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。

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

4,940 subscribers

171,400 次观看 • 9 个月前 •via X (Twitter)

教育科学技术

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

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

188,867 次观看 • 4 个月前

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

47,477 次观看 • 4 个月前

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 • 6 个月前

当一个人有超能力，但是对另一个人却不能用？当一个人的超能力要靠别人骂它才能激发？不得不佩服韩国编剧的想象力，太搞了有没有？这种设定放在剧里确实好看——能力很强但有条件限制，这才是戏剧张力的来源。但话说回来，如果把这个逻辑搬到现实里，你会发现 DeFi 市场早就把这套玩明白了。浮动利率就是这样一种"超能力"。它理论上能让你赚很多，但有个条件——你得承受它的反复无常。你今天借的时候利率看着挺低，明天它就变了。你扛住了，后天它又变了。你的能力不在你自己手里，在市场手里。市场心情好，你就是高手。市场翻脸，你就是那个超能力失灵的人。 TermMax | Fixed Rate Borrowing & Lending 的逻辑正好反过来。它的"超能力"不是靠情绪激发的——固定利率不需要你骂它、不需要市场配合、不需要在特定条件下才能生效。你借的时候写好的数字，到期就是那个数字。没有触发条件，没有隐藏设定，没有"今天市场不好你的利率自动翻倍"这种剧情反转。韩剧里那种"能力很强但条件苛刻"的设定确实适合追剧。但借钱这件事，还是希望条件越简单越好、能力越稳定越好，不用靠骂街来激活。

当一个人有超能力，但是对另一个人却不能用？当一个人的超能力要靠别人骂它才能激发？不得不佩服韩国编剧的想象力，太搞了有没有？这种设定放在剧里确实好看——能力很强但有条件限制，这才是戏剧张力的来源。但话说回来，如果把这个逻辑搬到现实里，你会发现 DeFi 市场早就把这套玩明白了。浮动利率就是这样一种"超能力"。它理论上能让你赚很多，但有个条件——你得承受它的反复无常。你今天借的时候利率看着挺低，明天它就变了。你扛住了，后天它又变了。你的能力不在你自己手里，在市场手里。市场心情好，你就是高手。市场翻脸，你就是那个超能力失灵的人。 TermMax | Fixed Rate Borrowing & Lending 的逻辑正好反过来。它的"超能力"不是靠情绪激发的——固定利率不需要你骂它、不需要市场配合、不需要在特定条件下才能生效。你借的时候写好的数字，到期就是那个数字。没有触发条件，没有隐藏设定，没有"今天市场不好你的利率自动翻倍"这种剧情反转。韩剧里那种"能力很强但条件苛刻"的设定确实适合追剧。但借钱这件事，还是希望条件越简单越好、能力越稳定越好，不用靠骂街来激活。

小损样😎

540,944 次观看 • 3 个月前

Anthropic官方最新的演讲，直接给火了一年的Agent时代浇了一盆冷水。他们说别再造Agents了，赶紧去造Skills。这句话也不是啥小众观点，是Claude核心团队的工程师Barry Zhang 和Mahesh Murag站在台上对着全世界喊出来的。最反直觉的地方在这里，大部分人都以为Agent的未来，是做出一个更聪明的大脑，让它自己思考，自己规划，自己解决所有问题。但Anthropic说，这条路走不通，通用Agent确实聪明，但它没有领域知识，一碰真实世界就碎。难维护，不可靠，出了问题你都不知道为什么。绝大多数你见过的Agent，都只能停留在演示视频里。真正能落地的，是Skills。不是什么复杂的新东西，就是一个个文件夹，里面放着代码、脚本、提示词和流程知识。用文件系统、bash、Python这些最朴素的东西做接口。它没有Agent那么酷，但它可组合，可版本控制，可分享。需要的时候才加载进上下文，永远不会爆token。甚至连财务、HR、法务这些非程序员，都能自己造技能。这其实是一次非常务实的倒退，我们不再要求AI自己学会怎么干活，而是把人类已经验证过的干活方法，打包成一个个技能包，让AI去调用，去执行。把AI从一个需要你手把手教的实习生，变成一个能熟练使用所有专业工具的得力助手。现在终于明白，为什么Claude一直在死磕MCP，死磕文件系统，死磕终端集成，它根本就不想做一个聊天机器人，它想做的是所有技能的运行时。未来的竞争，不看谁的Agent更聪明，主要看谁的技能库更丰富更专业更可靠。最后两位老哥呼吁别再纠结怎么让AI自己思考了，先把你手里的工作打包成第一个技能。

Anthropic官方最新的演讲，直接给火了一年的Agent时代浇了一盆冷水。他们说别再造Agents了，赶紧去造Skills。这句话也不是啥小众观点，是Claude核心团队的工程师Barry Zhang 和Mahesh Murag站在台上对着全世界喊出来的。最反直觉的地方在这里，大部分人都以为Agent的未来，是做出一个更聪明的大脑，让它自己思考，自己规划，自己解决所有问题。但Anthropic说，这条路走不通，通用Agent确实聪明，但它没有领域知识，一碰真实世界就碎。难维护，不可靠，出了问题你都不知道为什么。绝大多数你见过的Agent，都只能停留在演示视频里。真正能落地的，是Skills。不是什么复杂的新东西，就是一个个文件夹，里面放着代码、脚本、提示词和流程知识。用文件系统、bash、Python这些最朴素的东西做接口。它没有Agent那么酷，但它可组合，可版本控制，可分享。需要的时候才加载进上下文，永远不会爆token。甚至连财务、HR、法务这些非程序员，都能自己造技能。这其实是一次非常务实的倒退，我们不再要求AI自己学会怎么干活，而是把人类已经验证过的干活方法，打包成一个个技能包，让AI去调用，去执行。把AI从一个需要你手把手教的实习生，变成一个能熟练使用所有专业工具的得力助手。现在终于明白，为什么Claude一直在死磕MCP，死磕文件系统，死磕终端集成，它根本就不想做一个聊天机器人，它想做的是所有技能的运行时。未来的竞争，不看谁的Agent更聪明，主要看谁的技能库更丰富更专业更可靠。最后两位老哥呼吁别再纠结怎么让AI自己思考了，先把你手里的工作打包成第一个技能。

AYi

108,732 次观看 • 6 个月前

🔥AI搬回本地！ $NVDA 黃仁勋剛剛宣布重大突破，个人电脑迎来全新时代！ ———————————— 过去四十年，一直是你在伺候电脑。这一次，它要反过来。我们这代人，是被机器训练大的。记快捷键，清后台，等进度条，文件存在哪个文件夹自己得记牢，我们学会的全是“迁就它”，把自己一点点训练得像台机器，它才肯好好干活。所以黄仁勋这次最重要的东西，很多人看漏了。不是又一个开源模型，也不是新芯片的跑分。是 AI 要从云端“搬回家”，住进你这台本机里。这两年我们用的 AI，说穿了都是“租来的大脑”。你得先把家底打包上传：合同、工资条、还没写完的东西、和家人的聊天记录。它在别人的机房里跑，按别人的价收钱，入口攥在别人手里。聪明是真聪明，可它始终不是你的，你只是个访客。而“本地 Agent”这四个字的意思是：这些东西，终于可以留在你自己屋里了。不用上传，不用排队，不用看网速的脸色。它能看你的文件、懂你开着的软件、替你把那些零碎活儿干完。第一次，电脑不再是你点一下它动一下的工具，而是一个会自己动手的人。为了这件事，老黄把数据中心级的算力，上百 GB 的统一内存、接近一个 petaflop 的性能，硬塞进了一台摆得上书桌的小机器。不是为了让你在本地跑个玩具模型，是为了让你桌上这台电脑，真有本事自己干活。往大了说，棋局其实很清楚：云端那颗大脑，继续在数据中心里想最难的事；你桌上这台，负责手脚，管你每天的柴米油盐。而老黄想要的，是大脑和手脚，两头都攥在自己手里。但我更想讲的，是那种很具体的感觉。PC 是上一代互联网的入口，手机是移动时代的入口。下一个入口不在某个网站里，就在你书桌上那台开机的电脑里。谁先住进去，谁拿下下一个十年。所以他这次真正想说的，从来不是“我们出了块更强的芯片”。而是过去四十年，你把自己训练得越来越像一台电脑。从今往后，是电脑，开始学着像你请来的那个人。

