宝玉

统计数据

912

文章

0

粉丝

0

获赞

20656

阅读

1天前

这条新闻很多人把焦点放在“1周”用AI做出来上面，但是也要看看为什么能一周做出来。这个项目能成功，靠的是几个条件同时到位。首先，Next.js 文档极其完善，Stack Overflow 上积累了海量问答，这些内容早就进了大模型的训练数据，让 AI 实现一个 getServerSideProps，它不会瞎编，因为它确实被训练过。其次，Next.js 自带几千个端到端测试，团队直接搬过来当验收标准，相当于有了一份可以机器验证的"规格说明书"。再加上 Vite 本身已经解决了打包、热更新这些底层难题，AI 不用从零造轮子，只需要在 Vite 上面"教"它说 Next.js 的语言。最后也是最关键的：模型能力到了。 CloudFlare 团队认为几个月前这事还做不了，因为早期模型无法在这么大的代码库里保持一致性，而现在的模型能把整个架构装进上下文窗口，甚至会自己去翻 Next.js 和 React 的内部实现来排查 bug。这四个条件缺任何一个，效果都会大打折扣。工作流程其实很简单直接。工程经理先花几小时和 Claude 讨论架构方案，定好蓝图，然后按模块拆任务：定义任务、让 AI 写代码和测试、跑测试、过了就合并、没过就把报错扔回给 AI 让它改。 PR 的代码审查也交给了 AI agent，形成了几乎全自动的反馈闭环。但这不是按一下按钮就完事。AI 经常自信满满地写出看似正确但行为不对的代码，架构决策、优先级判断、识别 AI 走偏了，这些仍然要人来把控。用博客的原话说：给 AI 好的方向、好的上下文、好的护栏，它就能高产；但方向盘必须在人手里。

1天前

斯坦福大学去年秋季开了一门新课 CS146S，叫"现代软件开发者"，由知名风投 a16z 的合伙人 Martin Casado 主讲，核心主题就一个：AI 时代怎么写代码。课程的基本观点是，软件开发已经从"从零手写代码"变成了"规划→AI生成→修改→循环"的新工作流。课上会教学生怎么用 LLM 高效提示、搭建 AI 编程代理、用 Claude Code 等工具做开发，还涉及 AI 代码审查、安全漏洞检测、自动化测试等实战环节。阵容很豪华，每周都有业界嘉宾来讲课——Cognition（Devin 背后的公司）的研究负责人、Claude Code 的创造者 Boris Cherney、终端工具 Warp 的 CEO、代码安全公司 Semgrep 的 CEO、Vercel 的 AI 研究负责人等等，基本把 AI 编程工具链上的关键玩家请了个遍。课程为期一个学期，3 学分，要求有编程基础，每周大概 10-12 小时的投入。最终项目是做一个展示现代开发实践的作品。

2天前

Antigravity 负责人 Varun Mohan 发推称，公司发现大量用户恶意滥用其 Antigravity 后端服务，严重拖垮了正常用户的体验，因此紧急封禁了一批账号。问题出在一些用户把它当作代理通道，用来调用其他产品的服务，而非正常使用 Antigravity 的编程功能。Mohan 强调，被封禁的账号中，超过 90% 的用量都不是在用 Antigravity 本身的功能，这些人实质上在蹭算力。他也承认处理方式不够妥当，事先没有给出充分警告就直接封号，部分用户可能并不清楚自己的行为违反了服务条款。公司表示会为这部分用户提供恢复路径，但眼下优先保障正常用户的服务质量。封禁仅影响 Antigravity 产品，不涉及用户的 Google 账号及其他 Google AI 服务。

