Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

Damn，这可能是2026年最被低估的开发者生产力工具💻🤖！ The harness is the bottleneck，喵个咪，同样的Claude，换个壳，内存省20倍，启动快245倍。所以信息差不仅省钱，还省 token 啊，你如果觉得用Claude慢，其实不是Claude的问题，是这个harness的问题。 Claude Code单开一个会话吃掉230MB内存，启动一次要3.4秒，你说它慢，它也没法辩解，但换掉harness，同样的Claude，启动快245倍，10个并行会话总内存只用260MB。这是一个叫jcode的开源项目做到的，作者1jehuang，Rust写的，GitHub repo就在那摆着，benchmark数据完整可查，没有任何营销成分。有意思的是，它还支持一个叫Self-Dev的模式，代理可以直接改jcode自己的源码，编译，重载，用来迭代自己，这不是demo，作者每天都在把这套跑在生产上。说白了就是，Anthropic把最好的模型卖给你，但没人说harness必须用他们的，开源社区的进化速度，从来不输大厂，只是他们不打广告。当然风险是真实的，Anthropic明确禁止OAuth第三方接入，封号灰色地带，建议先拿API Key跑，不要用主号赌，但这个方向依然值得盯着。

AYi

56,834 subscribers

133,628 Aufrufe • vor 4 Monaten •via X (Twitter)

Bildung Gesundheit & Wellness Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

Anthropic engineer 这句话很关键： “你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。” 这可能是最近看到最值得保存的 Claude workflow 之一视频里她拆了很多人正在犯的同一个问题：用了 Claude 几个月，但每次还是从零开始新开 session 重新解释背景重新贴上下文重新写 prompt 然后关掉 tab，一切停止她讲到几个细节： CLAUDE.md 在你输入第一个字前，就可能吃掉 14% 95% 用户从来没装过的 plugins 不需要你手动输入 prompt，也能运行的 workflows 以及为什么“打一条 prompt 然后关掉页面”，等于把 90% 的能力留在桌上真正有意思的是： Claude 的价值不只是回答你的问题而是你能不能把它放进一套系统里让它记住规则读取上下文调用 plugins 跑 workflows 甚至在你不输入下一条 prompt 的时候，继续推进任务如果你用了 Claude 几个月，但每次 session 还是从头开始那你至少还有 28 个 untouched features 可能是 30 个今晚与其再刷一集剧，不如看完这个视频看完先 bookmark

Anthropic engineer 这句话很关键： “你不应该一直 prompt Claude。你应该搭一个会自己 prompt 自己的 system。” 这可能是最近看到最值得保存的 Claude workflow 之一视频里她拆了很多人正在犯的同一个问题：用了 Claude 几个月，但每次还是从零开始新开 session 重新解释背景重新贴上下文重新写 prompt 然后关掉 tab，一切停止她讲到几个细节： CLAUDE.md 在你输入第一个字前，就可能吃掉 14% 95% 用户从来没装过的 plugins 不需要你手动输入 prompt，也能运行的 workflows 以及为什么“打一条 prompt 然后关掉页面”，等于把 90% 的能力留在桌上真正有意思的是： Claude 的价值不只是回答你的问题而是你能不能把它放进一套系统里让它记住规则读取上下文调用 plugins 跑 workflows 甚至在你不输入下一条 prompt 的时候，继续推进任务如果你用了 Claude 几个月，但每次 session 还是从头开始那你至少还有 28 个 untouched features 可能是 30 个今晚与其再刷一集剧，不如看完这个视频看完先 bookmark

0x_Miko

155,470 Aufrufe • vor 3 Monaten

最近看到一个很值得研究的开源项目：learn-claude-code。它不是在教你怎么堆 prompt、连工作流、搭节点图，而是在教你一件更底层的事：怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。这个项目最有意思的观点是：真正的 Agent 是模型本身，外面的代码只是 harness。所以它讨论的重点，不是“怎么把流程编排得更复杂”，而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。我觉得这个视角很重要。因为很多人现在做 Agent，还停留在“拼工作流”和“堆胶水代码”的阶段。但真正决定 Agent 能不能跑起来的，往往是你给它什么环境，而不是你给它多少层 prompt。这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。如果你在关注 AI Agent、Claude Code，或者 agent engineering，这个项目很值得看看。👇

最近看到一个很值得研究的开源项目：learn-claude-code。它不是在教你怎么堆 prompt、连工作流、搭节点图，而是在教你一件更底层的事：怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。这个项目最有意思的观点是：真正的 Agent 是模型本身，外面的代码只是 harness。所以它讨论的重点，不是“怎么把流程编排得更复杂”，而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。我觉得这个视角很重要。因为很多人现在做 Agent，还停留在“拼工作流”和“堆胶水代码”的阶段。但真正决定 Agent 能不能跑起来的，往往是你给它什么环境，而不是你给它多少层 prompt。这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。如果你在关注 AI Agent、Claude Code，或者 agent engineering，这个项目很值得看看。👇

axiaisacat

44,334 Aufrufe • vor 6 Monaten

Claude Fable 5 重新开放了最近刚好有一个demo，就是看能不能用顶级模型做一个meme工厂 “ 就是我输入一个 Meme Coin 创意然后这个工具自动生成品牌 / 叙事 / 经济模型 / 营销方案支持中文全流程输出，可以反复优化迭代 “ 也是想尝试一下，做一个可以验证 Fable 5 长任务能力最终做出了一个能够简单跑的框架（我没有投入任何信息源，没有喂数据所以跑起来效果没有那么屌，不过我觉得后期再投喂一些案例，我觉得确实是可以落地的）说说我为什么用Fable 5 来测？因为这个任务本质不是写代码更像是说去测试AI的长链路规划能力测试它需要： 1/ 语义理解 2/ 叙事能力 3/ 结构能力 4/ 一致性 5/ 自我检查这刚好是 Claude Fable 5 主打的能力整体跑下来我觉得还算是可以的，毕竟我这种不会写代码不会设计的小屌丝，确实在Fable 5 上面使用得其乐融融的哈哈再说说我的TOKEN使用量吧：112.31K（按照官方的收费标准大概是在：$4.2）要是加上文本案例再接入一个AI对话的API框架我觉得应该费用还要再多出个大几十吧（个人猜测，毕竟投喂数据可能会比较烧tokens）总的来说的话我个人还是觉得这笔消费还算挺值得的，因为这本身在传统行业的话可能会是比较高的费用，AI真的弄挺好的说完Claude Fable 5的体验，那我不得不说我是在哪里体验的Claude Fable 5了我这次没有走官方通道，而是走的是我之前给大家分享的中转站 Zenmux ZenMux 因为他这几天又搞活动了，只要你账号的余额＞$0 你就可以免费体验Claude Fable 5 并且 Zenmux支持（不限于）： 200+ 模型统一入口无 RPM 限制 PK 模式可以直接做横评如果大家也想低成本体验一下 Claude Fable 5 我觉得当前使用Zenmux是最好的选择

