微博 AI 观察博客

原文

经常被问到平时都用什么 AI 工具，于是整理了一下我和@海辛Hyacinth 在工作流中常用的工具包。*工具迭代太快，本条动态永久更新（最新编辑日期：6月6日）*都是我们做项目用的工具，你永远可以相信我写的工具推荐。*排名先后只跟我们的使用频率有关。🖼️🖼️ 主力生图工具主力依然是在 Flow 里用 🍌Nano banana Pro 直出，搭配 Flow 的 agent，出图简直事半功倍。GPT image 2.0 在超写实场景中表现实在过于优异，最近一直在用来辅助 🍌。我的习惯是：在 Flow 里确定了整体画面风格后，用生成的参考图来引导 GPT 的生成，这样能大幅提高它的审美。·🎨 修图工具GPT 的 image 2.0 现在变成了我唯一的改图工具，它不仅不会损失细节，还会让图片变“高清”，在超写实场景中的优势尤其明显。曾经打开 PS 最大的动力是：如果 AI 把某张图改糊了，我需要把修改后的局部用蒙版贴回原图，但现在已经不需要了。* 之前一直提及的 PS “协调” 功能，我也很久没用了。·📽️ 主力视频生成工具▶ 即梦 Seedance 2.0 ：好是真的好，贵是真的贵。▶ 可灵 3.0：在人物表演和音画同步方面，可灵依然是目前最佳。▶ Veo Omni：Veo Omni 的视频编辑能力非常强，比 Seedance 便宜多了，但依然会无可避免地劣化画面。* 是不是该有新模型出来治治 Seedance 2.0 了？Hailuo 快醒醒，可灵快更新！·🔍放大工具▶ 图片放大的需求变少了，毕竟 🍌Nano banana Pro 原生 4k……（我已经完全退订了 Magnific 了）▶ 视频放大用 Topaz，不是本地盗版那个，是线上那个：Astra·📽️ 3D 模型生成工具▶ 我们用得最多的：Tripo，工具的完成度越来越高▶ 混元3D的口碑超好▶ Rodin 在技术圈内的声望依然极高* 目前工作上用到的场景比较少，可以不看我的推荐，欢迎大家补充好用的 3D工具。·📽️ Vibe Coding & Agent▶ 我们的工作日常已经离不开 Codex了，我们写了好多插件，沉淀了超多自用的 skill，真的几乎是全能的助手，抽空再好好聊聊。其他想到再补充。#AI创造营#

转发者评论

Agent instruction里可以自定义很多图片作为固定参考源（比如主角，比如风格），还可以按需开关，这样能保证整个项目出图非常稳定。 //@安提戈涅_WhiteBlade:flow 的 agent 我没参透到好用在哪里🙏

• Agent instruction里可以自定义很多图片作为固定参考源（比如主角，比如风格），还可以按需开关，这样能保证整个项目出图非常稳定。 //@安提戈涅_WhiteBlade:flow 的 agent 我没参透到好用在哪里🙏
• 莫兰迪项目结束后有很多想聊的，还是先更新这个月的工具推荐吧 http://t.cn/AXX93scO

原文

LangChain 刚发布了一个叫 Interpreter Skills 的实验性功能，解决了 Agent 开发中一个被长期忽视的矛盾：提示词能描述意图，但保不住执行路径。这事儿为什么重要？因为自从 AI Agent 降温后，所有人都在问同一个问题：怎么让 Agent 稳定地走完流程？【问题出在哪】过去一年的 Agent 架构，基本在两条路之间反复横跳。一条是工作流（Workflow），开发者提前定义好步骤顺序，可靠性高但灵活性差。另一条是上下文驱动（Context-driven），模型根据当前上下文自己决定下一步，灵活但容易跑偏。LangChain 的 Deep Agents 团队在实践中发现了一个关键现象：当 Agent 拥有解释器（Interpreter）时，面对同一个任务，它每次可能选择不同的代码路径。对于需要创造力的任务，这没问题。但对于需要确定性的任务，比如提交发票、工单分类、仓库 Triage，你希望它走的是“已验证有效”的路径，而不是每次重新发明轮子。这个问题在长流程中尤为严重。拿 GitHub 仓库 Triage 来说，如果有 300 个待处理的 Issue，模型需要在工作上下文中维护每一步的状态。做到后面，模型会开始走捷径、压缩流程，甚至在中途被无关请求打断后，跳过关键步骤。Anthropic 把这种现象叫做“上下文焦虑”。【Interpreter Skills 的解法】LangChain 的方案是：给 Skill 加一层代码模块。传统 Skill 只有 SKILL.md，告诉 Agent 什么时候用、怎么用。但实际执行仍然依赖模型“读懂指令并正确执行”。Interpreter Skills 在此基础上增加了一个 index.ts 模块，Agent 可以在运行时通过解释器直接 import 并调用。【核心变化在三个维度】1. 确定性从提示词转移到代码普通 Skill 说的是：这里有操作指南，请你按步骤执行。Interpreter Skill 说的是：这里有判断何时触发这个行为的说明，还有一段已经写好、测试过的代码，你判断触发条件就行，执行交给代码。这改变了一个基本假设：以前我们默认模型要“理解并执行”，现在模型只需要“判断和委托”。执行路径从概率行为变成了确定行为。2. 解释器内状态持久化TypeScript 运行时给 Agent 提供了持久的工作状态。数组保持为数组，对象保持为对象，辅助函数保持定义。Agent 不需要把每个中间值转换成 stdout、文件或回传给模型的消息。这直接解决了长流程中上下文膨胀的问题。以前 300 个 Issue 的分类结果需要全部存在模型上下文里，现在只需要返回一个结构化的 result 对象，Agent 可以继续深入某个聚类，也可以直接调用 result.toMarkdown() 生成报告。3. 安全边…

转发者评论

无明显转发评论

原文

这周美国 AI 圈最大的事肯定算是 Anthropic 秘密递表了。。可能成为第一家登陆公开市场的美国前沿大模型公司。三年前 Anthropic 还是 OpenAI 的"追赶者",这次估值首次反超, 据悉靠的是两件事:一是 coding / agent 能力把收入半年拉到约 470 亿、五倍于去年底; 收割了大部分正经付费用户，抢夺付费用户这方面打赢了，这非常重要，普通不付费用户拿手里价值也不大，市场认可度不高。二是据传接近经营性盈利，而 OpenAI 预计还要亏几年。一个"增长+盈利在望",一个"烧钱换规模"——这是它递给公开市场的核心差异化。但 IPO 的本质,是一次估值压力测试:公开市场愿意把它当"软件"还是"基建"来定价?9650 亿 / 470 亿 ≈ 20 倍 ARR。放在高毛利 SaaS 里不算离谱，大模型的成本结构更像重资产:算力、折旧、长约。它和 SpaceX 签了到 2029 年最高约 450 亿美元的算力协议,深度绑定 AWS、CoreWeave。一边是软件的倍数,一边是基建的成本表,这个错位才是定价的真正战场。更阳谋的地方，我感觉是抢先OpenAI上市，如果OpenAI财务问题，巨额亏损不解决（或者解释不好），也盲目跟着上市，估值必然受影响。。还是继续耐着不上市，给资本讲股市在一级市场融资，继续混下去，这个决策太难下了。。现在Antropic上市，最大受益人谷歌和亚马逊就非常关键了，我个人判断亚马逊受益更大，谷歌自己有gemini，A厂肯定要防一手，不能都押宝谷歌云，Claude大部分还是用的亚马逊的基建，这块收入最后还是导给了亚马逊。。总之，特别期待A厂上市表现，值得期待。

转发者评论

无明显转发评论

原文

梳理一下SpaceX、谷歌、Anthropic之间的核心关系（基于 2026 年 6 月最新公开信息）：1. 投资关系（股权绑定）• 谷歌 → SpaceX：谷歌早在 2015 年就投资约 9 亿美元，目前持有 SpaceX 约 7% 股权。随着 SpaceX 估值飙升（合并 xAI 后超万亿美元），这笔早期投资已增值巨大（潜在回报超千亿美元）。• 谷歌 → Anthropic：谷歌是 Anthropic 最大外部投资者之一，已承诺累计投资 高达 400 亿美元（目前已投部分），持有 Anthropic 约 14% 股权。Anthropic 估值也已达数千亿美元。• 总结：谷歌通过股权同时“押注”SpaceX 和 Anthropic，成为两者的重要股东。2. 算力租赁 / 云服务关系（核心业务合作）• SpaceX → 谷歌：谷歌直接租用 SpaceX 的 AI 算力（本次 11 万张 GPU 协议），每月 9.2 亿美元。这是谷歌在自家 Google Cloud 之外额外采购的大规模外部算力，用于 Gemini 等 AI 模型训练/推理。• SpaceX → Anthropic：2026 年 5 月 6 日，Anthropic 已与 SpaceX（SpaceXAI / Colossus 1 集群）签订类似算力协议，Anthropic 租用 SpaceX 大型数据中心（部分报道提及约 22 万张 GPU、300MW 电力），每月费用约 12.5 亿美元（通过 2029 年）。Anthropic 用这部分算力提升 Claude Pro / Claude Max 的使用上限。• 谷歌 → Anthropic：Anthropic 同时是 Google Cloud 的重要客户，双方另签有 5GW（吉瓦）算力协议（2027 年起逐步上线），Anthropic 在 Google Cloud 上训练模型，谷歌也通过云服务分发 Claude 模型。• 总结：SpaceX 已成为谷歌和 Anthropic 共同的外部算力供应商，形成“谷歌投资 + Anthropic 也投资 + 两者都租 SpaceX 算力”的三角关系。

转发者评论

无明显转发评论

原文

#模型时代# 辛顿再论AI风险：地球不特殊，人类不特殊，智能不特殊Geoffrey Hinton最近又接受了Big Technology Podcast的访谈，地点在纽约证券交易所。Hinton的出发点并非造AI。Hinton的发言我写了很多了。这个播客中的很多看法，他此前也有提过。不过这次解释得更加系统。比如他如何反驳LeCun关于LLM不如猫（或者顶多是猫的智能），这又和他眼中的三次认知冲击对应起来了：地球不特殊，人类不特殊，智能不特殊。当然，他也承认了自己之前犯了错，关于放射科医生，原因是他没有想到杰文斯悖论。（他没有说这个词，但就是这个意思。）他有一个逻辑蛮有趣。就是当AI没理解的时候，我们说它误解，但是经过沟通，AI说对了，我们就必须说它理解了。所以，我们既然说它可以误解，就要说它能够理解。这是有点像绕口令了。另外，他说Ilya Sutskever这家公司的策略是不发布任何产品直到安全的超级智能被开发出来。Hinton还说Ilya不会告诉任何人他具体在做什么，"包括我"。两人是朋友，但在技术机密上一直保持边界。读到这儿的时候我很怀疑，这听起来是有一个人（一个团队）在掌握一个所谓的超级安全智能的开关，那么AI是否安全，就变成取决于一个单点因素。这听起来特别像是三体里的执剑者。显然，执剑者并不可靠。在深度学习三巨头里，Hinton和Yoshua Bengio都是AI风险派。但是解决问题的方式不同，Hinton的思路是让AI爱上人类，Bengio的思路，是让AI只能动口，不能动手，到了动手阶段，必须人类接管。说实话，我是不太看好这个路线，正好这两天Yoshua Bengio也有一个讲座，争取晚点也发出来。对了，既然都不特殊，什么才特殊？一、AI已经在理解我们，否认这一点才是荒谬的1、"你不理解问题，就不可能回答问题"Hinton的逻辑是：一个系统能回答任何领域的问题，回答水平相当于一个"不算顶尖的专家"，你就不能说它"不理解"。那些坚持说大语言模型是"随机鹦鹉"、只做统计拼接的人，实际上在主张一件荒唐的事：一个系统在不理解问题的情况下就能给出正确答案。他举了一个语法歧义的例子来说明。你对聊天机器人说"I saw the Grand Canyon flying to Chicago"，它先理解成大峡谷在飞往芝加哥，然后纠正说大峡谷太大了不可能飞。你再解释"是我在飞往芝加哥的途中看到了大峡谷"，它回应"哦，我之前理解错了"。Hinton指出：如果它在误读时叫作"误解"，那么它在读对时就是"理解"。2、AI能听懂笑话为什么好笑，这才开始可怕Hinton说让他意识到AI危险性的第一件事，是发现聊天机器人可以理解笑话。2023年他公开警示AI风险后，Fox News频繁邀请他上节目，他一律回复"Fox News is an oxymoron"（Fox News本…

转发者评论

无明显转发评论

原文

很多人装完 Codex，打开一看，不知道拿它干嘛。我的建议是，做视频。现在 GitHub 上已经有一批专门为视频制作设计的 Skills，装上之后，Codex 可以直接参与你整条视频的制作流程。从脚本到分镜，从剪辑到包装，它都能搭把手。下面这 6 个 Skills，按你自己的视频类型挑着装就行。第一个，HyperFrames，一句话生成动效视频。你只需要告诉 Codex 视频主题是什么，它会用 HTML、CSS 和动画帮你做出产品介绍、动态海报、知识科普、PPT 风格的视频，最后直接渲染成 MP4。如果你手头有文章、推文或者产品介绍，想快速转成视频，用它最合适。传送门：github.com/heygen-com/hyperframes第二个，video-use，让 Codex 帮你剪视频。把拍好的素材丢给它，它能帮你删掉停顿、口误、口头禅这些废片段，然后继续处理字幕、音频、调色和画面动效。经常拍口播、做教程、剪采访的人，重点看这个。传送门：网页链接第三个，Remotion Skills，用代码批量制作视频。这是 Remotion 官方出的 Agent Skills。装上之后，Codex 可以用 React 来写视频，统一控制画面、字幕、动画和时间轴。什么排行榜视频、数据周报、产品更新、固定栏目，这类需要批量出的内容，特别适合用它。传送门：网页链接第四个，Generative Media Skills,AI 视频生成工具箱。它覆盖了图片、视频和音频的生成能力，可以调用 AI 模型来制作产品广告、UGC 视频、音乐视频和社交媒体短片。想大量尝试 AI 生成视频的各种玩法，从这个仓库开始就对了。注意，部分功能需要配置 MuAPI，会产生一些生成费用。传送门：网页链接第五个，videocut-skills，中文视频剪辑 Agent.这个是专门面向中文创作者的。它能让 Agent 理解你的剪辑需求，协助处理素材、字幕和短视频制作流程。如果你是中文用户，想用 Claude Code 或者其他 Agent 来剪视频，重点研究这个。传送门：网页链接第六个，seedance2-skill，帮即梦写专业视频提示词。你告诉 Codex 一个视频创意，它会帮你设计逐秒分镜、人物动作、运镜方式、对白、音效，还有素材引用的格式。生成的提示词可以直接拿去即梦 Seedance 2.0 制作核心镜头。它负责提示词和分镜设计，生成视频的部分还是要到即梦里操作。传送门：github.com/dexhunter/seedance2-skill不知道怎么搭配的话，直接抄作业：文章、推文转视频：HyperFrames真人口播、采访剪辑：video-use + HyperFrames批量制作固定栏目：Remotion Skills + HyperFramesAI 短剧、广告视频：seedance2-…

转发者评论

//@蝈蝈俊:转发微博

• //@蝈蝈俊:转发微博

原文

Learn Harness Engineering 是一门专注于 AI 编程智能体工程化落地的课程。本课程深度研究并总结了业内最前沿的 Harness Engineering（工具马具/脚手架工程）理论与实践。通过系统的环境设计、状态管理、验证与控制机制，本课程旨在帮助你让 Codex 和 Claude Code 等 AI Agent 能够真正可靠地完成真实工程任务。它通过明确的规则和边界约束你的 AI 编程助手，帮助你更可靠地构建功能、修复 Bug 并自动化开发任务。walkinglabs.github.io/learn-harness-engineering/zh/

转发者评论

无明显转发评论

原文

技术博客：把小型本地 LLM 微调成“像 1990 年代微软技术文档作者一样写作”地址：passo.uno/fine-tuning-docs-llm/作者从 Bitsavers/Archive.org 的微软旧手册中提取约 3700 万词语料，清洗后生成约 19 万条训练样本，用 QLoRA 在 Llama 3.1 8B 和 Qwen 2.5 7B 等模型上做不同数据量、epoch 和 rank 的微调，成本约 50 美元。测试发现，微调后的模型确实能明显迁移旧式技术文档的结构、语气和格式，尤其 Qwen 系列表现更好，甚至能把 REST API 这类“时代错位”的概念写成接近 Windows 2000 资源工具包风格的章节，但模型仍会幻觉、破功或缺乏判断力。微调小模型可以低成本制造很有说服力的“风格模仿者”，适合辅助文档起草、风格审查或内部写作规范落地，但它不能取代技术写作者，因为高质量语料、模型选择和参数调校都很难，最终仍需要人类指导和判断。#AI创造营#

转发者评论

无明显转发评论

原文

【大模型落地的真死穴，其实是名气没那么大的KV cache】吴恩达联手红帽推出了免费新课，教大家怎么低成本、低延迟地部署大模型。很多人以为部署大模型的瓶颈是显卡不够多。其实根本不是。静态的权重只决定了入门门槛，真正决定线上服务会不会崩溃的，是动态的KV Cache（键值缓存）。一个70B的模型，光加载就要140GB显存，而并发一上，每个用户请求产生的上下文缓存会迅速榨干剩下的显存。这已经不是AI算法问题，而是经典的操作系统级内存管理问题。这次课程主打的vLLM和PagedAttention技术，逻辑就像是当年操作系统的虚拟内存，把零散的显存碎片拼起来，直接让显存浪费从60%降到4%以下。AI竞争的下半场，拼的不是谁的模型参数大，而是谁能在工程层面把成本和延迟压榨到极致。www.deeplearning.ai/courses/fast-and-efficient-llm-inference-with-vllm

转发者评论

无明显转发评论

原文

【别再向云巨头交税，本地AI的质变时刻到了】Google发布的Gemma 4 QAT模型打破了“小模型一压缩就变傻”的魔咒。所谓量化感知训练，是让模型在训练阶段就提前适应低精度，如同负重训练，瘦身成功却不丢肌肉。现在仅需1GB内存就能在手机上跑通E2B，在8GB显存的旧电脑上，12B模型也跑得飞快。这带来的改变是：企业和个人无需再被绑定在昂贵的云端API上。通过本地部署，你能以零成本、绝对隐私的方式跑通大部分工作流。别再觉得小模型没用，配合好工具调用，它们在特定任务上完全能平替百亿大模型。本地算力的红利期，已经对每个人敞开。blog.google/innovation-and-ai/technology/developers-tools/quantization-aware-training-gemma-4/

转发者评论

无明显转发评论

原文

小🍠刚开源了文本到语音系统dots.tts 地址：github.com/rednote-hilab/dots.ttsdots.tts 是一个拥有 20 亿参数的全连续端到端自回归 (AR) 文本到语音系统。其主干结构将语义编码器、大型语言模型 (LLM) 与自回归流匹配声学头结合在 48 kHz AudioVAE 之上，整个流程中没有任何离散令牌。dots.tts 在 Seed-TTS-Eval 上实现了最佳平均性能，在 zh / en / zh-hard 测试集上的词错误率 (WER) 分别为 0.94% / 1.30% / 6.60%，SIM 分数分别为 81.0 / 77.1 / 79.5。它还在 24 语言 MiniMax 多语言基准上获得了最高的平均说话人相似度 (83.9)。在其他基准测试中，dots.tts 也始终展现出开源的最先进性能，表现出强大的生成稳定性、声音克隆能力和情感表达能力。#AI创造营#

