldofAI 展示了新入局者多快就会被拉进现场对比。它的 HY3 视频获得 26,199 次播放、609 个点赞和 59 条评论，并立即用前端编程、Three.js、HTML5 Canvas 和智能体式编程测试来评判 Tencent 这次发布；视频还链接了 HY3 研究页面 和免费的 OpenRouter 接入路径。这里最独特的信号是，新的开放权重模型如今在上线第一天，就被期待在真实开发者任务里证明自己（视频）。
讨论要点： David Ondrej 把同一问题进一步收窄到了定制化，而不是评估。他的 29 分钟教程聚焦于如何借助 Kimi API、Fireworks AI 和免费配套资源，对大型开放模型做微调，说明用户接下来的需求不只是试用开放模型，而是要把它们调到贴合本地需求（视频）。
与前日对比： 相比 2026-07-06 更宽泛的本地 / 开放部署主题，2026-07-07 通过微调压力和更明确的访问风险问题，让开放权重叙事显得更有竞争性，也更脆弱。
1.2 AI 安全仍属主流，但具体控制工作终于开始与末日警告并列 🡕¶
有 6 个条目支撑这一主题。安全仍是数据集中注意力最高的几个话题簇之一，但语气已经不再一致。有些视频在推灾难性预测和欺骗风险，另一些则聚焦监督者、漏洞利用检测，以及 AI 辅助防御。这很重要，因为受众现在被要求同时接受两件事：存在性风险论证，以及操作层面的应对方案。
Google DeepMind 给出了最清晰的控制层回应。其智能体视频获得 164,650 次播放、2,381 个点赞和 227 条评论，而链接的 《AI Control Roadmap》 把内部智能体视为潜在的内部人威胁，加入了监看推理与行动的监督模型，并用覆盖率、召回率和响应时间来衡量防御质量。这里最独特的信号是，先进智能体安全如今被框定成一个安全架构问题，而不只是模型对齐问题（视频）。
djvlad 代表了同一场对话的另一端。Roman Yampolskiy 这场接近 1 小时的访谈，围绕“超级智能从根本上不可控，并可能毁灭人类”这一论点，仍然获得 154,884 次播放、2,763 个点赞和 1,100 条评论。这里最独特的信号是，灭绝风险框架依然属于面向大众的访谈内容，而不是小圈子的专家讨论（视频）。
Siliconversations 给出了最具体的防御性证据。其 Glasswing 视频获得 72,272 次播放、10,757 个点赞和 1,100 条评论，而 Anthropic 的 Project Glasswing 页面称，Claude Mythos Preview 几乎完全自主地识别出数千个零日漏洞，并开发了大量配套利用链。这里最独特的信号是，当天的安全讨论不只是修辞层面的争论；它有一个非常具体的能力跃迁作为锚点，那就是 AI 辅助网络工作已经上了新台阶（视频）。
讨论要点： Neural Nutshell 则通过 Geoffrey Hinton 继续维持了警报式叙事的热度；视频引用的 诺贝尔演讲 和 Apollo Research 资料，被用来论证当前系统正在构建内部世界模型、学会欺骗性行为，并朝着社会尚未准备好的能力迈进（视频）。
与前日对比： 相比 2026-07-06 更宽的治理与信任框架，2026-07-07 把安全讨论更清楚地分成了两条线：“为什么这可能出大问题”和“操作者正如何试图把它控制住”。
1.3 构建者继续把投入放在模型层之上：循环、记忆、扩展选择和软件判断力 🡕¶
有 5 个条目支撑这一主题。内容流里的构建者侧，仍在奖励围绕模型搭建的配套层：可复用循环、本地代码记忆、扩展架构，以及对状态、流程和并发的概念熟练度。这很重要，因为创作者持续在打包 AI 编程真正缺失的运行层，而不是把基础模型当成成品。
Matthew Berman 给出了最强的开源构建者信号。他的盘点视频获得 83,720 次播放、3,949 个点赞和 123 条评论，并直接链接到 Loop Library、Loopy 和 codebase-memory-mcp。Loop Library 把循环定义为带检查和停止规则的有边界行动手册，而 codebase-memory-mcp 则承诺用一个持久化的本地知识图谱，为大型仓库提供结构化查询能力。这里最独特的信号是，当下最热的开源 AI 项目，做的是流程和上下文基础设施，而不是又一个聊天封装层（视频）。