Claude Fable 5 重新开放了最近刚好有一个demo，就是看能不能用顶级模型做一个meme工厂 “ 就是我输入一个 Meme Coin 创意然后这个工具自动生成品牌 / 叙事 / 经济模型 / 营销方案支持中文全流程输出，可以反复优化迭代 “ 也是想尝试一下，做一个可以验证 Fable 5 长任务能力最终做出了一个能够简单跑的框架（我没有投入任何信息源，没有喂数据所以跑起来效果没有那么屌，不过我觉得后期再投喂一些案例，我觉得确实是可以落地的）说说我为什么用Fable 5 来测？因为这个任务本质不是写代码更像是说去测试AI的长链路规划能力测试它需要： 1/ 语义理解 2/ 叙事能力 3/ 结构能力 4/ 一致性 5/ 自我检查这刚好是 Claude Fable 5 主打的能力整体跑下来我觉得还算是可以的，毕竟我这种不会写代码不会设计的小屌丝，确实在Fable 5 上面使用得其乐融融的哈哈再说说我的TOKEN使用量吧：112.31K（按照官方的收费标准大概是在：$4.2）要是加上文本案例再接入一个AI对话的API框架我觉得应该费用还要再多出个大几十吧（个人猜测，毕竟投喂数据可能会比较烧tokens）总的来说的话我个人还是觉得这笔消费还算挺值得的，因为这本身在传统行业的话可能会是比较高的费用，AI真的弄挺好的说完Claude Fable 5的体验，那我不得不说我是在哪里体验的Claude Fable 5了我这次没有走官方通道，而是走的是我之前给大家分享的中转站 Zenmux ZenMux 因为他这几天又搞活动了，只要你账号的余额＞$0 你就可以免费体验Claude Fable 5 并且 Zenmux支持（不限于）： 200+ 模型统一入口无 RPM 限制 PK 模式可以直接做横评如果大家也想低成本体验一下 Claude Fable 5 我觉得当前使用Zenmux是最好的选择

车九

48,436 Aufrufe • vor 2 Monaten

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

0x_Miko

47,352 Aufrufe • vor 3 Monaten

100块的AI，如何帮我接单月赚12万？这次做这个项目给我的感受是国产模型真的能用了！其实我一直都是用最好的模型，Claude 4.5 + Claude Code也一直是我的AI编程主力，但真的被封麻了。每天重新搞Claude的时间都有一两个小时，这次用GLM4.6来平替效果还真可以。虽然它下午高峰期时不时会卡，而且偶尔指令遵循确实比GPT-5差不少，可90%的开发任务都还不错，返工率也可以接受。我现在的最好的实践就是，保留20美金的Cursor用顶级模型，再来个GLM4.6干活，很香！

100块的AI，如何帮我接单月赚12万？这次做这个项目给我的感受是国产模型真的能用了！其实我一直都是用最好的模型，Claude 4.5 + Claude Code也一直是我的AI编程主力，但真的被封麻了。每天重新搞Claude的时间都有一两个小时，这次用GLM4.6来平替效果还真可以。虽然它下午高峰期时不时会卡，而且偶尔指令遵循确实比GPT-5差不少，可90%的开发任务都还不错，返工率也可以接受。我现在的最好的实践就是，保留20美金的Cursor用顶级模型，再来个GLM4.6干活，很香！

Yihui

74,963 Aufrufe • vor 10 Monaten

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

188,525 Aufrufe • vor 3 Monaten

Claude Code 的创建者Boris 教你如何用好Claude Code 和 Claude CoWork Claude Code的创造者Boris最近上播客分享了他自己的工作流。看完之后我觉得，比起官方文档，他嘴里漏出来的实操经验有意思太多了。 1、Cowork底层就是Claude Code 很多人以为Cowork是个新产品。其实它跑的是Claude Code同一套Agent SDK，同一个大脑，只是换了个图形界面。你之前觉得Claude Code太技术了？现在直接试Cowork，能力一样，门槛低很多。 2、别一个个串行，要并行 Boris同时开5-10个Claude跑不同任务，在它们之间来回切换。第一个Tab给任务出计划，不等做完就跳第二个开新的，一圈转回来第一个计划已经出了。有人说"Claude好慢我自己更快"。单个确实，但你同时跑五个试试？ 3先出计划，再让它动手 Boris几乎每个session都从Plan Mode开始。先让Claude出计划 → 你审一遍 → 满意了再切自动执行。他说了句很精辟的话："计划对了，代码就对了。" 花两分钟审计划，能省二十分钟返工。Cowork同理，它提方案你再确认。 4、给Claude"眼睛" Boris说提升效果三板斧：最强模型 + CLAUDE.md + 让Claude验证自己的输出。第三个最容易被忽略。他的比方：蒙着眼睛画画，画得再好也有限。让Claude看到自己的输出（跑代码、看渲染、检查表格），质量直接上一个档。 5、用最贵的模型反而省钱 Opus虽然单价最贵，但一次搞定不用来回纠正，实际token消耗更少。用小模型看着便宜，花在引导和修正上的时间算下来可能更贵。直接上最强的，省的是你的时间。 6、现在就值得上手 Boris说Cowork现在像一年前Claude Code刚出来，"还早期但已经每天在用了"。他的起步建议：别折腾配置。装好桌面端 + Chrome插件，挂个文件夹，从简单任务开始玩。 "没有正确的使用方式，找到适合你的路就行。"

Claude Code 的创建者Boris 教你如何用好Claude Code 和 Claude CoWork Claude Code的创造者Boris最近上播客分享了他自己的工作流。看完之后我觉得，比起官方文档，他嘴里漏出来的实操经验有意思太多了。 1、Cowork底层就是Claude Code 很多人以为Cowork是个新产品。其实它跑的是Claude Code同一套Agent SDK，同一个大脑，只是换了个图形界面。你之前觉得Claude Code太技术了？现在直接试Cowork，能力一样，门槛低很多。 2、别一个个串行，要并行 Boris同时开5-10个Claude跑不同任务，在它们之间来回切换。第一个Tab给任务出计划，不等做完就跳第二个开新的，一圈转回来第一个计划已经出了。有人说"Claude好慢我自己更快"。单个确实，但你同时跑五个试试？ 3先出计划，再让它动手 Boris几乎每个session都从Plan Mode开始。先让Claude出计划 → 你审一遍 → 满意了再切自动执行。他说了句很精辟的话："计划对了，代码就对了。" 花两分钟审计划，能省二十分钟返工。Cowork同理，它提方案你再确认。 4、给Claude"眼睛" Boris说提升效果三板斧：最强模型 + CLAUDE.md + 让Claude验证自己的输出。第三个最容易被忽略。他的比方：蒙着眼睛画画，画得再好也有限。让Claude看到自己的输出（跑代码、看渲染、检查表格），质量直接上一个档。 5、用最贵的模型反而省钱 Opus虽然单价最贵，但一次搞定不用来回纠正，实际token消耗更少。用小模型看着便宜，花在引导和修正上的时间算下来可能更贵。直接上最强的，省的是你的时间。 6、现在就值得上手 Boris说Cowork现在像一年前Claude Code刚出来，"还早期但已经每天在用了"。他的起步建议：别折腾配置。装好桌面端 + Chrome插件，挂个文件夹，从简单任务开始玩。 "没有正确的使用方式，找到适合你的路就行。"

