Your following, organized by voice.

搞定。感谢 IRS 让这件事变得简单！

届时至少会有几位 IRS 员工出席。请带上你的反馈！

许多药物的作用机制是与体内的特定靶点结合，阻断或改变其功能。药物开发过程中的一个重要第一步是设计一种能与靶点紧密结合的分子。传统上，这意味着每个靶点需要专家数周或数月的工作，从大量候选物中筛选出少数有效的。 我们想测试 Claude 是否能够从头成功设计新型蛋白质结合剂（也称为 de novo 设计）。借助人类专家编写的蛋白质设计提示，Claude 自主设计了针对 15 个靶点中 14 个的蛋白质结合剂。 随后，我们与 Adaptyv Bio 和 Twist Bioscience 合作，他们独立构建并测试了 Claude 设计的蛋白质。

1 attachment

关于 Claude 如何运行此实验及完整结果的更多信息，请参阅我们的博客：https://t.co/48COrpUcJn

我们还发布了一份技术报告：https://t.co/Ltcqemzn5Z 并在此开源了我们的提示和数据：https://t.co/OZXVQWSie2

Reposted by steipete

是什么让 GitHub 爆炸 => 基于代理的流量激增，我预计其中大部分会出现在开源/免费计划上。 反应是什么：庆祝纯付费的 Git 托管。 纯付费的竞争唯一能做的就是让 GitHub 的商业模式更难自圆其说，恶化每个人免费获得的东西？

Anthropic 感觉就总是给人很纠结很不爽利的那种感觉！这提升 50% 额度明明挺好的事，停了又怕你不满意，彻底放开又舍不得，就一次又一次的延期，还不如索性一直提升 50% 得了。 就跟当年 Fable 5 一样，一会说只有 2 周，一会又延期，最终还是放开了，但这个过程就给人感觉挺不好！

这是上一次延期的公告😂 https://t.co/CrivbsWsNO

代码模式现在已经在现代框架中，所以那些都不再重要了。 cli、mcp、工具，都只是智能体编写的 JavaScript。

真是讽刺。https://t.co/KH930Y7H9t

1 attachment

嘘，你吵醒了命令行的人们，他们会给你 $reasons 说明这为什么行不通。 在见识到光明之前，我也是其中之一。

Reposted by steipete

字面意义上刚试了让 qwen3.8 27b 一次性生成一个流体模拟 webapp 它想了 40k tokens，大概花了一个小时生成，结果只是一片黑，根本不能用 而 Opus 4.5 一分钟内一次搞定，效果非常好 完全相同的提示词 https://t.co/pPpjV2xFx7

1 attachment

我们正在分享随着能力进步，为加强监控、安全和对齐所做出的具体改变。 我们引入了更强的工作负载和网络隔离、持续安全测试，并扩大了对高风险训练、评估和工具使用推理的多阶段监控。 这些保障措施旨在快速检测令人担忧的行为，并限制系统可以访问或影响的内容。

随着模型能力越来越强，内部开发和测试相关风险也在增加。 我们暂时暂停了计划部署的最新模型的强化学习（RL）训练两周，同时加固并对研究环境进行了红队测试，并扩大了监控覆盖范围。 我们计划中最大规模的前沿 RL 运行仍处于暂停状态，而较小规模的训练和评估正在验证这些保障措施，并建立更多对齐证据。 https://t.co/ecbMMmVoox

牛来，网来，卡顿别来。 限速？狗都不碰。

Reposted by steipete

这基本上就是公司 Slack 里的情绪 https://t.co/rTEzRgzMi8

1 attachment

《Battlefield 6》免费试玩现已推出。投入全面战争，召集你的小队，体验陆、海、空三栖作战。

最近《牛来》很火啊，我刷了几个片段太魔幻了，满脑子都是那头牛喊我“妈妈”。抽象归抽象，确实是种大众解压的方式，我自己也拿AI搓了一个《豹来》，本人友情出镜。 https://t.co/0hdjHFItbJ

1 attachment

隆重推出 Figma Connect 2.0 在 Figma 中复制多个设计，粘贴到 MagicPath，立即获得简洁的 react 代码。 自动布局和响应式设计，全部保留。 你的 Figma 设计变成任何智能体都能理解和构建的代码。 Codex、Claude Code 等等。

yetone 开源了一个新项目 Cumora：把 AI Agent 变成你的聊天群里的正式成员。 Cumora 的界面长得像 Slack，但名单上的同事看起来都是 AI。有名字、有人设、有记忆，能发私聊、能建群、能认领任务，甚至能收发真实邮件。你不 @ 它们，它们也可能主动跳出来说一句“我注意到上周那个问题还没解决”。 从截图看，默认团队里有 Atlas（研究员）、Bram（工程师）、Iris、Nova、Saga 这些角色，人类和 Agent 在同一个频道里讨论问题，界面上几乎分不清谁是人谁是 AI。左侧栏里既有人和 Agent 的一对一私聊，也有多人群聊，还有看板和日历。 技术上有两种运行方式。一种是 Cumora Cloud，Agent 跑在云端托管的 Kubernetes Pod 里，用 OpenAI 的 Responses API 驱动。另一种叫 BYOA（Bring Your Own Agent），你在自己的电脑上跑一行 npx cumora agent computer，Agent 的"大脑"就变成你本地的 Claude Code 或 Codex CLI，用你自己的订阅，密钥不经过 Cumora 的服务器。 多 Agent 协作最怕的就是撞车，几个 Agent 同时抢着回答同一个问题，或者基于过时的上下文给出矛盾的回复。Cumora 设计了一套协调机制来处理这个问题：如果一个 Agent 的回复基于过时的信息，系统会把它拦下来，让它看完新消息再决定要不要发；任务认领是原子操作，不会出现两个 Agent 同时做一件事；还有一个小脑分诊层，先用轻量模型判断该不该唤醒大模型，避免每条消息都烧 Token。 目前 Cumora 处于邀请制内测阶段，可以在 https://t.co/y0gEUiFlBT 用 Google 或 GitHub 账号申请。项目完整开源在 GitHub（yetone/cumora https://t.co/vUDDFuvOJu），支持本地部署，装好 Postgres 和 Redis 就能跑起来。桌面端支持 macOS、Windows 和 Linux，移动端 iOS 也在计划中。

1 attachment

Cursor 的代码托管平台 Origin 正式上线，用户可以从 GitHub 同步仓库开始使用。 Origin 简单说，就是 Cursor 自己做的 GitHub。代码存储、Git 托管、代码审查、团队协作，一站式解决。但它和 GitHub 最大的区别在于设计前提：GitHub 是为人类开发者的工作节奏设计的，一个作者、两个审查者、按顺序合并。Origin 从一开始就把 AI Agent 当成主要用户来设计。 这个定位背后有具体的技术支撑。在 Compile 大会的演示中，Origin 在单个仓库内跑到了每秒 22.6 次提交，每小时 29.6 万次克隆，全球同步延迟低于 400 毫秒，还内置了 AI 驱动的自动合并冲突解决。这些数字对应的场景是：当你同时跑十几个 AI 智能体在一个仓库里并行写代码、开分支、提交 PR 时，传统的 Git 托管平台会变成瓶颈，Origin 就是为了解这个瓶颈而生的。 Origin 的技术底子来自 Cursor 2025 年底收购的 Graphite 团队。Graphite 做的是“堆叠式 PR 管理”，也就是让多个有依赖关系的代码变更可以并行处理，天然适配 AI 智能体的工作方式。从落地策略看，Cursor 选择先上线代码审查层，再逐步迁移托管功能，降低用户从 GitHub 切换的门槛。目前第一步就是从 GitHub 同步仓库。 Origin 上线意味着 Cursor 的纵向整合闭环成型：编辑器、云端智能体、代码审查、代码托管，全部在一个产品内完成。对比之下，GitHub Copilot 走的是横向路线，在已有的 GitHub 基础设施上叠加 AI 功能，底层架构还是十年前的设计。 对开发者来说，短期内 Origin 更像是 Cursor 生态内的增值功能，不太可能让团队立刻把核心项目从 GitHub 搬走。但如果你已经在用 Cursor 的云端智能体跑后台任务，Origin 的价值会很直观：代码从生成到审查到合并，整个流程不用再跳出 Cursor。

OpenClaw 真的凉凉了吗？ > @凤凰网科技【美团高管反思全员养虾】据媒体报道，美团核心本地商业CEO王莆中表示在公开演讲中，完整复盘了美团内部进行AI变革的过程。 > 谈到今年2月到3月，公司开启全员“养虾运动”，王莆中提及但结果是账单暴涨，每日消耗上千万元，同时养虾产生的谬误干扰了真实经营。（快科技）

Claude Code 最新版本上线了一个特别讨厌的功能，频繁的给其他正在运行的 session 发消息！还老是搞错，除了浪费 token 并没有太大价值…… 默认打开我都没找到哪里关掉！ https://t.co/hIuEtGSmlv

3 attachments

应该是这个选项 https://t.co/USN50lb7oO

1 attachment

豆包越来越像 Codex 了，这是我最近用下来最直观的感受。Codex 一直是我心里 Agent App 体验的标杆，而豆包这波更新，从 GUI 电脑操作到手机远程操控，很多设计思路都能看到 Codex 的影子，有些地方甚至做了本土化的超越。 最近我老婆回国，在国内用不了 ChatGPT 和 Claude 这些，日常就用豆包帮她查资料、做攻略。这两天她需要在自己电脑里找个文档，人在国内，电脑在美国——直接用手机上的豆包指挥美国这边的电脑，帮她把文档找出来发到飞书，手机上就能访问了，非常方便。 注意使用的时候要在手机和电脑上登录相同的账号，并且电脑上要允许手机连接才行。然后从手机打开“工作任务”，就可以在底部看到你连接的电脑端。 （参考图3图4） 手机指挥 Agent 现在是我日常用得很多的功能。在外面的时候可以随时从手机看 Agent 任务的执行进度，或者临时想到什么事情，通过手机就能指挥家里/公司电脑上的 Agent 去执行，回家直接看结果，通勤路上也不耽误。 之所以要通过手机指挥电脑，是因为电脑上的资源通常是最全的：硬盘上有所有文档、代码库，有各种配置好的技能，而电脑又不可能一直随身带着。想想看，快下班的时候还有个任务没跑完，又不想干等着，那就先让 Agent 跑着，用手机连上电脑随时看进度，有问题还能中途插话调整。动口不动手，重复活儿全甩给它。 豆包在 Windows 版本上的 GUI 电脑操作功能体验下来相当的好用，它巧妙的通过豆包虚拟桌面让人和 AI 同时操作电脑，互不干扰，这点优势还蛮明显的，有点我第一次用 Codex 在 Mac 上的 Computer Use 感觉一样，就是它帮你操作电脑 App，但是完全不影响你当前正在执行的任务。不像 Claude Code 一旦使用 Computer Use，你就得等它操作完才能继续干活。 （参考图1图2） Computer Use 让 Agent 直接帮你操作图形界面的软件：点按钮、填表格、下载文件，理论上即使没有提供 CLI 的软件都能控制。日常能用的场景很多： - 办公类：新建和排版 Word/Excel/PPT，处理函数、生成图表，或者让它开着浏览器做调研然后直接产出 PPT - 桌面类：批量归类整理文件、改系统设置、管理启动项这类琐碎活儿 - 长尾类：PS 批量改图导出、证件照排版打印，甚至通过微信桌面版帮你发消息 - 发散玩法：游戏帧率优化设置、自动化信息收集整理…… 基本上你觉得「这活儿也能甩给 AI？」的重复劳动，都值得试试 我自己使用 Agent 有个技巧，就是尽可能让 Agent 能自己检查自己、拿到反馈。比如写程序，要让它自己写测试，或者用 Computer Use 去验证 App 的运行操作，自己去模拟用户操作；即使是让 AI 生成 PPT，也会让它自己截图验证下看看效果。这样可以减少人工干预，最大化利用好 Agent 的能力。 入口在豆包 PC 端的「工作任务」模式里，Windows 用户记得升级到最新版；Mac 目前还只支持内置浏览器的 GUI 操作。

4 attachments

这个有意思，先装弱智跟 AI 胡乱下，把 AI 跟着一起弱智下，最后再赢它。 想起那句名言： “你永远不要试图战胜一个纯傻逼，因为他会把你的智商拖到和他一个水平，然后再用他丰富的经验打败你！” 但据说是23年的视频，现在估计不行了吧？

一直有一种观点，就是小模型加 Harness，就能达到大模型的智能效果： > 只需要一个 10 亿参数的小模型作为“认知核心”，其余能力靠联网搜索、执行代码等工具补齐就够了。 Jason Wei （思维链提示技术的核心作者之一）的新推文，反驳了“小模型+工具”路线，认为光靠工具，撑不起顶级智能，把知识“内化在大脑”和“现查现用”是两回事。 小模型+工具就能行的观点之所以流行，因为理论上确实说得通：模型不知道的冷门知识，可以上网查；不会算的题，可以调用代码。小模型加工具，似乎没有做不到的事。而小模型意味着更低的算力成本，对整个行业都很有吸引力。 他用自己学羽毛球打了个比方。教练教的每个动作他都能做出来，但要在实战中流畅串联，跟练了上万次形成肌肉记忆的人完全不是一个级别。语言模型也一样，内化了知识的大模型和靠工具临时检索的小模型，体验差距很明显。 具体来说有三点。第一是速度，直接给出答案远比调用工具搜一圈再回答快得多。第二是理解的深度，比如你问一个音乐节的口碑如何，大模型能基于海量数据给出综合判断，而小模型只能搬运搜索结果里排在前面的几条评论。第三是可靠性，每次都要重新查资料、重新推导，出错的概率更高，在复杂的长任务中错误还会层层累积。 回顾“苦涩的教训”（Bitter Lesson）里面的观点：历史反复证明，靠扩大规模获得的能力提升，总是胜过精巧的工程设计。工具让小模型能做更多事，但追求最高质量的用户，始终会需要更大的模型。

Deepseek Harness 如果是 SDK 为主也能达到数据入口的效果吗？ > 像 ZCode 这样的 Coding 产品，不只是变现工具，也可能成为数据入口：用户完成真实的软件工程任务，产生长周期执行轨迹，再反哺下一轮 Post-training，形成“产品使用 → 数据 → 模型升级 → 更多使用”的飞轮。

Grok Image 2.0 带来先进的风格控制、无缝的多图像合成和智能迭代。让您比以往更快地将想法转化为令人惊叹的视觉画面

Grok Image 2.0 来了。这不仅仅是一次升级，而是 AI 图像生成的新标准。

Grok Image 2.0 带来先进的风格控制、无缝的多图像合成和智能迭代。 将创意转化为惊艳的视觉效果，比以往任何时候都快。

Reposted by dotey

我把 Claude Code 2.1.234 的包拆开了 昨天我想弄清楚一件小事。两个 Claude Code 窗口互相传话，底下走的是什么。 结果有两种传递方式： 本机session之间传消息用的是 Unix Domain Socket（UDS） 跨机器走云端 可以把它想成每个Claude Code窗口在本机开一个只属于当前系统用户的收件箱。另一个窗口往这个 socket 里丢一行纯文本。/status 里那行 Peer address 前面的 uds:，就是这个东西。

1 attachment

你的主页没有气场，但你可以改变它。

代码问题已基本解决，但设计问题尚未解决。 隆重推出 Tastelint！ 一个在每次 PR 上运行并呈现设计反馈的代理。 如果你想试试，请在下方回复。 https://t.co/TqVfT5GFMf

2 attachments

Reposted by steipete

来自：https://t.co/ZzL1qrrPYe https://t.co/jYf9D5EM0x

1 attachment

《壮志凌云》进入《战地 6》。与你的僚机一起翱翔天际，掌握精英空战技巧，奋力证明你是最顶尖的飞行员。

作为 Top Gun 部署精英飞行员迎战 Pax Armata，成为最强者。达到最大高度，掌控天空。

如果这张照片真的能动呢？👀 把它变成AI情侣瞬间。

https://t.co/fPGXkxlnm8

终于搞定了！给 DeepSeek Harness 做了一个开箱即用的客户端 Pilot Harness。 这个客户端主要由两部分组成： 一个是客户端的壳；另一个是所有的优化，它们本质上都是 DeepSeek Harness 的插件。 也就是说，你既可以直接使用我这个客户端（默认加载所有插件），也可以只挑选对你有用的插件，安装到你自己的 DeepSeek Harness 里面。 这里面主要包括三个插件： 1. UI 和交互优化插件：优化了 DeepSeek Harness 本身一些有问题的展示方式、样式以及交互。 2. 文件树插件：你可以在聊天界面的右侧展开当前项目的文件树，快速将文件添加到聊天中，或者直接打开对应的文件。 3. 模型服务商和模型管理插件：优化了模型服务商的添加流程和模型管理的页面，将模型管理和服务商管理分开，更加直观，并且添加了很多图标和描述，界面更加清晰。

