亚马逊刚刚上演了一场教科书级别的“卸磨杀驴” 🩸 2847人，早上6:47收到邮件“职位立刻裁撤”。 7:15工牌失效，敲代码敲到一半Slack直接被踢。 但这还不是最狠的，最狠的是： 自己亲自训练的AI最后干掉了自己😂👇 过去8个月，这批核心流媒体的Senior工程师被要求将所有的架构决策、代码模式、Debug流程和性能优化技巧，事无巨细地全部写进内部Wiki。 大家以为在做知识沉淀。 实际上，他们是在亲自给即将替代自己的AI写训练数据。... 上个季度，这个团队用Claude辅助开发，交付速度提升了40%。 结果呢？整个团队连锅端。 外包拿着这批老哥留下的Prompt库和部署脚本，无缝衔接。 西雅图只剩下区区14个人，头衔变成了“管理AI辅助的离岸交付”。 🚨一位被裁的L7大佬跟我吐槽了一句极其绝望的： “我特么亲手训练了干掉我自己的AI。”⚠️ 妈的亚马逊开了个“好头”，很多公司马上会效仿。show more

Amazon让2847名工程师花8个月文档化所有代码模式，然后AI学会了，最后把这2847人开了。——但你有没有想过，这2847人其实是给自己写了一份"失业说明书"？ 8个月文档化，2847人。这是人类历史上最大规模的"自我替代"实验。工程师用8个月时间，亲手把自己的经验喂给AI，然后被AI取代。这不是Amazon残忍，是这2847人自己选择的结局。 历史上每一次技术革命都一样。打字员被Word取代，售票员被自动售票机取代。但这一次不同：这次是工程师自己参与了自己的淘汰。8个月文档化，等于2847人在竞标自己的岗位。 恰恰是这种"温水煮青蛙"最可怕。Amazon给了8个月"带薪文档化"，工程师以为是工作，其实是"死亡倒计时"。当你以为在"提升效率"时，镰刀已经在磨了。 全球科技行业从业者1亿人。如果Amazon的模式推广，意味着5000万人要"文档化"自己的工作来训练AI。这不是失业潮，是"自我淘汰潮"。在AI时代，最危险的不是不学习的人，是过度学习AI工具的人。 所以你现在有两个选择：A）继续帮公司训练AI，等被开。B）现在开始建立AI之外的不可替代能力。 你选A还是选B？

最近最喜欢的工具是 hyperframes，我让 AI 帮我生成十个基于 gasp 的过场动画，我在未来都可以使用这些特效做属于自己风格的宣传视频。 我觉得有了 AI 以后要做针对个人的个性技术栈，而不是笼统的直接使用别人的技术栈。... 做自己风格的组件库，基于 BaseUI，加上自己喜欢的配色系统以及动画效果。 基于 TinyShip 做基于自己需求的基础框架，容易扩展和迁移，没有 vendor locking。 自己的 skills，针对自己开发过程中的痛点和流程，完全适配自己。 只有这样才能完全适配自己提高开发效率并且体现自己的品味和个性。show more

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI... 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。show more

🔥兄弟们，我终于找到了Seedance的奥义了！ 我自己写了一个脚本生成器，事无巨细的写了很精彩的脚本，但是每次我都要纠结，因为2000字的限制，另外也担心自己描述的不清楚，所以在把脚本转换为提示词的过程中，要耗费很多心力，我还想着要写一个新的程序用于精简脚本。 结果，我上周在给社群上课的时候说到一个案例，随口说了一句，也许Seedance也可以像nano banana改图一样理解截图的文字，结果顺手尝试了一下。 🔥真的，那一刻，我真的觉得自己过去花了一堆时间精简提示词就是个傻逼！直接把脚本截图，把生成的9宫格扔个它，连台词带运镜，全部搞定！！！

“我是这个国家的非法移民。” “我的父母，也是非法移民。” 说这话的人是谁？ 明尼苏达州，圣保罗市的新市长，考莉·赫尔（Kaohly Her）。 就在她的就职典礼上，亲口承认。 一个美国城市的最高行政长官，全家都是黑户？ 简直不敢相信。 她是怎么做到的？... 她自己解释了。 说她父亲当年办文件，因为母亲去世了，就把自己的祖母写成了母亲。 就因为这一份文件的“失误”…… 她和她父母，整个家庭的身份就都“不合法”了。 但他们不仅留下了，还一路高升，现在她当上了市长。 这撕开了一个巨大的口子。 如果法律的底线可以被随意践踏，那我们守护的到底是什么？show more

