howie.serious

统计数据

620

文章

0

粉丝

0

获赞

7925

阅读

2天前

不懂就问：为什么时间线上最近一周内铺天盖地的 skills？（这是去年 10 月发布的功能。英文区现在也很少讨论。为什么忽然集中井喷了？）跟字节的 coze 在一周前推出“技能”功能有关联吗？

2天前

多年前扔出去的“共同富裕”回旋镖飞回来打到了自己身上

2天前

想到个“一句话笑话”：农村冬天室内有多冷？上厕所撒尿，雾气腾腾。（已经记在小本本上，回北京讲给家里小学生听，哈哈）

2天前

听了几十年德国战车，第一次知道歌词在港什么🤣

2天前

“小林家一斤豆腐变馊了。” 和家里小学生聊写作，聊文章如何开头，如何写出符合其目的的第一句话，多了一个素材，哈哈我在 logseq 里面积累了很多这样的素材。老父亲为了和孩子建立感情，笨鸟先飞，还得靠平时有心哇。

4天前

教育的目的是为了让学生不需要老师。教培的目的是为了让学习只需要老师。一个是把学生送走，一个是把学生留住：获客，复购，商业伦理层面的悖论。

4天前

typeless 最佳配件来了：dji mic 🎙️ 实测：全程只需小声whisper，不用声带发声，不会影响到周围任何人，完美识别～ typeless+ djimic，软硬结合，打造 2026 年语音输入完美方案。便宜实惠就选 dji mic mini，一步到位就选 dji mic 3。只有一个就随身放包里，两个都有就一个放家里一个放公司。完美！我的typeless 推荐链接（$5 credit for Typeless Pro）：

4天前

暴论：从 ai 落地、创造价值的角度，大多数人真正需要的，是 context，而不是 agent 和 agent skills。 2026年个人层面的 ai 落地，需要深刻领会、贯彻落实这个基础概念：context。 ai 是需要记忆系统的。context engineering、关于个人 context 的完整方案，就是要解决 ai 记忆系统中个人化长时记忆模块的问题。

5天前

sndk 两周前 280，从 ces2026 老黄演讲后，两周内涨到 500。背后的结构性动力，是推理和 agent 范式对 context 数据的存储需求。让懂 ai 的人，先得到经济回报🤣

5天前

可以这么说吗： gemini 在教育和学习上，一方面有优势，另一方面有决心，有愿景！👏 --- 在 gemini app 里面，竟然可以直接进行模拟考试？😲 目前支持 SAT 模拟考。但扩展到更多考试类型，也是自然而然的吧。去测试一下把 prompt： > I want to take a practice SAT test.

6天前

不论是读红楼，还是水浒，哪怕是西游记，到处都是打拳的。到微信读书的笔记区域逛一逛，就能具体直观第一手观察到中国人口出生 795 万的原因了。打拳，性别对立，经过外部力量这些年的一系列塑造（部分网络视听媒体流量至上主义的“精彩”选题也是其中之一），对一些人已经是“入心入脑入魂”了。这种认知是很难逆转的。以后人口数据大概率更惨。

6天前

中国教育，是“全方位防自学”的。不止教材防自学，学校防自学，市面上的教培也防自学。学校防自学，是自身利益与学生学习效果无关，没有改善动机。教培防自学，是自身利益太相关，也没有改善动机🤣（以海淀为例，每节课 800-1000，学生不会学习，一节一节交费上课，利益太重了）唯有 ai的利益，和学生、家长的利益是不冲突的，是利益相关，双方共赢的。学生学习效果——家长付费使用 ai 的意愿——ai 厂商的收益，这个机制是对的。（用 ai 帮家里小学生备考 amc8，忍不住感叹 ai 帮助节约的费用实实在在是以万元计量的。ai 所能提供的帮助，是学校和教培都不愿、且无法提供的🤣）

6天前

继 chatgpt 之后，claude 也打通 apple health 数据了。全面利好 apple watch 用户。从 15 年初代 apple watch 用到现在，全家人都用。但这些数据一般人不太能用起来，现在，和前沿 llm 打通之后，每个 apple watch 用户都会拥有一个最懂你的“私人 ai 医生” 例如，每天早上，chatgpt 就提醒你：最晚你又晚睡啦，再这样，心梗猝死概率提高 xxz 🤣 （目前内测，美区用户当小白鼠，预计很快我们就能用上了）

1周前

用一个实例说明：2026，为什么要开好几个前沿 ai 的会员？ use case：在给孩子准备数学竞赛。在整理错题、分析错题原因、结合错题+考纲+难度设计针对性练习这件事上，看起来每个模型都能输出很多内容，但对比之后就会发现，gemini 3 pro 的表现最好，claude opus 4.5 和 gpt 5.2 都不理想。更不要说几何类题目必须得用多模态的 gemini 3 pro了。 --- 这种差异，必须要有对比才能看出来。否则你会以为 llm 做不了这个use case。或者以为这就足够好了。 “不知道自己不知道”（不知道换个 llm 就不一样了），这才是最可怕的。我跟娃说，备考这件事上，gpt 和 claude 都已经被我开除了🤣