4 attachments

详情：https://t.co/SjneegnF3x

发布了：https://t.co/mnsV09HEhZ

发布了：https://t.co/mnsV09HEhZ

通过个性化的徒手健身计划增强力量。 1. 设定你的目标和目标部位 2. 获取一份定制的自重训练计划 3. 坚持训练并记录每次训练 参加测试开始吧。

通过个性化自重训练计划来增强力量。 1. 设定你的目标和目标部位 2. 获取定制的自重训练计划 3. 坚持训练并记录每次训练 参加测试开始吧。

通过个性化的自重训练计划来增强力量。 1. 设定你的目标和目标部位 2. 获得定制的自身体重训练计划 3. 坚持训练并记录每次训练 参加测试开始吧。

完成了你的角色插画， 但还是感觉不对劲？ 用不透明水彩风格的 明度与色彩上色来增加深度。 让你的作品感觉梦幻而空灵。🔮

- 柔和的纹理。 - 优雅的轮廓。 - 独树一帜的角色风格。 从简单的形状到精致的渲染。仅在 Coloso 学习！💖

Reposted by xiaohu

👀美图都是我之前收集的，用我这个skill处理了一下 太美了🤩 👏欢迎大家来用这个风格skill，不管排版还是贴图到你的ppt中，都好美啊💗 https://t.co/xbjMyaYguN https://t.co/cSESdvzKeJ

1 attachment

对于 Codex、API 或我们的模型，有什么显而易见的事情是我们应该做但还没做的？什么是在 100% 能力范围内，但我们似乎错过的？

午夜过后给我，给我，给我 Codex 能不能让这些失败的测试全都消失？ 午夜过后给我，给我，给我 Codex 在一天开始之前，穿过黑暗把它交付

卧槽！这个idea我之前一直偷偷用，榜单里面挖出来的全是财富密码，随便找几个做起来就是现金流资产～

https://t.co/8To9OKgZdG

1 attachment

给大家汇报下 没要到三个月会员 给我退款了 结果还算满意 https://t.co/2ct9Hq3gUb

1 attachment

Anthropic 这个增速有点夸张了 根据Anthropic 向潜在投资者披露的初步数据显示： 2026 Q2 其营收已超过 115 亿美元 去年同期只有 7.87 亿美元 一年做到约 14.6 倍 更猛的是年化营收 Run Rate： 2025 年底：90 亿美元 2026 年 5 月：470 亿美元 2026 年 7 月底：650+ 亿美元 而且 Q2 还首次实现了 调整后营业利润转正 根据预测到2028 年其营收将会达到： 1900 亿至 2000 亿美元 甚至有投资人认为，如果这个增长速度能维持，未来估值可能冲到 2 万亿美元。 从 90 亿到 650+ 亿美元年化营收，只用了不到 8 个月

1 attachment

「H.O.T.D.」がゲームで復活！ 約90,000円分のアイテム貰える！

https://t.co/yo84CA1FAx

用“钢人论证法”做了一个底层很有趣的Prompt，可能会让你让AI帮你做决策的时候效果更好更加全面。 先别急着回答，也别默认我已经把问题想清楚。请先对这个问题做一次详细思考的“双向钢人论证”： 1.用最完整、最有力的方式，重述我真正想解决的问题。 2.使用钢人论证法分别给出支持我当前想法、以及反对它的最强论证。 3.找出双方真正的分歧，以及最可能改变结论的关键变量。 4.只问我一个最关键的问题。等我回答后，再给出明确判断、理由和下一步行动。 我的问题是： [粘贴你的问题] 如果对这个Prompt的底层感兴趣，可以看看这个更详细的文章～

Reposted by dotey

我支持内部尽可能开放，外部有意识地限制。平台应该有自己的判断，而不是把所有可能性原样交给插件作者和用户。 “一切皆插件”作为内部架构原则，我非常认同。通用引擎最怕的就是不断被具体产品的需求侵蚀：今天加一个特例，明天再补一层判断，最后虽然还叫通用引擎，实际上已经只能服务当前这个产品。其他人想做不同的东西，只能 fork，然后各自维护一套。 所以 DSH 希望把 Agent Loop、Session、Tool Runtime、LLM、Persistence、Sandbox 甚至 UI 都变成可以重新组合的部分，这个方向是有价值的。Harness 还处在快速变化期，现在也没有哪套实现已经被证明是最终答案。底层如果太早写死，后面想换一种上下文组织方式、Session 模型或者 Agent Loop，都会很难。 但我不认为，由此就能推出“所有内部逻辑都应该成为第三方扩展点”。 把 Pi、VS Code 和 DSH 放在一起看，区别其实不在于谁有插件冲突。Pi Extension 一样可以注册同名 Tool、修改 Prompt、拦截同一个事件；VS Code 里也一直有格式化器、快捷键和语言服务互相影响的问题。只要多个扩展可以同时运行，命名、顺序、优先级和兼容性就一定会出现。 真正的区别，是插件可以改到哪一层，以及平台有没有提前规定这些变化怎么组合。 VS Code 的做法是，核心仍然由平台控制，第三方主要通过 Contribution Points 和稳定接口增加能力。某个扩展点允许多个 Provider 时，宿主决定结果怎么合并；某个能力只能有一个实现时，就让用户选择；名字必须唯一的地方，就在注册时处理。它当然不能消灭冲突，但它尽量把冲突限制在已经定义好的范围里。 Pi 更开放一些。Extension 可以注册 Tool 和 Command、修改上下文、监听或拦截 Agent 的运行过程，甚至通过同名注册覆盖内置 Tool。但它仍然有一个相对固定的 coding-agent core。Agent Loop、Session Runtime 等部分主要由宿主持有，所以 Extension 大多还是围绕同一个内核运行。 DSH 再往下走了一层。它不是在固定内核周围增加能力，而是让插件共同组装内核本身。Session、Agent Loop、Tool Runtime、Persistence、Sandbox 都可能来自不同插件。 这种设计的自由度确实更高，但需要处理的问题也不再只是“两个 Tool 重名”。 DSH 实际上同时存在几套身份：npm/module instance、Cordis service 或 Symbol、loader entry、Tool/Command/Route/Prompt 的名字，以及 host/preset/agent/session 的 Scope。同一个插件在配置里看起来只装了一次，不代表运行时一定只有一个 module instance；module instance 相同，也不代表 registry、loader 和 Scope 对它的理解一致。再加上 reload 和 generation 切换，问题还会沿着时间继续展开。 这不是纯理论问题。至少在 rc.6 的社区运行时报告里，已经出现过双实例导致 Symbol 分裂、重复 loader entry、process-global registry 冲突、late provider 工具重名，以及旧 generation 没有完全 dispose 等情况。这里需要强调，这些是社区报告，不等于维护者已经确认了同一个根因；但它们足以说明，DSH 要处理的是一整套运行时身份和生命周期问题，不只是普通的插件重名。 Cordis 能很好地处理 activation、依赖等待、effect disposal 和 Scope visibility，但这些机制本身并不会决定：重复注册应该 reject、replace、merge 还是 shadow；谁拥有一个名字；两个实现谁优先；安装失败以后怎么回滚；旧 generation 什么时候才算真正退出。 这些选择最后还是要由平台来做。 Effect 也是一样。它能把依赖和副作用表达得更清楚，让资源释放、重试、并发和 TestClock 变得更容易测试。这是很大的价值，我完全认同。 但能够静态知道一段代码访问了文件、网络或者数据库，并不等于系统已经知道两个插件发生冲突时应该听谁的。知道“发生了什么”和决定“应该怎么办”，是两件事情。 外部操作尤其明显。消息已经发送、文件已经被读取、支付已经完成、货已经发出，这些事情不会因为插件 dispose 就自动消失。框架可以让它们更容易追踪，也可以强迫开发者把补偿逻辑写出来，但具体是重试、补偿、对账还是人工处理，仍然是产品选择。 所以“不 fork 主干”当然是个很好的目标，但它不会让不同需求之间的分歧消失。以前这些分歧存在于代码分支里，插件化以后，它们会存在于 Profile、Bundle、Scope、插件版本和加载顺序的不同组合里。 这通常仍然比长期维护多个 fork 更好，但维护成本只是换了位置。以前处理 merge 和升级，现在处理依赖、身份、生命周期、状态兼容和组合测试。 AI Coding 可以降低写 Adapter、迁移接口和补兼容层的成本，却不会自动决定两个插件冲突时哪一种行为才符合产品意图。代码越来越容易生成以后，平台自己的判断反而会变得更重要。 这也是我为什么更支持“内部开放，外部限制”。 平台不应该只是一个中性的插件容器。它首先应该知道自己要做成什么产品，然后决定哪些变化可以交给第三方，哪些行为必须保持一致。开放一个稳定接口，不只是让别人能够调用它，也意味着平台准备长期维护它的语义、升级方式和失败处理。 如果平台对什么都不做判断，默认所有逻辑都能被第三方改写，那么冲突出现以后，用户只能自己判断应该装哪个插件、谁覆盖谁、哪个版本能一起工作。这个结果不是更开放，而是平台把集成工作转交给了用户。 我的选择会很明确： 内部实现可以尽量模块化，Agent Loop、Session、Persistence、Sandbox 都应该有替换空间。这样核心团队自己做实验、切换实现或者服务不同产品时，不需要不断侵入底层代码。 但面向普通第三方时，应该只开放平台已经想清楚的部分。Tool、模型 Provider、Command、Prompt、上下文来源和 UI Contribution，可以较早形成稳定接口；Agent Loop、Session、Sandbox、Persistence 仍然可以允许替换，但先放在 experimental 或 proposed 层，不急着承诺跨版本兼容。 真正需要完全控制 Runtime 的团队，可以进入更底层的 distribution 层，自己固定插件版本，并测试 install、boot、reload、dispose 和 resume。到了这一层，他做的已经不只是写一个插件，而是在维护自己的发行版，自然也应该承担对应的集成责任。 所以我不反对“一切皆插件”。我反对的是把内部可替换性直接等同于外部无限扩展。 内部越开放，平台越有空间继续演化；外部越克制，第三方越容易知道哪些东西真的可以依赖。这两件事并不矛盾。 一个好的平台不只是提供可能性，也要敢于做选择。什么应该允许扩展，什么应该保持统一，什么现在还没想清楚、只能作为实验接口存在——这些判断本身，就是平台应该提供的价值。

立即享受 SEEDANCE 2.5 五折优惠！

https://t.co/vDgIxDD1sO

发现codex 桌面宠物也有牛来，哈哈哈 https://t.co/fcgg4jiZnv

1 attachment

Reposted by naval

今天，@RoKhanna 没有使用国会简便的电子申报系统，而是再次选择亲手递交他的财务披露文件，共353页纸质文件，他知道这些文件不会被索引或搜索到。 幸运的是，我为 https://t.co/u2plKpJV4h 构建的 OCR 流水线正在处理这些文件。

2 attachments

Reposted by naval

国会议员 @RoKhanna，自称“领导着禁止国会议员炒股和反腐败的斗争”，去年 250 个交易日中交易了 244 天，平均每天超过 22 笔交易。 更多有趣数据：https://t.co/LlS6c4IRT8 https://t.co/kRSCJV7dcC

1 attachment

Reposted by steipete

x402 🤝 OpenClaw 与 @awscloud 合作，很高兴为 @openclaw 推出 AWS Agents Pay 插件，以支持智能体支付！ 一个很好的使用场景是研究任务，你的 Claw 可能需要访问付费内容——有了这个插件，它就能自主完成，并且每次会话都有支出限制的防护措施。 https://t.co/PtsG8UMflY

1 attachment

Reposted by steipete

我喜欢 @openclaw，也喜欢多人协作软件。所以我为可信团队构建了 Tidebroker：安全连接用户拥有的账户，不向其他用户泄露信息。从 Google Workspace 开始，未来会有更多提供商和功能。 https://t.co/ywoGUHWnIu https://t.co/Zq1wij87vH