我的 AI 编程能力又向前迈了一大步。 刚刚用 Claude Code 复刻了抖音 APP 的「钱包」功能，我不知道抖音有多少名工程师负责这个功能，但... Claude Code 实现一模一样的效果只用了 10 分钟，现在我可以拿去到处装逼了，金额自己填，最牛逼的是，填进去的金额还支持随时提现。 兄弟们看看还原度如何，能给几分？show more

全自动科学论文工厂，它真的来了。 你该看看这个新仓库。 之前那个中国大学生搞了个MiroFish，做实时社会模拟；字节跳动那边出了OpenViking，把记忆结构化；还有Percepta，把数学计算直接嵌进大模型的权重里；吴恩达那边也推了个Context Hub，相当于给代理加了一层自己标注的文档系统。 👉 Polymarket 官方入口： 现在，AutoResearchClaw 刚在... GitHub 上线——一个全自动的科学论文生成器。 仓库上线几个小时，就拿了差不多 4k 星。 给一个原始的想法进去，出来的就是一篇 6000 字、能直接用的 PDF 论文。关键它不是那种垃圾玩意儿。 它背后跑的是真正的代理系统： · 自己做实验：写代码、跑测试、读日志，崩了还能自己调 · 几乎没有幻觉：走硬核四层验证，对接真实科学数据库，没有假引用 · 格式也挑不出毛病：图表自动生成，LaTeX 排版，直接对标 NeurIPS / ICML 的标准 挺有意思的悖论是：这东西不会把 arXiv 搞死。 仓库： 当生成一篇论文的成本几乎为零，真正的权力就到了“筛选者”手里。行业里的新神，会是那些活人审稿人——他们要在无穷无尽的 AI 论文洪流里，手动淘出真东西。 愿安息吧，五年磨一篇的突破性论文——可能一夜之间就被批量淹没了。 把这几样东西拼在一起看： MiroFish 的集群 + OpenViking 的记忆 + Percepta 的真实数学 + Context Hub 的干净文档 + AutoResearchClaw 的自主研究 你就得到了一类代理——能自己跑完整个研究闭环，用真数学去验证假设，反复推敲，以远超人类的速度做出真正的突破。 这不就是在 Polymarket 和各类条件市场上，搭建下一代预测机器人要用的那套东西吗？代理自己去研究、模拟、验证概率，用科学的方法更新判断，而不是靠猜。 一个真正能发现、能证明的预测超级代理时代，就这么来了。 存好这套配置。 如果想在 Polymarket 上搞跟单交易，我推荐用这个： #Polymarketshow more

一个印度17岁高中生做了个网站，2500万人跑上去假装自己是AI 网站链接放在评论区了 打开有两个标签页："human" 和 "larp as ai" 点 human，你可以像用... ChatGPT 一样输入任何 prompt。"画一个太空DJ"、"我该不该给前任发消息"、"strawberry里有几个r"，随便问 然后你的 prompt 会被发到一个队列里，地球上某个真人接到这个任务，有60秒时间像AI一样回答你 没有模型，没有神经网络，就是一个人坐在卧室里拼命打字假装自己是聊天机器人 页面上写的原话是："你有60秒完成一个请求，趁 Sam Altman 烧光你的 H100 之前" 反过来点 larp as ai，你就变成那个假装AI的人，回答别人的 prompt 赚积分。积分可以拿来提自己的 prompt。一个完美的闭环经济 整个网站最绝的是那些回复： -有人让"AI"画太空DJ，收到了一张看起来跟真模型翻车一模一样的手绘 -有人问该不该给前任发消息，收到了一段充满自信的"幻觉式"人生建议 -玩家攻略说开头要写"作为一个AI语言模型，我没有感情，但以下是我的感受" NPR 确认了数据：一个月内2500万独立访客，2.8亿次访问 做这个的是个印度高中生，17岁，来自本地治里，网名 mikidoodle 没有注册，没有App，没有付费墙。打开链接你就在这个笑话里了 页脚写了一行小字："人类会犯错，因为这就是人之所以为人的原因" 在AI无处不在的2026年，最火的"AI产品"居然是人假装AIshow more