小互

41,798 Aufrufe • vor 6 Monaten

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 Aufrufe • vor 4 Monaten

川普说，AI是件大事。可能是有史以来最大的事，比互联网还大。他说美国在这方面遥遥领先，把所有人都甩在后面。工厂都在美国建。但是有个问题。 AI的数据中心是电老虎。需要多少电？川普给的数字是，整个国家现有发电量的两倍。这数字很夸张，对吧？没人能凭空变出这么多电。所以他想了个办法。他说，这是他的概念。每一个新建的数据中心，都要自己发电。自己建发电厂，自给自足。这个思路是不是很大胆？把能源负担直接从国家电网，分解到这些科技巨头自己身上。谁用电，谁负责。这符合“谁受益，谁出钱”的平民主义逻辑。但问题来了。这些公司会建什么发电厂？是更便宜的天然气，还是清洁能源？或者，这会不会开启一个小型核电站的时代？这会不会让科技公司变成能源巨头？政策的魔鬼，总在细节里。如果这个概念真的落地，美国的能源格局将被彻底改写。

川普说，AI是件大事。可能是有史以来最大的事，比互联网还大。他说美国在这方面遥遥领先，把所有人都甩在后面。工厂都在美国建。但是有个问题。 AI的数据中心是电老虎。需要多少电？川普给的数字是，整个国家现有发电量的两倍。这数字很夸张，对吧？没人能凭空变出这么多电。所以他想了个办法。他说，这是他的概念。每一个新建的数据中心，都要自己发电。自己建发电厂，自给自足。这个思路是不是很大胆？把能源负担直接从国家电网，分解到这些科技巨头自己身上。谁用电，谁负责。这符合“谁受益，谁出钱”的平民主义逻辑。但问题来了。这些公司会建什么发电厂？是更便宜的天然气，还是清洁能源？或者，这会不会开启一个小型核电站的时代？这会不会让科技公司变成能源巨头？政策的魔鬼，总在细节里。如果这个概念真的落地，美国的能源格局将被彻底改写。

墓碑科技

21,562 Aufrufe • vor 7 Monaten

Anthropic CEO Dario Amodei 在一段 47 分钟访谈里，讲了很多平时很少被放到台面上的东西他说，早期一些拿到 Mythos 的公司反馈是： “这是一个 super weapon，请不要发布它。” 他也谈到当年离开 OpenAI 的原因：当你觉得自己无法信任某个人当你觉得他们的价值观和他们嘴上说的不一样那继续一起做事就会变得非常困难这段对话里，最值得看的不只是 Dario 还有 Daniela 和 Boris Boris Cherny，Head of Claude Code，也提到一个很夸张的现状： Anthropic 90% 的代码都是 Claude 写的而 Claude Code 里很多代码，也是 Claude Code 自己写的这句话背后其实很重要： Anthropic 已经不是在“用 AI 辅助写代码” 而是在把 AI 放进真实工程系统里，让它参与生产、迭代和自我构建更沉重的是，Dario 还给出了一个判断：他认为 AI 导致 civilizational collapse 的概率在 10–25% 之间所以这 47 分钟不是普通的 AI 宣传访谈更像是一次从 Anthropic 内部视角出发，对能力、风险、工程实践和组织价值观的集中展示 Dario Daniela Boris 47 分钟免费可能是目前最值得看的 Anthropic 内部访谈之一

Anthropic CEO Dario Amodei 在一段 47 分钟访谈里，讲了很多平时很少被放到台面上的东西他说，早期一些拿到 Mythos 的公司反馈是： “这是一个 super weapon，请不要发布它。” 他也谈到当年离开 OpenAI 的原因：当你觉得自己无法信任某个人当你觉得他们的价值观和他们嘴上说的不一样那继续一起做事就会变得非常困难这段对话里，最值得看的不只是 Dario 还有 Daniela 和 Boris Boris Cherny，Head of Claude Code，也提到一个很夸张的现状： Anthropic 90% 的代码都是 Claude 写的而 Claude Code 里很多代码，也是 Claude Code 自己写的这句话背后其实很重要： Anthropic 已经不是在“用 AI 辅助写代码” 而是在把 AI 放进真实工程系统里，让它参与生产、迭代和自我构建更沉重的是，Dario 还给出了一个判断：他认为 AI 导致 civilizational collapse 的概率在 10–25% 之间所以这 47 分钟不是普通的 AI 宣传访谈更像是一次从 Anthropic 内部视角出发，对能力、风险、工程实践和组织价值观的集中展示 Dario Daniela Boris 47 分钟免费可能是目前最值得看的 Anthropic 内部访谈之一

0x_Miko

15,557 Aufrufe • vor 3 Monaten

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。这真的很糟糕。问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。这真是太棒了，对吧？因此，我认为开源有多种方式可以对我们有所帮助。一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。来源：

小扎吐槽苹果和 Google，以及谈为什么开源 AI Mark Zuckerberg: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。这真的很糟糕。问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 Dwarkesh Patel:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ Mark Zuckerberg:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 Dwarkesh Patel: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ Mark Zuckerberg: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。这真是太棒了，对吧？因此，我认为开源有多种方式可以对我们有所帮助。一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 Dwarkesh Patel: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 Mark Zuckerberg: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。来源：

