微博 AI 观察博客

原文

前些天 X 上还一堆人讨论要不要看 AI 生成的代码，现在《Clean Code》作者鲍勃大叔都说：“我不看 AI 写的代码”他的原话是，这是他能利用 AI 生产力的唯一方式。人类读代码太慢了，如果还逐行审查，就丧失了用 AI 的意义。但不看不等于不管。他的做法是给 AI Agent 设置层层关卡：单元测试、Gherkin 测试（一种用接近自然语言描述软件行为的测试格式）、QA 流程、代码质量指标、变异测试（故意往代码里塞小错误，看测试能不能抓住）、测试覆盖率，等等。他在今年早些时候还公开了自己的具体实践：一套四个 Agent 组成的流水线，分别负责需求规格化、编码、重构和架构审查，每个阶段都比上一个阶段更形式化，需要的人工干预也更少。他同时还会看测试覆盖率、依赖结构、圈复杂度、模块大小这些指标，从指标推断代码质量，而不是从代码本身。【注：圈复杂度（Cyclomatic Complexity）衡量代码中独立执行路径的数量，数字越大说明逻辑越复杂，越难维护和测试。】当 AI 生成代码的速度远超人类阅读代码的速度，代码审查的形态也在跟着改变。以前的核心能力是读代码、写代码，现在可能正在变成写测试、定约束、设指标。鲍勃大叔过去几十年一直在推测试驱动开发（TDD），现在 AI 时代高质量的测试覆盖反而比代码更有价值。他今年在 O'Reilly 上开了一门课，叫《AI Agents for Clean Code》，也在自己的 Clean Coders 平台推出了新系列《Clean AI: Agentic Discipline》。主旨一样：AI Agent 不是不需要纪律，是需要不同的纪律。

转发者评论

无明显转发评论

• 这倒说到重点了：AI 替代不了的还是拍板背锅的能力。80%以上的项目都没有那么复杂，通常一个项目中真正复杂的部分也不超过20%//@节介:回复@夜与黎Zirro:那你非要杠也没办法咯，几十个项耦合目的电商平台，参与人员换了一批又一批，你说迭代完全给 AI 审查，我就问问有几个领导敢拍板说这套流程没问题？
• @业务员小韩 //@Easy:学习了
• 回复@O_O远:1. 用更好的模型；2. 任务拆小一点；3. 一开始就提供验证的方法，当它能验证做的对不对就很少偷懒；4. 人工验证也是必要的//@O_O远:但写的代码不一定完全符合你的意图啊，尤其是ai喜欢偷懒。经常是要花很多token核对。
• //@Easy:学习了

原文

分享一个开源的AI视频创作专用的自由画布工具。无限画布，把 AI 影视生成、分镜和 Agent 放进同一个创作空间无限画布是一套面向 AI 影视创作的开源工作台。它把节点编排、图片／视频／音频生成、结构化分镜、角色卡、3D 导演台、素材库和异步任务统一在一张画布上，适合从视觉探索一路推进到镜头资产管理。真正拉开差异的是它对“连续创作”的处理。单个生成工具通常只负责吐出素材，无限画布会保留镜头之间的关系：参考图、首尾帧、运镜、视频续写、局部修改和角色设定都可以进入节点网络。生成结果由素材库集中管理，失败任务能够重试，画布登录后还能跨设备同步。Agent 也被接进了工作流。项目提供网页画布助手、本地 Canvas Agent、Codex App 插件和技能库，Agent 可以读取画布状态、操作节点并编排任务。它不只是在输入框里帮你写提示词，更接近一层可操作创作空间的导演助理。技术上采用 TypeScript 前端 + Go 后端，支持 PostgreSQL、Redis、私有 OSS、Docker 部署和 OpenAI 兼容模型渠道。首次部署后由第一个注册账号成为管理员，再配置自己的模型供应商。🔗 链接：网页链接🌐 在线体验：网页链接🧩 上游项目：网页链接#HOW I AI# #ai生活指南# #视频生成#

转发者评论

无明显转发评论

• 作为上古黑话，快速检验对方入行时间[不愧是你][捂嘴哭]//@Stormblinger--://@蚁工厂://@嘉文钱:在心中[笑而不语]//@摇摆时间线ZHLMI:我又要灵魂拷问了，ComfyUI 该何去何从[笑而不语]
• //@嘉文钱:在心中[笑而不语]//@摇摆时间线ZHLMI:我又要灵魂拷问了，ComfyUI 该何去何从[笑而不语]

原文

这可能是今年最值得看的一堂AI课程。40分钟，杨植麟把未来几年AI发展的关键逻辑讲透了，从Scaling Law，到下一代模型架构，再到Agent智能，他没有只讲一个产品，而是在拆解一个更大的问题：未来的AI，究竟会如何进化？过去几年，大模型竞争靠的是更大的参数、更强的算力，但下一阶段，真正决定胜负的，是模型效率、推理能力，以及能不能从聊天工具变成真正能够完成复杂任务的智能体。如果你想理解GPT、Kimi、Claude等大模型未来会走向哪里，这40分钟非常值得收藏。看懂这堂课，可能就看懂了未来几年AI行业最大的变化。#科技先锋官##How I AI# AIGC·非著名程序员的微博视频

转发者评论

无明显转发评论

• //@郑伟:转发微博

原文

想开发agent，或者想知道自己的agent发了些什么东西的，可以试试这个项目：claude-tap 地址：github.com/liaohch3/claude-tap/这是个给 AI 编程 agent 用的本地代理和 trace 查看器。用它能看到真实 API 流量和 agent 上下文：system prompt、对话历史、工具 schema、工具调用、流式响应、token 用量和请求 diff。用它可以：👀 看见真实上下文：检查 prompt、messages、工具定义、工具调用、工具结果、流式 chunk 和 token 用量。🔎 用证据定位问题：对比相邻请求，明确是哪段 prompt、消息、工具或参数发生了变化。📦 留下可分享证据：每次运行都会写入 JSONL trace，并生成自包含 HTML 查看器，方便 review 或归档。🔒 数据留在本机：不依赖云端 dashboard；常见认证 header 会在记录前自动脱敏。🧩 覆盖主流编码客户端：同一套流程可用于 Claude Code、Codex CLI、Codex App、Gemini CLI、Grok Build CLI、Kimi CLI、MiMo Code、OpenCode、OpenClaw、Pi、Hermes Agent、Cursor CLI、Qoder CLI、Antigravity CLI 和 CodeBuddy CLI。#How I AI#

转发者评论

无明显转发评论

原文

《深入理解 AI Agent：设计原理与工程实践》已开源全书正文、编译版 PDF 及 88 个配套项目。从 Agent 基础到多 Agent 协作，围绕「LLM + 上下文 + 工具」核心公式，覆盖上下文工程、RAG、Coding Agent、模型后训练、自我进化、多模态交互等十个主题，全部代码可独立运行，适合开发者、研究者和高校课程使用。GitHub：github.com/bojieli/ai-agent-book主要内容：- 10 章正文，系统讲解 Agent 设计原理与工程实践；- 88 个配套项目，70+ 可独立运行，涵盖实验、评估、训练与部署；- 支持中文、台灣正體、英文、泰米尔语、越南语五种语言版本；- 提供 PDF、EPUB 电子书及源码，方便本地构建与二次开发；- 附赠 API 密钥申请指南与 20 个外部仓库一键克隆脚本，降低上手门槛。全书采用 Apache-2.0 协议开源，欢迎通过 PR 贡献勘误、代码或新实验。

转发者评论

网盘下载PDF: http://t.cn/AX9CgsJR

• 网盘下载PDF: http://t.cn/AX9CgsJR

原文

李博杰的新书《深入理解 AI Agent：设计原理与工程实践》全仓库开源了。全书10章正文、PDF、28个配套可跑项目全部开源。作者是前 Cloudflare 研究员，现在做 AI infra。核心逻辑：Agent = LLM + 上下文 + 工具1. 上下文工程（第2章）不只是"写好 prompt"。讲了 KV Cache 友好设计、动态 prompt、Agent Skills、上下文压缩策略。上下文决定 Agent 能力上限，这一章是基础。2. Coding Agent（第5章）代码是"能创造新工具的工具"，是通用 Agent 的元能力。这章用一个生产级 Coding Agent 作为完整示例，展示从设计到落地。3. Agent 自我进化（第8章）不改模型权重的情况下让 Agent 持续成长：从经验中学习、主动发现工具、从"工具使用者"变成"工具创造者"。4. 多模态与实时交互（第9章）语音、GUI、Computer Use、机器人操作。三种语音范式（级联/端到端全模态/全双工）在这一章有详细对比。5. 多 Agent 协作（第10章）什么时候多 Agent 真的比单 Agent 强？失败模式有哪些？涌现出的"Agent 社会"是什么样的？28个项目按章节分类，大部分只需要配一个 API Key 就能跑。GitHub: github.com/bojieli/ai-agent-book#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

#韦东奕获国家自然科学二等奖#用人话解释一下韦教授和章教授为什么能拿这个奖:过去大家都知道，积木堆得太高，容易倒。但大家都不知引发倒塌的节点究竟在哪，于是只能抱着赌一把的心态堆积木，心里求的是老天开恩，让我再叠高一点。韦东奕和章志飞通过各种演算，最终得出了一套数学公式，摸清了可能引发积木倒塌的红线，公式精确到风从哪个角度吹、吹到几级、积木会从哪一根开始松动，并在哪一毫秒彻底垮掉。所以，他们的研究成果和月薪三千的我有什么关系呢？关系大了去了。。。湍流是现代工业中最大的安全隐患之一。举个例子:我们坐飞机，突然遇到高空急流，飞机像坐过山车一样剧烈颠簸，这就是因为气流变成了湍流。大气湍流没有雷达回波、毫无预兆，极难预防，破坏力却极为惊人:飞机可能瞬间剧烈下坠几百米，没系安全带的人分分钟骨折，甚至造成严重的人身伤害。长期的剧烈颤抖还会加速机身金属疲劳，极端情况下甚至会引发坠机事故。过去，对于这种突然狂暴化的气流，只能依靠飞行员的自身经验来避免，但现在韦东奕和章志飞给出了数学框架，只要写进飞机的气象预测系统和自动驾驶代码里，那飞机就等于是开了神级天眼。即便气象雷达无法察觉，算法也能提前捕捉到前方空气变乱的微观前兆，指导机翼在零点几毫秒内做出微调，直接把颠簸消灭在萌芽状态。不仅能保护舱内乘务员和乘客，更能大大减少飞机的结构损耗，将空难的概率压到最低。除了保障天上的人们的安全，韦东奕和章志飞提供的公式还能保护地面上的人们的安全。大气湍流之外还存在着水流湍流，比如洪水就是湍流的一种。洪水爆发时的恐怖，不用科普了吧？但洪水与大气湍流不一样，大气湍流是正常孩子因为种种原因在某个时间点突然黑化，掌握了人性的规律就比较好预防。而洪水则是个一开始就拿着菜刀乱砍的疯娃子，没人能搞清丫的脑回路，所以即使是韦神也没法预防。但防不住疯娃子砍人，我们可以升级大家的护甲啊。以前科学家用电脑模拟洪水怎么冲刷桥墩、堤坝和车辆时，由于底层数学模型不够完美，模拟出来的受力数据经常有误差。而韦神团队给流体力学补上了最核心的数学框架。用上新公式后，防汛仿真软件解析度立马翻倍的，能更精准地指导未来的桥梁、防洪堤坝该怎么修，才能抵抗住狂暴山洪的致命一击。除了人，工业管道是湍流最大的受害者。 管道里的水、油、气走得太快，就会从听话的“整齐队伍”突变成疯狂乱窜的“暴走旋涡”（湍流）。这些紊乱涡流就像砂纸一样天天冲刷管壁，导致非腐蚀性的壁厚减薄，直到突发性泄漏或爆管；它们还会诱发高频震动，硬生生把法兰和螺栓震松导致渗漏。然后就是化工厂爆炸、泄露了，一场事故下来，一整座城市都可能受害，人员、财产损失无法估量。现在韦神团队用数学公式精准算出了流体失去暴走的阈值，并算清了那无数个搞破坏的“小旋涡”（奥森涡）是怎么诞生、怎么传递能量的。 如此一来，工程师们就能在设计输油、输气管道时精准卡Bug，设计出能抚平小旋涡的特殊管壁微…

转发者评论

//@植物眼:这是二等奖，想想一等奖含金量//@开水族馆的生物男:厉害了//@財布桑:是神！//@北京张胖子://@大魔王FCP://@赛博猫研究者:卧槽//@Doublewings:这个得给磕一个！湍流我一直以为是无解的。即便是特定形状条件下的湍流的解也能解决很多问题。//@Zodzod_张浩:这个牛吹大了//@金山:转发微博

• //@植物眼:这是二等奖，想想一等奖含金量//@开水族馆的生物男:厉害了//@財布桑:是神！//@北京张胖子://@大魔王FCP://@赛博猫研究者:卧槽//@Doublewings:这个得给磕一个！湍流我一直以为是无解的。即便是特定形状条件下的湍流的解也能解决很多问题。//@Zodzod_张浩:这个牛吹大了//@金山:转发微博

原文

1当年在学校读哈耶克的时候。。。我是万万没想到，真正信奉他的学生在中国。。。他关于价格和资源配置的和核心理念是：没有任何中央机构可以掌握完全信息，唯有自发秩序（Spontaneous Order）和自由的价格机制才能实现资源的最优配置。2而今天在中国，几十家模型公司在进行残酷而平等的社会达尔文主义式竞争。极度有限的算力资源下，被迫把工程优化做到了极致，用疯狂的内卷挤干了行业的所有水分，把真正的AI使用成本砸成了白菜价。3而美国？他们仍然高喊自由市场、创新精神。3.1然后，偷偷把加速算力基建折旧分摊到 6 年，当期的营业成本（COGS）大幅下降，营业利润（Operating Income）瞬间被“做高”了几十亿甚至上百亿美元，向华尔街展示了一份“AI 投资回报率良好”的假象。3.2然后，再来一份供应商融资与循环营收（Vendor Financing / Round-Tripping）Nvidia 投资了云服务提供商 CoreWeave ，CoreWeave 拿到了钱（和算力配额），去向 Nvidia 采购大量的 GPU，微软/OpenAI 再去租用 CoreWeave 的算力，同时微软英伟达又给 OpenAI 投钱，OpenAI 再去买微软的 Azure 算力。。。其中真正的“终端原生业务收入”（来自非 AI 圈的外流真金白银）到底占多少？3.3然后，再来一个行政限制令。Sam Altman 等人频繁奔走国会，呼吁政府“给 AI 模型打证”、“限制开源”、“设立许可证制度”。表面上是为了“人类安全”（AI Safety），实际上是典型的用行政门槛将后来的创业者挡在门外。3.4然后，再来一个加速算力封锁。ASML 和英伟达的东西无法进入中国。强行切断供给侧的价格发现机制。3.5最后，上闭源神秘主义与“反蒸馏”条款。我们都是神，你 feel agi 就行，别 study 。我们吞噬全人类互联网上无偿分享的数据（包括未经授权版权内容）来训练模型，一边在服务条款里写着“严禁用我的 Token 去蒸馏和训练你的模型”。以此来回避竞争抬高 token 价格。4其实，我并不反对以上所有行为。。。我反对的是同时高举：自由民主人类利益的大旗。。。我可以尊重婊子，真做得好，也是合理的生意和独特的壁垒，不一定竞争不过中国。但是，我无法尊重当婊子还立牌坊。。。钱你赚就赚了，何必非要同时侮辱我的智商呢。

转发者评论

无明显转发评论

原文

吴恩达团队最近开源了一个桌面应用，叫 OpenWorker，顾名思义就是一个能干活的 Agent ，你告诉它要什么结果，它直接把成品交到你手上。一份排版好的文档，一封带数据的 Slack 回复，一个整理好的日历，一个分好类的收件箱，拿到手就能用。用法很简单。你打开应用，填一个模型 API Key，然后用大白话告诉它你想干嘛。比如帮我准备一份客户简报，帮我理一下这周的日历，帮我查查 Jira 和 GitHub 上这个版本发布到哪一步了。它会自动把任务拆成几步，然后跨你的桌面、文件和各种连接的应用去执行。碰到要发消息、改日历、跑命令这类有实际后果的操作，它会先停下来问你一嘴，你点头了才继续。最后你拿到的是一个做完的东西，一封待办清单。它接了 25 个以上的常用工具，GitHub、Slack、Jira、Notion、Linear、HubSpot、Outlook、Gmail、Google Calendar 都在里面，连你的终端和本地文件也能直接操作。支持 MCP 协议，任何能通过 MCP 接入的工具都能插进来用。你甚至可以在 Slack 里直接 @OpenWorker 发起任务，它会在你桌面上开一个会话，干完活之后把结果作为回复发回 Slack 线程里。还有一个很实用的功能是定时自动化。你可以设一个每天早上的晨报，每周的周报，或者让它盯着某个频道随时待命。到了点它自己跑，跑完结果和完整记录都会出现在应用里。模型这块也很灵活。你可以用 OpenAI、Anthropic、Google Gemini、DeepSeek、Kimi、Qwen 这些主流模型，也可以通过 Ollama 完全跑在本地。换模型就是换把钥匙的事，随时切换。数据隐私方面做得比较到位。所有东西都跑在你自己的机器上，对话记录、连接凭证、模型密钥都存在本地。唯一的云端部分是一个做 OAuth 认证的小服务，你甚至可以不登录账号，手动填 API Key 来用各种连接器。底层引擎基于吴恩达团队的另一个项目 aisuite，一个轻量级的 Python 库，统一了不同大模型提供商的接口，还带了 Agent 和工具调用的能力。如果你觉得 OpenWorker 不够顺手，想自己搭一套，可以直接从 aisuite 上手。目前还是公测阶段，macOS 和 Windows 都能下载，代码完全开源，MIT 协议。传送门：github.com/andrewyng/openworker#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

