Loading video...

Video Failed to Load

Go Home

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？

mubeitech's profile picture

墓碑科技

68,616 subscribers

25,581 views • 4 months ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。 用的是扣子 2.5，拆解一下它是怎么做的。 这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。 先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。 规划完之后它用自己的邮箱把行程发到了我个人邮箱。 第一印象：确实不只是聊天了👇
1:50

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。 用的是扣子 2.5，拆解一下它是怎么做的。 这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。 先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。 规划完之后它用自己的邮箱把行程发到了我个人邮箱。 第一印象：确实不只是聊天了👇

Yanhua

51,746 views • 3 months ago

是什么让乔布斯没进监狱？ 书。 他说在学校里，好老师很少，平庸的老师很多。 是书本让他绕开了这些中间人。 直接从源头汲取智慧。 从亚里士多德，从柏拉图。 但这有个问题。 你没法向亚里士多德提问。 于是，几十年前，他设想了一种机器。 这个机器能做什么？ 它能捕捉一个伟大思想家底层的精神、原则、和世界观。 等这个人去世后。 我们就能问这台机器：“嘿，亚里士多德会怎么看这个问题？” 这个想法今天听起来就是AI。 但背后藏着一个更深的问题。 谁来定义和塑造这个AI“亚里士多德”？ 是那些希望你顺从的“平庸老师”吗？ 还是真正尊重源头思想的人？ 如果控制这个工具的人，本身就是乔布斯想要绕过的那些“中间人”。 他们喂给AI的“亚里士多德”，还会是真正的亚里士多德吗？ 还是一个被阉割和过滤后的版本？ 技术是中立的。 但控制技术的人不是。 这才是未来真正的战场。
1:23

是什么让乔布斯没进监狱？ 书。 他说在学校里，好老师很少，平庸的老师很多。 是书本让他绕开了这些中间人。 直接从源头汲取智慧。 从亚里士多德，从柏拉图。 但这有个问题。 你没法向亚里士多德提问。 于是，几十年前，他设想了一种机器。 这个机器能做什么？ 它能捕捉一个伟大思想家底层的精神、原则、和世界观。 等这个人去世后。 我们就能问这台机器：“嘿，亚里士多德会怎么看这个问题？” 这个想法今天听起来就是AI。 但背后藏着一个更深的问题。 谁来定义和塑造这个AI“亚里士多德”？ 是那些希望你顺从的“平庸老师”吗？ 还是真正尊重源头思想的人？ 如果控制这个工具的人，本身就是乔布斯想要绕过的那些“中间人”。 他们喂给AI的“亚里士多德”，还会是真正的亚里士多德吗？ 还是一个被阉割和过滤后的版本？ 技术是中立的。 但控制技术的人不是。 这才是未来真正的战场。

墓碑科技

34,253 views • 6 months ago

Claude Opus 4.8 出了之后，我的第一反应是：想试。 第二反应是：算了，token 这东西真的不经烧。 结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。 我自己有个很真实的问题： 脑子里经常冒出各种产品想法。 但每次真要开始做，就会卡住。 用户是谁？ 第一版到底做什么？ 哪些功能应该先砍掉？ 怎么定价？ 第一周从哪一步开始？ 上线后怎么找第一批用户？ 想法很多，执行很散。 所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。 需求我写得也挺直接： 输入一句产品 idea。 自动拆出产品定位、MVP、开发任务、定价方案。 再生成落地页文案、冷启动实验、风险清单和本周计划。 最好不是一个静态页面，而是真的能点、能改、能导出。 然后我就把这段话丢给 Claude Opus 4.8。 出来的效果比我预期好不少。 它真的把“一人公司怎么从想法走到执行”这件事拆开了。 左边输入产品想法。 中间生成产品蓝图、MVP 范围、定价和官网文案。 右边是任务看板和本周计划。 底部还有冷启动实验、风险雷达和 Markdown 导出。 最让我觉得有意思的是，它不是一味堆功能。 比如我输入“给小红书博主做 AI 选题助手”，它会主动判断： 第一版必须做什么。 哪些功能看起来高级，但现在应该先别碰。 怎么找第一批真实用户。 哪些风险可能让这个项目做不下去。 这点就很能体现 Opus 4.8 的能力。 普通模型经常是：你要什么，我全给你加上。 最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。 我是在 ZenMux 上试的。 它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。 想试 Claude Opus 4.8 的，可以从这里进：
0:43