宝玉

74,721 Aufrufe • vor 2 Jahren

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

303,888 Aufrufe • vor 2 Jahren

和任何人都能无脑聊下去的方法很多人跟陌生人聊天，最怕的就是冷场，不知道说啥，气氛尴尬得要命。今天咱们就用七天时间，练一套无脑聊天法，让你跟谁都能接得住话，聊得下去。第一天，咱们先练最基础的提问公式。你今天只需要记住一个万能句式：对方说完任何一句话，你就接——“哎，那你当时怎么想的？”或者“那后来呢？” 别小看这两句，它们能让90%的对话继续下去。今天的训练动作很简单：找三个朋友或者家人，不管他们说什么，你就用这两句接话。比如对方说“我今天加班到很晚”，你就说：“哎，那你当时怎么想的？”对方说“我周末去爬山了”，你就说：“那后来呢？”练到你能自然而然地接住这两句话为止。第二天，咱们在提问的基础上加一个动作，叫做重复关键词。对方说完一句话，你先重复他话里的一个词，然后再提问。比如对方说“我最近在学吉他”，你就说：“吉他啊，那你是怎么开始学的？”这个重复动作，会让对方觉得你在认真听，而且话题自然就延伸出去了。今天你要做的就是找五段对话，每次都先重复关键词再提问。可以是跟同事聊天，可以是跟店员闲聊，甚至是在评论区跟网友互动。练到你能秒速找到关键词为止。第三天，咱们练话题延伸。这个技巧叫做“三个方向法”。对方说完一件事，你可以往三个方向延伸：过去发生了什么，现在感受如何，未来打算怎么办。比如对方说“我换工作了”，你可以问：“之前那份工作是什么让你想换的？”这是往过去问；或者问：“现在这份工作感觉怎么样？”这是问现在；还可以问：“那你接下来有什么计划？”这是问未来。今天的训练就是找三个话题，每个话题都用这三个方向各问一遍。你会发现，一个简单的话题能聊出好多内容。第四天，咱们加一个情绪回应的动作。很多人只会问问题，但不会回应情绪，这样聊天就显得很机械。今天，你要学会在提问前先回应对方的情绪。对方说“我今天被领导批评了”，你别直接问“为什么啊”，先说：“哎呀，那肯定挺难受的。”然后再问：“是因为什么事啊？”对方说“我考试过了”，你先说：“太好了！”再问：“你是怎么准备的？” 今天找五个对话场景，每次都先回应情绪，再提问。练到你能自然地感知对方情绪为止。第五天，咱们练一个救场技巧，叫做话题转移法。有时候聊着聊着真的没话说了，这时候你就用“说到这个，我想起……”这个句式，把话题转到另一个方向。比如聊工作聊不下去了，你就说：“说到工作，我想起最近看到一个很有意思的新闻。”聊天气聊不下去了，你就说：“说到天气，我想起上次去旅游的时候……” 这个方法能让你永远有话说。今天的训练是准备五个常见话题，每个话题都想好三个可以转移的方向，然后找机会实际用一用。第六天，咱们练组合拳，把前面学的所有技巧串起来。用一段对话里，你要做到重复关键词、提问、回应情绪、延伸话题，必要时转移话题。今天找一个人跟他聊至少十分钟，在这十分钟里把所有技巧都用上。聊完之后回想一下，哪个技巧用得最顺手，哪个还需要加强。第七天，咱们做实战测试。今天你要主动找三个不太熟的人聊天，可以是同事，可以是邻居，可以是店员。每次聊天至少五分钟，目标是让对话自然流畅、不冷场。聊完之后给自己打个分，看看能不能做到全程不尴尬，话题能不能自然延伸。如果还有卡壳的地方，就回到前面对应的那天再练一遍。这套方法的核心，就是让你有话可说，而不是说得多漂亮。你每天花十分钟练习，一周之后你会发现，跟任何人聊天都不再是难事。平时你可以多看一些访谈节目，注意主持人是怎么提问的，怎么接话的。每天睡前回想一下今天的对话，哪些地方可以用上这些技巧，坚持下去，聊天这件事真的会变成一种本能反应。

和任何人都能无脑聊下去的方法很多人跟陌生人聊天，最怕的就是冷场，不知道说啥，气氛尴尬得要命。今天咱们就用七天时间，练一套无脑聊天法，让你跟谁都能接得住话，聊得下去。第一天，咱们先练最基础的提问公式。你今天只需要记住一个万能句式：对方说完任何一句话，你就接——“哎，那你当时怎么想的？”或者“那后来呢？” 别小看这两句，它们能让90%的对话继续下去。今天的训练动作很简单：找三个朋友或者家人，不管他们说什么，你就用这两句接话。比如对方说“我今天加班到很晚”，你就说：“哎，那你当时怎么想的？”对方说“我周末去爬山了”，你就说：“那后来呢？”练到你能自然而然地接住这两句话为止。第二天，咱们在提问的基础上加一个动作，叫做重复关键词。对方说完一句话，你先重复他话里的一个词，然后再提问。比如对方说“我最近在学吉他”，你就说：“吉他啊，那你是怎么开始学的？”这个重复动作，会让对方觉得你在认真听，而且话题自然就延伸出去了。今天你要做的就是找五段对话，每次都先重复关键词再提问。可以是跟同事聊天，可以是跟店员闲聊，甚至是在评论区跟网友互动。练到你能秒速找到关键词为止。第三天，咱们练话题延伸。这个技巧叫做“三个方向法”。对方说完一件事，你可以往三个方向延伸：过去发生了什么，现在感受如何，未来打算怎么办。比如对方说“我换工作了”，你可以问：“之前那份工作是什么让你想换的？”这是往过去问；或者问：“现在这份工作感觉怎么样？”这是问现在；还可以问：“那你接下来有什么计划？”这是问未来。今天的训练就是找三个话题，每个话题都用这三个方向各问一遍。你会发现，一个简单的话题能聊出好多内容。第四天，咱们加一个情绪回应的动作。很多人只会问问题，但不会回应情绪，这样聊天就显得很机械。今天，你要学会在提问前先回应对方的情绪。对方说“我今天被领导批评了”，你别直接问“为什么啊”，先说：“哎呀，那肯定挺难受的。”然后再问：“是因为什么事啊？”对方说“我考试过了”，你先说：“太好了！”再问：“你是怎么准备的？” 今天找五个对话场景，每次都先回应情绪，再提问。练到你能自然地感知对方情绪为止。第五天，咱们练一个救场技巧，叫做话题转移法。有时候聊着聊着真的没话说了，这时候你就用“说到这个，我想起……”这个句式，把话题转到另一个方向。比如聊工作聊不下去了，你就说：“说到工作，我想起最近看到一个很有意思的新闻。”聊天气聊不下去了，你就说：“说到天气，我想起上次去旅游的时候……” 这个方法能让你永远有话说。今天的训练是准备五个常见话题，每个话题都想好三个可以转移的方向，然后找机会实际用一用。第六天，咱们练组合拳，把前面学的所有技巧串起来。用一段对话里，你要做到重复关键词、提问、回应情绪、延伸话题，必要时转移话题。今天找一个人跟他聊至少十分钟，在这十分钟里把所有技巧都用上。聊完之后回想一下，哪个技巧用得最顺手，哪个还需要加强。第七天，咱们做实战测试。今天你要主动找三个不太熟的人聊天，可以是同事，可以是邻居，可以是店员。每次聊天至少五分钟，目标是让对话自然流畅、不冷场。聊完之后给自己打个分，看看能不能做到全程不尴尬，话题能不能自然延伸。如果还有卡壳的地方，就回到前面对应的那天再练一遍。这套方法的核心，就是让你有话可说，而不是说得多漂亮。你每天花十分钟练习，一周之后你会发现，跟任何人聊天都不再是难事。平时你可以多看一些访谈节目，注意主持人是怎么提问的，怎么接话的。每天睡前回想一下今天的对话，哪些地方可以用上这些技巧，坚持下去，聊天这件事真的会变成一种本能反应。

另一面

29,082 Aufrufe • vor 5 Monaten

Claude Code 团队的 Thariq 称：他用了 Fable 5之后，自己的工作方式发生了什么根本转变：以前是"检查 Claude 有没有把活干对"（doing the work right），现在变成"检查 Claude 有没有在做对的事"（doing the right work） ——从盯执行细节，变成定方向。他给的三条具体做法： 1. 把 Claude 当成一起想问题的伙伴，而不是等想清楚了才让它干活。他常常自己都不确定要什么，就早早拉 Claude 进来——比如先写个小需求说明，让 Claude 反过来"采访"他、逼他想清楚；或者给个想法让它出几个方向、用 HTML 做原型给他挑。关键动作是给背景而不只是给限制：与其说"别过度设计"，不如说"这功能是个实验、可能一个月后就删，所以别搭扔起来心疼的东西"。 2. 给目标 + 给验证方法。点了两个新功能：/goal（让 Claude 一直干到完成为止）和 workflows（让 Claude 验证自己的成果、出报告说明实现了什么、有没有偏差）。 3. 更大胆一点。 Fable 强到逼他跳出框框，他顺带抖了个包袱：这条视频本身就是他用 Fable 剪的。 "如果有什么你以为大模型做不到，不妨给它个机会"。