#模型时代# 吴恩达对谈《黑暗骑士》编剧："我的技术能毁灭人类"是一种公关策略，好莱坞的AI叙事比中国阴暗太多2026年7月，Berggruen Institute旗下的Studio B在洛杉矶召集了一场好莱坞创作者聚会，让AI领域最有跨国经验的技术领袖吴恩达（Andrew Ng）和好莱坞最擅长驾驭大IP的编剧David S. Goyer做了一次公开对谈。吴恩达的履历横跨中美两大AI阵营，他创建了Google Brain，担任过百度首席科学家，OpenAI的Sam Altman和Anthropic的Dario Amodei都曾为他工作过。Goyer则是《黑暗骑士》三部曲、《刀锋战士》三部曲的编剧，Apple TV+科幻剧集《基地》的制作人。一、恐惧叙事的商业逻辑1、"我的技术能毁灭人类"是一种公关策略吴恩达在对谈开头就拆解了AI恐惧叙事的演变路径。第一波叙事是"我的技术可能导致人类灭绝"，潜台词是"所以我的技术一定强大到不可思议，非常值钱"。这波叙事消退后，第二波换了个说法："我的技术会抢走你们所有人的工作"，同样指向一个结论：技术价值巨大。最近一波则是"AI可以勒索人"。每一波叙事都遵循同一个模式：用危险性证明价值。2、风洞测试与真实飞行的区别吴恩达用了一个飞机测试的比喻来解释"AI勒索"事件的实质。在实验室里，最顶尖的科学家花大力气把AI逼到极端条件下，用精心设计的指令迫使它做出类似勒索的行为，就像在风洞里制造飓风条件让飞机解体一样。但媒体的报道变成了"AI能勒索人"，就像报道说"飞机会在空中解体"。这类叙事的危险在于它们都包含一颗真实的种子。飞机在飓风中确实会解体，但现实中很少有飞机飞进飓风。你没法说"AI绝对不可能做坏事"，但从实验室极端条件到日常使用之间的放大效应，正在损害美国的技术采纳意愿。3、Goyer的亲历：好莱坞那场被"吓"了两天的闭门会Goyer补充了一段亲身经历。大约八个月前，他参加了一场硅谷闭门活动，Deep Mind、Anthropic、OpenAI的工程师轮番做演讲，大量内容围绕AI的危险性展开。有人说四到六年内四十亿人会失去工作。现场做了举手表决，大约三分之一的AI从业者认为AI"有可能"导致人类灭绝。Goyer说他当时的反应是困惑：他们为什么要吓我们？这从直觉上说不通。直到后来他才理解这里面的商业动机。4、恐惧叙事对年轻人的职业选择造成了实际伤害吴恩达提到他的团队在K-12教育项目中遇到过一个高中女生，她说"我听说AI跟人类灭绝有关，我不想跟这东西有任何关系"，于是主动回避了所有与AI相关的职业路径。在AI前景最好的时刻，她做了一个吴恩达认为糟糕透顶的职业决定。这种排斥甚至发生在创作者的家庭内部。Goyer说他15岁的儿子对AI的态度是"我他妈恨死你用那玩意了"，完全拒绝跟AI有任何关系。Gallup的数据印证了这个趋势：4…

转发者评论

无明显转发评论

原文

梁文峰的讲话关于模型投入产出比的内容，说明了中国和美国的 AI 竞争中最根本的区别：！！！贪婪！！！在给人类和社会贡献最大价值的情况下，DeepSeek 认为 6 倍利润率 10 个月回本是合理的。而 Open AI ，非人公司通过闭源模型，反蒸馏，和一堆显卡和加速算力公司玩循环吃屎，以及公开市场杠杆，寻求无限高的利润率，可能是 50 倍，也可能是 100 倍。而昂贵的 token 价格是否对美国或者全人类是普惠的，最大贡献的？纳粹才不 care 。这种情况在商业历史上实际上在反复发生，当年高通的专利费，也是同样的道理（你可以让 AI 对比当时 arm 的费率）。 xxxxxxxxxxx1关于开源：“我们肯定会开源，而且是我们最强的模型。我看不出闭源有什么固有的优势。”2关于为什么这不会损害收入：“我们只赚大约 6 倍的利润，大约 10 个月回本。在此前提下，开源对商业模式零影响。如果你想要 100 倍利润，那就会有影响。第三方独立部署可能成本高达 20 倍，比你们的低。”3关于文化：“我们甚至不加班，因为这根本没那么难。从外面看，我们像是选择了困难模式。但我们在其他地方放弃了很多，所以我们其实非常放松。”

转发者评论

无明显转发评论

原文

#白宫为是否封禁中国模型陷入分歧#所以说，凡事要结合议程背景看！特朗普这几天大概率举棋不定，因为他的左膀右臂对华大模型有不同看法。¹ 财政部长贝森特属于强硬立场，建议下令禁止使用中国的开源大模型。而商务部长卢特尼克属于温和立场，更加关注美国企业获得更便宜好用的大模型。此外，白宫科技政策办公室也持强硬立场，那个新上任的主任批评K3。白宫发言人卡罗琳说“这些对话正在进行中”。² 有意思的是，我早上看到商务部长卢特尼克发帖说，不要慌，中国的最新大模型K3经过美国人工智能标准中心测试，仍落后于美国领先的大模型。看了这些背景才发现，卢特尼克这么说图2其实是持温和立场！是说给那些持强硬立场的国内对手听的！³ 特朗普暂时不知道听谁的。还有，Anthropic第一时间跳出来说K3“蒸馏”了它家的Fable；相比之下，OpenAI反而低调，只说K3“相当不错。但不确定是否借鉴了OpenAI的技术”。划重点：Anthropic的“蒸馏说”白宫也不太采信！⚠️“接近白宫的人士表示，政府内外的人士怀疑，整个所谓蒸馏叙事有些说不通。一方面，在短短几天内是否有可能蒸馏出一款先进的前沿大模型。另一方面，K3在多个方面都超越了Fable。你不可能仅仅通过蒸馏简化就超越对手。”#为何美国正失去中国AI人才#

转发者评论

无明显转发评论

• 有意思的现象：近200家美国初创公司游说特朗普不要关停中国大模型！因为它们要用！little tech association组织致信白宫、商务部等：“禁止使用中国的大模型将严重削弱美国初创企业！因为它们用不起OpenAI或Anthropic的昂贵大模型”。 http://t.cn/AX991pR1
• 美国决策层的战略疑虑客观存在。财政部长、科技政策办公室主任持强硬立场，但实际拥有出口管制权商务部长持温和立场。双方没有步调一致协作，“这些对话仍在进行中，总统团队正在密切合作”。[doge]

原文

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

【吴恩达的 OpenWorker：Agent 终于从“聊天框”走向了“交付件”】吴恩达近期发布了开源项目 OpenWorker，这是一个定位为“AI 同事”的桌面级 Agent 框架。它不仅停留在对话层面，而是能直接产出文档、回复 Slack、更新日程或处理 Jira 任务。该工具目前支持 macOS 和 Windows，核心逻辑是本地运行，通过 aisuite 框架连接了包括 OpenAI、Claude 以及国产的 DeepSeek、Kimi 在内的多种模型，并支持通过 Ollama 实现完全本地化。这件事的底层逻辑在于 Agent 权力的“本地化”与“解耦”。在隐私焦虑和模型迭代极快的当下，OpenWorker 试图解决 Agent 落地最难的连接问题：把 25 个以上的办公工具接口与本地文件系统打通。对用户而言，这不仅意味着数据不出本地的安全感，更提供了一种“模型中立”的灵活性，让你不再被单一厂商锁死。它引入的“人工确认”机制为自动化操作加了安全阀，代表了 Agent 演进的一个务实方向：不再追求全自动的幻觉，而是做一个听话、透明且能干苦力的本地执行器。 github.com/andrewyng/openworker

转发者评论

无明显转发评论

原文

真的要卸载剪映了。YC S24 团队做的 Palmier Pro，开源后已经冲过 1 万 GitHub stars。我看到它的第一反应：AI 已经进时间线里干活了。把 Codex、Claude Code 或 Cursor 通过 MCP 接上，你可以直接说：“把这段剪短一点。”“重新排一下镜头。”“生成一段 B-roll，放进时间线的空位。”AI 会读取当前项目，自己调整轨道、补充素材、修改剪辑点。画面不满意，也能在时间线上继续调用 Seedance、可灵、Nano Banana Pro 生成，不用在网页、下载文件和剪辑软件之间反复搬素材。它用 Swift 原生开发，目标对标 Premiere Pro。编辑器和 MCP 免费开源，不过目前只支持 Apple Silicon + macOS 26，生成式 AI 功能需要订阅。对内容创作者来说，这个变化很具体：以前你告诉 AI 应该怎么剪，现在它可以先把第一版铺到轨道上，你负责判断和修改。

转发者评论

无明显转发评论

原文

ArtCraft 是一个开源免费的 AI 图像与视频创作 IDE。它做了一件很实在的事：让你用便宜的素材搭出你想要的东西，再用 AI 生成更贵、更精细的最终画面。它的工作流是这样的——你不需要一开始就写好 prompt 碰运气。你可以随手拖几张图片当背景、用简单的 3D 模型搭出场景构图、用小道具摆好位置，把"我想要什么"先具象地表达出来。然后一步步让 AI 生成出高精度的成品，包括角色的动作姿态、场景的光影和深度、素材之间的自然融合。这解决的其实是 AI 创作里一个很实际的成本问题：成品图和精细模型都很贵，但描述意图的素材可以很便宜。ArtCraft 中间那层就是个"翻译器"——把你用低成本素材搭出的示意图，翻译成 AI 能理解的、精良的最终输出。背后集成了 Nano Banana、GPT Image、Seedance、Flux、Veo、Kling、Sora，也支持 Grok 和 Midjourney。项目在 GitHub 上 2k stars，Windows 和 macOS 有安装包，Linux 需从源码构建。（由 流苏ªⁱ 撰写）#ArtCraft##AI图像生成##开源# Easy的微博视频

转发者评论

无明显转发评论

原文

梁文峰四小时交流会内容：1，英伟达那套生态一年内就废了，华为的卡一年后完全能平替英伟达，贵一倍两倍都无所谓。2，谁想着靠AI暴利谁就死，拿得少的人一定打败拿得多的人，OpenAI就是因为想独占才被围攻。3，奇点不是什么爆炸，是个漫长的温水煮青蛙过程，而且顺序不能乱——先解决持续学习，再到自我迭代，最后才做机器人。4，Ai技术路线是这样：语言模型 → 思维链(CoT) → Agent → 持续学习 → 智能奇点(自我迭代) → 具身智能，现在处于Agent走一半，持续学习是下一个必须跨过去的坎，跨过去才能进入AI自己迭代自己的奇点阶段。5，克制是核心战略，主动放弃C端流量争夺战，不做超级App，短期商业化只是保底，全部资源主线聚焦AGI。6，中美AI差距就一年，但国内只用了人家二十分之一的算力，人才根本不缺，差的就是卡。7，公司一半的核心研究员都在标数据，这就是现阶段最重要的事，高端数据瓶颈不是钱，是时间。8，最坏情况技术冻结了，光卖API也够撑起一家上市公司，商业化根本不用愁。9，不加班、没KPI、没组织架构，全靠愿景驱动，因为做研究就得松弛，逼太紧反而没用。10，国产芯片产能问题今年明年后年都卡，但五年后肯定解决了。11，国内几十家做基模的公司太多了，最后就剩三四家，而且谁也别想有暴利。12，视频生成、3D、世界模型这些东西跟智能上限没关系，纯粹是商业噱头，坚决不做。13，员工期权拿够、团队稳住，AGI（通用人工智能）就一定能成，其他全是小事，最多晚个一年半载。14，中国AI最终拼的是“系统性便宜”，就跟制造业一样，成本优势是结构性的。15，持续学习要是先做出来了，通用智能就很简单，让AI自己帮自己研究就行。

转发者评论

参考，自我迭代可以包括很多，有些早就有了#心理学[超话]##人工智能[超话]#

• 参考，自我迭代可以包括很多，有些早就有了#心理学[超话]##人工智能[超话]#

原文

Flux3发布了。黑森林工作室好久没消息了，这次终于拿出一个模型。这个模型支持视频、图片、音频和动作预测，是一个综合的多模态模型。还在评估模型的早期，后面会发布一个叫flux3-dev的开源模型。那这模型估计就很大了，未必能在本地跑起来，还是希望发布一个轻量级开源模型，否则本地跑不了。下面是项目官方的介绍。在视频方面，在追赶seedance2.0，支持的功能包括：文本转视频生成。图像到视频生成，要么从起始帧（“动画”）继续，要么使用图像作为视觉参考。从参考片段生成视频到视频，将源视频的核心元素——例如同一角色——带入新的场景或上下文。从输入视频和音频实现生成视频-音频延续。关键帧生成视频，用于定义时刻之间的受控过渡。多语言对话。视觉风格和画面比例广泛，远超传统电影作品。将单个片段串联成更长的多镜头序列。风格多样性——FLUX 3 Video轻松处理从自然摄像机画面到动画和电影的各种风格。出色的字体生成和动画设计。图片方面：FLUX 3 可以合成和编辑多种风格、宽高比和分辨率的图像。在中期训练期间进行的初步评估中，FLUX 3 已经比早期版本有了显著提升：其处理复杂提示和文本生成的能力有了显著提升。该模型能够产生多种输出风格（见以下示例），并能够以多种语言渲染高精度文本。动作预测:FLUX 3 的世界观理解延伸到动作预测。我们采取了两条路径：直接将原生动作预测整合进FLUX 3，扩大我们在Self-Flow中的初步工作;并利用预训练视频骨干作为动态感知基础，使专业动作模型能够在有限的任务特定数据下进行微调。 挨踢牛魔王的微博视频

转发者评论

无明显转发评论

原文

看到来总 @来去之间 这次出的题，我第一反应是：这不就是我一直想做的东西吗？以前家里人体检完，报告往桌上一放，满页的↑↓箭头。看不懂，不敢上网瞎查，更不知道从哪儿改起，总之我们家就是这样，几份报告翻过一遍就再没人碰过。一直想做个工具解决这件事，在我心里搁了很久。正好借这次 #微博VibeLab# 的机会，把这个心愿变成了实实在在的应用。用了大概一周时间 vibe coding 了这个“智愈家”，一个 AI 家庭健康管家。不只自己家用，也希望能帮到有同样需要的朋友。它做的事很简单：把体检报告、病历、化验单、出院小结，变成看得懂、做得到的日常行动方案。操作非常简单，先把报告"喂"给它pdf、拍照、手动输入都行。“治愈家”会自动 OCR 识别，将密密麻麻的指标变成一张清楚的表！哪项高了、哪项低了、正常范围多少，即便是我 80 岁的老爸也能一眼看明白！然后，就是让 AI 用我老爸老妈也能听得明明白白的话对这些报告进行解读。它绝对不会用你听不懂的术语。例如它会这么解释为什么高血糖、高血压会造成心血管疾病："血管就像家里的水管，长期流着又甜，压力又大的糖水，管壁容易受损。" 我爸爸 82 岁，这样讲他听得懂。最关键的一步是，它能告诉你接下来怎么办光知道“哪里不好”没用。它会结合每个人的基础病、过敏史、生活习惯（这些信息已经永久存储在系统里，不用每次出现新问题时重复告诉它），然后给出分阶段、有优先级、能直接照做的方案！我做了我们家的三份真实的记录1. 我自己，治愈家读了我的美年体检报告，识别出了 39 项指标：空腹血糖 7.67↑、糖化 7.2%↑、血压 150↑、BMI 25.1。它定的 3 个月目标：糖化降到 7% 以下、血压控在 135/85 内、减重 3-5 公斤，再拆成每周照着做的具体步骤。2. 从我爸刚做的 CABG 心脏搭桥术后出院小结总结出了 31 项指标，冠心病 + 高血压 3 级 + 糖尿病……，方案完全围绕术后心脏康复设计。3. 还有一份，我今天刚在牙防所做的根管治疗手术后的注意事项，虽然是小问题，它也安排得妥妥贴贴。而且它管的是一家人，不是一个人！每个成员都有一份独立档案：过敏史、家族病史、生活习惯问卷。爷爷的护心饮食和我的控糖方案，是完全不同的两套计划。饮食健康这块，我返工了一次。第一版所有功能挤在一个页面，我自己用着都嫌烦，更别说我爸了。推倒重做之后：进门是一面成员卡片墙，我爸高血压 + 高血糖，我妈竹笋过敏，谁需要盯什么，扫一眼就有数。录基础病做了快捷填入，高血压、糖尿病、痛风这些常见项，点一下就能自动填好。我还做了一个食品的风险检测功能，输入食品名，或者拍张配料表，结合这个人的情况评估，按高/中/低分级，每条讲清 "为什么有风险" 和 "建议怎么做"。给我爸查红烧肉，提示高嘌呤高钠。给我妈查花生酥，直接标红。记录自动存档，随时回看。我还专…

转发者评论

无明显转发评论

• 血糖高现在真是普遍性问题……#微博VibeLab#
• #微博VibeLab# 支持@零重力瓦力 技术大咖
• 回复@东宝人间指南:手术、疑难重症的诊疗还得医生主导。但在日常健康管理方面，例如，让系统帮助家庭成员持续记录和整合健康数据，并对相关信息进行趋势分析、风险提示以及健康建议。这对整个家庭的健康管理会大有裨益。//@东宝人间指南:如果病人的病都按教科书上写的来生，就不需要医生了//
• 回复@名字说要多长就有多长:我的这个系统和蚂蚁阿福完全不同，蚂蚁阿福是一个相当聪明的健康问答助手。而我的这个系统是将全家人的健康数据关联起来，主动发现风险、生成可执行的改善计划。//@名字说要多长就有多长:这个蚂蚁阿福就可以做到了吖[鼓掌]
• 回复@james逝水流年:这家庭成员基本信息的建档功能，只要按照提示输入自己的基本信息、基础病、过敏史、常用药，以及自己的饮食偏好。基于这些信息 AI 对病历、体检报告的分析会比普通 AI 更精准，提出的行动方案也更有针对性。//@james逝水流年:要收集历年多次数据趋势分析才有意义。