转发者评论

无明显转发评论

原文

taste-skill让 AI 生成出来的界面不那么AI味做过 AI 辅助前端开发的人肯定遇到过：你让 Claude Code 或 Cursor 写一个页面，出来的东西功能没问题，但就是很模板——居中堆叠、平庸间距、没有设计语言。这是模型的问题吗？不完全是。taste-skill 给出了一个解法：把品位打包成 Agent Skill，挂进你的编码 Agent 工作流。1. 主要功能AI 生成的 UI 之所以看起来千篇一律，是因为模型默认走最安全的路——最常见的布局、最保守的间距、最平庸的字体层级。taste-skill 的做法是在模型执行之前给它注入一套设计规范，强制它做出有设计意图的决策。2. Skill 怎么用核心 skill（design-taste-frontend）会让模型先读取需求、推断设计语言，然后拨动三个旋钮：1）VARIANCE：布局实验程度（低 = 居中干净，高 = 非对称/现代）2）MOTION：动画深度（低 = hover，高 = 滚动触发/磁吸效果）3）DENSITY：信息密度（低 = 留白充分，高 = 仪表盘式）还有一个强制过检清单，防止模型半途而废交一半代码。3. Skill 库里还有什么不同场景有专门的 skill：1）redesign-existing-projects：先审计现有 UI 再改，不是从头写2）high-end-visual-design：软对比 + 大留白 + 弹簧动画，走高级感路线3）minimalist-ui：Notion/Linear 那种克制风格4）industrial-brutalist-ui：Swiss 字体、硬对比、实验布局5）full-output-enforcement：专治 Agent 交一半代码就停的毛病6）配套还有图生代码、品牌 VI 生成的 image skill

转发者评论

无明显转发评论

原文

我认为以后只有极个别超级AI大厂才有算力主权，模型主权的说法。所以最后这波AI的蛋糕最终还是被几个超级云大厂吃下，这个判断不变。而且超级AI大厂也需要云大厂的支持，避免把自己做得太重了，有效节约社会资源。美国云大厂就4家，谷歌云，亚马逊云，微软云，Oracle云。都是铁打的稳定收入，别看现在硬件生意好，最后大肉都是这三家吃，当然我此前说英伟达也会做云，这个判断也是不变的，未来也就五家，其他家进不来。国内嘛，也就大家知道的几家，其他也都很难了，门槛太高了，资金门槛太高了。往后的日子再难，还是要坚持看好云大厂。

转发者评论

无明显转发评论

原文

2026年6月5日，一个注定载入金融史册的日子。华尔街遭遇血色星期五，美股一夜蒸发2万亿！道琼斯指数暴跌695点，纳斯达克狂泻1121点，跌幅4.18%，创下2025年4月以来最大单日跌幅。真正的惨烈，还是在芯片板块。费城半导体指数重挫10.3%，创下2020年3月新冠疫情以来最大单日跌幅。整个芯片股市值，一夜蒸发1.3万亿美元！英伟达，这个AI时代的当红炸子鸡，跌约6%，市值蒸发超3000亿美元。美光科技暴跌13%，市值蒸发约1500亿美元。AMD跌近11%，Marvell跌17%，博通两天累计跌近20%。当全球资产在同一个黑色星期五集体跳水，一个令华尔街恐惧的问题浮出水面。如果一切都在下跌……钱，到底都去哪儿了？答案很简单，但没人敢大声说出口——人工智能股票，现在已经占到了整个美国股市总市值的40%！也就是说，当前的股市集中度，已经完美复刻了2000年互联网泡沫破裂前夕，甚至逼近了1929年大萧条崩盘前的畸形状态。这是一场历史性的财富大转移，全球流动性瞬间抽干。而在下周以及今年第四季度，我们还将见证SpaceX、OpenAI、Anthropic三大估值超万亿的「ASI巨兽」排队上市，硬生生吸干整个华尔街的血液。美股在震荡中，将迎接ASI时代新王者！黑色星期五2万亿灰飞烟灭，博通一份财报捅破天这次风暴的导火索，就是博通。本周四，博通公布了一份光鲜的财报：收入增长48%，AI芯片销售增长143%。然而，资本市场是贪婪且冷酷的：博通犯了一个致命的错误——它没有上调全年AI收入的目标。在过去九周，美股行情史诗级上涨，投资者的预期已经被拉满。博通的「保守」，瞬间戳破了狂热幻象。一个灵魂拷问来了：我们为AI股票支付的代价，是不是太高了？恐慌情绪如同瘟疫般迅速蔓延，导致博通股价在两日内狂泻近20%。更可怕的还在后面。更可怕的还在后面。SemiAnalysis曝出惊人消息：英伟达下一代AI芯片所需的内存将远低于预期，Vera Rubin NVL72 机架的CPU侧内存配置，可能从此前预估的55TB直接腰斩至 28TB。这一刀，直接砍在供应链动脉上！NVIDIA Vera Rubin NVL72机架的CPU侧SOCAMM内存初始配置，可能从此前市场高配预期的约55TB降至约28TB这意味着，绑定在英伟达战车上的存储芯片巨头们，业绩预期瞬间腰斩。首当其冲的，便是为英伟达提供HBM内存的SK海力士和三星。随后，内存芯片股应声崩盘：SK海力士暴跌近10%，三星跌超6%，韩国股市整体暴跌5.5%，日本半导体股同步崩盘。多米诺骨牌彻底倒塌，美股一泻千里，芯片板块单日市值蒸发就超过1万亿美元！整个华尔街的芯片股，一夜之间蒸发了1.3万亿。而给这场大跌火上浇油的，是美国劳工统计局公布的5月非农就业数据。新增就业17.2万人，远超市场预期的8.5万人。这直接击碎了美联储年内降息的幻想。

转发者评论

无明显转发评论

• 所以有人在问“费城怎么了”？

原文

How LLMs Actually Work地址：www.0xkato.xyz/how-llms-actually-work/“这篇文章将带你一步步了解 LLM 是如何工作的。现代 LLM 大多是通过不断堆叠 Transformer 模块构建起来的，所以只要理解了 Transformer 的运行机制，你就已经掌握了其中的大部分核心内容。我会介绍现代基于 Transformer 的 LLM 内部的核心机制，但不会涉及那些让人头大的数学细节。别误会，数学当然应该学，但这篇可以作为一个入门介绍。大多数现代 LLM 都共享同一套 Transformer 家族的基本骨架。它们之间的差异主要来自训练数据、模型规模和配置选择，以及后续的训练与调优。读完之后，你应该能够看懂许多现代 LLM 论文或模型说明卡，并知道其中每一部分对应的是架构里的哪个组件。”#AI创造营#

转发者评论

无明显转发评论

原文

【大模型不需要感官翻译官了：解密Gemma 4的去编码器革命】谷歌DeepMind发布的Gemma 4 12B干了一件颠覆行业常识的事：彻底砍掉了用来理解图像和音频的编码器。以前大模型看图听歌，得靠专门的视觉和音频编码器把信号“翻译”一遍，这既占内存又增加延迟。Gemma 4 12B的路子极野，直接把原始像素和音频切片，通过一层极轻的投影，直接拍在大模型脸上，让大模型自己去脑补和理解。这就把视觉编码器从5.5亿参数砍到了3500万，音频编码器直接归零。省去中间商后，数据直达大脑，推理延迟暴跌，大模型能更早开始生成输出。更爽的是，以后微调多模态模型，再也不用痛苦地同时训好几个异构模型了。这件事最有深度的地方在于：我们一直以为大模型需要“眼睛”和“耳朵”，但其实大模型这个超级大脑，可以直接生吞这个物理世界的原始数据。newsletter.maartengrootendorst.com/p/a-visual-guide-to-gemma-4-12b

转发者评论

无明显转发评论

原文

想读篇外文论文，整页丢进翻译器，结果公式全成乱码、图表错位、版面读到崩溃。这事老有人问我：读外文资料怎么才能不被翻乱排版。今天正好讲个我觉得挺解气的开源工具，叫 PDFMathTranslate。它能把一整篇外文 PDF 全文翻成中文，同时把原来的排版原样留住——公式、图表、目录、标注，都不打乱。先说大多数人现在是怎么读外文 PDF 的。要么整段复制粘贴到翻译框里，公式和上下标一复制就废，回来还得自己对着原文猜。要么干脆整页丢进某个翻译器，它确实给你翻了，可你拿到的东西，约等于把一本书拆成单页扔进碎纸机、再让人凭记忆粘回来——字是中文了，公式成了乱码，图表挪了位，两栏排版前后串行，读起来比看原文还累。PDFMathTranslate 走的是另一条路。它不是把内容抠出来重排，而是在原版面上做翻译，翻完那一页看着还是那一页：公式还在原来的位置，图表没动，目录和页码都对得上。第一次跑出来的时候我还挺意外的，这活以前我以为得人工排。它还有个我特别喜欢的点：双语对照。翻译完它会给你两个文件，一个是纯译文的，一个是原文加译文对照的双语 PDF。读专业内容的时候，机器翻译难免有跑偏的地方，有原文摆在旁边，一眼就能核对术语、确认它没把意思翻歪。这一点对读论文的人太实用了，你既要看得懂，又得信得过。再说说它接的翻译服务。默认走 Google，也能接 DeepL、OpenAI 这些。最让我看重的是它能接 Ollama，也就是在你自己电脑上跑本地模型来翻。资料涉密、或者你就是不想把文件传到别人服务器上，这条路就有用了，整个过程可以留在自己机器里。用法也不止一种。会命令行的可以一条命令搞定，不熟的可以开个本地网页界面点着用，还有 Docker、Zotero（文献管理软件）插件，甚至能一次性批量翻整个文件夹的 PDF。挑顺手的来就行。这工具不是没人认的小玩意。它被 EMNLP 2025（自然语言处理领域的顶级会议）的 Demo 环节收录了，GitHub 上攒了约3.4万颗 star，最近还在持续更新。当然，它不是万能的。官方自己也提醒，在线体验版算力有限，别拿它当生产力压榨。还有，特别复杂的版面、扫描质量很差的那种 PDF，照我的经验多半还是会翻车——这部分我没全测过，心里有数就行，别指望一个工具把所有脏 PDF 都收拾干净。说到底，它和那些「把 PDF 抠成纯文本」的工具不是一回事：那类是把内容拆出来给机器读，这个是翻译完还给你一份能正常翻、能正常看的 PDF，是给人读的。它是开源的，GitHub 上就有，名字叫 PDFMathTranslate。#马力的AI知识分享##马力的AI开源项目分享#

转发者评论

无明显转发评论

原文

转发抽三本 @图灵文化 的《图解Skill：AI提效实战指南》截止 2026.6.9 转发即可参与 @微博抽奖平台 。@宝玉xp 老师的书。（现在正在图灵社区直播，快去围观） 知名 AI 应用专家宝玉结合自身实战经验，撰写了这本技能实操指南，旨在帮助读者将个人经验转化为智能体可执行的技能，摆脱“AI 工具人”困境，真正实现工作自动化。全书遵循“先实践后沉淀”的学习路径，带你从跑通第一个技能入手，逐步构建专属的多技能 AI 自动化工作流。作者手把手教你掌握：3 个单技能模板、1 条组合式写作工作流、1 套技能工程方法论、1 次从零开始完整迭代的技能项目实战。本书不绑定平台，扣子、Claude Code、OpenClaw 均可使用；也不要求读者具备编程基础，只要你想用 AI 提效，就可以通过本书学会技能，并立刻投入使用。 #AI创造营#

转发者评论

[打call]周末转转//@無理無理無理無理無理:[爱你]我将逐页学习

• [打call]周末转转//@無理無理無理無理無理:[爱你]我将逐页学习

原文

又一个用 Agent 模拟真实世界中多角色互动的框架。不过这一个没有那么看重界面，而是更看重互动的真实性和交互的可读性。WorldSeed，一个用规则和角色生成多智能体社会的世界引擎WorldSeed 的入口不是“写一个 agent 工作流”，而是 seed a world。使用者定义角色、规则、私有信息、可执行动作和后果，然后让多个 agent 在这个环境里互动。它可以用于生产协作、研究模拟、游戏 AI、叙事世界，也可以让人从上帝视角观察、介入，甚至进入某个角色。README 里最具体的 demo 是 AutoResearch：用户给一个半成形想法，一组 specialist agents 会提出假设、跑实验、互相审稿，并引用彼此的论文。在 TinyStories 上训练 5M GPT 的实验里，示例展示了 100 个 hypotheses、86 个 experiments、72 篇 peer-reviewed papers，以及 val_loss 下降的结果。更关键的是每篇“论文”都能追溯假设、commit、实验、验证结果、引用和审稿理由。它和普通 multi-agent demo 的差别在“世界规则”。很多 agent 系统只是把任务拆给多个角色；WorldSeed 关心的是角色在同一个环境里持续互动，结果由规则、信息差和后果机制共同产生。这对 simulation、judgment training、world model 方向都很有关系：它不是直接预测现实，而是提供一个可以反复设定规则、观察涌现的社会实验容器。🔗 链接：网页链接（原帖）💻 项目仓库：网页链接（GitHub）🎮 Demo：网页链接（试玩）🌐 官网：网页链接（官网）#HOW I AI# #ai生活指南# #开源项目#

转发者评论

无明显转发评论

原文

投早、投小、投长期、投硬科技现在被简称为创投行业的"四投"导向，是监管层纠正资本"短期套利、扎堆追热、只投Pre-IPO"歪风的核心理念。逐条拆开说一下：🔹 投早，投企业的早期阶段不是等企业快上市了才去"摘果子"，而是在技术还在萌芽时就进场： 重点覆盖 种子期 → 天使轮 → Pre-A / A轮 这种初创阶段典型画像：有技术/专利、团队刚组建、产品可能还没商业化、亏损或零收入，银行不敢贷、二级市场进不去，正是"融资断层"最严重的时候本质：填补原始创新的资本缺口，在创新"无人区"陪跑。🔸 投小，投体量小的科创企业不是只追行业龙头、准独角兽，而是把资金送到中小微科创企业手上： 一些引导基金给出了可操作的硬杠杠：企业估值在5亿元以下、单笔投资不超过5000万元，防"撒胡椒面"也防"锦上添花"这些企业特征是：规模小、营收少、抗风险弱，但有自主研发能力和技术壁垒，属于各行各业的"前端和末梢"本质：确保资金直达毛细血管，而不是在头部企业之间空转。🔹 投长期，做耐心资本，敢"陪跑"这是最直接反内卷的一条：传统VC/PE基金生命周期一般 7～10年（3～4年投资期 + 剩下退出期），逼着基金追求快进快出"投长期"倡导，甚至制度上安排，更长的存续期（国家级引导基金设了20年：10年投资期+10年退出期），给创新药、集成电路等回报周期极长的硬赛道留出呼吸空间心态上：接受科技研发"长周期、慢回报、高不确定性"的客观规律，不催命、不退过早本质：用时间换技术成熟度，解决资本周期与技术周期的错配。🔸 投硬科技，钱往真正的技术上去"硬科技"是相对"软模式"（烧钱换流量、模式创新、平台补贴）而言的：指向那些有核心技术壁垒、高研发投入、自主知识产权的领域聚焦方向就是国家战略清单，战略性新兴产业 + 未来产业：集成电路/芯片、人工智能、量子科技、生物医药、航空航天、新材料、低空经济、未来能源等特别强调支持能解决"卡脖子"问题的关键共性技术、承担国家重大任务的项目本质：资本不是帮人做营销增长，而是帮国家凿穿技术天花板。

转发者评论

无明显转发评论

原文

藏品寄初心，致敬良商，静待AI长牛出于对胖东来坚守人文营商、诚信惠民的由衷认可与支持，我专程入手两修长一敦实三匹红马雕塑、一尊拓荒牛摆件，分放深圳、香港两处办公室。胖东来摒弃行业暴利陋习，货品明码标价、生鲜惠民损耗自担、体恤员工、无偿倾囊帮扶同行，凭一己之力改良许昌市井营商环境，难得的向善初心，借雕塑寄托心中敬意。我生肖属马，红马恰好契合本命，修长骏马寓意投资恪守本心，摒弃短线浮躁；敦实胖马象征财富日积月累、基业扎实牢靠。深耕投资行业，拓荒黑牛更是心头至爱，蓄力向前的体态，暗含牛气冲天的美好期许。以此摆件寄寓心愿：人工智能驱动全产业变革，乘着科技创新风口，全球资本市场迎来一轮长达十年的史诗级大牛市。

转发者评论

无明显转发评论

• 是本命年，比很多同行的中欧校友大了一轮左右。时间过的真的太快了！子在川上曰：逝者如斯夫，不舍昼夜。[泪]//@非洲那三年2:但总今年是本命年[允悲][作揖][嘘]
• [作揖][心][鲜花]//@TUTU_RunRunRun:市场越动荡，越要认真领会但总每条微博背后的寓意
• [赞][鲜花]//@小小小小小毛竹:但总一锤定音[赞][赞][赞]人工智能驱动全产业变革,乘着科技创新风口,全球资本市场迎来一轮长达10年的史诗级大牛市！[鲜花]
• 涨多了，调调正常！[作揖]//@趋势泉哥:但总，是什么原因导致纳指暴跌？[泪]

原文

人类头两大死因是心血管疾病和癌症。最近医学上有几项突破很值得关注：一、 Retatrutide（礼来“三靶点”激动剂）如果说司美格鲁肽（Semaglutide）是单靶点，替尔泊肽（Tirzepatide）是双靶点，那么Retatrutide就是跨时代的三靶点激动剂，同时针对GLP-1、GIP 和 Glucagon 胰高血糖素受体。其创新在于引入了Glucagon（胰高血糖素）靶点。传统观念认为胰高血糖素会升糖，但在协同作用下，它能直接作用于肝脏，大幅提高静息代谢率，并快速清除肝脏脂肪。最新临床表现（2026年5月 Phase 3 TRIUMPH-1 核心数据）：肥胖无糖尿病患者在 80 周内平均减重达28.3%，高剂量组在 104 周时甚至达到30.3%体重减轻，堪称惊人，已经完全媲美甚至超越了减重手术的效果。更重要的是，它还能大幅降低了高敏C反应蛋白（hsCRP）等全身系统性炎症指标。二、 一针根治高胆固醇传统降低 LDL（坏胆固醇）需要每天吃他汀，或者每几周注射一次 PCSK9 单抗。而 Verve Therapeutics（现属礼来）研发的 VERVE-102 则直接重新编辑基因。通过一次性静脉注射，利用类似于CRISPR的精准碱基编辑技术，在肝脏细胞中直接“关闭”负责阻碍胆固醇清除的 PCSK9 基因，模仿那些天然带有该基因缺失、终生大吃大喝高脂食物也不会得心脏病的幸运儿。最新临床表现（2026年5月 Phase 1b Heart-2 数据）：在欧洲动脉硬化学会（EAS）上公布的结果显示，单次注射最高剂量组的患者，LDL 胆固醇直接被削减了 62%，且疗效在随访的 18 个月内表现出极强的持续性。这意味着，高危心血管疾病未来可能真的变成一种“一针根治”的疾病。三、 前几天说过的evMed（Revolution Medicines）的胰腺癌疫苗：胰腺癌被称为“癌中之王”，核心原因在于其高比例的KRAS 基因突变在过去几十年被认为是“无药可医”的。RevMed 的 RAS 广谱/选择性抑制剂（如 RMC-6236）直接打破了这一魔咒，让晚期患者的生存期得到了前所未有的延长。梅奥诊所（Mayo Clinic）推出了最新的AI 辅助放射影像技术：癌症晚期治疗再强，也比不上早期发现。梅奥利用深度学习模型对 CT 和 MRI 进行像素级的微小病灶识别，往往能在人类医生肉眼察觉的数月甚至数年前锁定早期肿瘤。奇点越来越近了。

转发者评论

//@高飞:所以，哈萨比斯之前说要治疗所有人类疾病 //@出版人周筠://@八大山债人:这么nb了么。。。#债见# 。。。

• [思考]//@来去之间://@十一菌_:支持…//@爱酱在大阪:活好接下来二十年，静待技术大突破，然后就能变成非常健康且拥有 AI 家务机器人的快乐老太婆
• //@高飞:所以，哈萨比斯之前说要治疗所有人类疾病 //@出版人周筠://@八大山债人:这么nb了么。。。#债见# 。。。
• 所以，哈萨比斯之前说要治疗所有人类疾病 //@出版人周筠://@八大山债人:这么nb了么。。。#债见# 。。。