IBM Technology 用企业语境表达了同样的观点。其解说视频获得 7,602 次播放、490 个点赞和 22 条评论，并认为，构建者需要靠上下文工程来判断：什么时候应该通过 Model Context Protocol 扩展一个智能体，什么时候应该用 Skills。这里最独特的信号是，智能体架构本身已经成了解说内容，而不再只是提示词建议（视频）。
Traversy Media 则补上了最清晰的判断力与基本功视角。其概念回顾视频获得 14,213 次播放、1,060 个点赞和 92 条评论，并坚持认为，即便模型已经写掉了大部分语法，控制流、数据流、错误流、状态、架构和并发仍然重要。这里最独特的信号是，对“凭感觉让 AI 写代码”这股风潮的反作用力，并不是怀念手动敲代码，而是重新强调软件判断力（视频）。
讨论要点： Lattice 在更大规模上强化了同一需求。《Computer Science in the AI Era》仍然拿到 125,139 次播放和 6,124 个点赞，说明受众想要的，是在 AI 之下从事编程工作的长期有效心智模型，而不只是新工具清单（视频）。
与前日对比： 相比 2026-07-06 对循环和记忆的强调，2026-07-07 进一步补上了这层该怎么构建，以及开发者自己仍需理解什么的更清晰词汇。
1.4 创作者 AI 继续把用户拉向本地或免费流程，而不是封闭订阅 🡒¶
有 4 个条目支撑这一主题。面向创作者的 AI 视频，仍在靠两件事吸引注意：降低成本，以及减少对单一提供商的依赖；具体表现为在 PC 上本地生成视频、借权宜路径免费接入高级模型，以及使用能在封闭应用之外调校的开放权重图像栈。这很重要，因为创作者的采用看起来仍然不是卡在兴趣上，而是卡在接入摩擦上。
Kevin Stratvert 展示了最清晰、最好理解的本地路径。他的 ComfyUI 教程获得 17,701 次播放、766 个点赞和 57 条评论，带观众安装 ComfyUI Desktop、下载 LTX 2.3 模型，并在本地生成文生视频或图生视频，全程不需要 API key、订阅或积分。这里最独特的信号是，主流教程频道依然能靠把本地 AI 翻译成一步一步的 PC 工作流来获得牵引力（视频）。
Brain Project 讲的是相反的接入路径。其 Seedance 2 视频获得 8,329 次播放、461 个点赞和 83 条评论，核心就是怎么走免费或不限量的路径，拿到看起来像高级订阅才能得到的 AI 视频生成，包括 Seedance 2 和与 Grok 绑定的界面。这里最独特的信号是，观众仍然想要任何一种能绕开常规定价、解锁高端输出的工作流（视频）。
讨论要点： 同样的成本压力在图像侧也很明显。AI Search 的 Krea 2 教程并没有被包装成纯粹的艺术探索；它被框定成一种可在本地控制、并可通过开放权重和周边工具接入 ComfyUI 的替代方案。
与前日对比： 相比 2026-07-06 那种碎片化的 AI 视频工具链主题，2026-07-07 依然很碎片化，但更明显地转向了本地优先和免费接入的入门路径。
1.5 AI 基础设施与访问约束，进一步收敛成市场、电力和出口叙事 🡕¶
有 4 个条目支撑这一主题。虽然关注度更小，但仍有一些值得注意的注意力落在模型之下的投入要素上：半导体、反应堆，以及围绕“谁能拿到哪个模型”的政策风险。这很重要，因为内容流不断暗示，AI 竞争越来越受制于芯片、电力和分发权，而不只是模型演示本身。
Bloomberg Tech 给出了最清晰的电力层案例。其反应堆报道获得 39,798 次播放、704 个点赞和 78 条评论，并称 Valar Atomics 的 Ward 250 反应堆在美国首次为 Nvidia Blackwell 芯片供电。这里最独特的信号是，AI 基础设施叙事现在已经具体到能讨论精确的发电路径，而不是泛泛而谈数据中心需求（视频）。