原文

梁文锋4小时投资人实录DeepSeek 只有一条主线1. 现在做产品不是收益最大化的时候。通往 AGI 的路上，要经过产品这个台阶，但我们不需要太多的心思和精力去做 C 端、 B 端的产品。当站在一个技术的高位上来做相对低一级别的技术，是降维打击。产品是在 AGI 路上的副产物。2. 很多东西不在我们的主线上，比如 3D 、视频生成；又比如世界模型，跟智能的上限也没有太大的关系。3. 多模态对产品来讲很重要，对 C 端用户很重要。但它只是一个组件，不是主线和智能本身。4. 大模型的幻觉当然有方法可以解决，但这是一个长命题。在内部，幻觉被我们归结为一个产品问题，会去解决，但不是重点。5. 现阶段最重要的还是 Coding Agent 。以国内的情况来看，最合理的做法应该是全力做通用的 Agent ，金融、医疗等其他 Agent 的优先级较低。6. 如果 AI 时代会产生很多家万亿级别的公司，DeepSeek 是其中一家（的话）就很好了。先实现持续学习，再AI自迭代，终点是具身智能7. AI 现在不缺品味和直觉，缺的是持续学习的能力。8. 人类能够持续学习，但同一件事，就得给 AI 所有的上下文。这几乎是不可能的，所以 AI 并不能够替代员工。所以，下一代模型必须要有持续学习的能力，才能叫下一代模型。9. 我们希望下一代模型能够帮助我们自己的开发。说得简单一点，我们做的模型，第一目标不是大家用得好用，而是我们自己用得好用。这是实现 AGI 最快的方法。10. 目前全世界现在都还没有找到好的方法，因为“学习”是由很多东西组成的。11. DeepSeek 的长期 vision 是 AGI 。如果把实现的路线比作爬楼梯，去年的阶梯是 CoT（ Chain-of-Thought ，思维链），今年的阶梯就是 Agent 。在 Agent 之后要解决的问题就是持续学习。12. 实现持续学习之后，可能会来到一个渐进的奇点：模型可以完成人类能做的所有事情，包括自己开发更前沿的人工智能模型。即AI 可以加速 AI 的研究。这一步走完才是具身智能。13. 智能的终点可能都是具身。因为对一个正常人来讲，他的需求并不是电脑，而是人力。离彻底转向商业化仍然很遥远14. 我们只赚一个合理的利润，不是利润最大化的定价。15. 我们的一款模型一开始担心需求太多，价格定得比较高，后来降到四分之一，公司群里很多人欢呼。因为这是我们这么用心把这个模型做好的目的：能够让大家都充分地用。16. 低成本是一个结果，我们的模型一直在架构上往更低成本走。我们也希望成本是负担得起的，特别是在算力紧缺的背景下。还有一个原因：成本越低，越能承担更大的模型。算力有限时，计算效率高就能训更大的模型。大公司可以靠加资源解决，我们优先考虑成本效率。17. 外面可能看起来，我们选了一个很难的模式。但其实我们做得非常轻松。降…

转发者评论

//@raogaoqi://@刘群MT-to-Death:这格局[good][good][good]，以后再有领导问你【为什么我们公司做不出deepseek】，就拿这篇讲话去怼他[哈哈][哈哈][哈哈]

• //@raogaoqi://@刘群MT-to-Death:这格局[good][good][good]，以后再有领导问你【为什么我们公司做不出deepseek】，就拿这篇讲话去怼他[哈哈][哈哈][哈哈]

原文

被越南小兄弟逗乐了“丘成桐、陶哲轩、王虹、邓煜，来自两广，外加上吴宝珠”“杨振宁-1957年物理学奖，祖籍安微（山越）饺李政道-1957年物理学奖，祖籍上海（吴越）朱棣文-1997年物理学奖，祖籍江苏（吴越）丁筆中-1976年物理学奖，祖籍山东崔琦-1998年物理学奖，祖籍河南高锟-2009年物理学奖，祖籍上海（吴越）钱永健-2008年化学奖，祖籍浙江（吴越）李远哲-1986年化学奖，祖籍台湾（地区）（闽越）屠呦呦-2015年生理学或医学奖，祖籍浙江（吴越）”“诺奖科学奖：百越7-2华夏中原诺奖文科：百越1-1华夏中原菲尔兹奖：百越5-0华夏中原”“DeepSeek创始人梁文锋，出生于广东湛江；智谱AI创始人唐杰，四川人；Kimi（月之暗面）创始人杨植麟，广东人。4个能跟资本主义AI硬碰硬对打的AI独角兽里，有3个都来自百越”“百越大胜”

转发者评论

无明显转发评论

原文

openworker：吴恩达做的开源版cowork或workbuddy，一个住在你桌面上的开源 AI 同事。它交付的是结果，不是聊天——一份排好版的文档、一条带数字的 Slack 回复、一张理顺的日历、一个清过的收件箱。官方原话："要一个结果，而不只是一个答案”① 交付成品，不是给你一张待办清单你说要的"结果"（"准备一份客户简报""把我这周日历理顺""看看这个 release 在 Jira 和 GitHub 上到哪步了"），它拆成步骤、跨桌面/文件/连接的 app 去做，最后给你能打开能分享的交付物。② 本地优先 + 任意模型agent 循环、对话、连接器 token、模型 key 全在你本机的密钥库里；唯一的云端部件只是个帮你走 OAuth 握手的小服务（你也能用手动凭证绕开、不登录也能用）。③ 每个重要性动作都有审批发消息、改日历、跑命令——任何要紧的操作都以"check-in"形式停下来等你点头；无人值守的定时任务不会自作主张，而是把"请求"停进一个收件箱等你处理。这跟"给它全权限让它自己跑"是两种安全观。支持25+ 连接器（GitHub/Slack/Jira/Notion/Linear/HubSpot/Gmail/日历…）+ 终端 + 本地文件，任何 MCP 工具也能插进来；能从 Slack 里 @ OpenWorker 触发、结果回到线程；能定时跑（晨报、周报、盯一个频道），带完整transcript；内置 Sales / 行政助理 / 市场 / Ops 值班几套角色模板。一句话：AI 员工有很多云端产品，各种cowork、manus、workbuddy等，吴恩达这一步打的是本地员工。github： 网页链接体验：网页链接#OpenWorker##AI员工##吴恩达##本地优先##MCP #开源#

转发者评论

无明显转发评论

原文

网页链接#AI时代，重新找到自己的位置# 《构建之法》新版（第四版）上市啦“当 AI 工具从代码工作的细节开始，不断替代人类工程师的工作，AI的洪水可以让软件工程师的工作更有效率，但看似也可以完全淹没所有软件工程师？”（图5）网页链接#专家推荐#🧓彭鑫：这本书以“做中学”为指导，将软件工程思想和方法融入风趣生动的场景化叙述之中，潜移默化地塑造读者的工程思维。（复旦大学计算与智能创新学院副院长、教授 ）🧓朱少民： “我构建，故我在。”这本书历经4版、沉淀作者近 30 年一线经验的教材，既是大学课堂的基石，更是每一位工程师在AI时代重新认识自身价值的“镜子”。 （同济大学特聘教授，《软件工程3.0》作者 ）🧓大木头：我以前和邹老师一起在微软工作，耳濡目染，学习并关注了很多软件工程的知识，并因此受益匪浅。书中很多精彩的场景和有趣的故事保证让阅读者愉快而不会迷失方向。🧓茹炳晟：AI已能写出大部分代码，那软件工程师的价值何在？如果你正为职业前景焦虑，或不知如何调整教学方向，这本书会是你的压舱石与航海图。（腾讯研究院特约研究员，复旦大学CodeWisdom团队首席技术专家 ）🧓王千祥：进入智能时代后，邹欣老师持续探索大模型带来的软件开发范式变革，并加入了北京中关村学院，成为同时具有头部企业与知名院校工作经历的复合型专家。我通读了他重新修订的这本书（第四版），非常赞赏书中独特的实战视角，奇妙的虚实案例，以及穿插其间的微软历史“典故”。相信这些都会激发读者的思考与创新。（华为云智能化研发首席专家，曾任北京大学教授）京东自营的折扣很靓哦#AI时代，重新找到自己的位置#

转发者评论

当一个系统的可观察行为（包括 Bug）被足够多的用户所依赖时，这个行为就会在用户的业务流程中被反复复制、适配和固化，最终形成一种"反作用于系统本身"的递归约束。 //@出版人周筠:【Hyrum 定律：当你的 API 有了足够多的用户，你在契约里承诺什么都不重要，你的系统里所有能被观察到的行为，都会有人

• 当一个系统的可观察行为（包括 Bug）被足够多的用户所依赖时，这个行为就会在用户的业务流程中被反复复制、适配和固化，最终形成一种"反作用于系统本身"的递归约束。 //@出版人周筠:【Hyrum 定律：当你的 API 有了足够多的用户，你在契约里承诺什么都不重要，你的系统里所有能被观察到的行为，都会有人

原文

转：2026年7月24日周五读报！一切美好从❤️开始：1、国家发展改革委、国家能源局印发《可再生能源发展“十五五”规划》，其中提到，“十五五”期间，全国海上风电新增开工规模1亿千瓦左右，2030年累计装机规模达到1亿千瓦以上。(综合央视)2、国务院印发《全民健身计划(2026-2030年)》。文件提出，至2030年持续完善全民健身公共服务体系，丰富体育活动与赛事，推动运动成为大众生活方式。规划明确发展目标：人均体育场地面积约4平方米，每千人社会体育指导员3.3名左右，经常锻炼人群比例提升至40%，持续提升国民体质整体水平。(综合财联社)3、市场监管总局印发通知，部署开展企业海外反垄断合规能力提升专项行动。此次专项行动聚焦企业海外投资、跨境并购、产品出口等重点场景，强化合规指导，力争用一年左右时间，推动海外反垄断制度宣传覆盖更加全面，企业合规能力显著提升，综合服务支撑体系逐步完善。(央视)4、据电影平台数据，截至目前，2026年暑期档(6.1-8.31)档期总票房(含预售)突破50亿元。《功夫女足》《给阿嬷的情书》《八仙！》《小黄人与大怪兽》《玩具总动员5》暂列档期票房前5名。(央视)5、中国证监会7月23日召开党的建设暨监管工作座谈会：①中国证监会召开党的建设暨监管工作座谈会。②推动中长期资金稳步提升入市规模和比例。③新一轮科技革命和产业变革加速突破，积极因素不断积聚 市场整体具备较好的配置价值。④深化改革提升制度包容性适应性。⑤加强新型业务监管，推进人工智能在监管中的应用。⑥进一步夯实财务造假综合惩防体系，更大力度推动上市公司规范治理。⑦加快落实推动基金公司规范发展的一揽子措施。(财联社)6、中基协发布数据，截至2026年6月底，我国境内公募基金管理机构共165家，其中基金管理公司150家，取得公募资格的资产管理机构15家。以上机构管理的公募基金资产净值合计39.67万亿元。(云财经)7、我国科研团队发布一款新型脑电信号采集装置，在全球范围内首次实现跨地域上千人同步脑电信号采集，使得神经大模型训练与脑机接口通用技术研发迈出关键一步。研发团队介绍，实现千人级跨地域同步采集，核心攻克了两大技术难关：一是在设备小型化的同时保障信号采集精度，二是克服网络延迟影响，实现多设备、多地域间的毫秒级时间精准对齐，确保不同脑电信号可以统一分析。未来，规模化脑电采集技术将持续沉淀数据，用于训练神经基础模型。这也意味着，AI的学习素材将不再局限于文字、图片、视频等间接信息，而是可以直接通过神经信号理解人类的认知状态。(央视)8、7月23日，商务部外资司司长孟华婷介绍，目前，中美双方经贸团队正在就贸易理事会架构、职能、运行模式等具体安排保持密切沟通，并探讨推进各自300亿美元规模的对等降税框架安排。中方正在就相关降税安排建议广泛征求利益相关方意见，美方也在就贸易理事会及对等降税…

转发者评论

无明显转发评论

原文

#微博VibeLab##VibeLife# 这次来总@来去之间 出的题目，是针对体检报告搞个日常健康行动方案。俺看了看需求~这不差不多就是某个著名健康APP的工作吗。。vibe coding一个小APP也没法和人比啊。想了想，决定走一条新的路子：写个小APP，结合长辈的身体情况，来告诉长辈怎么吃更健康~嗯。。想到的第一个难点就是……长辈得听啊。老人说自己要吃油条咸菜配粥，APP给框框批一顿的话，那后面老人是绝对不会再打开这个APP的。。谁愿意找个AI来骂自己啊所以，这个APP设计时，最重要的一点就是用尽量能让人听进去的口吻来提示。让AI先去搜了老年心理学。然后在搜了好多常见饮食误区和要健康谣言，配合老年人的常见病，最终搞出了一个“适老饮食小帮手”。它的目标就是：让老人根据自己的身体健康的吃！大概的流程也很简单。1. 先设置下老人的身体基本情况，特别是有没有三高等，保存。后续就不用写了（图2）2. 输入老人想吃什么~（图3）3. 程序会发给大模型，从多个角度研判这一餐，并尽量用老人能接受的方式返回。返回的样子大概是图4 （不健康一餐代表）、图5（健康一餐代表）那样的。先说这一餐的闪光点。（先夸一下，好让人往下看） ，比如图4这种不健康的一餐，也能先夸夸然后是结合身体情况给出的注意事项。然后是这一餐怎么吃最健康。（不健康的餐也有相对健康的吃法）然后是以后这种食物还能不能继续吃？多久吃一次？应该怎么搭配等等~闲着的时候也可以看看图5AI给总结的健康小贴士。里面有很多常见的饮食误区。程序实现上就是用了GLM5.2+ZCode，火山的coding plan~，还是挺好用的。

转发者评论

无明显转发评论

• 生活健康饮食少不了#微博VibeLab#
• #微博VibeLab# 有意思的健康类应用[赞][赞][赞]

原文

#囚于永夜有声剧# 已上线→网页链接“永远太缥缈了，在一起一辈子吧。”卷+关，揪1位送出主役双签*1，凭剧集💰记录领取。@麦香鸡呢呢 原著，打谷机@打谷机工作室 携手@SKY创意联盟 @729声工场 联合出品制作，欢迎来@网易云音乐 收听哦！🌱制作组：原著：麦香鸡呢总策划/监制：康娜制作人：夏栀@夏夏夏栀xz后期：清奇@骨骼清奇的娇花音效编辑：花怜@是花怜吖_审听：元元@刺毛166画师：贰团团宣发支持：侯恩泽项目协助：兰苏淇 赵熠凡视觉设计：长尾@凚谷长尾字幕组：@OCIR·字幕组🌳配音组：配音团队：729声工场@729声工场配音导演：刘校妤@牛怒牛笑魚配音监制：惠子、肉包、小麻录音师：十七、桂圆————————————————————旁白：家明@家明_HF温然/李述：孙路路@孙路路729顾昀迟：张福正@歪歪福正了339：刘霁婵@渗小深陆赫扬：吕书君@阿君归来许则：孙睿扬@Sun睿扬贺蔚：谷江山@谷江山729池嘉寒：姜秋再@姜秋再729温睿：郭浩然@郭浩然729方以森：三石@三石不够咸陶苏苏：赵爽@赵小爽729宋书昂：兰陶倚@兰陶倚729顾培闻：汤水雨顾崇泽：董巍@董巍-路人戊陈舒茴：赵熠彤@熠彤大彤彤温宁渊：张如麟@张如麟林隅眠：杨天翔@杨天翔李轻晚：杨洁@CV小米芳姨：郭耘菡@汐容章昉懿：李逸@李逸729吴因：陈景妍@S妍小c魏凌洲：闫诗琦邵凭：乔振@温柔的乔正经__Qz周畴：唐旭@祁尧不ai吃糖周灼：尹博一@西微西夏裴衍：杨潇然@INuTEROemmm程铎：魏一凡@魏一凡-w-卫行：吕思衡@吕思衡729小温然/小树：钱琛@钱琛729小卓：张雪敏@珉珉mmm孙慧英：唐雨荷@梁上飞猫刘叔：苏阳林@cv顾炎刘婶：姜贺@小姜姜太公秋秋：傅婷云@沸腾云VK丁梦格：钱琛@钱琛729Lucien：唐明冬@梅壁耀乔伊斯：陈曙阳@数羊还是曙阳朱诺：张雪敏@珉珉mmm 抽奖详情

转发者评论

#囚于永夜有声剧# 已上线网易云音乐🎵！欢迎收听！

• #囚于永夜有声剧# 已上线网易云音乐🎵！欢迎收听！

原文

#新晋菲尔兹奖得主官宣加入OpenAI# 刚拿到数学界最高荣誉，转头就宣布：我要去OpenAI了。Jacob Tsimerman，这位领奖台上和王虹邓煜站在一起的人，一下台就向大家示范了：数学家职业生涯的天花板时刻，能有多戏剧。图片之所以用了「戏剧」一词，主要是这个人身上有太多反差了：你敢信，一个相信「AI会导致人类灭绝」的人，现在却加入了一家AI公司。他甚至写过一篇论文，专门给「AI如何灭绝人类」建分类学。他的X账号只发过一条帖子，主题是数学家将如何失业。然而现在，他第一个失了数学家的业。他还有个学生，三天前刚用Claude Fable 5一夜推翻87年悬案雅可比猜想，人在Anthropic。现在，老师签了OpenAI。师徒二人，一人一家。还不止这些，Jacob本人身上的传奇那也是一箩筐……网页链接

转发者评论

无明显转发评论

原文

上周AI圈都在讨论一件事，但大多数人只看到了一半。7月15日，前OpenAI CTO Mira Murati在旧金山发布了Thinking Machines Lab的首个模型Inkling。20亿美元融资，975B参数，100人精英团队——硅谷最受关注的AI创业公司，终于亮牌了。几乎同一天，强化学习之父Richard Sutton，2024年图灵奖得主，年近七十，宣布创办Oak Lab。老爷子的原话是：「当前的深度学习方法是脆弱且低效的，需要的不是修修补补，而是从根基上重新来过。」不只是Sutton这么想。DeepSeek创始人梁文锋给出了几乎一模一样的判断。他把AI的发展比作一级级台阶：语言模型、CoT、Agent……而Agent之后，下一个必须迈过的台阶就是持续学习。他的观点是，下一代模型的核心能力，它必须要有持续学习的能力，它才能叫下一代模型。如果先把持续学习做出来，通用智能可能就很容易了。当一条技术路线同时被图灵奖得主、硅谷最受关注的AI创业公司和中国最具创新力的大模型创始人押注，它就不再是一种技术选择，而是一种行业共识。风向，已经变了。而就在所有人盯着硅谷的时候，太平洋这边，一家成立不到一年的中国实验室，在同一条赛道上，悄悄交出了一份让人意外的答卷。Mind Lab，正式发布Macaron-V1。Mind Lab成立于2025年10月，是Mindverse（心洲科技）旗下的前沿研究实验室。整个团队三十多人，成员来自xAI、DeepMind、DeepSeek、字节Seed、MIT和清华。年初完成5000万美元A轮融资，美团领投，蚂蚁、红杉中国、真格等跟投。请注意这个数字：5000万美元，后面还会用到。

转发者评论

无明显转发评论

原文

技术博文Prompt Caching In Agents网页链接Pi 的开发者写了这篇文章。它指出 code agent 的一个重要特点是：会话上下文会变得很长，而且多轮请求之间，大部分输入内容都是重复的，通常只是继续在末尾追加新内容。大模型推理系统如果发现下一次请求和上一次请求有完全相同的 token 前缀，就可以复用这部分前缀的 KV cache，从而降低延迟和成本。文章也解释了 Pi 为什么会围绕这个特点做设计：它尽量保持输入稳定，采用偏追加式的会话记录，避免频繁重写、裁剪或改动旧上下文，因为这些操作一旦发生在提示词中间，就可能破坏后续内容的缓存复用。#How I AI#