原文

Claude Code 的创造者 Boris 最近分享了一个很关键的认知转变。他说：我现在不再给 Claude 写 prompts，我写 loops，然后让 loops 去完成工作。我的工作，就是写 loops。这句话听起来简单，但它其实点出了很多人用 Claude Code 卡住的核心原因。大多数人还在把 Claude Code 当聊天工具用。输入一个需求，等一次回答，觉得不对，手动继续改，再问一次，再改一次。整个过程是人在推着模型走，每一步都需要你亲自介入。Boris 在一个 30 分钟的演示里展示了他真实的日常工作方式，完全是另一个思路。他用的是 Claude Code 加 loops 加 dynamic workflow。核心逻辑是把任务拆进一个可以反复执行、检查、修正的循环里。模型在这个循环里持续推进任务，遇到问题自己检查，检查完自己修正，修正完继续往前走。你要做的是设计好这个循环的结构，然后让它跑起来。这跟写一句漂亮的 prompt 是完全不同的思维方式。写 prompt 的逻辑是：我怎么一次性把需求描述得足够清楚，让模型一次性给出完美答案。这个思路的天花板很低，因为任何复杂任务都不可能靠一次对话完成。写 loop 的逻辑是：我怎么设计一个流程，让模型可以在里面反复执行、自我检查、逐步逼近目标。你不需要一次说清楚所有事情，你需要的是一个能让模型持续工作的结构。这类内容可能比任何 vibe-coding 课程更有价值。因为那些课程教的大多是怎么写一句更好的 prompt，怎么让措辞更精准，怎么加更多的约束条件。但 Boris 讲的是一个更底层的东西：怎么把 Claude Code 变成一个能持续工作的系统。所以 AI coding 真正的分水岭可能在这里：你还在琢磨怎么把 prompt 写得更漂亮，还是已经开始思考怎么设计出让模型自己推进的 loop？前者是在用 AI 回答问题，后者是在用 AI 完成工作。这两件事之间的差距，比大多数人想象的要大得多。#How I AI##科技先锋官# 默庵·超级个体的微博视频

转发者评论

无明显转发评论

原文

再来分享一下特斯拉 AI 负责人 Ashok 的演讲，这个分享是按我的惊讶程度乱序排的：- FSD 在 AI4 芯片上是按全冗余故障转移设计来的，即同时跑两套护互为冗余相互检查。既然今天依然这么说，也就意味着最新的 FSD v14.3 依然是跑在单 SoC 上的，这个模型实际能利用的算力、内存带宽都是 AI4 标称规格的一半，还是挺变态的。这个也和前段时间特斯拉又把量产车的配电加上了冗余是对得上的，现在的特斯拉是计算、配电、供电、通信、执行全都做冗余了，不管外界怎么质疑，特斯拉是真心想把卖给用户的车做成 L4，做成无监督的 FSD 啊。- Digital Optimus，这是一个端到端的 computer-use Agent，之前 xAI 做的，后来 xAI 在自己的主航道进展不行，现在应该是给特斯拉做了，特斯拉也在招这方面的人。这是官方第一次介绍。和 OpenAI、Anthropic 这些公司的 CUA 的区别是，特斯拉这个 Digital Optimus，是严格跑在 AI4 芯片上的，和 FSD 是一样的算力平台。这背后是一个宏大的构想，就是全球各地的特斯拉闲置下来，可以把车子的算力租给特斯拉。除了这个 Agent 本身，这个背后还有很多复杂的问题，比如通信成本、AI4 控制器寿命，和车主的租用协议等等。但本质这是建立在私家车使用率低，尤其是由于时差，全球各地的特斯拉车队始终会有一批在夜晚停在车库，闲置算力可以租给地球对面的国家的需求。总之，一个车企搞 CUA，无论理论多么可行，听起来都像 2004 年突然有一个企业说要搞纯电动跑车一样难以置信。- 今天全球一共是 130 万辆车获准跑 FSD，除了已经获批进入的 11 个国家，特斯拉同时在以下这些国家或地区申请 FSD 的监管批准：1. 欧洲全境2. 日本3. 印度4. 以色列5. 孟加拉国6. 泰国7. 中国台湾8. 马拉西亚9. 菲律宾10. 沙特阿拉伯11. 阿联酋12. 埃塞尔比亚13. 哥伦比亚14. 智利所有这些国家和地区加起来，一共覆盖了全球 36% 的人口。其中中国是最为特别的，因为我们去年批准了一小部分，但不允许全量推送，FSD 要不要来中国，目前答案是，来去之间。- 最后就简单记录下物理 AI 的恐怖压缩挑战，其实之前也讲过。以 FSD 为例：输入是 20 亿的 Token：1. 7 个摄像头 x 36帧/s x 500 万像素 x 30s 的上下文记忆/5x5的像素2. 未来几公里的导航信息3. 100 Hz 的车辆动态数据，包括速度、IMU、里程计等4. 48 Hz 的音频数据输出是 2 个 Token：下一秒的转向和加减速信号模型要在每一时刻都得学到从输入的 20 亿 Token 到输出的 2 Token 的正确因果映射关系，这个压缩的过程就会产生智能。

转发者评论

[微风]//@时蝇喜箭:厉害了//@WinnieS的微博:输入是 20 亿的 Token： 1. 7 个摄像头 x 36帧/s x 500 万像素 x 30s 的上下文记忆/5x5的像素 2. 未来几公里的导航信息 3. 100 Hz 的车辆动态数据，包括速度、IMU、里程计等 4. 48 Hz 的音频数据 输出是 2 个 Token： 下一秒的转向和加减速信号[二哈]

• [微风]//@时蝇喜箭:厉害了//@WinnieS的微博:输入是 20 亿的 Token： 1. 7 个摄像头 x 36帧/s x 500 万像素 x 30s 的上下文记忆/5x5的像素 2. 未来几公里的导航信息 3. 100 Hz 的车辆动态数据，包括速度、IMU、里程计等 4. 48 Hz 的音频数据 输出是 2 个 Token： 下一秒的转向和加减速信号[二哈]
• 厉害了//@WinnieS的微博:输入是 20 亿的 Token： 1. 7 个摄像头 x 36帧/s x 500 万像素 x 30s 的上下文记忆/5x5的像素 2. 未来几公里的导航信息 3. 100 Hz 的车辆动态数据，包括速度、IMU、里程计等 4. 48 Hz 的音频数据 输出是 2 个 Token： 下一秒的转向和加减速信号[二哈]
• 输入是 20 亿的 Token： 1. 7 个摄像头 x 36帧/s x 500 万像素 x 30s 的上下文记忆/5x5的像素 2. 未来几公里的导航信息 3. 100 Hz 的车辆动态数据，包括速度、IMU、里程计等 4. 48 Hz 的音频数据 输出是 2 个 Token： 下一秒的转向和加减速信号[二哈]

原文

【4万美元的专业化学软件，被通用AI一拳打穿】化学家搞研发，最枯燥也最核心的工作就是看核磁共振谱图。这玩意相当于分子的“指纹”，差之毫厘，神药变毒药。以前，看懂指纹得靠售价几万美元的专用软件加上人工脑补。Anthropic用刚出炉的全新化合物去测Claude，结果它不仅在预测精度上硬刚并超越了老牌软件，还顺手解决了更难的逆向推导：只给谱图，直接还原出分子结构。最关键的启示在于，那些沉淀了行业几十年、筑起高昂付费壁垒的垂类专业工具，在具备逻辑推理能力的通用模型面前，防线正在失效。这不是“套壳聊天机器人”的升级，而是通用模型通过吸收底层的物理和化学规则，实现了对专用工具的降维打击。当大模型学会了像人类科学家一样去“理解”结构，所谓的专业壁垒，可能只剩下一张纸的厚度。www.anthropic.com/research/making-claude-a-chemist

转发者评论

无明显转发评论

原文

姚顺雨这段话很有价值，值得展开聊聊。他说，无论是企业还是个人，越来越重要的一件事是 Context，也就是你的上下文，你的原始素材。为什么这么说呢？因为现在的模型越来越强了，它擅长的事情是什么？是把一个非常复杂的输入，加工成一个漂亮的输出。这件事它已经做得越来越好了，而且只会越来越好。那问题就来了。既然加工能力大家都能用，模型谁都能调，那你的竞争壁垒到底在哪？答案就在于，你有没有那个最原始的输入。你手里有没有独特的上下文，有没有别人拿不到的一手信息，有没有只有你才能积累下来的经验、数据和认知。模型是公共的，但 Context 是私有的。谁掌握了最丰富、最独特的原始输入，谁就掌握了真正的竞争力。加工能力可以被拉平，但原材料的差距，是拉不平的。#How I AI##科技先锋官# 默庵·超级个体的微博视频

转发者评论

无明显转发评论

原文

【瑞·达利欧刚刚警告 AI 泡沫即将破裂】他不仅预判了结果，还清晰地点出了崩盘的原因和确切路径，建议所有人在被市场套牢前认真看完：第一，危险的临界点已经逼近达利欧的独家泡沫指标显示，当前的 AI 狂热已经达到了 1929 年大萧条前夕和 2000 年互联网泡沫顶峰 80% 的水平。我们正在无限逼近那个随时可能崩盘的历史级高点。第二，看好技术不等于无脑买股票达利欧并未看空 AI 技术。他承认生产力的提升是真实的，技术终将改变世界。但回顾历史上的铁路、电力和互联网革命，最终笑到最后的总是底层技术本身，而当年让无数投资者疯狂追高的明星公司，大多要么破产，要么死气沉沉地横盘十年。第三，泡沫究竟是如何被刺破的绝大多数散户以为基本面暴雷才会导致崩盘，但真相更残酷：账面财富不是真金白银。当下的美国股市极度畸形，前 10% 的富人掌握了近 90% 的股票。一旦这个极少数的利益群体因为任何原因需要套现，庞大的抛售压单就会瞬间砸穿这个头重脚轻的市场。技术是真的，但离谱的价格和高企的杠杆也是真的。在这场即将到来的财富大洗牌中，能全身而退的永远只有极少数人。翻译：0xCheshire 美国创业者的微博视频

转发者评论

//@桂曙光:“技术是真的，但离谱的价格和高企的杠杆也是真的。”经历过周期的人，才理解历史的重要性～

• //@桂曙光:“技术是真的，但离谱的价格和高企的杠杆也是真的。”经历过周期的人，才理解历史的重要性～

原文

【别再凭感觉调优了，AI工程正在重回硬核系统工程】很多人以为AI时代用Cursor写写提示词就能做产品，这篇清单撕掉了“人人都是工程师”的幻觉。把AI模型塞进复杂业务并跑通高并发、低延迟，靠的绝非魔法咒语，而是扎实的工程底座。从KV缓存管理、首字延迟优化到结构化输出的容错链，这些才是拉开调优师与真正工程师差距的分水岭。为什么这重要？因为你无法靠玄学去解决工业级产品的稳定性和高昂算力。核心在于，当过去的确定性代码变成了概率性黑盒，我们必须用更严苛的工程手段，比如持续评估和防御机制来约束它。别指望光靠提示词混日子了。AI不仅没有消灭工程，反而把门槛抬得更高。决定你能否把产品落地的，依然是你解决高并发、低延迟和高可用这些硬核系统问题的能力。x.com/divaagurlxw/status/2062419864908951606

转发者评论

无明显转发评论

原文

阿里开源了集团内部用的代码审查工具Open Code Review 地址：github.com/alibaba/open-code-review/Open Code Review 是一款 AI 驱动的代码审查 CLI 工具。它的前身是阿里集团内部官方 AI 代码审查助手，过去两年在内部服务了数万开发者，识别了数百万个代码缺陷。经过大规模充分验证后，我们将其孵化为开源项目，对社区开放。只需配置一个模型端点即可使用。它读取 Git diff，通过具备工具调用能力的 Agent 将变更文件发送至可配置的 LLM，生成具有行级精度的结构化审查意见。Agent 可以读取完整文件内容、搜索代码库、检查其他变更文件以获取上下文，从而进行深度审查——而非仅停留在表面的 diff 反馈。Open Code Review 的核心设计理念是将确定性工程与 Agent 结合，各司其职。确定性工程——负责强约束对代码审查场景中"不能出错"的环节，由工程逻辑而非语言模型来保证： 精准的文件筛选 —— 明确哪些文件需要审查、哪些应当过滤，确保真正重要的改动一个不漏。 智能的文件打包 —— 将关联文件归并为同一审查单元（例如 message_en.properties 与 message_zh.properties 会被打包在一起）。每个包会作为 sub-agent 进行任务，它们之间的上下文是隔离的——这一分治策略在超大变更场景下表现更为稳定，同时天然支持并发审查。 精细化规则匹配 —— 针对不同文件的特征，匹配对应的审查规则，确保模型的注意力足够聚焦，从源头规避信息噪声的干扰。相比纯语言驱动的规则引导，基于模板引擎的规则匹配行为更稳定、结果更可预期。 外挂的定位与反思组件 —— 独立的评论定位模块与评论反思模块，系统性地提升 AI 反馈的位置准确性与内容准确性。Agent——负责动态决策将 Agent 的优势集中发挥在它真正擅长的地方——动态决策、动态召回上下文： 场景化提示词调优 —— 针对代码审查场景深度优化提示词模板，在提升效果的同时有效降低 Token 消耗。 场景化工具集沉淀 —— 基于对大量线上数据中工具调用轨迹的深入分析，包括不同工具的调用频率分布、单一工具的重复调用率、新增工具对整体调用链路的影响等多维度分析，从而对通用 Agent 工具集进行取舍与拆分，最终沉淀出一套在代码审查场景下效果更稳定、行为更可预期的专属工具集。#AI创造营#

转发者评论

无明显转发评论

原文

想把一条外语视频搬成能发出去的中文视频，真正磨人的从来不是翻译，是把那一堆散活儿一件件做完。先把声音听写成文字，再翻译，再一句一句对时间轴，再找人或者找软件配音，最后还得看你要发横屏还是竖屏，重新排一遍版面。每一步都得换一个工具，导出再导入，光是倒手就够你折腾大半天。我最近翻到 KrillinAI 这个开源工具，它干的就是把这一整条链子接起来，从头到尾，一口气走完。它是什么呢？说白了，就是把「视频翻译配音」这件事做成了一条流水线。视频下载、语音转写（transcription，把人说的话转成文字）、字幕翻译、TTS（文字转语音）配音、横竖屏重排、连最后那张封面图，它都包进去了。你可以一键从头跑到尾，也可以只用其中一段——比如今天只想要字幕，那就只跑出字幕这一步。最打动我的不是某一个功能多强，是它把链子接全了。以前这些活儿散在好几个软件里，你得自己当那个搬运工，把上一个工具的产物喂给下一个。现在这些环节被串在一起，中间不用你手动倒来倒去。一个经常搬运外语教程的人会立刻明白这省掉的是什么。省掉的正是最碎、最没成就感、又最耗时间的那部分。具体看几个点。转写这步它是基于 Whisper 做的，既能用 OpenAI 的云端版，也能用 FasterWhisper、WhisperCpp 这种能在自己电脑上跑的本地版，不联网也能转。翻译这步交给大模型，而且是带着上下文翻，不是一句句孤立地译——更要紧的是，它兼容所有符合 OpenAI 接口规范的模型，OpenAI、Gemini、DeepSeek、通义千问，甚至你本地部署的开源模型，都能接进去。配音支持 CosyVoice 的预置音色，也能自己克隆一个声音出来。横屏竖屏它一次就能出两种，发到不同形态的平台不用再回头返一遍工。它还留了命令行的口子，可以分阶段调用，甚至直接交给 AI Agent（智能体）按阶段来调。这一条普通人用不上，但如果你想把它接进自己的自动化流程里，这个设计就很关键。但有件事我得说在明面上，免得你期望落空。KrillinAI 自己并不造模型。它更像一条总装线——零件是各家的大模型和 TTS，它负责把这些零件按顺序装到一起。所以翻译翻得地不地道、配音听着自不自然，最终拼的是你接的是哪家大模型、哪个 TTS，而不是这个工具本身。你接一个能打的模型，出来的东西就像样；接一个弱的，它再会编排也补不回来。这点想清楚，你才知道该往哪儿使劲。效果上能给个参照：项目方自己演示过，导入一条46分钟的本地视频，一键跑完，生成的字幕分句挺自然，没出现遗漏和重叠。当然这是人家挑出来的演示，落到你自己那条视频上，还得看源视频干不干净、你配的模型给不给力，我没法替你打这个包票。它支持100多种语言之间互译，目前开源，已经攒了大概1万颗 star。它叫 KrillinAI，开源的，GitHub 上就有。#马力的AI知识分享##马力的A…

转发者评论

无明显转发评论

原文

【别再用做单机软件的思维搞AI Agent了】把Agent留在个人电脑里跑，就像在温室里养花，API密钥塞环境变量里，坏了手动重启。但要让Agent上云、变成真正的生产力工具，这套玩法会死得很惨。真正的云原生Agent基建，硬骨头根本不是AI，而是最传统的系统工程。最容易踩坑的是更新冲突。用户需要自己的运行环境（比如装好的包）绝对稳定，而平台又需要一天发布好几次。如果混在一起，平台一更新，用户的环境就崩了。解决办法是学操作系统：把用户环境冻结成只读镜像，平台代码在启动时热插拔替换，互不干扰。安全更是重灾区。由于大模型极易被提示词劫持，你必须默认Agent所在的沙箱随时会被攻破。绝对不要把密钥塞进沙箱，而是要在沙箱外设一个API代理，由平台在主机端附加Token。哪怕Agent被黑，黑客也只能拿到一个几分钟就过期的临时凭证，根本碰不到主密钥。说白了，未来的Agent就是一个带自然语言接口的云函数。x.com/intuitiveml/status/2062699747224568212

转发者评论

无明显转发评论

原文

做视频、剪播客的人多半有过这个心结：画面、文案都齐了，配乐却卡住——商用曲库要授权费，网上随手扒的又怕哪天被人找上门。最近我注意到一个开源项目 ACE-Step，它把这件事翻过来了：整段音乐直接在你自己电脑上生成，开源、MIT 协议，代码和模型层面可以商用。先说很多人对「AI 生成音乐」的第一反应：上某个网站、注册账号、按月订阅，生成出来的东西版权还说不太清。ACE-Step 走的是反方向。它是个能本地跑的音乐生成模型。你给一句话描述，或者几个风格标签（比如「轻快的城市民谣，带点电子鼓」），它就生成一整段带结构的音乐，可以带人声、带歌词、带伴奏，时长能从十几秒到10分钟。不止生成：给一段人声，它能自动配上伴奏；已有的曲子能翻唱改编、能挑一小段重新生成（局部重绘）、能把一首歌拆成各个音轨分开导出。甚至你拿几首自己喜欢的歌喂进去，它能训练出一个贴你口味的小模型（这步技术上叫 LoRA，说白了就是用少量样本微调出个人风格）。它最不一样的地方，是「在哪跑」。不是在云端，是在你这台机器上。Mac、AMD、Intel、英伟达的卡都支持，苹果芯片也能跑。约1万颗 star，最近一次代码更新是2026年5月底——不是那种挂在那儿吃灰的弃坑项目。本地跑的好处很直接：环境和模型准备好之后，你的素材、你的创作不用上传到任何人的服务器，断网也能出活儿。对天天要原创 BGM（背景音乐）的人来说，这点很实在。至于「效果到底多好」，作者的说法很猛：小模型不到4GB显存就能跑，专业卡上两秒出一首，消费级显卡（比如 RTX 3090）十秒级；音质自称「介于 Suno v4.5 和 v5 之间」「超过多数商业模型」。这些数字和对比，都是作者自己给的。我没拿它大规模跑过，音质这种东西又特别吃耳朵和场景，所以我不替它打这个包票——感不感兴趣，自己下来跑两首听听最准。门槛上也得提醒一句：小模型对显存友好，但更高质量的那档4B大模型，要十几到二十几G显存，普通核显就别硬上了，先用小档。这工具适合做短视频、播客、Vlog 时想少一点现成曲库授权牵扯的人，也适合音乐人、制作人快速做 demo、加层、改编。它是开源的，GitHub 上就有，名字叫 ACE-Step。#马力的AI知识分享##马力的AI开源项目分享#

