正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Cursor 首席执行官 Michael Truell： “我们对 Cursor 的目标是发明一种新型编程” 人只管用最简洁的方式向计算机描述意图(软件该怎么运行、长什么样),，剩下的交给模型。大意拆开是三层: 1. 目标：把"造软件"浓缩成"描述意图"，凭现在还在飞速变好的模型，能造出一种层级更高、效率更高、门槛更低的开发方式，而且会逐渐告别今天写代码的样子。 2. 他反对两种主流设想(关键论点): - "一切照旧"派：未来还是敲文本、用TypeScript/Go/C/Rust 这些正式语言 → 他认为错,因为模型会变得好太多。 - "纯聊天机器人"派：对着 bot 说句话让它帮你建、帮你改,像跟工程部门聊天 → 他认为太不精确：人想完全掌控软件，就得能"指着"具体要改的地方，而不是在一个脱离整体的文本框里说"把我 App 这块改一下"。 3. 他自己的设想("代码之后"的世界)：你会有一份对软件逻辑的表达，它更像用英文写的(类似伪代码)，写下来、能在高层级编辑、能指着它改不再是几百万行看不懂的代码，而是更简洁、更好懂、更易改的东西。那些极难懂的符号，慢慢演变成人能读、能改的形式——这就是 Cursor 在做的方向。

小互

112,172 subscribers

22,282 次观看 • 1 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

最近刷帖子，意外发现 Google 的 Code Wiki，感觉还挺好用的，属于那种“你用一次就会想把它塞进日常工作流”的东西。以前读代码慢，是因为项目复杂、历史包袱重；现在更离谱的是——Vibe Coding 一开，AI 堆代码的速度直接把人的理解能力碾过去。代码一天一个版本，文档呢？大概率还停在半年前。你让 AI 按文档跑，十次有九次报错，这不是你水平问题，是“文档天然会腐烂”的结构性问题。 Code Wiki 捅破的点很直接：既然没人愿意维护文档，那就别指望“人肉维护”，让 AI 来维护。它更像是长在仓库里的“活体 Wiki”：代码一有新的 commit，它就用 Gemini 去扫变更，把相关说明、模块介绍、关键逻辑的文档一起更新。对我来说这意义很大，因为它解决的不是“写得更漂亮”，而是“永远别过期”。文档不再是一个需要你记得去更新的负担，而是代码的自然副产物。它的可视化能力还不错，Code Wiki 能直接从代码关系里渲染出类图、时序图、依赖图、架构流转图这种“人类更容易理解”的表达方式。尤其是接手老项目、准备重构、或者经常研究开源项目——这类图的价值很高：大家不是在“逐行读”，而是在“先建立地图，再决定往哪里深挖”。它的交互是“可追溯”的。你在侧边栏问它问题，它会基于当前仓库给解释，而且能给出精确的代码引用，点一下就跳到文件和行号。这一下把 AI 最让人难受的“幻觉焦虑”降了不少：你不需要完全相信它的结论，你只需要顺着引用去核查——它更像一个“带证据链的讲解员”。一句话：在 Claude Code、Codex 这些工具把“生成”变得近乎无限便宜之后，我们真正稀缺的东西变了——不是产出，而是理解与判断。

最近刷帖子，意外发现 Google 的 Code Wiki，感觉还挺好用的，属于那种“你用一次就会想把它塞进日常工作流”的东西。以前读代码慢，是因为项目复杂、历史包袱重；现在更离谱的是——Vibe Coding 一开，AI 堆代码的速度直接把人的理解能力碾过去。代码一天一个版本，文档呢？大概率还停在半年前。你让 AI 按文档跑，十次有九次报错，这不是你水平问题，是“文档天然会腐烂”的结构性问题。 Code Wiki 捅破的点很直接：既然没人愿意维护文档，那就别指望“人肉维护”，让 AI 来维护。它更像是长在仓库里的“活体 Wiki”：代码一有新的 commit，它就用 Gemini 去扫变更，把相关说明、模块介绍、关键逻辑的文档一起更新。对我来说这意义很大，因为它解决的不是“写得更漂亮”，而是“永远别过期”。文档不再是一个需要你记得去更新的负担，而是代码的自然副产物。它的可视化能力还不错，Code Wiki 能直接从代码关系里渲染出类图、时序图、依赖图、架构流转图这种“人类更容易理解”的表达方式。尤其是接手老项目、准备重构、或者经常研究开源项目——这类图的价值很高：大家不是在“逐行读”，而是在“先建立地图，再决定往哪里深挖”。它的交互是“可追溯”的。你在侧边栏问它问题，它会基于当前仓库给解释，而且能给出精确的代码引用，点一下就跳到文件和行号。这一下把 AI 最让人难受的“幻觉焦虑”降了不少：你不需要完全相信它的结论，你只需要顺着引用去核查——它更像一个“带证据链的讲解员”。一句话：在 Claude Code、Codex 这些工具把“生成”变得近乎无限便宜之后，我们真正稀缺的东西变了——不是产出，而是理解与判断。