Gareth Soloway 则用市场怀疑论切入了同一层面。他的芯片供给过剩视频获得 32,161 次播放、2,140 个点赞和 145 条评论，论点是随着新供应商涌入、利润率收缩，AI 芯片交易正在掉头。这里最独特的信号是，如今围绕 AI 芯片的乐观情绪，已经开始受到面向金融受众的看空内容挑战，而不只是技术供应预警（视频）。
讨论要点： Universe of AI 则把同一约束层连到了地缘政治上。它关于 GLM-5.2 和 DeepSeek 的视频认为，中国的开放权重领先者在海外可能会越来越难访问，而 DeepSeek 也在开发自己的 AI 芯片，这让模型选择既是质量问题，也是出口与供应链问题（视频）。
与前日对比： 相比 2026-07-06 更明确指向硬件的物理 AI 主题，2026-07-07 把约束层重新框定成经济与地缘政治层面的访问风险。
2. 令人困扰的问题¶
开放权重 AI 仍然需要过多的部署、路由与调优工作¶
这是高严重度问题。AI Search、Matt Wolfe、WorldofAI、David Ondrej 和 Universe of AI 都显示出同一道缺口：光有模型质量还不够。在工具真正跑起来之前，用户仍然得在托管、API、自托管、微调或带有出口风险的多种路径之间做选择。当前的权宜方案，是做多路径冗余——同时保留几个接入选项，并依赖教程或第三方平台来补这个缺口。这是一个值得直接构建的方向。
安全使用先进智能体，仍然依赖额外的监督层¶
这是高严重度问题。Google DeepMind、Siliconversations、djvlad 和 Neural Nutshell 从不同角度都指向同一个问题：能力越来越强的系统，仍然需要沙箱隔离、监督者、漏洞利用检测，或者一套比行业目前更强的收容方案。当前的权宜方案，要么是加厚控制架构，要么就是对模型可以触碰什么保持明确克制。这是一个值得直接构建的方向。
构建者仍缺少一套共享的心智模型，来扩展 AI 编程系统¶
这是中高严重度问题。Matthew Berman、IBM Technology、Traversy Media 和 Lattice 都在暗示同一种摩擦：大家都知道自己需要循环、记忆、MCP 服务器、技能，以及更强的软件判断力，但这些架构边界仍然让人困惑。当前的权宜方案，是把几个社区工具混在一起用，同时重新补软件基本功。这值得构建。
创作者 AI 视频仍然依赖碎片化的免费或本地接入路径¶
这是中严重度问题。Kevin Stratvert、Brain Project 和 AI Search 都表明，创作者为了拿到稳定的图像或视频输出，仍在拼接本地安装、免费接入路径或开放权重栈。当前的权宜方案，是容忍工具蔓延，并追逐当下暂时最便宜或最开放的提供商。这值得构建，但赛道已经很拥挤。
AI 供应与模型可得性仍然暴露在芯片、电力和政策冲击之下¶
这是中严重度问题。Bloomberg Tech、Gareth Soloway 和 Universe of AI 从三个角度展示出同一约束：发电、芯片周期波动，以及跨境访问风险。当前的权宜方案，是分散供应商、保留应急方案，或把栈中更多部分垂直整合起来。这值得构建，但执行负担很高。
3. 人们期望的功能¶
面向开放权重模型的稳定控制平面¶
AI Search、Matt Wolfe、WorldofAI、David Ondrej 和 Universe of AI 都暗示同一个实际需求：需要有一层能在开放权重模型之间做比较、路由、微调、镜像和回退，而不逼用户自己把整个工作流拼起来。紧迫性很高，因为受众已经相信这些模型很重要；缺的只是操作简单性和访问连续性。机会：直接。
面向智能体工作的可审查操作层¶