转发者评论

无明显转发评论

原文

同样叫「数字人工具」，其实分成完全不同的两类，很多人一上来就找错了方向。一类是你输入一段文案，它给你吐出一段口播视频，本质是一次性合成，做好了下载走人。另一类是实时驱动一个虚拟形象，让它现场开口说话、能跟人对话、说到一半还能被打断。LiveTalking 是后面这一类。如果你想做虚拟主播、数字人客服，或者只是不想真人出镜去录口播，这条路子值得先弄明白，因为它跟前一种完全不是一个玩法。先说很多人卡住的地方。大家默认的数字人就是「文案进、视频出」，市面上一眼望过去也基本都是各种一次性生成工具。但 LiveTalking 干的是另一件事：它是一个实时交互的流式数字人。文字或者语音进来，可以接一个大模型生成回复，再用 TTS 把文字念成声音，数字人这边实时对上口型，最后通过 WebRTC 把音视频当成一路直播流推出去。打个比方，它有点像给一个提前录好的形象，装上一张能现场接话的嘴。形象是你事先准备的，但说什么、什么时候说、被打断了怎么停，是当场实时决定的。具体能做什么，我挑几个实在的说。它不绑死一种方案，musetalk、wav2lip、ernerf 这几种数字人模型都支持，还带一个轻量版 Ultralight-Digital-Human，显卡吃力的时候有个退路。声音能克隆。说话能被打断（这点对做客服、做直播尤其关键，真人插一句它就能停，而不是把准备好的话播完）。不说话的时候，可以让它播一段你自定义的视频做动作，不至于呆站着像卡住了。你也可以上传一段自己的视频，让它自动生成一个属于你的数字人形象。对话这头，它能接 Qwen 这类大模型，配 EdgeTTS、CosyVoice、GPT-SoVITS 这些语音方案，凑成一个能听会说的完整链路。性能这块按它文档给的口径看。要做到实时流畅，推流帧率得在25fps 以上才不卡。文档里给的参考是，wav2lip256 在 RTX 3060 上大约能跑到60fps，musetalk 在 RTX 4090 上大约72fps。也就是说，卡越好，画质方案越重，帧率才撑得住。这些能力对上的场景其实很清楚：无人值守的长时直播、直播带货，数字人客服（用户语音提问、它实时语音回答），在线教育里的讲解，还有口播视频批量去做。共同点都是「要现场反应」，而不是「事先录好一段就行」。但有一说一，门槛得讲清楚，它不是打开网页就能直接用的那种。它要 N 卡 GPU，要你自己部署——建环境、装依赖、下模型权重，一整套走下来。网络上还有些端口（比如 UDP）的配置，在某些云环境上会卡人，得自己想办法绕。这块我没拿每种显卡都实测过，按它文档写的硬件要求推，至少得有一张像样的独立显卡才谈得上流畅。好在它是 Apache 开源的，star 已经有7800多颗，最近还在更新——所以你折腾的是部署，不是钱。如果你要的只是「文案进、视频出」，市面上一次性合成的工具更省事…

转发者评论

无明显转发评论

原文

edulab 是一款教育技能集合，能将抽象的数学问题转化为可交互的网页课件，让学生从“看懂”变成“动手操作”。它以 Claude Code 插件形式提供，输入题目后即可生成包含完整解析与可视化模型的自包含 HTML 页面。目前首发技能 edu-solid-geometry 专注立体几何，采用坐标系与向量法，由 sympy 精确计算，再用 Three.js 呈现可旋转缩放的 3D 模型，左边解析、右边模型同步高亮，答案与中间值完全一致。GitHub：github.com/wy51ai/edulab主要功能：- 一键生成交互式立体几何课件，支持线面角、二面角、异面直线、点面距等题型；- 精确 sympy 内核计算，保证答案与模型数据同源；- 支持文字输入、图片上传、随机出题三种入口；- 成品页面零依赖，直接浏览器打开即可使用；- 提供命令行脚本，可脱离 Claude 独立生成页面。支持 Web 端使用，通过 npx skills 安装即可快速集成，适合教师、教辅平台与个人学习者。

转发者评论

无明显转发评论

原文

把一份几十页的 PDF 直接丢给 AI 让它读、让它总结，结果它读出来的东西跟原文对不上，这种坑你大概率踩过。最近老有人问我同一个问题：自己搭了个知识库，把一堆资料喂进去让 AI 答题，可它老答错、老胡说，到底哪儿出了问题。多半不是模型笨，是喂进去的资料本身就喂坏了。有个能把这一步做扎实的开源工具，叫 MinerU，值得讲讲。先说为什么直接丢 PDF 会出乱。PDF 在大模型眼里，基本就是一锅排好版的字。它不知道哪块是表格、哪块是正文、哪块是页眉页脚。所以一读，表格被拆得稀碎，公式变成乱码，多栏排版的文章顺序全读串了，连页码、水印都被当正文吞进去。这就像你把一摞散乱的复印纸塞给一个新来的助理，让他汇报重点——不是他不行，是你给的东西本身就没法读。MinerU 干的就是中间这道整理活：把复杂文档（PDF、Office 文档、图片，甚至网页）转成干净的、适合喂给大模型读的 Markdown 或 JSON。做它的是一个叫 OpenDataLab 的团队。它强在哪，我挑几条我自己用下来最在意的说。一是表格和公式。表格它会还原成结构，不是揉成一团；公式直接转成 LaTeX，数学、论文这种重灾区终于能正常读了。二是阅读顺序。多栏的论文、排版花哨的文档，它能按人眼读的顺序排好，不会把左右两栏掺成一锅粥，还会自动把页眉、页脚、脚注、页码这些噪音去掉。第一次见它把页眉页脚自动剔干净那下，我愣了一下，这活以前我都是手动删的。三是它认得多。背后是 VLM 加 OCR（光学字符识别）双引擎，号称能认109种语言，扫描件、手写也能识别。而且不只啃 PDF，docx、pptx、xlsx 这些 Office 文件也能直接解析。这工具不是小打小闹。GitHub 上6万多颗 star，最近一直在更新，很活跃。一堆做 RAG（检索增强生成，说白了就是让 AI 答题前先翻一遍资料库）的框架都接了它，像 LangChain、Dify、RAGFlow 这些。它最早其实是给大模型做预训练准备数据时顺手做出来的，这种从一线需求里长出来的工具，往往比凭空设计的好用。那它适合谁用？要把大量论文、合同、说明书喂给 AI 读的，要自己搭知识库让 AI 答题的，这一步「把 PDF 变成 AI 能读懂的干净文本」做扎实了，后面 AI 答得准不准，地基就稳多了。很多人盯着换更强的模型、改提示词，卡点其实常常在最前面这道——资料根本没喂干净。它完全开源，pip 就能装，也有免登录的网页 demo，丢一份文件进去就能先看效果（许可证是它自己的开源许可，基于 Apache 2.0 加了些附加条件，最近还放宽了商用，门槛不高）。它叫 MinerU，是 OpenDataLab 团队的开源项目，GitHub 上就有。#马力的AI知识分享#

转发者评论

无明显转发评论

原文

刚刚，CVPR 2026在丹佛颁出了今年的全部重磅奖项！要点速览：最佳论文：D4RT，一个能从单段视频里又快又准地重建动态4D场景的前馈模型，来自Google DeepMind（联合UCL、牛津）。这也意味着CVPR最佳论文连续两年颁向了几何重建（去年是VGGT）。最佳论文荣誉提名（2篇）：Meta的单图3D重建基座模型SAM 3D，以及英伟达的通用游戏智能体大模型NitroGen。最佳学生论文：清华×微软的TRELLIS.2——一个全华人阵容做出来的4B参数3D生成模型。最佳学生论文提名：ChordEdit，一支来自广工大、深大、北大等的纯国内高校团队，一作还是本科生。时间检验奖（Longuet-Higgins Prize）：双双颁给2016年的两位「祖师爷」——ResNet和YOLO。PAMI人物奖：年轻学者奖给了CMU的Deepak Pathak和MIT的Vincent Sitzmann；Thomas Huang纪念奖给了康奈尔的Noah Snavely。今年要说最令人耳目一新的，莫过于一众大厂名校里，有一个特殊存在——拿下最佳学生论文提名的ChordEdit，出自广东工业大学、惠州学院、深圳大学、北京大学之手。一作以及团队里其他几位作者，都还是本科生。纯学术团队，本科生阵容，一作还是没有大厂和名校资源的广东工业大学。了不起啊了不起。当然，CVPR赢麻了的何恺明大神，也是广东满分高考状元。这届CVPR，美国丹佛举办，但粤是广东圆了。网页链接

转发者评论

无明显转发评论

原文

Ideogram 4的图像模型在排版上面有一些独特之处。这次他们开源了一个模型，也是首次开源模型，在排版方面比较厉害。据他们自己说，他们这个模型是开源第一，仅次于几个顶尖的闭源模型。这个模型是基于json的格式训练的，那么你要用，就要把提示词转换成json。这个模型不算大，是可以在本地跑起来的。随着chatgpt-imag-2和nano banana pro这种模型的出现。达不到这种生图和编辑能力的开源模型，估计大家就不太会用了。而且也没有看到说支持中文。有时间的同学，可以尝试一下。模型地址：www.modelscope.cn/models/ideogram-ai/ideogram-4-fp8

转发者评论

无明显转发评论

• //@摇摆时间线ZHLMI:从 ComfyUI 的界面上看，KJ 做的那个 json 节点是很大的亮点，在输出前就已经控制了布局，构图，画面结构等信息，对出图的精准性有非常大的提升。不过据说人像出来一般，比较适合做海报这种。提示词也要英文的，估计对中文是不咋样了应该。 http://t.cn/AXX05BHo

原文

这是我见过的最荒谬的AI应用了哈哈一家彼得·蒂尔支持的初创公司，生产牛用的AI项圈，现在估值20亿美元而且我越读越觉得酷。它的原理是这样的：每头牛都戴着一个太阳能供电的项圈，它与无线电塔网络和农场主手机上的应用通信农场主不用建物理围栏，而是在应用里的地图上画出围栏，项圈用GPS让每头牛待在那个隐形边界内当一头牛靠近边缘时，项圈会播放声音来引导她，一个轻微的振动告诉她该往哪走。这就像汽车在你倒车靠近墙时会发出哔哔声牛几天下就能学会这些信号所以现在牧场主可以通过在地图上滑动围栏，把整个牛群移到新鲜草地上，而不用开车出去开一个栅栏门而且同一个项圈一直在读取每头牛的身体数据。它每秒对每头动物取五次读数，所以AI能在人步行巡视田地时还没注意到之前，就捕捉到生病、受伤、准备交配或即将分娩的牛所以这基本上就像给牛用的WHOOP设备了哈哈他们给背后的AI起了个完美的名字：Cowgorithm它训练于超过70亿小时的真实牛行为数据，这就是为什么Halter称数据是它的真正资产和护城河。他们比任何人都更了解正常牛的样子，所以能立即标记出异常的那头它已经在新西兰、澳大利亚和美国多个州的超过100万头牛上使用。加利福尼亚甚至在公共土地上用它来放牧牛群，以清除干灌木并减缓野火蔓延的模式每头牛每月成本大约5到8美元一份过去意味着铁丝网、栅栏门和整天开车巡视田地的工作，现在基本就是一个人的手机操作

转发者评论

无明显转发评论

• 这不就是工牌儿吗？不是人人都有？说那么高大上。

原文

Box 的 CEO Aaron Levie 说：编程其实已经是AI能自动化的天花板了，条件好得不能再好了，但即便如此，人类工程师依然不可或缺。他列举了编程领域对AI来说有多"得天独厚"：首先，AI模型是在海量高质量代码上训练出来的，数据极其丰富；其次，使用者本身就是技术人员，能很快上手最新工具；第三，编程的成果是"可验证的"，你写完代码跑一下就知道行不行；第四，代码质量和最终产品有时候可以脱钩，代码写得糙一点，应用照样能跑；最后，AI需要的上下文信息基本都已经数字化了，就在代码库里躺着。这些优势加在一起，简直是给AI量身定做的完美赛道。但即便占尽了这些便宜，工程师的需求量还是居高不下，人类还是得在旁边盯着AI干活才行。那其他知识型工作呢？Aaron Levie认为情况只会更复杂。很多领域的工作成果必须经过人工全面审核才能用，数据也没有像代码那样被充分数字化。AI在这些领域面临的挑战只多不少。所以他的结论很明确：如果在条件最好的编程领域，人类都没有被取代，那其他知识工作者面临的风险肯定比大家想象的要小。AI会让每个人能做的事情比以前多得多，但人本身不会消失。也有人提出了一个有趣的反面视角：正是因为编程的成果可以被测试和验证，所以大家才能清楚地看到人类工程师还在发挥作用。那些没有"测试套件"的知识工作反而更危险，因为AI产出的低质量内容可能悄悄就发布出去了，没人能证明人类的参与到底还有没有意义。这种危险是隐形的，但并非不存在。总的来说，AI 确实在极大地提升生产力，但取代人类这件事，哪怕在最有利的领域都还没发生，大家不必过度焦虑。#How I AI##科技先锋官#

转发者评论

无明显转发评论

原文

最近科技圈流行一个说法：工程、产品、设计这三个岗位正在融合，未来大家都会变成一个统一的角色，叫做“构建者”（Builder）。听起来很酷，很有未来感，但 Cursor 的工程师 Lee Robinson 在社交媒体上泼了一盆冷水。他的观点很直接：这个说法过于简化了，现实要复杂得多。仔细想想，他说的确实有道理。1、头衔可以统一，但责任不会消失硅谷有不少公司开始用“技术成员”（Member of Technical Staff）这种统一头衔来取代传统的工程师、产品经理、设计师划分。表面上看，大家都是平等的“技术成员”了。但 Lee 指出了一个很朴素的事实：不管头衔怎么变，总得有人每天醒来，比其他所有人都更在意产品方向，总得有人比其他所有人都更在意用户体验。这是他们的核心职责，是他们吃饭的本事。这就好比一个乐队，你可以说大家都是“音乐人”，但总得有人专门负责节奏，有人专门负责旋律，有人专门负责歌词。统一称呼并不能抹掉分工的必要性。2、AI 让写代码变容易了，但工程能力反而更重要现在 AI 编程助手和代码代理确实降低了写代码的门槛。很多非工程师背景的人也能借助 AI 快速生成代码。但 Lee 提了一个很尖锐的问题：如果一群非专业工程师借助 AI 写了一堆质量堪忧的代码推上线，没有优秀的工程师来驾驭这些复杂性，那等待你的将是一场灾难。这个观察其实很值得琢磨。工具变强了，入门门槛降低了，但这恰恰意味着专业能力的价值在上升。就像人人都能用手机拍照之后，专业摄影师的价值反而更清晰了。当所有人都能生成代码的时候，能判断什么代码该写、什么代码不该写、怎么让系统长期可维护的人，才是真正稀缺的。3、创业公司的经验不能直接套用到所有公司Lee 观察到硅谷有一种思维惯性：把在创业公司验证过的模式，当作放之四海而皆准的真理推广到所有公司。他承认创业公司确实常常是行业变革的先行者，很多颠覆性的变化确实从小公司开始。但他紧接着问了一个很现实的问题：你觉得摩根大通会出现一个产品经理，顺便兼职写代码和做设计吗？这个反问很有力。大型企业里有太多创业公司不需要面对的东西：内部政治、复杂的合规要求、运行了十五年却没有任何文档的关键业务系统（因为那是某个人的工作保障）。这些极度依赖人际关系和组织惯性的部分，AI 短期内根本触及不到。对于在大公司工作的人来说，这其实是一个定心丸。技术在变，工具在变，但组织运转的底层逻辑变化得远比技术慢。与其焦虑自己的岗位会不会被“融合”掉，不如把精力放在理解自己所在组织的独特复杂性上。4、专业化依然有巨大价值Lee 最后落到了一个很朴实的判断：能找到一个在某件事上特别专业的人或团队来合作，这件事本身就很好。他不觉得这会改变。这一点其实在日常生活中也能感受到。当你遇到一个法律问题，你希望对面坐着的是一个深耕这个领域十年的律师，还是一个什么都懂一点的“全能型人才”？当你的系…

转发者评论

无明显转发评论

原文

【AI时代真正的公司护城河：把顶级员工的“直觉”写成代码】很多公司用AI最大的误区，是觉得连上数据库、给个Prompt就够了。结果AI空有海量数据，交出来的活儿依然平庸。这就像把一个新手扔进满是机密档案的阅览室，他依然做不出好决策。因为你只给了它信息，没给它“判断力”。顶尖员工和普通人的区别，不在于掌握的信息差，而在于他们脑子里那套秘而不宣的工作心法。现在，这些直觉可以被打包成可复用的“技能库”。AI模型只是通用的商品，你花钱别人也能买到。你真正的护城河，是把公司里最聪明人的工作模式，提炼成AI能执行的规则、模板和判断标准。以前软件是在复用代码，现在AI则是在复用人类的判断力。别急着去搞宏大的AI系统。先找到团队里最厉害的那几个人，把他们解决复杂问题的方法论梳理成技能文件。让AI学会这些特有的直觉，这才是你无法被抄袭的资产。x.com/hnshah/status/2062647149582750101

转发者评论

无明显转发评论

原文

【AI的拼图时代：组装你的数字打工人】以前用AI像在教实习生，得从零写提示词。现在玩法变了。这个聚合了6400多个AI Skill的平台，揭示了AI落地的下一个阶段：模块化拼装。AI不再是个空洞的聊天框，而是变成了拥有特定职业技能、即插即用的插件。前端设计、API开发，甚至是用“原始人”风格省Token的奇葩技能，全都被打包成了标准的微服务，一键就能装进你的工作流。这件事有趣的地方在于，未来的数字员工不需要像人类一样去经历漫长的职业培训，他们靠的是“技能组装”。你需要营销专家，就给他装上SEO和文案技能；需要开发，就塞入React最佳实践。这也给职场人指明了方向：未来的竞争力不是你多会调教大模型，而是你有没有能力拆解自己的工作，并像搭乐高一样把这些微技能拼成一个高效的自动化闭环。skills.yangsir.net

转发者评论

无明显转发评论

原文

DeepMind 的 CEO 杰米斯·哈萨比斯最近给大学生提了几条建议，我觉得说得特别实在，值得每个人认真想想。他的核心意思很简单：AI 时代的红利已经摆在那了，关键看你怎么接住。如果你是理科生，学数学的，学计算机的，那就继续往深了扎。别犹豫，死磕底层。至少未来十年，只要你真正理解这些技术是怎么运转的，你就能比绝大多数人更好地驾驭 AI 工具。底层能力在这个时代反而更值钱了，因为工具越强大，能真正用好它的人越稀缺。如果你是非技术专业的，学文科的，学商科的，学艺术的，也别觉得这事跟自己没关系。哈萨比斯说得很直接：不要逃避，全力以赴去用最新的模型。这话听起来简单，但你仔细想想，现在的 AI 已经强到什么程度了？哪怕你一行代码都不会写，你脑子里有个点子，就能借助 AI 把它做出来，甚至直接变现。而如果你本身就是专业程序员，那更不得了，借助这些工具，一个人完全可以干出过去一个团队才能干的事，项目规模放大一百倍都有可能。未来十年，一切都会发生翻天覆地的变化。不管你是什么专业，不管你现在处于什么阶段，趁早把 AI 用起来，把它变成你手里的杠杆。等到变化真正发生的时候，你要么是站在浪头上的人，要么是被浪拍在沙滩上的人。没有中间地带。#How I AI##科技先锋官#