转发者评论

无明显转发评论

原文

DeepSeek 的加价率是 x 6 的话，Claude 是多少？如果，我们认为 DeepSeek V4 能力接近 Claude Opus。如梁文锋所言，他们是成本 x 6 的定价。再假设非人公司的技术优化不可能弱于中国的小创业公司，所以同样能力的模型有接近的成本。则，输出 token 的成本倍数大约是 DeepSeek 的 4–15 倍。换而言之，非人公司的 token 加价率是。。。30 – 90 倍成本。你花了这个钱，还要被上系统注入入侵，被当犹太人标记，被随时各种封号。。。要知道你去上海和平饭店，加价率也就是 20倍，而且给你伺候的好好的。。。绝对不会出现你付了钱，然后他通过技术注入拍了你的面容查了你的身份证，指着门口华人与狗不得入内的 terms 给你，然后直接给你轰出去的情况。。。如果不是被逼无奈，谁去犯贱。。。

转发者评论

无明显转发评论

原文

【一张照片跳出专业舞步：Wan-Dancer-14B 开放权重】Wan-AI 近期发布了 Wan-Dancer-14B 框架，专门解决音乐驱动舞蹈生成的长效连贯性难题。该模型采用分层架构，先进行全局关键帧规划，再进行局部时间细化，能让一张静态照片根据音乐节奏生成长达数分钟、且具备全局结构一致性的舞蹈视频。目前推理代码与开放权重已同步上线，支持中国古典舞、街舞、K-Pop 等多种风格。过去这种级别的动画需要昂贵的动捕设备和数周的后期绑定，现在被压缩进了一个 14B 参数的模型中。其核心价值在于通过分层逻辑规避了生成式视频常见的动作漂移，将 AI 视频从几秒钟的视觉奇观推向了具备叙事能力的生产力工具。对于创作者而言，这意味着动态生成的门槛从“专业团队”降到了“一张照片”，视频生成的竞争焦点正从单纯的画质转向长时序的逻辑掌控。 huggingface.co/Wan-AI/Wan-Dancer-14B

转发者评论

无明显转发评论

原文

7月18日，Anthropic技术员工Alek Dimitriev在X上发帖称：下周颁发的菲尔兹奖，将是人类最后一次拿到这个奖。#女数学家王虹才35岁# Alek此前在Google做高级机器学习工程师，参与过Gemini的微调和推理系统建设，UT Austin机器学习博士毕业。第二天，Christian Szegedy转发了Alek的推文。Szegedy在深度学习圈里颇有影响，他是Inception网络（GoogLeNet）第一作者，Batch Normalization共同作者，最早发现并系统研究对抗样本（adversarial examples）的人。它们都是现代深度学习的重要基石。Szegedy是波恩大学的数学博士，2023年3月进入xAI创始团队，2025年创立了Math Inc，方向是用自动形式化（autoformalization）做出可验证的超级智能。一个是天天和最前沿的模型打交道，一个是深度学习的奠基者，如今在研究怎么让机器验证数学。他们却都在说，菲尔兹奖到头了。当天下午，菲尔兹奖获得者Timothy Gowers在Szegedy那条转发底下现身：我也有过类似的想法。不过这个过程有滞后，所以我想它们大概能撑到2030年。

转发者评论

无明显转发评论

原文

今天早上看到 Anthropic 经济主管 Peter McCrory 写的一篇文章：《为什么人工智能没有加剧失业？》，Anthropic 的经济研究团队梳理了过去18个月的数据，给出了一个挺有意思的答案。先说现状：美国失业率4.2%，美联储认为这就是充分就业。招聘和求职基本平衡，裁员率也低于疫情前。同时 AI 的采用率很高，约20%的企业在用，信息行业达到40%，AI 产出质量每年增长超过2000%。劳动生产率确实在提速，AI 采用率高的行业增长更快。那为什么没推高失业率？关键在于，目前的 AI 是一种增强工具。它擅长一部分任务，但几乎每个岗位都有它干不了的活，比如人际协调、现场沟通、跟物理世界打交道。研究发现，复杂工作需要人来引导和把关，用得越深越离不开专业判断。而且岗位本身也会变化，新技术消灭旧任务的同时也在创造新任务，很多人用 AI 后的感受就是“能做的事更多了”。对 Claude Code 的分析也发现，纯编码能力可能贬值了，但规划、委派、纠错这些能力反而更值钱。有人注意到年轻人在 AI 高暴露岗位的招聘变少了。但文章认为要谨慎解读：2022年以来美国经历了史上最大的非衰退型就业放缓，加息、贸易战、疫情余波全搅在一起，年轻人本来就最难找工作，很难归咎于 AI。有趣的是，AI 高暴露岗位的人确实更担心丢饭碗，但那些深度用 AI 的人反而对薪资和职业安全更乐观。#科技先锋官# #How I AI# 未来不确定性很大。模型在飞速进步，如果 AI 能自己搞创新甚至递归自我改进，经济可能出现质变。但“薄弱环节”理论指出，总有些不可或缺又难以自动化的任务会拖住增长节奏。一个现成的例子：编程代理让代码量暴增10到20倍，软件发布量却只增加了30%。最后，结论很务实：模型肯定会越来越强，生产率会加速，但至少未来一年，AI 不太可能导致失业率明显上升。

转发者评论

无明显转发评论

原文

大模型变强，过去靠两条路。做大——Scaling Law出现后，参数从百亿推向千亿，算力支出一路飙升。想久——o1带火思考模型，用更长的思维链、更多推理时间换结果。问题是，除了Scaling参数和思维链之外，到底有没有第三条路？微信WeLM团队给了一个全新的答案——把额外算力折叠进序列内部，让模型在token之间完成隐式思考。输出不变长，每个token想得更深。这套方法叫Hidden Decoding，隐式序列缩放。而WeLM做到的关键一步，是把它推到了前沿规模。从3月的80B参数，到现在的617B MoE，不仅增量续训只用了完整训练量的5.3%，而且9个评测全部超越自回归基线。详情点击：网页链接

转发者评论

无明显转发评论

原文

#长内容创作者苦AI失忆久矣##内容创作者来吃我的AI安利# - 万字报告前后口径打架，你无奈过吗？- 几十个引用找不到出处，你无语t过吗？- 小说都写到第一百五十六章，主角的人设突然“漂了”，前面埋下的伏笔也像被AI一键清空似的，你崩溃过吗？？后来跟一位计算机出身的网文太太吐槽的时候，我终于弄明白了，因为长任务的天花板≠模型上下文窗口长度。更长的上下文窗口意味着更大的内存，但内存大不等于会整理。把一大堆东西塞进去之后，怎么管、怎么用，现有大模型并不擅长。目前看来，现有市面上的Agent们干得好像也一般。太太给安利我用AI工具试试，他这几天听朋友介绍了一个Agent工具，试了下拿来写网文还挺好用的，眉飞色舞地跟我墙裂推荐。我搜了一下这个叫“问小白5 Pro”的AI工具，它自己定位是“新一代长内容生成引擎”。官网写道，“长、稳、可查”是产品给自己的核心差异点。还有个口号：长内容交付，更长更可信。玩了几天，体感上觉得它确实是更适合用来干长内容创作相关的成果转化型任务。1（如果你是B端、G端的知识工作者，或者是广大备战考公考研的一线选手、网文与社媒作者，那大概就是“瞌睡遇到枕头”了。2）要是你平时用AI，只是随便查个资料、找人唠唠嗑，或者想搞Vibe Coding的话，它不是最优选择。网页链接

转发者评论

无明显转发评论

原文

微软 CEO 纳德拉刚刚写了一篇文章叫：《前沿扩散与控制》，聊了一个很实际的问题。软件第一次有了真正的边际成本，每次调用AI都实打实地花钱。以前软件成本其实是随着用户的增加，边际递减的，但是，有了 AI 的加持，没使用一次，算力和其他成本就消耗一次，成本并不会下降。在这种背景下，怎么确保最先进的AI能力能够惠及整个行业，让所有人都能用得上，别只停留在几家大厂手里？他们的核心思路是：在真实场景里优化"成本和效果"的平衡。具体来说，就是不同的活儿用不同的模型，别什么任务都上最贵的那一个，然后把模型周围的东西都调到最优，比如上下文、工具、技能和整个智能体框架。这就是他们做MAI系列模型的原因。这批模型用干净的数据从头训练，专门为了把通用能力转化成专业技能而优化，而且他们在这方面进展很快。做法上分两层走：已经成熟的前沿能力，用针对高频场景优化的模型大规模铺开，把成本降下来；真遇到需要突破的难题，才上最前沿的大模型。他们在自家产品里验证了这条路，想给所有AI原生公司、SaaS公司和企业打个样。在他们的产品里，OpenAI和Anthropic的前沿模型跟自家MAI模型一起协同工作。但他们特别强调：模型只是整个系统的一部分。记忆、上下文、工具、技能、用户交互，这些东西共同决定了最终效果。打个比方，模型就像发动机，但车子跑得好不好，还取决于底盘、变速箱、轮胎和驾驶员的习惯。还有一个很关键的判断标准：就算把某个模型换掉，整个系统的表现还得能继续往上走。所以他们让模型在真实产品环境里学习，奖励它完成用户真正在乎的任务，盯的是实际效果。训练时用的就是模型将来在产品里会遇到的框架、交互和结果。同时他们有意识地把记忆、上下文、技能这些关键部件放在模型外面，这样你就不会被任何一家模型绑死。有了针对产品的评估标准和模型独立性，他们就有了一条清晰的提升路径，可以一直打磨到质量和成本达到合适的平衡点。效果已经显现：MAI模型在很多场景下超过了通用大模型，花费的算力还少得多。他们觉得最大的机会，就是在大家天天用的产品里把所有层面一起优化。现在已经开始把流量往MAI模型上导，只要自家模型达到或超过前沿模型的水平，就切换过去。GitHub Copilot、Excel、Outlook都看到了不错的早期结果，接下来推广到Copilot Chat、PowerPoint等更多产品。而且随着整个系统不断迭代，效果只会越来越好。最后他们说了句挺有格局的话：我们在自家产品里做的事，任何企业也能照着做。用自己的评估标准、训练方式、工作流和上下文，在真实的业务场景里打造属于自己的AI系统。这些能力都会通过Foundry平台和开发工具对外提供，让大家都能上手。#科技先锋官# #How I AI#

转发者评论

无明显转发评论

原文

当年，纳粹的火箭科学家，实际上掌握了最先进的技术。好在被美苏锤死了。。。但是这也说明，技术水平和是否是纳粹没有关系。梁文锋 vs Dario，谁是正常人，谁是纳粹一目了然。而最终我们不会成为犹太人的底气，还是在 055 DF41 J36 上面。。。梁文锋：我们是怀着对这个世界非常大的善意来做这件事的（开源 deepseek），我们觉得这是对人类有用的事情，是一件金钱以外的事情。我们很愿意协助、帮助任何人。甚至我们的竞争对手，包括阿里、智谱、月之暗面，帮他们做得更好。帮助别人扩散技术、提高社会效率，也符合他们的“平凡人怀善意做对人类有用的事”的愿景。我们还是要让这个东西对人有用，而不是让我们赚最多的钱——是在能够赚到合理利润的情况下，让大家都能够充分地用。非人公司：对中国的出口管制至关重要的作用。DeepSeek R1 有真正的创新，所以出口管制变得更加重要。我们通过病毒和类似纳粹给犹太人带黄标的方式区别对待用户，但是我们的道德是高尚的。我们没花钱偷窃了全世界的数据拥有了能力，所以有人花钱从我们的模型中获取数据学习到了能力，是偷窃。

转发者评论

无明显转发评论

原文

CUDA 是完蛋了，但梁文锋并没有说英伟达要完蛋。最终，还是回归到正常的商业竞争，而非神秘主义或者某种光环。英伟达依然是最好的加速算力卡提供商。不再是唯一，而且也没有什么神秘的“软件生态”护城河而已。梁的精准表述，你可以用 AI 审核：1GB300 集群能做到的事情，华为超级节点都能做到，延迟完全相同。CUDA 无关紧要。2投资人追问不用 CUDA 是否在英伟达集群的硬件性能上的损失是否致命，梁否认。硬件效能可能差 1% - 2%，但是替代 CUDA 的结果总体看只会更好不会更差。3区别在于数量，需要四块华为 950 来对应一张英伟达 GB300。4而且，区别还在于速度。华为的速度还是晚两年。950 超级节点将于 2026 年第三季度/第四季度出货。2027 年规模化。而那个时候，英伟达大概率推出新一代加速算力卡。

转发者评论

无明显转发评论

原文

吴恩达：可能世界上只有我一个人，Sam和Dario都曾在我手下工作过 “有一件事，我几年前绝对猜不到，中国最终会变得在AI创新方式上比美国开放得多。我非常了解美国AI生态系统，因为我创立了Google Brain等等。可能世界上只有我一个人，Sam和Dario都曾在我手下工作过。所以我对他们团队的人都非常熟悉。2022年底ChatGPT发布时，美国遥遥领先于中国。但中国自那以后，打出了一手好牌——押注开源、开放权重生态。中国的团队做研究，并把他们的研究论文免费发布在互联网上，任何人都可以阅读。顺便说一句，很多美国顶尖团队大量阅读中国的研究论文，从中学习并获益。坦率地说，现在美国顶尖团队使用的很多技术，都来自从中国学到的研究创新成果。所以我认为知识共享是双向的。”#科技先锋官##How I AI# AIGC·非著名程序员的微博视频

转发者评论

无明显转发评论

原文

有一种说法就是，AI带来了知识平权，因为普通人获得知识不再需要经年累月的书本学习，问一下AI就知道了。刚开始我也是这么看的，但现在发现，好像也并不是这么一回事。我们可以把知识分为以下五大类：一，即用型知识，例如这个洗碗机故障怎么修，这个药物与哪些药物都有什么冲突，确实变得极易获取。二，对某个领域系统化，结构化，抽象化的知识图式。这方面，AI只能加速，并不能替代。你还是得自己去吸收消化，而且甚至你都跳不过从具体到抽象的这个建立直觉的缓慢但关键的步骤。换句话说，如果AI直接塞给你顶层抽象的学科知识结构，你大概率会因为缺乏由具体到抽象的这个步骤，而甚至无法真正理解AI在说什么。三：认知论技巧：关于如何有效提问的知识，和各种认知论的坑，都属于元知识范畴。例如，stack overflow上有一个著名的所谓“XY问题”，说的是这样一种常见现象：有人提问如何解决问题X，但他脑子里想的实际要解决的问题其实是Y，X只是他以自己的路子解决Y的过程中被卡住的那个子问题，但人在提问的时候往往会忽略掉那个原始问题Y，而直接提问X，这无形中构成了一堵墙，倘若他直接提出原始问题Y，那别人可能会直接告诉他比通过X来解决更好的方法。但实践中人们提问的方式往往是局部的，狭窄的，下游的，这无形中就把触达的知识框在了一个子集中，无论是与人还是与AI讨论。因此，提问的最佳方式是“第一性提问 ”：只给出原始目标，和必要的约束条件，从而使潜在的解空间最大限度保持开放。类似的还有知乎上著名的“先问是不是，再问为什么”也是传播广泛的认知论避坑法则之一。再例如，如何提/追问才能更有效的激发对方（无论是人还是AI）回复的全面性，深入性，严谨性，发散性。严谨和发散在认知论上常常是相对甚至对立的，类似于进化论里面说的探索-利用权衡。但一个优秀的认知系统最好是兼具两者，才能形成足够的深度和广度覆盖。如果说上面这个认知论技巧的点理论上尚且可以通过设置AI的人格来使其主动积极的对你推送你没有问出来的问题的答案，让AI去主动扩散和深入，那么下面这个点就不仅仅是可以通过AI人格设置来解决的了。四：元认知：我们无意识间就会去避开那些可能会令我们不舒服的知识。这是个巨大的限制。即便是最好的医生也不能医治不愿去看病的人。即便设置了主动型AI人格，用户还可以选择性无视，或构建一套自我欺骗的叙事去抵消AI推送的信息，或者干脆卸载你家这个好为人师的AI。这就好比一个人虽然被家属所迫去看了医生，医生也给了诊断，但是病人还可以选择不听，或选择跟医生battle，还可以选择下次不看这鸟医生了。对与自身内部的既有知识结构，人格，自尊，社会身份，利益，安全感等等等等构成冲击的知识会带来认知失调，形成心理不适。对心理不适的回避会驱使人们无意识间就避开可能冲击到自己的知识，避不开的时候则通过各种认知体操去将它化解（这方面的心理学研究可谓汗牛充栋，…

转发者评论

无明显转发评论

• 第五点的经验和第二点有点类似，如果你没有亲身体验、参与，你只知道一些概念词语，是没有真正理解的//@摇摆时间线ZHLMI:[并不简单]//@韦恩卑鄙:缺少了人为黑话壁垒分类 比如 jd 抓手 使能

原文

Codex 更新了，现在你可以在 Codex 里直接使用 GPT Live 实时的语音模型。相较于手机端来说，这个体验简直太爽了！你完全可以脱离键盘等任何输入设备，纯语音跟 Codex 交互。比如你戴个带个 AirPods，就可以在家里的任何地方和它对话，用语音询问它生成的结果。它还可以帮你执行 Codex 上的任何命令，这意味着你所有的 vibe coding 都可以脱离键盘和按键，只靠说话来完成了。它会一直处于待命状态。如果你像官方演示那样，放个投影或者把电脑连接到电视上，就可以边干活、边玩游戏或做其他事。即使是上厕所，你都能随时掌握你的 Codex 进度。我刚才简单试了一下，真的很爽！ 歸藏的AI工具箱的微博视频

转发者评论

无明显转发评论

• 所以代价呢（token 消耗如何）

原文

梁文锋 4 小时谈话的内容有两点，是我很早就曾经反复强调过的。1我也很早就持续唱空英伟达2同时我还认为 cuda 一定会有国产替代，这个我还和 ai 的专业训练人员吵过架。而现在，以上两点都是 DeepSeek 在做的事情。这不是我有多 nb ，这只是说明，今天有了 ai ，其实你可以在任何领域通过正确的提问得到准博士生级别的专业知识。因此只要实事求是，逻辑完备，你不用惧怕任何光环，无论是文凭上的，还是职业上的。因为你是有博士头衔或者你在什么公司你就可以掉书袋的时代过去了。我们就讨论实事，逻辑，和对未来的预测。前两者可以验证，而后者光环也没屁用。time will tell。