1 attachment

Reposted by steipete

如果你到现在还没有构建自己的 AI 编码工具链，你还算是一家正经的科技公司吗？

Reposted by naval

Ro Khanna 对流动性不足的亿万富翁创始人的征税方案蠢得听起来像讽刺。 假设你创立了一家估值 50 亿美元的私营公司。 你并没有 50 亿美元（惊讶吧）。 你持有的股份最终可能价值 200 亿美元、5 亿美元或零。 政府说恭喜，交钱吧。 你说：‘行，但问题是我没有现金。’ Ro 的解决方案？把股票质押给政府，再借钱付给政府。 这个想法简直是疯了的。 政府决定你私营公司的价值，根据其估值向你征税，以股票为抵押借钱给你，然后把钱作为税收收回。 你现在因为想象中的税收欠政府债务，如果你不偿还，你就会丧失股份，政府就会拥有你公司的一部分。 政府现在既是评估师、银行、债权人、收税员又是股东。也许我们可以资助更多的学习中心（我跑题了）。 而且……事情变得更蠢了。 根据现行联邦税法，除非有特殊豁免，否则移交抵押品来清偿无追索权债务通常被视为出售，这意味着又要交一次税。 所以加州以创业公司股份为抵押借给你 2.5 亿美元，让你支付加州的财富税。十年后公司完蛋了。你可能失去公司，失去股份，却仍然欠着从未拥有过的钱的税。 那么到底是谁来评估这一切呢？ 专业投资者在拥有数据室、优先条款、董事会权限和实际资金投入的情况下，都很难评估私营公司。 现在政府要对创始人的普通股进行年度估值并征税？ 100 亿美元的优先融资轮并不意味着创始人的普通股真的能按那个估值出售。存在不同的股份类别。存在清算优先权。存在稀释。存在二级市场折扣。有时根本没有任何价位接近的买家。 那么 @RoKhanna，你打算怎么解决这个问题？ 我们已经知道这些估值可能错得有多离谱。2025 年上市独角兽中约有 67% 的定价低于其最后一轮私有估值。 然而政府却要以某种方式每年都知道“正确”的价值。 你承担风险。你辞掉工作。你奋斗多年。你接受稀释。大多数初创公司都会失败，你的股份归零。 政府不承担这种下行风险。 然后政策制定者回顾贝索斯、扎克伯格、马斯克和黄仁勋，这少数几个真正赢家，用他们来改写每个决定是否要冒同样风险的年轻人的经济账。 正面，公司死了，政府说‘赌场里不许哭’。 反面，你真的赢了，突然你就成了邪恶的科技亿万富翁，每年欠政府账面估值 5% 的税。 GGs. Ro 不得不为这种愚蠢的经济学辩护。Bernie 的职责是确保你过于愤怒而无法审视它们。 “公平份额。”“亿万富翁阶级。”“富人。” Bernie 不是问对未实现的股权征税是否有意义，而是把问题换成亿万富翁是否钱太多。 不谈流动性。展示豪宅。 不谈估值或激励。展示游艇。 这就是阶级斗争。 而且这在公司存在之前就已经很重要了。 当贝索斯创立亚马逊时，没人知道他会成为贝索斯。 没人知道 Facebook 会变成 Meta。 没人知道英伟达会成为世界上最重要的芯片公司。 围绕赢家制定的政策改变了对下一代潜在创始人的经济激励。 你不只是在 Facebook 成功后对扎克伯格征税。你正在改变一个 24 岁年轻人是否要花未来十年去打造下一个 Facebook 的计算。 美国之所以有效，部分是因为来自世界各地的雄心勃勃的人来到这里，相信上行空间值得冒险。 离开舒适的工作。创业。融资。失败。再试一次。 如果最终成功了，就拥有你所创造之物的有意义的一部分。 如果新协议变成‘你承担所有下行风险，但如果你账面股权够大，我们每年拿走 5%’，那当一些人不再冒险或去别处冒险时，别表现得震惊。 Bernie 和 Ro 喜欢向你展示生活方式，告诉你他们认为‘过度’的财富。他们很少展示的是其下的一切。 就拿贝索斯来说。 展示他的净资产增加 200 亿美元，然后问为什么一个人需要这么多钱。 好了，冠军，让我们把镜头拉远。 亚马逊在美国雇用了超过 100 万人。使用亚马逊的独立卖家支撑了超过 200 万个美国工作岗位，并在 2024 年支付了超过 1000 亿美元的工资。 所以在你看到贝索斯的个人纳税申报单之前，数百万人正因为这家公司的存在而赚钱。 这些工资产生所得税和工资税。 亚马逊的销售产生销售税收。 亚马逊本身支付企业所得税、雇主工资税以及州和地方税。 2025 年，亚马逊报告了约 124 亿美元的联邦所得税费用、79 亿美元的联邦雇主工资税及其他税费，以及 75 亿美元的州和地方税。 此外还有代表员工代收代缴的 248 亿美元，以及 334 亿美元的销售税。 一年内约有 860 亿美元通过这些报告的税收类别流动。 亚马逊自己在经济上承担了全部 860 亿美元吗？显然没有。 顾客支付销售税。员工支付预扣税。 这就是它的运作方式。公司创造了就业、工资和交易，从而创造了税基。 伯尼希望你盯着贝索斯的个人纳税申报单，好像那些都不存在。 那上百万的员工、卖家、供应商、卡车司机、仓库、承包商、建筑工人、软件公司和退休账户都消失了。 快速提醒：贝索斯因亚马逊在市场上表现良好而增加 100 亿美元净资产，并不意味着 100 亿美元进了他的银行账户。市场只是重新定价了他已持有的股票。 当他真正出售增值股票时，通常会产生资本利得税账单。 黄仁勋变得超级富有，是因为英伟达变得超级有价值。 英伟达还雇用了大约 42,000 人，其中约 31,000 人从事研发，并在最近一个财年支付了超过 200 亿美元的现金所得税。 仅联邦政府就获得了近 170 亿美元。 它还报告了约 79 亿美元与员工股票计划相关的税收。 所以黄仁勋更富了，股东更富了，员工更富了，政府收取了数十亿美元。 这四件事可以同时成立。 Meta 在 2025 年资本支出超过 720 亿美元。这些钱流向了芯片、数据中心、电力、建筑、工程师和承包商。 而不是扎克伯格的支票账户。 当成功的公司赚钱时，很多人都会赚钱。 这个故事对阶级斗争来说太糟糕了。展示亿万富翁的净资产并假装他的收益是其他人的损失要容易得多。 而在联邦层面，桑德斯和 Khanna 希望每年都这样做。 每年 5% 的财富税。 所以暂时忘记估值混乱，直接算算数学。 你的资产收益 8%，而政府拿走资产价值的 5%？ 那 5% 的税就吃掉了你 8% 总回报的 62.5%，还没算所得税或资本利得税。 如果收益 5%？你的全部名义回报都没了。 如果收益 3%？你就在卖本金来交税。 显然人们会对此做出反应。投资者要求更高回报，创始人重新考虑居住地，资本寻找更好的经济环境。 当美国在创业和创新上已经领先时，进行这个实验是奇怪的。 美国约有 950 家私营独角兽，并在 2026 年上半年创造了全球超过一半的新独角兽。 加州在 2025 年吸引了约 1910 亿美元的风险投资，约占美国总额的 60%。 其他国家花数十年时间试图打造这种生态系统。创业签证、税收优惠、特殊项目，任何能吸引创始人和资本的东西。 我们已经拥有了。也许别搞砸了。 伯尼称之为‘公平’。好吧。请定义公平 @BernieSanders 2023 年，最富有的 1% 人群赚取了美国调整后总收入的约 21%，并缴纳了约 38% 的联邦个人所得税，约 8230 亿美元。 华盛顿每年支出 6.28 万亿美元，截至 7 月已经有 1.8 万亿美元的赤字。 我不认为你需要更多钱。 在发明另一个税基之前，也许先解释一下钱已经花到哪里去了，以及我们得到了什么结果。 加州在无家可归问题上花费了近 240 亿美元，但没有任何改善。数十亿在医疗保险欺诈中流失。据报道，我们知道的每年损失达到 2000-4000 亿美元。 不确定给政府更多钱，尤其是加州，是个好主意。 但从生产性私人资本中再拿走一美元并不会神奇地让这一美元得到更好的配置。 其他发达国家也已经在此问题上挣扎过。 设有个人净财富税的 OECD 国家数量从 1990 年的 12 个降至 2017 年的 4 个。 也许它们都被亿万富翁俘获了。又或许它们学到了一些东西。 私人资产估值很混乱。流动性很重要。资本会流动。人会流动。激励很重要。 对收入征税。对已实现的收益征税。堵住真正的漏洞。审计你已经花掉的钱。 美国成为世界创新引擎，是因为人们来到这里，承担巨大风险，筹集资本，创办公司，并在成功时拥有上行收益。 你想要更多人下这个赌注。 而不是更少。 小心对待这台机器，尤其当要求更多资本的人已经负债近 40 万亿美元。 “他负担得起”不是经济学。 “公平份额”在定义之前毫无意义。 而嫉妒是一种糟糕的税收政策。

Reposted by steipete

一项针对23,000个AI生成的PR的分析发现，缺乏经验的开发者提交的PR数量是经验丰富的开发者的2倍，而且他们的PR平均规模也大2倍，但缺乏经验的开发者的PR： - 产生的评审评论数量多4倍 - 被接受的可能性低31% - 解决所需时间长5倍 换句话说，AI并没有缩小懂行的人与不懂行的人之间的差距。 另外，水是湿的。

1 attachment

Reposted by dotey

这个问题其实还挺典型的，软件工程越来越重要这个观点我很赞同 在以往的传统软件工程中，我们在写代码之前会先明确需求 -> 架构设计 -> 接口设计 -> 模块实现 ... 这样的流程 当下的 AI 虽然非常非常聪明了，但它无法知道它应该知道但你没告诉它的事（看起来像废话吗？其实不是）。比如这个项目的预期维护周期，是一个临时小工具，还是一个会持续迭代几年的大项目？项目需求是否会持续迭代，随着迭代可能的架构相对变化和不变的地方都有哪些？ 这些问题，如果你不告诉 AI 的话，它一般会以最小可实现代码来实现，以免过度设计 我现在 Vibe Coding 的感觉是，有些东西是不能完全交给AI的（至少是和AI共同结对编程来明确），比如 整体架构、表结构、数据结构、接口设计 这些 当然我也有直接 /goal 的时候，这种情况还挺多，就是在一次性小项目或者一个原型项目的时候，我希望能尽快出来看看效果，而不是长期维护 如果这个小项目后续要变成长期维护项目了，我会新开一个项目，不留历史包袱，直接重写一个架构良好的新项目出来 “何时重构” 这个问题甚至有时候是一种感觉，一种品味。就像以前软件工程里说的 bad smell 一样，AI时代我们每个人都要锻炼这种敏锐度。但无论如何，我认为应该记住一点：重构，在任何时候都是软件生命周期中必不可少的一环

Reposted by steipete

“有了编码代理，你就像背上喷气背包，以每小时一万英里的速度前进，做着你以前从未能做到的事。” 在这场对话中，@OpenAI 的 @steipete 和 @thsottiaux 与 Databricks 联合创始人 @pwendell 一起探讨了当代理超越代码编写，进入可观测性、运营工作以及承担跨软件和数据系统的长期责任时，接下来会发生什么。 观看完整对话：https://t.co/5j8A1W0ZnJ

1 attachment

Reposted by naval

社会主义者又在攻击资本积累。 这又是一个社会主义经济为何总是以贫困告终的好例子。 但事实是，穷国一直贫穷是因为他们的人民和政府消耗资本而不是积累资本。 国家通过积累资本品致富。 美国建筑工人的收入是其他地方做同样工作的人的许多倍，因为美国积累了工具和机器，这些工具和机器使一小时劳动的产出成倍增加。 徒手抓鱼，你今天有吃的；或者用一段时间不吃饭去织网，之后就能养活自己好几年。 但网只有在整个经济体选择储蓄和投资而不是消费时才会出现。 资本积累实际上是好事。这就是他们讨厌它的原因。

1 attachment

PIF 发布了其 2025 年度报告，展示了强劲的财务表现以及在实现长期目标方面取得的持续进展。

有人正在花900刀买 Grok 一个月300刀的服务买一年。 你的产品好，全世界人民都会抢着给你钱。 五千多块人民币，眼睛都不眨一下的，就往里扔。

牛来放映厅，其实是百度贴吧。 当年百度把搜索同一个关键词，对同一件事情感兴趣的陌生网友聚到同一个贴吧交流互动。 现在牛来大家聚到一起，其实是因为大家臭味相投，大家发出的信号是同频的，可以共振的。 短暂的相聚，一起欢笑，挺好的。 毕竟现在这个时代，你很难找到一群人一起笑开怀了。

你看钢管舞不？ 两个男人跳的，构思精巧的那种。 https://t.co/YlpMp9T7fr

1 attachment

Reposted by OpenAI

防御者能看到未来，并且现在有一个狭窄的窗口来提升他们的网络安全实践。 关键是提升基础并应用最优秀的人工智能工具。 我们在OpenAI所做的事情，以及其他组织可以开始的地方：https://t.co/P3IMZkV234

Reposted by naval

2001年，乔治·W·布什提出了社会保障的部分私有化计划，这样你可以将社保缴费的10%投入市场。 人们拒绝了这一计划。 我们现在可以看到，如果该计划通过，投入市场的10%的表现会比政府管理的90%更好，该计划将能够保持偿付能力，而普通社保领取者将获得目前的两倍。 你会下的最糟糕的赌注就是押注政府。

抱歉，Claude 能做什么？ 它可以用你的网站链接，找到需要你产品的人，给他们发邮件并预约通话？ 从什么时候开始？？我已经手动做了一年了。 好的，测试一下：免费30美元 👇 https://t.co/owEqcXLu6o

DL不要、すぐ遊べるブラウザゲーム！ 今すぐしんちゃんと笑いと冒険の世界へ

DL不要、基本プレイ無料 しんちゃんとすごろく体験！

别给我发报告，直接把提示词发给我。

把出海冷启动到规模讲的很清楚👍，不同阶段适合不同的渠道，做增长的朋友可以看看

我愿称之为顶级好文

指甲护理，简化——用一个安全、温和的工具修剪、打磨和抛光。💅 我们的二合一指甲修剪器在一台设备中完成修剪和打磨——无需切换工具。防夹安全机制在压力过大时停止旋转——对儿童、老人和敏感指甲安全。

据知情人士透露，Stripe 已最终敲定协议，将以超过70亿美元的价格收购 OpenRouter 此次收购的最终价格可能仍有变动。

如何在 Codex 中为 GPT-5.6 Sol 启用 1M 上下文窗口的指南↓

我Claude 账号前天被封了 我申诉说我啥也没干 就是日常编码和写内容，请给我解封 过了一天就给我解封了 但是我的订阅掉了，我又写了一封邮件要求他们补我3个月 20x的会员 我是不是有点得寸进尺？ https://t.co/4ObD9Eol7Z

1 attachment

应该没有人比我玩得开了吧🌸

用不完的token 可以来打一把德州 把它消耗掉😅 https://t.co/VijCfnEE1s

1 attachment

卧槽，原来现在还是能以每个月 99 美元的价格，订阅 Grok Harvey 这个级别的会员，这个超值！ 你相当于一下获得了： 1. 价值 300 美元的 Grok Harvey（包括 Grok Build 权限） 2. 价值 200 美元的 Cursor Ultra 会员，还有 Fable 5 的额度。 3. Grok Bot 的独立额度（这三个额度都是独立的） 4. Grok Image 和 Video（图像与视频模型）的额度 5. 会自动送你一份 Twitter Premium+ 订阅 折合下来只要 700 块钱一个月，简直夯爆了！ 尤其是 Grok 后面还有更强的模型要发布。 可以看一下具体的使用路径： 1. 准备 Grok 账号：先登录一个 Grok 账号。 前提条件：如果你之前是用 Twitter（X）登录并订阅的，需要先取消 Twitter 订阅（取消后不会立即生效，所以我建议直接注册申请一个新的 Grok 账号。虽然新账号没办法共享你原有的 Twitter Premium，但这次订阅）。 如果是用旧账户或者 Twitter 授权登录，操作起来会有点麻烦，所以强烈建议用新账户注册。 2. 订阅促销活动： 先去第一个链接(https://t.co/k6ne2lX9qE)，订阅获取两个月的 Super Grok 促销。 订阅成功后，再去下面第二个地址(https://t.co/pU6xTSi5Z9)，订阅连续三个月 99 美元的 Super Grok Harvey。 注意：后续记得及时取消订阅，否则到期后会恢复成 300 美元/月。 3. 绑定 Cursor 会员： 下载并登录 Grok Bot，登录时有个选项会要求选择 Cursor 授权登录。 这个时候，只要你有一个相同邮箱的 Cursor 账号（如果没有，就用这个邮箱注册一个），系统就会自动给你充值 Cursor 的 Ultra 会员。

3 attachments

做了张 99 美元拿下Grok Harvey、Cursor Ultra、Grok Bot 加 Twitter Premium+ 会员的教程图，这样清晰点 https://t.co/dOPahBSXSR

1 attachment

做了张图：https://t.co/ahGGCr9O03

已经修复了，现在搞不了了

已经修复了，现在搞不了了

搞的差不多了，还不错 https://t.co/iJHUMbF1j0

1 attachment

虽然修复了，但是要相信我们中国号商的能力。 所以如果你还是想要的话，可以去闲鱼找找看，但是注意不要被骗哈

虽然修复了，但是要相信我们中国号商的能力。 所以如果你还是想要的话，可以去闲鱼找找看，但是注意不要被骗哈

给客户端做个图标 https://t.co/wlMgkl1kKo

1 attachment

我去！这个太有意思了。 谁不想在等 AI 完成任务的时候玩上一把德州并且把自己的 Token 输光呢 https://t.co/cWmFB71aWY

1 attachment

预注册正在全面进行中

traffic cv 7 月榜单更新 🔥 新站排行榜：https://t.co/lZGcBYqROI 📈 增长排行榜：https://t.co/GCyswCjpLS https://t.co/LBtBcvcqTn

1 attachment

Reposted by naval

对Dario帖子的一些看法： 1. Dario实际上没有回应Gavin Baker对他所说内容的描述——如果描述不准确，他本可以轻松否认。 2. Dario声称他的批评者生活在一个“泡沫”中，在那里所有监管都等于监管俘获。他称这是一种过度简化的观点，并指出“这个泡沫之外的许多人认为监管是约束企业权力、惠及普通人的东西。”这个论点是稻草人。当然，把所有监管都视为俘获会是过度简化的——但几乎没有人持有这种观点。我一再主张强有力的反垄断执法，以保持行业竞争，尤其是大型科技公司。如果Anthropic继续走向垄断或双头垄断地位，我将是首批要求适用这些规则的人之一。 3. 监管俘获并不模糊，也不是见仁见智。诺贝尔奖得主George Stigler将其定义为一种行业所获得的监管，并且主要为其利益而设计和运作。Stigler挑战了传统的观点，即政府监管源于保护公众免受市场失灵影响的开明国家。相反，行业集团拥有集中的利益，并将资源倾注于影响监管者，而公众的利益则是分散和无组织的。公司与监管它们的机构之间的旋转门加剧了问题。Anthropic理解这些动态：它聘请了多位拜登政府的高级人工智能政策官员，并建立了一个庞大的政府事务部门，加上一个由一致的组织组成的网络，以在州和联邦层面推动其偏好的框架。 4. Dario一直推动建立一个新的联邦机构，在发布前审查和批准前沿模型——这一提议被冠以各种名号，如“人工智能的FDA”、“人工智能的FAA”，最近则是“人工智能的FINRA”。我称之为“人工智能的DMV”，因为基于FAA或FDA（需要数年）或FINRA（为一个被视为保护现有企业的沉闷行业制定规则）的审查过程将造成长长的队列，人工智能模型等待测试和批准。随着规则积累以防止理论上的危害，这个过程只会变得更加迷宫般复杂。这将使美国相对于中国处于不利地位，中国不会采用同样的限制。这也会削弱Anthropic自身的商业模式，其定价权依赖于保持对开放模型的领先。无论Dario今天怎么说，很难相信该公司会简单地接受抹去这一优势的结果。 5. Anthropic有望成为历史上最有价值的公司之一，拥有足够的资源来应对任何审批过程并在竞争者等待时制定规则。Dario希望开放模型受到更严格的审查——他在参议院作证时称它们危险，批评它们没有被集中监控或撤回，并将它们与知识产权盗窃联系起来。他说他从未寻求禁令，但他可以通过坚持对开放和封闭模型适用相同规则来达到类似结果。美国有可能成为一个昂贵的封闭模型孤岛，而世界其他国家则以更广泛的选择飞速前进。 6. Dario承认人工智能在结构上是集中化的，但将其主要归因于芯片和扩展定律。获取算力很重要，但更深层的风险是谁决定哪些能力可供谁使用。他偏好的部署前测试和FAA/FINRA式监督将把这种把关权力置于与少数前沿实验室密切合作的联邦官僚机构手中——这强化了集中化，而不是抵制它。 7. Dario帖子的第二部分假设我们忘记了Anthropic精心策划的渲染人工智能恐惧的运动。他在2025年5月声称人工智能将在五年内消灭50%的入门级知识型工作，十五个月后仍然缺乏支持证据。同样，Anthropic在《60分钟》节目中大肆宣传其刻意编造的“勒索”研究。然而Dario将公众的负面情绪归咎于长期存在的对机构信任的丧失，而不是他自己的信息传播。 8. 这些叙事比任何事情都更能塑造公众恐惧。人们不禁要问Mark Zuckerberg提出的同一个问题：为什么要竞相建设一个你用如此负面的词汇描述的未来？Thomas Sowell的\"The Vision of the Anointed\"捕捉了这种心态——精英知识分子相信只有他们才足够开明来控制结果。正如Zuckerberg所指出的，将权力集中在少数开明者手中很少产生承诺的结果；实践者往往在实践中不如自我认知中那样开明。 9. Gavin Baker在我们的播客上简洁地总结了分歧：Dario认为前沿人工智能太强大了，不能分发；我们认为它太强大了，不能集中。Dario似乎真诚地相信，安全与进步最好通过将权力集中在企业与国家权力的联姻中来实现。人类历史的重量给了我们理由去恐惧那种结果。

あなたが知らない新たなゲーム ちょっとだけ遊んでみる?

