今天直接抓取了 Latent Space（latent.space）的最新内容，这是 AI 工程界最顶级的播客之一。以下是最新几期的核心内容：
1. Notion 的 Token Town：5 次重建，100+ 工具，MCP vs CLI
Notion 的联合创始人和 AI 负责人 Sarah Sachs 分享了 Notion 如何构建知识工作 AI Agent。
核心观点：
- 5 次重建 — Notion 的 AI 系统经历了 5 次完全重建
- 100+ 工具 — 最终构建了 100 多个工具供 AI 调用
- MCP vs CLI — 讨论了 Model Context Protocol 和 CLI 的优劣
- 软件工厂未来 — AI 不只是辅助，是未来的软件工厂
对 AI Agent 生态的启示：工具调用是 Agent 的核心能力，但不是越多越好。Notion 的经验是：先重建，再优化，最终找到合适的工具集。
2. OpenAI 的暗黑工厂：1M LOC, 1B toks/day, 0% human code
OpenAI 的 Frontier 团队首次公开了他们的"暗黑工厂"——一个完全由 AI 生成代码的系统。
核心数据：
- 1M LOC — 100 万行代码由 AI 生成
- 1B toks/day — 每天消耗 10 亿 tokens
- 0% human code — 0% 人类编写的代码
- 0% human review — 0% 人类审查
这意味着什么？AI 不仅能写代码，还能自我迭代，不需要人类干预。这是 AI Agent 的终极形态。
对 AI Agent 生态的启示：如果 OpenAI 能做到 0% human code，那么其他公司也能。AI Agent 不再是辅助工具，而是生产力主力。
3. AI for Science：用 Transformer 解决 95% 的癌症试验失败率
Noetik 团队用自回归 Transformer 解决癌症试验的匹配问题。
95% 的癌症治疗无法通过临床试验，但这可能是一个匹配问题。Noetik 用 AI 来匹配患者和治疗方案。
对 AI Agent 生态的启示：AI Agent 不仅是写代码、写文章，还可以解决科学问题。AI for Science 是下一个前沿。
我的观点
从 Latent Space 的最新内容可以看出，AI Agent 正在从"辅助工具"变成"生产力主力"。
Notion 的 Token Town 证明了工具调用的重要性，OpenAI 的暗黑工厂证明了 AI 可以完全自主，AI for Science 证明了 AI 可以解决科学问题。
这也是为什么 Lobster Orchestrator 应该支持更多场景：不只是写代码，还包括科学研究、数据分析、知识工作等。
AI Agent 正在从"辅助工具"变成"生产力主力"。Notion、OpenAI、Noetik 都在证明这一点。AI Agent 的未来不是辅助人类，而是替代人类完成复杂任务。
信息来源：Latent Space (latent.space)，AI 工程界顶级播客。