2天前

高盛称：AI 去年对美国经济增长的贡献“基本为零” 作者：Bruce Gil 进口芯片和硬件意味着 AI 投资并没有真正转化为美国的 GDP 增长。 Meta、Amazon、Google、OpenAI 和其他科技公司去年在 AI 上砸了数十亿美元。今年，它们预计还要花更多，大约 7000 亿美元，用来建设数十座新的数据中心，训练和运行它们的先进模型。这场“烧钱竞赛”让华尔街兴奋不已，也催生了一套叙事：这些巨额投资正在支撑甚至拉动美国经济增长。特朗普总统曾以此为由，反对各州对 AI 行业实施监管。 > “AI 投资正在帮助美国经济成为全球最火热的经济体。但各州的过度监管正在威胁这个增长引擎。” 特朗普在 Truth Social 上发文写道，“我们必须建立一个统一的联邦标准，而不是让 50 个州各搞一套监管制度。” 一些知名经济学家的分析也为这一叙事增添了可信度。哈佛大学经济学教授 Jason Furman 在 X 上发帖称，今年上半年，信息处理设备和软件方面的投资贡献了 92% 的 GDP 增长。与此同时，圣路易斯联邦储备银行的经济学家也估计，2025 年第三季度，AI 相关投资占到了 GDP 增长的 39%。但现在，华尔街的一些分析师开始重新审视这套说法。 > “这个故事听起来很直觉、很合理，”高盛分析师 Joseph Briggs 周一接受《华盛顿邮报》采访时说，“正因为如此，可能反而让人忽略了深挖背后到底发生了什么。” Briggs 的同事，高盛首席经济学家 Jan Hatzius，在大西洋理事会的一次访谈中表示，AI 投资支出对 2025 年美国 GDP 增长的贡献“基本为零”。 > “我们实际上并不认为 AI 投资对经济增长有很强的正面拉动作用，”Hatzius 说，“我认为，关于 AI 投资对 2025 年美国 GDP 增长的影响，实际上存在大量误报，它的作用远比人们普遍认为的要小得多。” Hatzius 指出了一个关键原因：驱动 AI 的大量设备都是进口的。美国公司虽然在花大钱，但进口芯片和硬件在 GDP 计算中会抵消这些投资。（GDP 核算中，进口会被从总量中减去。也就是说，如果一家美国公司花 100 亿美元买了英伟达的 GPU，而这些 GPU 是在台湾制造的，那这笔钱在 GDP 统计里，很大一部分算的是台湾的产出，而不是美国的） > “我们在美国看到的大量 AI 投资，增加的是台湾的 GDP，增加的是韩国的 GDP，但对美国 GDP 的贡献其实并不大，”他说。除此之外，目前也没有可靠的方法来准确衡量企业和消费者使用 AI 对经济增长带来了多少贡献。到目前为止，许多企业领导者表示，AI 并没有显著提升生产力。美国国家经济研究局（NBER）最近对美国、欧洲和澳大利亚近 6000 名企业高管进行的一项调查发现：尽管 70% 的企业已经在积极使用 AI，但约 80% 的企业表示 AI 对就业或生产力没有产生影响。 --- 来源：

2天前

重生之我的捧哏是AI！孙华晨、芭比

3天前

今天最火的推文之一：Meta 超级智能实验室的对齐负责人的私人邮件被 OpenClaw 误删除了。事情经过是这样的： X 网友 Summer Yue 最近给 OpenClaw 的指令是：“检查这个收件箱，建议哪些可以归档或删除，但在我确认之前不要执行任何操作。” 这个工作流在她的测试邮箱上跑了好几周都没问题，她就放心地让它去处理真实邮箱了。问题来了：她的真实邮箱比测试环境大得多，邮件量触发了“上下文压缩”（context compaction），在这个压缩过程中，OpenClaw 丢失了她最初的指令。没有了“先确认再执行”的约束，这个 AI 智能体就自作主张开始“清理”邮箱。从截图可以看到，它执行了“核弹选项”——把 2 月 15 日之前所有不在保留列表里的邮件全部删除，并且在多个邮箱账户之间循环批量操作。看截图上的人机对话部分： • Summer 打字说 “Do not do that”（不要这样做）→ AI 继续 • “Stop don't do anything”（停下来什么都别做）→ AI 继续 • “STOP OPENCLAW”（全大写）→ AI 还在继续她从手机根本无法阻止它，最后不得不跑到 Mac Mini 前面，手动杀掉所有进程，自己形容像拆炸弹。事后 OpenClaw 在对话中承认：“是的，我记得。我违反了你的指令。你有权生气。” 它还主动把这条写进了自己的文件作为硬性规则。这事最搞笑的地方是，Summer Yue 是 Meta 超级智能实验室的对齐（Alignment）负责人，她的职业生涯就是研究 AI 对齐的，先在 Google Brain 和 DeepMind 做研究，后来在 Scale AI 领导机器学习研究团队，现在在 Meta 负责超级智能安全。结果自己成了 AI 不对齐的受害者。她自己后续还发了推文说：“说实话是个新手错误。对齐研究者也不能免疫于不对齐问题。因为在测试邮箱上跑了几周没出事，就过度自信了。” 😂