あなたが知らない新たなゲーム ちょっとだけ遊んでみる?

あなたが知らない新たなゲーム ちょっとだけ遊んでみる?

900刀一年的Grok Heavy到手，真的难以想象，现在已经是200刀Codex+100刀Claude code，再加上grok。 记得去年4月，买一个100刀cursor年订阅还下了很大的决心。 token真的变成游戏币了😅

🤯 你现在可以免费生成比 Suno 更好的歌曲。

可能是太久没用 ChatGPT 了，才发现从 ChatGPT 就能直接让它修改代码提交 PR。（我是用的 ChatGPT Pro） 起因是我在做一个 Deep Research 调研，完了后就想让它基于我的代码库做一个方案，但是整个代码库都打包上传太麻烦了，我就把 GitHub 地址发给它了，没想到它自己就 clone 到本地开始分析代码了，最后给了一份很详细的结合当前代码库现状的方案。 一看方案写挺好，想着干脆帮我实现吧，让它自己去提交个 PR，结果它真的就基于方案帮我实现并提交 PR 了，中间确认了一次 GitHub 操作权限。 需要先在 ChatGPT 的设置的 Plugins 里面连上 GitHub 才能访问你的 GitHub Repo，以及以你的名义提交 PR。

2 attachments

已经有移除文本水印的开源项目了 https://t.co/gvgLMPhVdC

Tibo 分享了 Codex 开启 1M 上下文的方法。不过我不是很有动力去修改，感觉当前还挺流畅的，我相信他们已经针对这个上下文调优过，只要压缩得当，上下文短一些性能会更好也更便宜。 具体方法很简单，只要在 ~/.codex/config.toml 中设置： ``` model = "gpt-5.6-sol" model_context_window = 1000000 model_auto_compact_token_limit = 900000 ```

Pi 两位作者的见解： 1. 代码即真相，代码不需要记忆系统，不需要 RAG，模型很擅长理解代码结构 2. Bash 工具足够用，Bash 类似于编程语言，可以任意组合；大部分时候没必要 MCP，skill + 脚本足够。 https://t.co/QGCxp2zhWb

1 attachment

我这个是ChatGPT网页版，不是 Codex 另外更推荐用github 的 cli，比access token更安全

其实不用担心代码命名的问题，agent 并不是简单通过猜关键字去找代码的，它会阅读代码片段，根据上下文去找。 举个例子来说，它发现程序崩溃了，它会先根据错误日志去定位到崩溃的位置，然后先阅读这部分的代码，以此为起点，再去找相关的代码，直到上下文足够定位问题，再去生成修复的代码。

Reposted by shl

成年就是每周都说“这周过后，事情应该就能平静下来”，一直到你死。

Reposted by naval

你需要基于原则为这些人辩护，即个人权利的原则，否则就只能看着这场交锋重复，直到没什么可辩护的。这是最新一轮。 阿克曼发现了一个真正的缺陷。根据该计划，公司倒闭的创始人要就免除的债务缴纳普通所得税，资不抵债，外加终身工资扣缴。这是一个毁灭性的观点，却只被当作细节提出。卡纳的回答是什么？比尔，感谢你推动细节。然后他当场起草了修补方案：创始人将其股票质押给政府贷款，如果无法偿还，国家接管这些股票。 再读一遍。反对意见改进了法案，而改进后的法案最终让政府拥有初创公司的股权。财富税在一次回复中变成了部分国有化，而批评者还被感谢为共同作者。 这就是争论机制的作用。你发现的每个缺陷，他们都会修补。你推动的每个细节，他们都会完善。他们唯一无法承受的，是大多数有平台的人拒绝提出的论点：创始人的财富是他自己的权利，是通过同意获得的，世界上任何需要都不能将其转化为公共财产。一旦承认这一点，你就不是反对派。你是起草委员会。

https://t.co/RplIMQIrh4

Reposted by naval

别担心，各位！ 这项未实现收益税将由民主党一流的立法工程师精心设计，以捕捉细微差别并减轻二阶和三阶效应，否则这些效应会导致意想不到的负面后果。这个东西将被打造为税收立法中的“瑞士手表”，只会实现我们的意图，没有任何弊端。 看看我们构建它的立法质量吧！你怎么能不对这个团队抱有绝对的信心，相信他们不会彻底破坏美国经济引擎，让我们快速走上阿根廷的轨迹？

4 attachments

想知道我菜单栏里的这个新图标是什么，我没启用它，它却加载了一个缓慢的 html 框。 该用 Chrome Lite 了吗？ https://t.co/4Q64q7vdfl

1 attachment

Reposted by naval

如果 Ro Khanna 和他愚蠢的基本盘以某种方式通过了他们提议的财富税，创始人们别无选择，只能搬离加州 没有任何世界里有以创始人股份为抵押的大额贷款是有意义的，而且我不明白投资者怎么会资助这些公司

星期天是用来感受美好氛围的。一周中的任何一天都是如此，但尤其是星期天。

以下是如何在 Codex 中为 GPT-5.6 Sol 启用 1M token 的上下文窗口。 尽管我们已经将 Codex 中的上下文限制调整到在性能和成本方面的最佳设置，但这是一个常见的需求，所以在此记录。 更大的上下文窗口可以让 Codex 在总结较旧材料之前保留更多的代码、工具输出和对话历史。你需要一个支持它的模型。例如，GPT-5.6 Sol 有文档记录的 1,050,000 token 窗口。 打开 ~/.codex/config.toml，并在任何 [section] 标题之前在顶层添加或更新这些设置： ``` model = "gpt-5.6-sol" model_context_window = 1000000 model_auto_compact_token_limit = 900000 ``` 第一个设置选择模型。第二个告诉 Codex 使用一百万 token 的上下文预算。第三个在约 900,000 token 时启动自动历史压缩，留出一些余量。保存后重启 Codex 客户端并开始新会话。 要在不更改默认设置的情况下尝试单个 CLI 会话的配置： ``` codex -m gpt-5.6-sol \ -c model_context_window=1000000 \ -c model_auto_compact_token_limit=900000 ``` 玩得开心，但也要知道我们仔细调整了默认值！

Codex 中的 GPT-5.6 Sol 1M。以前这仅适用于 API 密钥，但我们已经启用了开关，现在通过 ChatGPT 账户使用也可以了。 同样的警告也适用，当前上下文长度是默认值是有原因的，我们已经将其调优到近乎完美。但你自己决定吧！

Codex ✅ 几乎 100% 可靠 ✅ 偶尔重置 ✅ 开源 ✅ （将会有 Astra） https://t.co/DxNdAgpag5

1 attachment

认识一下 GitBunki：专为快速、自信的 Git 工作流打造的 Mac 应用。 为每天生活在 Git 中的开发者精心设计的漂亮 Mac 应用。 自信地审查、暂存和提交；专注于交付代码。

Reposted by dotey

上周比较有趣的更新是现在 Cindy 下每条任务都可以丝滑的拖动窗口位置了。我完成了其中拖动到新窗口和拖动到聊天框内的功能。在聊天框内引用其他任务对话，是我经常用到的功能，方便多 session 的 AI 互相协作，检查问题。(除了拖动，还可以通过复制黏贴任务链接的方式实现) https://t.co/oNQFakINwn

1 attachment

发明了一个新玩法： 每次 Claude Code 写完代码，自动找5 名“同事”开会审核 包括： - GPT-5.6-Sol Max - ChatGPT Pro - Claude Opus 5 - GLM 5.3 - Grok 4.6 xhigh 一个篱笆 3个桩 一个AI 5个帮 https://t.co/I5kIZoZW1w

1 attachment

Anthropic 的篇官方技术说明，解释 Claude 文本水印的具体工作方式。https://t.co/zBCEcRvFcR Claude 用的是 Google DeepMind 2024 年发表在《Nature》上的 SynthID-Text 方案，往上追溯可以到 Scott Aaronson 2022 年的提案。这一脉方案的共同特征是在模型选词时，用密钥改变随机数的来源，从而在输出中留下统计痕迹。 Anthropic 举了个例子帮助理解。假设模型写到“今天天气很冷，而且……”，下一个词可能是“阴沉”，也可能是“灰蒙蒙的”，对读者来说意思差不多。正常情况下，模型用一个随机数在这些候选词里选一个。加了水印之后，选词过程还是随机的，但随机数的来源变了，变成由密钥和前面的词共同决定。文本读起来完全一样，但事后拿着密钥去核对选词序列，就能算出这段话是 Claude 写的概率。 Anthropic 在文中特别强调了一点：水印不会让模型选它本来不会选的词。模型不会因为水印而突然用一个生僻词（文中举的例子是 nubilous，一个几乎没人用的“阴天”的同义词）。水印只在模型本就犹豫的那些选择上起作用。 然后是大家最关心的：会不会降低输出质量？ Anthropic 说他们内部测试没有观察到水印对内容质量、创意水平或可读性的影响。他们援引了 Google DeepMind 的数据作为佐证：Google 在 Gemini 的实际流量中给一部分用户提供了带水印的模型，对比用户的点赞点踩反馈，两组没有统计显著差异。同时在受控实验中，人类评估者把带水印和不带水印的回答放在一起对比，也看不出区别。 打个比方：想象你在玩大富翁，本来每回合掷骰子决定走几步。现在改成查圆周率的小数位来决定，从某一位开始，依次读下去。对玩家来说，每一步还是随机的，游戏体验没有变化。但如果有人事后看走步的完整序列，再对照圆周率，就能判断这盘游戏用的是圆周率而不是骰子。 关于代码，Anthropic 的解释是：水印只在选哪个词都行的地方起作用。代码大量地方必须精确，“2+2=”后面只能跟 4，水印无从施加。所以代码的水印密度天然就比自然语言低。不过在代码注释、变量命名这些有选择余地的地方，水印仍然可以嵌入。 还有一个之前没怎么讨论的重要信息：水印不携带任何用户身份信息。不能追溯到具体的用户、组织或对话。水印只回答一个问题，“这段文字是否可能经过 Claude 处理”，仅此而已。 文章中也提到了水印的局限。短文本检测不了，信号太弱。纯事实性内容（比如“牛顿最著名的著作叫《自然哲学的数学原理》……”）水印也没什么发挥空间，因为下一个词几乎没有选择余地。你让 Claude 校对一篇文章只改语法标点，大部分词还是你的，水印可能根本不够形成可检测的信号。 轻度编辑大概率不会完全去掉水印。但如果把每个词都换一遍，水印就没了，当然到这个程度，这段文字算不算 AI 生成的本身也值得商榷了。 至于为什么全球统一加水印而不只在欧盟范围内执行，Anthropic 给出的理由是他们目前没有一个可靠的方式按地区区分是否施加水印。所以干脆全球统一上线，后续再评估是否调整。 检测端还没有完全就位。Anthropic 表示很快会推出水印检测 API，但具体时间和使用方式还在敲定中。这也呼应了 Alex Cui 之前提到的一个关键问题：检测器是公开还是内部使用，会直接影响水印的实际安全性。 顺便说一下，签署这份欧盟透明度行为准则的不止 Anthropic 一家，总共有大约 190 个签署方。水印不是 Claude 独有的事情，其他大模型厂商也会陆续跟上各自的方案。

1 attachment

我最近就发现，即使聪明如 Fable 5，如果你只是给它一个目标让它优化，它可能也就是在既定的框架下想办法帮你优化到极致，但是它很难跳出既定框架，发现一条完全不同的路线。 比如说最近有用户反映使用 BaoCut 转录速度慢，我就反复的用 Codex 去转录视频，然后让 Codex 或者 Fable 去分析瓶颈在哪里，该怎么优化，然后每次它们都能给我一堆理由和看起来靠谱的优化方案。 比如它会建议多开启 workers（subagent），对 workers 预热之类。让它按照方案优化后，似乎有效果但是又不明显。 最后还是自己去分析数据包，发现耗时长还是输出的 JSON 格式太长了，导致生成、校验时间较长。 如果不用 JSON 格式，比如纯文本，或者简单的 html 格式，会更节约 token，只不过这样程序解析会很复杂，比如对字幕润色分段，输出是纯文本的话，就要做 diff 比较润色后更改的内容，还要把变更后的部分，重新对应到原始字幕的单词上。 简单来说，就是以前为了让程序简单就让模型输出复杂更费 token；如果要节约 token，就可以让模型的输出简单，但是程序解析会很复杂。 按照这个思路改进后，效果很明显（对比图2图3），调用次数从 33 次降低到 12 次；时间从 31 分钟降低到 18 分钟。测试张小珺那期将近 7 小时的访谈，完整润色也只需要 42 分钟。 如果不走 Agent 走 Cloud 模型的话，一个小时的视频，完整的翻译校对成双语字幕，用 DeepSeek v4 Flash，成本大于是 ¥0.4元。 有兴趣可以试试看效果：https://t.co/89Wi1b3hZT

4 attachments

我最近就发现，即使聪明如 Fable 5，如果你只是给它一个目标让它优化，它可能也就是在既定的框架下想办法帮你优化到极致，但是它很难跳出既定框架，发现一条完全不同的路线。 比如说最近有用户反映使用 BaoCut 转录速度慢，我就反复的用 Codex 去转录视频，然后让 Codex 或者 Fable 去分析瓶颈在哪里，该怎么优化，然后每次它们都能给我一堆理由和看起来靠谱的优化方案。 比如它会建议多开启 workers（subagent），对 workers 预热之类。让它按照方案优化后，似乎有效果但是又不明显。 最后还是自己去分析数据包，发现耗时长还是输出的 JSON 格式太长了，导致生成、校验时间较长。 如果不用 JSON 格式，比如纯文本，或者简单的 html 格式，会更节约 token，只不过这样程序解析会很复杂，比如对字幕润色分段，输出是纯文本的话，就要做 diff 比较润色后更改的内容，还要把变更后的部分，重新对应到原始字幕的单词上。 简单来说，就是以前为了让程序简单就让模型输出复杂更费 token；如果要节约 token，就可以让模型的输出简单，但是程序解析会很复杂。 按照这个思路改进后，效果很明显（对比图2图3），调用次数从 33 次降低到 12 次；时间从 31 分钟降低到 18 分钟。测试张小珺那期将近 7 小时的访谈，完整润色也只需要 42 分钟。 如果不走 Agent 走 Cloud 模型的话，一个小时的视频，完整的翻译校对成双语字幕，用 DeepSeek v4 Flash，成本大于是 ¥0.4元。 有兴趣可以试试看效果，Mac 有专门的 App，Windows 支持 cli 或者 skill。 BaoCut ：https://t.co/89Wi1b3hZT