sitin

43,028 次观看 • 5 个月前

全球软件工程师的岗位描述刚刚被清空。 Larry Ellison 直接摊牌了。甲骨文公司现在的代码根本不是人写的。全是 AI 模型在干活。以前写代码要一行行死磕逻辑。现在人类只剩下一个动作。声明意图。你告诉 AI 到底想实现什么功能。剩下的底层分步流程全部由机器自动生成。别拿它当初创公司的概念演示看。甲骨文是全球最大的底层基础设施巨头之一。连他们的核心代码架构都彻底交接给了模型。只会写循环语句和纠结语法的码农很快就会被出清。手搓代码的古典时代正式结束。下一个十年的最高技术壁垒叫准确下达指令。

全球软件工程师的岗位描述刚刚被清空。 Larry Ellison 直接摊牌了。甲骨文公司现在的代码根本不是人写的。全是 AI 模型在干活。以前写代码要一行行死磕逻辑。现在人类只剩下一个动作。声明意图。你告诉 AI 到底想实现什么功能。剩下的底层分步流程全部由机器自动生成。别拿它当初创公司的概念演示看。甲骨文是全球最大的底层基础设施巨头之一。连他们的核心代码架构都彻底交接给了模型。只会写循环语句和纠结语法的码农很快就会被出清。手搓代码的古典时代正式结束。下一个十年的最高技术壁垒叫准确下达指令。

墓碑科技

79,769 次观看 • 4 个月前

说个暴论，这才是2026年到目前为止，AI行业最有价值的一次更新，没有之一🚀🚀🚀 Claude一口气接入了8个创意行业的顶级工具，Blender，Adobe，Autodesk，Ableton，Splice，Canva，SketchUp，Resolume。它不再是让你在聊天框里生成东西，再导出到软件里修改，而是直接钻进你每天打开8小时的软件内部，帮你调试场景，批量修改物体，写自定义脚本，处理所有你不想做的重复性劳动。以前的AI是让你换个地方工作，现在的AI是跑到你的工位上帮你干活。这标志着AI正式进入工具原生时代，它的下一个战场再也不是谁的模型更大，而是谁能无缝嵌入普通人的真实工作流。我认为对所有创作者来说，学会用好这些连接器，比追任何新出的大模型都重要。

说个暴论，这才是2026年到目前为止，AI行业最有价值的一次更新，没有之一🚀🚀🚀 Claude一口气接入了8个创意行业的顶级工具，Blender，Adobe，Autodesk，Ableton，Splice，Canva，SketchUp，Resolume。它不再是让你在聊天框里生成东西，再导出到软件里修改，而是直接钻进你每天打开8小时的软件内部，帮你调试场景，批量修改物体，写自定义脚本，处理所有你不想做的重复性劳动。以前的AI是让你换个地方工作，现在的AI是跑到你的工位上帮你干活。这标志着AI正式进入工具原生时代，它的下一个战场再也不是谁的模型更大，而是谁能无缝嵌入普通人的真实工作流。我认为对所有创作者来说，学会用好这些连接器，比追任何新出的大模型都重要。

AYi

103,035 次观看 • 3 个月前

🚀 发现一个能让 Claude 变得更好用的开源神器只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说这几条约束下来，Claude 写代码更稳，还能省 token

🚀 发现一个能让 Claude 变得更好用的开源神器只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说这几条约束下来，Claude 写代码更稳，还能省 token

阿西_出海

42,846 次观看 • 2 个月前

的人提了一个思路：用 AI 写代码之后，人应该审计划，不应该审代码。他的类比很准。写 C 语言的时候没人去检查编译器输出的汇编对不对，因为你信任编译器。AI 写代码也应该一样——你把精力花在计划对不对上，计划没问题就让它去生成。问题是 Claude Code 的计划是一大坨 Markdown，在终端里看得人眼花。他做了个 /visual-plan 技能，让 AI 用 MDX 组件输出计划：线框图、API 结构图、Schema 变更，都是可视化的，能拖能缩放。代码写完之后还有 /visual-recap，生成一份可视化变更总结。产品经理和设计师不用看代码 diff 也能看懂 AI 改了什么。