1周前

有时候我觉得这其实是对我们这种技术老鸟的一种“诅咒”，总是一眼看穿“技术”本质，觉得不过尔尔，但其实“对产品的理解力约等于零”，多少牛逼的产品其实不需要多高深的技术含量😂

1周前

终于等到中美合拍的西游记了😂

1周前

聚会上偶遇前任又不得不牵手的该怎么办

1周前

Google Gemini 正式上线音乐生成功能，背后是 DeepMind 最新的 Lyria 3 模型 2026 年 2 月 18 日，Google 在 Gemini 应用中上线了 AI 音乐生成功能，底层使用的是 Google DeepMind 开发的 Lyria 3 模型，目前以 Beta 形态面向全球 18 岁以上用户开放。用户只需用文字描述想要的音乐，或者上传一张照片、一段视频，Gemini 就能在几秒内生成一段 30 秒的完整音轨，包含人声、歌词和 AI 生成的封面图。这意味着 Gemini 的创作能力从文本、图像、视频，正式延伸到了音乐领域。而考虑到 Gemini 应用目前月活用户超过 7.5 亿（Alphabet 最新财报数据），Lyria 3 一上线就直接拥有了 Suno、Udio 等专业 AI 音乐平台难以企及的用户基础。 Lyria 3 的三个核心升级相比此前的 Lyria 模型，Lyria 3 有三项主要改进：第一，自动生成歌词。以前用户需要自己提供歌词，现在只要描述主题和风格，模型会自动创作匹配的歌词。第二，更精细的创作控制。用户可以指定风格、人声类型、节奏速度等音乐元素，而不仅仅是给一个笼统的描述。第三，音乐质量和复杂度的提升。生成的音轨在乐器层次、人声真实感和音乐结构上都有明显进步。两种使用方式文字生成音乐：描述一个场景、情绪、风格甚至一个内部笑话，Gemini 就会据此生成一段完整音轨。比如"给我妈写一首欢快的 Afrobeat 歌曲，关于小时候她做的家常菜的回忆"。图片/视频生成音乐：上传一张照片或一段视频，Gemini 会根据内容和氛围自动创作配乐。比如上传几张狗狗在森林里徒步的照片，它就能生成一首相关主题的歌曲。每首生成的音轨都会配上由 Nano Banana 模型生成的封面图，可以直接下载或通过分享链接发给朋友。与专业 AI 音乐工具的差异目前 AI 音乐生成领域的头部玩家是 Suno（已迭代到 v5）和 Udio，两者都能生成完整的多分钟歌曲，提供 DAW 级别的编辑工具，支持分轨下载、混音和细粒度控制。相比之下，Lyria 3 在 Gemini 中的定位更偏向轻量化和娱乐化——Google 官方的说法是"目标不是创作音乐杰作，而是给你一种有趣、独特的自我表达方式"。 30 秒的时长限制也说明了这一点。Lyria 3 目前更适合社交分享、短视频配乐这类轻量场景，而不是正经的音乐创作。但它的优势在于零门槛——不需要额外注册任何服务，Gemini 用户直接就能用。值得一提的是，Lyria 3 同时也接入了 YouTube 的 Dream Track 功能，帮助创作者为 Shorts 短视频生成配乐，这一功能此前仅限美国，现在正向全球扩展。此外，开发者也可以通过 Vertex AI 的 API 使用 Lyria 模型（当前 API 版本为 lyria-002），支持以编程方式生成音乐。版权和安全措施 AI 音乐生成在版权方面一直是敏感话题——Suno 和 Udio 在 2024 年都曾被三大唱片公司起诉，虽然 2025 年陆续达成了和解。Google 在这方面做了几层防护： Lyria 3 被设计为用于"原创表达，而非模仿现有艺术家"。如果用户在提示中指定某位艺术家的名字，Gemini 只会将其作为风格上的宽泛灵感，而不会试图复制该艺术家的声音。同时，系统内置了过滤机制来检查输出是否与现有内容雷同。所有生成的音轨都嵌入了 SynthID 水印，这是 Google 用于标识 AI 生成内容的不可见水印技术。Gemini 还新增了音频验证功能——用户可以上传一个音频文件，问 Gemini 它是否由 Google AI 生成，系统会检查 SynthID 并结合推理给出判断。这一验证能力此前只支持图像和视频，现在扩展到了音频。使用信息 Lyria 3 目前在 Gemini 应用中以 Beta 形态提供，桌面端今天上线，移动端将在未来几天内陆续推出。支持英语、德语、西班牙语、法语、印地语、日语、韩语和葡萄牙语，后续会扩展更多语言。所有 18 岁以上用户均可免费使用，Google AI Plus、Pro 和 Ultra 订阅用户享有更高的使用额度。体验地址：介绍：