前两天用了ChatCut我以为它已经很牛了至少在某些程度上能替代剪映，没想到今天部署的这个开源项目OpenMontage更厉害，只需要接入大模型它就能直接帮你写好提示词分镜脚本，有哪里不对的还可以让它改，我刚就说了一句“帮我生成一个15秒的猫和老鼠的视频”，它就给我做了一个这样的视频出来，自从有了AI各行业的压力是越来越大了，以后动画设计那些我感觉越来越多人要失业了。

不知道哪辆缺德货车丢了包东西在 G50 高速中间，我晚上回来路上结结实实撞了上去，120 巡航速度看到的一瞬间以为自己要交代在这了，还好是软乎乎的一坨。 碾过去时声音不太大感觉没损伤，打 122 报坐标让他们抓紧找人去清理。回到家检查车没啥事，但前脸的车衣全刮花了，干😤 上海不支持 122... 只能 110 所以我还是头一次拨通，接通后对方立马知道我的大致位置问我是不是在苏州XX桥上，这个效果是不是只能用运营商基站定位实现了？show more

当 AI 走进法庭，它最缺的其实是一份证据 当 AI 真正走出实验室，开始大规模进入我们的现实生活时 大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题 法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI... 系统在法律层面上都有一个致命的伤 那就是它们根本拿不出任何可以被第三方采信的证据。 想象一下，在未来的金融系统或者交易场景里 如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题 而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。 现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。 现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。 这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。 说到底，法律其实从来不关心一个模型到底是聪明还是笨。 它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。 这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。 这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。 以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。 有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。 我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。 这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。 大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。 那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITOshow more

一个 Jane Street 的交易员居然比我先认出了我的控制面板。 在里斯本的咖啡馆，Time Out Market。我当时正在回邮件，机器人在后台默默跑着。 他连招呼都没打就坐了下来。 “那是一个... Polymarket 终端。你自己写的。” 是的。27天前写的。从那以后我就再没碰过它了。 他笑了一声。 “解释一下什么叫‘没碰过’。” 我已经27天没打开过代码了。机器人全自动交易。我只在周六早上看一眼数据。 他把椅子拉到我这边的桌旁。 “给我详细讲讲。” 话音刚落，屏幕上跳出一个绿色的成交单。一个 ETH ETF 的预测盘口，+$94。 全是 Agent（智能体）干的。一共四个 Agent。它们跑在德国一台每个月5刀的 VPS 上的 queue.json 文件里。它们通过队列互相通信，完全不需要跟我废话。 Agent 1 负责扫盘。Polymarket 上随时都有500个活跃的盘口。官方的 Rust CLI 允许机器人无缝监控所有盘口，甚至不需要 API 密钥。 它会根据三个指标给每个盘口打分：价差大于7美分、深度大于5万刀、距离结算时间不到168小时。93%的盘口在这一关被直接淘汰。487个盘口瞬间缩减到了35个。 他打断了我。 “你的核心优势（Edge）到底在哪？” 在钱包上。 Polymarket 是全链上的。8600万笔交易，每一次进场，每一次出场，每一个钱包，全都是公开透明的。已经有人把它全索引出来了。 我只写了一段 Claude 的提示词：筛选出所有交易超过100笔且胜率在70%以上的钱包，按利润排序，导出前50名。Claude 在4分钟内生啃了14,000个钱包的数据。最后吐出了47个。 这47个里面排名前20的钱包，它们赚的钱比垫底的13,000个钱包加起来还要多。 他沉默了。 “这根本不是什么功能指标。这完全是一份抄作业的名单。” 这正是 Agent 2 在干的事。每30秒拉取一次这47个顶级钱包的实时持仓。然后跟那35个幸存下来的盘口进行交叉比对。如果这47个人里有3个人在同一个盘口建仓，那就是真机会。 如果你不想自己动手搭代码，可以直接用这个一键跟单： 我不做的交易，远比我做的交易更重要。体育盘口的定价太死，胜率撑死也就52%。深度不到5万刀的盘口，滑点会吃掉你所有的优势。一直把单子拿到最终结算，每次都会让你白白回吐15-30%的利润。 Agent 4 就是专门解决这个问题的。那47个巨鲸平均在吃满73%的最大预期利润时就会跑路。他们从不死拿到结算。他们直接套现去滚下一个盘口。 我的机器人在达到预期波幅的85%或交易量飙升3倍时就会自动平仓。哪个条件先触发就执行哪个。 他问到了共识机制。 我设定了三个子策略对每笔交易进行投票：套利、回归、巨鲸跟单。如果有两个策略一致同意，就上满凯利仓位（Full Kelly）；只有一个同意，上1/4仓位；如果产生分歧，直接空仓不交易。加上这条规则的那天，直接干掉了40%的亏损单。 他掏出了手机。 “初始本金多少？” 200刀。 “现在呢？” 14,300刀。跑了271笔交易。胜率74%。夏普比率2.47。 他盯着那个钱包地址看了很久。 “在 Jane Street，我们养着30个顶级工程师，拿着4亿美元的资金盘，日夜颠倒就为了去追逐2.0的夏普比率。而你，竟然在一家美食广场里，靠着一台 Hetzner 的破服务器就做到了。” 我的完整技术栈： Claude API 20刀 Hetzner 5刀 开源库 免费 总计：每月25刀 第七个开源库是把这一切串联起来的核心： 53,000行的 TypeScript 代码。七个策略我只用了三个。三个极其专注的 Agent，足以吊打七个毫无重点的 Agent。 他周日给我发了私信。 “昨天花了一天时间复刻了它。我的测试钱包昨晚跑出了11刀的利润。‘巨鲸监控’那一层，是我们交易桌上没人能想到的野路子。” 我告诉他，代码逻辑就在开源库里。数据都在链上。 工具全都是免费的。机会的窗口现在依然敞开着。 而我，依然连碰都不用碰它一下。show more