的人提了一个思路：用 AI 写代码之后，人应该审计划，不应该审代码。他的类比很准。写 C 语言的时候没人去检查编译器输出的汇编对不对，因为你信任编译器。AI 写代码也应该一样——你把精力花在计划对不对上，计划没问题就让它去生成。问题是 Claude Code 的计划是一大坨 Markdown，在终端里看得人眼花。他做了个 /visual-plan 技能，让 AI 用 MDX 组件输出计划：线框图、API 结构图、Schema 变更，都是可视化的，能拖能缩放。代码写完之后还有 /visual-recap，生成一份可视化变更总结。产品经理和设计师不用看代码 diff 也能看懂 AI 改了什么。

Vincent

12,896 次观看 • 1 个月前

Linus Torvalds 发飙了。他在开源峰会上公开吐槽，每次听到有人吹嘘“现在 99% 的代码都是 AI 写的”，他就忍不住生气。为什么？因为按这个逻辑，这些家伙 100% 的代码其实都是“编译器”生成的。但他们怎么从来不这么说？其实是一个道理。老爷子在台上开始唠家常： “我是写机器码长大的。” 注意，不是汇编语言，是真正的数字。他到现在都记得，在 6502 芯片上，LDA 指令对应的十六进制是 A9。当年他花了好长时间才意识到，天天人肉算跳转偏移量，简直蠢透了。后来，人类发明了汇编器；再后来，有了编译器；现在，有了 AI。这些工具都很好用，AI 正在改变编程，但它绝没有改变编程的根本。至于 AI 带来的“效率神话”？ Linus 给出对比： “AI 很棒，它能把你的生产力提升 10 倍。” “但当年编译器的出现，把人类的生产力提升了 1000 倍！” 所以，这不过是又一次常规的工具演进。事情的本质从未改变：以前，优秀的开发者写出好代码，差劲的开发者写出 Bug。现在，懂系统的人能用 Prompt 调教 AI 写出好代码；而不懂系统复杂度的人，用 AI 攒出来的代码，最后一定会崩溃。现在科技圈很流行“氛围编码”（Vibe Coding）。就是用 AI 啪啪生成一个一次性项目，爽一把就扔。 Linus 说，这种玩具项目，AI 的确是神器。但如果你想做点严肃的东西，做一个需要长线维护 35 年的系统（比如 Linux）。你得懂你的 Prompt。你必须看懂 AI 吐出来的每一行代码，甚至去盯它最底层的汇编结果。祖师爷浇了盆冷水： AI 可以替你省去体力劳动。但如果你连它写了什么都看不懂，那你永远只是在制造一次性垃圾。

Linus Torvalds 发飙了。他在开源峰会上公开吐槽，每次听到有人吹嘘“现在 99% 的代码都是 AI 写的”，他就忍不住生气。为什么？因为按这个逻辑，这些家伙 100% 的代码其实都是“编译器”生成的。但他们怎么从来不这么说？其实是一个道理。老爷子在台上开始唠家常： “我是写机器码长大的。” 注意，不是汇编语言，是真正的数字。他到现在都记得，在 6502 芯片上，LDA 指令对应的十六进制是 A9。当年他花了好长时间才意识到，天天人肉算跳转偏移量，简直蠢透了。后来，人类发明了汇编器；再后来，有了编译器；现在，有了 AI。这些工具都很好用，AI 正在改变编程，但它绝没有改变编程的根本。至于 AI 带来的“效率神话”？ Linus 给出对比： “AI 很棒，它能把你的生产力提升 10 倍。” “但当年编译器的出现，把人类的生产力提升了 1000 倍！” 所以，这不过是又一次常规的工具演进。事情的本质从未改变：以前，优秀的开发者写出好代码，差劲的开发者写出 Bug。现在，懂系统的人能用 Prompt 调教 AI 写出好代码；而不懂系统复杂度的人，用 AI 攒出来的代码，最后一定会崩溃。现在科技圈很流行“氛围编码”（Vibe Coding）。就是用 AI 啪啪生成一个一次性项目，爽一把就扔。 Linus 说，这种玩具项目，AI 的确是神器。但如果你想做点严肃的东西，做一个需要长线维护 35 年的系统（比如 Linux）。你得懂你的 Prompt。你必须看懂 AI 吐出来的每一行代码，甚至去盯它最底层的汇编结果。祖师爷浇了盆冷水： AI 可以替你省去体力劳动。但如果你连它写了什么都看不懂，那你永远只是在制造一次性垃圾。

墓碑科技

67,796 次观看 • 1 个月前

Claude Code 的创造者 Boris 讲了一个很关键的转变： “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。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