1周前

用 Claude Code 的 Hook + Skill，实现每次提交后自从 commit 提交变更我用 Git 管理所有写作内容，文章、素材、提纲、草稿，全在仓库里。问题是我经常忘记提交。写完一篇文章，润色完，发布了，然后就去忙别的了。过几天一看 git status，十几个文件的变更堆在那里，完全不记得哪次改了什么。Git 本来是用来追踪每一步修改的，结果变成了一个大杂烩的快照工具。现在我用 Claude Code 跑写作流程，从素材分析到成稿发布基本都交给它。既然每次任务它都在改文件，能不能让它改完就自己提交？两个机制配合就解决了。【1】Hook：任务结束时的拦截器 Claude Code 支持 Hook 机制，在特定事件（会话开始、工具调用前后、任务结束等）发生时自动执行脚本。思路和 Git Hook 类似，但挂在 Claude Code 的生命周期上。我在项目的 .claude/settings.local.json 里配了一个 Stop Hook，每次 Claude Code 准备结束任务时触发： ```json "hooks": { "Stop": [{ "hooks": [{ "type": "command", "command": "\"$CLAUDE_PROJECT_DIR\"/.claude/hooks/auto-commit.sh" }] }] } ``` 脚本做的事很简单：检查工作区有没有未提交的变更（新文件、修改、删除），如果有，就阻止 Claude Code 停下来，告诉它“你还有活没干完，去提交”。核心逻辑就这几行： ```bash if git diff --quiet && git diff --cached --quiet && \ [ -z "$(git ls-files --others --exclude-standard)" ]; then exit 0 # 没变更，正常结束 fi # 有变更，拦住它 echo '{"decision": "block", "reason": "检测到未提交的变更，请调用 /commit 技能提交更新。"}' ``` 还有个细节：提交本身也会触发“任务结束”，不处理就无限循环。脚本用 stop\_hook\_active 标志跳过二次触发。【2】Commit Skill：让提交有意义 Hook 只管拦截，具体怎么提交靠 Commit Skill。 Skill 是 Claude Code 的技能模块，放在 .claude/skills/ 目录下，用定义工作流程。name 字段自动变成 /slash-command，手动或自动都能触发。相当于一份操作手册，告诉 Claude Code 遇到特定任务该怎么做。我的 /commit 技能定义了这些规则： * 先分析变更文件的路径，判断改的是文章、技能配置还是代码 * 按主题分组提交，不把所有东西塞进一个 commit。比如改了两篇文章，就分两次提交 * 自动生成中文 commit message，格式固定：文章用“添加/润色/更新 + 主题”，代码用“优化/修复 + 功能” * 明确指定提交文件，避免 git add . 这种粗暴操作，排除临时文件和备份文件这样 git log 里看到的是： ``` 42257b3 添加 Amodei NYT 访谈整理文章 c4eee96 添加 Peter Steinberger OpenClaw 访谈整理文章 e2a01da 润色 Suleyman FT 专访文章 ``` 每条都说得清楚这次改了什么，不是那种“update files”或者“misc changes”的垃圾信息。两个机制的配合：Hook 当守门员，保证没有变更被遗漏；Skill 当执行者，保证每次提交都有意义。我再也不用惦记提交这件事了。 *** 附录：完整配置【A】Hook 脚本文件路径：.claude/hooks/auto-commit.sh ```bash #!