1周前

筛选优质信息的能力，在 2026 年，变得无比昂贵。强烈感受：我情愿每天读几篇高质量文章5678 遍，也不愿看铺天盖地 ai slop 一眼。高质量文章，会丰富和滋养你的大脑。ai slop，只会让你的大脑蒙上多一层脑雾。如果觉得逛推时脑子反而更雾了，应该停下来，好好思考一个问题：我是如何判断信息质量的，又是如何筛选信息的？ --- 来，在评论区分享你筛选信息的经验和技巧。我先抛砖引玉： 1、阅读一定要记笔记（logseq、readwise reader） 2、先 llm 总结（用符合认知原理的ai 阅读 prompt，而不是 summary）；然后筛选出高品质文章，带着问题，围绕关键词阅读原文； 3、建立自己的阅读 database（针对投资、ai 学习等 high value use case）

1周前

compute，是 AI 时代的终极杠杆。案例？ openai的数据：过去三年，compute 每年增长 3 倍，收入也同步每年增长 3 倍。 openai的总结：our business model should scale with the value intelligence delivers（商业模式应该与 AI 交付的价值一起扩展）。背后是 openai 的增长飞轮：compute——前沿模型研究——产品——商业化。启示？ compute，在 ai 时代，是最基础的位置。对 openai 如此，对你我这样的个人，可能也是如此。（最近在家庭教育、帮孩子备考编程竞赛和数学竞赛时，全面引入 ai，自建 ai 学习系统，深有感触）进入 ai 时代，你有多少compute，你就能创造多大的价值。对比之下， ai 之前，人受限于一个大脑，有限的智能水平，有限的时间、精力、注意力、大脑处理能力。行动？每日琢磨：2026 年，如何把自己对顶级 llm 的 token 消耗量，较 2025 年提高 10 倍，最好 100 倍。🤣

1周前

46 年前的老片《闪灵》，竟然要全新“震撼上映”🤣 还有 imax 版。有点想去看。在 imax 上二刷，应该体验不错，哈哈（为了提振电影消费，电影局也是拼了）

1周前

随着 8 美金 chatgpt go 会员的正式推出，chatgpt 会员现在分为 3 档了。在各大 llm 厂商中，chatgpt 是第一个推出“廉价”会员的。chatgpt 大约有 4000 万 plus 会员，20 万 pro 会员。现在，go 会员能增加多少付费用户呢？ 2026 ，ai 发展的最大问题是llm 能力和实际落地之间的鸿沟。所以，2026 也是 ai 应用落地的关键之年。靠“廉价会员”能促进 ai 落地吗？先打个问号。

1周前

792 万，比预期的还要低。这下出生率是妥妥是世界倒数第一了。超过韩国日本了。

1周前

if “以流量为目的”， then 不论是做产品还是做内容，不论是ai 主题还是其他主题，最终只有一条路： slop。当然，“以流量为目的”的人不在乎slop 。ta 专门生产 slop。

1周前

做了一套国内自媒体上很火的 amc8 真题， 2025 年的。 25 道题，40 分钟，一题一分，只得了 19 分。后面五题根本来不及做。而国内自媒体为什么会觉得 amc8 是给小学五年级的？这明明是给美国八年级水平学生的竞赛试题啊，为什么到国内就变成小学五年级的了？我完全不懂，教培和这类“教育自媒体”，为什么要不顾学习者的认知规律，强行上难度，提前上难度，而且搞得领先美国学生 3 年是很正常的似的？如果父母自己不做真题，不躬身入局，只会掏钱给孩子报培训班，那真不如不鸡。

1周前

2026 目标养成的新·年度习惯，就是它👇

1周前

最近中文推的“内容同质化”愈演愈烈，程度愈发严重。有简中互联网那种“热搜”化的趋势：“三天一热搜”，热搜话题占据几乎全部流量。所有人都发同一个话题，看不到信息的丰富度、宽广度和质量维度。好无聊🥱🥱🥱

1周前

马斯克这个月的打钱，确实比以前多了一倍。

1周前

2026 年，向 ai 要价值的方法，我总结为一句话：向“ai 系统”要价值。是的，相对于 2025 年的路线纲领，我就加了一个概念：“ai 系统”。逻辑非常简单： 1、“ai 生产力公式”：ai 时代的有效产出 = 人类洞察（human insight）x 上下文（context engineering）x 模型智能（model intelligence） 2、2026 年的“ai 落地鸿沟”，不是模型智能不够强（而是过剩🤣），不是人类没洞察(每个人都有或可以有自己的热爱与擅长)，而是人类用户与 ai 之间有一个 missing link：context。 3、logseq，就是解决 the missing link 的一大神器。本文分享我的 logseq 实战经验，一篇文章，几千字，总结2 小时直播的核心观点。请按需阅读～大周末的，加上我懒，就不在 twitter 上重新排版了，有需要的请移步小破号阅读～

...