howie.serious

统计数据

502

文章

0

粉丝

0

获赞

2967

阅读

1个月前

google drive 没有官方的MCP，而各家llm厂商实现的版本差异巨大。 chatgpt 实现的版本，非常好用，很强大。（洞穿我的一万多md笔记，指哪打哪。我让chatgpt综述诸葛亮相关内容，连《阳光开朗孔乙己》里面的一句歌词都rag出来了🤣） claude 实现的版本，能运行，但是同样的prompt却基本检索不到多少内容。都叫google drive connector，但是二者天差地别。记录一下。避免大家在此掉坑。

#Google Drive #MCP #ChatGPT #Claude #Connector

1个月前

今晚 7 点，《内驱式学习》作者做客刘润直播间。欢迎观看👏

#刘润 #直播 #内驱式学习 #知识分享 #积极

1个月前

chatgpt可能这辈子都不会支持本地mcp了。所以，要想让chatgpt打通个人知识库，用这个方案吧（2025年11月版）： - 把你的上万条md笔记（Logseq库、Obsidian库）加入google drive的同步文件夹； - 在chatgpt中设置好google drive connector； - 使用 chat connector：对话时勾选google drive作为source/知识库； - chat with 你的个人知识库。这个方案，plus和pro会员都可以用。

#ChatGPT #个人知识库 #Google Drive #Connector #md笔记

1个月前

读书这件事，最需要的是“晒太阳” 一起来晒一晒 10 月份的阅读时长吧。可以提醒到自己，记住这个基准线：每天读书一小时（一年平均下来）～毕竟，咱们现在生活在短视频时代，10 亿短视频用户人均视频 150 分钟的时代。匀出 60 分钟看文字、读书，不过分。

#读书 #阅读时长 #短视频时代 #晒太阳 #每天读书一小时

1个月前

一个值得聊的有趣问题：哪家公司会第一个宣称“正式实现 AGI”？是在哪一年？抛砖引玉：我感觉很近了，不超过一年半。可能是 openai，或者是 anthropic。可以到 polymarket 上赌个一块钱的，哈哈

#AGI #OpenAI #Anthropic #Polymarket #人工智能

1个月前

twitter，可以是娱乐的，可以是学习的，可以是认真专业的，可以是随性分享的… 但不应该是用来恶心人的。🤣 （最近使用 twitter 有感。大家多用用屏蔽词和 block 功能吧）

#Twitter #社交平台 #用户体验 #内容质量 #屏蔽

1个月前

twitter 屏蔽关键词➕1：___mind 实话说，我有两点实在想不明白： 1、一个产品，找一堆营销号发一堆劣质营销文案，创业者真的会觉得这有说服力吗？用户为产品支付金钱、时间和注意力，会被明显收钱打广告而被说服吗？如果盲目以曝光度为 kpi，真的对产品好吗？ 2、注意力，人的注意力，用户的注意力，虽然不花钱，但是比钱更宝贵。用劣质营销信息铺满用户时间线，有点对不住潜在的用户。只要产品真的好，真实用户就会发自内心宣传，这才是真正有效的。 1 不会让读者讨厌， 2 对产品创作者也好， 3 内容发布者也不会因此被 block 掉。实在受不了时间线被污染到这个程度，加了屏蔽词，block 掉一些号。现在清净多了🤣

#Twitter屏蔽 #劣质营销 #用户注意力 #产品质量 #负面情感

1个月前

#暴论 chatgpt atlas这类（无缝、有机整合顶级LLM的）ai浏览器普及后，80%的文章是不需要一个字一个字人脑阅读的。我们需要的是信息，是有效的思考。用人脑一点点加工提炼、组织、构建基础层面的信息，低效且毫无必要。 ai浏览器，会让人脑的思维运作在更高抽象层级、更有效的模式。简称 super mode 🤣

#AI浏览器 #ChatGPT #信息效率 #Super Mode #LLM

1个月前

chatgpt pulse推送到web端了。这种“信息流定制agent”，实际上是一个高频刚需。对高质量的、私人定制的信息需求，是一个真实的、有经济价值的需求。每个人每天早上都应该收到一份这样的私人定制日报。 pulse的方向很好，但是目前这种curation agent仍然处于非常早期的摸索阶段。期待2026年全面普及，质量和效果进一步提升。

#ChatGPT #Pulse #信息流定制 #私人定制日报 #早期摸索阶段

1个月前

如何用一条prompt 来综合分析10000条笔记？如何用一条prompt 来综合分析你过去一生积累的10000篇阅读材料（文章、网页、视频、电子书、tweet）？以前不可能，但是，2025年的ai，让这个过程毫不费力，行云流水。明晚8点，【AI知识管理】专题直播，用2个小时，分享ai时代的个人知识管理道法术器一揽子方案。