🔥AI搬回本地！ $NVDA 黃仁勋剛剛宣布重大突破，个人电脑迎来全新时代！ ———————————— 过去四十年，一直是你在伺候电脑。这一次，它要反过来。我们这代人，是被机器训练大的。记快捷键，清后台，等进度条，文件存在哪个文件夹自己得记牢，我们学会的全是“迁就它”，把自己一点点训练得像台机器，它才肯好好干活。所以黄仁勋这次最重要的东西，很多人看漏了。不是又一个开源模型，也不是新芯片的跑分。是 AI 要从云端“搬回家”，住进你这台本机里。这两年我们用的 AI，说穿了都是“租来的大脑”。你得先把家底打包上传：合同、工资条、还没写完的东西、和家人的聊天记录。它在别人的机房里跑，按别人的价收钱，入口攥在别人手里。聪明是真聪明，可它始终不是你的，你只是个访客。而“本地 Agent”这四个字的意思是：这些东西，终于可以留在你自己屋里了。不用上传，不用排队，不用看网速的脸色。它能看你的文件、懂你开着的软件、替你把那些零碎活儿干完。第一次，电脑不再是你点一下它动一下的工具，而是一个会自己动手的人。为了这件事，老黄把数据中心级的算力，上百 GB 的统一内存、接近一个 petaflop 的性能，硬塞进了一台摆得上书桌的小机器。不是为了让你在本地跑个玩具模型，是为了让你桌上这台电脑，真有本事自己干活。往大了说，棋局其实很清楚：云端那颗大脑，继续在数据中心里想最难的事；你桌上这台，负责手脚，管你每天的柴米油盐。而老黄想要的，是大脑和手脚，两头都攥在自己手里。但我更想讲的，是那种很具体的感觉。PC 是上一代互联网的入口，手机是移动时代的入口。下一个入口不在某个网站里，就在你书桌上那台开机的电脑里。谁先住进去，谁拿下下一个十年。所以他这次真正想说的，从来不是“我们出了块更强的芯片”。而是过去四十年，你把自己训练得越来越像一台电脑。从今往后，是电脑，开始学着像你请来的那个人。

老白

16,964 次观看 • 4 个月前

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。它会有一套完整的研究链路：先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。我刚用它测过的场景：上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚：你在解决真实需求，还是在解决自己幻想的问题。

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。它会有一套完整的研究链路：先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。我刚用它测过的场景：上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚：你在解决真实需求，还是在解决自己幻想的问题。

余温

27,280 次观看 • 4 个月前

很多人用AI，都用错了。这是Claude代码创造者Boris Cherny的观点。他说，太多人想把AI模型塞进一个盒子里。强制它执行死板的流程。第一步，第二步，第三步。像个机器人产线工人。结果呢？效果反而更差。真正聪明的做法是什么？给它工具。给它自由。给它一个目标。然后让它自己想办法去解决问题。别一开始就喂给它海量信息。给它一个能自己找信息的工具就行了。这让人想起一个老问题。是精密的计划经济能赢？还是自由的市场能赢？答案好像越来越清楚了。技术在进步，但背后的哲学却总在重复。到底是控制带来效率，还是自由带来繁荣？

很多人用AI，都用错了。这是Claude代码创造者Boris Cherny的观点。他说，太多人想把AI模型塞进一个盒子里。强制它执行死板的流程。第一步，第二步，第三步。像个机器人产线工人。结果呢？效果反而更差。真正聪明的做法是什么？给它工具。给它自由。给它一个目标。然后让它自己想办法去解决问题。别一开始就喂给它海量信息。给它一个能自己找信息的工具就行了。这让人想起一个老问题。是精密的计划经济能赢？还是自由的市场能赢？答案好像越来越清楚了。技术在进步，但背后的哲学却总在重复。到底是控制带来效率，还是自由带来繁荣？

墓碑科技

25,612 次观看 • 7 个月前

今天看了 Every 的这篇《How Codex Happened》，整理的相当详细，其中对我感触最深的是关于 Codex Desktop 的这一段，看完才知道 Codex App 背后操刀的原来是 Tibo 和 Andrew Ambrosino。当时流行的都是 Cursor 这样的 IDE 内置聊天，但 Tibo 偏偏做了一件意外的决定：做一款原生桌面应用。他看到，模型能完成的任务越来越长，人们很快会同时开好几个智能体，一整天都和它们待在一起。他说：那就必须是一个非常丰富的界面，而不是一个 1970 年代的纯文本窗口。为此，他找来了设计师、程序员、前创业者 Andrew Ambrosino。他们没有像 Cursor 那样从 VS Code Fork 一个版本出来，虽然那是当时的标准做法；他们选择了参考聊天软件：左边是任务，每个任务一个智能体；右边是对话。然后，是最冒险的决定：应用里不放代码编辑器。想改代码？只能让智能体去改。因为一旦能敲代码，你就会期待编辑器的一切，一个四人小团队根本做不到。Codex 不可能靠当一个糟糕的编辑器取胜，它必须好到让你根本不想念编辑器。每天 Ambrosino 一进办公室就挨个问同时：“你在主力用 Codex 吗？” 一开始，所有人的回答都是：没有。有同事在 Slack 上抱怨，就为了替换一句话，还得去提示 Codex。连 Ambrosino 自己也写道：不能编辑文件，是这次发布里我最怀疑的一点。 2025 年 11 月，Google 发布了 Antigravity，一款把智能体和完整编辑器结合在一起的工具。主导它的，正是离开 Windsurf 的那批人。 Ambrosino 都开始自我怀疑：“我们是不是犯了一个巨大的错误？” 更要命的是模型。就算应用做完了，以当时模型的质量，它也“无法发布”。然后，事情开始变了。11 月，GPT-5.1-Codex-Max 发布，能连续编码好几个小时。12 月，GPT-5.2-Codex 发布。独立的模型线，让团队不用顾虑八亿 ChatGPT 用户，可以迭代得更快。 12 月，那位抱怨的同事改口了：我现在大多数改动，只留一条行内评论，飞快。Glaese 说：5.2 是个转折点。那年圣诞假期，整个行业迎来拐点：开发者们用 Opus 4.5 和 GPT-5.2 从头到尾搭出完整的应用，一行代码都不用自己写。 2 月，Codex 应用在 OpenAI 内部流行开来。研究员 Noam Brown 说，他已经完全切换。Brockman，一个忠实的终端加 Emacs 用户，说回到老工作流，感觉像穿越回了过去。Altman 后来说，这是他们做过的最受内部喜爱的产品。可是别忘了，Codex Cloud 当初在内部也很受欢迎，结果一发布，就扑了街。这一次，会不一样吗？ ---- 完整的内容可以看原文，这个视频是我基于原文相应章节去搜集资料剪辑的。