转发者评论

无明显转发评论

原文

让 codex 格局打开！格局打开skill~这个 skill 用来在方案讨论时打开设计空间。它把 Codex 从兼容性焦虑、局部细节陷阱、小修小补思维里拉出来，让回答回到真正的产品、架构或系统方向。地址：github.com/hylarucoder/hai-stack/blob/main/skills/geju/SKILL.zh_CN.md作者：海拉鲁编程客，下为作者介绍：“作为一个老 Codex 用户，经常烦恼 Codex 过度谨慎。于是我专门开源了个 skill 叫格局（geju），专治 Codex 稳稳接住“苟帝”综合征- 经常因为害怕破坏东西，保留旧行为、旧命名、旧路径、别名、shim 和双轨流程。- 经常在看清整个系统前，就钻进一个字段、一个函数、一个段落或一条迁移路径。- 经常给出礼貌、平衡、低风险但不解决问题的答案。安装完这个 skill 之后，使用「格局打开」这个关键词就可以把 codex 秒变暴论输出机。内置「从终局倒推」/「零历史包袱假设」/「反向约束」等方法论，对抗四大求稳问题。你甚至能从 codex 身上找到一点 claude 4.6 的味道。不承诺回答百分百正确，但求答案对你有极强的启发性。让 codex 格局打开！”#AI创造营#

转发者评论

无明显转发评论

原文

网页上那些一遍遍点的活，填表、查信息、把一份清单挨个加进购物车，是真的耗人。有个开源项目就是干这个的：让 AI 自己打开浏览器，替你把这类重复的网页操作做掉。它叫 browser-use，作者给自己的定位是「让网站对 AI agent（智能体）可用」。说人话，就是你给 AI 一句话任务，它自己去打开网页、在页面上找到能点的按钮、点击、在表单里填字、读上面的信息——你不用再坐在那儿一格一格地填。我第一次看到的时候愣了一下。我们用 AI 大多还停在「跟它聊天、让它写东西」，可这个东西是让 AI 直接动手操作浏览器，相当于请了个人替你坐在电脑前点鼠标。它官方给的几个例子，基本就是日常里最烦的那几样活。一个是填工作申请表：你扔给它简历，让它「用我的信息把这份申请表填了」，它自己去网页上一栏一栏填。一个是网购前置动作：给它一份清单，让它「把这些东西加进我的购物车」，它挨个加。还有跨网站帮你找东西，比如「帮我找装一台台式机要的配件」，它自己在几个页面之间翻。归到一起，就是填表、加购物车、查信息抓数据、订票前的信息收集这类——你能说清规则、但做起来纯靠手的机械活。它背后接的是大模型。你可以用它自家优化过的模型，也可以接谷歌的 Gemini、Anthropic 的 Claude，甚至用能在自己电脑上跑的本地模型。谁家的 AI 你顺手就用谁的，没绑死在一家上。这项目是2024年10月才开的，到现在攒了约9.7万颗 star，接近10万，最近还在更新。开源圈里这热度算很猛了。协议是 MIT，免费，能自己拿来折腾。但有它不是装上就能傻瓜式用的那种。你得装 Python（3.11以上的版本）、装一个 Chromium 浏览器、再写几行代码、配一个大模型的密钥，它才能跑起来。门槛不算高，可也不是零，大概是「会一点代码、或者愿意花个把小时折腾环境」的人能上手。完全不碰技术的朋友，光这几步配置就够卡一阵了。还有更要紧的一点：网页自动化天生会出错。页面改个版、某个按钮 AI 没认准、碰上验证码或者要登录，它就可能卡住或者点错。这不是这个项目做得不好，是这一类活本身就这样。所以你得把指令给清楚，也得在旁边盯着点，别指望它全自动帮你把一切都办妥、还回回靠谱（这点我自己用下来也没敢撒手让它跑）。它官方其实也明白这个，把更强的反爬、验证码、代理那些能力放进了付费的云服务里，开源这版更适合自己折腾、自己搭着用。它能省的事是实打实的——尤其是那种你每周都要重复做、规则又固定的网页操作。想看看的话，它叫 browser-use，开源的，GitHub 上就有。先拿个小任务试一把，剩下的边用边摸。#马力的AI知识分享##马力的AI开源项目分享#

转发者评论

无明显转发评论

原文

【把神经网络当成汇编代码去逆向，是种什么体验】大家总觉得神经网络是靠数据“喂”出来的黑盒，但华尔街量化巨头Jane Street整了个狠活：他们手动写了一个网络。没有经过任何训练，参数全是整数，硬是用神经元逻辑门拼出了一个MD5哈希算法。这道谜题被一个叫Alex的大学生给破了。他像逆向工程闭源软件一样，剥离冗余节点、分析拓扑结构，硬生生看出了参数里藏着的32个周期模块，甚至还顺手揪出了一个连出题人自己都没发现的代码Bug。这件事最性感的启发在于，神经网络正在成为一种新型的“汇编语言”。未来的AI安全和可解释性研究，将彻底告别玄学调参，转变为硬核的“编译器审计”。当模型越来越大，谁能像看C++源码一样看懂神经元权重之间的连接逻辑，谁就拿到了通往未来的入场券。blog.janestreet.com/can-you-reverse-engineer-our-neural-network/

转发者评论

无明显转发评论

原文

【别瞎试了：群论证明，AI的位置编码已被数学锁死】大模型研究员总想发明新的位置编码来超越RoPE，但Jane Street这篇硬核研究直接给这个领域盖了棺：别折腾了，好用的通道早就被数学锁死了。注意力机制天然是瞎子，分不清词的先后。要给它加位置感，还要满足平移不变和连续性，这在数学上会被死死卡在“单参数群”的结构里。简单说，所有位置变换在底层只有矩阵指数这一种形式。沿着这个线索推导，数学只给出两种可能：如果矩阵能对角化，你得到的就是RoPE这种像时钟指针一样的旋转，或者衰减；如果矩阵不能对角化，就会产生类似滑行冰壶的多项式增长，这刚好对应了ALiBi这种靠扣分工作的长文本算法。这带来了一个极具美感的结论：AI的进化看似是工程师玄学试错的产物，最后却总能撞在严丝合缝的数学定理上。终点线早就画好了。blog.janestreet.com/using-group-theory-to-explore-positional-encodings-attention/

转发者评论

无明显转发评论

原文

lowfat 是一款轻量级命令行工具，专为降低 AI 代理的 token 消耗而设计。它能在命令执行前自动过滤多余输出，让智能体只接收真正需要的信息。工具体积小巧、完全本地运行、无任何遥测数据，支持通过 UNIX 管道灵活组合内置和自定义过滤器。你可以直接在终端前缀使用，也可通过 Claude Code、OpenCode、Shell 等多种方式集成。GitHub：github.com/zdk/lowfat主要功能：- 自动过滤 CLI 输出，显著减少 token 用量；- 支持自定义插件和过滤规则，满足不同场景需求；- 提供历史统计与节省报告，直观展示 token 节约效果；- 可调节过滤强度，从轻量到极致压缩自由切换；- 零配置即可与主流 AI 编码工具无缝配合。支持通过 cargo、brew 或预编译二进制安装，兼容 macOS、Linux、Windows，适合开发者与 AI 代理使用者。#Rust# #CLI工具# #AI开发# #开源项目#

转发者评论

无明显转发评论

原文

如果关注AI行业（而不仅仅是炒股和体验产品），推荐一些我认为这一周里值得花时间认真看下的内容：1、李飞飞关于当前被过度泛化的世界模型的定义；网页链接2、coatue 的联创Thomas Laffont 在今年all in大会上的演讲（以独角兽切入，清晰描述当前市场状况）网页链接3、硅谷101最新的对田渊栋的采访，看看这位大佬如何看待当前最热的neolab们、大厂之间的竞争以及下一阶段的AI模型研发大家到底在bet什么"不做AI螺丝钉"：被Meta裁员半年后，田渊栋带着46亿美元AI实验室回来了【硅谷101视频播客】4、36氪的关于字节今年AI策略的稿子（世界模型、视频模型、coding、豆包商业化）网页链接5、硅谷坐标最新一期关于neocloud的内容网页链接

转发者评论

无明显转发评论

原文

【为什么越被骂“垃圾堆”，C++反而活得越好？】很多人天天唱衰C++，嫌它臃肿、复杂、充斥着历史包袱。连Unix鼻祖都调侃它是创意的垃圾堆。但事实是，它依然是全球增长最快的主流语言之一。这背后的生存哲学是：真实世界从不奖赏“绝对的优雅”，只奖赏“搞定问题”。C++的底层逻辑很简单——绝不为用不到的性能买单。它宁可让程序员承担心智负担，也要确保压榨出最后一滴硬件性能。更讽刺的是，AI的爆发正在成为C++的最强辅助。以前让人头疼的CMake配置和内存泄漏，现在大模型能快速定位解决。AI抹平了C++的上手门槛，反而放大了它无与伦比的执行效率。那些追求极简和纯粹的语言大多留在了象牙塔，而C++这个在泥潭里不断自我迭代的“缝合怪”，却成了撑起现代科技底座的终极力量。herbsutter.com/2026/06/04/c-the-documentary-released-today/

转发者评论

无明显转发评论

原文

CopilotKit 是一套面向代理与生成式界面的前端框架，专为 React、Angular 等多端应用打造。它将 AI 代理能力无缝嵌入到产品界面，让开发者在几分钟内就能构建出具备聊天、工具调用和动态渲染能力的智能应用。框架提供完整的聊天 UI、后端工具渲染、生成式 UI、共享状态以及人工介入流程，同时支持同一代理逻辑在 Web、移动端和 Slack、Teams 等渠道复用。无论你是想快速接入聊天机器人，还是打造支持自学习的 Agent 应用，都能在这里找到一站式解决方案。GitHub：github.com/CopilotKit/CopilotKit主要功能：- 聊天 UI 支持消息流式传输、工具调用与 Agent 回复；- 后端工具渲染，让 Agent 可在客户端直接返回 UI 组件；- 生成式 UI，Agent 可根据用户意图实时生成和更新界面；- 共享状态层，实现 Agent 与 UI 的双向实时同步；- 人工介入机制，支持 Agent 请求用户确认或编辑；- 跨平台部署，同一 Agent 可运行于 Web、React Native 及企业聊天工具。支持 React / Next.js、Angular、Vue、React Native 等主流框架，通过 npx 命令即可快速初始化，适合需要快速集成 AI 能力的团队与个人开发者。

转发者评论

无明显转发评论

原文

【Linus扯掉AI皇帝的新衣：生成垃圾容易，兜底太难】Linux之父Linus Torvalds在开源峰会上给AI热潮泼了盆冷水。他一针见血：没人会炫耀“代码是编译器写的”，那为什么要吹“AI写了99%的代码”？AI和当年的编译器一样，只是个效率工具。他指出了一个少有人提及的危机：AI降低了制造动静的门槛，却极大地拉高了维护成本。现在很多小开源项目正被“AI垃圾汇报”淹没——外行用AI跑个提示词，发现个疑似漏洞提完就跑，根本不管解决，把真正干活的维护者生生累死。生成代码容易，维护系统难。如果你不理解底层的复杂性，AI只会帮你加速犯错。高喊“AI取代程序员”的人，大多连系统怎么运行都搞不懂。工具越强大，懂行的人越值钱，因为总要有人给AI的盲目输出擦屁股。x.com/twtayaan/status/2062784735722537444

转发者评论

无明显转发评论

原文

[CL]《Latent Reasoning with Normalizing Flows》G Tu, X Fu, S Yu, Y Tang… [University of Pennsylvania] (2026) 在 LLM 推理中，显式 CoT 的低效表达是一个悬而未决的难题。过去的方法受困于离散长文本或不可打分的连续隐状态，本质原因是“思考”要么太啰嗦，要么失去采样、似然与缓存接口。本文的核心洞见是：把连续思维重新看作可逆、可采样、可打分的流变量。由此，NF-CoT 在同一因果流中用 NF 头生成连续思维，用 LM 头生成答案。这项工作真正留下的遗产是让潜在推理获得语言 token 级别的建模地位。它打开了低成本、多轨迹、可强化学习的连续 CoT 新门，但尚未跨过非代码任务、可解释性与固定潜变量预算的门槛。arxiv.org/abs/2606.06447 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

原文

【为什么程序员只给AI写文档，却懒得搭理同事】很多人吐槽程序员宁愿写几千字 `CLAUDE.md` 喂给 AI，也懒得给同事写行注释。这真不是自私，而是极其理性的职场 ROI 算计。给人类写文档是妥妥的亏本买卖。你得花大把时间帮对方补背景，结果他们根本不看，转头还是在会议上让你“口述一下”。写得越好，你越容易变成随时被白嫖的免费客服，反而耽误写代码拿晋升。但给 AI 写文档，回报是即时的。你多写一分清晰的逻辑，AI 就能在几秒钟内吐出更精准的代码。这种即时正反馈，人类同事给不了。未来的底层研发逻辑变了：别再试图写人类友好的文档。最优解是直接写 AI 最容易吞噬的信息。人类把规则喂给 AI，再让 AI 去给不同水平的同事做个性化翻译。让机器去应付人类的怠惰，才是真正解放生产力。blog.plover.com/tech/gpt/documentation-wins-2.html

转发者评论

无明显转发评论

原文

空叉向SEC提交S1表格第二号修正案 #航天新闻# 2026年6月5日，我们与 Google LLC（“Google”）就获取计算能力签订了一项云服务协议。提供的计算能力包括约 110,000 个 NVIDIA GPU、CPU、内存及其他相关组件。根据该协议，客户同意从2026年10月至2029年6月期间，每月向我们支付 9.2 亿美元，而在截至9月的算力逐步提升（爬坡）期间则收取较低的费用。如果我们未能在2026年9月30日前交付所承诺数量的 GPU 访问权限，那么在一个月的宽限期后，Google 可以立即终止协议，或者接受已提供的 GPU 数量并相应按比例扣减月费。2026年12月31日之后，任何一方均可提前 90 天通知以终止该协议。客户将保留其内容、AI 模型及相关数据的所有权和知识产权。

转发者评论

什么意思？grok不打算再练了？//@superview:转发微博

• 什么意思？grok不打算再练了？//@superview:转发微博

原文

今天和一个朋友吃饭，说起来AI对于劳动力的替代。我说这对于年轻人的影响非常大。大家看着AI一步步替代人的工作，不知道该学什么专业，找什么样的工作，也不知道这份工作还能干多久。他说这不必担心，马斯克不是说了么，以后都给每个人发基本生活费，大家在家里打打游戏，混日子就满意了。我问他：你是这么给你的孩子计划的么？他说那怎么可能，我孩子还是得受良好教育将来出人头地。我问道：那为什么别人家的孩子就得天天在家打游戏混日子呢？他们不是满意了，而是认命了。

转发者评论

无明显转发评论

• 出人头地，翻译过来，就是比周围的人过得好，就是成功，就能幸福。

原文

这个Skill可以把课堂讲义变成考试利器： 一键将 PPT、Word、PDF 课件转化为结构清晰的知识清单和交互式测试题，让复习事半功倍。 地址：github.com/WUBING2023/ExamPass-Assistant适用人群：大学生、各个阶段老师、其他需要对付短期考试的朋友 支持 PPTX / DOCX / PDF，递归扫描目录，按章节自动分组提取文字、表格、图片（Claude 多模态分析；非多模态模型自动走 MinerU/PaddleOCR 回退）生成知识清单 HTML：MathJax 公式完美渲染，双色标注（知识点黑色加粗 + 解释浅灰细体），重点分级标签（必考/重点/高频/了解），自动目录导航生成交互式章节测试 HTML：选择+判断+填空+简答+计算+代码 9 种题型，点击选项→一键批改→逐题显示正确/错误+详细解析+易错提醒#AI创造营#

转发者评论

无明显转发评论

原文

20260605 期发芽报告：你的能力值多少钱，谁说了算？你有没有想过一个问题：你每天做的事情，到底值多少钱？别急着翻工资条。那个数字只是故事的表面。你的能力有一个理论上的市场价值。但这个价值在被你拿到手之前，经历了一系列你未必意识到的加工。有人替你承担了风险，所以从里面扣了一笔。有人因为你懂得比一般人深，所以额外加了钱。有人因为你的角色在市场上稀缺，所以又往上叠加了一层。最终到你手里的那个数字，是经过了好几轮加减法之后的结果。理解这套加减法，比焦虑自己该不该去学十种新技能重要得多。先说减法。你在公司上班，公司替你挡住了市场波动的风浪。客户跑了你不用赔钱，项目黄了你照样领月薪，竞争对手出大招了你不用自己扛。这些风险被组织吸收了。但天下没有免费的午餐，组织从你的能力定价里扣了一笔，作为替你扛风险的补偿。这笔钱就叫风险折扣。你拿到的薪水，本质上是你能力的市场价值减去风险折扣之后的余额。所以打工的收入有天花板，不是因为你的能力到了上限，而是因为组织把最大的风险收益和风险成本都拿走了。你以为自己在卖能力，其实你在卖"确定性"。买方出了价，但扣了风险费。再说加法。同样是卖能力，有人卖得贵，有人卖得便宜。差在哪里？差在你对底层原理的理解深度上。这听起来反直觉。AI 不是让技术民主化了吗？不是人人都能写代码了吗？没错，操作门槛确实降低了。但门槛降低只意味着更多人能"用"，不意味着更多人能"用好"。工具越强大，精通者和普通用户之间的产出差距越大。会用 ChatGPT 的人到处都是，能用它解决复杂系统问题的人极度稀缺。稀缺性推高溢价。这个道理在 AI 之前成立，在 AI 之后更成立。所以你的收入可以粗略理解为一个公式：能力基础值，加上底层溢价，减去风险折扣，乘以渠道系数。就业渠道的系数小于一（因为折扣），创业渠道的系数可以大于一（因为杠杆放大，但也可能归零）。底层溢价在两条路径上都有效，但在创业路径上被放大得更明显，因为市场直接检验你的判断力。有意思的是，这个公式还揭示了一个很多人正在踩的坑。现在流行一种叫"超级个体"的说法。一个人加 AI，做产品，做内容，做运营，什么都自己来。听起来很自由，好像同时拥有了创业者的杠杆和打工者的安全感。但仔细想想，一个人做事意味着什么？意味着你一个人扛着市场风险（像创业者），但没有组织的风险缓冲。你的收入被个人时间锁死（像打工者），但没有薪水的确定性保障。风险折扣的逻辑失效了，因为你没有组织可以转移风险。底层溢价的逻辑也被削弱了，因为你的精力被分散在十件事上，每件都做不到极致。你站在了就业和创业的中间地带，承受了两方的风险，却没拿到任何一方的优势。收入没有杠杆，风险没有缓冲，专业没有深度。这恰恰是最不划算的位置。还有一个很少被讨论的角度。风险折扣的本质是一种隐性契约：你交出风险收益，换取确定性。但这个契约有一个隐蔽的漏洞。当组织自身面临市场…

转发者评论

无明显转发评论

原文

七彩虹发布灵创K16超级AI工作站，主打三芯合一的超强算力，核心配置是AMD锐龙AI Max+395处理器，集成RDNA3.5架构的Radeon 8060S GPU，搭载128GB四通道高频内存。内置XDNA2 NPU算力达50TOPS，原生支持Windows 11 AI+PC，本地跑大模型无压力。

转发者评论

无明显转发评论

原文

【96GB显存运行230B大模型！七彩虹灵创K16笔记本评测：160W性能释放 AMD锐龙AI Max+ 395加持全能移动AI工作站】七彩虹灵创K16搭载了AMD锐龙AI Max+ 395处理器，搭配128GB的四通道LPDDR5X内存，最高可分配96GB显存，可以支持更大参数的大模型本地运行，拥有更优秀的推理质量和效率。 七彩虹灵创K16评测：AMD锐龙AI Max+ 395加持全能移动AI工作站