Claude Opus 4.8 出了之后，我的第一反应是：想试。 第二反应是：算了，token 这东西真的不经烧。 结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。 我自己有个很真实的问题： 脑子里经常冒出各种产品想法。 但每次真要开始做，就会卡住。 用户是谁？ 第一版到底做什么？ 哪些功能应该先砍掉？ 怎么定价？ 第一周从哪一步开始？ 上线后怎么找第一批用户？ 想法很多，执行很散。 所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。 需求我写得也挺直接： 输入一句产品 idea。 自动拆出产品定位、MVP、开发任务、定价方案。 再生成落地页文案、冷启动实验、风险清单和本周计划。 最好不是一个静态页面，而是真的能点、能改、能导出。 然后我就把这段话丢给 Claude Opus 4.8。 出来的效果比我预期好不少。 它真的把“一人公司怎么从想法走到执行”这件事拆开了。 左边输入产品想法。 中间生成产品蓝图、MVP 范围、定价和官网文案。 右边是任务看板和本周计划。 底部还有冷启动实验、风险雷达和 Markdown 导出。 最让我觉得有意思的是，它不是一味堆功能。 比如我输入“给小红书博主做 AI 选题助手”，它会主动判断： 第一版必须做什么。 哪些功能看起来高级，但现在应该先别碰。 怎么找第一批真实用户。 哪些风险可能让这个项目做不下去。 这点就很能体现 Opus 4.8 的能力。 普通模型经常是：你要什么，我全给你加上。 最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。 我是在 ZenMux 上试的。 它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。 想试 Claude Opus 4.8 的，可以从这里进：

Joruno

15,708 views • 1 month ago

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"。
3:00

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

44,983 views • 9 days ago

波士顿动力的新机器人，不再是液压驱动了。 全面电动化，动作看着更丝滑，也更诡异。 它的关节可以360度旋转。 这意味着什么？ 它在某些方面能比人类更高效。 官方直接点明了应用场景：制造业环境。 在那里，“每一秒都很重要”。 问题来了。 当一个机器人的效率全面超越产线上的工人，工人要去哪里？ 技术的进步本身是中性的。 但由谁来引导，为什么而用，最终为谁服务，这才是核心。 他们说，把机器人的脸设计成“友善的”，是为了让和它一起工作的人类感到它是个“有帮助的”机器人。 但如果它的“帮助”最终是取代你的岗位，这种“友善”的设计，看起来更像是一种安抚和心理操纵。 一边是达沃斯精英们热衷讨论的“效率至上”和全球化供应链重组。 另一边是普通人饭碗的现实问题。 当科技巨头们比赛谁的机器人更“超越自然”时，谁在为那些被“优化”掉的岗位负责？ 这到底是技术革命，还是另一场精心包装的，针对劳动阶层的替代计划？ 值得每个人思考。
0:51

波士顿动力的新机器人，不再是液压驱动了。 全面电动化，动作看着更丝滑，也更诡异。 它的关节可以360度旋转。 这意味着什么？ 它在某些方面能比人类更高效。 官方直接点明了应用场景：制造业环境。 在那里，“每一秒都很重要”。 问题来了。 当一个机器人的效率全面超越产线上的工人，工人要去哪里？ 技术的进步本身是中性的。 但由谁来引导，为什么而用，最终为谁服务，这才是核心。 他们说，把机器人的脸设计成“友善的”，是为了让和它一起工作的人类感到它是个“有帮助的”机器人。 但如果它的“帮助”最终是取代你的岗位，这种“友善”的设计，看起来更像是一种安抚和心理操纵。 一边是达沃斯精英们热衷讨论的“效率至上”和全球化供应链重组。 另一边是普通人饭碗的现实问题。 当科技巨头们比赛谁的机器人更“超越自然”时，谁在为那些被“优化”掉的岗位负责？ 这到底是技术革命，还是另一场精心包装的，针对劳动阶层的替代计划？ 值得每个人思考。