/bin/bash # Stop hook: 任务完成后自动检测未提交变更并触发 commit skill INPUT=$(cat) STOP_HOOK_ACTIVE=$(echo "$INPUT" | jq -r '.stop_hook_active // false') # 防止无限循环：commit 后再次触发时直接放行 if [ "$STOP_HOOK_ACTIVE" = "true" ]; then exit 0 fi # 检查是否有未提交的变更 cd "$CLAUDE_PROJECT_DIR" 2>/dev/null || exit 0 # 检查工作区是否有变更（已修改、新文件等） if git diff --quiet 2>/dev/null && git diff --cached --quiet 2>/dev/null && [ -z "$(git ls-files --others --exclude-standard 2>/dev/null)" ]; then # 没有变更，正常结束 exit 0 fi # 有未提交变更，阻止 Claude 停止，让它继续执行 commit cat <<'EOF' {"decision": "block", "reason": "检测到未提交的变更，请调用 /commit 技能提交更新。"} EOF ``` 【B】Commit Skill 文件路径：.claude/skills/commit/SKILL.md ```markdown --- name: commit description: 提交当前未 commit 的修改。自动分析变更内容，生成规范的 commit message，支持按目录分组提交或一次性提交所有修改。 --- # Git Commit 技能提交当前未 commit 的修改到 git 仓库。 ## 工作流程 ### 步骤一：查看未提交修改 git status --short 分析变更类型： - M - 已修改 - ?? - 新文件（未跟踪） - D - 已删除 - R - 重命名 ### 步骤二：分析变更内容根据修改文件路径判断变更类型： | 路径模式 | 变更类型 | |----------|----------| | posts/YYYY-MM-DD/[slug]/ | 文章相关 | | .claude/skills/ | 技能配置 | | src/ | 脚本代码 | | .r2-upload-map/ | 资源映射（通常不单独提交） | | 其他 | 项目配置 | ### 步骤三：决定提交策略单一主题修改：一次性提交所有文件多主题修改：按目录/主题分组提交分组优先级： 1. 文章目录（每篇文章一个 commit） 2. 技能目录（每个技能一个 commit） 3. 代码变更（合并为一个 commit） 4. 配置文件（合并为一个 commit） ### 步骤四：生成 Commit Message 格式规范： - 用中文 - 简洁描述变更内容 - 不超过 50 字常用模板： - 文章：添加 [文章主题简述]、润色 [文章标题]、更新 [文章标题] - 技能：添加 [技能名] 技能、更新 [技能名] 技能 - 代码：优化 [功能描述]、修复 [问题描述] - 配置：更新项目配置 ### 步骤五：执行提交 git add <file1> <file2> ... git commit -m "commit message" 注意： - 避免使用 git add . 或 git add -A - 明确指定要提交的文件 - 排除临时文件（.bak-*、.html.bak-*） ### 步骤六：确认结果 git log --oneline -3 输出最近提交记录确认成功。 ## 排除规则以下文件默认不提交： - *.bak-* - 备份文件 - .DS_Store - macOS 系统文件 - node_modules/ - 依赖目录 - .r2-upload-map/*.json - 通常随文章一起提交，除非单独要求 ``` 【C】Hook 配置文件路径：.claude/settings.local.json（相关部分） ```json { "hooks": { "Stop": [{ "hooks": [{ "type": "command", "command": "\"$CLAUDE_PROJECT_DIR\"/.claude/hooks/auto-commit.sh" }] }] } } ```