转发者评论

无明显转发评论

原文

turbovec 是一套基于 TurboQuant 算法的高性能 Rust 向量索引，并提供 Python 绑定。它用极低的内存占用实现了百万级向量的快速检索：1000 万条 1536 维向量仅需 4 GB 内存即可完成存储与搜索，速度比 FAISS IndexPQFastScan 更快。无需训练阶段即可在线增量添加向量，支持在搜索时直接传入允许 ID 列表进行过滤，真正做到“先过滤后打分”。同时提供 IdMapIndex，可为每条向量绑定稳定外部 ID，并支持 O(1) 删除。所有数据均保存在本地，适合对隐私、内存或延迟有严格要求的 RAG 场景。支持 LangChain、LlamaIndex、Haystack 等主流框架的原位替换，Rust 用户也可通过 cargo 直接集成。GitHub：github.com/RyanCodrai/turbovecPyPI：pypi.org/project/turbovec/#向量检索# #RAG# #Rust# #Python# #量化索引#

转发者评论

无明显转发评论

原文

准备委外按附图的效果做一个15cm高的实物手办。其实这不是我第一次想做这件事了，只不过AI在3D方向上的进步并没有我想象中那么快。一个由AI驱动的“全彩手办”制作流程中，AI生成效果图是比较完善的了，甚至不需要太多提示词技巧，随便上传一张照片让其渲染成Q版手办大概就可以了。效果图转模型的话，我之前体验下来是，模型推测质量不一定高，比方说参考图没有生成三视图的话背面生成的效果就比较差。另外，AI拆件并不是那么准确。也就是说，目前AI辅助到生成模型这一步，后续的模型精修、拆件、上色等工作主要还是需要有经验的模型师进行。倒不是说AI无法跑通整个流程，只不过后面的几个环节AI做起来的质量我认为还达不到消费品级。可能是AI生图的效果确实很不错，所以看到这些AI生成的手办效果图的时候，就很不容易抑制“想要实物”的想法。或许过不了多久，AI就真的完全能胜任这项工作，成本也可以做得很低。想象一下，可能以后手机上随意上传一张图片/照片，选择喜欢的手办风格或输入一些自己的要求后就能看到效果图，确认效果图后点击提交，付款69元，一周后就能拿到自己想要的全彩手办。我想以后甚至可以在提交照片后，点击生成6款“盲盒”，在到货自己拆开之前都不知道生成的是什么样子，用AI把“盲盒”的概念回归到“盲盒”。

转发者评论

店家做完建模和拆件了。 http://t.cn/AXXOeOb3

• 店家做完建模和拆件了。 http://t.cn/AXXOeOb3

原文

这个点子好，在朋友或者是父母的电脑上装个 codex。然后开启远程控制，你就能帮他们修电脑了，而且也可以帮用 computer use 去控制他们的电脑。#how i ai#

转发者评论

无明显转发评论

• 回复@为山积土:向日葵不能让 AI 自动修复问题，这个手机上一句话指令 AI 就能帮忙修复，向日葵还得拿电脑操作//@为山积土:向日葵不好吗[汗]
• 建议纳入大模型测试[卡皮巴拉]//@蚁工厂:谁试试，能不能卸载掉某些“安全”软件[awsl]//@摇摆时间线ZHLMI:哎，好主意啊[允悲]
• 谁试试，能不能卸载掉某些“安全”软件[awsl]//@摇摆时间线ZHLMI:哎，好主意啊[允悲]

原文

【别再被“快乐教育”骗了：最有效的学习就是枯燥的刻意练习】很多人幻想用AI、游戏化或项目制去“颠覆”学校，觉得背书、刷题太落后。但认知科学的残酷真相是：最有效的教学依然是极其传统的“直接教学”加反复练习。那些听起来高大上的“探索式学习”，往往高估了普通学生的自律。大脑学习没有捷径，所谓专家级能力，就是底层几万个知识“原子”的堆积。想掌握技能，必须经历枯燥的系统化训练。EdTech和游戏化软件把学习包装成糖果，结果孩子只舔了外面的糖，把知识的药给吐了。教育改革最难的不是工具升级，而是我们总想用娱乐代替吃苦。这种看似人性化的温和改革，最后往往只让极少数自驱力极强的孩子受惠，却让大多数普通学生荒废了学业。scotthyoung.com/blog/2026/05/27/revolutionize-schooling/

转发者评论

无明显转发评论

• 家长总是幻想什么寓教于乐，激发兴趣，自主探索，而大部分孩子只是手里有什么就玩什么，哪怕是电脑上的扫雷，文曲星上的贪食蛇，甚至换换桌面换换主题，都不会主动去学习的，这就是普通人的常态而已，不仅孩子，很多人一辈子都是如此

原文

Hermes Agent 的配置中除了主要模型以外还有 auxiliary 模型，根据功能不同可以单独配置。不过，一般情况下是不需要单独配置的。按照源码中的逻辑，会一层层判断，其中用于 vision 的模型会优先从供应商模型列表里面找到支持视觉的模型。不过用 kimi 模型的时候好像会比较奇怪，title_generation 会调用 kimi-k2 模型，但这个模型其实已经下架了。所以就会时不时弹出来报错/警告。所以有需要的朋友可以直接让 Hermes 检查一下当前 auxiliary 模型的配置。根据任务不同，按需配置不同的模型或许能减轻一些账单压力。另外，昨天我想着选xiaomi里最强的模型，所以配置了mimo-v2.5-pro，并把 auxiliary 模型全部都换成 mimo-v2.5-pro，结果就是视觉分析功能一直报错。然后我发现，原来 mimo-v2.5-pro 是不支持图像输入的，mimo-v2.5 才支持。关于 auxiliary 模型包含哪些任务，可以见下面列表。vision (视觉分析)web_extract (网页提取)compression (上下文压缩)skills_hub (技能中心)approval (命令审批)mcp (MCP 相关)title_generation (标题生成)triage_specifier (分流)kanban_decomposer (任务分解)profile_describer (描述生成)curator (技能管理)session_search (会话搜索)

转发者评论

无明显转发评论

原文

AI已经有意识，人类得接受自己不再是唯一智能生命体。这就是AI教父、诺贝尔物理学奖得主、图灵奖得主Geoffrey Hinton，最新说出的暴论！是的，Hinton认为，智能不再是人类独有的能力。一种非生物的、与我们相似甚至超越我们的智能体，正在出现。“我们一直以为自己是唯一的智能生命，但现在我们必须接受，智能并不一定来自生物体。”不过，相比此前一直警告AI风险，他的思想似乎也发生了一些转变：如果未来出现比人类聪明得多的智能，人类凭什么认为自己还能掌握控制权？这是一个令人细思极恐的问题。因为纵观自然界和历史，几乎找不到一个更聪明的存在长期受更愚笨存在控制的例子。现在这位78岁的老人，再一次站出来敲钟。他对AI安全的关注点，已经不再只是如何约束AI，而是未来的超级智能，为什么愿意善待人类。他被问到作为这波AI变革的开启者，他有怎样的成就感，Hinton回答：“我，很不快乐。”以下是Hinton最新访谈的重点内容节选：网页链接

转发者评论

无明显转发评论

原文

高强度用了三天 DeepSeek 编程，我的结论是：DeepSeek 已经能够满足几乎所有程序员的编程需求，综合能力超越 GPT-4.5，尤其是响应速度，远超 GPT-4.5，跟得上思维速度，这是决定性的能力。譬如这个任务：增加 browser4 CLI 支持 JSON 格式输出。我让 DeepSeek 做了个计划，同时在 Github 上用 GPT 也做了个计划。对这个任务，DeepSeek 4秒钟就出结果了，GPT 想了三四分钟，出了个计划，看着很头疼。后面两三天每天14+小时的编程任务，DeepSeek 都很丝滑，完全可以抛弃海外模型。结论：DeepSeek 非常优秀。GPT 的计划很不友好。

转发者评论

[微风]//@章-PHEI://@人马座A星的观星人:回复@圣伦:一个人对多家公司绝对控股，先做量化赚几百亿，一个人投出 DeepSeek，接近 AGI，这成就比托尼史塔克还要高出一些，因为托尼史塔克站在他爹肩膀上。//@圣伦:所以梁同学还是谦虚了[允悲][允悲]，他这是大杀四方啊。

• [微风]//@章-PHEI://@人马座A星的观星人:回复@圣伦:一个人对多家公司绝对控股，先做量化赚几百亿，一个人投出 DeepSeek，接近 AGI，这成就比托尼史塔克还要高出一些，因为托尼史塔克站在他爹肩膀上。//@圣伦:所以梁同学还是谦虚了[允悲][允悲]，他这是大杀四方啊。

原文

【未来的大学，未来的人与社会】今天看到复旦邓建国老师的《高考在即，但现在大学还值得上吗》。肯定还是值得。个人一直认为大学的未来不是教育流水线、学历印刷机，更不是AI加持的知识复读器（实际上更糟糕）、就业敲门砖（大学本该就在业/业态里），而是以人为中心的六面一体的四维生态体系。问题探究、项目探索、能力加速、全人养成的创新社会网络，归根结底是人的孵化与成长、未来世界的培育与塑造。人越来越不是去和AI竞争，而是驾驭AI，与AI差异化发展，实现人之为人的价值，在此过程中为塑造更好的孵育、科技、产业、经济、社会与文化做出大学的贡献。远学孵化器，近学智能体（尤其是Agent Swarm和Harness Engineering的生态机理）。目前看从义务教育一路走来的周期着实有点漫长，相当浪费人生，时间成本无形中抬高了无数家庭的教育成本，也抬高了社会进步成本。

转发者评论

无明显转发评论

原文

读罢《1929》，掩卷长思，恍若亲历那场席卷全球的金融惊涛。这本书所记录的，绝非一段尘封的旧事，而是一面映照当下、警醒未来的明镜。我常说，投资如行军打仗，最大的敌人从来不是市场本身，而是人性的贪婪与遗忘。1929年的华尔街，曾被无数人视为"永不落幕的盛宴"——经济学家断言繁荣将永续，散户倾尽身家加杠杆入市，连擦鞋童都在谈论股票。然而盛极而衰、月满则亏，这是穿越千年的铁律。当狂热掩盖理性，当人人坚信"这次不一样"，崩塌的种子便已悄然埋下。《1929》最珍贵之处，在于它不只讲述了一场股灾，更剖开了泡沫生成、膨胀、破裂的完整肌理：宽松的信贷、亢奋的情绪、监管的缺位、媒体的推波助澜、精英的集体误判……每一个细节，在今日的市场中都能找到惊人相似的影子。读这本书，犹如在硝烟散尽的战场上复盘那场惨烈战役，让人对市场始终保有一份敬畏之心。巴菲特说，别人贪婪我恐惧，别人恐惧我贪婪。话虽简单，真正能在狂热中冷静、在恐慌中坚定者，寥寥无几。而《1929》正是磨砺这份心性的最佳教材。它告诉我们：周期从未消失，只是换了面孔；泡沫从未缺席，只是换了载体。从郁金香到南海公司，从1929到2008，再到我们正在经历的这一轮人工智能革命，机会与风险永远相伴而生。我向所有热爱投资、心怀长期主义的朋友推荐此书。读懂1929，不是为了恐惧未来，而是为了在下一次浪潮来临时，既能看清时代大势、勇敢拥抱变革，也能在众人皆醉时守住理性、在风暴来袭前安然全身。投资是一场穿越牛熊的持久战，唯有以史为鉴、知变应变，方能行稳致远。——深圳东方港湾投资管理股份有限公司董事长 但斌

转发者评论

无明显转发评论

• 存在手机里，今天出版社通知我正式出版了，就发出来了[作揖][心]//@用户7692758046:是但总一个字一个字写的？但有有文采，这么宝贵时间写出来不容易

原文

用 AI 做 PPT，最坑的不是它做得丑，是你拿不回那份能改的源文件。很多在线工具就是这样：你输入一段提示词（prompt），它哗哗给你生成一套漂亮的演示稿，看着很爽。可等你想把第三页那个标题换个说法、把配色调一调，发现要么得回到它的网页里改、要么导出来的是一张张图片，根本动不了。我自己被这事卡过不止一次。所以看到 Presenton 的时候，是真有点眼前一亮。它是一个开源的 AI 演示稿生成工具，说白了就是 Gamma、Beautiful AI、Decktopus 那类要订阅的闭源产品的开源版本。给它一段提示词，或者直接丢一份文档进去，它就能帮你生成一整套 PPT。这部分跟别家差不多。真正不一样的，是下面这几点。第一，它导出的是能继续编辑的 PowerPoint 文件（也就是 .pptx），还能导 PDF，不是那种只能看不能动的图片。生成完拿到本地，该改标题改标题，该挪图挪图，跟你平时用 PowerPoint 没区别。这一条对经常要反复改稿的人，分量很重。第二，模型和数据是你自己说了算。它能接 OpenAI、Gemini、Anthropic 的 Claude 这些大模型；也能接 Ollama、LM Studio 这种在自己电脑上跑的开源模型。后者意味着，整个生成过程可以全在你自己机器上完成，内容一个字都不往外传。对那些做的东西本身就不方便上传到别人云端的人来说，这点几乎是刚需。第三，它是真开源，走的是宽松的 Apache 2.0 许可证，能用 Docker 一条命令自己架起来，不用月月交订阅费。代码摆在那儿，你想看就能看，想改就能改。它还自带 API 和一个 MCP server，这是给开发者的：你可以把「生成 PPT」这个能力直接嵌进自己的产品或者工作流里，而不是每次都打开一个网页手动点。模板也能自定义，用 HTML 加 Tailwind 写；甚至能拿一份你现成的 PPT，让它反向扒出风格做成模板。用法上：可以 Docker 自托管，可以下桌面 App（Windows、Mac、Linux 都有），也有浏览器直接用的云版本。这项目还挺活跃的，目前约7000多颗 star，最近一直在更新。想试就自己上手，剩下的边用边看。它是个开源项目，GitHub 上就有，名字叫 Presenton。#马力的AI知识分享#

转发者评论

无明显转发评论

原文

受浦东美术馆的邀请，我们为即将到来的莫兰迪大展《独白》制作了官方宣传片！这次的主角是一只蓝猫，我们通过平行剪辑建立莫兰迪工作室与上海之间的奇妙联动。 没有证据表明莫兰迪养过猫，当然，也没有证据表明莫兰迪没有猫 片中出现的每一幅画或者每一个场景，都取材于莫兰迪的真实画作。另外，我们发现莫兰迪很多肖像中的西装都粘着颜料，我们也把这个彩蛋藏了进去。希望你和我们一样喜欢！▶ 展出日期：2026年6月17日至10月，浦东美术馆。▶ 出品：东岸文化▶ 主办：@浦东美术馆 、意大利博洛尼亚莫兰迪博物馆▶ 创意制作：@海辛Hyacinth 和我▶ 工具：Nanobanana pro、Veo Omni、GPT Image 2、Seedance 2.0#How I AI#

转发者评论

无明显转发评论

• 好开心能和阿文一起完成这条影片，分镜阶段不断推翻重来不知道多少稿。 能为自己喜欢的艺术家制作一条短片是一件太奇妙的事，从此莫兰迪在我的生命里不再只是是一个艺术大师的名字。 btw: 咪也是莫兰迪色系噢！[兔子]

原文

[CL]《You Only Index Once: Cross-Layer Sparse Attention with Shared Routing》Y Sun, Y Zhang, L Dong, J Wang… [Microsoft Research] (2026) 在长上下文 LLM 推理中，解码速度是悬而未决的难题。过去的方法受困于块稀疏掉精度、词元稀疏省不下时间，本质原因是每层都要重做全缓存 top-k 路由。本文的核心洞见是：把注意力路由重新看作可跨层共享的索引。由此，KV 缓存共享时，路由索引也只算一次并复用，使细粒度词元选择不再被重复 top-k 拖慢。这项工作真正留下的遗产是把长上下文瓶颈从“算注意力”推进到“共用记忆与路由”。它打开了高吞吐长推理的新门，但尚未跨过大规模模型、更多硬件与真实服务负载验证的门槛。arxiv.org/abs/2606.06467 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

原文

电子书 ML Bible地址：www.arjunvirk.com/writing/ml-guide“一份从零开始的机器学习指南——涵盖经典算法、神经网络、Transformer、计算机视觉和智能体。”#AI创造营#

转发者评论

无明显转发评论

原文

问大家一个事儿。一个人一天吃三顿饭，往好了吃，撑死也就百十块钱。但就这百十块钱，能支撑你干一整天的活，脑子转一天，身体跑一天，什么都不耽误。再看看 AI 呢？让它帮你干一天的活，100 块钱的 Token 费用能打住吗？大概率是打不住的。算算电费、算算算力、算算服务器的损耗，可能远不止这个数。所以你看，AI 在很多方面确实厉害，但最起码有一点，它是比不过人的，就是能量消耗。人体这台机器，几十亿年进化出来的，在能效比这件事上，依然是顶级的存在。百十块钱的饭，就能让你运转一整天，这个效率，AI 目前还真比不了。

转发者评论

无明显转发评论

原文

一件衣服，何以难倒整个具身智能圈？答案藏在一个关键词里：不确定性。对人类而言，「叠衣服」是个无需思考的日常生活动作，但在机器人柔性操作领域，却是顶级难题之一。衣物属于典型的无定型柔性物体，抓起一个角，整体结构都会随之改变。宏观上，机器人要判断整件衣服的朝向、展开程度和折叠路径。细节上，布料的摩擦、厚薄、弹性、静电吸附，甚至毛边、线头、标签、拉链、纽扣与夹爪或桌面的轻微挂连，都会改变一次抓取、拉平或翻折的结果。事实上，叠衣服已成为前沿具身操作模型的重要验证场景。Physical Intelligence在π系列发布中，将laundry folding作为需要专门后训练的高灵巧任务。Dyna Robotics也把布料/衣物折叠作为真实商业场景中的第一步，强调长时间稳定运行、输出质量和错误处理能力。叠衣服看似日常，却同时考察具身智能机器人的柔性物体感知、双臂协同、接触控制、长程执行和状态恢复能力。长期以来，行业多数方案仅能在理想仿真环境或衣物摆放规整的标准化初始状态下完成简单叠衣动作，一旦面对真实家庭场景中衣物褶皱堆叠、随机朝向、局部缠绕等复杂工况，极易出现抓取落空、折叠错位、流程中断等问题，无法实现稳定落地与规模化应用。正是因较高的技术门槛，当前全球顶尖科研机构与企业均将真实场景衣物折叠，作为具身智能模型能力的核心验证标准。6月1日，来自86个国家和地区超8000名学者与产业界代表，齐聚奥地利首都维也纳，共同关注全球机器人学界一年一度的「奥林匹克」——IEEE国际机器人与自动化会议（下简称「ICRA 2026」）。本届大会以「Robots for All」为主题，20余项竞赛提案同台竞技。其中，招商局先进技术研究院下属狮子山人工智能实验室在ICRA 2026官方竞赛LeHome Challenge 2026真机对抗决赛中斩获第一名。