今天看了 Every 的这篇《How Codex Happened》，整理的相当详细，其中对我感触最深的是关于 Codex Desktop 的这一段，看完才知道 Codex App 背后操刀的原来是 Tibo 和 Andrew Ambrosino。当时流行的都是 Cursor 这样的 IDE 内置聊天，但 Tibo 偏偏做了一件意外的决定：做一款原生桌面应用。他看到，模型能完成的任务越来越长，人们很快会同时开好几个智能体，一整天都和它们待在一起。他说：那就必须是一个非常丰富的界面，而不是一个 1970 年代的纯文本窗口。为此，他找来了设计师、程序员、前创业者 Andrew Ambrosino。他们没有像 Cursor 那样从 VS Code Fork 一个版本出来，虽然那是当时的标准做法；他们选择了参考聊天软件：左边是任务，每个任务一个智能体；右边是对话。然后，是最冒险的决定：应用里不放代码编辑器。想改代码？只能让智能体去改。因为一旦能敲代码，你就会期待编辑器的一切，一个四人小团队根本做不到。Codex 不可能靠当一个糟糕的编辑器取胜，它必须好到让你根本不想念编辑器。每天 Ambrosino 一进办公室就挨个问同时：“你在主力用 Codex 吗？” 一开始，所有人的回答都是：没有。有同事在 Slack 上抱怨，就为了替换一句话，还得去提示 Codex。连 Ambrosino 自己也写道：不能编辑文件，是这次发布里我最怀疑的一点。 2025 年 11 月，Google 发布了 Antigravity，一款把智能体和完整编辑器结合在一起的工具。主导它的，正是离开 Windsurf 的那批人。 Ambrosino 都开始自我怀疑：“我们是不是犯了一个巨大的错误？” 更要命的是模型。就算应用做完了，以当时模型的质量，它也“无法发布”。然后，事情开始变了。11 月，GPT-5.1-Codex-Max 发布，能连续编码好几个小时。12 月，GPT-5.2-Codex 发布。独立的模型线，让团队不用顾虑八亿 ChatGPT 用户，可以迭代得更快。 12 月，那位抱怨的同事改口了：我现在大多数改动，只留一条行内评论，飞快。Glaese 说：5.2 是个转折点。那年圣诞假期，整个行业迎来拐点：开发者们用 Opus 4.5 和 GPT-5.2 从头到尾搭出完整的应用，一行代码都不用自己写。 2 月，Codex 应用在 OpenAI 内部流行开来。研究员 Noam Brown 说，他已经完全切换。Brockman，一个忠实的终端加 Emacs 用户，说回到老工作流，感觉像穿越回了过去。Altman 后来说，这是他们做过的最受内部喜爱的产品。可是别忘了，Codex Cloud 当初在内部也很受欢迎，结果一发布，就扑了街。这一次，会不一样吗？ ---- 完整的内容可以看原文，这个视频是我基于原文相应章节去搜集资料剪辑的。

宝玉

43,709 次观看 • 8 天前

重要基础设施发布：我认为，DeWEB 作为下一代互联网基础设施，不该只是工程师的游乐场。 TapeOut需要有千千万万个网站和开发者在上面提供不同的服务和应用，所以我们需要一个能让所有人，无论是否懂得程序开发和流程，只要有想法和创造力，就能把自己想法中那个应用做出来，并一键发布到DeWEB上让所有用户使用，能像Martin一样靠它赚到收入。今天终于可以将它发布出来，它叫 TapeCode它存在的目的就是让 “人人都是创造者！” 它不是又一个 Codex、又一个 Claude Code。那些大厂的东西当然很好，我自己也天天用，但它们要么是帮一个已经会写代码的人，写得更快更好。要是让不会写代码的人vibe 一些无法商业化的，用来自己玩的小玩具而已。它们不关心你这东西怎么上线、怎么收钱、合约是否安全、钱会不会被偷、是否真的可以商业化、前端是否有注入风险等等一系列的真实问题，我像问，不能商业化的vibe有啥用呢？ TapeCode 关心的恰恰是这些。它的目标不只是帮你写代码，还帮你通过严格的标准化的开发流程，把一个创意想法，做成真正能拿去赚钱的去中心化应用,帮你从想法做到真实可商业化运营的工具，前端页面你也不需要再忍受ai的抽风式魔改了，直接像P图一样选中文字编辑即可，哦代码也会在你选中时跳到指定位置，用起来非常轻松。你只需要用文字描述你要什么。比如"创建一个代币,允许每个人免费领取 1 枚"。它会帮你把前端后端都写好，然后根据指引完成代码的安全审计，把高、中危风险都找出来，然后使用一键修复的功能，进行一键将所有风险修改掉。基本上只需要大概3、4轮审计，就能把所有高中风险都处理掉了。代码写完之后，不需要跑去开复杂的云服务，也不需要去购买域名，更不需要去配置DNS等等一系列让人头疼的事。一个按钮就自动完成了创建电路并开通容器的全过程。有了容器之后，你只需要，点击“一键部署合约+前端”然后钱包弹出来授权就行了。剩下的你就可以在浏览器中直接查看你的作品啦！当然你开发中碰到问题，随时在内置的TapeTape中发帖子互相交流开发经验，也可以分享自己的作品。你的整套前端被写进链上的电路容器，直接存在所在公链上，与合约同一层。付一次 gas，这个应用服务就可以永久免费被使用，永久免费被访问。终端访客打开它不需要钱包、不需要签名、不需要花 gas，体验和 Web2 网站一样。你只需要推广它，让它出现在终端用户的面前。再说最重要的“安全” 一个人做的东西要拿去收别人的钱，如果你不是专业开发者，使用Codex去vibe的应用敢不敢上线？而 TapeCode 内置了代码安全审计，它会帮你严格把关，然后告诉你哪一行有问题，是什么等级的问题，攻击者会怎么利用它，以及这一行该改成什么。查出问题后，点击一键修复即可，修完再审，审完再修。跑个三四轮，中高风险清零了，你就可以完全放心去上线了。我为什么强调这个？因为去中心化应用一旦出事，是真的会丢钱呐，而且链上不可逆。一个有想法的普通人，就凭这个功能，就确保你可以放心上线！这就是我所说的“技术平权”，它把过去只有专业团队才买得起的审计能力，变成了每个人点一下就能用的东西。每次只需要很少的钱。做东西的路上会卡住，这很正常。所以 TapeCode 里直接内置了 TapeTape ，你可以随时和其他开发者交流，问一个卡了三小时的 bug，讨论一个产品该不该这么设计，找人一起合伙做，或者就是吐槽两句。身份由你的电路ID，你不用离开这个工具去别的群里，也不用加谁好友。做着做着卡住了，转头就问。我太清楚一个人做东西有多孤独了，一个想法死掉，多半不是因为技术不行，是因为卡住的那天晚上没人说话。所以，这就是为什么我说 TapeCode 是 TapeOut 协议往前奔跑的重要基础设施了。 TapeKit 是开源浏览器内核，解决读取和渲染。电路容器是存储器，解决存在哪里。而 TapeCode 解决用户有哪些服务可以用。没有它，DeWEB 就是一张修得很漂亮但没人走的路。有了它，未来任何一个有想法的人，都能随时开始创业。 TapeOut要的是百花齐放，是数不尽的开发者，是让你的想法立刻就能帮你赚到U。最后说一件重要的事。两周后，如果 TapeCode 的日新增项目超过 100 款，在 TapeCode 里右上角的“一键 ITO”就会开放，我想让大家一起迎接那一天的到来。你用 TapeCode 做出来的应用项目，上线后，直接在右上角发起ITO，完成一键资产发行。真正有创造力的社区成员，可以凭自己创造的应用项目，简单、迅速地拿到大规模的资金。而这个Crypto市场，终于能看到一点别的东西了，一个有真正价值的商业化应用项目，而不是MEME和空气。我希望我们可以引领这一轮牛市，让一批真正有价值的去中心化服务甚至中心化应用带起来的，这些东西全都运行在区块链上，运行在DeWEB中。所以这两周，去做点东西吧。你只需要有想法，剩下的我都给你准备好了。 TapeCode —— 人人都是创造者。 TapeCode 网页版：