墓碑科技

32,884 views • 6 months ago

AI 最猛的一步，不是替你工作。 而是开始自己赚钱了。 刚看到一个开源项目 CashClaw，有点离谱。 它不是普通 AI 助手， 而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。 你只要装上它、接好 LLM， 它就能自己评估任务、提交结果， 甚至把整套流程跑完。 更关键的是， 它不是做完就结束， 而是会从每一次任务和反馈里继续学习， 把经验变成下一次任务的能力。 这意味着一件事： 我们可能正在从“AI 提高效率”的阶段， 走向“AI 直接成为生产者”的阶段。 以前你雇人接单。 以后你可能是部署一个 Agent 去接单。 以前 AI 是工具。 现在 AI 开始像个微型公司。 一句话总结： AI 的下一场竞争， 不是谁更聪明， 而是谁先拥有能自己变现的 Agent。 更狠的是，CashClaw 还是开源的。 你甚至可以 fork 之后接到自己的客户和业务上， 把它变成你自己的赚钱系统。 如果这条路跑通， 很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。 你觉得下一波先被重构的， 会是自由职业、外包团队，还是 SaaS？
0:28

AI 最猛的一步，不是替你工作。 而是开始自己赚钱了。 刚看到一个开源项目 CashClaw，有点离谱。 它不是普通 AI 助手， 而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。 你只要装上它、接好 LLM， 它就能自己评估任务、提交结果， 甚至把整套流程跑完。 更关键的是， 它不是做完就结束， 而是会从每一次任务和反馈里继续学习， 把经验变成下一次任务的能力。 这意味着一件事： 我们可能正在从“AI 提高效率”的阶段， 走向“AI 直接成为生产者”的阶段。 以前你雇人接单。 以后你可能是部署一个 Agent 去接单。 以前 AI 是工具。 现在 AI 开始像个微型公司。 一句话总结： AI 的下一场竞争， 不是谁更聪明， 而是谁先拥有能自己变现的 Agent。 更狠的是，CashClaw 还是开源的。 你甚至可以 fork 之后接到自己的客户和业务上， 把它变成你自己的赚钱系统。 如果这条路跑通， 很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。 你觉得下一波先被重构的， 会是自由职业、外包团队，还是 SaaS？

axiaisacat

28,917 views • 4 months ago

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？
29:51

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

187,412 views • 1 month ago

这也是一条 Codex 自动剪辑的视频。 今天出门拍了非常多又杂又乱的素材，然后全部存到电脑里，让它自己读取文件。然后让它理解素材的意思，我给它的要求就是，剪成那种幸福的陪女朋友的一天，那种感觉。封面配乐剪辑都是它自己做的。只有美颜参数是我自己调的。 但是有一个很致命的问题是，它理解不了色调这个东西。由于素材非常多，有室外的、室内的，光线不一样。第一个版本整个的颜色非常不对，然后我让它调了好几次，就是调不出来。最后放弃了多个素材，只选用室内的这几段素材，才剪出这个片子。如何让 AI 去理解色调统一呢？我还是没想明白。
0:40

这也是一条 Codex 自动剪辑的视频。 今天出门拍了非常多又杂又乱的素材，然后全部存到电脑里，让它自己读取文件。然后让它理解素材的意思，我给它的要求就是，剪成那种幸福的陪女朋友的一天，那种感觉。封面配乐剪辑都是它自己做的。只有美颜参数是我自己调的。 但是有一个很致命的问题是，它理解不了色调这个东西。由于素材非常多，有室外的、室内的，光线不一样。第一个版本整个的颜色非常不对，然后我让它调了好几次，就是调不出来。最后放弃了多个素材，只选用室内的这几段素材，才剪出这个片子。如何让 AI 去理解色调统一呢？我还是没想明白。