Claude Code 团队的 Thariq 称：他用了 Fable 5之后，自己的工作方式发生了什么根本转变：以前是"检查 Claude 有没有把活干对"（doing the work right），现在变成"检查 Claude 有没有在做对的事"（doing the right work） ——从盯执行细节，变成定方向。他给的三条具体做法： 1. 把 Claude 当成一起想问题的伙伴，而不是等想清楚了才让它干活。他常常自己都不确定要什么，就早早拉 Claude 进来——比如先写个小需求说明，让 Claude 反过来"采访"他、逼他想清楚；或者给个想法让它出几个方向、用 HTML 做原型给他挑。关键动作是给背景而不只是给限制：与其说"别过度设计"，不如说"这功能是个实验、可能一个月后就删，所以别搭扔起来心疼的东西"。 2. 给目标 + 给验证方法。点了两个新功能：/goal（让 Claude 一直干到完成为止）和 workflows（让 Claude 验证自己的成果、出报告说明实现了什么、有没有偏差）。 3. 更大胆一点。 Fable 强到逼他跳出框框，他顺带抖了个包袱：这条视频本身就是他用 Fable 剪的。 "如果有什么你以为大模型做不到，不妨给它个机会"。

小互

45,392 Aufrufe • vor 2 Monaten

“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 Aufrufe • vor 2 Jahren

想认真做小红书个人号或者矩阵的朋友，这个 Skill 真的能帮你省掉 80% 的重复劳动。看了我的 AI 工作流分享以后，很多宝子问有没有小红书自动化运营的工具，我GitHub上找了下，这个还不错，说实话，我之前也以为所有小红书自动化工具都是垃圾，要么用两天就封号，要么复杂到要写几百行代码，要么就是个只能发文字的残废，直到我试了这个，最牛逼的是它的安全机制：完全不用小红书 API，全程用浏览器自动化模拟真人点击和输入。第一次扫码登录后，后续所有操作都和你自己手动点一模一样，目前是我见过封号风险最低的方案。而且它真的零代码，你不需要懂任何编程，只要对着你的龙虾或者 hermes 说一句话就行： • 帮我分析一下我的首页推荐流 • 帮我生成五个今天能发的选题 • 帮我复刻这篇爆款笔记 • 帮我回复一下最新的评论它全都能自己干完，最狠的是它不只是一个单纯的发稿工具，它还有一个完整的运营闭环：会分析你的账号数据、拆解别人爆款的结构、生成内容+封面、自动发布、自动回评，还会把所有分析结果和操作自动存成 Markdown 知识库，方便你后续复盘。安装也简单到离谱：打开 Openclaw，直接说 “帮我安装这个 skill 就完事了。仓库地址老规矩评论区自取鸭🦆

想认真做小红书个人号或者矩阵的朋友，这个 Skill 真的能帮你省掉 80% 的重复劳动。看了我的 AI 工作流分享以后，很多宝子问有没有小红书自动化运营的工具，我GitHub上找了下，这个还不错，说实话，我之前也以为所有小红书自动化工具都是垃圾，要么用两天就封号，要么复杂到要写几百行代码，要么就是个只能发文字的残废，直到我试了这个，最牛逼的是它的安全机制：完全不用小红书 API，全程用浏览器自动化模拟真人点击和输入。第一次扫码登录后，后续所有操作都和你自己手动点一模一样，目前是我见过封号风险最低的方案。而且它真的零代码，你不需要懂任何编程，只要对着你的龙虾或者 hermes 说一句话就行： • 帮我分析一下我的首页推荐流 • 帮我生成五个今天能发的选题 • 帮我复刻这篇爆款笔记 • 帮我回复一下最新的评论它全都能自己干完，最狠的是它不只是一个单纯的发稿工具，它还有一个完整的运营闭环：会分析你的账号数据、拆解别人爆款的结构、生成内容+封面、自动发布、自动回评，还会把所有分析结果和操作自动存成 Markdown 知识库，方便你后续复盘。安装也简单到离谱：打开 Openclaw，直接说 “帮我安装这个 skill 就完事了。仓库地址老规矩评论区自取鸭🦆