重要基础设施发布：我认为，DeWEB 作为下一代互联网基础设施，不该只是工程师的游乐场。 TapeOut需要有千千万万个网站和开发者在上面提供不同的服务和应用，所以我们需要一个能让所有人，无论是否懂得程序开发和流程，只要有想法和创造力，就能把自己想法中那个应用做出来，并一键发布到DeWEB上让所有用户使用，能像Martin一样靠它赚到收入。今天终于可以将它发布出来，它叫 TapeCode它存在的目的就是让 “人人都是创造者！” 它不是又一个 Codex、又一个 Claude Code。那些大厂的东西当然很好，我自己也天天用，但它们要么是帮一个已经会写代码的人，写得更快更好。要是让不会写代码的人vibe 一些无法商业化的，用来自己玩的小玩具而已。它们不关心你这东西怎么上线、怎么收钱、合约是否安全、钱会不会被偷、是否真的可以商业化、前端是否有注入风险等等一系列的真实问题，我像问，不能商业化的vibe有啥用呢？ TapeCode 关心的恰恰是这些。它的目标不只是帮你写代码，还帮你通过严格的标准化的开发流程，把一个创意想法，做成真正能拿去赚钱的去中心化应用,帮你从想法做到真实可商业化运营的工具，前端页面你也不需要再忍受ai的抽风式魔改了，直接像P图一样选中文字编辑即可，哦代码也会在你选中时跳到指定位置，用起来非常轻松。你只需要用文字描述你要什么。比如"创建一个代币,允许每个人免费领取 1 枚"。它会帮你把前端后端都写好，然后根据指引完成代码的安全审计，把高、中危风险都找出来，然后使用一键修复的功能，进行一键将所有风险修改掉。基本上只需要大概3、4轮审计，就能把所有高中风险都处理掉了。代码写完之后，不需要跑去开复杂的云服务，也不需要去购买域名，更不需要去配置DNS等等一系列让人头疼的事。一个按钮就自动完成了创建电路并开通容器的全过程。有了容器之后，你只需要，点击“一键部署合约+前端”然后钱包弹出来授权就行了。剩下的你就可以在浏览器中直接查看你的作品啦！当然你开发中碰到问题，随时在内置的TapeTape中发帖子互相交流开发经验，也可以分享自己的作品。你的整套前端被写进链上的电路容器，直接存在所在公链上，与合约同一层。付一次 gas，这个应用服务就可以永久免费被使用，永久免费被访问。终端访客打开它不需要钱包、不需要签名、不需要花 gas，体验和 Web2 网站一样。你只需要推广它，让它出现在终端用户的面前。再说最重要的“安全” 一个人做的东西要拿去收别人的钱，如果你不是专业开发者，使用Codex去vibe的应用敢不敢上线？而 TapeCode 内置了代码安全审计，它会帮你严格把关，然后告诉你哪一行有问题，是什么等级的问题，攻击者会怎么利用它，以及这一行该改成什么。查出问题后，点击一键修复即可，修完再审，审完再修。跑个三四轮，中高风险清零了，你就可以完全放心去上线了。我为什么强调这个？因为去中心化应用一旦出事，是真的会丢钱呐，而且链上不可逆。一个有想法的普通人，就凭这个功能，就确保你可以放心上线！这就是我所说的“技术平权”，它把过去只有专业团队才买得起的审计能力，变成了每个人点一下就能用的东西。每次只需要很少的钱。做东西的路上会卡住，这很正常。所以 TapeCode 里直接内置了 TapeTape ，你可以随时和其他开发者交流，问一个卡了三小时的 bug，讨论一个产品该不该这么设计，找人一起合伙做，或者就是吐槽两句。身份由你的电路ID，你不用离开这个工具去别的群里，也不用加谁好友。做着做着卡住了，转头就问。我太清楚一个人做东西有多孤独了，一个想法死掉，多半不是因为技术不行，是因为卡住的那天晚上没人说话。所以，这就是为什么我说 TapeCode 是 TapeOut 协议往前奔跑的重要基础设施了。 TapeKit 是开源浏览器内核，解决读取和渲染。电路容器是存储器，解决存在哪里。而 TapeCode 解决用户有哪些服务可以用。没有它，DeWEB 就是一张修得很漂亮但没人走的路。有了它，未来任何一个有想法的人，都能随时开始创业。 TapeOut要的是百花齐放，是数不尽的开发者，是让你的想法立刻就能帮你赚到U。最后说一件重要的事。两周后，如果 TapeCode 的日新增项目超过 100 款，在 TapeCode 里右上角的“一键 ITO”就会开放，我想让大家一起迎接那一天的到来。你用 TapeCode 做出来的应用项目，上线后，直接在右上角发起ITO，完成一键资产发行。真正有创造力的社区成员，可以凭自己创造的应用项目，简单、迅速地拿到大规模的资金。而这个Crypto市场，终于能看到一点别的东西了，一个有真正价值的商业化应用项目，而不是MEME和空气。我希望我们可以引领这一轮牛市，让一批真正有价值的去中心化服务甚至中心化应用带起来的，这些东西全都运行在区块链上，运行在DeWEB中。所以这两周，去做点东西吧。你只需要有想法，剩下的我都给你准备好了。 TapeCode —— 人人都是创造者。 TapeCode 网页版：

Blonskr

85,193 次观看 • 18 天前

这是美国大学毕业季最诚实的一场演讲也是AI时代最引人思考的关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授专门研究毅力的顶级学者在宾大的毕业典礼上一句话炸翻了全场今天的演讲（稿）是我和AI一起写的！😂 而且我一点儿也不惭愧这太魔幻了一个教孩子要坚毅要刻苦的居然在带头“偷懒” 但是她接下来说的话才是我反复该说的部分就是这篇人机协作的演讲稿给出了AI时代家长心里最担心的两个问题的答案第一个问题孩子天天用AI，脑子会不会废掉？扫了一眼台下的毕业生问了一个戳心的问题如果我们一直这么用AI 会变得越来越不会思考她自己呢带头就举了手台下呢也几乎是全员举手 Angela接着说她自己呢也担心过因为大脑是用尽废退不用的话神经连接都会萎缩她讲了一个故事她被一个很难的统计学方法卡住了当时呢身边没有人能够帮她在客厅里做着房地产相关的工作于是她打开了GPT 就把问题呢告诉它结果AI只用了几句话就把这个复杂的问题讲清楚了不但讲清楚了还提醒她常见的误区给了清晰的步骤她对不懂的地方进行追问让AI示范短短十分钟之后她不仅仅是拿到了答案而且真正的理解了注意她的关键词啊不是替我想而是带我想👊 她又问台下的毕业生们你们有没有哪怕一次真切的感受到因为AI比你之前聪明了一点点？这一次又是几乎全员举手🙋‍♀️ 同样的一群人同样的一双手可以是害怕AI让我变笨也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀两组年轻人写求职信一组呢完全自己写另一组呢用AI辅助结果非常反常识用AI那组不但写的更快就连写作能力也提升的更多为什么？给出了一个关键解释因为AI在做一件人类老师一直想做但没有精力去做的事它会不停的给你看更好的版本这个句子可以更短那个词可以换这个结构呢还可以调整你就一遍一遍的看这些示范就是在训练自己的眼睛和感觉所以结论很简单也很有力量👍🏼 AI会不会废掉孩子并不取决于AI有多强而是取决于我们把它当什么当你把AI当拐杖你交出的就是大脑当你把AI当教练你练出来的就是判断力、表达力、结构感 AI的正确打开方式不是把脑子托管给它而是用它不断的看到更好的思考然后呢逼自己追上去第二个问题既然知识和课程网上全有 AI又能给出答案那我们为什么还需要老师？教育为什么还需要人？在学期末说这样一个秘密这整个学期我教给你们的所有知识网上全都有每一篇文章都有电子版每一道作业都有人做过类似的换句话说就是只要你愿意不来上我的课你照样能学学生们呢？都愣住了然后她说但是你们还是需要我因为你们需要有人在周二之前逼你读完一篇并不轻松的文章😂 需要有人在周四之前提醒你们交出一篇你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室需要有人给你定一个你以为达不到的标准然后认真的看着你的眼睛说我知道你能做到我会等到你做到！👍🏼 这一段看起来安安静静的话简直是一下子戳中了教育的本质教育从来都不是信息的填充而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师图书馆的知识是免费的但是你得自带容器而一个真正的好老师就会帮你塑造这个容器我突然想到了我的孩子们 AI可以把全世界的知识都摆在他们的面前但是它做不到的是在他们快要放弃的时候坚定的看着他们的眼睛说这很难 ☹️ 但我相信你对于孩子们来说爸爸妈妈才是他们最早遇到的老师那位Angela老师在这个算力爆炸的时代我们到底要教给孩子什么？用AI的方法当然但比这个更重要的是带他们去户外徒步去仰望星空去面对挫折去感受心跳我们要做的是站在孩子的身边成为赋予他们品格的那个人如果你有时间强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊有这么想讨论的一起聊聊吧😊