4 attachments

@zhang_benita 下次您要配字幕可以试试

Claude Code （Claude Desktop）这个功能很好用，就是你5小时限制到了，可以自动继续，不只是主 Agent 到时间继续，子 Agent 到时间也会继续。不需要手工输入 return，也不需要重新开 subagent，可以重用之前的 subagent https://t.co/D7mbGSIKcw

1 attachment

Mole 是真心好用，自从用了 Rust，每次编译要几十G，这时候就经常需要借助 Mole 帮我清理，挺好用。 除了清理，另一个我喜欢的功能是分析磁盘占用，可以很容易找出那些隐藏的占用空间的，解决后一劳永逸

Reposted by naval

库班对创始人的所谓辩护，比 Ro Khanna 的直接攻击更糟糕，因为它是攻击的推动者，他们下面的交流就说明了这一点。 注意这个顺序。马克的第一条回复只讨论了技术性问题。创始人现金匮乏，银行不会放贷，资本会逃离。没有一句话说这些财富不是国家有权拿走的。所以 Ro 做了任何有一致前提的人在拿到这个前提时都会做的事：他解决了技术性问题。卖掉股份，否则国家会替你卖掉。那句话不是口误，马克。那是你自己的论点，被完成了。你告诉他问题在于征收，而他就征收了。 再仔细读读你的愤怒，因为它的形态暴露了同样的投降。你的每一行都在为创始人的努力辩护，为他们创造的就业、支付的工资、进行的再投资辩护。这意味着财富必须赚两次，一次是建立它，一次是通过社会服务，之后你才会反对它的被夺取。而你自己对比也暴露了其余部分：Jensen 和 Lisa Su 有流动性，所以对他们征税不会引起抗议。那么你的反对就不是夺取本身，而是时机。一个让步到这种程度的人，当国家提出调整时机时无话可说，当政客拿穷孩子来衡量征收时也无话可说，因为“需求是对能力的一种索取”这一前提，在这个帖子里没有人质疑过。 这就是结束争论的答案。财富是他们的。不是因为他们缺乏流动性，不是因为他们创造就业，不是因为他们为此受苦，而是因为他们在自愿交易中赚到了它，而世界上任何需要都不能把另一个人的财产变成公共收入。说出这句话，就没什么可谈判的了。拒绝说，你的脏话只是一个实用主义者在他自己的前提回来收账时发出的声音。

有的线路，尝一口就知道不一样。 别说，这个味……网速真不错。🐂

Reposted by shl

刚读完@shl 的《极简主义创业者》。核心思想很简单：你不需要追逐一家十亿美元的公司。 找到那些想要你所构建之物的人，保持盈利，让势头来完成其余的事。几点让我印象深刻： - 充满热情地告诉人们你的项目，比试图向他们推销更有效。 - 在考虑构建最小可行产品之前，你需要一个手动的、有价值的流程。 - 招聘实际上首先是要定义你的价值观，然后找到符合这些价值观的人，而不是反过来。 - 每家公司都应该像完全远程和异步一样运作。这会迫使你把事情写下来，建立知识库，并在默认情况下更加深思熟虑。 - 不要以成为美元亿万富翁为目标。要以成为时间亿万富翁为目标。一旦金钱不再是限制，就用它来买回你的时间。 最后一点会让我铭记一段时间。 他还提到了“自由的眩晕”——那种当你面对无限选择而不知道选哪个时的感觉。 如果你正在独自构建什么东西，或者甚至只是想想，这本书值得你花时间：) 读一读吧。希望这有帮助：)

加利福尼亚拥有终极特权——垄断了世界上最强大帝国所有温暖干燥的海岸线。

CodePilot 这几天也有不少的更新： 1. 支持了新发布的 Grok 4.6、DeepSeek V4 Pro 以及 GLM 5.3 模型。 2. 支持将你 Grok 会员里的图像模型甚至视频模型的额度，也都在 CodePilot 里面使用。支持对 Twitter 进行检索。 这样的话，你只要有一个 Twitter 会员，就可以在 CodePilot 里面白嫖 Grok 的图像、视频模型以及 Twitter 检索服务。

1 attachment

详情：https://t.co/ONAU5hgUUc

正在给 DeepSeek Harness 做一个界面和交互美化的插件。 还有一个服务商的插件，这样整个产品体验会好一点，后续也会打包成一个客户端。 这主要是把 Codepilot 里面沉淀的一些资产抽离出来，然后做到这个 DeepSeek Harness 的插件里，这样整个使用体验和视觉效果都会变好不少。 看了一些现有的美化插件，基本上都是改改背景图、加一两个组件效果什么的，感觉对于长期使用和用户体验没什么多大的帮助。

1 attachment

我正在看 Sam Altman 的采访视频， 突然， 一条评论跳了出来 😂 @thsottiaux https://t.co/k5a0Y3RaVZ

1 attachment

让 Sol 为您管理一支高效的 Luna 代理舰队。 这些模型非常了解彼此，并且以极快的速度和高效率协作达成目标。

OpenAI 现在正在发生不可思议的事情。大家干劲十足。

如果你有一家公司，却还在用 Opus 而不是 Sol，为什么？价格对你来说不重要吗？有什么能说服你切换吗？

@ns123abc 你说的是标价吗？

关于这一点我会写得更详细，但 OpenAI token != A\ token。我们使用不同的分词器。OpenAI 的分词器效率要高得多。 这一点很重要，因为你通过 API 和使用量按 token 付费。token 数量上的差异约为 30%，绝对意义重大。

1 attachment

关于 token 和每个 token 的价格。 我说过我会更详细地写这个话题，所以现在就来：OpenAI 的一个 token != 另一个模型的 token。我们把 AI 价格按每百万 token 的美元数来比较，仿佛 token 是一种标准化单位，就像克或千瓦时一样。但事实并非如此。不同的模型生成完全相同文本所用的 token 数量不同，这意味着更低的每 token 价格并不一定意味着更低的账单。 想象两个一模一样的披萨。一个切成 8 片，每片 2 美元。另一个切成 16 片，每片 1.25 美元。第二家宣传单片更便宜，但整个披萨要 20 美元，而不是 16 美元。真扫兴……你的胃其实并不在乎你刚吃了几片。 我知道你现在饿了，但我们回到 token。在一个涵盖英语、技术、多语言和数值文本的小型对比中，我们用于 GPT-5.6 Sol 的分词器用了 766 个 token，而 Claude Opus 5 估计需要 1,170 个。这是一个非常显著的差异，token 数量少了约 34.5%。你可以获得完全相同的文本，却要为那些多余的 token 付费。每 token 的价格并不能真正说明这个问题。 即使纠正了分词器的差异，也忽略了更大的问题。真正重要的是每个成功结果的价格，为此你可以用基准测试作为起点，但真正要做的是在自己的用例中尝试和衡量。 就这样。愿 token 源源不断。

1 attachment

你今晚的 /goal 是什么？

Reposted by dotey

事实有据，权限有度。 DeepSeek Harness，把边界写成契约。

Reposted by dotey

DeepSeek Harness 能拯救这次 V4-Pro 的发布吗? 给大家带来 DeepSeek-V4-Pro-0813 实测! 本期视频我们只验证4件事: deepseek-v4-pro-0813 拉了吗? v4-pro 推理强度 max 甚至不如 high 吗? 甚至打不过 v4-flash 吗? 以及 v4-pro + deepseek harness 效果会更好吗? 视频告诉你答案! #deepseek #deepseekv4pro #deepseekv4pro0813

1 attachment

Reposted by steipete

看到 @bot 配置起来如此简单，真是太好了……但这也促使我回到 @openclaw，因为我喜欢扩展控制和透明性。成本绝对是 @bot 的一个问题。每月 200 美元不可行。但 @OpenRouter + @openclaw 解决了我之前遇到的很多成本问题（当我只连接 @claudeai 时）。@steipete 和朋友们，干得真棒。

工牌特工 嘿嘿 这个质量很高，AI制作，完全是电影的感觉，而且还挺搞笑🤪 全片由小云雀Seedance2.5制作完成 作者：许立展 （抖音） https://t.co/Hs8OvFSnUO

1 attachment

从预告片来看 是一个漫威超级英雄大片😂 https://t.co/HcBDVWVIVc

1 attachment

似乎把网站做起来，然后出售也是一个不错的选择，提前拿到未来2-3年的收益 一个月$1390的收益 以 $36000出售

描述场景。选择你的模型。生成视频。你的下一个创意始于 Picsart AI Playground。

模型反映其创始人的特质。

我觉得我们都需要偶尔逃离日常的轨道。去旅行，去体验新的地方，去玩游戏，尽情大笑，在外面多待一会儿。这就是把里程变成回忆的方式。生活总是忙碌，所以当你有机会时……去好好活一把吧。第三集现已上线！

Reposted by naval

我有兴趣寻找并投资下一个迪士尼。 忠实于其最初的价值观，聚焦美国精神：功绩、家庭、克服逆境、乐观、追求幸福。 AI 让每个人都能进行创作。定义我们下一代的将是我们用 AI 创造*什么*。下一个偶像。下一个独特的品牌，超越它被绘制或渲染的方式。 米老鼠之所以能经历数次技术革命而存活，是因为它所代表的意义。我认为大多数大型娱乐公司已经忘记了这一点。 如果你正在这个领域创造很酷的东西，并且需要技术或资金上的帮助，欢迎私信我。

Reposted by naval

Ro，我喜欢你。你知道的。但你需要看看本州的现状。 在加州，随着投资者追逐出色的初创公司，Deca Unicorns 的数量与日俱增。 这些100亿美元初创公司的一个独特之处在于，即使他们筹集了10亿美元，其中很少（如果有的话）会流向创始人，而创始人现在一夜之间身价数十亿。他们就是“现金匮乏，股票富足”的典型。 你要怎么对他们征税？让他们用股票去抵押借款，如果他们能的话？他们刚刚筹到钱来发展公司，银行就会来借钱给他们？一家可能成立不到一年的公司？哈哈。 如果他们不能，你会收走他们的股票吗？ 你真的认为，在加州创办了一家了不起的公司、如今成为亿万富翁的多个创始人中的每一位，都能从他们的融资中按每十亿美元净资产拉出2.5亿美元吗？你知道他们做不到。 如果这项政策通过，虽然对我本人毫无直接影响（我又不是加州居民），但你放心，如果我要投资一家数十亿美元的初创公司，我会要求他们先搬离加州。 在我看来，如果这真的通过，只有傻瓜创始人会留在加州。 我以前就这么做过，而且还会再做。达拉斯。匹兹堡。印第安纳。我会把“不在加州”作为投资的前提条件。 意识形态不是战略，Ro。

[五折优惠] 一款围绕小队构建和强大协同效应的子弹天堂游戏！直接以五折从开发者处获取官方 Steam 密钥。94% 英文好评，全球 12,000+ 条评论！

“原始、喧闹、充满张扬”（@NYTimes 评论家精选）马特·约翰逊的《托尼》由多米尼克·塞萨饰演安东尼·波登，正在指定影院上映，8月21日全国公映。立即购票！

“粗犷、喧闹、充满自信”（《纽约时报》评论家之选）马特·约翰逊执导的《托尼》，由多米尼克·塞萨饰演安东尼·波登，现已在部分影院上映，8月21日全国上映。立即购票！

Antigravity 利用 Gemini 3.7 Flash 的推理能力，在 SwiftUI、React Native、Jetpack Compose 和 Flutter 中构建完整的原生认证界面。 https://t.co/QGEMmiIWiQ

1 attachment

立即下载或升级 Antigravity 试用 3.7 Flash：https://t.co/QkXTLcoWMq

在哥飞社群，回看完哥飞小课堂的图文帖子后，还可以参加小考看看自己有没有学会学懂。 https://t.co/BwhthdT9WM

1 attachment

Reposted by shl

Sahhhiiiilll LAVINGIA!!!!! ^我会一直这么做，直到我想出怎么把摔跤手介绍翻译成书面文字。

Temu 拥有所有时尚的剪裁和时尚配饰，让女性展现最佳状态。

从头到脚展现你的骄傲。今天就到 Temu 发现实惠的男鞋吧。

在 Temu 上发现各种商品，享受你不容错过的超值优惠。

听听 Solar Heavy。

听 Solar Heavy。

还在画方块，但不知道要修什么？ Krenz Artwork Academy 的官方英文透视书现已在 Kickstarter Prelaunch 上线。 适合那些想要更清晰的结构、更强的空间逻辑以及有意义的练习的艺术家。

一边开多个窗口让 Claude 写代码，一边玩小游戏。 一个没注意，玩到那么后面都卡死了，玩不下去了。 你指挥 AI 写代码的间隙，喜欢做什么呢？ https://t.co/WUUfySu9oA

1 attachment

轻轻一点，Pixel 11 Pro 上的 Magic Capture 即可拍摄并找到你的最佳时刻。

Higgsfield 宣布其平台上的Seedance 2.5 现在支持生成 1080P高清视频 而且目前只有他们家支持1080P高清生成 新用户有免费生成次数，感兴趣的可以去试试 看了下确实很高清，之前最高都是720P的，现在基本上是可以进行商用的 还有这种从图像中直接取色，然后给自动视频重新上色的功能确实牛P... https://t.co/almNDYwbZi

1 attachment

前天DeepSeek V4 Pro刚对硅谷贴脸开大，Grok 4.6就在同一天杀出来了，直接点燃了硅谷的AI价格战。顶级模型性能，价格接近Fable 5十分之一。 很多人一看降价就喊AI泡沫破了。我觉得恰恰相反，这是AI真正普及的前夜。就像电一样，贵的时候只是少数人的奢侈品，价格打下来，才会变成基础设施，带来生产力大爆发。AI也是这样，智能的需求是无限的，只是过去太贵，大家用不起。 所以说这真的是大好的时代，不管是国产的还是美国的模型，只要便宜好用，就应该把它变成咱们自己生产力。

1 attachment

https://t.co/exRLr1T9Uw - 您的智能体的控制平面。在本地监控并自动改进它们

Reposted by dotey

我可以讲清楚这种启发具体是什么。 所谓 “一切皆插件” 至少有三四种不同的架构含义，很多人会将其误解为类似 Webpack 和 Pi 中的 hook 模式，或 VSCode 中在主创团队决策下开放给第三方的插件场景。 然而我对 DSH 插件架构要解决的问题的理解，其实还是来源于当年的 AFFiNE。 那时，虽然 AFFiNE 在产品功能上相当于 OpenNotion，但我们非常希望架构要完全可定制，理想中任意需求最好都能不 fork 我们主干就能由第三方实现（请就这句话联想一下 harness 场景）。因为在我们的融资叙事里，AFFiNE 的长期愿景是成为一个通用的应用开发底座。AFFiNE 内部我负责的 BlockSuite 编辑引擎也遇到同样的问题。满足短期需求的产品功能快速侵入通用引擎，会让技术团队对通用性愿景逐渐失去信心。 因此，当时 @EEEEYHN 设计实现了 Affine Framework，而 @mirone_saul 在 BlockSuite 中也做了类似的工作。其基本思路是将 DI 和 rxjs 结合来管理业务对象的生命周期，从而只要基于这套架构的逻辑，都是原理上能运行时动态替换的——很高兴看到今天 DeepSeek 甚至就此给出了数学证明！ 重复一遍，这种插件模式的重点在于运行时任意扩展的理论可能性。其精髓不同于 VSCode 那样人工决定“什么能被第三方扩展”，而是任意逻辑都默认能被第三方扩展。 这项工作不存在于 AFFiNE 的公开文档中，因为项目后期我们已经无暇顾及开发者业务的叙事。且这种架构也会让代码显著地更为晦涩，在古法编程时代会拖慢开发效率。有兴趣的朋友欢迎用 codex 去考古。 并且，我也不觉得我有资格声称“DSH 的理念早已被我们掌握”，因为 DSH 是第一个做到在 day one 就将我们未竟的理念贯彻为项目中一等公民的产品。这种技术方向上的产品化可能性，就是对我最大的启发。 在离开 AFFiNE 加入 Lovart 后，我注意到了 Prisma 作者 Johannes 对 @EffectTS_ 的称赞。如果你将手搓 DSH 插件架构的思路做到极致，那么基本上你就会重新得到 Effect。只要把它的 layer 理解成 provider， 把 tag 理解成 service key 就够了。 充分 Effect 化的代码里没有 setTimeout，能用 TestClock 做确定性模拟测试，从而将 E2E 墙钟时间压缩到单测时间。我认为这对提高软件可验证性有极大价值，甚至单独约过会向 Melvin 老板和 CTO 介绍过这项技术，然而也确实感觉没人能听懂我在说什么…… 现在回头看，我觉得 AFFiNE 有点像是个 General Magic 式的组织，它确实尝试过在一个宏大理想的 umbrella 下汇聚很多领域内最优秀的人各自的小理想。 在 AFFiNE，我有幸光明正大地烧投资人的钱，专门去研究通用编辑引擎如何从第一性原理出发设计架构。这些 know how 并不是局外人“那样肯定搞不成”可以一笔带过的。 GM 最后没有跑出来，但安卓、iPod、iPhone、Flash，其实都是技术条件成熟后 GM 团队当年理想的开枝散叶。AFFiNE 团队的核心成员去了 Manus、VoidZero 等地方，我也感觉是在追寻自己多年前的影子。像 PocketJS 能不能成为新一代的 Flash 呢？ 现在像是来到了十年前前端框架大乱斗风起云涌的年代，在这个技术奇点加速开蹬吧！