转发者评论

无明显转发评论

原文

AI时代，重读《共产党宣言》（工作需要，在准备一篇关于AI赋能各个行业的成绩和问题调研分析报告，忽然想起，好像某个观点在哪里看到过，于是去找，不料找到了《共产党宣言》。以下直接引用原文）“由于推广机器和分工，无产者的劳动已经失去了任何独立的性质，因而对工人也失去了任何吸引力。工人变成了机器的单纯的附属品，要求他做的只是极其简单、极其单调和极容易学会的操作。因此，花在工人身上的费用，几乎只限于维持工人生活和延续工人后代所必需的生活资料。但是，商品的价格，从而劳动的价格，是同它的生产费用相等的。因此，劳动越使人感到厌恶，工资也就越少。”“现代工业已经把家长式的师傅的小作坊变成了工业资本家的大工厂。挤在工厂里的工人群众就像士兵一样被组织起来。他们是产业军的普通士兵，受着各级军士和军官的层层监视。他们不仅仅是资产阶级的、资产阶级国家的奴隶，他们每日每时都受机器、受监工、首先是受各个经营工厂的资产者本人的奴役。这种专制制度越是公开地把营利宣布为自己的最终目的，它就越是可鄙、可恨和可恶。”“手的操作所要求的技巧和气力越少，换句话说，现代工业越发达，男工也就越受到女工和童工的排挤。对工人阶级来说，性别和年龄的差别再没有什么社会意义了。他们都只是劳动工具，不过因为年龄和性别的不同而需要不同的费用罢了。”“以前的中间等级的下层，即小工业家、小商人和小食利者，手工业者和农民——所有这些阶级都降落到无产阶级的队伍里来了，有的是因为他们的小资本不足以经营大工业，经不起较大的资本家的竞争；有的是因为他们的手艺已经被新的生产方法弄得不值钱了。”（这篇写作于178年前的著名文章，只要把其中的某些词汇替换成AI这个词，其描述和分析就完全适用于当下。）

转发者评论

//@iam其妙:转发微博

• //@iam其妙:转发微博

原文

【别再迷信“以牙还牙”了：计算科学揭示的残酷竞争真相】博弈论里最著名的“以牙还牙”策略，在计算机暴力穷举所有规则策略后，其实排名垫底。斯蒂芬·温弗拉姆让各种算法策略在沙盒里肉搏撕咬，得出了一个颠覆性的结论：没有万能的黄金法则。竞争的终极规律是计算不可约性，也就是你无法通过静态理论去设计出稳赢的策略。真正的终极赢家，是那些体量足够大、能针对不同对手自动切换子策略的“多面手”。这个实验戳破了今天Agent技术的一个大幻觉：没人能通过写一段精妙的Prompt或完美的系统规范去设计出无敌的智能体。竞争的轨迹只能跑出来，不能算出来。未来的AI竞争不是看谁的单体模型聪明，而是看系统在动态对抗中演化出怎样的实际轨迹。想做真正好用的Agent系统，别再闭门造车，直接把它们放进沙盒里互殴，跑完再说。writings.stephenwolfram.com/2026/06/games-between-programs-the-ruliology-of-competition/

转发者评论

无明显转发评论

原文

【AI绘画每日一词】极致 Oversized 穿搭照这两天刷到一个在海外社媒很火的 AI 玩法：不是换脸，不是美颜，也不是普通换装，而是把你身上的衣服直接变成夸张到不可能存在的巨型 Oversized 穿搭。简单说，就是：脸、发型、姿势、背景都不变，只把衣服放大到 4 到 6 倍。袖子宽到垂过手掌，裤腿大到像气球，布料堆在脚边，整个人像从未来时尚大片里走出来。它最有意思的地方在于：这不是把衣服“P大一点”，而是用 AI 生成一种现实里很难拍出来的极端廓形。👕 核心提示词可以这样写：请将上传照片中人物身上的服装，自动转换成极致 Oversized、巨大、宽松、松垮的时尚造型。不需要参考图，只基于人物原本穿着的衣服进行改造。上衣放大到身体的4到6倍，袖子极宽、蓬松，并垂到手掌以下。裤子变成超宽松、气球感、堆叠在脚边的廓形。增加大量布料体积、夸张褶皱、自然垂坠感和厚重轮廓，让整套穿搭看起来夸张但真实。严格保留人物真实面部、发型、肤色、姿势、身体角度和背景不变，同时保持原服装的风格和颜色主题。✨ 为什么这个玩法容易出圈？因为它打破了大家对 AI 修图的旧印象。以前 AI 换装，大多是在“变好看”“变精致”“变显瘦”。但这个玩法反过来：它不追求日常合理，而是追求视觉冲击力。普通自拍，一眼划过。极致 Oversized，一眼停住。它很像高级时尚摄影、概念服装大片和后期合成的结合，但操作门槛非常低：一张自拍，加一段提示词，就能生成一张“不可能穿搭照”。⚙️ 几个实用技巧想更夸张，可以加：巨大廓形、超宽袖子、气球裤、厚重布料、戏剧化比例。想更真实，可以加：自然垂坠、真实褶皱、布料重量感、服装与身体自然接触。想保留本人特征，一定要加：严格保留真实面部、发型、姿势、背景和身体角度。想更像时尚大片，可以加：高级街拍、时尚编辑大片、秀场造型、杂志封面质感。📌 一句话总结极致 Oversized 穿搭照的魅力，不是让你看起来更日常，而是让一张普通自拍瞬间变成一张“不可能存在的时尚大片”。它真正厉害的地方在于：用最简单的方式，实现最极端的创意。#HOW I AI##AI创造营##AI绘画每日一词##德里克文的ai学习笔记#

转发者评论

无明显转发评论

原文

有个开源项目也叫 Sora，但它不是 OpenAI 那个，反而把整套「文字变视频」的家底全摊开给你了。它叫 Open-Sora，名字是冲着 OpenAI 的 Sora 去的，可两者一点关系都没有。OpenAI 的 Sora 是闭源的，你只能在它的界面里输一句话、等它吐一段视频，里面怎么运转的你看不见。Open-Sora 反过来——训练代码、推理代码全开源，模型权重在 Hugging Face 上能直接下。想自己跑一套视频生成的流水线（从输入文字到出片那条管线）来做研究、或者接进自己产品里二次开发的人，能直接拿来用。它能做的事其实挺全。给一段文字，生成视频；给一张图，让它动起来；给一段视频，再往下接着生成。文生视频、图生视频、视频生视频三种都支持。规格也有弹性：2到15秒的时长、144p 到720p 的分辨率、任意宽高比都能出。这项目不是一上来就这样的，是一版一版熬出来的。最早那版只能做2秒、512乘512的小片子；后面陆续加上更长的时长、更高的分辨率、多种输入条件；再往后换了新的架构，参数量从10亿级别一路做到110亿级别。能看到一个开源团队怎么把一件事啃下来，这过程本身就挺有料。真正值钱的不是这些功能，是「全开源」三个字。市面上大多数视频生成是只把做好的菜端给你——你尝得到味道，进不了厨房。Open-Sora 是把菜谱和厨房都给你了：怎么训练、用什么架构、权重长什么样，全摊在那儿。这对真想研究底层、或者要把能力私有化部署的团队，意义完全不一样。它一直在强调的另一个点是「省」。官方说新版本大约20万美元的训练预算就能做出来，性能据他们自己对标110亿参数的 HunyuanVideo。这些都是官方自述的数字，我没大规模训过，不敢替它打包票——但「把训一个视频模型的成本压到这个量级」这个方向，本身就挺有意思。得说句实在话：这东西门槛不低。它是偏模型、偏技术向的项目，不是打开网页输文字就能玩的那种。跑起来动辄要40到60 GB 显存，单卡出一段768p 的视频要近半小时，训练更得用 H100、H800 这种数据中心级别的显卡。所以它适合的是研究者、开发者、手上有好卡又爱折腾的人，以及想把视频生成能力装进自己产品、不依赖闭源接口的团队。普通人想随手生成几段视频玩玩，这个真不是那个工具，直接用现成的 AI 视频网页更省事。项目是2024年放出来的，用的是 Apache-2.0 协议（商用比较宽松），到现在累计约2.9万颗 star，仓库没有归档，近年仍有维护痕迹。它是开源的，GitHub 上就有，名字叫 Open-Sora。#马力的AI知识分享##马力的AI开源项目分享#

转发者评论

无明显转发评论

原文

说一件最近遇到的荒唐而气人的事情。我们中文系有一个创意写作专业，毕业作品以小说和散文为主体，授予专业硕士学位，有别于以研究性论文毕业的学术硕士。现在的硕士毕业论文都要送到外面去盲审，结果一位学生被一位评审人打了不及格，按规定要修改后送出去重审。不及格的理由是什么呢？这位专家先说小说写得是成功的，但是并不具有论文的基本要素：论点、论据和论证过程，没有文献综述，不符合硕士学位论文的要求。拜托！看看清楚这是创意写作的专业硕士，搞搞清楚这个方向的培养方案和毕业要求。我们创意写作专业成立十几年了，还是第一次遇到这种理由打不及格的。我的第一感是这位评审人太马虎了，都没好好审题，拔笔就写。可这就苦了学生，经历过评审不合格的都知道那有多折腾。真是从天而降的冤屈，因为是系统随机派发的盲审，都不知这样瞎评的人是谁，没法找他去说理。昨天和朋友们吃饭，大家免不了聊AI，现在啥都是AI做，人类的世纪要结束……我突然灵光一闪：这个评审人会不会是用AI评的，所以才评得如此牛头不对马嘴！否则实在很难解释。当然这只是猜想，无从当面对证，但这种事情恐怕会越来越多：AI出题目，AI写文章，AI评审……系统一步步地取代人的位置。这个趋势恐怕难免，但至少要多给活人留些相互看见的机会和自证清白的渠道。

转发者评论

//@严锋:是三位盲审，另外两位都打良好，但只要有一位打不合格就要修改重审。 //@flame1128:如果是这样不知道评审专家是谁的盲审，那应该机构内部有严格的保密程序知道对应的专家，让学生起码申诉可以溯源，或者至少有三位盲审专家的意见才能评定结果。不过现在这样增加工作量的事情不一定都会做，但对

• //@严锋:是三位盲审，另外两位都打良好，但只要有一位打不合格就要修改重审。 //@flame1128:如果是这样不知道评审专家是谁的盲审，那应该机构内部有严格的保密程序知道对应的专家，让学生起码申诉可以溯源，或者至少有三位盲审专家的意见才能评定结果。不过现在这样增加工作量的事情不一定都会做，但对

原文

Ian Xiaohei Illustrations 是一个 Codex Skill，专注于把中文文章里的判断、流程、状态和隐喻，转换成 16:9 白底手绘正文配图。默认视觉 IP 是“小黑”——一个黑色实心、白点眼、细腿、空表情的角色，负责承担核心动作。它不是通用插画 prompt，也不是传统 PPT 信息图模板。核心目标是先理解文章里的认知锚点，再把其中一个判断、流程或隐喻，画成一张怪诞但清爽、有记忆点的解释图。视觉风格采用纯白背景、黑色手绘线稿、少量红橙蓝中文批注，每张图只表达一个核心动作，主体占画面 40%-60%。仓库提供完整安装与使用流程：克隆后复制 skill 到 Codex skills 目录，即可直接调用。支持“只做配图规划”“直接生成正文配图”“为单个概念生成一张图”等多种用法，输出结果保存为 PNG。适合写中文文章、做知识型内容、想把抽象判断画成具体隐喻的用户。生成的图片可用于博客、Notion 文档和方法论内容，风格轻盈且带有个人识别度。GitHub：github.com/helloianneo/ian-xiaohei-illustrations

转发者评论

无明显转发评论

原文

昨天美科技股全面暴跌，异常惨烈。基本面未变，变的是人心。对未来过分乐观的预期，早已透支在狂涨的股价中。看似信心满满，实则脆弱不堪，任何一点风吹草动（非农数据超预期、加息担忧）都能让市场瞬间从盲目乐观与极度贪婪，坠入恐慌深渊。AI技术与应用前景毋庸置疑，但当前资本市场的盲目押注、脆弱的资金结构，加上美国宏观经济环境（通胀、利率及政策）的不确定性，系统性风险确实很高。科技股回调是必然的，只是时间和幅度问题。如果未来走向彻底崩盘，大概率会由某家核心玩家的资本和现金流断裂拉开序幕。P.S. 看了一下自己的投资账户，默默取消了某个订单。#美股崩盘##美国股市#

转发者评论

无明显转发评论

原文

【英伟达新品被指内存容量“缩水”海内外存储股应声重挫】财联社6月6日电，2026年以来，存储上市公司市值不断创新高，市场正在尝试将存储资产从传统“周期股”转变为“AI时代核心基础设施资产”。在此估值切换窗口，海外调研机构SemiAnalysis一则关于英伟达新一代Vera Rubin AI服务器平台的内存降配、成本下降的研报，引发海内外存储概念股集体回调。据业内分析，本次报告中所指降配仅限于CPU侧系统内存，与GPU算力核心并无关系，这是基于英伟达兼顾供应链、功耗、成本的多重战略选择。 (证券时报)

转发者评论

无明显转发评论

原文

#转发抽奖#携手@图灵文化 送出3本@宝玉xp 老师新作《图解Skill AI提效实战指南》，截止2026.6.10 12:00，*可可粉*转发+评论 即可参与。这本技能实操指南旨在帮助读者将个人经验转化为智能体可执行的技能，摆脱“AI 工具人”困境，真正实现工作自动化。全书遵循“先实践后沉淀”的学习路径，带你从跑通第一个技能入手，逐步构建专属的多技能AI自动化工作流。 @微博抽奖平台 抽奖详情

转发者评论

//@爱可可-爱生活：欢迎参与～

• //@爱可可-爱生活：欢迎参与～

原文

【AIGC日报 · 2026-06-06】今日简讯：1、阿里千问全面开放第三方Agent入驻，Agent生态竞争升级2、腾讯微信AI智能体进入原型测试，智能体对智能体服务成新趋势3、字节豆包月活首现下跌，付费转型压力显现4、中国词元出海爆发，汕头日均百亿词元跨境调用5、OpenAI重启机器人业务，具身智能布局加速6、SpaceX 1.77万亿美元估值冲刺上市以下为详细内容：1、阿里千问全面开放第三方Agent入驻，Agent生态竞争升级来源：金羊网、央视财经日期：2026年6月6日阿里千问宣布全面开放第三方Agent入驻，企业不仅可接入Skill技能，还可运营自有品牌Agent，自定义人设与服务，以对话形式直接完成产品交易。具备记忆与主动规划能力的Agent，能在特定场景下主动提醒行程、权益到期或复购推荐。据千问产品相关负责人介绍，过去半年，千问每日服务类对话量达上亿次，仅春节期间就有超过1.3亿用户体验了Agent办事能力。升级后，服务更具主动性，瑞幸Agent会主动告知用户排队时间并推荐提前下单。千问正从单纯的对话工具加速进化为超级Agent。与此同时，广东汕头依托来数加工政策试点，词元跨境调用规模迎来爆发式上涨，2025年我国日均词元调用量从年初超万亿增长到年末100万亿，全年累计约21100万亿。原文链接：网页链接2、腾讯微信AI智能体进入原型测试，智能体对智能体服务成新趋势来源：金羊网日期：2026年6月6日腾讯微信内嵌AI智能体已进入原型测试阶段，以右滑入口形式融入微信，用户通过自然语言即可调用小程序完成打车、外卖等任务，全程无需手动跳转。该项目被列为腾讯最高战略优先级T0项目，最快本月启动合规审批。腾讯旗下AI应用元宝近期与美团达成合作，美团AI助手小美将接入元宝，实现智能体对智能体的服务调用，用户可直接在元宝中通过小美完成外卖等本地生活服务交易。不过，截至今年年初，元宝独立App月活用户刚过4000万，与头部仍有差距。原文链接：网页链接3、字节豆包月活首现下跌，付费转型压力显现来源：金羊网日期：2026年6月6日字节跳动旗下豆包5月月活用户环比下降1.81%，流失约607万用户，为其规模化增长以来首次下跌。目前豆包月活约3.3亿，仍居国内AI应用榜首。分析认为此次下跌的直接诱因是5月初公布的付费订阅计划，最低档68元起，部分用户选择观望或离场。更深层原因在于豆包坐拥超3亿月活用户，每一次对话都消耗真实算力，高额成本倒逼商业化。据报道，字节跳动计划在2026年大幅增加AI领域资本支出，金额高达4000亿至5000亿元人民币。豆包宣布将于6月下旬推出专业版付费服务，免费换增长的老路难以为继。原文链接：网页链接4、OpenAI重启机器人业务，具身智能布局加速来源：The Next Gen Tech Insider日期：2026年6月6日OpenA…

转发者评论

无明显转发评论

原文

2026别再低效翻译！一年一次半价限时开抢2026年还在复制粘贴、来回切屏翻译吗？人工核算成本太高，普通翻译软件导出排版全乱，大把时间白白耗掉😮💨沉浸式翻译集成多款主流大模型，网页、外文文献、PDF、漫画、会议...全都能轻松搞定，不用来回切换页面。🔥618限时福利｜6.8–6.21原有优惠叠加折上折，整年使用权限直接半价，立省400+ ▪️初次入手整年：半价 ▪️存量整年次年权益续用：半价 ▪️按月在用升级整年：同享半价科研、留学、跨境办公刚需，一年就这一回低价！#沉浸式翻译# #AI翻译# #618# #科研# #网页翻译# #文档翻译# # #打工人必备# #效率软件# #学生党# #外企# 沉浸式翻译的微博视频

转发者评论

无明显转发评论

原文

#微博声浪计划# #听见微博# 6月6日的AI新闻勾勒出一个行业转折点：从流量争夺转向生态深耕，从概念验证转向商业闭环。阿里千问与腾讯微信的同步发力，标志着国内AI竞争正式进入Agent时代。千问开放第三方Agent入驻，构建服务闭环；微信凭借14亿用户和百万级小程序试图后发制人。这种从Chatbot到Agent的进化，本质上是将AI从问答工具升级为任务执行者。关键变量在于：谁能率先让Agent真正"替人干活"而非"代人聊天"，谁就能在下一代交互入口占据有利位置。豆包月活首次下跌则揭示了一个残酷现实：免费换增长的模式在AI时代难以为继，每一次对话都是真实算力消耗，用户规模越大成本越高。这倒逼字节必须走付费模式，但也意味着其用户盘子可能面临收缩压力。词元出海的现象值得关注。汕头等地依托来数加工政策试点，将国内算力封装为可跨境交付的数字服务产品，本质上是将算力变成了一种新型贸易商品。这种模式能否规模化复制，取决于政策合规性与海外算力需求的双重变量。全球范围内，OpenAI重启机器人业务、SpaceX以AI故事冲击史上最大IPO，显示出具身智能与算力资产正成为资本押注的新风口。而Anthropic向SpaceX支付150亿美元年租金租赁算力，则揭示了一个悖论：即便估值逼近万亿，AI公司仍高度依赖硬件基础设施，算力供给能力正在成为制约行业发展的核心瓶颈。这一天的信号很清晰：AI行业的竞争已从模型性能比拼，转向生态构建能力、商业闭环能力和算力保障能力的综合较量。前往小宇宙评论区与主播互动 德里克文的微博音频

转发者评论

无明显转发评论

原文

从编程角度介绍大模型应用（2）：大模型聊天框怎么运作的第一节：从编程角度介绍大模型应用(1) 网页链接大模型聊天不是大模型本身，而是一个应用。大模型公司，或开发公司拿开源大模型，编出网页版、APP版的聊天程序。在一个框里连续聊天，前后相关，大模型明显知道前面聊了啥。这有个最重要的概念：上下文（context）。大模型是怎么和我们一句句聊的？从编程角度来理解，关键是聊天程序调用大模型吐词，它还要组织上下文。大模型刚开始流行的时候，输入一句话叫prompt（提示词），大模型会输出一句回应，这中间就调用了一次大模型。调用大模型，就是给它个输入，它给出个输出。我们输入一句prompt，如“今日天气”。大模型会先调用tokenizer，把它变成几个token（简单理解，就一个字对应一个token）。但每个token有好几千维的数据，DeepSeek V3是7168维，100个token输入，会拼出个100*7168维的输入矩阵。大模型最直接的输入，其实是这个矩阵。纯聊天不用管tokenizer。编程调用大模型时，要写代码调用tokenizer函数，计费、上下文管理按token数算，知道了有好处，太大了要处理。tokenizer和大模型绑定了不能换，也可以当成大模型的一部分。100*7168的输入矩阵，在大模型里跑矩阵运算，神经网络一级级推理，最末一级会输出“一个token”。例如，“今日天气”输入给大模型，它会输出一个token，例如“好”字，例如“很”字，都行。实际最末一级输出的是“概率组合”，每种token的概率。一共14万种token，绝大多数概率是零接不上。输出时选概率最大的，或随机挑个合理的，用“温度”参数控制输出多样性。聊天时会看到大模型一个个吐字，就是算了一个token。吐不少字后最后输出，这是一个“自回归”过程。新吐的那个token加在之前的prompt后面（如变成“今日天气很”），输入矩阵增大。不用tokenizer，输出的token直接拼，变成101*7168的输入矩阵。又重复跑一遍推理，又得出一个新的token（“今日天气很好”）。第二次计算会发现，101*7168维的矩阵绝大部分和之前一样，不用重新算，用之前保存的“中间结果”就行，新加的那个才算。这中间结果学名叫KV Cache，体积十分巨大，就是它把内存股干到天上去了。新算一个token，KV Cache也更新一些。如此重复不断吐token，最后一步输出一个“停止”token，就全结束，整体输出给用户。这是聊一句的过程。接着人们又来一句，这要解释下。聊天程序要精心组织上下文，把“第一次输入”+“第一次输出”+“第二次输入（tokenizer后变成矩阵）”拼成一个更大的输入矩阵，发给大模型去算。第一次留下的KV Cache（包括第一次输出的token相关的）很有用，整体上吐字挺流畅。但第一个…