大半夜体验完 Manus AI, 达到了今天的使用限制，说一下自己的感受🧵 整体来讲，真的很强大， 主要体现在 Manus 能够： 🔧展示完整的推理逻辑，有个... Manus 电脑的东西为你呈现所有过程和进展； 🏗️调用各种API 协同完成任务； 📃最终非常实际的交付给你一个可用的文件。 🌟「真正能干活」的AI Agent，这个定位真的太准确了。 以下是一些实例： 1️⃣基础任务完成度高 比如最近日本可以看樱花了，整理一个具体的旅行清单包括日程、推荐景点、住宿、交通等等； 家里领导喜欢看红楼梦，梳理一下红楼梦的人物关系。 以下是分别让他做的一个 pdf 文档和可以互动的网页，完成度是真的很高，不过人物关系上有一点小错误，无伤大雅。 其他比如让他阅读视频给到总结，甚至让他剪辑播客都是可以的（只是效果不太好）。 但是我尝试让他给我画一些图🗺️，这方面还有所欠缺，给到的理由是第三方 API 接口出错。同时网上说她可以做ppt，确实是可以的，但是能做ppt的工具都存在一个共同问题，逻辑还行，但就是丑。所以“美术”相关工作我理解还是做不了的。 另外，他是一个完成特定任务的助手，不要把它当作聊天机器人，不然他每次跟你聊天都要思考十几分钟，真的很难受。 2️⃣测一测他懂不懂Web3 给了两个任务： a) 我们今天发了一个depin的研报，花了一个多月，自认为还行，让他给这个研报评分，并且给到其他更好的文章推荐。 我们的depin报告如下 他给到的内容如图3，更详细的评价文档我传了一个Google 链接，放在最后了，各位可以自行查看（包括前面的红楼梦人物关系图）。 整体来看，他快速学习和阅读了大量 web3 depin 的报告，并且从多个维度给出了我们报告的评价，以及推荐的其他报告和对应的评价。 b) 假设我是一个 交易所cmo，如何做华语市场的传播策略，包括华语媒体和华语kol的整理和评级。很遗憾，我已经等了一个多小时他还没思考完，如果明天有结果，我也会传到Google link里。（Manus 可以离线、多任务思考，所以可以同时开启多个任务，或者关机后之前的任务仍然会运行） 不过我看到了他的实时分析过程，在阅读各个媒体、kol 的官网文章，历史推文等等，形成自己的分析。见图4 所以我理解在他的大脑里是有 web3 内容，并可以实时学习的。 3️⃣除了懂，他能否与 Web3 交互 以上的推理其实都和 Web3 没有实际关系，我更关心他能否拿到链上数据，甚至能够交互。比如是否知道 $SOL $ETH 能在哪些地方质押，收益如何等等，还有一些深入的分析问题。 很遗憾，今天的使用次数达到限制了。明天再说吧👋 -------------------------------------------- 等待 Manus 思考结果的时候，我也看了一些其他的博主评价和官方的介绍，我觉得有一点说的很好： “没有开源，就没有 Manus AI” 从一个体验过多个AI产品的小白角度，我其实觉得 Manus 会这么火爆的原因主要在于：调用了多种 API 接口，配合自己的推理算法最终呈现了一个很好的产品。 这让我想到 ai16zdao 每周都有新的人贡献 plugin(比如 微信，deepseek)，让这个网络不断壮大； Virtuals Protocol 通过打通 agent 得底层框架，形成 agent 经济体；还有 Hey Anon 不只是有链上数据，还能直接帮你交互等等。 某一天，web2 和 web3 的 AI 产品肯定会更加紧密的相互协作，并出来几个不错的case。 最近有一些 betting 的产品已经初现端倪。 Manus 也会开源自己的能力，为了更大的 AGI 世界。 如果真到了那一天，我就真的要失业了🥲 ( Google drive 素材链接：show more