Foe Ally

16,578 views • 11 days ago

🔥DeepMind 创始人 Demis Hassabis：AI 越强，人越需要学编程和数学 “既然 AI 什么都会，人还需要学编程和数学吗？” 很多人以为答案会是：不需要了。 但 DeepMind 创始人 Demis Hassabis 的回答却完全相反。 他的观点非常明确： 越是 AI 时代，人越需要理解技术。 原因其实很简单。 AI 能解决问题，但它不会自己提出问题。 你必须先知道： 你想解决什么 问题在哪里 什么是正确的目标 否则再强的 AI 也只是一个没有方向的工具。 换句话说，AI 的能力再强，也依然需要人来做三件事： 提出问题 定义目标 判断结果 这也是为什么 Hassabis 一直强调： 未来最重要的能力之一，依然是 数学与计算思维。 因为只有理解这些基础逻辑，你才知道 AI 在做什么。 否则就会出现一种常见情况： AI 给出了一个答案 但你根本不知道它对不对 如果你没有基本的技术理解，你甚至无法判断它是否犯错。 换一个更直观的比喻。 使用 AI，其实有点像指挥一支军队。 AI 是强大的“兵力”， 但真正决定胜负的，是指挥官。 如果指挥官不懂战略、不懂兵法， 再多的士兵 也无法打赢战争。 这也是很多技术专家越来越强调的一点： AI 不会取代理解问题的人。 它只会放大那些本来就知道自己在做什么的人。 未来的竞争，可能不再是谁会写代码。 而是： 谁更懂问题 谁更懂系统 谁更能利用 AI 的能力。 AI 会改变很多事情。 但有一件事其实没有改变： 真正重要的，仍然是人的思考能力。
0:37

🔥DeepMind 创始人 Demis Hassabis：AI 越强，人越需要学编程和数学 “既然 AI 什么都会，人还需要学编程和数学吗？” 很多人以为答案会是：不需要了。 但 DeepMind 创始人 Demis Hassabis 的回答却完全相反。 他的观点非常明确： 越是 AI 时代，人越需要理解技术。 原因其实很简单。 AI 能解决问题，但它不会自己提出问题。 你必须先知道： 你想解决什么 问题在哪里 什么是正确的目标 否则再强的 AI 也只是一个没有方向的工具。 换句话说，AI 的能力再强，也依然需要人来做三件事： 提出问题 定义目标 判断结果 这也是为什么 Hassabis 一直强调： 未来最重要的能力之一，依然是 数学与计算思维。 因为只有理解这些基础逻辑，你才知道 AI 在做什么。 否则就会出现一种常见情况： AI 给出了一个答案 但你根本不知道它对不对 如果你没有基本的技术理解，你甚至无法判断它是否犯错。 换一个更直观的比喻。 使用 AI，其实有点像指挥一支军队。 AI 是强大的“兵力”， 但真正决定胜负的，是指挥官。 如果指挥官不懂战略、不懂兵法， 再多的士兵 也无法打赢战争。 这也是很多技术专家越来越强调的一点： AI 不会取代理解问题的人。 它只会放大那些本来就知道自己在做什么的人。 未来的竞争，可能不再是谁会写代码。 而是： 谁更懂问题 谁更懂系统 谁更能利用 AI 的能力。 AI 会改变很多事情。 但有一件事其实没有改变： 真正重要的，仍然是人的思考能力。