AYi

23,983 Aufrufe • vor 3 Monaten

🤯电影都拍不出的桥段👺 庭审前究竟发生了什么⁉️⁉️⁉️ 文贵世纪大案量刑庭审：庭审前吐血、昏倒、现 #神秘黑衣女子！庭上还继续磕血！🥺 #文贵先生指检察官 #撒谎：你不用相信我的话，请调看今天的监控！🤯 全世界都在等待真相‼️‼️‼️ 正文：一直到3:55左右呢，他们才出来，也就将近一个小时，他们在房间里不知道在说什么。然后出来之后呢，很快就在这个安排下呢，我们就开始了这个啊，开始开庭。然后这个时候呢，文贵先生才啊，最后一个从这个庭审的地方、从门口出来。然后啊，看到文贵先生的第一眼，我是觉得文贵先生有些苍白，脸庞非常的苍白，但是也不知道为什么。后来呢，我们终于在啊最后，就是整个快结束的时候，文贵先生呢，最后啊，当这个法官问到文贵先生说：“被告，你有没有什么话要陈述？”那这个时候，文贵先生呢就站了起来，然后他才把今天为什么我们的庭审会往后拖的这个时间呢，通过翻译传递给了这个法院法官，也传递给了法庭。也是这个时候，我们才了解到，为什么我们今天会等待这么长的时间。那在这个很简短的文贵先生的这个发言里面，他啊就讲到，他自己原本没有打算要发言，但是因为今天发生的种种的原因，所以他决定要在这个时候站起来说几句话。那他的话里面就讲到了啊，就是说，他今天早上5点钟起来的时候呢，他有昏过去。昏过去了之后呢，起来就啊开始呃有血，吐血。然后呢，他的血呢，把他的脸，还有他的衣服上都啊都都弄到了血。然后这个MDC呢就叫了——对，一条胳膊上都是血——然后MDC呢就叫了这个911，也就是急救车。然后急救车呢，就把他送到了这个医院。医院的这个啊医生呢，啊，认为他需要打针，给他打了两针。我不知道打的具体什么针，但是给了他注射了两针，告诉他：“你需要stay，你需要在医院里面休息。” 但是文贵先生是说：“我要去，我要去法庭，我要去法庭。” 但是呢，后来他们把文贵先生带回了MDC，让他先在那边啊等候医生。后来呢，的确有医生来看了他，但是在MDC的医生。但是医生呢又走了。过了一会呢，又有一位啊，不知道呃是什么、是不知道身份的女生啊。他说是文贵先生描述，是一位神秘的女士，然后在穿黑衣服，穿着黑色的衣服，在1点半的时候进来，说：“我要带你去法院。” 然后这个时候就啊，他们在走的时候呢，在他上车之前呢，把他的衣服剪换掉了，剪开了，然后用布让他擦干净脸上的血，然后换上了他在我们法庭上看到的一件黄色的、米色的这个呃这个囚犯的这个衣服。也就是他刚才在庭审上，我们大家都看到的这件衣服，她才出来带走了他。但是这位女士很神秘。为什么呢？她没有跟七哥的法警一起坐在这个车上。一般的话，从MDC出发的会有两名法警。那今天很奇葩啊，这位神秘的女士坐上了一辆——嗯，七哥描述是BMW，坐了另外一辆车，也就是宝马车——然后跟他一起来到法院的。这个只有车上只有一位法警。所以这个事实呢，也被在今天的庭审的时候，检方描述的时候所歪曲。所以说七哥在他的讲话里面有澄清。那我具体的内容，我们几位啊，可以补充我们细节的话。大概今天为什么晚到这么长时间，让所有的战友啊，就在等候这个结果的原因，就是这样的一个原因。那刚才我们收到啊，七哥的律师说，呃，七哥现在没有事儿，他应该快到MDC了啊，应该快回到MDC了。所以说我们也啊，看看待会七哥有没有办法给我们打电话。嗯，刚才那个我补充一下。Ava其实说到一个很关键的，就是这个庭审和之前完全就不一样。首先她没有让我们上去，第二，她没有——她就是很多情况下的这种没有告知的延期，从这个1点到3点半，到3点，然后又到4点，是吧？这样的延期。事实上这个，后来我们是通过文贵先生，他真的是口述，所有大家才知道，就是那一刻之前，早上到那一刻发生了什么。那正常这种情况来说，用文贵先生他描述的说：“我晕过去了，然后吐血，而且医院已经给出了这个回应，说你需要留在这里。”在这种情况下，一般情况这个sentence应该不进行，他应该住院，今天的开庭应该是被延期的。也就是说，正常来说，今天不应该再继续开庭了。对，但是文贵先生在庭上讲，他在10点半的时候，就是接到了MDC这个狱警电话。MDC接到那个狱警接到MDC电话，说要把他带回去。然后带回去之后又要这个看医生。看医生之后，然后说，唉，我还是要治疗的。结果下午1点半的时候，又有了这个神秘女士的出现，带着mask说：“我现在带你去上庭。” 而且这个过程中，事实上，刚才Ava还讲了一个很关键一点，就是其实我们知道，前几天七哥打电话，他说过，说：“我这个不想说什么话。”但是他今天，其实说，本来他说：“我就说两句话，是吧？”但是他今天是临时——大家在那个看，在这个15D和这个视频上，大家都能看到，七哥站起来时候，说话的声音是哑的。对，他完全在那一刻之前，甚至就是在这个开庭的时候，可能他还没有想过说要说这个话。他完全是没有准备，完全是这个自己就说今天的当时经历。但是我相信，就是这个当时的这个检察官他说的这个话，触动了七哥，也触动了我们。因为在前面大家知道，整个的这个sentence它是有一个过程的。它有这个呃，检察官要发言，辩方律师要发言，所谓受害者陈述要发言，然后法官要去这个梳理整个的一个她量刑的标准PSR，然后最后给出一个量刑标准。这是一个大概的一个程序。那么七哥的他的权利是可以说话，你也可以不说话。很多有的时候，就是有些犯人，他为什么选择不说话呢？因为他这个觉得“我说的话可能会影响我的上诉”，所以他就选择不说话，这些都是可以的。但是今天，七哥今天在这个，也就是这个辩方他在发言的时候，他就说了一句，说这个呃：“郭文贵是个骗子，这个骗子他到今天都不思悔改，以至于他到现在还在装病，来故意地拖延这个庭审。所以说法官大人，我建议你重判他，因为他到现在还不思悔改。” 所以这个细节，我相信是触动了这个文贵先生。然后文贵先生站起来，他就讲说这个——他说的刚才说到这些细节的时候，他说：“你都不需要相信我，这些这个MDC医院，还有我们在这个SDNY，就是这个南区法院，都有摄像头，都有监控。你都可以去问这些警察，我说的是不是事实，是吧？” 然后这个，包括刚才那个Ava讲到，就是呃，事实上他那个被带到SDNY的时候，带到这个南区法院的时候，他还想用洗手间。他还说：“我不行，我肚子痛，我还想吐血。”然后这个呃，就不让他用，然后又给他放到另外一个房间。而且当时就说，这个神秘女士一直都在啊。然后这个呃，同时呢，七哥也说了，说他为什么今天我要说出这些。因为现在检方，你今天就是个很好的例子。他说的没有一件事是真的。说一个法警跟着，其实是两个法警，对，说是一个，然后事实上是有两个人。那么他同时他又说：“你作为检察官，到今天为止，你又当法官，你又当警察，你又当医生，你什么——你说什么就是什么。” 对，然后呢，那这个我法官大人，我今天想说的，我和我的律师，在822文件里面都已经阐述了。我相信美国的法律啊。但是就说，我过去因为我这个灭共的事业，我全家有270个人被抓，我失去了几十亿的上百亿的资产啊。然后我失去这些钱，但是我谢谢咱们法庭和法官所做的一切的努力。然后最后一句话，说：“我要上诉，我要上诉。” 对，其实七哥今天脸，确实脸色进来的时候是白，加上有一点黄，其实。嗯，但是呢，七哥就是我觉得也是看到战友了，他在强打起来精神，一直在和战友们去对视啊。包括有咱们战友里面有小朋友，然后七哥也是一直在做合十的手势，一直在和大家点头微笑。嗯，很多战友们也都是在这个呃，给他回手势，对，给他回手势，嗯。然后我觉得，嗯，其实刚刚除了——七哥其实在庭上也有咳血，然后嗯，就是拿那个白色的卫生纸，他不是整吐血，是拿这个卫生纸一擦，这就是都是血。然后七哥把这个纸也对着检察官这样晃了晃。这是在七哥去讲完了这么多话的时候，之后去呃做的一个动作。然后呃，其他的法警就把垃圾桶拿过来。七哥我看到擦了好几张，因为有法警挡住了，我觉得四五次。嗯，对，嗯，也对，就是我们都是看到了的，这些都是我们是都是看到了的。嗯，然后我觉得今天其实战友们，我觉得表现的应该可以让七哥很放心，因为战友们非常的冷静，非常的淡定。