兄弟们，做App最痛苦的部分终于被AI干掉了， Anything刚刚上线了一个功能， 一键生成设计师级别的App Store截图， 15秒，从空白到4张完美适配规格的上架图， 连App图标评分Get按钮都给你做好了， 改文案只需要输一句话，点一下生成就完事， 以前做过App的都懂，代码写完只是开始，做截图能把人逼疯，要找mockup，要调配色，要写卖点， 还要适配十几个尺寸，要么花几百刀请设计师，要么自己抠三天Figma，... 现在这些全没了， 我之前觉得AI写代码已经够离谱了， 现在才发现，AI真正厉害的地方， 是把那些没人愿意干的脏活累活全给你包了， 从idea到上架的全链路， 现在几乎没有任何门槛了， 当然最后还是需要你的审美做最后把关，但这已经帮你省了90%的力气。 也许这就是AI的魅力和价值所在吧😄show more

🚨我只花了十分钟不到就用flowith给自己做了一个全自动化搞定AI信息源的网站！ 如果你也想做这么一个网站，可以直接按下面步骤跟我一起操作👇 先来看一下效果：这个网站我可以直接打开用，并且根据我的需求做了分类，每个卡片上都有标题、简介、视频的数据等等，并且点击每个卡片我可以直接跳转到对应的视频！ 在这个过程中我什么都不用做，只需要在开始之前把我提前准备好的提示词丢给它，就可以让AI信息收集这件事完全自动化。 而且这个网站不是做好了就放在那了，而是每24小时都会重新更新一下，因为我有一个24h都在帮我干活的数字员工neo！

硅谷那帮人，讲了一整年AI。 结果，还不如马克·库班几句话说得清楚。 AI到底是什么？ 一个工具。 一种学习方式。 这是有史以来最大规模的知识民主化。 但库班警告，这东西会把人分成两种。 第一种人，用AI，是为了让自己什么都不用学。 第二种人，用AI，是为了让自己有机会学会一切。... 一边是思想上的懒汉。 一边是知识上的探险家。 这条线，未来可能比贫富差距还重要。 它决定了谁是工具的主人，谁会变成工具的奴隶。 你会是哪一种？ 或者一个更尖锐的问题： 那些大公司和教育系统，希望你成为哪一种？show more

