Cal AI 挑博主先看评论区，Anthropic 每天合并的代码变更涨了 12 倍

Jake Castillo 在 Sub Club 访谈里讲了 Cal AI 靠博主增长的打法。起点是一个判断：健身博主数量极多，能合作的品牌却只有蛋白粉、运动服这几类，很多博主从没接过商单，而且每周本来就在拍饮食视频，把 App 放进去几乎不用改内容。他把扫描、分析、出结果这三步叫作 magic moment：观众会忍不住多看一眼。要是需要解释才看得懂，视频就像广告，传不开。

失败的尝试同样有参考价值。UFC 选手确实需要精确算热量，但他说，看比赛的人大多是在沙发上吃着披萨，不想算卡路里。他的结论是按观众想要什么来选博主，而不是按博主自己做什么。判断方法是看评论区：如果满屏都是火焰表情，大概率不会转化；如果评论在感谢博主教会自己怎么练，这个博主更值得签。

合作费用他算得很直接：按博主的平均播放量算保本，付费不超过每千次播放带来的收入，并且付固定费用。偶尔有一条视频爆了，多出来的收益全归自己。做付费 App 的人可以先拿三五个博主试，记下每条视频的播放量和对应几天的下载量，再决定要不要放量。

Simon Willison 的这篇点评提到，Anthropic 自建版本控制系统，是因为过去半年代码变更速度急剧上升。他让 Claude 在官方图表上标出了 2026 年各次模型公开发布的时间，并推测新一代模型是速度提升的重要原因。有人在 Hacker News 上问 Scion 为什么不支持离线，Scion 工程师回答：Scion 最大的用户是 Claude，而 Claude 必然在线。

对普通工程团队，更有用的是 adversarial review 这一段。Willison 自己常让 Claude 和 GPT 互相挑错。Anthropic 的经验和他一致：这个办法在很多方面非常有效，但模型会对假想的风险过度反应，需要熟练的工程师判断哪些顾虑可以放下。可以这样分工：模型负责把问题都列出来，人负责取舍，并记下自己否决了哪几条、为什么。

在 Supercompanies 这期节目开头，Kapoor 把模型称为「推理引擎」，认为结果好坏取决于你给 agent 的上下文够不够准确。她预计，以后连同一个任务都会同时用到好几家前沿模型，因为一个任务里包含不同类型的工作。

她的做法里有两点可以直接借鉴。第一，把 token 当作和人力一样的预算项来管理，让负责人对这笔钱的回报负责，而不只看人用得多不多。第二，不绑定单一模型，按任务类型分配。对大厂员工来说，可以先在自己的项目里统计每月 AI 花费和交付变化，用数字争取资源。

Theoretically Media 在这期视频里展示了几个实际项目，和内容制作关系最近的是 07:37 开始的 DaVinci Resolve 剪辑：模型通过 MCP 直接操作剪辑软件，把长对谈压缩成访谈并补上 B-roll。08:48 开始讲的是用它整理编剧笔记、让停工的项目重新开工。

对做播客、访谈的人，这说明粗剪这类重复劳动可以先交给 AI。成片的取舍仍要自己定：哪句话不能删，哪里的上下文需要保留，AI 无法替你判断。

Elton Jones 在 Tom's Guide 记录了这次规划。他觉得最有用的，是 AI 列出了很多本地免费资源：限定居民的免费博物馆夜场、需要 RSVP 的户外节庆，以及他从没听说过的蘑菇节。ChatGPT 最后的建议是，城市免费提供的东西就别花钱买，并提到纽约市文化事务局有一份免费和随意付费的文化场馆清单。

可以照搬的是先给预算上限，再让 AI 按天列出花费，花钱的去向一目了然。拿到推荐后，他自己查了蘑菇节的详细信息才决定去。这一步不能省，AI 给的活动时间可能不准。