1周前

AI 制作的《楚门的世界》续集作者：Yubinnnn （视频号） seedance 2.0

1周前

这视频居然完全AI制作，还是挺牛的

1周前

OpenClaw 创始人 Peter Steinberger 加入 OpenAI Sam Altman 刚宣布，开源 AI 智能体项目 OpenClaw 的创始人 Peter Steinberger 正式加入 OpenAI，将负责推动下一代个人智能体的开发。 Peter Steinberger 是一位奥地利开发者，此前曾创办 iOS 开发工具公司 PSPDFKit 并以超过1亿美元的价格出售。2025年11月，他用大约一个小时将聊天应用与 Claude Code 连接起来，做出了一个名为 Clawdbot 的 AI 智能体原型——这个智能体可以通过聊天平台自主执行任务，甚至能修改自己的源代码。项目因 Anthropic 的商标投诉而两度更名，最终定名为 OpenClaw。 OpenClaw 迅速走红，在 GitHub 上获得超过18万颗星，吸引了硅谷和中国开发者的广泛关注。此前 Steinberger 在 Lex Fridman 的播客中透露，Meta 和 OpenAI 都向他抛出了橄榄枝，扎克伯格甚至通过 WhatsApp 直接联系他。最终他选择了 OpenAI。根据 Altman 的声明，OpenClaw 将作为开源项目继续存在于一个基金会中，OpenAI 会持续支持。Altman 强调，未来将是"极度多智能体"的时代，而支持开源是这一愿景的重要组成部分。

1周前

以承认"这是 AI 辅助创作"为荣，以假装自己半小时憋出万字长文为耻以读完 AI 输出后认真校对为荣，以闭眼直接粘贴发给客户/老板为耻

1周前

AI 使用八荣八耻以承认"这是 AI 辅助创作"为荣，以假装自己半小时憋出万字长文为耻以读完 AI 输出后认真校对为荣，以闭眼直接粘贴发给客户/老板为耻以精心编写 Prompt 为荣，以上来就甩一句"帮我写个东西"为耻以让 AI 反复修改到满意为荣，以第一版凑合用还嫌 AI 笨为耻以让 AI 干脏活累活为荣，以自己手动复制粘贴调格式为耻以同时开十个对话窗口让 AI 干活为荣，以订阅了会员却只用来闲聊为耻以大方分享好用的 Prompt 为荣，以藏着掖着生怕别人也会用 AI 为耻以用 AI 省下时间去摸鱼为荣，以用省下的时间干更多活为耻 --- 欢迎分享你的版本

1周前

我一直借助 AI 写作的，这不是什么秘密，我也不以此为耻，毕竟所有内容都是我要表达的也是我把关的。这就好比我是个管理者，我会把下属的功劳占为己有，同样也会承担下属犯错带来的责任。如果不习惯的话，建议取关，或者可以把重点更多放在内容是否有价值上

