Tweets

Partnership with Thrive Holdings, to bring our technology into their businesses — which today is focused on accounting and IT services industries:

Localization is an underhyped feature of image edit models.

Now, an image can look like it was taken anywhere in the world.

I uploaded the Notion NYC photo and asked Nano Banana Pro: “fully localize this to Tokyo, Japan”

It changed the language, people, and even the stoplight!

2026年， @gregisenberg  对AI的一些预测：

1、SaaS和Agent彻底融合。每个SaaS产品都会变成Agent平台，反之亦然。不转型的，要么死，要么贱卖。

2、Google继续领跑，OpenAI压力山大，被迫转型社交公司，推出一堆Meta该做的功能。

3、无限内容娱乐干掉试播季。Netflix让你续订被砍的剧，AI根据你的心情生成《办公室》或《老友记》的新剧集。

4、微型公司井喷。AI加持的小生意服务小众群体，成为一种新的职业路径。

5、AI定制营养品取代传统保健品。膳食补充剂变成实时处方，维生素货架消失。

6、AI Agent拥有自己的钱包，用加密货币交易数据、API调用和算力。机器经济的交易量超过人类。

7、邀请制网络回归。为了躲避Bot泛滥的“死亡互联网”，优质平台开始收费和信用评分。开放网络变成荒原，封闭网络变成派对。

8、搜索被答案合成取代。浏览器阅读50个来源，直接给你结论。SEO消亡，“LLM优化”成为新的营销军备竞赛。

9、硬件强势回归。浏览器AI体验受限，AI Pin、耳机和环境设备起飞，智能手机开始衰落。

10、Google、Apple和OpenAI意外构建了新互联网。人们不再浏览网页，而是生活在模型驱动的环境中。

11、个性化教育瓦解大学。AI导师比教授更高效，哈佛变成社交俱乐部，学习通过自适应Agent完成。

12、首批Agent驱动的媒体公司出现。每日节目、新闻邮件和频道自主运行，只需一名人类编辑。

13、本地LLM成为新的隐私盾牌。一次重大黑客事件引发恐慌，大家转向离线模型，不再上传云端。

14、各国开始发行主权算力信用。不再控制货币，而是监管谁能使用高端AI算力。

15、预测市场取代用户调研。公司用1万个AI Persona测试产品创意，在编写代码前就知道结果。

16、软件变成消耗品。App生成后用72小时就删除，代码变成一次性塑料。

17、垂直AI吞噬水平SaaS。“俄亥俄州牙医”或“亚利桑那州太阳能销售代表”的利基Agent超越Salesforce和HubSpot。

18、利基即服务平台兴起。人们按月付费，加入由AI管理的垂直社区，围绕冷门爱好交流。

19、首家AI原生零售商实现实时产品创造。需求、设计、生产和营销融为一体。

20、邮件终于在内部沟通中消亡。Agent阅读和撰写一切，只有当两个Agent无法达成一致时，人类才会介入。

21、“人工参与”成为奢侈功能。客服99%是AI，与真人交谈是白金会员的升级服务。

22、首个Agent间诈骗登上新闻头条。模型互相利用对方的奖励函数，引发全球监管恐慌。

23、AI成为新的CRM。公司按情感特征而非人口统计细分客户。

24、一所名校取消计算机科学学位，取而代之的是“Agent系统”、“模型心理学”和“人机界面架构”。

25、数据污染成为消费品。人们付费污染自己的数字足迹，防止AI模型准确分析自己。