🤯电影都拍不出的桥段👺 庭审前究竟发生了什么⁉️⁉️⁉️ 文贵世纪大案量刑庭审：庭审前吐血、昏倒、现 #神秘黑衣女子！庭上还继续磕血！🥺 #文贵先生指检察官 #撒谎：你不用相信我的话，请调看今天的监控！🤯 全世界都在等待真相‼️‼️‼️ 正文：一直到3:55左右呢，他们才出来，也就将近一个小时，他们在房间里不知道在说什么。然后出来之后呢，很快就在这个安排下呢，我们就开始了这个啊，开始开庭。然后这个时候呢，文贵先生才啊，最后一个从这个庭审的地方、从门口出来。然后啊，看到文贵先生的第一眼，我是觉得文贵先生有些苍白，脸庞非常的苍白，但是也不知道为什么。后来呢，我们终于在啊最后，就是整个快结束的时候，文贵先生呢，最后啊，当这个法官问到文贵先生说：“被告，你有没有什么话要陈述？”那这个时候，文贵先生呢就站了起来，然后他才把今天为什么我们的庭审会往后拖的这个时间呢，通过翻译传递给了这个法院法官，也传递给了法庭。也是这个时候，我们才了解到，为什么我们今天会等待这么长的时间。那在这个很简短的文贵先生的这个发言里面，他啊就讲到，他自己原本没有打算要发言，但是因为今天发生的种种的原因，所以他决定要在这个时候站起来说几句话。那他的话里面就讲到了啊，就是说，他今天早上5点钟起来的时候呢，他有昏过去。昏过去了之后呢，起来就啊开始呃有血，吐血。然后呢，他的血呢，把他的脸，还有他的衣服上都啊都都弄到了血。然后这个MDC呢就叫了——对，一条胳膊上都是血——然后MDC呢就叫了这个911，也就是急救车。然后急救车呢，就把他送到了这个医院。医院的这个啊医生呢，啊，认为他需要打针，给他打了两针。我不知道打的具体什么针，但是给了他注射了两针，告诉他：“你需要stay，你需要在医院里面休息。” 但是文贵先生是说：“我要去，我要去法庭，我要去法庭。” 但是呢，后来他们把文贵先生带回了MDC，让他先在那边啊等候医生。后来呢，的确有医生来看了他，但是在MDC的医生。但是医生呢又走了。过了一会呢，又有一位啊，不知道呃是什么、是不知道身份的女生啊。他说是文贵先生描述，是一位神秘的女士，然后在穿黑衣服，穿着黑色的衣服，在1点半的时候进来，说：“我要带你去法院。” 然后这个时候就啊，他们在走的时候呢，在他上车之前呢，把他的衣服剪换掉了，剪开了，然后用布让他擦干净脸上的血，然后换上了他在我们法庭上看到的一件黄色的、米色的这个呃这个囚犯的这个衣服。也就是他刚才在庭审上，我们大家都看到的这件衣服，她才出来带走了他。但是这位女士很神秘。为什么呢？她没有跟七哥的法警一起坐在这个车上。一般的话，从MDC出发的会有两名法警。那今天很奇葩啊，这位神秘的女士坐上了一辆——嗯，七哥描述是BMW，坐了另外一辆车，也就是宝马车——然后跟他一起来到法院的。这个只有车上只有一位法警。所以这个事实呢，也被在今天的庭审的时候，检方描述的时候所歪曲。所以说七哥在他的讲话里面有澄清。那我具体的内容，我们几位啊，可以补充我们细节的话。大概今天为什么晚到这么长时间，让所有的战友啊，就在等候这个结果的原因，就是这样的一个原因。那刚才我们收到啊，七哥的律师说，呃，七哥现在没有事儿，他应该快到MDC了啊，应该快回到MDC了。所以说我们也啊，看看待会七哥有没有办法给我们打电话。嗯，刚才那个我补充一下。Ava其实说到一个很关键的，就是这个庭审和之前完全就不一样。首先她没有让我们上去，第二，她没有——她就是很多情况下的这种没有告知的延期，从这个1点到3点半，到3点，然后又到4点，是吧？这样的延期。事实上这个，后来我们是通过文贵先生，他真的是口述，所有大家才知道，就是那一刻之前，早上到那一刻发生了什么。那正常这种情况来说，用文贵先生他描述的说：“我晕过去了，然后吐血，而且医院已经给出了这个回应，说你需要留在这里。”在这种情况下，一般情况这个sentence应该不进行，他应该住院，今天的开庭应该是被延期的。也就是说，正常来说，今天不应该再继续开庭了。对，但是文贵先生在庭上讲，他在10点半的时候，就是接到了MDC这个狱警电话。MDC接到那个狱警接到MDC电话，说要把他带回去。然后带回去之后又要这个看医生。看医生之后，然后说，唉，我还是要治疗的。结果下午1点半的时候，又有了这个神秘女士的出现，带着mask说：“我现在带你去上庭。” 而且这个过程中，事实上，刚才Ava还讲了一个很关键一点，就是其实我们知道，前几天七哥打电话，他说过，说：“我这个不想说什么话。”但是他今天，其实说，本来他说：“我就说两句话，是吧？”但是他今天是临时——大家在那个看，在这个15D和这个视频上，大家都能看到，七哥站起来时候，说话的声音是哑的。对，他完全在那一刻之前，甚至就是在这个开庭的时候，可能他还没有想过说要说这个话。他完全是没有准备，完全是这个自己就说今天的当时经历。但是我相信，就是这个当时的这个检察官他说的这个话，触动了七哥，也触动了我们。因为在前面大家知道，整个的这个sentence它是有一个过程的。它有这个呃，检察官要发言，辩方律师要发言，所谓受害者陈述要发言，然后法官要去这个梳理整个的一个她量刑的标准PSR，然后最后给出一个量刑标准。这是一个大概的一个程序。那么七哥的他的权利是可以说话，你也可以不说话。很多有的时候，就是有些犯人，他为什么选择不说话呢？因为他这个觉得“我说的话可能会影响我的上诉”，所以他就选择不说话，这些都是可以的。但是今天，七哥今天在这个，也就是这个辩方他在发言的时候，他就说了一句，说这个呃：“郭文贵是个骗子，这个骗子他到今天都不思悔改，以至于他到现在还在装病，来故意地拖延这个庭审。所以说法官大人，我建议你重判他，因为他到现在还不思悔改。” 所以这个细节，我相信是触动了这个文贵先生。然后文贵先生站起来，他就讲说这个——他说的刚才说到这些细节的时候，他说：“你都不需要相信我，这些这个MDC医院，还有我们在这个SDNY，就是这个南区法院，都有摄像头，都有监控。你都可以去问这些警察，我说的是不是事实，是吧？” 然后这个，包括刚才那个Ava讲到，就是呃，事实上他那个被带到SDNY的时候，带到这个南区法院的时候，他还想用洗手间。他还说：“我不行，我肚子痛，我还想吐血。”然后这个呃，就不让他用，然后又给他放到另外一个房间。而且当时就说，这个神秘女士一直都在啊。然后这个呃，同时呢，七哥也说了，说他为什么今天我要说出这些。因为现在检方，你今天就是个很好的例子。他说的没有一件事是真的。说一个法警跟着，其实是两个法警，对，说是一个，然后事实上是有两个人。那么他同时他又说：“你作为检察官，到今天为止，你又当法官，你又当警察，你又当医生，你什么——你说什么就是什么。” 对，然后呢，那这个我法官大人，我今天想说的，我和我的律师，在822文件里面都已经阐述了。我相信美国的法律啊。但是就说，我过去因为我这个灭共的事业，我全家有270个人被抓，我失去了几十亿的上百亿的资产啊。然后我失去这些钱，但是我谢谢咱们法庭和法官所做的一切的努力。然后最后一句话，说：“我要上诉，我要上诉。” 对，其实七哥今天脸，确实脸色进来的时候是白，加上有一点黄，其实。嗯，但是呢，七哥就是我觉得也是看到战友了，他在强打起来精神，一直在和战友们去对视啊。包括有咱们战友里面有小朋友，然后七哥也是一直在做合十的手势，一直在和大家点头微笑。嗯，很多战友们也都是在这个呃，给他回手势，对，给他回手势，嗯。然后我觉得，嗯，其实刚刚除了——七哥其实在庭上也有咳血，然后嗯，就是拿那个白色的卫生纸，他不是整吐血，是拿这个卫生纸一擦，这就是都是血。然后七哥把这个纸也对着检察官这样晃了晃。这是在七哥去讲完了这么多话的时候，之后去呃做的一个动作。然后呃，其他的法警就把垃圾桶拿过来。七哥我看到擦了好几张，因为有法警挡住了，我觉得四五次。嗯，对，嗯，也对，就是我们都是看到了的，这些都是我们是都是看到了的。嗯，然后我觉得今天其实战友们，我觉得表现的应该可以让七哥很放心，因为战友们非常的冷静，非常的淡定。