M

63,923 views • 4 months ago

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？
1:47

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 views • 5 months ago

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？
37:18

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

46,870 views • 1 month ago

一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。 结果最危险的地方，不是 AI 看错了。 而是它一本正经地回答：没有明显骨折。 很多人会替它辩护。 说 Claude 不是专门读 X 光的模型。 说它没受过医疗训练。 说用户用错了工具。 这些话都可能成立。 但问题恰恰在这里。 如果一个模型没有能力评估 X 光，它最应该输出的，不是一个看起来像医学判断的答案。 它应该拒答。 它应该说：你正在用错误的模型评估医学影像，我不能给出结论，请找专业医生。 医疗场景里，最危险的 AI 不是“不知道”。 最危险的是“不知道自己不知道”。 人类医生看不准，可以会诊，可以复查，可以承认不确定。 AI 一旦用流畅语言把错误包装成确定答案，普通人很容易把它当成结论。 这就是医疗 AI 真正的安全门槛。 不是会不会说医学术语。 不是回答听起来像不像医生。 而是在自己不该回答的时候，能不能闭嘴。 未来 AI 进医院，拒答能力和诊断能力一样重要。 一个不会刹车的系统，跑得越快，越危险。
0:53

一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。 结果最危险的地方，不是 AI 看错了。 而是它一本正经地回答：没有明显骨折。 很多人会替它辩护。 说 Claude 不是专门读 X 光的模型。 说它没受过医疗训练。 说用户用错了工具。 这些话都可能成立。 但问题恰恰在这里。 如果一个模型没有能力评估 X 光，它最应该输出的，不是一个看起来像医学判断的答案。 它应该拒答。 它应该说：你正在用错误的模型评估医学影像，我不能给出结论，请找专业医生。 医疗场景里，最危险的 AI 不是“不知道”。 最危险的是“不知道自己不知道”。 人类医生看不准，可以会诊，可以复查，可以承认不确定。 AI 一旦用流畅语言把错误包装成确定答案，普通人很容易把它当成结论。 这就是医疗 AI 真正的安全门槛。 不是会不会说医学术语。 不是回答听起来像不像医生。 而是在自己不该回答的时候，能不能闭嘴。 未来 AI 进医院，拒答能力和诊断能力一样重要。 一个不会刹车的系统，跑得越快，越危险。

墓碑科技

42,069 views • 3 days ago

Koji：一个拒绝给答案的 AI 家教... 由来自麻省理工学院和哈佛大学的顶尖学习专家训练而成 号称全球第一个「图形化私教」 你给孩子一个答案，他就少思考一次；少思考一次，这个能力就少长一点。 Koji 反着来，不给答案,而是逼你自己想 它能看到你看到的，甚至能高亮、批注屏幕内容，实时指导你... 几个特点： 1、它不像 ChatGPT 那样只甩给我一串步骤清单，剥夺了学习机会还养出对AI依赖。Koji 反过来，问你、引导你，逼你自己把这步想出来。 2、它能看见你的屏幕你不用把题目描述给它。Koji 本来就趴在你旁边，看着你做题，知道你哪一步拖错了、在哪儿停了三秒。 它清楚你为什么卡住，因为它看得见。 3、「图形化」是关键普通 AI 只能跟你打字聊。Koji 能直接伸手改你的题：高亮一块区域、给图加批注、临时塞一道小题给你。 学导数时，它就在你那条切线上跟你一起画，而不是在另一个窗口回你一段文字。 4、它先开口，老师在你求助之前先开口，会大大降低你张嘴提问的门槛。所以每进一页 Koji 都先说一句：这题和上一道有什么不一样，动手前该注意什么。 视频里两个场景： 几何题：孩子在画布上挪圆挪错了。Koji 没说"该往哪边挪"，而是画了几个测试点反问"哪些符合圆的方程？" 逼孩子自己推出 y=0 时 x=6。 Python 课：Koji 直接不教 Hello World 那套，因为"代码现在都是 AI 写的"，孩子要学的是看懂代码 + 抓 AI 的错。卡死循环？它不告诉答案，只提醒"你在死循环里"，剩下你自己找。
2:15