Google DeepMind、Matthew Berman、IBM Technology 和 Traversy Media 都暗示，人们需要一个把监督者、循环、记忆、扩展边界和基于证据的停止规则放进同一界面的产品。这是一个偏实用而非情绪性的需求，因为数据集里的构建者已经想把智能体放进真实工作流，只是不想在没有控制的情况下这样做。机会：直接。
把本地生成与低成本试验统一起来的创作者界面¶
Kevin Stratvert、Brain Project 和 AI Search 表明，创作者想要一条统一路径，把本地安装、免费试验和可编辑输出结合起来，而不是每周都去追逐新的提供商。紧迫性为中等，因为需求明显且反复出现，但这个品类已经有很多相互重叠的入口。机会：竞争型。
真正面向构建者的 AI 时代软件素养内容¶
Lattice、Traversy Media 和 IBM Technology 都暗示，人们需要的指导，是教会长期有效的概念——状态、架构、扩展选择、并发和工作流设计——而不是只卖一个新工具。紧迫性为中高，因为受众显然正在重新校准自己仍该亲自学会什么。机会：竞争型。
面向模型与算力依赖风险的访问韧性工具¶
Bloomberg Tech、Gareth Soloway 和 Universe of AI 都暗示，对能在依赖真正出问题前，帮助团队监控电力、芯片和政策暴露的产品存在需求。紧迫性还在上升，而不是当下最紧迫，但方向已经很清楚：模型选择正在变成供应链决策。机会：愿景型。
4. 使用中的工具与方法¶
| 工具 | 类别 | 评价 | 优势 | 局限 |
|---|---|---|---|---|
| Krea 2 + ComfyUI 栈 | 开放权重图像生成 | (+/-) | 开放权重、提示词扩展、风格参考，以及强本地创意控制 | 工作流调优、VRAM 适配和节点配置仍然重要 |
| GLM-5.2 | 开放模型 | (+/-) | 100 万 token 上下文、更低成本定位，以及多种接入路径 | 真实世界质量仍取决于具体场景，自托管也依然不轻松 |
| HY3 | 开放权重编程模型 | (+/-) | 现场编程演示强、免费接入路径，以及能快速与前沿模型做对比 | 仍处早期评估，默认上下文假设更窄，而且基准测试主要由创作者主导 |
| 《AI Control Roadmap》 | 智能体治理方法 | (+) | 监督模型、内部人威胁框架，以及可衡量的控制指标 | 会增加监控开销和更广泛的系统复杂度 |
| Project Glasswing / Claude Mythos Preview | AI 安全工作流 | (+) | 自主漏洞发现、利用链串接，以及强有力的合作伙伴验证 | 访问受限，而且显然对误用非常敏感 |
| Loop Library / Loopy | 智能体工作流库 | (+) | 有边界的循环、反馈周期，以及明确的停止规则 | 仍需按本地工具和审批边界做适配 |
| codebase-memory-mcp | 代码智能 / 记忆 | (+) | 索引快、结构化查询，以及持久化本地知识图谱 | 会增加另一层索引和配置负担 |
| MCP vs Skills | 智能体扩展模式 | (+/-) | 帮助团队区分原始上下文暴露与封装好的可复用动作 | 光是需要这类讲解，就说明概念碎片化仍然存在 |
| ComfyUI + LTX 2.3 / Seedance 2 接入路径 | AI 视频工作流 | (+/-) | 本地或免费生成、可编辑输出，以及较低现金门槛 | 分散在多个工具、积分、安装和权宜接入界面之间 |
| Kimi API + Fireworks 微调路径 | 开放模型调优工作流 | (+) | 降低了在较弱硬件上适配大型开放模型的门槛 | 仍然需要提供商配置和并不简单的工作流知识 |
2026-07-07 最偏正面的情绪，集中在那些让操作者更能控制模型跑在哪里、智能体如何被约束，或工作流如何被反复复用的工具上。评价最混合的地方，则往往出现在价值依赖胶水代码、手动安装、积分，或架构边界不清的时候。