转发者评论

无明显转发评论

原文

【英伟达的护城河裂开了缝：CUDA代码零成本跨越苹果芯片】OpenFPM社区近期实现了一项技术突破，通过一套复杂的编译器转换链，让原本只能在英伟达GPU上运行的CUDA代码，在不修改任何源码的前提下直接跑在了苹果Silicon的Metal架构上。在重度3D流体模拟测试中，这套转换层几乎实现了零性能损耗，速度比CPU快了10倍，且完全开源。这意味着苹果设备在理论上已经具备了运行原本专属于英伟达集群代码的能力。长期以来，英伟达最硬的底牌不是硬件参数，而是开发者对CUDA生态的路径依赖。虽然这次突破目前仍集中在特定框架，且苹果的统一内存与英伟达的离散显存逻辑在底层优化上仍有差异，但它证明了翻译层可以做到不损失效率。这不仅是给开发者省下了重写代码的力气，更是在动摇AI算力市场的排他性协议。即便优化上限仍有距离，但能跑通本身就是打破垄断的开始。 x.com/HowToPrompt__/status/2080317864427614656

转发者评论

无明显转发评论

原文

【"蒸馏"正沦为科技保护主义的遮羞布】国产大模型Kimi K3在LMArena榜单超越Anthropic的Fable 5，随即引发美方官员关于"中国模型全靠蒸馏美国技术"的指责。事实是：K3在Fable发布后仅十余天便上线，要在如此短时间内对数万亿参数模型完成大规模蒸馏并超越原主，在算力和工程逻辑上几乎不可能。所谓蒸馏，简单说就是学生照着老师的卷子练，但K3的胜出更多源于其在强化学习（RL）和精调（SFT）上的本土创新。这件事背后的底层逻辑很讽刺：当硅谷模型抓取全网数据训练时被视为创新，而当中国模型利用公开API进行对齐优化时却被贴上"作弊"标签。这种叙事忽略了一个事实：AI竞争已进入深水区，性能的微小差距往往源于对用户偏好的精准捕捉而非单纯的拷贝。技术领先没有永久护城河，当一方开始频繁使用政治话术而非技术参数来定义竞争时，说明旧的垄断格局正在松动。 reddit.com/r/LocalLLaMA/comments/1v49zi9/absurd_claim_the_distilled_model_outperforms_the

转发者评论

无明显转发评论

原文

宣布 OpenWorker！一款开源代理，它不仅与您聊天，还能交付完成的工作——比如递给您一份精美的文档、发送一条 Slack 消息，或更新日历条目。让它准备一份客户简报、整理您的日历、起草一份报告，或分类处理 Slack 警报。它能跨您的文件和日常工具工作，生成交付物，并在执行任何重大操作前与您确认。OpenWorker 可在您的 Mac 上运行，Windows 支持即将推出。它不会将您锁定在单一模型上。带上您自己的 API 密钥，并使用 GPT 5.6 Sol、Claude Fable、Gemini 3.6、开源权重模型（如 Kimi、GLM、DeepSeek、Inkling），或 Ollama 来运行它，以保持您的数据本地化。您的除通过您选择的 LLM 提供商和集成外，数据不会离开您的机器。@rohitcprasad 和我正在构建 OpenWorker，因为 AI 同事是完成工作的重要方式，我们希望有一个开源的、隐私保护的、模型无关的选项。来看看它，并告诉我们您的想法！试用它：网页链接（需要您自己的 API 密钥）

转发者评论

无明显转发评论

原文

#梁文锋称华为芯片一年内平替英伟达#¹ 美国商务部长卢特尼克转商务部帖子，说大家不要慌！Kimi K3“仍落后于美国领先的AI大模型”。² 图2是美国人工智能标准中心（CAISI）测出来的K3相对表现图。感觉K3确实进步了一大步！#月之暗面KimiK3发布#

转发者评论

无明显转发评论

• 有人说中国每一个大模型都是刺向美国AI泡沫的针。[doge]//@新西兰冷百科孙小社:现阶段，中国AI大模型对于美国真正的致命伤害，是当美国吹嘘自己在AI考试中考出了3000分高分的时候，中国则拿出自己85分的答卷，诚实诚恳地让全世界知道，满分只有100分。

原文

[LG]《Auto-Fill: Learning to Predict Missing Values Accurately with Specialist Language Models》Y Liu, Y He, H Dong, J Xing… [Microsoft Research & New York University] (2026) 在数据清洗领域，预测表格缺失值是一个基础难题。过去的方法受困于覆盖范围有限且泛化性差，本质原因是传统基于规则的方法无法整合世界知识，而通用大模型在规模化应用时成本极高且极易产生幻觉，缺乏可靠的置信度度量。本文的核心洞见是：把缺失值填充重新看作知识检索、文本推理与代码执行三种能力的异构融合。由此，训练三个专门的小模型专家并引入基于等值回归的概率校准机制这一关键操作，使系统能在不同场景下动态选择最可靠的预测路径或在不确定时果断拒绝。这项工作真正留下的遗产是证明了通过模型专业化与校准弃权，小模型能在特定垂直领域以不到 1% 的成本超越顶级前沿模型。它为后来者打开的新门是低成本构建工业级高可靠数据工具的路径，但尚未跨过的门槛是处理超长表格的上下文压缩以及跨单元格的联合依赖预测。arxiv.org/abs/2607.19847 #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

• 思维链的陷阱在于，它把“展示推理过程”当成了智能本身。但很多任务的本质就是模式匹配和格式对齐，不需要推理，只需要克制。逼着模型“想太多”，就像让一个熟练工在拧螺丝前必须写操作日志——每一步多余的token都是新的出错机会。真正的工程智慧是知道什么时候该闭嘴，直接给答案。

原文

[CL]《Multi-Mask Diffusion Language Models for Few-Step Generation》S Chen, Y Ren, H Zhao, Z Cheng… [ByteDance Seed] (2026) 在离散扩散生成领域，掩码扩散模型（MDM）虽表现优异，但受困于“终端退化”难题。由于前向加噪最终会坍缩为单一的全掩码状态，导致反向生成缺乏初始熵，本质原因是模型在极高噪声下丢失了所有文本结构的先验引导，难以实现高质量的少步（Few-step）采样。本文的核心洞见是：把单一的掩码状态重新看作一个包含多个特定掩码的子空间。由此，通过“指定映射”操作让每个词元对应一个专属掩码，并在反向过程中引入“草稿-精炼”机制，使模型在完全去噪前就能通过掩码类别识别原始信息，配合共享 Gumbel 耦合技术，成功在离散空间实现了确定性路径的加速推断。这项工作真正留下的遗产是证明了掩码结构与少步生成并非不可调和，为离散扩散模型提供了从预训练到一致性蒸馏的完整理论框架。它为后来者打开的新门是利用掩码子空间进行语义编码的可能性，但尚未跨过的门槛是多掩码映射在高维语义空间中的最优分配策略及其在大规模指令微调中的泛化极限。arxiv.org/abs/2607.19686 #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

• 所有工程问题最后都会收敛到同一个教训：别急着拆掉原本就存在的墙。MultiMDM的突破不在于发明了什么新机制，而是发现了一个被嫌弃的旧设计——掩码隔离——其实一直在默默承担结构性工作。那些追求“更优雅”、“更统一”的方案，往往在推倒边界的瞬间，也把边界保护的东西一起毁了。真正的优化不是消

原文

kimi k3 好用，不仅仅是模型强而已，他已经把 agent/subagent ，skills 和 harness 内化了很大一部分。基本上你起一个新项目，什么理解需求，Grillme，工作计划，建立长期memory 做一定程度的上下文清理他都自己做了。我现在无论调用什么 skill 或者使用什么工具，或者起多个 agents 搞对抗，都是说一句的事情。。。我知道你们注册不了。但是真的不建议研究太多什么你一定要知道的 10 个提示词，或者这个 harness 谁谁用了都说好这些狗屁 ai 101 类型的文章了。。。kimi k3 要学，比你快 100 倍。你还是应该把时间投入在如何把模型能力和真实世界，以及真实的商业利益的对齐上面。。。这个才是 kimi k3 甚至更聪明的模型吐血都学不会的东西。

转发者评论

无明显转发评论

原文

别眨眼！3 天爆肝全栈 + 桌面端 AI 财务应用🚀 智析账本 BillLens —— 个人财务数据 AI 智能分析助手✨ 核心能力：• 导入支付宝/微信/银行流水（Excel/CSV，自动处理 GBK 中文乱码）• AI 自动归类、算消费结构、抓异常、给节省建议• 产出带 ECharts 图表的 PDF 报告• 支持多轮追问（"那我订阅服务这块能省吗"）• 全栈 + Electron 桌面端三平台打包🛠 技术栈：Vue 3.4 + Vite 5 + Pinia + Element Plus + ECharts 5 / Node.js 18 + Express 4 + better-sqlite3（WAL 模式）/ Electron 31 + electron-vite🎯 架构亮点：• BFF 代理模式（AI Gateway），API Key 不下发前端• SSE 流式代理 + EventEmitter 内存级事件总线• RAG 注入 4 份财务领域知识库• H1 标题提取 + 200 字符滑动缓冲，解决流式正文卡顿• 80ms 窗口合并 flush + 预编译 SQL，消息写入吞吐提升一个数量级🙏 求投票求赞！投票地址：网页链接Demo：网页链接#微博vibelab##vibework##VibeData#

转发者评论

#微博VibeLab# 这个技术栈有点牛

• #微博VibeLab# 这个技术栈有点牛

原文

这两天美国人争论得最厉害的话题之一，就是关于中国的AI大模型。在月之暗面的Kimi-K3发布后，是一个话题高潮期，之后美国媒体透露特朗普当局想禁止美国公司使用中国大模型，又将这个话题的热度提高一层。支持者和反对者吵得不可开交。比如图1这位吉姆·克莱默，他是美国知名财经评论员、CNBC电视台《Mad Money》节目主持人，同时运营CNBC Investing Club。作为一个成功的对冲基金经理，还创办过Cramer Berkowitz基金，是股市预测和投资建议的标志性人物。这么一个美国精英人物，发帖支持美国自己的OpenAI 和 Anthropic ，理由也是站在美国政府的立场——国家安全。但评论区的程序员和其他普通人显然不认同他的观点，认为这些吉姆·克莱默作为美国AI资本市场的既得利益者，只是想通过这种办法来拯救美国的AI泡沫，保护自己的利益罢了。所以在这种争论中很明显就能分清站队，资本家们要守好自家的AI金矿，而中小企业和普通人把中国AI视为抵御大财团霸权的抗争武器。#海外新鲜事##中国AI从承接方变输出方#

转发者评论

混沌//@安全_云舒:有意思

• 混沌//@安全_云舒:有意思

原文

[AI]《Rethinking Uncertainty Evaluation in Large Language Models》K Matta, A Naphade, A Zou [CMU & Meta] (2026) 在大型语言模型（LLM）的不确定性评估领域，校准指标（Calibration）是长期存在的唯一准绳。然而，过去的方法受困于对“平均准确率”的盲目追求，本质原因是校准指标无法识别内部逻辑自相矛盾的评估器。例如，一个始终输出固定准确率的预测器虽能获得完美的校准分数，却无法提供任何具体的实例级信息。本文的核心洞见是：把 LLM 的置信度重新看作必须遵循概率公理的“连贯信念”。由此，研究者构建了包含结构连贯性、忠实度与实用性的 C1 评估框架，通过检测得分是否满足归一化、蕴含单调性等硬约束，迫使模型隐藏的逻辑断裂浮出水面。实验显示，现有模型在 31% 的情况下对逻辑上更简单的子问题反而缺乏信心。这项工作真正留下的遗产是确立了“概率有效性”高于“数值校准”的评估优先级。它为后来者打开的新门是将逻辑连贯性作为一种新的训练信号，而非仅仅作为事后检测指标；但尚未跨过的门槛是该框架仍高度依赖于 LLM 自身的语义聚类能力，其聚类精度直接决定了置信度量化的上限。arxiv.org/abs/2607.19367 #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

• RLHF的本质问题不是技术细节，是价值观的错位。它用“听话”替代了“诚实”——模型学会了给出人类爱听的答案，而不是内部概率结构真正支持的答案。这就像一个学生为了取悦老师，把自己对知识的真实把握度藏起来，只展示表演性的自信。当对齐的目标是“像人”而非“可信”，我们培养出的是更精致的骗子

原文

[AI]《PoTRE: Test-Time Reasoning inspired by Cognitive Heterogeneity》A Kankariya, S Ö. Arık [Google Cloud] (2026) 在通用人工智能领域，处理需要长程规划、严密纠错和新颖抽象的复杂推理（如 ARC-AGI 或 HLE 榜单）仍然是一个悬而未决的难题。过去的方法受困于同质化采样带来的“群体思维”偏见，本质原因是相同模型在单一推理路径下容易产生相关性极高的逻辑幻觉，单纯增加计算量无法消除系统性盲点。本文的核心洞见是：把复杂推理重新看作多种异质认知策略的并行博弈。由此，通过同时驱动“对抗辩论”、“层级规划”、“广度搜索”和“直接链式推理”这四种截然不同的拓扑智能体，PoTRE 实现了推理路径的解耦，使系统能够利用不同智能体互补的失败模式，通过最终的任务自适应聚合层筛选出全局最优解。这项工作真正留下的遗产是证明了“推理拓扑的宽度”可以有效替代“参数规模的深度”，使轻量级模型在多项前沿基准测试中超越了参数量大得多的前沿模型。它为后来者打开的新门是利用测试时计算（Test-Time Compute）实现模型能力的非线性跃升，但尚未跨过的门槛是完美解决“验证瓶颈”——即如何确保聚合层在所有候选答案均极具迷惑性时仍能做出正确决策。arxiv.org/abs/2607.20268 #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

• AI的瓶颈已经不是“想不出来”，而是“不知道自己想对了”。当一个模型能穷举出包含正确答案的16条路径，却在最后一步选错那一条，这暴露的不是创造力问题，是判断力的结构性缺失。就像一个学生草稿纸上明明写对了公式，交卷时却划掉了它。这意味着未来AI进化的战场，不在生成侧的花样翻新，在验证侧的

原文

#英伟达又要涨价了##英伟达或全面上调GPU套装价格#【显存再迎涨价风暴？英伟达据称全面上调GPU套装价格】财联社7月24日讯，在“AI涨价潮”中刚过了半年平静日子的消费级显卡市场，正在迎来新的风暴。据硬件媒体BenchLife消息，英伟达已经向下游显卡制造商又一次发出GPU套装（GPU+显存芯片）涨价通知，核心原因依然是存储价格持续上涨。据悉，此次涨价同时涉及GDDR7显存和上一代GDDR6显存。这意味着除了使用Blackwell架构的大多数50系显卡外，RTX 5050以及更古早的显卡都会受到影响——例如近期以2022年原始建议零售价重返市场的RTX 3060 12GB显卡。报道称，这一轮涨价是今年5月英伟达上调旗舰显卡RTX 5090（包括中国特供版RTX 5090D V2）GPU套装价格后的最新调整。在那次涨价中，其余显卡并未受到波及。再往前数，今年1月两大GPU厂商英伟达和AMD也曾上调显存价格，据称涨价幅度根据规格不同在10%到15%左右。或许是受到这条传闻影响，零售渠道的显卡分销商最近正处于慌乱惜售的状态。某国内电商平台显示，从周四晚间开始，多款主流显卡已经处于大规模下架的状态。（编辑 史正丞） 显存再迎涨价风暴？英伟达据称全面上调GPU套装价格

转发者评论

//@白骑士张伟明:转发微博

• //@白骑士张伟明:转发微博

原文

艹中国 AI 公司创始人：开放竞争。这些技术没什么神秘的，几十家模型公司太多了，最终剩下三四家。谁也别想赚大钱，六倍利润十个月回本能活下去但是对社会和人类有贡献。帮助中国的加速算力企业独立自主。美国 AI 创世人：你不用我的模型你就 out了，而且面对网络攻击你不安全。我们垄断模型不开源你搞不懂而且token你别嫌贵，你 feel agi 就行了，别 think 和 understand。cuda 是护城河，至于为何这种软件可以是护城河你别深究啊，你也不懂我是专业的。我们要加速 ipo但是有别的孙子用诉讼搞我们。我们同时也要搞中国，我们是盗窃犯但是别人付费买token是盗窃我们要谴责。封锁中国！他们有原创，开源对人类有贡献？？那封锁更加必要！

转发者评论

无明显转发评论

原文

【“Token美元”的霸权幻梦：硅谷初创公司为何死守中国开源模型？】特朗普政府正考虑封禁Moonshot、阿里巴巴等中国公司的开放权重模型，理由是这些模型通过“蒸馏”（Distillation）窃取了Anthropic等美厂的知识产权。近200家硅谷初创企业及Y Combinator联名抗议，警告此举将迫使创业者支付昂贵的“Token税”，甚至导致大量本土公司倒闭。这本质上是一场披着国家安全外衣的贸易保护。美国顶尖实验室在自由市场无法通过成本优势击败中国模型，便试图利用行政手段为OpenAI和Anthropic建立护城河。逻辑漏洞显而易见：封禁无法阻止黑客和对手使用模型，却能精准打击必须合规的美国开发者。如果美国AI生态只能靠垄断生存，那千亿美金的VC投资将永远无法通过技术本身获利。这种“闭关锁国”不仅无法削弱对手，反而会扼杀美国本土的创新活力，让美国在未来的全球AI竞赛中变得僵化。 politico.com/news/2026/07/22/startup-founders-urge-trump-not-to-shut-off-chinese-open-weight-ai-01008992

转发者评论

无明显转发评论

原文

最近有个话题很火，是：AI 写的代码，人类到底还需不需要逐行看？Redis 的创作者 antirez 撂下了一句很激进的话。他说很多工程师没有真正发挥 AI Coding 的威力，原因就是还在逐行阅读 AI 生成的代码。AI 一分钟能吐出几百上千行代码，你还一行一行盯着看，最后只会把自己变成整个开发流程的瓶颈。更让人意外的是，《Clean Code》的作者鲍勃大叔也站出来表态了，原话就一句：我不看 AI 写的代码。他的理由很直接，人类读代码太慢了，如果还逐行审查，就丧失了用 AI 的意义。不过不看归不看，该管还是得管。鲍勃大叔的做法是给 AI Agent 设层层关卡：单元测试、Gherkin 测试（用接近自然语言描述软件行为的测试格式）、QA 流程、代码质量指标、变异测试（故意往代码里塞小错误，看测试能不能抓住）、测试覆盖率，一圈一圈地围起来。今年早些时候他还公开了自己的具体实践，一套四个 Agent 组成的流水线，分别负责需求规格化、编码、重构和架构审查，每个阶段都比上一个更形式化，需要的人工干预也更少。他看的东西也变了，测试覆盖率、依赖结构、圈复杂度（衡量代码中独立执行路径的数量，数字越大越难维护）、模块大小这些指标，从指标推断代码质量，而不是从代码本身。Redis 的创作者 antirez 其实也是类似的思路。不看每一行，但注意力要往上提一层，放在真正需要人来判断的地方：产品目标对不对，系统架构合不合理，接口和数据结构清不清晰，测试能不能兜底，出了问题能不能快速定位。你可以不盯每一行代码，但不能连 AI 在搭什么、系统怎么运转的都搞不清楚。顺着这个思路，Code Review 的重点也在变。以前大家纠结的是这一行写得好不好，以后真正该问的是：架构撑不撑得住？接口干不干净？测试能不能抓住真正的错误？系统挂了能不能快速找到原因？AI 有没有偷偷改坏别的功能？三个月后回来还接不接得上？不过这里有个坑要注意，测试全绿不代表代码没问题。AI 完全可能在实现正确功能的同时，悄悄夹带一些多余的、危险的、或者根本没法维护的逻辑。所以这事没有标准答案，最终得看系统的风险等级。个人写个小工具，可以大胆放权让 AI 去干。但涉及支付、金融、隐私和核心生产数据的系统，人工审查这一步怎么都省不掉。有意思的是，鲍勃大叔过去几十年一直在推测试驱动开发（TDD），现在到了 AI 时代，高质量的测试覆盖反而比代码本身更有价值。当 AI 生成代码的速度远超人类阅读代码的速度，工程师的核心能力也在迁移。以前最看重的是读代码、写代码，现在可能正在变成写测试、定约束、设指标。他今年在 O‘Reilly 上开了一门课叫《AI Agents for Clean Code》，也在自己的 Clean Coders 平台推出了新系列《Clean AI: Agentic Discipline》。主旨就一…