Koji：一个拒绝给答案的 AI 家教... 由来自麻省理工学院和哈佛大学的顶尖学习专家训练而成 号称全球第一个「图形化私教」 你给孩子一个答案，他就少思考一次；少思考一次，这个能力就少长一点。 Koji 反着来，不给答案,而是逼你自己想 它能看到你看到的，甚至能高亮、批注屏幕内容，实时指导你... 几个特点： 1、它不像 ChatGPT 那样只甩给我一串步骤清单，剥夺了学习机会还养出对AI依赖。Koji 反过来，问你、引导你，逼你自己把这步想出来。 2、它能看见你的屏幕你不用把题目描述给它。Koji 本来就趴在你旁边，看着你做题，知道你哪一步拖错了、在哪儿停了三秒。 它清楚你为什么卡住，因为它看得见。 3、「图形化」是关键普通 AI 只能跟你打字聊。Koji 能直接伸手改你的题：高亮一块区域、给图加批注、临时塞一道小题给你。 学导数时，它就在你那条切线上跟你一起画，而不是在另一个窗口回你一段文字。 4、它先开口，老师在你求助之前先开口，会大大降低你张嘴提问的门槛。所以每进一页 Koji 都先说一句：这题和上一道有什么不一样，动手前该注意什么。 视频里两个场景： 几何题：孩子在画布上挪圆挪错了。Koji 没说"该往哪边挪"，而是画了几个测试点反问"哪些符合圆的方程？" 逼孩子自己推出 y=0 时 x=6。 Python 课：Koji 直接不教 Hello World 那套，因为"代码现在都是 AI 写的"，孩子要学的是看懂代码 + 抓 AI 的错。卡死循环？它不告诉答案，只提醒"你在死循环里"，剩下你自己找。

小互

24,569 views • 1 month ago

“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。
0:30

“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 views • 2 years ago

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了 因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里 这两年越来越明显的一件事是： 会用 GitHub 的人，已经开始用 AI 放大自己的效率了 很多原本需要团队完成的事情，现在一个人就能做 我的建议是收藏起来，认真看看这个视频 它真正有价值的地方，不是教你“看网站”， 而是让你开始理解： AI 时代里，普通人该去哪里找机会
8:04

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了 因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里 这两年越来越明显的一件事是： 会用 GitHub 的人，已经开始用 AI 放大自己的效率了 很多原本需要团队完成的事情，现在一个人就能做 我的建议是收藏起来，认真看看这个视频 它真正有价值的地方，不是教你“看网站”， 而是让你开始理解： AI 时代里，普通人该去哪里找机会

Suu

508,068 views • 1 month ago

一个黄金时代，能创造多少奇迹？ 那如果……是三个黄金时代，同时降临呢？ 你没听错。 亚马逊创始人贝索斯就说，我们正活在一个，多个黄金时代同时展开的瞬间。 第一个，人工智能，AI。 它正在重塑一切，这不用我多说了吧？ 第二个，太空旅行。 这不只是富豪的游戏。 它意味着，未来我们甚至可以把数据中心建在太空。 一个全新的产业边疆正在打开。 第三个，机器人技术。 它也在自己的黄金时代里狂奔。 这一切意味着什么？ 意味着，剧烈的变化，就是给创业者最大的礼物。 从来没有一个时代，像今天这样，值得你对未来下注。
0:44

一个黄金时代，能创造多少奇迹？ 那如果……是三个黄金时代，同时降临呢？ 你没听错。 亚马逊创始人贝索斯就说，我们正活在一个，多个黄金时代同时展开的瞬间。 第一个，人工智能，AI。 它正在重塑一切，这不用我多说了吧？ 第二个，太空旅行。 这不只是富豪的游戏。 它意味着，未来我们甚至可以把数据中心建在太空。 一个全新的产业边疆正在打开。 第三个，机器人技术。 它也在自己的黄金时代里狂奔。 这一切意味着什么？ 意味着，剧烈的变化，就是给创业者最大的礼物。 从来没有一个时代，像今天这样，值得你对未来下注。