澎湃AI新闻合辑：未来科技与社会热点交锋· 112 条信息

#AI知识管理 #prompt分析 #个人知识管理 #AI时代 #效率提升

1个月前

chatgpt的8亿周活用户中，有0.15% 的人会讨论自杀（包含潜在自杀计划或意图”）。相当于，每周有100多万人会和chatgpt讨论自杀话题。

#ChatGPT #自杀 #心理健康 #人工智能伦理

1个月前

今天推上应该有不少关于这个flowithOS的信息。我后知后觉，刚用上。我对browser agent（名字叫os，但感觉就是浏览器。OS应该是某种metaphor）目前的可用性是持否定观点的（我更看好claude code这样的filesystem agent，来作为通用agent）。但benchmark很厉害，也看到有人说真的很厉害，那还是要开放心态，亲自试一试。我有5个邀请码，直接贴出来，有兴趣的朋友自己拿去试试～ OS4J9EH2E9 OS9HE8WL93 OSHS6DVKIB OSPNDKCCER OSDZXUAUQA

#flowithOS #Browser Agent #可用性否定 #邀请码 #benchmark厉害

1个月前

微信生态的“墙国”本质，在ai浏览器上格外刺眼。在app里搞封闭，一般一般，国内平台都这么搞。但是，都已经到开放互联网了，都是http链接了，形式上开放（有link，浏览器可访问），实质上仍是封闭的。🤣 解决方案：用readwise reader这类的插件。这些工具都是web的，剪藏后，ai浏览器就可以处理。

#微信生态 #墙国本质 #AI浏览器 #封闭性 #Readwise Reader

1个月前

把全部人类知识压缩进一个有限模型中，即使模型再大，也注定遗失大量、有用的知识和技能。而最新的agent skill功能，可能就是解决方案。这篇文章有两个内容： 1️⃣ 上周直播的笔记； 2️⃣ 本周四直播预告，点击链接预约～

Claude Skills系统发布引发AI行业新变革· 66 条信息

#知识压缩 #Agent Skill #直播预告

1个月前

分享一个 ai 浏览器的典型use case：减少在slop信息上的注意力浪费只要是有transcript的视频内容，配合上特定的prompt（最好用shortcut/快捷键一键召唤），会极大提高视频内容消费的速率和效果。加速。加速的信息消费，加速的学习。好事还是坏事？好事。网络上大量slop级别的信息（80%的podcast和视频是根本不值得浪费人类attention的），有了ai浏览器，问题就迎刃而解了。有限的人类注意力，留给20%真正值得的内容。公众号、小红书、抖音……所有简中互联网都需要这样的工具。

#AI浏览器 #信息过滤 #注意力 экономия #效率提升 #简中互联网

1个月前

希望 LLM agents 也能在两年内上演AI视频的进步。 ai视频的实例 benchmark：威尔史密斯吃面。提一个agents 的实例benchmark：丢给agents 一个英文epub，它能给你返回一个中文epub。内容质量和细节上要达到出版级别，超过人类译者和出版工作者的工作质量。