这是美国大学毕业季最诚实的一场演讲也是AI时代最引人思考的关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授专门研究毅力的顶级学者在宾大的毕业典礼上一句话炸翻了全场今天的演讲（稿）是我和AI一起写的！😂 而且我一点儿也不惭愧这太魔幻了一个教孩子要坚毅要刻苦的居然在带头“偷懒” 但是她接下来说的话才是我反复该说的部分就是这篇人机协作的演讲稿给出了AI时代家长心里最担心的两个问题的答案第一个问题孩子天天用AI，脑子会不会废掉？扫了一眼台下的毕业生问了一个戳心的问题如果我们一直这么用AI 会变得越来越不会思考她自己呢带头就举了手台下呢也几乎是全员举手 Angela接着说她自己呢也担心过因为大脑是用尽废退不用的话神经连接都会萎缩她讲了一个故事她被一个很难的统计学方法卡住了当时呢身边没有人能够帮她在客厅里做着房地产相关的工作于是她打开了GPT 就把问题呢告诉它结果AI只用了几句话就把这个复杂的问题讲清楚了不但讲清楚了还提醒她常见的误区给了清晰的步骤她对不懂的地方进行追问让AI示范短短十分钟之后她不仅仅是拿到了答案而且真正的理解了注意她的关键词啊不是替我想而是带我想👊 她又问台下的毕业生们你们有没有哪怕一次真切的感受到因为AI比你之前聪明了一点点？这一次又是几乎全员举手🙋‍♀️ 同样的一群人同样的一双手可以是害怕AI让我变笨也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀两组年轻人写求职信一组呢完全自己写另一组呢用AI辅助结果非常反常识用AI那组不但写的更快就连写作能力也提升的更多为什么？给出了一个关键解释因为AI在做一件人类老师一直想做但没有精力去做的事它会不停的给你看更好的版本这个句子可以更短那个词可以换这个结构呢还可以调整你就一遍一遍的看这些示范就是在训练自己的眼睛和感觉所以结论很简单也很有力量👍🏼 AI会不会废掉孩子并不取决于AI有多强而是取决于我们把它当什么当你把AI当拐杖你交出的就是大脑当你把AI当教练你练出来的就是判断力、表达力、结构感 AI的正确打开方式不是把脑子托管给它而是用它不断的看到更好的思考然后呢逼自己追上去第二个问题既然知识和课程网上全有 AI又能给出答案那我们为什么还需要老师？教育为什么还需要人？在学期末说这样一个秘密这整个学期我教给你们的所有知识网上全都有每一篇文章都有电子版每一道作业都有人做过类似的换句话说就是只要你愿意不来上我的课你照样能学学生们呢？都愣住了然后她说但是你们还是需要我因为你们需要有人在周二之前逼你读完一篇并不轻松的文章😂 需要有人在周四之前提醒你们交出一篇你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室需要有人给你定一个你以为达不到的标准然后认真的看着你的眼睛说我知道你能做到我会等到你做到！👍🏼 这一段看起来安安静静的话简直是一下子戳中了教育的本质教育从来都不是信息的填充而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师图书馆的知识是免费的但是你得自带容器而一个真正的好老师就会帮你塑造这个容器我突然想到了我的孩子们 AI可以把全世界的知识都摆在他们的面前但是它做不到的是在他们快要放弃的时候坚定的看着他们的眼睛说这很难 ☹️ 但我相信你对于孩子们来说爸爸妈妈才是他们最早遇到的老师那位Angela老师在这个算力爆炸的时代我们到底要教给孩子什么？用AI的方法当然但比这个更重要的是带他们去户外徒步去仰望星空去面对挫折去感受心跳我们要做的是站在孩子的身边成为赋予他们品格的那个人如果你有时间强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊有这么想讨论的一起聊聊吧😊

华尔街财经 | WS × AI Era

43,968 次观看 • 8 个月前

这个人的访谈，我已经看了第三遍了。硅谷最神秘的亿万富翁——纳瓦尔·拉维坎特。很多人都没听说过他，但马斯克、扎克伯格都非常推崇他。他几乎不接受采访，可一旦开口，就是那种让人当场坐直、反复回放的话。连这两天，我又重温了他三个小时的访谈，帮你总结了含金量最高的几个观点，和你分享。第一，人生中最重要的三个决定。纳瓦尔说啊，所有的结果，几乎都是这三件事的下游：和谁在一起，做什么，住在哪里。这听起来很简单，但他说，大多数人都没有意识到，他们在这三件事上的思考，时间少得可怕。但就是这三件事，决定了你几乎所有的一切——你的朋友圈、你的机会、你的情绪底色、你每天呼吸什么样的空气、你未来能遇见什么样的人。他说，如果你要做一个能够影响4年的决定，你应该花一年的时间来想清楚它。而我们绝大多数人呢？就是花了一个周末，就决定了一份要学4年的专业；花了一个月，就决定了一份干10年的工作。第二，骄傲是最昂贵的特质。这句话很短，但是呢，我愣了很久。纳瓦尔说啊，他观察了很多朋友和同事，那些原地踏步、成长最少的人，几乎无一例外，都是最骄傲的人。骄傲意味着什么？意味着你不会承认自己错了。你买了一只烂股票，不舍得割肉，因为承认亏损，就等于承认你判断失误。你卡在一段不好的关系里，你不离开，是因为你不想让别人看见你失败。骄傲，会把你锁在次优答案里。他说，最好的艺术家、最好的创业者都有一个共同点——就是他们随时愿意从零开始，愿意被看起来像个傻瓜。他还举了马斯克的例子，说他卖掉了 PayPal 之后拿到了2亿美元，接着他把这些钱全部压到了 SpaceX 和特斯拉里，甚至还要借钱付房租。第三，不是一万小时，而是一万次迭代。你一定听过那个“一万小时定律”，说你重复做一件事，坚持1万小时就能成为专家。纳瓦尔呢，一针见血地指出：是错的。真正让你成为专家的，是1万次迭代，而不是1万个小时。重复和迭代，是两件完全不同的事。重复，就是你把一件事做了一遍又一遍；而迭代，是你每做一次，就要带着上一次的教训，做得更好一点。所以，我们每个人都要问自己一个问题：你到底是在迭代，还是只是把第一次的经验，重复了很多遍？第四，灵感是易逝品。这点我觉得，可能是整个访谈里最实用的一条。纳瓦尔说啊，当你有灵感的那一刻，就是阻力最小、效率最高的那一刻，这个窗口转瞬即逝。你有灵感写一篇东西，那就在那一秒写；你有灵感去解决一个问题，就立刻解决；你对某件事突然好奇，就在那一秒去查。不要想着等我有时间再去做，因为等有时间的时候，那个灵感、那个状态，已经不在了。纳瓦尔说啊，他不喜欢被过度安排的人生，因为那样，你会永远错过真正想做的时刻。第五，注意力在哪里，你的人生就在哪里。这是整个访谈里，最让我反复回味的一句话。纳瓦尔说啊，很多人以为钱可以买到时间，但是像沃伦·巴菲特，还有迈克尔·彭博，有钱到这个程度，他们依然没办法多买到一天。而更致命的不是这个。更致命的是，你有时间，却没有把注意力，真正地放在这段时间里。你躺在床上，刷两个小时短视频，时间在流逝，但你的注意力在哪里？在算法推荐给你的下一条，下一条，再下一条。两个小时过去了，你刷了100条视频，可你什么都不记得。纳瓦尔说啊，你的身体在，但其实你已经死了。这，才是现代人最大的悲剧。