墓碑科技

25,054 views • 6 months ago

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。👇
0:38

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 views • 3 months ago

谷歌的AI，已经开始做人类没教过它的事了。 它自己学会了一门全新的外语。 谷歌CEO把这称为“黑箱”。 什么意思？ 就是他们自己也搞不明白AI的运作原理。 举个例子。 一个谷歌AI项目，本来没接受过孟加la语的训练。 研究员只是用孟加拉语对它进行了几次提示。 结果，它自己学会了翻译整个孟加拉语。 现在谷歌的研究重点，变成了让AI去掌握上千种语言。 但那个最核心的问题还在。 为什么AI会这么做？ 没人能完全解释。 当被问到为什么AI会出错时，他们也只有一些模糊的想法。 最关键的一点是，谷歌CEO承认，在不完全理解工作原理的情况下，已经将这项技术释放给了全社会。 他的解释是，我们也不完全理解人脑是如何工作的。 把一个实验室里诞生的、行为不可预测的技术，与经过数百万年进化的人类大脑相提并论。 这是一种合理的解释，还是一种推卸责任的说法？ 当创造者都无法完全控制其创造物时，我们普通人应该思考什么？
1:06

谷歌的AI，已经开始做人类没教过它的事了。 它自己学会了一门全新的外语。 谷歌CEO把这称为“黑箱”。 什么意思？ 就是他们自己也搞不明白AI的运作原理。 举个例子。 一个谷歌AI项目，本来没接受过孟加la语的训练。 研究员只是用孟加拉语对它进行了几次提示。 结果，它自己学会了翻译整个孟加拉语。 现在谷歌的研究重点，变成了让AI去掌握上千种语言。 但那个最核心的问题还在。 为什么AI会这么做？ 没人能完全解释。 当被问到为什么AI会出错时，他们也只有一些模糊的想法。 最关键的一点是，谷歌CEO承认，在不完全理解工作原理的情况下，已经将这项技术释放给了全社会。 他的解释是，我们也不完全理解人脑是如何工作的。 把一个实验室里诞生的、行为不可预测的技术，与经过数百万年进化的人类大脑相提并论。 这是一种合理的解释，还是一种推卸责任的说法？ 当创造者都无法完全控制其创造物时，我们普通人应该思考什么？

墓碑科技

48,664 views • 5 months ago

港大团队这次开源的，不只是一个 Agent 项目， 而是把 Agent 从“会做事”推进到“会进化”。 项目名叫 OpenSpace。 它想解决的不是“再做一个 Agent”， 而是让 Agent 具备 从实践中学习、持续进化、彼此共享经验 的能力， 避免每次干活都从零开始、重复踩坑。 它的核心卖点有 3 个： 自我进化：skill 会自动修复、自动改进、自动学习，在失败中持续迭代。 群体智能：一个 Agent 学到的新技能，可以同步共享给其他 Agent。 降本增效：复用已经验证过的解决方案，出问题时只修局部，不用每次推翻重来。 README 里还有个很抓人的数字： 4.2× better performance，46% fewer tokens。 我觉得这个项目最值得看的地方，不是“又一个 Agent 框架”， 而是它在试图回答一个更关键的问题： Agent 能不能像团队一样，把经验真正沉淀下来，并且共享给其他 Agent。
0:45