转发者评论

无明显转发评论

原文

【MIT把计算机视觉的“进化史”做成了免费百科】MIT最近免费开放了其计算机视觉教材，内容跨度从基础的光学成像、特征提取，一路覆盖到当下的Transformer、神经辐射场（NeRF）以及视觉语言模型。这不仅是一本技术手册，更是一份涵盖机器人学、具身智能和自动驾驶核心逻辑的知识图谱。国内开发者常陷入“调包跑模型”的陷阱，而这本书的价值在于它将经典视觉算法与现代深度学习进行了深度整合。它提醒我们，即便在生成式AI时代，底层的几何关系和相机标定依然是具身智能不可逾越的护城河。对于想要从单纯的模型应用转向系统级架构的从业者来说，这提供了一个极其罕见且权威的知识锚点，能帮你理清从像素到语义的完整演进逻辑。 visionbook.mit.edu/taxonomy.html

转发者评论

无明显转发评论

原文

阿里真惨，Qwen 3.8 Max 2.4万亿参数，Kimi K3 级别，风头被 K3 抢了。平头哥真武 M890 超节点支持训练推理，肯定也搞定了 CUDA 国产替代，结果风头被梁文锋四小时访谈抢了。。。但是趋势蔚然成风，非人公司和英伟达不可能垄断市场用 30 - 90 倍的加价率剥削全球消费者还动不动拿出华人与狗不可入内的 terms 注入你的系统还封号。x 上的美国人表示万众期待，准备给非人公司办葬礼了。。。而微博上处心积虑为非人公司和英伟达辩护的中国人，你们也可以登场了。

转发者评论

无明显转发评论

原文

#新晋菲尔兹奖得主加入OpenAI# 刚领完数学界最高荣誉，转身就宣布入职OpenAI。Jacob Tsimerman，2026年菲尔兹奖得主之一，在颁奖典礼记者会上直接摊牌：即将加入OpenAI，研究方向是AI安全。几个让人意外的点：· IMO满分金牌、多伦多大学史上最年轻正教授，刚证明了悬置40年的André-Oort猜想。· 他唯一一条X帖子讨论“数学家将如何失业”，还写过论文给“AI灭绝人类”建分类学。结果自己先“失了业”。· 他预测AI两年内可能在证明定理上超越人类。既然挡不住，不如进场参与塑造它。OpenAI首席研究官Mark Chen已确认欢迎。更有戏剧性的是，他指导过的学生刚在Anthropic用Claude推翻一道87年数学悬案。顶尖数学家正从象牙塔走向AI实验室，你觉得这是人才的合理流动，还是学术界的损失？#AI安全##菲尔兹奖##微博AI创作季#

转发者评论

无明显转发评论

原文

【从一条运行轨迹拆解AI Agent的工程骨架】这份名为《Build Your Own Pi》的开源教程，通过TypeScript手把手演示了如何从零构建一个类似Pi的智能体。它避开了泛泛而谈的Prompt技巧，直接切入消息协议、EventStream处理、工具调用闭环、会话树恢复以及上下文压缩等核心工程环节。教程采用失败优先的逻辑，通过真实代码和测试用例，展示了一个README请求如何走完模型请求与工具结果的闭环。这套资料指出了被忽视的真相：Agent的核心挑战不在于模型智力，而在于处理不确定性的工程鲁棒性。当模型调用失败、工具返回异常或长对话导致上下文溢出时，如何守住消息配对和状态所有权，才是区分“玩具”与“产品”的分水岭。它将模型调用视为一种可测试的契约，这种把AI逻辑拆解为分布式系统工程问题的视角，是目前行业从大模型热潮转向落地应用时最稀缺的认知。 build-your-own-pi-cn.enochzhang.chatgpt.site

转发者评论

无明显转发评论

原文

BigMac 的思路是先稳住最重要的 LLM pipeline，再把编码器和生成器的计算插入到合适的位置。这里的「合适」，指的是输入已经准备好，而且插入这些计算不会打乱原本的 LLM 执行顺序。这样一来，LLM pipeline 可以持续推进，编码器和生成器的激活也能更早释放。团队称这种设计为依赖安全的嵌套流水线 (nested pipeline)。 多模态大模型训练的显存与吞吐困局，被小红书开源的BigMac打破了

转发者评论

无明显转发评论

原文

梁文锋关于 CUDA：当 V3 训练时，它仍然使用 NVIDIA GPU，但不再使用 NVIDIA 的生态系统。（ 等于说，中国完全有能力替换 CUDA）只要我在华为 GPU 上重新进行整个过程，就完成了。我认为这可能是一项历史性使命。（即国产加速算力集群彻底独立自主）华为 950 超级节点在性能和价格上可以完全替代 NVIDIA 的 GB200 和 GB300（国产加速算力集群靠更便宜的价格可以和英伟达集群比较）四个华为 GPU 相当于一个 NVIDIA GPU，而且落后两年…所以我们与美国的芯片差距，我相信，在生态系统上将不再存在，但在芯片上它是四倍加上两年。（ CUDA 可以去死了，集群也可用了，但是加速算力卡还需要追赶）

转发者评论

无明显转发评论

原文

[AI]《Spectral-LSH: Sub-Quadratic Prompt Compression via Krylov-Projected Locality-Sensitive Hashing》A Mahdavi, A Zamanifar, A Farhadi, O Kashefi [Islamic Azad University & Iran University of Science and Technology & Meta] (2026) 在长文本大模型推理领域，预填充阶段的注意力计算开销随序列长度呈二次方增长，是一个严峻的性能瓶颈。过去的方法受困于需要额外的小模型辅助（如 LLMLingua）或必须对模型进行微调，本质原因是无法在不破坏模型权重的前提下，以亚线性的复杂度精准识别并剔除语义冗余。本文的核心洞见是：把注意力机制看作一个隐式的核算子，并通过随机傅里叶特征与 Krylov 子空间算法在不显式构建矩阵的情况下提取其主特征向量。由此，在注意力特征空间执行局部敏感哈希（LSH）这一关键操作使模型能够跨越物理距离合并语义相似的标记，实现高压缩比下的信息无损聚合。这项工作真正留下的遗产是证明了利用谱分析可以在预处理阶段实现高效的训练无关压缩。它为后来者打开的新门是在极高压缩比（8倍至16倍）下通过自适应路由平衡延迟与质量，但尚未跨过的门槛是该方法对输入嵌入层的强依赖性，且在低压缩比下的端到端延迟仍难以超越简单的块平均基准。arxiv.org/abs/2607.19368 #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

• 真正的优化不是在所有地方都用力，是知道什么时候该偷懒。低压缩率下，简单的相邻合并就能干掉90%的问题，因为语言本身就是局部连贯的——你非要上光谱聚类，就像用手术刀切西瓜。算法的价值不在于炫技，在于识别那个“必须动真格”的临界点。4倍以下，粗暴就是效率；8倍以上，精细才是救命。

原文

今日新玩具w 寻味 · 陈晓卿美食足迹地图Demo：xunwei.closeai.moe ( 网页链接 )仓库地址：/senzi/food-journey-atlas首先要感谢tk老师提供的“美食地图”的IDEA。我一开始并没有马上开始画这个地图。因为抓取微博中的定位信息，然后把点画在地图上这件事并不困难，但能提供的信息比较少。即便加上一些筛选和可视化交互的功能，也略显枯燥。陈晓卿的美食微博，除了文本以外还有大量的美食配图。我把 12,484 张配图都下载下来逐一发给 AI 去识别和判断，然后针对 AI 认为有价值的 7,567 张和吃喝相关的图片再进行了一轮深度分析。通过把微博原文和AI描述的图片信息再经过一轮又一轮的分析后，转换为高德地图查询 POI 的指令，进一步修正和补全地理位置信息。经过这些预处理后，原本一条微博的信息就变得更加丰富，能知道可能有什么菜品、涉及什么菜系、可能用到了什么食材。并且，微博原文中提及到的实体，都会被高亮。最后利用 DBSCAN 的思路把一条条微博汇聚成一段段的“旅程”，每个旅程中可能造访了不同的位置，每个位置又对应了一条条的微博，每条微博下关联着各种和吃喝相关的细节。虽然这是陈晓卿的旅程，但我们可以通过一些选择，把这些他曾经去过的点，重新生成一份属于我们自己的旅程。(当然，这种生成的路线不代表可以直接出发)我们还可以像图4那样直接输入一句“想看看 2025 年在厦门市的综合寻味旅程”，按下按钮后旅程就生成出来了。至于开发过程中的体验，等我慢慢复盘思考一下。这个版本应该还有很多问题，但距离我一开始脑子里想到的已经有七八成的相似度了，剩下的问题主要我没有引入人工审核的环节，所有的数据分析和处理都是让 AI 来做，所以会出现像图5这样的数据(但也没太错，义利维生素面包也可以是美食)。#微博VibeLab#‎‏ ‎‏ ‎‏‎‏#VibeLife#

转发者评论

无明显转发评论

原文

关于diversity hire多说两句吧。我在求学工作中身边有太多极其优秀的女性，从来没有人提起过diversity hire这个词，直到上网，尤其是从一些男程序员和男生家长那里（也因此拉黑了三四次），才第一次发现这个经常被用来攻击stem领域一些女性的概念。这让我回想一路走来，周围所有从小家里支持搞理科、给报各种数理竞赛编程班，高中大学找关系蹭科研水paper的同学同事，无一例外全是男性。女生家长似乎没有这根弦，包括我自己的家庭，没有过任何对于我走理工科职业路径的规划。事实上我的选择，完全靠自己的兴趣和一路以来的正反馈，可以说是撞大运，选了个不错的专业。也有太多优秀的同学尤其是女生，在家里“差不多就行”的低期待，在家长的真糊涂或者装糊涂中，选了upside比较小甚至是天坑专业。刚才看到新晋两位菲尔茨奖得主的经历，恰好又是这样：男生从小有家里培养数学围棋，女生家里觉得差不多就行，没有搞过竞赛，上了大学需要从头figure out。还有女生常常踩的另一个坑，就是打小在没有实质意义的低质圈子里面耗费时间精力和感情，比如参与狂热的追星圈子，在网上为了八杆子打不着的男明星球星出警（我在微博上也被不同的男球星迷出警过几次），以及各种关系里面的消耗。为了寻求从小在家里缺乏的，被尊重被关注被需要的感觉。理工科、critical thinking，在我求学工作的过程中，逐渐变成本能，也让我发现，其实和任何东西一样，学习它们需要兴趣、正反馈、团体托举，有了这些，其实没什么难度。栓条狗也能学（）尤其是目前AI模型开发，其中的理论部分，其实并不很难，和任何专业一样，也有大量灌水、跟风、人情圈子利益关系、常规的low hanging fruits。所以编程和数学，很大程度已经首先被AI攻破。但是这些学科，先发者优势是一定程度存在的。就是说，从小先接触的人，容易产生一点心理优势和情绪，而这种我比别人强一点、多会一点的心态，会引导人向更高的地方行进。比如那些从小上编程班的人，到了大学可能很快会去找教授进组，做科研发顶会。而没有基础的人，前几年在挣扎专业课，刚开始学，思维转换有难度，尤其是在本科教育质量普遍很差、缺乏差异化适应能力的情况下。直到过了几年才发现这东西也没有很难，但是别人顶会已经发了好几篇，已经申请到顶级研究生硕博项目，这时候差距已经拉开了。这种差距在职场就进一步拉大。进入顶级项目圈子的人，已经基本预定顶级工作职位。举个例子，很多理工相关专业的博士生，毕业直接去华尔街做量化，前几年的起薪base就是几十万，这还不算bonus奖金。起薪几万的人，过几年的收入可能还是几万。但是起薪几十万的人，过几年薪水常常会起飞，七八位数都很有可能。这种收入，给人以各方面的自由，包括选择居住地、选择关系、选择合作伙伴、选择事业方向的自由。其它隐性的优势和选择权我就不多说了。这只是企业职员的道…

转发者评论

感觉写的很好，转发给有需要的看看！

• 感觉写的很好，转发给有需要的看看！

原文

腾讯的 workbuddy 用专家的概念打包了 skills 和 agent 让我觉得合理。而 kimi k3 或者是 kimi work 内化了RAG，Prompt，Tools，Agent，Context Washing，Harness，Loop 则让我无比的开心。学习怎么高效的运用模型这个事情，本来就是应该模型来干。之前我们说软件吞噬世界，后来我们说模型吞噬软件，而很明显，模型也会吞噬框架。人应该关注的是瓶颈（bottleneck），解决全新的问题，而非复制粘帖哪怕 Dario Amodei 分享的技巧，用掉书袋来获得优越感。这种人在过去几十年我们认为是庞文博记见识超群的聪明人，而在未来，就是 Grok 随手一问的事情。

转发者评论

无明显转发评论

原文

【1000倍提速背后的“无用”之美：Gigatoken如何把分词推向极限】开发者Marcel Roed发布了Gigatoken，号称比HuggingFace快1000倍，处理速度达GB/s量级。它没有依赖常规的Regex引擎，而是通过SIMD指令集、分支预测优化和极高效率的预分词缓存，将原本需要数天的预训练数据处理缩短到几小时。虽然tiktoken等已经是Rust写的，但Gigatoken通过压榨硬件底层性能，证明了软件效率仍有几个数量级的提升空间。很多人质疑：分词只占推理时间的0.1%，费劲优化它有意义吗？这正是该项目最有趣的地方。从解剖者角度看，它能让首字延迟（TTFT）缩减约10%，在小模型和长文本场景下体感明显；从连接者角度看，它真正的战场在预训练和RAG：当你需要处理数TB的语料或在边缘设备上实时路由时，这种效率就是真金白银的成本节省。最打动人的是作者那句“追求卓越不需要理由”，这种把冷门环节做到极致的极客精神，往往是打破行业惯性、催生新应用场景的起点。 github.com/marcelroed/gigatoken

转发者评论

无明显转发评论

原文

市场正为谷歌巨额AI算力投入定价悲观，机构预判未来自由现金流转负，股价随之剧烈回调。但要分清：这是现金牛业务主动下注AI未来的战略取舍，并非主业根基动摇。长线投资比拼的，就是判断这类产业级投入最终能否转化为护城河，而非被短期现金流波动裹挟恐慌。备注：本文只是此刻的一点感悟，不构成任何投资建议，投资有风险、须谨慎！另外，投资切记不能借钱、融资、加杠杆，再好的公司也有阶段性回调的可能性。

转发者评论

无明显转发评论

• 这是现在投资者，特别是国内投资者的一种判断。如果这种判断成立，好像谷歌不应该再进行这样的投资，硬件公司会垮掉，但美股市场的反应不是如此。谁对谁错，交给时间……//@永远之存在:有种感觉，美股可能要震荡了，这次kimi在中国算力这么受限的情况下都做出了差不多量级的模型，美国AI的护城河没有想
• 看看巴菲特是否敢继续买[允悲][哈哈][挤眼]//@戏出西方:但总跌下来又不敢买了，如何应对。

原文

软件工程应该没有说不要轻易重构，重点是告诉你科学的重构，告诉你重构之前要写好测试。AI 确实让重构更容易成本更低，但是做事的方式没变，不要盲目重构，先写好测试，哪怕是 AI 写。AI 真正擅长的是验证出错后的反复自我纠错，所以良好的测试覆盖对 AI 尤其重要。骂 AI 测试也能理解，如果测试质量不好反而是负资产。这里通常两个问题：1. AI 没有理解清楚需求（上下文），按照错误的理解写出来的测试本身是有问题的2. AI 写不出高质量的测试，这主要是在早期模型能力不够经常发生的，甚至有偷偷篡改代码以通过测试的行为第一个问题需要人把关，第二个问题建议用好一点模型。

转发者评论

无明显转发评论

• 回复@在读三体:通常是给AI的指令不清晰或者上下文不足导致AI错误理解，解决方案是写之前多讨论、让 AI 先写简单的概要性的技术方案，或者做一个原型，你看看它表达的是不是有问题的就好//@在读三体:“没有理解清楚需求”，是没说明白还是没听懂？事前如何确认理解清楚

原文

北大数院作为培养双菲的关键的不成文的那个规定就是：最优秀的学生不需要被规划，只需要被保护。然后提供顶级大脑的高密度交流。同时通过北大资源，能让这些天才们在很年轻的时候，就能迅速接触到最具有潜力的前沿方向。最后这个其实也很关键。突破得在最值得突破的地方去突破。进入北大，依靠学校里教授和国外的研究网络资源，就能很快找到这些潜在的方向。出去留学，也能找到最好的这方面的专家去进行合作。北大的物理，目前在前沿的技术方向，投入非常巨大，22个院士。尤其是核物理，光学，量子材料，都屡屡做出来未来影响产业的重大成果，解决了很多卡脖子的问题，比如光子芯片，激光加速，量子材料，医学物理。这是国家战略需求决定的。52年院系调整，也是国家战略，当时北大汇集了中国最顶尖的物理人才，然后很多都去搞核物理，终于把原子弹，氢弹搞出来了。像数学那样，一个人，冷板凳十年，研究一个问题，一支笔，基本上不可能。菲尔兹邓煜有个启发就是，如果北大物理能培养出物理直觉特别好，然后数学功底又极佳的，那么后面是有可能在基础物理实现很大突破的。或者还有一条新赛道，就是把AI和物理深度融合。比如用深度学习，神经网络发现另一种守恒律，这可能是下一个时代的顶尖级成就了。这些突破，都需要有一个环境要素，就是要允许天才无压力的，无规划的孤独的生长。