喜马拉雅日本勇者村

31,295 Aufrufe • vor 2 Monaten

亲爱的，最近行情重新回来，你有关注链上动态吗？看着Stable 生态里的 Meme，我注意到了 Fefer 他们这项目的故事其实挺有意思最开始只是一个蓝色恐龙梗后来社区把它做成了 FEFER，热度起来得很快市值一度超过 880 万美元，链上交易也非常活跃但是，Meme 的生命周期，有时候就是这么突然热度还在的时候，老 Dev 离开了！留下来的社区还在，项目却慢慢失去了继续往前走的人所以我觉得这次 Fefer 的重启，最值得看的地方，除了它能不能马上重新涨起来还有，它有没有机会把原来的社区重新找回来？新团队 Fefer 现在已经正式启动 CTO，并在 Stable 上重新发行 FEFER 让我印象比较深的是，他们没有把过去的持币者抛弃，完全留在旧的叙事里新币按照原来的持仓地址进行空投不用填写资料，也不用手动 Claim 钱包里原本有老 FEFER 的用户，可以直接获得新币某种程度上，这也是在告诉原来的社区这一次，我们愿意从你们还在的地方重新开始当然，重启只是第一步 Meme 最终还是要回到最现实的问题有没有持续做事的人？有没有愿意留下来的社区？有没有足够的流动性和新的叙事？所以现在的 Fefer，我会把它当成一个正在重新生长的项目去观察过去发生过什么已经无法改变但新的故事，才刚刚开始新 FEFER CA是这个 0xdeee8f25fe3b5c33aef78637278acbff23eebfa6 以上内容仅分享个人观察，请大家自己做好研究哦！

亲爱的，最近行情重新回来，你有关注链上动态吗？看着Stable 生态里的 Meme，我注意到了 Fefer 他们这项目的故事其实挺有意思最开始只是一个蓝色恐龙梗后来社区把它做成了 FEFER，热度起来得很快市值一度超过 880 万美元，链上交易也非常活跃但是，Meme 的生命周期，有时候就是这么突然热度还在的时候，老 Dev 离开了！留下来的社区还在，项目却慢慢失去了继续往前走的人所以我觉得这次 Fefer 的重启，最值得看的地方，除了它能不能马上重新涨起来还有，它有没有机会把原来的社区重新找回来？新团队 Fefer 现在已经正式启动 CTO，并在 Stable 上重新发行 FEFER 让我印象比较深的是，他们没有把过去的持币者抛弃，完全留在旧的叙事里新币按照原来的持仓地址进行空投不用填写资料，也不用手动 Claim 钱包里原本有老 FEFER 的用户，可以直接获得新币某种程度上，这也是在告诉原来的社区这一次，我们愿意从你们还在的地方重新开始当然，重启只是第一步 Meme 最终还是要回到最现实的问题有没有持续做事的人？有没有愿意留下来的社区？有没有足够的流动性和新的叙事？所以现在的 Fefer，我会把它当成一个正在重新生长的项目去观察过去发生过什么已经无法改变但新的故事，才刚刚开始新 FEFER CA是这个 0xdeee8f25fe3b5c33aef78637278acbff23eebfa6 以上内容仅分享个人观察，请大家自己做好研究哦！

Moonlight🌙月光

37,720 Aufrufe • vor 28 Tagen

我想很多人都有这个困扰：之前经常需要在Codex和Claude Code之间来回切换，现在又加上了最近爆火的DeepSeek Harness。但是每次来回切换、或者想尝尝DSH的鲜的时候，我都得把背景重新讲一遍，确实挺烦的~ 最近在GitHub上发现的一个开源项目 memmy-agent，把 Codex、DeepSeek Harness、Claude Code接了进去，直接解决了困扰我很久的跨Agent 记忆的问题。我用它做的事情很简单：把分散在不同 Agent 里的历史，沉淀到同一份个人上下文里，默认 Local-first，让它们都能调用。我把它分别接入 Codex、DeepSeek Harness、Claude Code 之后，我做了一个信号中继站小游戏。我先在Codex 写完基础玩法，然后对话里说一句话：第一次失败时，给玩家一次翻盘机会，别直接结束游戏。但这句话我故意不写入代码、README 或者是本地记忆文件。然后新开 DeepSeek Harness，它从 Memmy 直接读出了这条决定，非常丝滑。再新开 Claude Code，它读代码前先复述了规则，再按这个方向把后续功能补完。代码只能告诉下一个 Agent 项目做到哪，但那些留在对话里的决策，才影响着项目接下来往哪走。以后，Agent 要记住的，不只是代码，还有你前面已经决定的决策和经验。 Memmy 不仅帮我解决了Agent记忆的问题，还让这些经验不再独属于某一个 Agent，而是只属于你。 Switch agents, not context。 Memmy 支持桌面端、CLI、API、MCP 和 Skills多种方式，可以直接接着执行任务。如果你也经常在多个 Agent 之间切换，可以拿自己的项目试一下。项目GitHub：

我想很多人都有这个困扰：之前经常需要在Codex和Claude Code之间来回切换，现在又加上了最近爆火的DeepSeek Harness。但是每次来回切换、或者想尝尝DSH的鲜的时候，我都得把背景重新讲一遍，确实挺烦的~ 最近在GitHub上发现的一个开源项目 memmy-agent，把 Codex、DeepSeek Harness、Claude Code接了进去，直接解决了困扰我很久的跨Agent 记忆的问题。我用它做的事情很简单：把分散在不同 Agent 里的历史，沉淀到同一份个人上下文里，默认 Local-first，让它们都能调用。我把它分别接入 Codex、DeepSeek Harness、Claude Code 之后，我做了一个信号中继站小游戏。我先在Codex 写完基础玩法，然后对话里说一句话：第一次失败时，给玩家一次翻盘机会，别直接结束游戏。但这句话我故意不写入代码、README 或者是本地记忆文件。然后新开 DeepSeek Harness，它从 Memmy 直接读出了这条决定，非常丝滑。再新开 Claude Code，它读代码前先复述了规则，再按这个方向把后续功能补完。代码只能告诉下一个 Agent 项目做到哪，但那些留在对话里的决策，才影响着项目接下来往哪走。以后，Agent 要记住的，不只是代码，还有你前面已经决定的决策和经验。 Memmy 不仅帮我解决了Agent记忆的问题，还让这些经验不再独属于某一个 Agent，而是只属于你。 Switch agents, not context。 Memmy 支持桌面端、CLI、API、MCP 和 Skills多种方式，可以直接接着执行任务。如果你也经常在多个 Agent 之间切换，可以拿自己的项目试一下。项目GitHub：

木马人

63,168 Aufrufe • vor 1 Monat