大学室友为了赶上 Polymarket 的亚洲市场，连续 6 个月每天凌晨 5 点起床。结果呢？女朋友跑了，体重涨了 16 斤，早餐？不存在的，直接灌咖啡。... 后来他写了个 agent，让它睡觉的时候它帮我盯着。第一个月，收益涨了 15%，他果断删了凌晨 5 点的闹钟。 事实证明，一个半睡不醒的人，交易起来还不如 200 行脚本。 我以前以为“自律”就是早起。其实那就是死扛，既亏钱又伤身。等我真正坐下来写这个 agent，才发现背后的道理很简单。 这套东西的核心： 1. Claude 驱动的情绪分析。每 15 分钟扫一遍 40 多个亚洲信源：路透亚洲、日经、南华早报、韩联社…… 2. NLP 情绪分类。把情绪变化跟 Polymarket 盘口做对比。如果新闻已经出了但赔率还没反应，那就是进场窗口。 3. 凯利公式。科学算仓位，而不是我以前那种“感觉来了，多下点”。 4. 单笔硬止损 5%。一笔错单不能把整个账户带崩。 5. 进场冷却。防止 agent 连续堆叠一堆相关性强的仓位。 这些规则，凌晨 5 点的时候我一条都没守住。道理我都懂，但人在肾上腺素和咖啡因的作用下，每把都觉得是“明牌机会”。 后来我回测了自己以前的手动单子，结果很扎心：我半睡半醒状态下下的单，有 60% 会被 agent 的期望值过滤器直接踢掉。恰恰就是这些单子，把整体收益拉垮了。 在我自己搭 agent 的时候，需要一个对标。 想找一个已经在跑类似逻辑的钱包，用来对比数据。 我找到了一个，跟上面说的思路几乎镜像：同样盯亚洲市场，同样不带情绪冷冰冰地算。我把它存了书签，时不时看看它在各种行情下是怎么处理的： 其实在跑自己的 agent 之前，我就是先用这个钱包来测试自动跟单的。如果你想先观摩别人的策略怎么跑，再自己动手，这是个有用的办法：show more

五角大楼给了最后通牒。 一家AI公司，Anthropic，直接拒绝了。 时间是周五下午5点01分。 要么取消AI对大规模监控和全自动武器的防护。 要么丢掉两亿美元的合同，再被贴上“供应链风险”的标签。 这个标签，通常是给外国对手准备的。 一旦贴上，公司基本就完了。 Anthropic的CEO怎么说？ “凭良心，我们不能同意。”... 他们扛住了。 然后，好戏上演了。 他们最大的竞争对手，OpenAI的Sam Altman，上了CNBC。 公开支持Anthropic。 奥特曼说，“五角大楼不应该用《国防生产法》威胁这些公司。” 他还说，“尽管我们有很多分歧，但我基本信任他们，他们是真正在乎安全。” 就在上周，在印度的AI峰会上。 这两个人还拒绝在一张合影里站在一起。 今天，一个在电视上为另一个辩护。 接着，70名OpenAI员工签署了公开信。 标题是“我们不会被分化”。 谷歌的工程师也发声支持。 整个行业，在几个小时内团结起来对抗政府。 川普总统在“真实社交”上回应了。 联邦政府将在六个月内，逐步淘汰Anthropic的所有产品。 这到底是怎么回事？ 这是人类历史上最强大技术的创造者们，第一次集体对政府画出红线。 红线是什么？ 第一，禁止对美国人进行大规模监控。 第二，禁止没有人类监督的全自动杀人武器。 他们说，有些东西，不是钱能买的。 也不是用国家机器的威胁就能逼出来的。 创造者们宣称，他们要对合同之外的某种东西负责。 这在历史上，从未发生过。show more