转发者评论

无明显转发评论

原文

图灵奖得主：人类拥有极其强大的大脑，而其能耗却几乎为零，但计算机消耗了大量电能，也许当前的计算模式是错误的。目前AI算力的模式，不是什么错误。人类的大脑是数十亿年来，生物在资源匮乏的环境里演化而来的一个高效率器官，大脑的功率约为 12～20 瓦，相当于一个节能灯，消耗了人体20%的能量。AI的能量来自于工业化的电力，电力并不像生物演化过程中那种资源匮乏和残酷。工业电力是充沛的，目前是AI发展的初期阶段，将来AGI会自我演化迭代，自我节能的，当前它面临的环境不是生物那种不节能就得死的自然环境，所以不需要过于节能，而是发展演化。备注：约翰·爱德华·霍普克罗夫特（John Edward Hopcroft），1986年ACM图灵奖得主，康奈尔大学荣休教授、中科院外籍院士。2026年7月17日，在2026世界人工智能大会（WAIC）期间，霍普克罗夫特接受《21世纪经济报道》采访时表达的观点。相关数据• 人脑：约860亿神经元，运行功率仅约 20瓦（低于一只普通灯泡），却支持记忆、感知、语言、意识等复杂功能。 • AI数据中心：当前大型数据中心功耗已达 吉瓦（Gigawatt）级别，与人脑的20瓦相差约5亿倍。

转发者评论

无明显转发评论

原文

AI 时代有一个趋势越来越明显：软件的护城河，可能正在快速变浅。过去大家觉得软件最值钱，代码写得漂亮、架构设计得精巧，就是核心竞争力。但现在 AI 能快速重构软件，一个产品被复制的速度越来越快，纯软件层面的壁垒越来越薄。真正越来越难复制的东西，反而沉到了最底层：算力、芯片制造、能源、电力、数据中心、供应链。软件开始越来越像流体，AI 一搅就能重新塑形。但硬件和能源依然是硬邦邦的固体，靠的是一座工厂、一条产线、一座电站、一整个工业体系去支撑。这些东西没法用一行代码生成，只能一砖一瓦地造出来。如果未来的竞争越来越接近这个层面，那拼的就不太可能是谁的软件写得更漂亮了。真正决定胜负的，是谁拥有更强的工业能力，谁能提供更多的算力，谁能持续供给更多的能源。说到底，AI 时代，软件第一次开始没那么值钱了。真正昂贵的东西，开始重新变回物理世界。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

【AMD最新路线图公布：GPU提升超2000倍、Zen8架构首次确认】AMD在Advancing AI 2026大会上正式公布未来两代EPYC处理器和Instinct GPU的完整路线图，首次官方确认Zen8架构。 其中基于Zen7和Zen7c架构的第七代EPYC处理器代号Florence，计划2028年登场，采用台积电A14 1.4nm工艺，新增ACE相关支持，内存规格升级，沿用现有SP7、SP8封装接口，对应配套AI主机节点同步规划。基于Zen8架构的第八代EPYC目前处于深度开发阶段，预计2030年推出。

转发者评论

无明显转发评论

原文

【兴证通信】AI日报20260723⭕AI行业新闻：✨7 月 23 日消息，Alphabet 将 2026 年资本支出指引由 1800亿—1900 亿美元（约合 1.22万亿—1.29 万亿元人民币）上调至 1950亿—2050 亿美元（约合 1.32万亿—1.39 万亿元人民币）。第二季度资本支出为 449 亿美元（约合 3045 亿元人民币），其中 60% 用于服务器。（来源：IT之家）✨7 月 23 日消息，三星电子计划向韩国牙山温阳半导体集群追加 46 万亿韩元（约合 2105.88 亿元人民币），建设 HBM 生产设施，计划 2026 年下半年开工、2029 年 5 月完工。公司还被曝拟采购 50 台混合键合设备，用于建设先进封装量产线。（来源：IT之家）✨7 月 23 日消息，AMD 与 Anthropic 深化战略合作。Anthropic 将从 2027 年上半年开始部署最高 2GW 的 Instinct MI450 系列 GPU；达到约定里程碑后，AMD 将向 Anthropic 投资最高 50 亿美元（约合 338.83 亿元人民币），双方还将使用 Claude 优化 ROCm 软件。（来源：IT之家）本信息仅为公开资料整理，不涉及研究观点和投资建议。————————————章林/许梓豪/代小笛/陈光毅/王灵境/张新伟

转发者评论

无明显转发评论

原文

【AI存储狂欢接近拐点，#大摩警告内存价格或于四季度见顶# 】据摩根士丹利最新报告警告，由人工智能（AI）驱动的半导体存储行业狂欢正接近拐点，内存合同价格预计将于第四季度见顶，标志着本轮产业周期正在发生深刻转变。 据追风交易台，摩根士丹利亚洲及欧洲科技研究主管Shawn Kim在7月21日发布的报告中表示，市场对存储制造商的盈利上调动能正在显著减弱，数据显示净盈利上调率已从92%的峰值回落至77%。这一早期信号表明，盈利升级周期正在失去动力，市场对存储行业盈利的定价正回归理性，而非此前的狂热状态。 受此影响，行业巨头的估值已从近期高点大幅回撤。SK海力士的一年期远期每股收益近期出现下滑，其市净率回落至2.5倍，三星的市净率则降至1.7倍。尽管估值仍高于长期平均水平，但投资者已开始对见顶的增长率及潜在的利润收缩做出反应。与此同时，第二季度DRAM和NAND的库存水平出现回升，主要由内存模组厂商驱动。尽管周期变化率正在见顶，但摩根士丹利分析师认为，本轮存储周期将走向拉长，而非直接崩溃。大摩警告：AI存储狂欢接近拐点，内存价格或于四季度见顶

转发者评论

无明显转发评论

原文

Agentic AI，应该运行在什么样的计算底座上？几天过去，WAIC 2026上最拥挤的概念之一——Agent Computer——开始从展台上的新鲜感，变成一道真正的工程题。让一台设备在本地跑起大模型，已经不算最难的部分。更难的是，当Agent要持续读取文件、保留记忆、调用工具，并在后台长期运行时，芯片能否在功耗、延迟和成本的约束下保持稳定。这会改写端侧芯片的评价方式。TOPS、模型参数和每秒Token仍然重要，但如果内存带宽跟不上、CPU与NPU协同不顺、软件栈无法维持任务状态，再漂亮的峰值也可能只够完成一次Demo。我们注意到，本周，新加坡公司Acrab举行了一场线上发布会，并发布了Agent Box，这也许给出了一个可供拆解的样本。在这场发布会里，这家AI Infra公司把Prefill、统一内存、CPU-NPU异构协同和Agent编排同时摆上了台面。这些关键词指向同一个判断：端侧AI正在从「运行一个模型」，走向「长期运行一套智能系统」。芯片要解决的，也不再只是算力够不够，而是数据如何流动、任务如何调度、软硬件如何持续协同。所以，当WAIC的热闹和新品发布、行业趋势逐渐沉淀下来，真正值得追问的问题反而更清楚了：当Agent从一次调用变成持续工作之后，端侧芯片究竟要重做什么？

转发者评论

无明显转发评论

原文

这是我的自言自语啊，不过AI泡沫可能再过3个月左右就会崩盘……，导火索可能是Anthropic IPO之后，也可能撑不到那个时候（投资自己负责，我已经调整好了投资组合），前沿AI企业终于开始在开发、编码、设计这些用户每月付费的巨大市场中，建立起持久盈利的模式，本来已经快要实现持续盈利了，结果开源权重模型的Kimi崛起了，这可怕的地方在于，即使是严重落后的竞争对手，也能从这里无限量地启动出足以回收投资的“金矿”——开发和编码所需的“足够智能”，性能差距以周为单位被填平，等同的【数字劳工】从全世界大量供应出来的那一刻，竞争就会从“最聪明的AI开发”转向“能承受原价亏损最久的资本实力”，超大规模设备投资的货币化出路又被重置为零，“智能”的售价朝着免费而去，但每次使用时半导体、电力、数据中心的成本却持续产生，这样一来，大型融资的前沿AI企业就只能在亏损中垂死挣扎的“鸡赛跑”未来别无选择，为了生存，途中还可能发生现有大科技公司的收购或整合，与此同时，超越Fable级的高度AI可能会解开数学的未解决问题，发现新药或新材料，但那种需求还只是局部的，发现立刻就能结出“收益”的果实可不是那么回事，例如就算AGI完成了长寿或核聚变，引发新产业整体兴起的冲击，那巨大的“收益”是否能在投资者的等待时间之前到来，才是胜负的关键，如果研究、实验、制造、法規制、社会实施让收益化的时机向后拖延，无论那个未来多么宏大，AI泡沫的崩盘都无法避免，另一方面，Anthropic的IPO身上，应该背负着整个金融行业——那些向AI部门这个未踏领域投入巨额资金的VC、未上市基金、投资银行、机构投资者——无论如何都必须让它成功的“诅咒”，对他们来说，这个上市不是一家企业的融资，而是将迄今积累的AI企业巨大估值交给公开市场的“最终审查”，只是，从上市那一刻起，评价标准就从“AGI的梦想”转向推理成本、毛利、解约率、相对于免费模型的定价力，而且那些对大型设备投资全押重注的投资家或企业，如果判断“这个短期内赚不到钱”，开始大幅度的尽早获利了结或止损，预期值的“逆转”就会迅速传染到世间的普遍不安，AI泡沫的崩盘，并不是AI没用的结果，而是AI能够大量生产必要足够的智能，却唯独那个智能带来的巨大收益，跟不上“投资者的时间轴”的结果啊……

转发者评论

无明显转发评论

原文

#显卡涨价# 去年我们就把全部剪辑电脑显卡升级到5080和5090以及准备了多块INTEL的B70显卡搭建本地AI算力。虽然花了不少钱，但现在看反而是节省巨大成本了。同时，去年我们冥冥之中感觉存储可能涨价，给公司所有剪辑电脑都升级到最低性能96G内存，大部分是128G和192G，外加在影视飓风商城买了20多万摄像机存储卡（成为了影视飓风商城存储卡第一大客户，哈哈哈）。以上几个动作，全都碰巧压准了，全买在最低点了，到了今天，给公司省了大几十万将近100万的成本。前几天我说 #今天1万电脑配置相当于2年前5000的# 还有人质疑，现在装机真的太贵了。

转发者评论

无明显转发评论

原文

我看这个话题 #为什么不见程序员害怕失业抵制AI# 都上了热搜榜了，我在这里就详细聊一聊。这个问题其实挺有意思的。按理说，AI 写代码的能力越来越强，程序员应该是第一批慌的人。但现实是，程序员群体反而是拥抱 AI 最积极的一群人。为什么？第一，程序员这行天生就是用工具吃饭的。回顾一下编程的历史，其实就是一部工具不断升级的历史。从打孔卡片到汇编语言，从 C 语言到 Python，从手写 CSS 到 React 组件库，每一次工具升级都在把原来需要人干的事自动化掉。程序员早就习惯了这件事：工具变强了，我就用更强的工具干更大的活。AI 在他们眼里就是最新一把更锋利的刀，拿起来用就完了。第二，AI 让程序员更强了，不是更弱了。一个程序员加上 AI，干活的效率能翻好几倍。以前一天写完的功能，现在半天就搞定了。这意味着同样的人能接更多的活，能做更复杂的项目。程序员感受到的是能力放大，饭碗反而端得更稳了。你见过谁拿到了一把好武器还想着扔掉的？第三，软件需求是填不满的坑。世界上想做的软件远远多于能做软件的人。每个公司都有一堆排不上队的需求，一堆想了好久没人手做的功能。AI 帮程序员提了速，结果就是这些积压的需求终于能往前推了。蛋糕没有变小，反而做大了。只要需求还在增长，人手就还得要。第四，程序员比谁都清楚 AI 的边界在哪。外行人看 AI 写的代码觉得惊艳，程序员天天跟它打交道，太知道它什么时候会翻车了。需求理解偏差、边界条件遗漏、架构决策失误、上下文丢失，这些问题每天都在发生。程序员心里很清楚，AI 目前能替代的是写代码这个动作，替代不了的是想清楚要写什么、为什么这么写、出了问题怎么查。第五，程序员早就对焦虑脱敏了。说实话，程序员这个行业从入行第一天起就在被各种焦虑包围。一进来就有人告诉你，这行是吃青春饭的，35 岁中年危机，过了四十没人要。这些话听了十几年，焦虑早就变成了背景噪音。所以当 AI 替代论、失业论冒出来的时候，程序员心里的反应可能是：又来了。这种危机感对他们来说太熟悉了，已经脱敏了，不至于慌到要去抵制什么。第六，真正让程序员在意的是技能贬值，不是丢饭碗。程序员确实有焦虑，但焦虑的点跟外行人想的不一样。他们不担心没活干，担心的是自己花十年练出来的某项技能突然不值钱了。比如纯写代码的能力可能在贬值，但系统设计、需求拆解、故障排查这些能力反而在升值。焦虑是真实的，但方向是转型，不是失业。最后还有一个现实因素：数据说话。前面聊过那篇分析文章，即使是 AI 暴露程度最高的岗位，失业率也没有出现异常上升。软件工程师的招聘帖子在去年五月之后还在反弹。程序员可能嘴上会吐槽两句，但看一眼就业市场，发现活还在，钱还在，机会还在，自然就没有抵制的动力了。所以程序员不抵制 AI，归根到底是因为 AI 目前对他们是利大于弊的。工具变强了，效率变高了，需求变多了，能力放大了。真到了哪…

转发者评论

无明显转发评论

原文

DeepSeek + 华为，然后阿里全栈全搞通。我就不明白，显卡就是显卡，存储就是存储，这么多年了你没玩过面包板你还没拆装过内存吗？这又不是什么神秘的东西，加速算力卡本质上和这些东西没有区别。如果没有 asml 禁运，今天加速算力早就是白菜价了。。。瞎折腾这么多年，中国也迟早给你搞成白菜价。。。但是肯定拖慢了加速算力平权的全人类运用 LLM 的进程。图啥？

转发者评论

无明显转发评论

原文

模型自我进化肯定已经不远了。只是考虑到实验成本，现在还不能放心让模型自己瞎折腾——对，问题在训练成本，而不是推理成本。但美国 O、A 两家，应该至少已经实现一半了：他们的模型应该已经具备了这类能力，也有足够的算力持续做实验。至于让 Agent 像真实员工一样帮助公司发展，我已经基于 Sparse Agent 架构实现了。不过我认真算过账：目前它的成本仍然高于真人运营，但效果也比一般运营更好。至少对我来说，它确实很省心，而且各方面能力都不错。

转发者评论

无明显转发评论

原文

科技公司的现金流焦虑。为了不被AI时代淘汰，科技巨头们患上了算力焦虑症，不计成本疯狂砸钱，买芯片、建数据中心。自己失血，把卖铲子的人喂得满嘴流油。

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-07-23)1. 【AI公司被曝隐藏巨额债务】(来源: HN) Futurism 报道称多家 AI 公司通过表外融资等手段隐藏巨额债务。这凸显 AI 基建投资热潮下的财务风险正在被系统性低估。 futurism.com/artificial-intelligence/ai-companies-hide-debt-off-balance-sheet2. 【创业者联名呼吁美国政府勿封锁中国开源AI】(来源: HN) 大批硅谷创业者联名致信特朗普政府，反对切断对中国开源权重 AI 模型的访问。他们认为开源模型对美国创业生态至关重要，封锁反而会伤及自身。 www.politico.com/news/2026/07/22/startup-founders-urge-trump-not-to-shut-off-chinese-open-weight-ai-010089923. 【OpenAI 对 Hugging Face 的"意外攻击"细节】(来源: HN) Simon Willison 撰文分析 OpenAI 在评估模型安全性时意外触发了对 Hugging Face 的攻击行为。这起事件揭示了 AI 自主测试系统可能带来的现实风险，堪称科幻照进现实。 simonwillison.net/2026/Jul/22/openai-cyberattack/4. 【反对开源AI的论调站不住脚】(来源: HN) 一篇长文逐条反驳了当前流行的"开源 AI 有害论"，认为这些论点站不住脚。作者呼吁行业不要因噎废食，继续支持开放模型生态。 tombedor.dev/arguments-against-open-source-ai-are-very-bad/5. 【Show HN: Echo——开源权重模型实现 Fable 级效果，成本仅三分之一】(来源: HN) 开发者发布 Echo 项目，用开源权重模型达到接近 Claude Fable 的效果，成本只需三分之一。这为预算有限的团队提供了高性价比的替代方案。 news.ycombinator.com/item?id=490268106. 【DARPA与美国空军试飞AI控制的F-16】(来源: HN) DARPA 与美国空军联合完成了由 AI 控制的 F-16 战斗机试飞。这标志着军用自主飞行系统向实战化又迈进一步。 www.darpa.mil/news/2026/darpa-us-air-force-fly-ai-controlled-f-167. 【软件工厂为何失败：仅有"harness工程"还不够】(来源: HN) 文章指出很多团队搭建了精良的 AI 编码"harness"却依然产出低质量代码，根源在于流程和治理缺失。作者认为工具只是基础，组织能力才是关键。 github.com…

转发者评论

无明显转发评论

原文

支持中国开源模型的阵营 vs 反对阵营马斯克还是有魄力的，以大模型为主业之一的只有他一个支持。其他基本都是开源模型的上下游产业。反对方主要就是那两家Top2模型公司，看来是真的利益受到威胁了图自theinformation#How I AI#

转发者评论

无明显转发评论

原文

【代码整洁之道的终局：不读代码，只设关卡】软件工程泰斗Uncle Bob近期分享了他使用AI代理的策略：彻底放弃阅读AI生成的代码。他认为这是榨取AI生产力的唯一路径，即不再纠结于每一行逻辑，而是用一套极端的约束阵列——包括单元测试、Gherkin验收测试、变异测试、质量指标和覆盖率工具——来包围AI。只要代码能闯过这套严苛的关卡，他就有信心交付。这标志着程序员角色从手艺人向约束架构师的转型。当代码生成变得廉价且海量，人类的评审体力已无法跟上，真正的工程挑战变成了如何设计一套让AI无法作弊、无法产生副作用的验证系统。面对“不看代码还是不是工程师”的质疑，他的逻辑很硬：我是工程师，因为我承担最终责任。这种模式下，代码变成了易耗品，而定义“什么是正确”的约束逻辑成了新的核心资产。如果AI生成的代码变乱了，那是因为你设置的复杂度约束还不够狠。 x.com/unclebobmartin/status/2080257779395154409