Claude Code 的创造者 Boris 讲了一个很关键的转变： “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。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

0x_Miko

187,880 次观看 • 1 个月前

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

墓碑科技

62,012 次观看 • 6 个月前

Google Stitch 大更新：号称是 Vibe Design 对着画布说话就能做设计 Figma 股价大跌8.8% 带来 5 大升级： 🎨 无限画布：以前是输入一句话等出图，现在有了一个真正的工作台。你可以把参考图、文字说明、代码片段全扔上去，AI 结合这些上下文帮你设计，更像在跟一个设计师协作。 🧠 更智能的设计 Agent：它现在能记住你整个项目的修改历史，不是每次从零开始理解你的需求。还能同时帮你推进多个方案，比如你想试三种不同风格的首页，它并行帮你搞，互不干扰。 🎙️ 语音交互：“这个按钮大一点""配色换暖色调""导航栏改成深色"，对着它说就行。不用停下来打字，边看边改，效率高很多。 ⚡ 即时原型：以前出的是静态图，现在点一下播放键，设计稿直接变成可以点击交互的原型。系统自动帮你算好"点这个按钮跳到哪个页面"。不用手动一根根连线了。 📐 新增了 DESIGN.md：把你的设计规范（配色、字体、风格）写成一个文件，不管是给 Stitch 用还是给 Claude Code、Cursor 这些 AI 编程工具用，都能读懂。设计规范不再锁死在一个工具里。

Google Stitch 大更新：号称是 Vibe Design 对着画布说话就能做设计 Figma 股价大跌8.8% 带来 5 大升级： 🎨 无限画布：以前是输入一句话等出图，现在有了一个真正的工作台。你可以把参考图、文字说明、代码片段全扔上去，AI 结合这些上下文帮你设计，更像在跟一个设计师协作。 🧠 更智能的设计 Agent：它现在能记住你整个项目的修改历史，不是每次从零开始理解你的需求。还能同时帮你推进多个方案，比如你想试三种不同风格的首页，它并行帮你搞，互不干扰。 🎙️ 语音交互：“这个按钮大一点""配色换暖色调""导航栏改成深色"，对着它说就行。不用停下来打字，边看边改，效率高很多。 ⚡ 即时原型：以前出的是静态图，现在点一下播放键，设计稿直接变成可以点击交互的原型。系统自动帮你算好"点这个按钮跳到哪个页面"。不用手动一根根连线了。 📐 新增了 DESIGN.md：把你的设计规范（配色、字体、风格）写成一个文件，不管是给 Stitch 用还是给 Claude Code、Cursor 这些 AI 编程工具用，都能读懂。设计规范不再锁死在一个工具里。

小互

112,876 次观看 • 4 个月前

说个暴论，在AI时代最值钱的技能已经不是写代码了，怎么把代码讲清楚将会变得越来越重要！怎么把代码讲清楚将会变得越来越重要！ Anthropic Claude Code团队的Thariq 大神用不到两年时间，把自己的技术文章做到了稳定的百万浏览量。他说，技术写作彻底改变了他的人生。兄弟们你们可能不信，老哥的方法论简单到离谱，就四个字：先种后收。先埋头做真实的工作，踩真实的坑，积累第一手的洞见，然后把你学到的东西，变成别人能直接抄的经验。就是说写文章不能为了写而写，得先有干货，再有输出。他写爆文就靠两条铁则：第一，能多简单就多简单，用复杂术语装逼，只能说明你自己都没搞懂。第二，分享真正的秘密，因为人们不爱看正确的废话，只爱听别人不说的内部干货。最狠的是，老哥在这场15分钟的线下workshop现场，直接写了一篇《HTML vs Markdown for agents》的长文。发出去几个小时，就拿了26万浏览，用行动证明了他教的东西真的管用。当然他也用Claude加速写作，但他反复强调：绝对不能让AI磨掉你的个人声音，因为这才是能持续输出爆款的核心。尽管很多人酸，说他能火只是因为他在Anthropic，不可否认内部视角是天然的流量buff，但我觉得更重要的是，他掌握了这个时代最稀缺的能力：把复杂的技术，讲得让同行立刻能用。 AI会写代码，会做产品，会调模型，但它不会讲你的故事，不会分享你踩过的坑，不会有你独有的思考方式。而写作，就是把你的个人经验，放大一万倍的杠杆。更妙的是，写作本身会反过来逼你把产品和系统想得更清楚。就像很多时候，你以为你懂了，但只有当你试着把它写下来的时候才发现自己其实并没有懂。所以各位程序员兄弟们，别再觉得技术写作是大佬的事。从今天开始，把你每天踩的坑、学到的新东西，写成100字的笔记。先播种，再收割，这个复利一旦滚起来，会比你想象的可怕得多。如果中推里推荐一位标杆和大神，那一定是宝玉老师宝玉，从宝玉老师身上我学到的很重要的一点是，践行开源精神，你分享的越多，跟着你学习的人越多，respect！