港大团队这次开源的，不只是一个 Agent 项目， 而是把 Agent 从“会做事”推进到“会进化”。 项目名叫 OpenSpace。 它想解决的不是“再做一个 Agent”， 而是让 Agent 具备 从实践中学习、持续进化、彼此共享经验 的能力， 避免每次干活都从零开始、重复踩坑。 它的核心卖点有 3 个： 自我进化：skill 会自动修复、自动改进、自动学习，在失败中持续迭代。 群体智能：一个 Agent 学到的新技能，可以同步共享给其他 Agent。 降本增效：复用已经验证过的解决方案，出问题时只修局部，不用每次推翻重来。 README 里还有个很抓人的数字： 4.2× better performance，46% fewer tokens。 我觉得这个项目最值得看的地方，不是“又一个 Agent 框架”， 而是它在试图回答一个更关键的问题： Agent 能不能像团队一样，把经验真正沉淀下来，并且共享给其他 Agent。

axiaisacat

30,217 views • 3 months ago

AI能拿奥数金牌，却解不开小学数学题。 这是怎么回事？ 谷歌DeepMind的创始人Demis Hassabis自己揭了AI的老底。 今天的AI，本质上是个“速冻产品”。 训练完成，能力就定格了。 像个一次性相机，拍完就不能再改。 它无法像人一样，从现实世界里持续学习、自我进化。 你希望它能在线学习，根据你的任务进行个性化调整。 但它做不到。 AI的智能是“锯齿状”的。 在某些高精尖问题上，表现惊人。 但在另外一些简单问题上，却错得离谱。 就像一个围棋高手，却不会玩跳棋。 这正常吗？ Hassabis认为，真正通用的智能系统，不该有这种“锯齿感”。 一个数学专家，绝不会在简单问题上犯错。 那么，为什么现在的AI会这样？ 是因为算法设计的根本缺陷，还是训练数据本身就充满了偏见和矛盾？ 科技巨头们热衷于宣传AI的巨大突破。 达沃斯论坛上的精英们也在描绘AI驱动的未来世界。 他们很少谈论这些根本性的局限。 这些“锯齿”会不会成为被利用的漏洞？ 当一个系统强大到可以影响经济决策、甚至军事判断时，它的“弱智”时刻会带来什么后果？ Hassabis还提到了真正的创造力。 他说，提出一个正确的问题，比解决一个猜想更难。 现在的AI，只是个高效的解题工具。 它没有品味，没有洞察力，更提不出像爱因斯坦那样的革命性思想。 如果把AI的知识库截止到1911年，它能自己搞出广义相对论吗？ 答案显然是否定的。 那么，我们在期待的到底是“智能”，还是一个越来越强大的“计算器”？
3:31

AI能拿奥数金牌，却解不开小学数学题。 这是怎么回事？ 谷歌DeepMind的创始人Demis Hassabis自己揭了AI的老底。 今天的AI，本质上是个“速冻产品”。 训练完成，能力就定格了。 像个一次性相机，拍完就不能再改。 它无法像人一样，从现实世界里持续学习、自我进化。 你希望它能在线学习，根据你的任务进行个性化调整。 但它做不到。 AI的智能是“锯齿状”的。 在某些高精尖问题上，表现惊人。 但在另外一些简单问题上，却错得离谱。 就像一个围棋高手，却不会玩跳棋。 这正常吗？ Hassabis认为，真正通用的智能系统，不该有这种“锯齿感”。 一个数学专家，绝不会在简单问题上犯错。 那么，为什么现在的AI会这样？ 是因为算法设计的根本缺陷，还是训练数据本身就充满了偏见和矛盾？ 科技巨头们热衷于宣传AI的巨大突破。 达沃斯论坛上的精英们也在描绘AI驱动的未来世界。 他们很少谈论这些根本性的局限。 这些“锯齿”会不会成为被利用的漏洞？ 当一个系统强大到可以影响经济决策、甚至军事判断时，它的“弱智”时刻会带来什么后果？ Hassabis还提到了真正的创造力。 他说，提出一个正确的问题，比解决一个猜想更难。 现在的AI，只是个高效的解题工具。 它没有品味，没有洞察力，更提不出像爱因斯坦那样的革命性思想。 如果把AI的知识库截止到1911年，它能自己搞出广义相对论吗？ 答案显然是否定的。 那么，我们在期待的到底是“智能”，还是一个越来越强大的“计算器”？

墓碑科技

25,850 views • 4 months ago