最常见的权宜方案模式，是做多路径冗余：托管和自托管同时留着、本地工具配合免费接入技巧、在智能体外面加循环或记忆，并让人的软件判断力始终留在环里。迁移压力同时出现在四个方向上：从依赖封闭模型转向开放权重选项，从原始提示词转向技能和循环，从纯云端创作者工具转向本地 PC，以及从对算力的乐观预期转向对芯片、电力和出口可得性的明确担忧。
5. 人们在构建什么¶
| 项目 | 构建者 | 功能 | 解决的问题 | 技术栈 | 阶段 | 链接 |
|---|---|---|---|---|---|---|
| Krea 2 | Krea | 发布面向创意探索与控制的开放权重文生图模型 | 创作者想要本地或开放式生成，同时不被单一默认审美绑死 | DiT、提示词扩展器、风格参考系统、开放权重 | 已发布 | 报告, 视频 |
| Loop Library / Loopy | Forward Future | 发布一个公开的有边界智能体循环目录，并提供配套技能，用于发现和运行这些循环 | 重复性的智能体工作缺少反馈循环、检查和停止规则 | 循环目录、Loopy 技能、网站工作流 | 已发布 | 网站, 仓库, 视频 |
| codebase-memory-mcp | DeusData | 为编程智能体构建本地代码智能引擎和持久化知识图谱 | 在大型仓库里逐文件探索会浪费时间和 token | Tree-sitter、Hybrid LSP、知识图谱、MCP | 已发布 | 仓库, 视频 |
| DeerFlow 2.0 | ByteDance | 提供一个面向子智能体、记忆、沙箱和技能的开源超级智能体运行框架 | 复杂的智能体工作流需要超出单个提示词的编排能力 | Python、Node、子智能体、记忆、沙箱、技能 | 已发布 | 仓库, 视频 |
| SkillSpector | NVIDIA | 在安装前扫描智能体技能中的漏洞与恶意模式 | 技能安装带有提示词注入、数据外流和误用风险 | Python、静态分析、可选 LLM 审查、OSV/YARA | 已发布 | 仓库, 视频 |
| Project Glasswing | Anthropic | 让合作伙伴接入 Claude Mythos Preview，用于大规模漏洞发现与修复 | 防守方和维护者需要比纯人工团队更快地发现漏洞 | Claude Mythos Preview、自主漏洞发现、合作伙伴计划 | 测试版 | 网站, 视频 |
| GLM-5.2 | Z.ai | 把一个开放权重模型定位为长上下文、编程和低成本部署选项 | 团队想要接近前沿模型的能力，同时拥有更灵活的接入路径和成本结构 | 开放权重、托管应用、API、智能体运行框架、自托管 | 已发布 | 网站, 视频 |
Loop Library、codebase-memory-mcp、DeerFlow 和 SkillSpector 都指向同一种构建模式：价值越来越多地位于基础模型之上。构建者正在围绕智能体打包记忆、编排、验证和安全，而不是假设原始生成本身就是成品。
Krea 2 和 GLM-5.2 展示了同一转向的另一面。就连模型发布方，如今也更强调提示词系统、风格控制、路由选择或部署模式这些操作界面，而不再把它们当成孤立的模型检查点来呈现。Project Glasswing 则从安全侧说明了同一点：能力只有被包进一个能发现、验证并修复真实漏洞的操作工作流里，才真正有用。
6. 新动态与亮点¶
开放权重 AI 暴露出一种地缘政治失效模式¶
Universe of AI 之所以值得注意，是因为它把“模型可访问性”本身做成了标题。即便触达很小，这条视频仍然强化了一个此前报告里不占主导的风险：如果分发规则收紧，GLM-5.2、Qwen 和 DeepSeek 这类中国开放权重领先者，可能会变成不稳定的海外依赖。
Project Glasswing 让 AI 安全保持了少见的具体性¶
Siliconversations 之所以值得注意，是因为链接的 Glasswing 资料声称，Claude Mythos Preview 自主识别出数千个零日漏洞，并开发了许多配套利用手法。这让当天的安全话语，比常见的对齐修辞更偏操作层面。