26、无限App取代应用商店。微型App在ChatGPT或Gemini中生成，传统下载量暴跌。

27、内容饱和迫使平台回归人类社交关系。维护信任的唯一方法是优先考虑经过验证的人类。

28、风险投资分为比特和原子。资金逃离软件，涌入机器人、能源和生物技术。纯数字AI包装公司无法融资。

29、普通网红消亡。只有顶流魅力和全自动AI农场才能生存，中间层崩塌。

30、首场主权AI贸易战爆发。各国禁止出口基础模型，并将使用外国AI视为间谍行为。

31、蓝领行业成为避风港。随着白领自动化加速，电工、水管工和暖通空调技术人员的工资飙升。

32、人类溢价Airbnb。旅客支付3倍价格，入住提供早餐、旅游和人工互动的主人住所。人工摩擦成为一种奢侈。

33、假富人经济崩溃。AI让炫富变得不可能，因为每张奢侈品照片都可以合成。地位转向硬资产和线下体验。

34、信任溢价飙升。能够证明零AI参与的产品，因其可证明的人工缺陷而收取10倍的价格。

35、传统网络被存档。2023年之前的互联网成为地球上最有价值的数据集，因为它是纯粹人类思想的最后堡垒。

36、2026年最快的财富创造途径是发现因低估AI速度而被错误定价的资产。整个市场在公众注意到之前就已发生变化。

37、心理治疗转向AI优先。保险要求先进行六周的AI认知行为疗法，然后才能批准人类治疗。大多数人更喜欢AI，因为它从不评判，并且凌晨3点醒着。

38、“真实”网红崛起，证明自己是人类。验证从蓝色徽章变为“人类生成”徽章，因为观众渴望真人。

39、模拟状态崛起。“模拟”成为终极炫耀。胶片相机、手写笔记和原声乐器价值飙升，因为它们发出了AI无法伪造的信号：摩擦。

40、“AI模仿经济”创造了一种新型竞争。产品瞬间被克隆，但没有扼杀公司，反而创造了奇怪的新动态，被复制实际上增加了价值。原创作者更像是“产品DJ”——他们的价值在于混音和时机，而不是单个功能。

41、工作大解绑。数百万员工从每周40小时的W2角色转变为基于结果的顾问或微型企业。

42、“无AI”成为新的有机产品。产品开始宣传自己是“人类制造”或“无AI”的，作为一项高级功能。不是因为它们更好，而是因为人类开始渴望人造事物的不完美和真实性。

43、语音AI创造了首个后智能手机杀手级应用。让打字感觉像拨号上网一样过时。

44、抱歉写了这么多预测，只是觉得2026年对AI来说会是很有趣的一年。你怎么看？

字节跳动发布“豆包手机助手”技术预览版

可以对屏幕内容进行多模态识别

并能进行交互操作，支持跨应用操作手机

支持语音唤醒、手机侧边AI键唤醒、耳机唤醒

而且具有记忆能力

支持实时视频通话，AI能看懂摄像头拍摄的内容（如绘本），并进行实时的双语讲解和互动。

个性化记忆功能 (Memory)：

豆包具备端侧记忆能力，能从历史对话和屏幕信息中提取关键信息，在需要时主动辅助用户。

生活琐事回忆： 当你忘记信息时，可以问它“我的车停哪了？”（基于曾拍摄的照片）、“取件码是多少？”（基于短信通知）、“我的高铁座位号？”（基于购票记录）。

喜好记忆： 记住用户的偏好（如“喜欢凡高”），在未来的任务规划中自动应用这一偏好。

隐私保护： 强调数据在本地处理和存储，用户可随时开启或关闭记忆功能。

跨应用操作手机 (App Agent / Phone Operation)

这是其最核心的差异化功能。AI可以接管手机控制权，模拟人的操作（点击、输入、滑动），自动执行繁琐任务。

全网比价： 一句话指令（“帮我全网比价”），AI自动打开淘宝、京东、拼多多等多个App，检索同款商品，对比价格，并停留在最低价的支付页面。

生活服务自动化： 如自动打开特斯拉前备箱、预定餐厅、查询播客更新并加入列表。

办公自动化： 自动在飞书/钉钉中提交请假申请、差旅审批，并联动购票软件预定高铁票。

多模态生成与编辑 (Multimodal Generation)