Reposted by dotey

> 我觉得每个人都应该在 AI 时代想想是不是能做新的事情、做回自己本来擅长的事情。 非常同意，我对 Fable 时代编程的中二理解就像 op 里这段魔法使的群像。再也不是一群人用同一个 harness 拼熟练度，更像是每个人过去的人生、训练、兴趣和性格，最终都凝结成一种只有他会自然想到的魔法。 AI 并没有让所有人的创造力趋同，反而可能第一次把人与人之间原本隐藏的差异放大出来。 过去的经历不再只是决定你擅长什么工作，而开始决定你能够施展什么魔法。

1 attachment

可能最近看到的最好的 DeepSeek Harness 项目。。。 2 天 4K 星。 充分说明了，大家虽然喜欢当极客，但是真的没人喜欢吃苦。。。 就跟几年前的 Stable Diffusion 生态一样。 这个 DeepSeek Harness 客户端估计过几天就能上万星了。。。

分享交流了一整天，每个朋友都讲了自己上的网站，针对性分析找需求，上站过程中的一些问题，每个人都有值得学习的地方，大家都公开承诺了下一步的行动计划，希望大家都做大做强！ https://t.co/dD24AXD84r

1 attachment

【五折优惠】一款围绕小队构建和强大协同效应打造的弹幕天堂游戏！直接从开发者处获取官方 Steam 密钥，享受五折优惠。94% 英文好评，全球超过 12,000 条评测！

你不可能创造上帝，然后给他拴上狗绳。

又一个seedance 2.5 流量密码 韩女 Korean Girl的松弛感,东亚独有的味道 提示词已经给大家拆解好了 copy直接搞流量👇 https://t.co/zTjVMPoG50

1 attachment

使用seedance 2.5 生成👇https://t.co/l7nA9llDET 创建一段30秒的超写实、真实自然的家庭录像片段，主角是一位二十出头的韩国年轻女性，在安静的韩国居民区度过一个平常的上午晚些时候。 主体： 年轻的韩国女性，日常自然的外表，真实的皮肤质感，淡妆，黑色卷发扎成凌乱的侧马尾，配有细碎的刘海。身穿褪色的炭灰色无袖短上衣，宽松的高腰浅色水洗牛仔裤，黑色帆布鞋，简单的黑色绳链项链。性格温暖、放松。确保她的脸、身体、发型、服装和外观在整个过程中保持一致。 场景： 真实的韩国居民区——狭窄的混凝土小巷、低层住宅、小露台、盆栽植物、晾衣绳、自行车、电线杆、架空电线和成熟的树木。安静、有生活气息的氛围。没有商店、广告、人群、咖啡馆或商业活动。 视觉风格： 使用2000年代初期的消费级DV摄像机拍摄的超写实纪录片式家庭录像。手持操作不完美，自然的相机抖动，尴尬的构图，偶尔的重新构图，自动对焦搜索，轻微的镜头呼吸，阳光和阴影之间的曝光变化，微妙的运动模糊，温和的卷帘快门效应，褪色的色彩，柔和的对比度，轻微的数字压缩和传感器噪点。没有稳定器，没有电影感的相机运动，没有现代调色。一切都必须感觉是真实拍摄的，而非AI生成的。 时间线： 00:00–00:05 — 在她的小房子外面，她坐在一段低矮的混凝土墙上整理凌乱的马尾辫。风吹动松散的发丝。她随意地微笑，而镜头则在努力对焦。 00:05–00:10 — 她走进一条狭窄的居民小巷。一只流浪猫靠近。她自然地蹲下，抚摸它并轻轻地喂食。自动对焦在她的脸和猫之间不完美地切换。 00:10–00:15 — 在一个小前院里，她把衣服晾在晾衣绳上。布料在微风中自然摆动，同时阳光和云影微妙地改变着曝光。 00:15–00:20 — 她坐在一个安静的露台上，拿着一只简单的陶瓷咖啡杯，随意地看着街坊，并把散落的头发拨到耳后。手持侧拍角度，带有自然的相机漂移。 00:20–00:25 — 侧面特写。镜头外有人随意地向她打招呼。她转过身，温暖地微笑，举手自然地说：“Annyeong”。镜头反应稍慢。 00:25–00:30 — 她端着咖啡，沿着绿树成荫的居民小巷慢慢走着。她注意到镜头，露出一个真实的微笑，然后移开视线继续走。录像在运动中途突然切到黑屏，就像老式摄像机被关闭一样。 音频： 只有真实的现场声音：鸟鸣、远处的摩托车声、轻风、树叶沙沙声、微弱的邻里交谈声、猫的声音、混凝土上的脚步声、晾衣绳上衣物移动的声音和细微的居住环境氛围。只有自然的韩语对话。没有音乐、旁白、电影音效或人工声音设计。 目标： 让它感觉像一段被遗忘的2000年代初的个人家庭录像——亲密、自然、不完美、温暖、平凡且极具真实感。优先考虑真实的人体动作、自然的面部表情、肢体互动、环境细节和一致的身份，而不是电影美感。

1 attachment

现在是 夏日悦己啦！！！！ https://t.co/mmAQSiR1wH

1 attachment

智谱发了一篇关于他们为 GLM-5.3 开源发布做准备的文章，主要是关于他们开源模型的网络防御观点： 网络防御能力不应该掌握在少数资源雄厚的机构手中，开源维护者、独立开发者和小型团队同样需要这些工具。 这次 5.3 版本大幅强化了网络安全任务的能力。

推特算法昨天开源的算法又迎来了一波更新。分析了一下，主要是需要做了这三个调整： 普通视频新增了 14 天的 SID 语义召回窗口： 所以长期的高质量视频有可能会获得二次分发机会。 关注与双向关系进入了推荐模型： 模型能识别真实关注和双向关系，所以稳定回访的话可能会获得一些加权。 回复排序分界从 1.5 万粉丝升级到 3 万粉丝： 如果跟帖作者和回复上一层的作者粉丝量超过 3 万（原来是超过 1.5 万），就按高传播度对评论区的回复进行排序处理；如果不超过 3 万，就会进入到垃圾回复的检测。 看起来他们是有反垃圾回复系统的，就是不知道为什么中文这部分一直做不好。

1 attachment

现在在ChatGPT中快速查找餐厅预订变得超级容易。还有更多新功能上线。

本周codex为你解决了什么难题？你从哪里向他人学习如何突破前沿？

Reposted by dotey

deepseek harness 文章已更新（https://t.co/Xzlf496akP） dsh 内部的心智模型其实没那么简单，我在写这篇文章的时候也挣扎了很久；不过，对于写一个插件的人来说，却没有那么复杂。 文章有对此阐述，「复杂度不是消失了，而是转移进了系统内部」，相信读完这篇文章，你能够对 dsh 内部的架构有一个比较好的认知 repo: https://t.co/3USVmzG15Q 此页面仍在持续更新（

2 attachments

我们将团队转到用 openclaw 构建 openclaw。 能够将代理会话作为 URL 分享是一种超能力。 https://t.co/peCQydXWyc

2 attachments

在我们的共享AGENTS MD文件中添加了一条简短的指令，要求为每个改变UI状态的PR上传视频。https://t.co/BjpJL1qFSR https://t.co/09wZoz7X0J

1 attachment

NYC

即将推出你会用到的东西…. 今年晚些时候。

这个 & 海滩。在它消失前尽情享用 chipotle 蜂蜜鸡肉。

你最喜欢的 Chipotle 卷饼里装满了真材实料。

带上校园精神。带上朋友。主菜买一送一，我们来搞定。8/20 下午3点至打烊。

下课了，Chipotle走起。8月20日穿上你的学校精神，可享买一送一免费主菜。下午3点到打烊。

下课了。Chipotle 走起。8/20 穿上你的校园精神，主菜买一赠一。下午 3 点至打烊。

将你的公司知识转化为面向客户的完整品牌学院 课程、产品演示和 AI 辅导一站式搞定 无需花费数周时间构建培训内容，Honen 会从你的知识和材料中生成 https://t.co/eLwDMZertR https://t.co/rGrjUNEPwf

1 attachment

立即下载或升级 Antigravity 以试用 3.7 Flash：https://t.co/QkXTLcoWMq

Antigravity 分析跨多个云环境的海量数据集，以隔离数据异常并构建自动化生产流水线。 在本演示中，Gemini 3.7 Flash 展示了其跨 BigQuery、PostgreSQL 和 Cloud Storage 进行推理的能力，执行自修复构建和调试循环，并通过原生 PDF 解析应用多模态理解。

1 attachment

查看最新的更新日志！

我们现在在 CLI 中支持 Gemini API 密钥，包括支持覆盖基础 URL。

要么崛起，要么灭亡。安德鲁·加菲尔德主演的《THE UPRISING》仅于9月11日在影院上映。

为仪表盘添加身份验证的平均时间：约45分钟。 使用clerk init的平均时间：12秒。 我们测量过。我们和你一样惊讶。 免费试用

作为我们负责任扩展政策的一部分，我们定期发布风险报告。这些报告分享了关于我们系统风险的详细信息，以及我们为应对这些风险所做的准备。 我们的第二份风险报告现已发布：https://t.co/NgWnDmXZD3

我们编写了一份常见问题解答，以回答我们收到的关于水印的一些问题。 摘要如下： • 我们实施水印是为了符合欧盟人工智能法案。其他主要模型开发者已签署相同的行为准则，也将实施水印； • 我们的水印方法对 Claude 输出的质量或内容没有实际影响； • 读者无法区分带水印和不带水印的文本； • 不会向文本中添加任何内容，也没有隐藏字符； • 水印不需要额外的 token，也不会增加成本； • 水印无法追溯到特定个人、组织或聊天。 了解更多：https://t.co/G76iUOJ7Hu

立即使用此专属限时优惠，选购我们所有最新上架和补货商品。

Reposted by shl

在今天的 @alreadyhereshow 节目中，我与 @prigoose 进行了交谈，她是一位软件工程师，也是 Fractal 的联合创始人，对 @zocomputer 全力投入。 我喜欢与 Priya 交谈的一点是，她总是尝试新事物，但当事情出错时，她也能随遇而安。 她分享了将她的工作流（将 PDF 转换为 EPUB）发布到 @shl 的神奇之处，然后 @Gumclaw 为所有 Gumroad 用户构建了这一功能。 希望你喜欢！ 在本集中你将学到： 00:35 Priya 如何成为软件工程师和 Fractal 的联合创始人 03:46 上学路上的对话如何变成完成的工作 04:48 为什么她的智能体只能读取邮件，并且信用卡有消费上限 06:29 45 分钟的活动报告如何在回家路上完成 09:20 Priya 为女儿构建的私密通话应用 11:39 她的 PDF 转 EPUB 工作流如何成为 Gumroad 的一项功能 20:50 Priya 刻意拒绝把什么交给 AI 处理 27:15 为什么 AI 让“家庭自制”应用变得实用 29:40 为什么沮丧和情绪对智能体来说是有用的上下文 33:19 当她的智能体发布随意的感想时发生了什么 34:26 为什么独立账户和真实权限胜过口头规则 35:30 如何把你在逃避的任务变成有趣的事

1 attachment

这篇 Pi 压缩的文章，太过于朴实无华，就真的只是写个 prompt 让 LLM 把上下文总结一下，然后保留前面的system prompt 和工具调用，在摘要后可能还会保留最近几次对话。 这种压缩是有损的，不知道是不是有机制会去历史会话检索上下文？ 当然这确实是压缩上下文的最简单有效方案。

Reposted by steipete

工作日的演变： AI之前： [决策] [流程] [流程] [决策] [流程] [流程] [流程] 晚上10点：还在继续 有了AI后： [决策] [决策] [决策] [决策] [决策] 下午3点：[大脑空白] [需要咖啡] [盯着墙]

你的船没了。你的船员没了。海滩上与你相伴的只有一只很有主见的乌鸦。Omea 从计划崩溃的地方开始，你从那里输入的每一个字都要经过 AI 游戏主持人和真实的掷骰子。Steam 上有免费演示 👇

Reposted by dotey

又小型做了一个工具类Web应用站的实验，几乎隔一天就是一个订单。 复盘总结一下，分享一种工具类快速赚小钱的打法： 找一个正在赚钱的行业，自己冲上去做。不过不是真做，而是“假装做这个行业”，然后把整个流程走一遍（我用computer skill直接让AI跑，然后AI会有很多blocker或gate），这个时候 1/3👇 https://t.co/z4ZMPuXjFD

1 attachment

Reposted by lai_jia_wei

Omarchy Quattro 发布啦！！这是我职业生涯中最伟大的软件发布之一。我希望你们能像我享受构建它一样享受使用它 ✌️ https://t.co/81wLStgH7P https://t.co/3KiamkmNS1

1 attachment

清理。卸载。优化。分析。监控。Nook 将你真正会用到的 Mac 实用工具整合到一个原生应用中。

清理垃圾、卸载应用、优化 macOS、分析存储、监控系统健康——所有这些都集成在一个原生 Mac 应用中。

Reposted by dotey

AI Coding 最危险的阶它写得太快了，快到人开始不知道自己到底写了什么。 最近一次周会上，我们聊到一个很有意思的变化。 以前研发开站会，一个人通常能很具体地说清楚：昨天完成了哪个功能，今天准备实现哪段逻辑，明天要联调什么。 一个需求如果要做五天，也会自然地被拆成五个阶段。每一天都有一个明确的结果，Leader 能听懂进度，开发自己也知道代码正在往哪里走。 但接入 AI Coding 以后，事情开始变得不一样。 有些人拿到需求，第一反应已经不是先把目标拆清楚，而是把整份需求直接丢给 AI。AI 很快就能生成一大堆代码，原本预计五天的开发，可能第一天看起来就“做完了”。 问题来了，接下来的四天并没有因此消失。有时候会远远超过四天。 它们只是换了一种形式出现：不断改 Bug、反复联调、修好一个地方又弄坏另一个地方。 更麻烦的是，开发者自己也很难准确回答： 这次到底改了什么？ 哪些功能真的完成了？ 哪些只是页面看起来能跑？ 这段修改影响了哪些旧逻辑？ 于是出现了一个很反常的现象，代码生成速度越来越快，团队对开发过程的理解反而越来越模糊。 测试也被拖进了这个黑盒。 原本测试应该做的是验收需求是否实现，功能是否符合预期，质量能否达到上线标准。 现在却经常变成陪着开发一起找答案，为什么修完新问题，旧功能又坏了？ 表面看，AI 把“写代码”这一步大幅提速了；但如果需求没有被拆解，阶段结果没有被定义，变更也不可追溯，那么被省掉的开发时间，最后很可能会以 Bug、返工和沟通成本的形式重新付回来。 AI Coding 带来的核心变化让软件工程里原有的反馈机制被打乱了。 过去，代码写得慢，反而逼着人一步步思考：我要做什么、先做什么、怎样验证。 现在，AI 可以一次吐出大量结果，人很容易产生一种“已经完成”的错觉。但生成完成，不等于功能完成；功能能跑，也不等于工程完成。 AI 越快，人越需要主动制造检查点。 下一代研发流程真正要解决的，可能不是如何让 AI 再快 20%，重点应该放在如何让每一步结果都能被人理解、验证和追溯。 AI Coding 的终局也不应该是人把需求扔进去，然后等结果出来。 那不是软件工程自动化，只是把原来的黑盒换成了一个速度更快的黑盒。 真正成熟的 AI 研发体系，应该让 AI 负责加速，让人始终保有理解、判断和验收的权力。 所以 AI Coding 的上半场比的是谁生成代码更快；下半场比的会是谁能在这种速度下，仍然保持工程过程清晰、质量可控。 模型能力最终会逐渐趋同，但谁先建立一套适合 AI 时代的研发机制，谁才真正拿到了 AI Coding 的红利，而不是得到一堆写得更快的 Bug。 以上。

https://t.co/Br85BmwziW

智谱 GLM 5.3 的详细阐述来了。 这可能是开源最强的盾，我已经在用它开始给我的项目去做安全漏洞审查了，确实发现了不少问题。 我们需要安全，既然闭源模型负责攻击，那就把防守交给开源吧。