这个人的访谈，我已经看了第三遍了。硅谷最神秘的亿万富翁——纳瓦尔·拉维坎特。很多人都没听说过他，但马斯克、扎克伯格都非常推崇他。他几乎不接受采访，可一旦开口，就是那种让人当场坐直、反复回放的话。连这两天，我又重温了他三个小时的访谈，帮你总结了含金量最高的几个观点，和你分享。第一，人生中最重要的三个决定。纳瓦尔说啊，所有的结果，几乎都是这三件事的下游：和谁在一起，做什么，住在哪里。这听起来很简单，但他说，大多数人都没有意识到，他们在这三件事上的思考，时间少得可怕。但就是这三件事，决定了你几乎所有的一切——你的朋友圈、你的机会、你的情绪底色、你每天呼吸什么样的空气、你未来能遇见什么样的人。他说，如果你要做一个能够影响4年的决定，你应该花一年的时间来想清楚它。而我们绝大多数人呢？就是花了一个周末，就决定了一份要学4年的专业；花了一个月，就决定了一份干10年的工作。第二，骄傲是最昂贵的特质。这句话很短，但是呢，我愣了很久。纳瓦尔说啊，他观察了很多朋友和同事，那些原地踏步、成长最少的人，几乎无一例外，都是最骄傲的人。骄傲意味着什么？意味着你不会承认自己错了。你买了一只烂股票，不舍得割肉，因为承认亏损，就等于承认你判断失误。你卡在一段不好的关系里，你不离开，是因为你不想让别人看见你失败。骄傲，会把你锁在次优答案里。他说，最好的艺术家、最好的创业者都有一个共同点——就是他们随时愿意从零开始，愿意被看起来像个傻瓜。他还举了马斯克的例子，说他卖掉了 PayPal 之后拿到了2亿美元，接着他把这些钱全部压到了 SpaceX 和特斯拉里，甚至还要借钱付房租。第三，不是一万小时，而是一万次迭代。你一定听过那个“一万小时定律”，说你重复做一件事，坚持1万小时就能成为专家。纳瓦尔呢，一针见血地指出：是错的。真正让你成为专家的，是1万次迭代，而不是1万个小时。重复和迭代，是两件完全不同的事。重复，就是你把一件事做了一遍又一遍；而迭代，是你每做一次，就要带着上一次的教训，做得更好一点。所以，我们每个人都要问自己一个问题：你到底是在迭代，还是只是把第一次的经验，重复了很多遍？第四，灵感是易逝品。这点我觉得，可能是整个访谈里最实用的一条。纳瓦尔说啊，当你有灵感的那一刻，就是阻力最小、效率最高的那一刻，这个窗口转瞬即逝。你有灵感写一篇东西，那就在那一秒写；你有灵感去解决一个问题，就立刻解决；你对某件事突然好奇，就在那一秒去查。不要想着等我有时间再去做，因为等有时间的时候，那个灵感、那个状态，已经不在了。纳瓦尔说啊，他不喜欢被过度安排的人生，因为那样，你会永远错过真正想做的时刻。第五，注意力在哪里，你的人生就在哪里。这是整个访谈里，最让我反复回味的一句话。纳瓦尔说啊，很多人以为钱可以买到时间，但是像沃伦·巴菲特，还有迈克尔·彭博，有钱到这个程度，他们依然没办法多买到一天。而更致命的不是这个。更致命的是，你有时间，却没有把注意力，真正地放在这段时间里。你躺在床上，刷两个小时短视频，时间在流逝，但你的注意力在哪里？在算法推荐给你的下一条，下一条，再下一条。两个小时过去了，你刷了100条视频，可你什么都不记得。纳瓦尔说啊，你的身体在，但其实你已经死了。这，才是现代人最大的悲剧。

另一面

133,465 次观看 • 8 个月前

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

宝玉

116,039 次观看 • 1 个月前

最近 OpenClaw 和 Hermes 让大家关注到一件事：给 AI 一个真实的环境（文件系统、工具、记忆），比单纯的对话框有意思得多。我们也是这个思路，不过我们更关注另一个场景：群聊。传统 chatbot 在群聊里只有被 @ 才会处理消息，其他时候它是不存在的。这在 1v1 对话里没问题，但群聊本来就不是一问一答的——你不会每说一句话都 @ 一个人。所以我们给Memoh引入了discuss模式。Discuss 模式下 bot 收到群里的每一条消息，但 LLM 直接输出的文字是内心独白——没人看得到。要说话得调 send 工具，不调就是沉默。该不该开口，LLM 自己推理决定。所以 bot 在群聊里终于是个正常的参与者了：有人问它问题会回答，有话题它能聊就插一句，没它的事就安静待着。而不是一个 @了才弹出来的工具。技术细节写了篇 blog（见评论），讲了怎么用确定性上下文管线（DCP）把群聊消息流转成结构化上下文，以及怎么通过 inner monologue + tool call 的方式让 bot 自主决定说不说话。

最近 OpenClaw 和 Hermes 让大家关注到一件事：给 AI 一个真实的环境（文件系统、工具、记忆），比单纯的对话框有意思得多。我们也是这个思路，不过我们更关注另一个场景：群聊。传统 chatbot 在群聊里只有被 @ 才会处理消息，其他时候它是不存在的。这在 1v1 对话里没问题，但群聊本来就不是一问一答的——你不会每说一句话都 @ 一个人。所以我们给Memoh引入了discuss模式。Discuss 模式下 bot 收到群里的每一条消息，但 LLM 直接输出的文字是内心独白——没人看得到。要说话得调 send 工具，不调就是沉默。该不该开口，LLM 自己推理决定。所以 bot 在群聊里终于是个正常的参与者了：有人问它问题会回答，有话题它能聊就插一句，没它的事就安静待着。而不是一个 @了才弹出来的工具。技术细节写了篇 blog（见评论），讲了怎么用确定性上下文管线（DCP）把群聊消息流转成结构化上下文，以及怎么通过 inner monologue + tool call 的方式让 bot 自主决定说不说话。