将AIGC能力直接嵌入系统原生应用中。

智能修图： 在系统相册中，直接通过语音指令（“把路人P掉”），调用云端模型对照片进行高质量的消除和重绘。

操作手机 Pro模式 (Pro Mode)

针对复杂、长链条任务的高级模式，结合了GUI Agent（模拟点击）和API工具调用，具备更强的推理能力。

复杂任务规划： 处理模糊且多步骤的指令。

案例： “下个月去巴黎，把收藏的餐厅标在地图上，帮我订一张有我喜欢展览的博物馆门票”。

执行： AI会自动拆解任务 -> 搜索记忆（知道用户喜欢凡高）-> 筛选博物馆（奥赛博物馆）-> 地图打点 -> 跨平台订票 -> 生成总结备忘录。

This is a fun one. Tag us if you give this Nano Banana Pro trend a try 👇x.com/dotey/status/1…I

开发生产级 AI Agent 一年的实战经验 - 来自 @posthog 团队分享

咱们从架构哲学、战术实现、开发陷阱与产品体验四个维度展开看看。

一、核心架构哲学：简单胜过复杂
复杂的编排往往不仅无用，反而有害。

1. Agent 优于工作流
· 误区： 早期业界流行用图或预定义的工作流来控制 AI，认为这样更可控。
· 现实： 这种方式在处理开放式任务时极其脆弱，一旦 AI 偏离预设路径不仅无法自我纠正，还会丢失上下文。
· 结论： 现在的架构回归到了一个简单的单循环。让 LLM 在一个循环中不断执行、验证、自我修正，直到完成任务。

2. 单体循环优于子智能体
· 误区： 很多人喜欢设计复杂的“子智能体”架构。
· 现实： 每增加一层抽象和分工，都会导致严重的上下文丢失。模型需要完整的全局信息才能做出最佳判断。
· 结论： 一个拥有简单工具集的单一 LLM 循环，往往比一群各司其职的子智能体表现得更聪明、更有效。

二、关键战术实现：让模型“专注”与“懂行”
两个极其落地的“微操”技巧：

1. To-do 清单是超能力
· 为了防止 Agent 在长任务中“迷路”，他们引入了一个看似多余的工具 todo_write。
· 这实际上是一种强化的“思维链”。Agent 在每一步结束后都要更新这个清单，这强制它不断自我强化下一步的目标，极大地提高了任务完成率。

2. 上下文是关键
· 用户的问题往往充满歧义（例如拼写错误或内部术语）。如果没有背景知识，AI 无法正确理解。
· 他们借鉴了 Claude Code 的做法，引入了 /init 命令。通过网络搜索和分析，为 Agent 建立一个项目级的记忆库，让 AI 真正“懂”用户的业务。

三、开发陷阱：警惕框架与唯评估论
两个非常犀利的警告：

1. 拒绝过度依赖框架
· 他们明确表示后悔使用 LangChain 和 LangGraph。
· AI 模型迭代极快，重型框架往往跟不上变化，反而成为累赘。他们建议保持“低代码层级”，直接调用 API 往往最灵活、最长久。

2. Evals 不是万能的
· 虽然测试集很重要，但现实世界的复杂性（脏数据、奇怪的用户路径）远超测试集覆盖范围。
· 他们强调“Traces Hour”（定期人工审查真实日志）的重要性。理解真实用户如何通过 AI 交互，比跑通完美的测试集更有价值。

四、产品体验与模型策略

1. 展示全过程
· 不要试图把 AI 包装成一个完美的黑盒。用户更信任“透明”的 AI。
· PostHog AI 选择展示所有的工具调用、推理过程，甚至是失败的尝试。这种“白盒”体验能让用户建立信心，也更容易发现问题。

2. 紧跟模型红利
· 目前的“版本答案”是：Claude Sonnet 4.5 用于核心循环，OpenAI o4-mini 用于推理和生成复杂查询。但开发者必须时刻准备好迎接下一个更强的模型。