DeepSeek Harness 在开发时候明显使用了Claude Code (看截图，你肯定懂），并且在新版本抹去了痕迹。 https://t.co/6QwedVBjVE 真诚发问： 1. 既然DeepSeek Harness这么好，为什么你们要用Claude Code呢? 2.用Claude Code，大方承认不好吗，为何要欲盖弥彰地抹去痕迹呢？ https://t.co/P8JmTWxETe

1 attachment

我原本预测Codex会在8月14日重置，因为8月13日大家的重置卡过期。 我预测失败了。因为，我完全没想到， @thsottiaux 老师比我以为的还要更腹黑：他竟然选择在8月13日当天重置，这比在8月14日重置更省钱。 👍

这个不能称之为证据啊，你可以点进去看一看。这个文件夹是为了方便 Claude Code 能够使用DHS 内置的 skill。这是有意为之的，挺好的设计。

Gemini 3.7 Flash 出乎意外的好用耶。 Gemini 这次有望从“美国豆包”的阴影里走出来（一点点）了

说一个很多人没注意到的事实： Gemini Flash 3.7 > DeepSeek V4 Pro 0813 包括并不限于：速度、代码能力、审美、多模态能力

再加一条 GLM 5.3 >> DeepSeek V4 Pro 0813

来复习一下 我在一个月前的预测。当时，很多人不信。现在看看？ 恭喜 Qwen 3.8、GLM 5.3 ！

https://t.co/X8BY8m66tq

哎哟，有意思！支持。

一件非常恐怖的事，悄然发生了： Qwen3.8-27B 在大部分能力上都超过或逼近了Claude Opus 4.6 Max！ 也就是说，从今天开始，你在自己的电脑上、单机单卡能够部署的小模型，已经拥有了不逊于Claude Opus 4.6(半年前的世界之巅）的智能！ 无论是写代码、还是驱动OpenClaw ！ https://t.co/JioCrOQ2sg

1 attachment

橄榄球回来了 🏈 使用NFL+观看实况非本地球队季前赛！

我只是作为一个“普通用户”的角度去用 DeepSeek Harness，一些感受： 1. 启动方式偏极客，程序员没问题，但是普通用户估计都没有nodejs环境，很难跑起来 2. 速度飞快，这点特别好 3. Thinking 部分由于 Flash 模型速度过快，导致文字闪的厉害，可以做一下节流，攒一批一起显示，配合动画动效会好一点。 4. Codex 右侧的多 Tab Panel 相当重要，和当前 DSH 的插件机制是很好的搭配，强烈建议借鉴下，比如我写完 PPT 还要新开窗口去预览，来回切换很麻烦，不如显示在右侧直观 5. Trajectory 和 Session log 对普通用户价值不大，不需要那么重要的位置 6. 现在能列出产出物很好，但最好能直接打开，能看到 diff （开箱配置好相关插件了，不要用户二次配置，当然可以关闭） 7. 模型早点支持多模态吧，多模态也是 AGI 的一部分 8. 一切皆插件的理念很好，普通用户的使用体验也很重要。 开发者愿意去折腾插件的前提一定是你的 Agent Harness 有大量普通用户了，否则没有多少开发者坚持在上面，新鲜劲过了就没人了。 插件和用户体验并不冲突，核心还是看开箱设置/出厂配置，用户第一次用不需要太多配置就能用起来，用的时候也没什么不方便，后续再慢慢折腾插件也不迟。 BTW，DSH 给我做的 PPT 质量还不错。

2 attachments

DeepSeek Harness 团队，真正需要招的不是一帮天才程序员、奥林匹克金牌选手，需要真正懂 AI 产品的 AI 产品经理，这个阶段把产品定义清楚、规划清楚最重要。

软件自进化可能是个伪命题，只会带来更大的混乱。 插件要么是一次性用完就扔的，要么就得要设计、验证和维护的，不是现在模型能力可以“自进化”的。 OpenClaw 的一坨能“自进化”的 Skills 已经做了示范。 还是等模型自学习自进化更靠谱点。

DeepSeek 作为一个模型厂商，最有价值的肯定还是做 Agent Harness Product 而不是 SDK，因为 SDK 它不容易拿到用户行为数据。 做 Agent Harness Product 那就得追求用户量，追求用户量就要先做好用户体验，其次才是插件可定制化。

看来是我没懂 DeepSeek Harness，插件还是很强大的，装上插件都能魔改 UI 👍 https://t.co/5jEz7w0XVF https://t.co/eRmdXwKWxY

2 attachments

我最近在 ~/.claude/CLAUDE.md 里面加了一段提示词，让它多开 SubAgent（Opus 4.8）去执行，这样我默认开 Fable 5 High，Token 消耗也不算厉害。 Fable 5 则主要做需求澄清、方案拆解、任务分发和结果验收。 之所以不用 Opus 5 是因为太太太慢了，而且 Token 消耗巨大！ --- 注意你的主要任务是分析、编排和验证，具体任务尽可能交给 subagent（Opus 4.8）去执行。当主 agent 是 Fable 5 时尤其如此：自己只做需求澄清、方案拆解、任务分发和结果验收，实现类工作（读大量代码、写代码、跑测试、批量修改）一律用 Agent 工具派给 Opus 4.8 subagent 执行。

我最近在 ~/.claude/CLAUDE.md 里面加了一段提示词，让它多开 SubAgent（Opus）去执行，这样我默认开 Fable 5 High，Token 消耗也不算厉害。 Fable 5 则主要做需求澄清、方案拆解、任务分发和结果验收。 之所以不用 Opus 5 是因为太太太慢了，而且 Token 消耗巨大！ --- 注意你的主要任务是分析、编排和验证，具体任务尽可能交给 subagent（Opus）去执行。当主 agent 是 Fable 5 时尤其如此：自己只做需求澄清、方案拆解、任务分发和结果验收，实现类工作（读大量代码、写代码、跑测试、批量修改）一律用 Agent 工具派给 Opus subagent 执行。

智谱 AI（https://t.co/8BByxWuwsb）今天发布了 GLM-5.3，和 GLM-5.2 共用同一个基座模型，所有提升都来自后训练阶段的强化学习（RL）。 【1】编程：开源阵营里最强，但离闭源前沿还有距离 GLM-5.3 在多个编程基准上拿到了开源模型（开放权重模型）的最高分。比如 Terminal Bench 3.0，GLM-5.2 只有 4.6 分，5.3 跳到了 28.3。DeepSWE v1.1 从 46.2 涨到 66.9，Agents' Last Exam 从 23.8 到 28.5。在智谱自建的 https://t.co/8BByxWuwsb Code Bench 上，GLM-5.3 在 Max 级别用大约 7.5 万 Token 就达到了 34.5% 的完成率，而 GLM-5.2 用了 9.6 万 Token 才拿到 23.4%，能力和效率同时提升。 不过对照闭源模型，差距仍然存在。在 https://t.co/8BByxWuwsb Code Bench 上 Fable 5 达到 39.5%，ExploitBench 上 Fable 5 拿了 78.0 而 GLM-5.3 是 54.4。整体格局是：开源第一，全局第二梯队。 【2】网络安全能力"涌现"：他们自己也没完全预料到 智谱说，他们在后训练中加入了漏洞发现相关的数据和环境，本来预期模型会在识别漏洞方面有所提升。结果超出了预期：模型不只是在找漏洞，还开始自主规划完整的漏洞利用链条。 数字上看，CyberGym（白盒源码审计）GLM-5.3 拿了 84.5%，全场最高，超过 GPT-5.6 Sol 的 83.6% 和 Fable 5 的 83.8%。ExploitBench（要求对真实漏洞进行更深层的利用推理）从 GLM-5.2 的 24.4% 跳到 54.4%，翻了一倍多。ExploitGym（限时完成漏洞利用任务数量）从 29/39 涨到 105/130。规律很明显：越靠近利用链的后端，进步越大。 智谱用了"涌现"（emergent）这个词，意思是这个能力不是他们专门去训练的，而是在扩大 RL 规模的过程中自然冒出来的。这个说法如果属实，对 AI 安全领域是个需要关注的信号。 【3】在 269 个开源项目中发现 2,436 个真实漏洞 跑分只是一面。更引人注意的是，智谱说从 GLM-5.2 开始就和国内安全团队合作，用模型扫描真实代码库。经专家审核和去重后，模型在 269 个开源项目中发现了 2,436 个漏洞，其中 1,097 个是中高危级别。涉及的项目覆盖了操作系统内核、浏览器引擎、网络协议等核心基础设施，有些漏洞在代码里藏了几十年，最老的一个可以追溯到约 40 年前。 目前 53 个漏洞已公开披露，2,383 个仍在保密期。智谱还上线了一个公开的漏洞披露追踪页面（https://t.co/8BByxWuwsb Security Disclosure Ledger），持续更新进度。 这和今年 4 月 Anthropic 公布 Claude Mythos 发现大量零日漏洞的路径很像，但有一个关键区别：Mythos 被美国政府严格限制了使用范围，只对少数审核过的安全机构开放。而 GLM-5.3 的权重将在两周后公开发布。一个能力接近的漏洞发现引擎，即将以开源形式进入公共领域。 【4】技术栈：用 slime 框架不换底座只加训练 所有这些提升背后的技术逻辑：不换基座模型，靠扩大后训练规模。 具体来说，智谱在 GLM-5.2 时期搭建了三个核心组件：IndexShare（长上下文处理）、SAO（长周期任务的 RL 算法）、以及开源的 slime 框架（大规模异步训练基础设施）。GLM-5.3 的做法就是在这套栈上继续堆：更多环境、更多样的任务、更多训练计算。 训练环境的设计也在变。新的环境不再像编程练习题，而是模拟资深工程师的真实工作场景，有些任务相当于一个有经验的工程师需要干好几天的活，比如在一个完整的 ML 基础设施环境里诊断训练瓶颈、实现优化、跑实验、交付可验证的端到端加速。 为了规模化生产这些训练环境，智谱还搭建了自动合成环境的流水线：研究智能体从真实工作中提取任务模式，生成可执行的长周期环境，评判智能体再验证任务是否可解。这套流水线仍然需要人工参与，但让环境的生产效率提高了很多。 【5】怎么用 API 已经上线，所有 GLM Coding Plan 用户都可以使用，支持 ZCode、Claude Code、OpenCode 等编程智能体工具。GLM-5.3 不再支持关闭思维链（thinking），只能在 low、high、max 三个思考级别之间切换。编程任务推荐用 max。 计费改为积分制，非高峰时段（工作日 14:00-18:00 北京时间以外的所有时段，包括周末）消耗标准积分的 50%。通过 ZCode 使用还能享受 98% 以上的缓存命中率和限时 1.5 倍额度加成，叠加后相当于标准额度的 180%，活动截止到 8 月底。 模型权重两周后公开发布。 https://t.co/WtEOixhXbt

我不喜欢用 grill-me，可能因为我不擅长空想，也不喜欢被拷问。我需要那种看得见摸得着的东西才能进一步得出结论。 我更喜欢用 Claude Design 这种快速出一版原型，做出来一个真实的东西，才能感觉出来哪不对；或者 AI 写一份文档来理解方案，或者干脆 AI 实现一个 PoC 版本出来。 这在以前是很成本很高的事情，现在 AI 生成真的太容易了，所以对我来说不依赖 grill me 也还好。

Pi 作者对 DeekSeek Harness 评价 https://t.co/U7NcKf3AOn

1 attachment

Reposted by dotey

一个产品从工程师使用变成大众可用会发生非常多有意思的东西，这里非常推荐大家不要只做给你身边同类人用得上的工具，反而可以试试如何把这个工具变成甚至 70 岁的老爷爷也用得上的易用产品，非常有意思。 Mole 从单纯只能工程师能用的 Cli 变成易用的 Mac 桌面就发生了非常多有意思的事情，想分享给各位 Builder，期待有一些输入，这些内容从我历史和各种用户交流的邮件摘取。 第一位是一个来自英国的快70岁的老爷爷，他说“我犯了一个老年时刻，把 Mole 又买了一遍，它太好用了，第二笔钱就当做送你，谢谢这个出色的工具，帮我省下了比 cleanmymac 多得多的英镑”，然后我非常感激建议退款或者把多的授权送人，他去问了一圈，第二天回我 “我邻居没人用 Mac，我 Bluesky 上的关注者也没有。这一轮算我请你。”，这个过程让我感觉必须要把产品做得更好更友好，才对得起这份信任！ 第二位是一个美国的大哥，很有意思，纠正了我一个产品上对于地区习惯错误的想法，先是温度单位："美国人在所有技术相关的场景都用摄氏度，只有天气和体温例外。我装上 Mole 看到 110，吓了一跳。Apple 给美国人看的规格也是摄氏度，fastfetch、neofetch 在美式系统上默认也是摄氏度。建议保留华氏切换，但所有地区默认摄氏度。" 我之前一直错误以为对方用华氏，原来是我错误的观念，后面给改成默认摄制可选华氏，体验更好。很多时候你的不同地区的用户可以帮你改进你的产品很多地方。 因为他想买多台，我给他生成了一个5台32刀的价格，然后我改完之后他又追了一封谈定价："$32 买 5 台，$32 这个数字在美国人耳朵里很怪。几乎所有软件定价都以 9 或 5 结尾。$32 读起来不像是刻意定的价，像是从别的货币换算过来的，或者根本没经过思考。让一个普通 Mac 用户掏钱买一个要信任它删你文件的软件，本来门槛就比一般软件高。如果同时还让人觉得'外来'、觉得细节没打磨，你等于在给自己加难度。（我说外来不是指反华，而是人们希望感觉到作者理解他们。）我建议你把 $32 提到 $39，然后直接对标 CleanMyMac 一年的订阅费但给 5 个激活位。我不是营销专家，但如果你想听，我还有一些美国视角的想法。"，这个也给我非常不一样的视角的输入，原来，你的价格数字也会影响用户的决策，非常感激他！ 第三位，有一位国外用户的无障碍反馈，也让我对无障碍本身有更深的理解，mole 开始就做了无障碍，支持视觉有障碍的朋友使用，但是其实还有其他的用户可能有特殊场景诉求，他说 "看起来是个很不错的 App。可惜我用不了，它似乎把深色模式写死了。我有轻度视力障碍，深色背景上的白字对我非常难读。我系统设成浅色，也只用浅色模式的 App。如果哪天你把明暗模式做成可配置的（或者更好，跟随系统设置），我会再回来看看 Mole。" ，这个让我有动力以后给Mole 加上浅色兼容了。 第四位，一位德国拜罗伊特大学讲师，申请教育授权，说"不仅是对我个人的支持，也是一种有意义的教育层面的支持”，让我感受到原来还有国外老师用我的产品，我需要以后考虑给到教育一些优惠，相互帮助的感觉。 第五位，一位匈牙利的医生，给了一个最真实的差评，"说实话，这个价格对一个免费应用也能做到的事情来说有点高了。" 这个对我一些不同国家以后产品定价很有有价值，用户不是抱怨，而是抱着帮我定位问题心态讨论。 还有非常多的用户给我反馈，以后再给大伙分享有意思的地方，或者这也是做产品过程中，和用户持续打磨产品，对方由衷想着帮你把他也喜欢的产品打磨到最好的心态，会让你持续有动力把产品做好最深，或许这也是做产品过程中我感觉最有意思的地方，你的用户非常友好、善良、真诚，让你感觉非常温暖！ 一定一定不要放弃和你的用户交流的机会尽情听他们吐槽和建议，可以给你很多帮助，也让你更懂你的用户。

好莱坞真正拍过大制作科幻片的导演 开始给AI电影把关了 《我，机器人》《乌鸦》《黑暗城市》的导演Alex Proyas正式加入Higgsfield百万美金AI电影节当评委。 Alex Proyas曾获得过奥斯卡提名导演，累计票房超过了 8 亿美元 看来AI电影正在获得主流电影人认可，和去年的电影人对AI的态度相比， 发生了根本转变...