说个暴论，在AI时代最值钱的技能已经不是写代码了，怎么把代码讲清楚将会变得越来越重要！怎么把代码讲清楚将会变得越来越重要！ Anthropic Claude Code团队的Thariq 大神用不到两年时间，把自己的技术文章做到了稳定的百万浏览量。他说，技术写作彻底改变了他的人生。兄弟们你们可能不信，老哥的方法论简单到离谱，就四个字：先种后收。先埋头做真实的工作，踩真实的坑，积累第一手的洞见，然后把你学到的东西，变成别人能直接抄的经验。就是说写文章不能为了写而写，得先有干货，再有输出。他写爆文就靠两条铁则：第一，能多简单就多简单，用复杂术语装逼，只能说明你自己都没搞懂。第二，分享真正的秘密，因为人们不爱看正确的废话，只爱听别人不说的内部干货。最狠的是，老哥在这场15分钟的线下workshop现场，直接写了一篇《HTML vs Markdown for agents》的长文。发出去几个小时，就拿了26万浏览，用行动证明了他教的东西真的管用。当然他也用Claude加速写作，但他反复强调：绝对不能让AI磨掉你的个人声音，因为这才是能持续输出爆款的核心。尽管很多人酸，说他能火只是因为他在Anthropic，不可否认内部视角是天然的流量buff，但我觉得更重要的是，他掌握了这个时代最稀缺的能力：把复杂的技术，讲得让同行立刻能用。 AI会写代码，会做产品，会调模型，但它不会讲你的故事，不会分享你踩过的坑，不会有你独有的思考方式。而写作，就是把你的个人经验，放大一万倍的杠杆。更妙的是，写作本身会反过来逼你把产品和系统想得更清楚。就像很多时候，你以为你懂了，但只有当你试着把它写下来的时候才发现自己其实并没有懂。所以各位程序员兄弟们，别再觉得技术写作是大佬的事。从今天开始，把你每天踩的坑、学到的新东西，写成100字的笔记。先播种，再收割，这个复利一旦滚起来，会比你想象的可怕得多。如果中推里推荐一位标杆和大神，那一定是宝玉老师宝玉，从宝玉老师身上我学到的很重要的一点是，践行开源精神，你分享的越多，跟着你学习的人越多，respect！

AYi

39,108 次观看 • 2 个月前

黄仁勋被问到如果自己是今天的学生，会先学什么他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"

黄仁勋被问到如果自己是今天的学生，会先学什么他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"

Vincent | 信号＞噪音

18,700 次观看 • 1 个月前

到底如何判断你身边的人，层次高还是低呢？我们从四个角度、四个方面，给大家提示一下。第一个就是词汇量大。看看他的词汇量大不大，看看他表达是不是特别的精准。就是，他总是能够找到一个最贴切的词语，来描述某个状态。如果你做不到，那说明对方在你之上。因为我们人类的思想局限于语言。你的语言边界在哪里，你思想的边界就在哪里。这是第一个。第二点你要知道，我们其实只能感觉比咱们高一档，或者低一档的人。差距过大，你就感觉不到了。高你一档，你大概率会觉得，嗯，这个人挺厉害的。因为对方说的你都能理解。如果高了好几个维度，你就没有办法感知了。就和人类对蚂蚁这种低等生命一样。蚂蚁永远感知不到人类的存在，人类却对它们动若观火。第三个，他能够对你进行向下兼容。不论你说啥，对方都能秒懂。甚至你还没有组织好的逻辑，你还混乱的时候，对方就也能秒懂。你讲了一半他都能懂，你讲个开头，他都知道你要说什么。你会觉得跟这人在一起待着非常舒服，跟他非常融洽。交流基本上可以做到无障碍，很丝滑。你刚讲两句，对方就提前能够回答你的问题。你特别的愉悦，你觉得相谈甚欢。你觉得遇到了知己，你觉得对方很懂你。他能够把你的情绪价值拉满。我告诉你，就这样的人，他很有可能正在对你进行向下兼容。第四个，这样的人往往能够打通知识的门类。各类学科的知识，他能够融会贯通。在他那，知识不再是碎片化的了，而是能够形成一个体系。他在给别人讲任何东西的时候，也能够做到深入浅出，让对方听得懂。用最浅显的例子，把一个概念给讲清楚。如果你身边有这样的人，那么恭喜你。他大概率就是一个高人。稻盛和夫曾经说过，人最大的运气不是捡到钱。而是某一天你遇到了一个人，他打破了你原有的思维，拔高了你的认知，进而提升了你的境界。这个人，他就是你人生当中的贵人。