总结
PostHog 的这一年经验可以概括为：去伪存真。
他们抛弃了早期 AI 开发中那些看似高大上实则臃肿的“多智能体协作”、“复杂图编排”和“重型开发框架”，回归到了最朴素的单循环架构。通过赋予模型更清晰的记忆（To-dos）、更丰富的上下文（Context）以及更透明的交互，打造出了真正能干活的 AI 助手。

博客地址
posthog.com/blog/8-learnin…

You now get a year free of @PostHog ($16,500 value) with your Lenny's Newsletter annual subscription 🙌🙌🙌

This is the first time PostHog has ever offered a deal like this, and you won’t find it anywhere else.

This brings the total value of the Product Pass to over $25,000 (!!!), and your subscription now comes with a free year of 19 premium products: @Lovable, @Replit, @DevinAI, @boltdotnew, @GammaApp, @Linear, @n8n_io, @warpdotdev, @WisprFlow, @meetgranola, @Superhuman, @DescriptApp, @perplexity_ai, @raycast, @magicpatterns, @chatprd, @mobbin, and @atlas.

Simply absurd.

If you're not familiar with PostHog, they help you build successful products by giving you literally every piece of SaaS that you need: analytics, experimentation, feature flags, session replay, surveys, error tracking, data warehouse, LLM analytics, and more—all in one platform. 

In the words of CEO @james406, “We keep adding new capabilities at a pace that’s borderline unreasonable.”

The all-in-one platform strategy that PostHog is executing is really interesting to me. I rarely see it done this well, because it’s hard to do. But if you pull it off—like they are—you can build a generational business. Being able to follow an issue from a session recording, to its impact in analytics, to shipping a fix as a feature flag, to testing a variant, to collecting feedback with surveys—that’s the holy grail.

Learn more about the dealennysnewsletter.com/p/a-year-free-…Hoo

Redeem your free year of @PostHog herlennysproductpass.comxIV

Deal terms:
1. Lenny’s Newsletter subscribers get one full year’s worth of PostHog Scale and 2x the free-tier credits, a $16,500 value. 
2. You must be a new customer of PostHog to take advantage of the deal. If you haven’t paid for PostHog at some point in the past, you’re eligible for the deal.
3. You must get an Annual or Insider subscription to Lenny’s Newsletter to be eligible for this offer. Monthly subscribers aren’t eligible.
4. Both existing and new subscribers of Lenny’s Newsletter are eligible for this deal. 
5. We may run out of codes for a product at any time. Your code is only secured once you claim it. You need to claim each code individually, so hop on the products you are most excited about.

Redeem your deal herlennysproductpass.comxIV

Google launched two flagship AI models: Gemini 3 Pro and Nano Banana Pro. 

🧠 Gemini 3 Pro is a multimodal reasoning model that introduces adjustable reasoning levels (low, medium, high) instead of token budgets. At release, it achieved breakthrough scores on multiple leaderboards.

🎨 Nano Banana Pro is an advanced image generation model that uses reasoning to refine images before final output and excels at generating text within images. Likewise, it currently tops text-to-image leaderboards.

Learn more in The Batchhubs.la/Q03WysWj08r

We got a new text-to-video model!

Grok Imagine shipped a big Thanksgiving update (it previously required you to start with an image).

It has native audio, it’s insanely fast, and available in the @grok app.

Prompt: “anime style clip following woman motorcycling through the streets of Tokyo at night, weaving between cars”

We’re bringing Vercel’s DX and self-driving infrastructure to Python, by teaming up with @1st1, @elprans & the Gel team.

I’m so excited to work with these guys. True missionaries that have lived and breathed Python their entire professional lives. I’m confident they’ll make Vercel the best Python cloud.

We’re also sponsoring the Python Software Foundation, core maintainer @SerhiyStorchaka, and are committed to the long-term strength of the open Python ecosystem.