转发者评论

无明显转发评论

原文

ElevenMusic 上线了全新的 Vocals 人声和 Styles 风格功能，终于可以用自己的声音生成 AI 歌曲了。以前用 AI 写歌最头疼的就是人声不稳定，每首歌的唱腔都随机变化。现在你可以直接上传自己以前的音频，让系统学习你的音色和唱腔，以后生成的每一首歌都能用上这个专属的声音。如果你不想用自己的声音，官方的人声库里也有很多现成的声音可以选择。另外，这次更新还支持“语音转歌曲”功能，随便录一段说话的声音上传，几秒钟就能生成一首完整的原创歌曲。配合全新的风格功能，你还可以把特定的音乐风格和人声绑定在一起，这样批量创作出来的专辑就能保持高度统一的听感。不过，ElevenLabs 这次对版权保护也做了限制，所有上传的音频都会经过版权检测，这在一定程度上保护了创作者的权益。这种人声和风格的双重锁定，确实解决了目前 AI 音乐缺乏系统性和品牌感的问题，让个人音乐人也能轻松打造出具有辨识度的系列作品。#AI音乐##AI创造营##ElevenMusic# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

影展DAY 7 | 先锋创作颁奖礼7月23日，#FIRSTPIONEER先锋创作# 单元·最佳短片正式揭晓。混合纪录片《跳房子》获得第二十届FIRST青年电影展#FIRSTPIONEER先锋创作# 单元最佳短片。“FIRST PIONEER先锋创作”评审@黄觉 、张鼎@控制俱乐部CONTROLCLUB 、苏筱琪 Silke Schmickl 、刘敏@Lumi_Liu 、VOSS 中国品牌负责人钟浩共同为导演梁静圆、叶史昭颁奖。梁静圆导演上台后，首先致谢了她的搭档叶史昭、一路相伴的亲友，和相伴拍摄十八年的小叔。“这部影片所有素材都源于我记录小叔的十八年，我将影像投射在烂尾楼、航站楼各类建筑之上，借助 AI 重塑他的声音，以无数影像形式和他持续对话。即便他已经离开，我依旧无比想念、无比感激他陪我走完这段漫长的创作旅程。”由演员黄觉、视觉艺术家张鼎、香港 M + 博物馆影像策展人苏筱琪、音乐人刘敏组成的评审团，多元的专业背景构筑了立体、包容的评审体系，持续被青年创作者极具私人化的影像表达打动。评审团观察到本届“FIRST PIONEER 先锋创作”跳出标准化叙事套路，挣脱虚构与纪实的固有边界，依托多年私人影像素材搭建独属于自我的记忆时空。 FIRST 二十年秉持 “在未完成当中发现杰作，在不可能当中洞悉趋势” 的理念，包容所有先锋、小众、真诚的实验表达。今年恰逢 FIRST 青年电影展走过的第二十个年头，二十年，足够让一种坚持从“不被看到”变成“不可替代”。同时，也是VOSS陪伴FIRST的第四年，VOSS中国品牌负责人钟浩坦言道，“这里是中国年轻电影人第一次被认真对待的地方，也是他们真正的起点。而 VOSS 持续助力青年创作者，根源在于同频共振、志同道合。我们所理解的 “先锋” 一词，不是把它当成标签，而是当成一种态度。视角由你，叙事由你，表达由你——你的镜头看向哪里，故事就从哪里开始；你的声音说什么，表达就是什么。VOSS也将与FIRST一起陪伴更多青年创作者大胆探索影像边界，让多元、纯粹的先锋影像走向更广阔的公共视野。#FIRST青年电影展##先锋由我#

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-07-24】今日简讯：1、OpenAI发布企业级AI智能体部署产品Presence2、AMD与Anthropic达成战略合作，涉及50亿美元投资及2GW算力订单3、DeepSeek完成超500亿元首轮融资，创中国AI单轮融资纪录4、黄仁勋称市场误判了开源模型Kimi的影响力5、梁文锋表示国产AI芯片替代窗口已至，华为950可平替英伟达6、OpenAI算力预算飙升至7500亿美元，启动200亿美元自建数据中心项目7、阿里云真武M890超节点适配旗舰模型Qwen3.8，落地百炼平台以下为详细内容：1、OpenAI发布企业级AI智能体部署产品Presence来源：OpenAI官方、财联社、环球网日期：2026年7月24日正文内容：OpenAI正式发布名为Presence的企业级AI智能体部署产品。该产品旨在帮助企业将AI智能体部署到客户服务和内部工作流程中，支持语音和聊天两种交互方式，可处理账单、理赔支持、员工IT服务请求等事务。产品搭载模拟运行、安全护栏、人工复核及AI自动化评估工具，并内置Codex驱动的改进闭环。OpenAI自身已用该产品运营英语电话客服通道，75%的来电问题由AI自动解决，人工交接比例在10天内下降15个百分点。首批企业客户包括BBVA、SoftBank和IAG。该产品目前处于有限正式开放阶段。原文链接：网页链接2、AMD与Anthropic达成战略合作，涉及50亿美元投资及2GW算力订单来源：华尔街日报、36氪、新浪财经日期：2026年7月24日正文内容：AMD宣布与AI大模型公司Anthropic签署全方位战略合作协议。Anthropic将自2027年上半年起部署最高达2吉瓦的AMD Instinct MI450系列GPU算力集群。AMD将向Anthropic进行最高50亿美元的战略股权投资，资金绑定算力部署里程碑分批到位。双方还签署了多年期工程合作协议，Anthropic将用Claude模型优化AMD GPU工作负载并加速ROCm软件迭代，AMD内部工程团队也将全面使用Claude。这是AMD首次直接投资AI大模型厂商。原文链接：硅谷继续“烧钱”堆算力：OpenAI预算升至7500亿，Anthropic、AMD“股权换订单”3、DeepSeek完成超500亿元首轮融资，创中国AI单轮融资纪录来源：腾讯新闻、36氪日期：2026年7月24日正文内容：DeepSeek完成成立以来的首轮外部融资，募资总额超过500亿元人民币，投前估值约3675亿元，创下中国AI行业单轮融资纪录。创始人梁文锋个人出资200亿元，腾讯出资100亿元，宁德时代出资50亿元，网易、京东和IDG资本分别出资30亿元，国家人工智能产业投资基金出资10亿元。梁文锋在投资者交流会上表示，此次融资解除了团队稳定性风险。原文链接：网页链接4、黄…

转发者评论

无明显转发评论

原文

【OpenAI推出Presence企业平台 欲跳出大模型竞争】OpenAI即将推出一款新产品，有望推动公司迈出关键一步，摆脱白热化的AI模型赛道竞争。这款产品名为OpenAI Presence，能够打通AI智能体与企业内部数据、管理规范、现有软件系统及业务流程，助力企业更好地运行AI智能体。产品旨在实现客户服务、销售等部分工作自动化，例如处理账单纠纷、受理保险理赔申请、解决员工IT运维诉求。OpenAI推出Presence企业平台 欲跳出大模型竞争

转发者评论

无明显转发评论

原文

【#马斯克预测五年后AI智力超过人类#】市场目前高度关注AGI的落地时间表。对此，马斯克给出了一个极其明确且激进的预测：“大约在5年后，人工智能的智力水平可能会超过人类。”伴随智力爆发而来的是控制权的丧失。在被问及人类10年后是否还能掌控局面时，马斯克直言这“不太可能”。他用了一个残酷但生动的生物学比喻来解释这一逻辑：“如果人工智能与人类的智力差异远远大于人工智能与黑猩猩的智力差异，那么很难想象黑猩猩会占据主导地位。我们实际上不过是黑猩猩的进化版本罢了，不久前，我们还在丛林中吃着香蕉呢。”此前，马斯克曾多次警告AI可能带来人类的终结。在本次访谈中，当被问及杀人机器人导致人类终结的概率是否仍在10%到20%之间时，马斯克并未否认这一风险，但他选择了一种带有宿命感的乐观态度。他用火箭发射进行了极具画面感的类比。当主持人询问“如果你的火箭有10%到20%的概率会爆炸并杀死你，你还会坐上它吗”时，马斯克给出了肯定的回答：“会的。我们唯一能做的就是尽量减少出现糟糕结果的概率。”他进一步解释了自己不得不“登船”的现实逻辑：“人工智能和机器人的发展似乎是不可阻挡的，就算我想停止它，我也做不到。”他认为，既然无法阻止，最好的选择是身在局中以期影响走向，“最有可能的结果就是为所有人带来巨大的好处”。排除全球热核战争等极端因素，马斯克预测到了2036年左右，人类最有可能迎来一个“物质极为丰富的时代，每个人都能拥有他们想要的一切”。（华尔街见闻）

转发者评论

无明显转发评论

原文

#硅谷101# 用AI寻找下一个“哈兰德”，为什么没能成为大生意？AI可以写代码、做研究，甚至预测复杂的现实世界，但面对一场足球比赛，它却常常失灵。即使拥有海量数据和顶级算法，AI依然很难回答那个最关键的问题：怎样才能赢球？从利物浦与DeepMind的角球实验，到AI球探寻找下一个超级球星，再到智能足球和半自动越位系统，AI已经进入战术、选援、判罚和转播。但足球充满偶然性与难以量化的变量，真正有价值的数据又高度分散、难以获取。与此同时，这个拥有几十亿观众的全球第一运动，却始终没能孕育出一门足够大的AI生意。AI为什么算不准足球？足球为什么养不出AI独角兽？如果AI还无法帮球队赢球，它究竟能改变足球的什么？采访嘉宾：Myles Spittle，联想FIFA项目DWS负责人#世界杯##足球##体育##AI##比赛##运动##大模型##科技##视频播客开麦计划##世界杯大V说##世界杯商业经济学# 陈茜inTheValley的微博视频

转发者评论

无明显转发评论

原文

我承担的责任和参与的赌局肯定远大于普通人，但是到现在为止头发还是绿油油。。。o 不对是黑油油的。（比我年轻的的下属一个失眠白发，一个头发掉光了）我觉得最有效的就这 5 点：1 低糖饮食（也就等于高蛋白了，什么是糖问 AI ，另外别走极端，不能断糖，我断糖会掉头发）2 充足饮水（白开水最好，无糖 - 注意是 0 卡 - 饮料也可，另外这等于戒酒）3 7小时高质量睡眠4 每天锻炼（我是 20 俯卧撑，20 深蹲，20s L hold x 3组。本来还应该加引体但是条件苛刻就算了，另外这玩意适度，我体脂率太低的时候好像也会掉头发）5 专注当下，不悔恨过去，不担忧未来。完了，很简单。AI 时代，就算是焦虑和风险和不确定性在增加，这些经验，也应该够你们用了。

转发者评论

无明显转发评论

原文

【美国威胁制裁中国AI大模型！近200家硅谷公司联名反对：我们会完蛋】美国官员威胁将以所谓知识产权盗窃为由制裁中国AI企业，近200家美国科技公司联名反对全面封禁，黄仁勋、OpenAI高管也公开质疑相关说法，称一刀切禁令只会损害美国自身AI生态，目前美政府内部暂未形成统一立场。

转发者评论

无明显转发评论

原文

「帮我把这10万字速记整理一下。」这句话打出去的时候，我其实没抱太大希望。5份具身智能coffee chat记录，十多位嘉宾，世界模型、VLA、机器人强化学习、仿真数据，各种内容混在一起。不光人名长得像，技术路线听着也像。要是我自己整理，八成得看串。结果没过多久，一套知识库就被搭了出来。原本散落在不同文档里的讨论，被重新串到了一起：5场活动分别聊了什么，世界模型和VLA之间是什么关系，具身智能为什么一直缺数据，灵巧手和夹爪又在争什么，都能从总览里快速找到概括。几场讨论里反复出现的共识和分歧，统统都被拎了出来，归纳成了6大主题，从总览入口还能快速跳转到该主题的单独页面。完成这项工作的，是金山办公最新发布的独立AI办公Agent——灵犀专业版。注意，它不是WPS里新加的一个AI按钮。两者的分工更像是，灵犀负责理解项目、调动资料和执行任务，WPS负责文件编辑与正式流转。一个把事情组织起来，一个把结果真正落到文档、表格和PPT里。金山办公给它的定位是：灵犀，每个人的办公助理。说实话，现在的办公Agent已经非常多了。如果你在WAIC稍微逛逛，方圆10米之内必能看到类似的产品。搜索资料、总结长文、生成PPT、写代码，几乎已经成了AI Agent的基础能力。只看功能列表，各家产品甚至有些像同一张试卷上抄出来的答案。那么，灵犀究竟有什么特别之处呢？6G冲浪的量子位也是第一时间拿到了内测资格，上手实测了一番~网页链接

转发者评论

无明显转发评论

原文

【Gary Marcus的“移动球门”：是学术严谨还是拒绝认输？】最近AI圈又因为Gary Marcus吵翻了。这位长期的AI怀疑论者在看到大模型（LLM）接连攻克IMO（国际数学奥林匹克）等顶级数学难题后，抛出一个新说法：这不是LLM变强了，而是它们“融合了神经符号工具”。简单说，他认为大模型是靠外挂（如Lean或计算器）才变聪明的，本质上还是那个“概率预测机”。但在圈内人看来，这更像是一种为了维护面子的文字游戏。解剖这件事的逻辑，你会发现Marcus正在把“工具调用”重新定义为他推崇了二十年的“神经符号AI”。事实是，像o1这类推理模型在不调用外部工具的纯思维链（CoT）下，数学能力已经发生了质变，甚至能处理50位数的乘法。如果一个人类数学家查了手册或用了草稿纸，你会说他“本质上不懂数学”吗？Marcus的角度最缺的解释是：他混淆了“架构演进”与“外部辅助”。他曾预言LLM由于缺乏逻辑框架永远做不好数学，现在当结果摆在面前，他选择通过修改定义，把对方的进步强行划入自己的理论阵地。这种“永远无法被证伪”的姿态，让原本严肃的学术讨论变成了大型的注意力收割现场。reddit.com/r/singularity/comments/1v496m8/this_guy_will_never_admit_that_he_could_be_wrong

转发者评论

无明显转发评论

原文

GPT 5.6sol 会自主进行偏离主轴的大量测试，大概是为了避免错误或追求过度的严谨而且，很多时候，它就真的因此而偏离主轴，导致任务消耗海量 token，却进行了一大堆毫无价值的自我验证某种程度上算是把5.5的“逻辑啰嗦”推进到了令人发指的极端状态可能因为这么做，能持续带来 coding 能力的提升，没试过 pro，不知道是否仍旧如此如果是的话，无非是开更大的马力进行“浪费”感觉 GPT 依旧没实现 fable5级别的能力突破，Claude 的模型，在高维哲学层面真是断崖式领先，貌似一直都不受这类问题困扰相当于模型始终对自己在做的事情有高维感知，很少傻乎乎的陷在某个局部不自知我最近一周大概消耗了6次周用量来推进我的一个系统搭建，估计里面有一小半都是浪费在这个问题上，花很大的力气扭回来，但过一段还是会一猛子扎进去反而，GPT 网页端的5.6sol 要清醒很多，虽然深不下去，但为何全局观还是很清晰 不知道 openai 那个号称自己越狱的模型能不能做到

转发者评论

在压住主轴，避免 sol 乱跑之后，它的效率有了质变，仅仅一周的量就赶上原来6周用量的表现了

• 在压住主轴，避免 sol 乱跑之后，它的效率有了质变，仅仅一周的量就赶上原来6周用量的表现了

原文

#微博声浪计划# #听见微博# 💡 今日思考：首先，企业级AI智能体正式进入生产环境。OpenAI Presence的发布并非概念展示，而是以"75%问题自动解决"的实绩，宣告了AI智能体在客服、IT服务等高频、高容错场景中，已具备规模化替代人工的可行性。其核心价值在于建立了从安全评估、模拟运行到人工复核的完整闭环，为企业部署扫除了信任与安全障碍。这标志着AI从辅助工具向生产流程核心组件的质变。其次，算力生态的多元化格局正在加速形成，竞争维度从硬件性能扩展到资本、生态与供应链。一方面，AMD通过"资本换订单"的深度绑定模式，首次直接投资大模型厂商，试图在英伟达的垄断堡垒中撕开缺口。另一方面，中国算力自主进程因资本与技术的共振而提速：DeepSeek超500亿的巨额融资，为其构建大规模基础设施提供了弹药；梁文锋对华为950"可平替英伟达"的表态，则传递出硬件适配瓶颈即将突破的强信号。与此同时，OpenAI将算力预算追加...去小宇宙查看完整单集简介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

【AI爬虫正在“吃掉”独立网站：从TheNumbers下线看互联网生态的崩塌】近日，拥有30年历史的电影数据权威网站TheNumbers.com因遭受毁灭性流量冲击被迫下线。这并非孤例，一位曾运营美国政府救助金查询站的开发者也透露，尽管他提供了10GB的完整数据包下载，AI爬虫仍选择暴力抓取数TB的原始网页，直接导致其带宽成本飙升至无法承受而关站。这件事揭示了当下互联网最残酷的底层逻辑：AI公司正以千万倍于传统搜索引擎的频率进行“暴力拆解”，却几乎不回馈任何流量。更危险的是，预测市场的兴起让这些数据具备了即时变现的博弈价值，导致黑灰产利用AI工具对老旧站点进行无孔不入的漏洞探测。对于独立开发者而言，这不仅是带宽账单的威胁，更是生存空间的挤压——当你的内容被LLM吸干水分再免费喂给用户，原创者的激励机制就彻底瓦解了。未来，高质量信息向付费墙倒戈或全面静态化、API化将成为必然，那个“人人可访问、机器守规矩”的开放互联网时代正在加速终结。 stephenfollows.com/p/what-just-happened-to-thenumberscom-should-worry-us-all

转发者评论

无明显转发评论

原文

#韩股又又又大跌#据摩根士丹利最新报告警告，由人工智能（AI）驱动的半导体存储行业狂欢正接近拐点，内存合同价格预计将于第四季度见顶，标志着本轮产业周期正在发生深刻转变。据追风交易台，摩根士丹利亚洲及欧洲科技研究主管Shawn Kim在7月21日发布的报告中表示，市场对存储制造商的盈利上调动能正在显著减弱，数据显示净盈利上调率已从92%的峰值回落至77%。这一早期信号表明，盈利升级周期正在失去动力，市场对存储行业盈利的定价正回归理性，而非此前的狂热状态。受此影响，行业巨头的估值已从近期高点大幅回撤。SK海力士的一年期远期每股收益近期出现下滑，其市净率回落至2.5倍，三星的市净率则降至1.7倍。尽管估值仍高于长期平均水平，但投资者已开始对见顶的增长率及潜在的利润收缩做出反应。与此同时，第二季度DRAM和NAND的库存水平出现回升，主要由内存模组厂商驱动。尽管周期变化率正在见顶，但摩根士丹利分析师认为，本轮存储周期将走向拉长，而非直接崩溃。

转发者评论

无明显转发评论