我尼玛，Claude Fable 5今天把整个软件行业的底层逻辑给击穿了！ 以前做软件要几个月，现在只要15分钟，Claude Fable 5把产品经理和程序员的中间环节，直接干掉了。 也就是说，15分钟的销售电话打完， AI当场做出了客户要的可运行软件原型，喵个咪，这谁受得了啊🤯 Todd... Saunders，Dalton Mills AI 的 CEO，做的是 trades 行业的垂直 SaaS——建筑、家政、暖通这些。 他用刚发布的 Claude Fable 5， 在跟一个客户的销售电话里， 让 AI 在后台实时转录通话， 同时自主构建客户刚刚提到的软件功能。 通话结束，他当场演示了一个完全可运行的原型，精确匹配客户 15 分钟前描述的需求。 一个语音报价系统：AI 实时听服务电话，自动匹配价目表，识别 upsell 机会，生成 Good/Better/Best 三档方案，自动发提案短信。整个过程近乎零人工干预。 不是 简单的AI 辅助开发，直接对话即构建，damn！ 平复下激动的心情，这个案例最让我震惊的不只是AI 写代码快，AI 真的能听懂人话了啊啊啊， 然后一个长达几十年的产品开发范式，就这么被直接击穿了，holy sh*t！ 想一想过去几十年我们怎么干活的，客户跟你说工人在现场太乱经常算错钱，你记下来，回去消化，以为懂了， 画原型，约评审，排期，开发，几周后拿出来， 客户摇头说不对不是这么回事， 你一肚子委屈，说我每个字都记了，他说你记的是我说的话，不是我脑子里的东西。 这个循环叫理解-翻译-验证，短则几周长则几个月，整个行业就吃这碗饭的，我们管它叫专业服务。 但是今天，Fable 5 把这个循环干掉了，不是压缩啊兄弟们，直接彻底干掉了， 客户说，AI 听，AI 当场做出来，客户当场看对不对， 没有 PRD，没有你在内部群里发那个需求我回去评估一下，没有一切中间件， 从客户嘴里说出来的那一刻，一个能跑的东西就在屏幕上等着他。 这才是真正要命的地方，这哪是提效啊，简直把整个底层逻辑都改变了。 但我们也必须立刻面对一个最尖锐的问题，就是那客户为什么还需要你？这不就 15 分钟的事吗？ 这个问题必须正面面对，确实是客观存在的， 如果你对自己的定位只是把客户需求翻译成代码的那个人，那你完全可以被这 15 分钟取代，因为 AI 现在翻译得比你快，还不用开评审会。 但如果你做完项目就知道，原型和系统，中间隔着的不是几行代码，还有权限体系里那几十个你不知道为什么会存在的字段， 是客户二十年前的财务系统里藏着的那个没人敢动的数据表，是工人在负二层没信号的地方操作时该怎么缓存，也是某个老小区因为水压问题装不上你方案里那个完美的配件， 又或者是当地监管对报价条款里的某个措辞有特殊要求，这些东西，Fable 5 不知道，你问它它也不知道，它甚至不知道它不知道。 它的原型是乐高模型，系统是能住人的楼，之间的差距，专业术语叫工程判断，也可以叫领域责任，更可以叫为长期可用性兜底。 所以这个案例真正揭示的，不是谁会被替代，是什么在剧烈地变稀缺。 第一样，把 AI 的生成能力锚定在真实世界的复杂约束里， 这一下子就筛掉两种人：只会做原型不会做系统的人，和只会做系统但不懂行业的人。 留下的是那种，你问他这个需求能不能做，他会先问你那边现场平均信号几格、工人习惯左手拿手机还是右手、他们现在用的那个老系统数据库编码是 UTF-8 还是 GBK 的人。 第二样，领域知识， 我说的不是行业报告里那些漂亮话，是那些只有在这个行业干了十年才知道的脏东西。 AI 能生成完美的三档报价界面，但它不知道某个配件的供应商在雨季会涨价 30%，不知道某个话术在北方好使在南方会让客户挂电话，不知道这个工种的师傅脾气大你不能在流程里多加一步确认否则他宁愿不干，这些脏知识才是真正的护城河。 第三样，也是最被低估的一样：把原型变成可信赖系统的治理能力。 评估框架你怎么建，AI 改了这一处你怎么知道没把另一处改坏。 记忆持久化你怎么做，客户上次改的需求下次对话能不能记住。 错误恢复你怎么设计，流程跑到一半 AI 崩了用户看到什么。 多代理协作你怎么编排，一个 Agent 听电话提取意图，一个匹配价目表，一个检查合规，一个生成界面，人类在哪个节点介入裁决。 这些东西不酷，开会聊这些会让人想抽烟，但就是从酷到能用的最后那一公里。 Fable 5 和后续更强的模型，把生成这件事的成本和速度打到了一个新的量级。 这个量级意味着，做出一个看起来能用的东西，以后不再是任何人的竞争力。竞争的分水岭是，谁能把 AI 吐出来的东西，变成一个别人敢在上面跑业务、能长期依赖、出了问题找得到人负责的系统。 扯了这么多，最后一句话给大家共勉： 从今天起，把 80% 的精力，从怎么让 AI 生成得更快，转移到怎么为 AI 生成的东西负责，说白了，酷是给外人看的，稳是给我们自己续命的。show more