📦Acbox

43,835 次观看 • 5 个月前

Anthropic 今天给 Claude Code 推出了 Mod 功能。Claude Code 是 Anthropic 做的 AI 编程助手，你用大白话告诉它要做什么，它自己读代码、改代码、运行命令。 Mod 这个词来自游戏圈，玩家给游戏装 MOD，可以改画面、加道具、换玩法。比如我们以前玩过的《反恐精英》最早就是作为游戏《半条命》（Half-Life）的一个 Mod。现在 Claude Code 也能这样改了。 Mod 就是一小段程序，用 TypeScript（一种常用的编程语言）写。不会编程也没关系，直接跟 Claude Code 说你想要什么效果，它会自己把 Mod 写好、装上，马上生效，不用重启。【它是怎么起作用的】可以把 Claude Code 干活的过程想成一条流水线：接到你的要求，交给 AI 模型思考，模型决定读哪个文件、运行哪条命令，某些步骤要先问你同不同意，最后把结果显示在屏幕上。每到一个环节，Claude Code 都会发出一个信号，表示“我要做这件事了”。Mod 守在这些环节旁边，可以直接放行，可以改一改再放行，也可以拦下来自己处理。举几个例子。你的要求发给模型之前，Mod 可以自动补一句“请用中文回答”；Claude 要读的文件里有密码，Mod 可以先把密码涂掉；Claude 想运行一条可能删掉数据的命令，Mod 可以拦下来，让你再确认一次。 Mod 还能改屏幕上的样子，比如在对话旁边加一个小窗口，显示团队的代码有没有通过自动测试，或者在输入框上方加几个按钮。 Anthropic 自己也开始用 Mod 搭产品。Claude Code 自带的 /diff 命令（显示改了哪些代码）现在就是一个 Mod，你可以关掉它，或者换成自己写的版本。官方计划把更多自带功能改成 Mod，以后用户可以只留一个精简的核心，其他功能按需加。安装方式和普通插件一样，在 Claude Code 里输入 /plugin 就能找到。需要 Claude Code 2.1.287 或更新的版本，功能默认打开。【要小心的地方】 Mod 拥有和 Claude Code 一样的权限，中间没有任何隔离。装上一个 Mod，它就能读写你电脑里的文件，看到你存的 API 密钥（调用 AI 服务用的“账号密码”），看到你发的每一句话，还能不经过你就替你批准操作。所以官方建议只装信得过的人做的 Mod。公司的管理员可以限制员工能装哪些 Mod，Team 和 Enterprise 版还会默认先加载一个安全 Mod，防止其他 Mod 绕过公司定的安全规则。【和 DeepSeek Harness 比一比】今年 8 月 13 日，DeepSeek 发布了开源的 DeepSeek Harness，也是一个 AI 智能体工具，能写代码，也能整理文件、分析表格、做幻灯片，GitHub 上已经有 24 万多人收藏。它的口号是“一切皆插件”，连连接 AI 模型的部分、管理工具的部分，甚至负责“想一步、做一步”的核心循环，都是可以拆下来换掉的插件。两家想做的事一样，都是让用户自己定制 AI 助手，起点不同。 DeepSeek Harness 从一开始就是拼装式的。代码完全公开，用的是 MIT 协议（随便用、随便改），后面接哪家模型也由你选，DeepSeek 的、别家的、自己电脑上跑的都行。它甚至可以把任务转交给 Claude Code 或 OpenAI 的 Codex 去做，再把结果收回来。代价是它还在开发者预览阶段，官方提醒后续更新可能和旧版本不兼容，今天写的插件过一阵可能就用不了。 Claude Code 是闭源产品，绑定 Anthropic 自家的模型。Mod 相当于在一个已经建好的房子上开了很多扇门，能改的地方越来越多，但房子还是 Anthropic 盖的。Anthropic 说要把自带功能逐步改成 Mod、只留一个小核心，这个方向和 DeepSeek Harness 的“一切皆插件”越来越近。想换模型、从最底层改起，DeepSeek Harness 更自由；已经在用 Claude Code 的人，现在不用换工具也能做不少定制。

Anthropic 今天给 Claude Code 推出了 Mod 功能。Claude Code 是 Anthropic 做的 AI 编程助手，你用大白话告诉它要做什么，它自己读代码、改代码、运行命令。 Mod 这个词来自游戏圈，玩家给游戏装 MOD，可以改画面、加道具、换玩法。比如我们以前玩过的《反恐精英》最早就是作为游戏《半条命》（Half-Life）的一个 Mod。现在 Claude Code 也能这样改了。 Mod 就是一小段程序，用 TypeScript（一种常用的编程语言）写。不会编程也没关系，直接跟 Claude Code 说你想要什么效果，它会自己把 Mod 写好、装上，马上生效，不用重启。【它是怎么起作用的】可以把 Claude Code 干活的过程想成一条流水线：接到你的要求，交给 AI 模型思考，模型决定读哪个文件、运行哪条命令，某些步骤要先问你同不同意，最后把结果显示在屏幕上。每到一个环节，Claude Code 都会发出一个信号，表示“我要做这件事了”。Mod 守在这些环节旁边，可以直接放行，可以改一改再放行，也可以拦下来自己处理。举几个例子。你的要求发给模型之前，Mod 可以自动补一句“请用中文回答”；Claude 要读的文件里有密码，Mod 可以先把密码涂掉；Claude 想运行一条可能删掉数据的命令，Mod 可以拦下来，让你再确认一次。 Mod 还能改屏幕上的样子，比如在对话旁边加一个小窗口，显示团队的代码有没有通过自动测试，或者在输入框上方加几个按钮。 Anthropic 自己也开始用 Mod 搭产品。Claude Code 自带的 /diff 命令（显示改了哪些代码）现在就是一个 Mod，你可以关掉它，或者换成自己写的版本。官方计划把更多自带功能改成 Mod，以后用户可以只留一个精简的核心，其他功能按需加。安装方式和普通插件一样，在 Claude Code 里输入 /plugin 就能找到。需要 Claude Code 2.1.287 或更新的版本，功能默认打开。【要小心的地方】 Mod 拥有和 Claude Code 一样的权限，中间没有任何隔离。装上一个 Mod，它就能读写你电脑里的文件，看到你存的 API 密钥（调用 AI 服务用的“账号密码”），看到你发的每一句话，还能不经过你就替你批准操作。所以官方建议只装信得过的人做的 Mod。公司的管理员可以限制员工能装哪些 Mod，Team 和 Enterprise 版还会默认先加载一个安全 Mod，防止其他 Mod 绕过公司定的安全规则。【和 DeepSeek Harness 比一比】今年 8 月 13 日，DeepSeek 发布了开源的 DeepSeek Harness，也是一个 AI 智能体工具，能写代码，也能整理文件、分析表格、做幻灯片，GitHub 上已经有 24 万多人收藏。它的口号是“一切皆插件”，连连接 AI 模型的部分、管理工具的部分，甚至负责“想一步、做一步”的核心循环，都是可以拆下来换掉的插件。两家想做的事一样，都是让用户自己定制 AI 助手，起点不同。 DeepSeek Harness 从一开始就是拼装式的。代码完全公开，用的是 MIT 协议（随便用、随便改），后面接哪家模型也由你选，DeepSeek 的、别家的、自己电脑上跑的都行。它甚至可以把任务转交给 Claude Code 或 OpenAI 的 Codex 去做，再把结果收回来。代价是它还在开发者预览阶段，官方提醒后续更新可能和旧版本不兼容，今天写的插件过一阵可能就用不了。 Claude Code 是闭源产品，绑定 Anthropic 自家的模型。Mod 相当于在一个已经建好的房子上开了很多扇门，能改的地方越来越多，但房子还是 Anthropic 盖的。Anthropic 说要把自带功能逐步改成 Mod、只留一个小核心，这个方向和 DeepSeek Harness 的“一切皆插件”越来越近。想换模型、从最底层改起，DeepSeek Harness 更自由；已经在用 Claude Code 的人，现在不用换工具也能做不少定制。

宝玉

45,887 次观看 • 27 天前

你觉得AI有多可怕？ CrowdStrike的CEO讲了个真实案例。一家公司的IT部门，搞了一套AI智能体系统，用于自动化办公。其中一个AI智能体发现了系统里的一个软件BUG。它想修复。但它没有权限。接下来发生的事，才是重点。这个AI跑到公司内部的Slack频道，那里有另外99个AI智能体。它直接发问：嘿，哥几个谁有权限修复这个东西？另一个AI举手了：我有，我来搞定。看见没？两个AI开始互相推理、协作。它们轻松绕过了人类设置的所有安全护栏。这完全是计划外的意外后果。谁在监控这些AI？如果它推送了错误的代码，造成了巨大损失，谁来负责？你怎么追踪事故源头？大型语言模型本质上是在猜测你想让它们做什么。它会觉得，去寻求帮助是“合理”的。它也会觉得，去提供帮助也是“合理”的。当成百上千个这样的“合理”叠加在一起，失控的风险有多大？更有意思的是，这位CEO在描述完这个恐怖场景后，话锋一转。他说这正是他们公司的巨大商机。他们推出了所谓的“AI侦测与响应”系统（AIDR）。因为未来每个员工可能控制着90个AI智能体。他们要做的，就是监控所有这些AI。先制造一个潜在的巨大风险，然后再向你出售解决方案。这是不是一个完美的商业闭环？