到底如何判断你身边的人，层次高还是低呢？我们从四个角度、四个方面，给大家提示一下。第一个就是词汇量大。看看他的词汇量大不大，看看他表达是不是特别的精准。就是，他总是能够找到一个最贴切的词语，来描述某个状态。如果你做不到，那说明对方在你之上。因为我们人类的思想局限于语言。你的语言边界在哪里，你思想的边界就在哪里。这是第一个。第二点你要知道，我们其实只能感觉比咱们高一档，或者低一档的人。差距过大，你就感觉不到了。高你一档，你大概率会觉得，嗯，这个人挺厉害的。因为对方说的你都能理解。如果高了好几个维度，你就没有办法感知了。就和人类对蚂蚁这种低等生命一样。蚂蚁永远感知不到人类的存在，人类却对它们动若观火。第三个，他能够对你进行向下兼容。不论你说啥，对方都能秒懂。甚至你还没有组织好的逻辑，你还混乱的时候，对方就也能秒懂。你讲了一半他都能懂，你讲个开头，他都知道你要说什么。你会觉得跟这人在一起待着非常舒服，跟他非常融洽。交流基本上可以做到无障碍，很丝滑。你刚讲两句，对方就提前能够回答你的问题。你特别的愉悦，你觉得相谈甚欢。你觉得遇到了知己，你觉得对方很懂你。他能够把你的情绪价值拉满。我告诉你，就这样的人，他很有可能正在对你进行向下兼容。第四个，这样的人往往能够打通知识的门类。各类学科的知识，他能够融会贯通。在他那，知识不再是碎片化的了，而是能够形成一个体系。他在给别人讲任何东西的时候，也能够做到深入浅出，让对方听得懂。用最浅显的例子，把一个概念给讲清楚。如果你身边有这样的人，那么恭喜你。他大概率就是一个高人。稻盛和夫曾经说过，人最大的运气不是捡到钱。而是某一天你遇到了一个人，他打破了你原有的思维，拔高了你的认知，进而提升了你的境界。这个人，他就是你人生当中的贵人。

另一面

22,321 次观看 • 5 个月前

今天在Producthunt发现一个AI模型Kombai，可以理解Figma的界面设计并生成对应的前端代码，下面是他们官网的演示视频。从演示来看生成的代码还是不错的，它的优势在于他不要求设计稿的格式、层级和是否使用组件，无论你怎么嵌套和画出的界面它都能理解。这比之前通过传统工程化思路从设计稿生成代码要强多了。之前的一些工具要不是处理不了复杂样式，要不就是对设计师的设计稿格式有非常严格的要求。同时这个模型也支持通过自然语言生成前端界面的代码。官网链接：

今天在Producthunt发现一个AI模型Kombai，可以理解Figma的界面设计并生成对应的前端代码，下面是他们官网的演示视频。从演示来看生成的代码还是不错的，它的优势在于他不要求设计稿的格式、层级和是否使用组件，无论你怎么嵌套和画出的界面它都能理解。这比之前通过传统工程化思路从设计稿生成代码要强多了。之前的一些工具要不是处理不了复杂样式，要不就是对设计师的设计稿格式有非常严格的要求。同时这个模型也支持通过自然语言生成前端界面的代码。官网链接：

歸藏(guizang.ai)