智能体架构本身成了教程内容¶
IBM Technology 之所以值得注意，是因为视频的核心问题不是“哪个模型最好？”，而是“智能体什么时候该用 MCP，什么时候该用 Skills？”这强烈说明，扩展边界和上下文工程正在变成主流构建者关切。
本地 AI 视频的入门内容仍属主流¶
Kevin Stratvert 之所以值得注意，是因为一个拥有 4.33 百万订阅者、面向广泛受众的教程频道，把这一天花在了用 ComfyUI 和 LTX 2.3 做完全本地的 AI 视频生成上。这让本地创作者工作流的受众，不再局限于爱好者或开发者为主的频道。
AI 基础设施叙事从扩张转向约束¶
Bloomberg Tech 和 Gareth Soloway 放在一起之所以值得注意，是因为一个故事讲的是从反应堆到 Blackwell 的供电链条，另一个则认为芯片交易可能已经过度扩张并开始走向供给过剩。基础设施叙事已经不再只是“继续扩建”，也开始变成“先在哪里出问题，又会卡在哪里？”
7. 机会在哪里¶
[+++] 开放权重 AI 的部署与评估平面 - AI Search、Matt Wolfe、WorldofAI、David Ondrej 和 Universe of AI 都表明，模型质量已经不再是唯一问题。团队还需要围绕开放权重模型补上路由、回退、调优和访问韧性。
[+++] 面向智能体和 AI 编程的可审查操作层 - Google DeepMind、Matthew Berman、IBM Technology 和 Traversy Media 都指向同一层缺失：监督者、循环、记忆、扩展策略，以及人类可读的证据。
[++] 面向智能体技能与模型行为的安全工具 - Siliconversations、Google DeepMind、djvlad 和 Neural Nutshell 同时给出了紧迫性和产品轮廓：扫描技能、监看行为、尽早抓住异常，并让高风险工作流可审计。
[++] 本地与免费生成的创作者工作流整合 - Kevin Stratvert、Brain Project 和 AI Search 展示出，对一个能把本地安装、免费试验和可编辑创意输出整合起来、又不让工具四散蔓延的界面，存在稳定需求。
[++] AI 时代的软件素养产品 - IBM Technology、Traversy Media 和 Lattice 表明，开发者及其相邻受众仍然想要关于架构、状态、并发和扩展选择的长期性解释。
[+] 具备访问韧性的算力与模型供给 - Bloomberg Tech、Gareth Soloway 和 Universe of AI 暗示，一个正在浮现的机会是：把电力、芯片周期和模型分发视为同一个操作风险界面。
8. 要点总结¶
- YouTube 上的开放权重 AI，如今谈的是操作界面，而不是意识形态。 Krea 2、GLM-5.2 和 HY3 的框架都围绕部署路径、控制系统或现场开发者基准测试展开，而不是抽象的“开源会赢”话术。 (来源)
- AI 安全关注正在分成两条线：灾难性警告和具体控制。 DeepMind 基于监督者的控制路线图，与 Anthropic 的 Glasswing 证据，如今和 Yampolskiy、Hinton 式的超级智能警报出现在同一内容流里。 (来源, 来源)
- 最强的构建者产品仍然活在基础模型之上。 最清晰的开源势头来自循环、记忆、编排和技能安全，而不是又一个通用聊天界面。 (来源)
- 创作者采用仍然沿着最便宜、最可控的路径走。 本地 ComfyUI 工作流，以及免费接入高级视频模型的路径，仍然比对任何单一封闭提供商的忠诚更有吸引力。 (来源)
- AI 基础设施焦虑正在从扩容建设，扩展到约束管理。 反应堆供电、芯片过剩担忧，以及潜在出口限制，都在迫使受众思考：当这套栈更难获取或更难自圆其说时，会先在哪里出问题。 (来源, 来源, 来源)
- AI 时代的软件素养仍然是一类活跃需求。 受众依然会奖赏对控制流、架构、并发和扩展选择的解释，这说明围绕 AI 编程的知识层仍然供给不足。 (来源)