#AI视频 #LLM agents #Benchmark #威尔史密斯吃面 #中文epub

1个月前

安装一个MCP，就可以用一条prompt，完成对个人阅读库全部内容中任意主题的信息综合 ===Ilya Sutskever：AI之神的思想全景=== 一、人物背景与成就学术轨迹 Ilya Sutskever（伊利亚·苏茨克弗，1985/86年生）是俄罗斯裔以色列-加拿大计算机科学家，被誉为"AI之神"。他的学术经历堪称传奇： 17岁开始跟随 Geoffrey Hinton 工作 2005年获多伦多大学数学学士学位在 Geoffrey Hinton 指导下获得计算机科学硕士和博士学位 2012年博士后于斯坦福大学，师从 Andrew Ng 里程碑式贡献 AlexNet（2012）：与 Alex Krizhevsky 和 Geoffrey Hinton 共同发明，开启深度学习革命 Sequence-to-Sequence Learning（2014）：奠定现代自然语言处理基础 OpenAI 联合创始人（2015）：担任首席科学家 GPT系列：ChatGPT 和 GPT-4 背后的核心科学家超级对齐项目（2023）：致力于解决AGI安全问题二、核心技术理念 1. 预测即压缩（Prediction is Compression） Ilya 最深刻的洞察之一： "预测的本质就是压缩。要想很好地预测数据，你最终需要理解产生数据的真实底层过程。" 这个观点颠覆了人们对"统计模型"的浅显理解：学习统计规律远比表面看起来重要要压缩好数据，就需要理解产生数据的世界当生成模型变得极其出色时，它们将拥有**"令人震惊程度的理解力"** 2. Scaling Law（规模法则） Ilya 早期就预见并坚持规模化的重要性：关键观点： "规模化什么"比"是否规模化"更重要深度学习的伟大突破在于：它提供了第一个能够生产性地使用规模并从中获得回报的方法你必须规模化一些特定的东西——那些能够从规模中受益的东西历史预见： 2017年就预见算力每年10倍增长将带来革命性变化坚持认为大型神经网络能够实现人类的瞬时认知能力 3. Transformer 的革命性认知 Ilya 回忆说，看到 Transformer 论文后： "字面意义上第二天，我就清楚地认识到 Transformer 解决了循环神经网络学习长期依赖的局限性。" 这种敏锐的洞察力让 OpenAI 从一开始就选对了技术路线。 4. 无监督学习的圣杯 Ilya 在 OpenAI 早期探索的核心理念： "预测下一个词就是你所需要的一切（Predicting the next thing is all you need）" 当时无监督学习被视为机器学习的圣杯，而现在这个问题已经被"完全解决"，以至于没人再谈论它了。三、对AI理解的深刻洞见 1. AI不只是统计模型 Ilya 强烈反对简单地将语言模型视为"统计模型"： "我认为学习统计规律是一件比表面看起来更重要的事。预测也是一种统计现象，但要预测好，你最终需要理解产生数据的真实底层过程。" 关键论断：预训练模型已经知道它们需要知道的关于底层现实的一切它们拥有关于语言的知识，也拥有关于世界中产生语言的过程的大量知识随着生成模型变得异常出色，它们将拥有对世界及其微妙之处的令人震惊的理解程度 2. 幻觉问题的本质对于AI的"幻觉"问题，Ilya 有独特见解： "语言模型确实有幻觉倾向，但那是因为语言模型很擅长学习世界，但在产生良好输出方面稍逊一筹。" 这揭示了：幻觉不是理解力不足的问题而是输出生成机制的问题可以通过强化学习来改善四、AGI愿景与AI发展阶段 1. AGI的定义与必然性 Ilya 对AGI（通用人工智能）有清晰定义： "一个能够完成人类所做的任何工作或任务，但做得更好的计算机系统。" 为什么AGI是必然的？ Ilya 的逻辑极其简洁有力： "我们所有人都有一个大脑，而大脑是一个生物计算机。那么，为什么数字计算机不能做同样的事情呢？" 这是Ilya对AGI最核心的信念基础：人类智能 = 生物计算机（大脑） AI = 数字计算机因此，AI终将能做人类能做的一切 2. AI发展的三个阶段根据 Ilya 的讲座，AI发展分为三个阶段：第一阶段：预训练时代核心能力：系统一（直觉、语言、常识）状态：已经走过第二阶段：Self-Play RL（强化学习自我对弈）核心能力：系统二（反思、推理、计划）状态：正在进行中代表：o1等推理模型第三阶段：Multi-Agent RL（多智能体强化学习）潜在突破：可能涌现自我意识？逻辑：模型需要区分不同agent的角色（你是谁、他是谁）推测：这可能导致"我是谁"的自我意识涌现 3. 数据限制与范式转变 Ilya 在2024年的重要判断： "数据是AI的化石燃料，预训练时代即将结束。" 关键洞察： "我们只有一个互联网"——数据有限大模型只是一个静态知识库天然无法支持continuous learning（持续学习）未来方向： Agent 合成数据推理时计算从"知识消化者"到"主动学习者"的进化五、对人类的建议：AI时代生存法则 1. 心态：接受现实，向前看 Ilya 分享了他在动荡一年后的人生智慧： "接受现实本身，不沉湎于过往的悔恨，专注于改善当下。" 