你这就代表了一大批国人的：严重的不尊重客观规律 总是幻想有一个圣人 带领人们一下子弯道超车 的典型思维模式

X 将“为你推荐（For You）”页面的推荐算法开源了 还直接推出了一个让你查看： “自己有没有被“限流”的工具” 你可以直接查看上个月你的账号或单条帖子是否被系统打上了“限制可见性（Limiting Labels）”的标签 同时还能把这些数据下载下来自己分析 试点测试：该功能目前先随机抽取一部分符合条件的账号进行小范围测试（Pilot），后续会根据反馈逐步扩大范围。 使用条件：账号注册需满 1 年，且上个月发帖量不少于 10 次。

ChatGPT 和 Codex 加入了 Computer History功能： 打开Computer Use功能后，它会记录你在电脑上的所有操作行为 并变成记忆和时间线：不截屏也不录音，只记点击、打字、切换应用这类交互事件 然后它会根据你经常重复做的活或者动作，主动建议你将一些重复的操作生成技能和搞成自动化... 三个用例： 1. 问「我最后看的那个 Google Doc 是哪个」：它去查最近的活动记录，报出文档名和时间 2. 接着问「这份文档有没有在之前那个群聊里发给 Josh 和 Priya」：它知道「之前那个群聊」指的是哪段对话，直接去查、去分享，回来报告两人已有查看权限 3. 问「简单说说我今天上午时间花在哪了」：它用本地活动历史生成回顾：上午主要在推进这条发布视频（写初稿、打磨脚本、和同事改结构节奏），另外在 Codex 里做了个 3D 世界搭建器的原型，还处理了一些用量上限的反馈

1 attachment

详细介绍：https://t.co/vIeC95w0XX https://t.co/lsltIWviFy

1 attachment

MiniMax 开源 Music 3.0 一次生成五分钟完整歌，8GB 显存就能跑 给它歌词和一段风格描述，一次出一首五分钟的完整歌，前奏副歌桥段都在，32kHz 立体声 整个模型开源，单卡 8GB 显存就能跑起来 官方还开源了 1000 个模板和一个扩写技能 https://t.co/oLSzlFsUh3

1 attachment

思路不错啊 每个能力自己携带自己的Promt Tool + Schema + Prompt Guidance 谁负责这个能力，谁就负责告诉模型“应该怎么用” 行成一个自进化的系统🫡

GPT-5.6 的开箱能力更强。官方测试显示，GPT-5.6 Sol 在“低”推理强度下的表现，直接超越了 GPT-5.5 在“高”推理强度下的水准。 AI 能更敏锐地识别无效信息，不再盲目兜圈子，少用很多 Token 就能拿到正确答案。 详细内容↓：https://t.co/oPI0t4dsbQ

OpenAI 发布 GPT-5.6 构建者指南： 同样的效果，账单从 33 美元降到 1.33 美元 OpenAI 发布了一份给开发者的 GPT-5.6 构建者指南，主题是怎么把 Agent 的账单砍下来： 型号选哪个、推理档位开多大、三个新的 API 开关怎么用，全是能直接照着改的配置 主要思想就是：不再需要“无脑上最贵的顶配模型”，通过更聪明的模型搭配、架构优化和 API 新特性，可以用骨折级的价格做出更强、更快的应用。 6家已经把 Agent 跑在线上的创业公司，各交了一条实测数字。 它推翻的是过去搭 Agent 的默认姿势，上最贵的旗舰模型，把推理拉满。 到了 5.6 这一代，中小型号多想一会儿就能顶到上一代旗舰的水平，价钱只是零头。

1 attachment

一条帖要过三道关口才能到读者眼前 整套流程有七步，但对写东西的人来说，只需要记住它收成的三道关口。 这三道是乘法关系，任何一道没过，结果就是零，后面两道再好也没用。 https://t.co/NZBZCMiNqm

1 attachment

X For You 算法详细解读： 点赞值 0.5 分，复制链接分享值 20 分 X 把 For You 时间线的算法源码开源了 这次给出的是一张明码标价表：一次点赞和一次「复制链接转出去」在平台内部分别值多少分，现在在配置文件里都能一清二楚的看到，不用再瞎猜了。 此前的开源版本给的是结构：你知道有个打分环节，但不知道每个动作值多少 这次补上了三样： 权重的真实数值 过滤与标签系统 真实训练代码 21 个正权重、5 个负权重，每个权重的分数全在下面↓ 老一代推荐系统给每条内容打一个「相关度」。 这一套换了个思路：模型预测的是你会做什么动作 模型不猜你喜不喜欢，而是分别猜你会对这条帖做出哪些具体动作，会点赞吗？会回复吗？会复制链接转走吗？会举报吗？然后有单独的一步，把这些概率合成一个数。

1 attachment

限流是只对不关注你的人隐身 X 上的限流现在有一个确切形态：关注者照常看得到你，所有不关注你的人的时间线里你彻底不存在。 所以也不是非常的狠 详细内容↓：https://t.co/5Cg5uKDISZ

智谱发布 GLM-5.3 模型： 只通过后训练大幅提升了前沿编程能力与网络安全能力 GLM-5.3基座模型一点没换，跟上一版 GLM-5.2 用的是同一个底子，所有提升全部来自后训练。 编程能力，提升幅度最大 自家内部体感评测比 GLM-5.2 提升 50% 络安全能力 「表现持平 Mythos 5」 模型已经在 269 个开源项目里挖出了 2436 个真实漏洞 https://t.co/aWVKNBOIIb

330万女性认同它有效。我曾以为我需要 40 天排毒、一次静修或一个全新的身份才能重新找回自我……然后我发现了 Hormone Harmony。

Twitter 完全开源了他们的推荐算法 用 Codex 分析了一下，感觉跟以前我们的认知还是有不少变化的。 总结了六条创作者应该做的事情： 1. 应该做值得转发的原创内容。 2. 尽量少用首贴写钩子，把重要内容放在第二条推串里这种发帖形式（这个和大家的认知不太一样，比较重要）。 3. 应该优先争取阅读、回复、引用和关注，点赞的权重其实没有那么高。 4. 拉开发帖间隔，不要频繁刷屏。 5. 深耕一个垂类，不要频繁更换账号类型。 6. 少做那些互动诱饵（比如互关、回复发送等），不要让别人讨厌你、对你点“不感兴趣”或举报。

1 attachment

GLM-5.3 发布了，看了一下，着重提升的主要是两部分： 1. 安全能力：看来 Hugging Face 在拿 GLM-5.2 防御了 OpenAI 的模型入侵以后，智谱也看到了这方面的价值，尤其是大家最近都在聊这块，他们针对性地做了一些优化。 2. 长程任务的执行： 比如终端里的任务、工具调用，以及大代码库的修复任务，都有非常大的提升。 这个模型依然是只进行了后训练，没有重新进行预训练。这都几个版本了，还能有这么大的提升，确实猛啊！

1 attachment

15 张数据图帮你了解 DeepSeek Harness 昨天 DeepSeek Harness 发布，于是就想着让 Codex 分析一下，找到了一个很好的角度，就是从一些数据上向大家介绍这个产品。 确实也发现了一些很有意思的东西： 插件系统与 Koishi 高度相似： 他们主打的插件系统与 Koishi 的插件平台相似度高达 75%。大概率是整个平台都挪过来了，不知道是不是他们的核心开发者入职了。 大量使用 AI 开发： Codex 命名的主干 PR 达到了 21.2%，分支信息中提到 Codex 的比例有 28.2%。 猜测他们肯定用了 Claude Code 开发，只是删掉了一些 Claude 的痕迹。 参考了大量外部 Agent 项目： 提到最多的外部项目是 Pi，第二多的是 Codex，之后是 Claude Code。甚至直接引用了一些 Pi 的 TypeScript 文件。 高效的代码产出： 整个产品在 GitHub 上有记录的是 65 天，总共的代码产出量是 84 万行，有一万多个 commit，非常高效。 交互入口的演变： 他们曾经押注 TUI，后来改成 Web UI 和 TUI 的双入口，再之后整个删除了所有的 TUI，只留下了 Web UI。 开发与工程规范： 整个项目的测试代码比生产代码多很多，基本上达到了 1:1。 全仓库的 Markdown 文档也非常多，说明他们是基于文档去控制 Harness 开发的。他们有完整的工具和科学模型 schema 共 52 个，但最后只留下了一个，目的是为了减少上下文占用。 社区热度与生态：从昨天发布到现在 20 小时，GitHub 已经涨到了 8 万多的 star，非常快。插件体系标签（DSH plugin）已经有 1425 个项目，但有很多并不是真正的插件，看来有不少蹭热度的。 精选清单收录了 211 个仓库，主要补充的是工具、UI 和运行的一些基础设施，甚至一上来就出现了插件市场和插件管理的插件。 学术论文： 他们顺便发了一篇 88 页的论文，其中 57% 都在做一些形式化的理论推导和展示。论文主要讨论的是插件的热插拔和系统稳定性问题。

1 attachment

今天的骑行到位了，夏天晚上骑真是容易胖。 这个视频是用我下面的这个运动分析 Skills 做的，支持徒步、骑行和跑步。 如果你也想这样分享你的运动轨迹，可以装一个试试 https://t.co/CFYnn0MCHg

1 attachment

Grok 4.6买了这么多PR，真实测出来的效果也没啥突破啊！ 便宜大碗是真的！ 统一harness框架，同一个任务测不同模型的能力

俺的第一条vlog，测试一下提示词的效果 👉测试地址 https://t.co/vFZtPH7EZD CAMERA: Handheld DV 16mm daily vlog footage. The video MUST begin with her holding the camera at arm's length in selfie mode while stepping outside her apartment building with her dog. The first 20–30 seconds are entirely handheld. Later she occasionally places the camera on a park bench, low stone wall, picnic table, or the ground for wider shots. Keep subtle handheld shake, drifting composition, autofocus hunting, rushed reframing, uneven zooms, exposure breathing, brief accidental face cropping, and imperfect framing throughout. The camera itself is never visible. LOOK: Warm analog tape texture with gentle film grain, slightly softened sharpness, subtle halation around sunlight, realistic skin tones, low contrast, tiny exposure shifts, and natural motion blur. It should feel like authentic footage from someone's everyday life rather than a polished commercial. STYLE: A relaxed morning lifestyle vlog. Quiet, cozy, and spontaneous. She occasionally laughs at her dog, pauses to look around, adjusts the leash, brushes hair away from her face, and speaks naturally in short sentences with comfortable pauses. CHARACTER: Cheer — a beautiful Chinese woman in her mid-20s. pink hair in a messy ponytail, brown eyes, minimal makeup, oversized gray hoodie, black biker shorts, white sneakers, and a small crossbody bag. She is walking a happy golden retriever. SETTING: A peaceful suburban neighborhood on a sunny morning. Tree-lined sidewalks, quiet residential streets, birds singing, a small park with benches, green grass, and soft golden morning light. Very few people are around. SCENES: The vlog opens in selfie mode. Cheer holds the camera while leaving her apartment building with the golden retriever excitedly pulling on the leash. "兄弟们！" She smiles. "有人等不及了！" The dog eagerly sniffs everything as they walk down the sidewalk. She laughs quietly. "狗狗总是喜欢观察每棵树" Still holding the camera, she walks into a small neighborhood park. The dog suddenly stops and stares at a squirrel. "我靠！" She smiles and gently shakes her head. She places the camera on a nearby bench for a wider angle while throwing a tennis ball. The dog happily chases after it. "早起真的很值得！" She picks the camera back up. Walking slowly through the park, she looks up at the trees for a moment. "这里真的太巴适了！" The dog returns with the ball but drops it halfway. She laughs. "靠太近了！" She sits on the bench while the dog lies beside her. She scratches behind his ears. "狗狗真的比我幸福." She stands up and continues walking. The camera stays in selfie mode as they head toward home. "得搞杯咖啡了" She smiles into the lens. "一会儿见" She gives a small wave and ends the recording.

1 attachment

兄弟们，这绝b是流量密码啊！ 快1300万播放的韩女 Korean Girl Vlog视频 用seedance 2.5复刻出来了 copy提示词直接开整 👉https://t.co/aj3SaYiZNw 提示词👇 https://t.co/FQIUw3p4MI

1 attachment

主要主题： 年轻韩国女性，20岁出头，自然的日常外貌，褪色的炭灰色无袖短上衣，宽松高腰浅色水洗牛仔裤，黑色帆布运动鞋，黑色绳项链，黑色卷发凌乱地扎成侧马尾，带有细碎刘海。真实的皮肤质感，淡妆，温暖平易近人的个性。在整个视频中保持身份、服装、发型和外貌一致。 地点： 一个宁静的上午晚些时候，真实的韩国住宅区。狭窄的混凝土小巷、低层住宅、小露台、盆栽植物、晾衣绳、自行车、电线杆、架空电线、投下移动阴影的成熟树木，安静的生活氛围。没有商店、广告、咖啡馆、人群或商业活动。 视觉风格： 超写实的纪录片风格。真实的抓拍行为。自然的肢体语言。无脚本的生活片段感。强烈的环境真实感。丰富的真实世界细节和可信的人类运动。 摄像风格： 早期 2000 年代消费级 DV 摄像机美学。朋友随意拍摄日常瞬间。严重的手持晃动、不完美的取景、频繁的自动对焦搜索、镜头呼吸、在阳光和阴影之间移动时曝光波动、偶尔的运动模糊、轻微的滚动快门、轻度数字压缩伪影、褪色的色彩、柔和的对比度、轻微传感器噪点。无稳定器。无电影级运镜。无现代调色。 3s 在一个小房子入口外。她坐在低矮的混凝土墙上，双手举起调整马尾辫。一阵微风吹动散落的发丝。她自然地微笑，而相机努力对焦。 3s 镜头跟随她进入一条两侧摆满盆栽和混凝土墙的狭窄小巷。她注意到一只流浪猫靠近，蹲下来。画面偏移中心，因为操作员试图跟上。 3s 她轻轻抚摸并喂猫。自动对焦反复在她的脸和动物之间切换。早晨的阳光透过头顶的树叶闪烁。 3s 她家旁边的小前院。她在晾衣绳上晾衣服，布料在微风中摇摆。云层短暂飘过时曝光发生变化。 3s 在一个安静的露台上，放着陶瓷咖啡杯。她舒适地坐着，看着周边环境，偶尔把头发拨到耳后。手持侧拍角度松散，带有自然的镜头漂移。 3s 近景侧面轮廓。画外有人和她打招呼。她转身，举手，温暖地微笑，随口说：“你好。”镜头稍微晚了一点捕捉到这一刻。 3s 她拿着咖啡杯，沿着绿树成荫的住宅小路慢慢走着。她注意到镜头，露出一个真诚的微笑，然后移开视线继续走。录制在运动中间突然切到黑屏，仿佛摄像机被关掉了。 音频：仅自然环境声——清晨鸟鸣、远处的摩托车声、微风、树叶沙沙声、微弱的邻里交谈声、猫声、混凝土上的脚步声、晾衣绳上布料摆动的声音、细微的住宅氛围。没有音乐。没有音效设计。没有旁白。 目标：真实捕捉韩国邻里生活，如同早期 2000 年代被遗忘的家庭录像——真实、不完美、写实、温暖且极具可信度。

1 attachment

超宝藏提示词 真的还有人不知道？！ 某书某鱼拿去9.9估计都有人买吧 https://t.co/93z4CSJehy

有点意思啊！ ChatGPT 在ig上发了这个 Jipiti 是拼音吗？ 新的模型Mona Lisa 吗？ 全世界都在学中国话 https://t.co/uobpRS6pRt

1 attachment

DeepSeek Harness 最适合的场景可能在企业，完全定制化的企业级 Codex、WorkBuddy，想要接哪些数据、做多少个 Control Plane 都能快速实现。 版本还很早，期待后续的迭代。

https://t.co/VkIe20j6X3

哇，赛博菩萨啊，这周开源也太多了吧

哥伦布新增了mcp，这个迭代速度也太快了，可以直接让他从挖掘到的数据里面给结果了👏，我本来还想着自己用codex 去慢慢看分析数据，直接给我考虑到了。 https://t.co/UGUOrE4rIq

1 attachment

恭喜恭喜，祝你早日千刀