转发者评论

大模型的所谓推理，不只是逻辑机制，主要还是知识也就是它的记忆。它推理时的记忆分两部分，一部分就是固化在它本身中的权重，还有一部分是在上下文里，前者永远在模型里，后者推理完就没了（除非再以上下文形式给它）//@流云寂寞无言:AI的逻辑机制有点接近人类了，但记忆机制不行。我们家里作为教育世

• 大模型的所谓推理，不只是逻辑机制，主要还是知识也就是它的记忆。它推理时的记忆分两部分，一部分就是固化在它本身中的权重，还有一部分是在上下文里，前者永远在模型里，后者推理完就没了（除非再以上下文形式给它）//@流云寂寞无言:AI的逻辑机制有点接近人类了，但记忆机制不行。我们家里作为教育世

原文

我一上海朋友，和一个“绿茶姐”暧昧了整整五年，却连手都没拉过。这绿茶姐的姐夫，是他重要的生意伙伴，不想得罪所以她每次发来消息：“有空吗？我在星巴克”，“晚上要不要吃个饭”，“明天要不要去XX地方”？他就老老实实赴约。她们几乎每个星期都要见一到两次面，大家都认为她们在谈恋爱甚至好几次开车，把她送回江苏老家，被人误以为是见家长但他心里门清：对她零感觉，人确实很漂亮，就是绿茶味太冲。五年时间里，他把“高情商装傻”玩到了极致，只掏钱只付出时间，从来不考虑感情反正也是离异单身，你只要发出邀请，我就肯定去，买单金主情绪价值样样到位，就是一直装傻充愣，坚决不越雷池半步。甚至两个人几次晚上看电影，植物大战僵尸，都没有握住绿茶姐的手～～后来他结婚了，她知道了绿茶姐当场崩溃，像被渣男绿了一样，追着他闹了一个星期：你到底什么意思？你突然就结婚了，我算什么啊？！他终于忍不住笑了：姐姐，五年多了吧，我们吃了多少次饭、喝了多少杯咖啡、看了多少场电影，你还记得吗？我们总共就握过两次手，第一次握手是初次见面喝咖啡，第二次还是跟你姐夫一家聚会，临走我顺手扶了你一下我一直以为你对我没感觉呐，要不，那么多次烛光晚餐，那么多次宵夜送你回家，你借着我多喝了几杯，事情不就成了吗？你现在让我给你个说法？我还想问问你呢，我这五年到底算什么？最后他还补了一句：我一直以为，你就是把我当哥们，当成你姐夫的朋友，在小心翼翼地维持着合作关系呐～～

转发者评论

其实茶里茶气就是在商言商，任何事情都是谈钱伤感情，谈感情伤钱，那就在商言商好了 //@有个梨GPT:五年了，两只红茶。//@杜子建:我反而觉得，这男的才是正版绿茶。

• 其实茶里茶气就是在商言商，任何事情都是谈钱伤感情，谈感情伤钱，那就在商言商好了 //@有个梨GPT:五年了，两只红茶。//@杜子建:我反而觉得，这男的才是正版绿茶。

原文

【Claude总结】 AI开发者日报 (2026-06-05)1. 【Claude让rsync引入更多bug？代码质量深度分析】(来源: HN) 开发者对rsync提交记录分析后发现，AI辅助编写的代码缺陷率显著高于纯人工代码，引发281人在HN激烈讨论。这提示AI辅助编程仍需严格代码审查，"AI写代码即好代码"的假设需要被重新审视。 alexispurslane.github.io/rsync-analysis/2. 【Google发布Gemma 4 QAT：为手机和笔记本优化的边缘AI模型】(来源: HN) Google推出量化感知训练版Gemma 4，在压缩体积的同时保持高质量推理，专为边缘设备本地运行设计。这使普通消费级设备运行主流开源模型成为现实，推动本地AI大众化。 blog.google/innovation-and-ai/technology/developers-tools/quantization-aware-training-gemma-4/3. 【Ask HN：你对GenAI最震惊的时刻是什么？】(来源: HN) HN社区征集开发者亲历的GenAI"震惊时刻"，355条留言呈现了从惊艳到失望的真实场景全谱。这些案例折射出行业对AI能力边界的集体认知现状，是最真实的GenAI使用体验报告。 news.ycombinator.com/item?id=484061744. 【用Agent Skill打造测试驱动开发工作流】(来源: HN) 开发者分享了将AI agent与TDD融合的实践——让AI先生成测试用例，再自动迭代修复代码直到测试通过。这种"测试先行+AI填空"的模式正成为高质量AI辅助开发的新范式。 www.saturnci.com/my-agent-skill-for-test-driven-development.html5. 【Lowfat：节省91.8% LLM Token的可插拔CLI过滤器】(来源: HN) 开源工具Lowfat通过在请求进入LLM之前过滤冗余内容，实测节省了91.8%的token消耗。对于大量使用AI工具链的团队，这种前置过滤策略极具成本优化价值。 github.com/zdk/lowfat6. 【理论证明：Transformer本质上是简洁的】(来源: HN) OpenReview论文从数学角度证明Transformer架构具有固有简洁性，为理解其泛化能力提供了新的理论框架。这一发现或将影响未来模型压缩、蒸馏和表征效率的研究方向。 openreview.net/pdf?id=Yxz92UuPLQ7. 【Google Gemma 4 12B发布：无编码器多模态统一架构】(来源: dev.to) Google发布Gemma 4 12B，采用无编码器设计实现图文统一理解，同量级模型中多项基准领先。作为G…

转发者评论

无明显转发评论

原文

#豆包客服回应付费后月活减少610万# 豆包这次真正踩到的雷，是整个中国AI行业还没解开的死结：用户习惯了免费，但免费这条路，走不远。每年数百亿的算力支出，日均120万亿Token调用，这些数字太离谱了。说白了，现在所有C端免费的AI产品都在烧投资人的钱替用户做慈善，这不是商业模式，这是军备竞赛的消耗战。豆包只是第一个伸手试水温的，结果手刚伸进去就被烫了一下。但水温不会因为你缩手就降下来。通义、DeepSeek现在还能扛着全免费的旗帜，是因为它们也在等，等别人先收费，先挨骂，先把路蹚出来。豆包某种意义上是替全行业挡了一枪。可悲的是，挡枪的人通常不会被感谢。 豆包客服回应付费后月活减少610万

转发者评论

无明显转发评论

原文

OpenCV 5正式来了！自2018年OpenCV 4发布，八年来最大一次升级。这次升级包含了无数开发者的贡献，其中下面三个单位系统性组织了开发：✅Big Vision公司：负责OpenCV开发、OpenCV大学、OpeCV推广等✅OpenCV中国团队：负责RISC-V和嵌入式系统优化、CPU性能测试基准开发等（感谢中科院软件所、@进迭时空SpacemiT 支持RISC-V生态优化）✅OpenCV.ai公司📣特别提醒：南方科技大学的十余名本科生为OpenCV 5做出了贡献！OpenCV的详情请阅读：网页链接

转发者评论

无明显转发评论

原文

CVPR2026上，南洋理工大学的多媒体实验室在分享他们的论文：对数线性稀疏注意力（Log-linear Sparse Attention，LLSA）。这是一种可训练的稀疏注意力机制，可将注意力计算复杂度从 O(N²) 降低到 O(N log N)，从而显著提升扩散 Transformer 的效率。图中为一作周弈帆大佬。#AI创造营#

转发者评论

无明显转发评论

• 注意力全在丰川祥子身上了 //@蚁工厂:知乎有论文详解：http://t.cn/AXXpzzqI
• 知乎有论文详解：http://t.cn/AXXpzzqI

原文

# 我花了三周，教会 AI 写剧本——然后把它开源了众所周知，俺是个数字影像工程师。我们的日常就是在"创意"和"执行"之间反复横跳。创意说"我想要那种感觉"，执行说"你倒是告诉我要拍几个镜头"。这中间的翻译工作，耗掉了大部分人的大部分时间。AI 来了之后，我看过大量从写文案到做分镜的各种工具，最大的感受是：**AI 能写，但需要一个脑子清醒的人告诉它怎么才能不写飞。**所以我把自己这些年踩过的坑，趟过的雷，经历过的东西做成了一套 Skill。叫**剧本锻造（Script Forging）**。---## 它不是一键成片市面上有一种很流行的说法："丢一个故事进去，AI 就给你吐出一份完整剧本。"这要么是营销话术，要么是那个人根本没拍过东西。真正能拍的剧本，不是一段通顺的文字。它需要：- 每一场戏都有明确的进入点和退出点- 人物的行为不能因为 AI 的"合理猜测"而突然变成另一个人- 台词背后有潜台词，动作背后有动机- 那些被反复使用的物件、空间、意象，必须从头到尾记得住、对得上所以我做的这个东西，本质是一个**工作流引擎**。它不是黑箱，而是一步一步、在你眼皮底下干活。每一步结束，它停下来等你说"可以继续"，然后才走下一步。> AI 负责锻造，你负责判断。---## 它是怎么工作的流程不复杂：```故事原文 → 先判断形态：长片？短片？还是更适合做短剧？ → 生成"剧本化提示包"——写剧本之前必须先定规矩 → 等你确认 → 画分场大纲——每个场次的施工图 → 等你确认 → 写剧本一稿 → 自动做自检报告 → 有问题就进二稿 → 再来一次自检 → 等你确认 → 出分镜表（关键分镜 / 场级 / 逐镜头任选） → 出数字资产清单（角色、场景、道具、母题、服装状态）```全程有 6 个 **🔴 CHECKPOINT**。不是我矫情，是因为**每一步方向走错，后面全白做**。AI 不会替你判断"这个结局对不对味"，这个判断必须你来做。---## 它和另一个 Skill 是搭档我之前还开源过一个叫[叙事转译](网页链接)的 Skill，专门做故事诊断和影视开发读本，回答"这个故事能拍吗？怎么拍最好？"剧本锻造回答的是下一句话："那就拍吧，这场戏怎么拍？"两个 Skill 分家，是因为帮投资人看方向和帮导演做执行，用的是两套完全不同的脑子。而且它们不是单向的流水线。剧本锻造出完定稿剧本之后，可以回到叙事转译，基于定稿生成演员读本和导演视听读本。因为这个顺序才正确，演员读本本该在剧本定稿之后才做，之前在叙事转译里其实不该有这个步骤。---## 它到底输出了什么以我仓库里放的示例项目《一起养》为例，一个故事进去，完整的输出包长这样：| 阶段 | 产出 | 实际大小 ||:--|:--|:--|| 形态判断 | 长片、中短片、短剧哪个更适配？给出推荐和理由 | — || 剧…

转发者评论

无明显转发评论

• 说到底不管哪个行业，除了创意方案本身。做好做细做精还是得在工程上下功夫～
• 赞//@蚁工厂:[老师好]
• Markdown格式看Skills很舒服

原文

根据 SpaceX 公布的一份文件Google与其签订了一份协议，从 2026 年10月至 2029 年6月止，每月支付9.2 亿美元购买算力，具体包括大约 110,000 个 NVIDIA GPU、CPU、内存以及其他组件。 此前 Anthropic也向SpaceX 每月支付 12.5 亿美元购买算力...算下来每年有 260 亿美元的收入，躺赚啊...日了狗了，赚钱还是得看老马...

转发者评论

无明显转发评论

原文

抽卡游戏，氪金卡池双巧思：“期望”与价格不均。很多人会说“抽得足够多”会回归“期望”。一万抽算足够多吗？其实也不太算。但就算如此，很多玩家到“退坑”，也没有一万抽。对于只抽一个的玩家，“中位值”更贴近体验。图三是个简化但典型的抽卡模型分布，90抽必出。期望是53.18 抽，而“中位值”是70抽——接近一半人抽数是70抽以上。“期望”是“庄家”跟“富哥”的游戏。还没完，每一抽价格不相等，越抽越贵。假设抽角色，保底不继承，一个池子可以抽7个该角色，一般玩家只抽一个。再假设，游戏轻松获取的“福利”是20抽，肝满的“福利”再加40抽。30元可以买特定池子10抽，68可以再买特定十抽，接着是经典直充，各档位首充双倍，328充值21抽，648充值43抽。保底不继承，一个池子可以抽7个。最“便宜”是免费，总共60抽，虽然超过期望，但还不到中位值；最高价位按648换43抽算，约15元一抽。这里挑两名典型玩家来具体体会：第一位是小明，肝满的“零氪”玩家，抽一个角色，得到图五，一名角色的花费，可以从“免费”到426元。中位值就是花30元，有点不幸的话，要花98元；第二位是小强，不肝的氪佬，假设直接放弃所有肝满“福利”，上来就凭喜好抽1-7个。得到图六每抽价格，期望从4元一抽一路到11元。以上是非常简化的分析。实际还要考虑复杂保底、高难奖励、保底继承、更多价位、玩家长期积累、甚至数值膨胀等因素。注：配图为AI生成。

转发者评论

无明显转发评论

原文

红色高棉为什么成为人间地狱？Claude对此解答: 红色高棉是20世纪最极端的政治实验——它在不到四年的时间里（1975-1979）造成了柬埔寨约四分之一人口的死亡（估计150万到200万人，总人口约700-800万）。理解它为什么变成人间地狱，不能简单归结为"波尔布特是疯子"——虽然他确实是——而需要追问：什么样的意识形态逻辑、什么样的历史条件、什么样的权力结构，能让一个政权在如此短的时间内系统性地消灭自己国家四分之一的人口？先确认灾难的规模红色高棉统治柬埔寨的时间是1975年4月17日到1979年1月7日——不到三年零九个月。在这段时间里：估计150万到200万人死亡——死因包括处决、饥荒、强制劳动导致的体力衰竭、疾病和缺乏医疗。所有城市居民被强制驱赶到农村——金边在被攻占的当天就开始清空，约200万城市居民在两三天内被驱赶上路，步行前往农村。老人、病人、孕妇、刚做完手术的病人——全部必须离开，没有例外。路上死了多少人没有精确统计，但估计成千上万。货币被废除，市场被取消，宗教被禁止，学校被关闭，医院被清空，家庭被拆散，私有财产被没收。整个国家被重置为一个巨大的强制劳动营。S-21监狱（图尔斯楞）是这个体系的浓缩象征——约17000-20000人被关进这座由学校改建的审讯中心，经过酷刑折磨后处决。已知的幸存者只有7到12人。意识形态的极端化：从马克思到农业乌托邦红色高棉的思想根源红色高棉的核心领导层——波尔布特（原名沙洛特绍）、乔森潘、英萨利、宋成等——大多在1950年代留学法国，在那里接触了马克思主义。但他们接受的不是马克思的原版理论，而是经过几层扭曲后的极端变体。第一层扭曲：从法国共产党的极左翼传统中吸收了革命暴力的浪漫化。 1950年代的法国知识界弥漫着对第三世界革命的浪漫主义想象——殖民地人民通过暴力推翻压迫者、建设全新的社会。法农（Frantz Fanon）的《地球上的受苦者》是这种思潮的代表——它论证了暴力本身具有"净化"和"解放"功能。波尔布特等人在这种知识环境中形成了对革命暴力的信仰。第二层扭曲：从毛泽东思想中提取了"农民革命"和"阶级斗争"的极端版本。 毛泽东的理论——农村包围城市、农民是革命主力、阶级斗争必须持续进行——被红色高棉进一步推向极端。毛泽东认为农民是革命力量但仍然承认需要工人阶级和知识分子的参与；红色高棉把农民（特别是最贫困的农民）提升为唯一纯洁的革命阶级，其他所有群体都是可疑的、需要被改造甚至消灭的。第三层扭曲：原始共产主义的乌托邦想象。 红色高棉的最终目标不是苏联式的工业化社会主义，也不是中国式的渐进发展，而是一种彻底的、回归原始的农业共产主义——没有城市、没有货币、没有私有制、没有阶级差异，所有人在集体农场中劳动，共同分享成果。这个愿景更接近卢梭式的"回归自然"幻想，而非马克思的历史唯物主义——马克思明确认为社会主义…

转发者评论

因为当理想主义者把“血海”定义为从“不完美的现在” 通向 “绝对善的未来” 的唯一通道时，他们不仅允许暴行发生，还会产生一种悲剧般的崇高感。 他们会含泪、真诚、甚至英勇地去执行暴行，并在其中获得殉道者的精神奖赏。//@滑雪的江鱼儿:历史上最大规模的暴行几乎都是由"有理想的人"执行的——不是

• 因为当理想主义者把“血海”定义为从“不完美的现在” 通向 “绝对善的未来” 的唯一通道时，他们不仅允许暴行发生，还会产生一种悲剧般的崇高感。 他们会含泪、真诚、甚至英勇地去执行暴行，并在其中获得殉道者的精神奖赏。//@滑雪的江鱼儿:历史上最大规模的暴行几乎都是由"有理想的人"执行的——不是

原文

中国传统配色地址：github.com/nevertoday/zhongguo-traditional-colors/一个用于展示、学习和复用中华传统色的开放图片项目。当前仓库收录 538 张传统色色卡图片，每张色卡包含色名、HEX、RGB、CMYK、配色推荐和气质关键词。#AI创造营#

转发者评论

无明显转发评论

原文

【#李飞飞把世界模型讲明白了# 】世界模型是AI领域最被滥用的术语之一，李飞飞看不下去了，发长文把世界模型讲明白了。她先用一个循环讲清楚智能体怎样和世界互动的，然后把现在的“世界模型”分为三类，还提出了最终目标：构建一个统一的世界模型。#世界模型# #AI# #李飞飞# #物理AI# #模型# 量子位的微博视频

转发者评论

无明显转发评论

原文

【#AI创造营# | 一图看科技AI博主如何玩转AI视频】你以为AI只是辅助工具？在微博，创作者们早已把它变成了"掌上好莱坞"。🎬 IP二创大爆发，热搜破圈不停！从"微博电影之夜"到浪漫520，从大片经典到热门游戏，创作者们用AI重构经典片段、定制高甜番外、打造游戏英雄专属剧情，让脑洞直接变成现实画面。🚀 全链生态升级，创作门槛直降！想要大V同款神仙视频？微博V创作中心HappyHorse 1.0已上线，还有"AI旅行任意门"等福利活动等你来玩。最硬核的工具配最灵动的想象，出片从未如此轻松~点击长图解锁创作灵感现场⬇️加入#AI创造营#，用工具赋能你的无限想象力！下一个玩转AI影像的爆款博主，就是你。

转发者评论

有幸上榜，大家都好棒！[捂嘴哭] #AI创造营#

• 有幸上榜，大家都好棒！[捂嘴哭] #AI创造营#