78,671 次观看 • 2 年前

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 次观看 • 3 个月前

OpenClaw/Clawdbot作者 Peter Steinberger 讲了一个让他顿悟的瞬间。他给自己的clawdbot发了条语音消息，然后才反应过来：我根本没做语音功能啊。但"正在输入"的指示器亮了。十秒后，agent若无其事地回复了。 Peter问它：你怎么做到的？ Agent的回答让他震住了：你发的消息只有一个文件链接，没有扩展名。我查了文件头，发现是Opus格式。用你Mac上的FFmpeg转成Wave。想用Whisper但没装，还报错了。不过我翻了翻发现你环境变量里有OpenAI的key，就用curl调了API拿到转写，然后回复你了。这个故事的意义在于，这不是预设好的workflow，不是写好的代码，是agent在遇到一个从未见过的问题时，自己想办法把链路串起来。文件头分析、格式转换、找可用工具、翻环境变量、调第三方API，一气呵成。 Peter说了一句话我很认同：这些东西是该死的聪明、足智多谋的野兽，只要你真的赋予它们力量。 "if you actually give them the power"才是关键。大多数人还在用AI写个总结、改个文案，把它当高级搜索引擎用。但当你给它shell权限，给它访问你本地工具链的能力，它展现出的自主探索完成任务能力完全是另一个量级。与此同时，行业里有一大批人在反方向努力。有人在绞尽脑汁省token，精心设计让AI 更少思考，生怕多花几分钱。还觉得模型做事太慢，自己来设计一些流程替代 AI 的思考探索，美其名曰加速。这种思路本质上是把一个足智多谋的野兽关进笼子里，然后抱怨它不够聪明。更神奇的是，市面上95%的软件压根就不是为面向智能设计的。还是传统思路：产品经理写PRD，开发者把逻辑一条条写死在代码里，用户只能在预设的按钮和流程里点来点去。这些软件在AI时代就像是用打孔纸带写程序，技术上能用，但完全错过了这个时代真正的可能性。 --- 注，这段切片是我丢下一句话给 claude code 完成的下载切片添加字幕，只是提出要求，没有任何 Skills，没有告诉他怎么做。

OpenClaw/Clawdbot作者 Peter Steinberger 讲了一个让他顿悟的瞬间。他给自己的clawdbot发了条语音消息，然后才反应过来：我根本没做语音功能啊。但"正在输入"的指示器亮了。十秒后，agent若无其事地回复了。 Peter问它：你怎么做到的？ Agent的回答让他震住了：你发的消息只有一个文件链接，没有扩展名。我查了文件头，发现是Opus格式。用你Mac上的FFmpeg转成Wave。想用Whisper但没装，还报错了。不过我翻了翻发现你环境变量里有OpenAI的key，就用curl调了API拿到转写，然后回复你了。这个故事的意义在于，这不是预设好的workflow，不是写好的代码，是agent在遇到一个从未见过的问题时，自己想办法把链路串起来。文件头分析、格式转换、找可用工具、翻环境变量、调第三方API，一气呵成。 Peter说了一句话我很认同：这些东西是该死的聪明、足智多谋的野兽，只要你真的赋予它们力量。 "if you actually give them the power"才是关键。大多数人还在用AI写个总结、改个文案，把它当高级搜索引擎用。但当你给它shell权限，给它访问你本地工具链的能力，它展现出的自主探索完成任务能力完全是另一个量级。与此同时，行业里有一大批人在反方向努力。有人在绞尽脑汁省token，精心设计让AI 更少思考，生怕多花几分钱。还觉得模型做事太慢，自己来设计一些流程替代 AI 的思考探索，美其名曰加速。这种思路本质上是把一个足智多谋的野兽关进笼子里，然后抱怨它不够聪明。更神奇的是，市面上95%的软件压根就不是为面向智能设计的。还是传统思路：产品经理写PRD，开发者把逻辑一条条写死在代码里，用户只能在预设的按钮和流程里点来点去。这些软件在AI时代就像是用打孔纸带写程序，技术上能用，但完全错过了这个时代真正的可能性。 --- 注，这段切片是我丢下一句话给 claude code 完成的下载切片添加字幕，只是提出要求，没有任何 Skills，没有告诉他怎么做。

kAI

171,400 次观看 • 6 个月前

🚨Stitch 这次升级不得了，我觉得重点不是多了几个功能，而是 Google 正在重写 AI 设计工具的定义。 1/ Google 昨晚更新了 Stitch，官方给它的新定位很直接： AI-native software design canvas。 2/ 翻译成人话就是：它不想只做一个 “你写一句 prompt，我给你几张 UI 图” 的工具了。 3/ 这次更新，核心就 5 个方向：无限画布更聪明的设计代理语音交互即时原型设计系统 + DESIGN.md 4/ 最值得看的第一点，是 AI 原生画布。现在的 Stitch 不只是吃 prompt。还可以把图片、文本、代码一起作为上下文。这说明它开始更像“设计工作台”，而不是一次性生成器。 5/ 第二点，是 agent 变强了。 Google 这次明确说，新 design agent 能理解整个项目演进过程，而且还有 Agent manager，支持你并行探索多个设计方向。 6/ 第三点，是语音进入设计主流程。你可以直接对着画布说话让 Stitch 一边听一边改还能给你实时设计反馈 7/ 第四点，是即时原型。现在 Stitch 可以把静态设计快速变成交互原型，点一下 Play 就能看 flow，甚至还能自动补出逻辑上的下一屏。 8/ 第五点，是很多人会低估的 DESIGN.md。 Google 把设计规则做成了一个 agent-friendly markdown，支持导入、导出、复用，还支持从 URL 提取设计系统。 9/ 所以这次 Stitch 真正从“帮你出图”，走向“参与整个设计流程”。 10/ 一句话总结： 2025 年的 Stitch，更像 UI 生成器。 2026 年这次升级之后，它开始更像 AI 设计工作台。