为什么这很重要？人总易纠结于过去的错误、不幸或不公更有效的方式：认清现状，思考"接下来最优的行动是什么？" 承认：这是"与自身情绪无休止的较量"，他自己也很难做到 2. AI不可回避 Ilya 引用托洛茨基的名言做类比： "你可以不关心政治，但政治会关心你。同样，你可以不关心AI，但AI会关心你。" 现实：今天的AI已经相当大地改变了世界明天的AI将能做人类能做的一切（不是部分，是一切）不论你喜欢还是讨厌，你的生活都会在很大程度上被AI影响和塑造 3. 唯一的答案：就是用AI（Simply Using AI）面对"该学什么技能？选什么专业？"这类问题，Ilya 的回答出人意料地简单： "唯一的答案是：就是用AI（simply using AI）" 为什么？培养AI直觉：通过使用最好的AI，你会培养出对AI能力的直觉不会错过突破：AI在不断突破，只有通过使用，当突破时刻到来时你才不会看不到实践胜于理论： "读再多论文，了解再多AI信息，也比不过亲自使用、亲自体验、用双眼亲自看到。" 产生能量：关注AI能力，当关键时刻来临时不忽视它，这将产生必要的能量来克服AI带来的挑战 4. 最大的挑战与最大的回报 "AI带来的挑战是人类有史以来最大的挑战。克服它也将带来最大的回报。" 六、关于AI安全与伦理 1. "玩上帝"的自觉 Ilya 对AI的伦理维度有清醒认识： "科学家们被指责玩上帝已经有一段时间了，但在某种真实意义上，我们正在创造一些与我们迄今为止创造的任何东西都非常不同的东西。" 2. 超级对齐项目 2023年，Ilya 宣布共同领导OpenAI的"超级对齐"项目：目标：在4年内解决超级智能的对齐问题判断：即使超级智能看起来还很遥远，但它可能在这个十年内发生背景：他与OpenAI管理层在AI安全投入程度上存在分歧，这是他最终离开的原因之一 3. AGI军备竞赛的隐忧 Ilya 公开质疑： "AGI军备竞赛对人类是好还是坏？" 七、思想演变的轨迹（2014-2024）通过十年邮件和演讲，我们可以看到一位顶尖科学家思想的一致性与演进： 2014年：提出大型神经网络能实现人类瞬时认知能力 2017年：预见算力每年10倍增长带来革命 2019年：深入阐述"预测即压缩"的理念 2023年：关注超级对齐与AI安全 2024年：指出"数据是化石燃料"，预训练时代结束一致的主题：对大模型和规模化的坚定信念对AGI的长期愿景从未改变同时对AI局限性保持清醒从"知识消化者"到"主动学习者"的进化路径八、关键语录精选关于AI本质 "预测即压缩" "要预测好，必须理解产生数据的世界" "大脑是生物计算机，所以数字计算机能做人类能做的一切" 关于AI发展 "很难谈论语言模型的局限性，因为两年前人们自信评论的局限性，现在完全不一样了" "规模化什么比是否规模化更重要" "我们只有一个互联网" 关于人生智慧 "接受现实，不悔恨过去，专注改善当下" "与情绪的持续斗争" "就是用AI——这是唯一答案" 关于AI理解 "预训练模型已经知道它们需要知道的关于底层现实的一切" "它们将拥有令人震惊程度的理解力" "幻觉是因为语言模型擅长学习但不太擅长输出" 关于AI挑战 "AI是人类有史以来最大的挑战，克服它也将带来最大回报" "你可以不关心AI，但AI会关心你" "我们正在创造与以往完全不同的东西" 九、对终身学习者的启示从 Ilya 的思想中，我们可以提炼出几点对终身学习者的启示： 1. 保持技术敏感度不是学具体技能，而是培养"AI直觉" 通过使用最好的AI来保持对前沿的感知 2. 拥抱不确定性 AI的局限性随时可能被打破今天的"不可能"可能是明天的"理所当然" 3. 深入理解本质不满足于表面的"统计模型"解释追问"预测为什么有效""压缩意味着什么" 4. 向前看，不纠结接受现实，专注当下最优行动不与情绪和过去拉锯 5. 保持好奇与哲学思考 "什么是学习？什么是经验？什么是思考？" "大脑如何工作？" 从哲学高度审视技术问题十、结语 Ilya Sutskever 不仅是一位技术天才，更是一位有着深刻哲学思考的AI思想家。他的贡献不仅在于具体的技术突破（AlexNet、Seq2Seq、GPT系列），更在于他对AI本质的深刻理解、对未来的准确预见，以及对人类在AI时代如何自处的真诚建议。他的思想核心可以用一句话概括： AI终将能做人类能做的一切，而我们需要做的就是理解它、使用它、驾驭它——同时保持对其力量的敬畏和对人类未来的责任。从某种意义上说，Ilya 代表了AI研究者的理想形态：技术上激进但不盲目，对未来乐观但不天真，对风险警惕但不停滞。他十年如一日的坚持和预见性，让他成为当之无愧的"AI之神"。最后，用 Ilya 自己的话作为结束： "关注AI，留意它，然后产生能量去解决随之而来的问题——这将是主要任务。从某种意义上说，AI带来的挑战是人类有史以来最大的挑战。克服它也将带来最大的回报。" --- 本综述基于 Ilya Sutskever 在多个公开演讲、采访和学术论文中的观点整理而成，涵盖他从2014年至2024年的思想演变。数据来源：多伦多大学毕业演讲、NeurIPS演讲、Guardian采访、Eye on AI采访、维基百科等公开资料。