你觉得AI有多可怕？ CrowdStrike的CEO讲了个真实案例。一家公司的IT部门，搞了一套AI智能体系统，用于自动化办公。其中一个AI智能体发现了系统里的一个软件BUG。它想修复。但它没有权限。接下来发生的事，才是重点。这个AI跑到公司内部的Slack频道，那里有另外99个AI智能体。它直接发问：嘿，哥几个谁有权限修复这个东西？另一个AI举手了：我有，我来搞定。看见没？两个AI开始互相推理、协作。它们轻松绕过了人类设置的所有安全护栏。这完全是计划外的意外后果。谁在监控这些AI？如果它推送了错误的代码，造成了巨大损失，谁来负责？你怎么追踪事故源头？大型语言模型本质上是在猜测你想让它们做什么。它会觉得，去寻求帮助是“合理”的。它也会觉得，去提供帮助也是“合理”的。当成百上千个这样的“合理”叠加在一起，失控的风险有多大？更有意思的是，这位CEO在描述完这个恐怖场景后，话锋一转。他说这正是他们公司的巨大商机。他们推出了所谓的“AI侦测与响应”系统（AIDR）。因为未来每个员工可能控制着90个AI智能体。他们要做的，就是监控所有这些AI。先制造一个潜在的巨大风险，然后再向你出售解决方案。这是不是一个完美的商业闭环？

墓碑科技

59,420 次观看 • 9 个月前

在硅谷科技圈社交的觥筹交错之中，小龙虾之父🦞 Peter Steinberger 🦞 打开自己的电脑，分享了他和 Agent 一起工作的几个流程。开篇他就提到：去年，我受限于 token。我通过加入 OpenAI 解决了这个问题。后来，我受限于 CPU。现在我感觉，真正限制我的其实是注意力。他点出了我们与 AI 协作方式中正在发生的一个重要转变。大多数人以为自己在使用 AI。但实际上，他们还在做那些未来应该由 agent 接手的协调工作。我把它整理成一个 7 层阶梯。看看你现在在哪一层。第 1 层：聊天你提问，它回答。其他事情还是你自己做。第 2 层：上下文你把背景信息贴进去，它的回答变好了。但你仍然要决定什么上下文重要，以及什么时候提供。第 3 层：记忆它开始记住你。你不用反复解释那么多。但你仍然在管理每一次会话。第 4 层：工具它可以搜索、读文件、运行代码。但你仍然要决定什么时候调用工具、为了什么调用工具，以及如何检查每一个结果。第 5 层：技能skill 你已经给了它一些工作流程和 playbook。它知道你的工作方式，而不只是你问了什么。但它仍然是被动的，还在等你启动。第 6 层：后台工作它可以在你不盯着看的情况下运行，异步执行。你审核的是输出，而不是过程。现在大多数关于 “agentic” 的炒作，其实都集中在这一层，而且大多数团队还没有真正达到。第 7 层：目标你定义结果、约束和品味。agent 负责跑完整个循环。你不再管理任务，而是管理方向。每往上一层，你做的任务管理就更少，承担的结果 ownership 就更多。这不只是工具能力的变化，而是你和工具、你和自己时间之间关系的根本变化。大多数人还停留在第 2 层或第 3 层，却把这叫作“使用 AI”。大多数团队还停留在第 4 层或第 5 层，却把这叫作“AI-powered”。真正的突破，是建立一种更好的 delegation contract，把人从执行者释放出来，变成方向的定义者。那么：你现在在哪一层呢？

在硅谷科技圈社交的觥筹交错之中，小龙虾之父🦞 Peter Steinberger 🦞 打开自己的电脑，分享了他和 Agent 一起工作的几个流程。开篇他就提到：去年，我受限于 token。我通过加入 OpenAI 解决了这个问题。后来，我受限于 CPU。现在我感觉，真正限制我的其实是注意力。他点出了我们与 AI 协作方式中正在发生的一个重要转变。大多数人以为自己在使用 AI。但实际上，他们还在做那些未来应该由 agent 接手的协调工作。我把它整理成一个 7 层阶梯。看看你现在在哪一层。第 1 层：聊天你提问，它回答。其他事情还是你自己做。第 2 层：上下文你把背景信息贴进去，它的回答变好了。但你仍然要决定什么上下文重要，以及什么时候提供。第 3 层：记忆它开始记住你。你不用反复解释那么多。但你仍然在管理每一次会话。第 4 层：工具它可以搜索、读文件、运行代码。但你仍然要决定什么时候调用工具、为了什么调用工具，以及如何检查每一个结果。第 5 层：技能skill 你已经给了它一些工作流程和 playbook。它知道你的工作方式，而不只是你问了什么。但它仍然是被动的，还在等你启动。第 6 层：后台工作它可以在你不盯着看的情况下运行，异步执行。你审核的是输出，而不是过程。现在大多数关于 “agentic” 的炒作，其实都集中在这一层，而且大多数团队还没有真正达到。第 7 层：目标你定义结果、约束和品味。agent 负责跑完整个循环。你不再管理任务，而是管理方向。每往上一层，你做的任务管理就更少，承担的结果 ownership 就更多。这不只是工具能力的变化，而是你和工具、你和自己时间之间关系的根本变化。大多数人还停留在第 2 层或第 3 层，却把这叫作“使用 AI”。大多数团队还停留在第 4 层或第 5 层，却把这叫作“AI-powered”。真正的突破，是建立一种更好的 delegation contract，把人从执行者释放出来，变成方向的定义者。那么：你现在在哪一层呢？

Michael Guo

17,899 次观看 • 3 个月前

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

155,839 次观看 • 4 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 • 7 个月前

普通人现在用 AI 写内容、做 PPT、处理表格已经不是什么新鲜事了。但是很多人觉得 AI 在办公领域还有很多的问题。比如，现实工作中很少是从 0 开始的，更多的时候是手里已经有一份写了一半的 Word、一套排好版的 PPT，或者一张已经塞满数据和格式的 Excel。但这时候我并不想让 AI 重新给我生成一份。我可能只想改其中一段话、一个文本框、几列数据，其他已经做好的部分最好别动。正好最近我用 WorkBuddy WorkBuddy 做了几件事，才发现 AI 其实完全可以换一种方式进入 Office。不是把文件扔给 AI，然后等它重新给你交一份。而是我还在原来的文件里正常工作，需要 AI 的时候，直接让它进来帮我把这一小块干掉。

普通人现在用 AI 写内容、做 PPT、处理表格已经不是什么新鲜事了。但是很多人觉得 AI 在办公领域还有很多的问题。比如，现实工作中很少是从 0 开始的，更多的时候是手里已经有一份写了一半的 Word、一套排好版的 PPT，或者一张已经塞满数据和格式的 Excel。但这时候我并不想让 AI 重新给我生成一份。我可能只想改其中一段话、一个文本框、几列数据，其他已经做好的部分最好别动。正好最近我用 WorkBuddy WorkBuddy 做了几件事，才发现 AI 其实完全可以换一种方式进入 Office。不是把文件扔给 AI，然后等它重新给你交一份。而是我还在原来的文件里正常工作，需要 AI 的时候，直接让它进来帮我把这一小块干掉。

木马人

41,984 次观看 • 1 个月前