🚨Stitch 这次升级不得了，我觉得重点不是多了几个功能，而是 Google 正在重写 AI 设计工具的定义。 1/ Google 昨晚更新了 Stitch，官方给它的新定位很直接： AI-native software design canvas。 2/ 翻译成人话就是：它不想只做一个 “你写一句 prompt，我给你几张 UI 图” 的工具了。 3/ 这次更新，核心就 5 个方向：无限画布更聪明的设计代理语音交互即时原型设计系统 + DESIGN.md 4/ 最值得看的第一点，是 AI 原生画布。现在的 Stitch 不只是吃 prompt。还可以把图片、文本、代码一起作为上下文。这说明它开始更像“设计工作台”，而不是一次性生成器。 5/ 第二点，是 agent 变强了。 Google 这次明确说，新 design agent 能理解整个项目演进过程，而且还有 Agent manager，支持你并行探索多个设计方向。 6/ 第三点，是语音进入设计主流程。你可以直接对着画布说话让 Stitch 一边听一边改还能给你实时设计反馈 7/ 第四点，是即时原型。现在 Stitch 可以把静态设计快速变成交互原型，点一下 Play 就能看 flow，甚至还能自动补出逻辑上的下一屏。 8/ 第五点，是很多人会低估的 DESIGN.md。 Google 把设计规则做成了一个 agent-friendly markdown，支持导入、导出、复用，还支持从 URL 提取设计系统。 9/ 所以这次 Stitch 真正从“帮你出图”，走向“参与整个设计流程”。 10/ 一句话总结： 2025 年的 Stitch，更像 UI 生成器。 2026 年这次升级之后，它开始更像 AI 设计工作台。

比特币橙子Trader

16,604 次观看 • 4 个月前

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 |上Gate玩事件合约

36,252 次观看 • 7 个月前

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

Lei.sea

14,132 次观看 • 2 年前

太硬核了！英伟达黄仁勋撕穿了传统计算机科学的底层逻辑：云计算的“按需触发”时代已经彻底终结，未来的AI智能体是永远在线的“永动机”！别再把大模型当成简单的文字接龙了。老黄一针见血：大模型生成内部 token 进行逻辑推演，叫思考；生成外部 token 去调用各种接口，就叫使用工具。这就是为什么像 Claude Code 或 DeepSeek V4 这种新生代智能体，能切入硬核的开发工作流，甚至能全自动帮你排查 Python 异步网关里 aiohttp 的并发报错！最恐怖的颠覆在于运行模式。以前我们写代码，不管是跑在 MacBook Pro 上的本地脚本，还是云端微服务，全都是按需调用——你不戳它，它就不动。但现在的 Agent 系统是连续不断运行的。它们在后台全天候感知、推演、自我迭代和执行任务。这根本不是工具的升级，而是整个计算范式的跨代重构！搞懂这种从被动按需到全自动连续运行的跃迁，你才会真正明白，为什么未来所有的云服务和软件架构都面临着被彻底推倒重来的命运。

太硬核了！英伟达黄仁勋撕穿了传统计算机科学的底层逻辑：云计算的“按需触发”时代已经彻底终结，未来的AI智能体是永远在线的“永动机”！别再把大模型当成简单的文字接龙了。老黄一针见血：大模型生成内部 token 进行逻辑推演，叫思考；生成外部 token 去调用各种接口，就叫使用工具。这就是为什么像 Claude Code 或 DeepSeek V4 这种新生代智能体，能切入硬核的开发工作流，甚至能全自动帮你排查 Python 异步网关里 aiohttp 的并发报错！最恐怖的颠覆在于运行模式。以前我们写代码，不管是跑在 MacBook Pro 上的本地脚本，还是云端微服务，全都是按需调用——你不戳它，它就不动。但现在的 Agent 系统是连续不断运行的。它们在后台全天候感知、推演、自我迭代和执行任务。这根本不是工具的升级，而是整个计算范式的跨代重构！搞懂这种从被动按需到全自动连续运行的跃迁，你才会真正明白，为什么未来所有的云服务和软件架构都面临着被彻底推倒重来的命运。

比特币橙子Trader

69,195 次观看 • 2 个月前