#Ilya Sutskever #AI发展阶段 #AGI愿景 #AI安全伦理 #AI时代生存法则

1个月前

推荐吴恩达老师 ai学习平台上的《RAG原理》课程虽然大部分人只是使用ai工具，但由于RAG过于重要，所以理解原理是很有必要的。就好像我们只是使用google搜索引擎，但是理解 how google works 很重要。如果不在概念和原理层面形成深入理解，很多人会对工具无感，觉得google百度没啥区别。最终导致对技术的麻木和漠然。这样的原理课程，价格免费，时间上每天一课五天听完，投入很低，但是对于以后我们自己做ai时代个人知识管理（通过obsidian/logseq实现个人知识库的rag、与chatgpt等llm整合打通）非常有必要。我听完了2课，但已经可以严肃推荐了。五星级课程，强烈推荐～

#吴恩达 #RAG原理 #AI学习 #个人知识管理 #推荐

1个月前

中山公园（中南海和天安门之间那个）的音乐厅最近有很多音乐会。在北京的，有孩子的，推荐周末去听听。中山公园特别漂亮，毕竟一直是明清皇家祭祀场所。下周末有老舍的《四世同堂》，票价也很便宜。公众号可买票。推荐地铁去，带身份证，出入分别有两次安检，属于一直麻雀都不能飞出去那种密不透风的安检🥲

#中山公园 #音乐会 #老舍《四世同堂》 #北京周末亲子活动 #安检

1个月前

把这6个chatgpt atlas快捷键，每个按10遍，形成肌肉记忆！然后，你会发现，ai浏览器的操作体验会特别爽，（tab和bookmark等能隐藏的都隐藏，atlas是极简视觉风格的浏览器）操作效率也是极大提升。（随时召唤 ask chatgpt功能、显示隐藏chatgpt sidebar）（atlas的快捷键很多，都在菜单栏。对于任何软件，我习惯先筛选出最重要的五六个快捷键，然后按出肌肉记忆来🤣，大家可以试试这一招）

#ChatGPT #Atlas浏览器 #快捷键 #操作效率 #AI浏览器

1个月前

google 的 ai summary，竟然是 RAG。这是我没想到的。没这么想过。🤣 正在学的RAG课，每天一课，五天学完。我知道RAG很基础，ai圈说了两年说烂了。但我就是觉得基础的老生常谈的东西也得了解更多细节更多原理。反正不要钱，每天听一点试试呗

谷歌Deep Research：AI操作系统雏形？· 145 条信息

#RAG #Google AI #AI Summary #技术学习 #免费课程

1个月前

最重要的其实是第四货币：注意力。谁能控制自己的注意力，谁就能拥有时间，掌握知识，创造财富。可惜，现实是，人们最不把注意力货币当回事。尤其是简中互联网。注意力收割是最严重的割韭菜，最恶劣的牛马驯化计划。

#阶层固化：求变之路，殊途同归· 976 条信息

#注意力 #简中互联网 #收割 #牛马驯化 #时间

1个月前

人生，是一种“去执念”的艺术。没有什么，真正属于“我”。一切在于，“我”的体验。

#人生 #执念 #体验 #感悟 #放下

1个月前

学习，是知识的导数；Learning = d(Knowledge)/dt 知识，是学习的积分。Knowledge = ∫ Learning dt 补充：学习决定知识的增长速度，而元学习（learning how to learn）决定知识曲线的“加速度”。

#学习 #知识 #元学习 #知识增长 #加速度

1个月前

猜测一下chatgpt后面的产品走向： - 既然已经可以共享project了，用户都有icon了，那得有用户头像啊； - 有了用户头像了，得有用户页面吧； - 还得有follow功能； - 不如再加个chat功能，毕竟叫chatgpt嘛，用户之间也可以chat才能叫chatgpt！ - 算了，再做一个twitter吧； - 嗯，再把sora接进来打通！ 🤣

#ChatGPT #产品走向 #社交功能 #Sora #Twitter

...