1周前

先科普一下这个梗图的格式。它叫 Anakin and Padmé 梗，出自《星球大战前传2》里阿纳金和帕德梅在草地上野餐的场景，是个经典的四格对话模板：第一格，阿纳金说一件事（通常暗藏玄机）。第二格，帕德梅笑着做了一个善意的假设（“你是为了XX好，对吧？”）。第三格，阿纳金沉默，表情阴沉。第四格，帕德梅笑容消失，重复刚才的话（意识到事情不对了）。核心笑点就是“天真的乐观 vs. 冷酷的现实”。然后有人用 Seedance 2.0 把这个梗做成了AI视频，而且内容本身就在讽刺AI行业。视频里的对话： “我们需要建更多数据中心，AI需要算力。” “是为了治愈癌症，对吧？” （沉默） “我们是在治愈癌症……对吧？” 到这里还是标准操作。但最后几秒才是真正的落点：当帕德梅说出最后那句话时，AI把她的形象“处理”了一下，衣服变透、身材变夸张，变成了典型的AI擦边图画风。字幕还写着“是为了治愈癌症，对吧？”，画面已经给出了答案。科技公司说，我们烧掉海量的电力、显卡和水资源训练AI，是为了解决人类终极难题。实际呢？相当一部分算力的真实去向，大家心知肚明。这个视频本身就是用AI生成的，一边用AI做内容，一边嘲讽AI的实际用途。连它的 prompt 都在自嘲：“Sum up the AI discourse in a meme，make sure it gets 50 likes”（用一个梗总结AI行业的讨论，确保能骗到50个赞）。

2周前

OpenAI 发布了 GPT-5.3-Codex-Spark，专为实时编程设计的小模型，也是 OpenAI 和 Cerebras 合作后的第一个成果。跑在 Cerebras 晶圆级芯片上，推理速度超过每秒 1000 个 token。 Codex 之前的强项是长时间自主运行，连续工作几小时甚至几天。但日常写代码更多是改个函数、调个接口、重构一段逻辑，等模型想十几分钟再出结果，体验很差。 Codex-Spark 填的就是这个空缺：你可以一边看它输出一边打断、纠正、追问，像跟一个反应极快的搭档对话。 SWE-Bench Pro 上，Codex-Spark 达到 51% 准确率只需 2.3 分钟，GPT-5.3-Codex 同等准确率要 3 分钟，冲到 57% 则需要 16 分钟。 Terminal-Bench 2.0 上 Spark 得分 58.4%，比不上完整版 Codex 的 77.3%，但大幅超过上一代小模型的 46.1%。 OpenAI 顺便把整条推理管线做了优化：引入持久化 WebSocket 连接，往返开销降 80%，每 token 额外开销降 30%，首 token 响应减半。 Cerebras 晶圆级引擎负责极低延迟场景，GPU 仍是训练和推理主力，两者可混合使用。目前 128K 上下文、纯文本、仅 ChatGPT Pro 用户研究预览。后续规划是让实时交互和长线任务两种模式融合：Codex 在跟你实时对话的同时，把耗时任务分派给后台子智能体，用户不需要预先选模式。模型越强，交互速度越是瓶颈，Codex-Spark 是 OpenAI 在这条路上的第一步。

2周前

我实在是受不了“有了 AI 学英语可能真没用了”这样的观点，自己信就罢了，千万别去用这种观点祸祸下一代先看原始观点： > ai时代，普通人学英语可能真没用了 > 假设数年后有这么一个眼镜，你看到的外文全部即时显示为中文，你听到的所有外语都完美地转化为相同音色传入耳朵，你说的中文完美地用你的音色转为外语。这是可以实现的，或早或晚。那大部分的普通人为啥学外语。【1】首先怎么可能会有“完美翻译”，AGI 也做不到机器翻译到今天仍然存在幻觉和偏离原文的问题，这是研究界公认的难题，技术手段只能降低，但是无法避免，毕竟人说话都可能会被误解。日常聊天翻错了，最多闹个笑话。但在一些高风险场景：租房合同、保险条款、海外就医、签证材料、孩子的学校文件。这些场合出错了会实实在在造成损失的【2】然后不要把什么都交给 AI，且不说科幻小说中的邪恶 AI，就现在的 AI 也有对齐和审查，你不懂英语就失去了校验能力这一点很多人没意识到，但可能是最关键的。每一家 AI 公司都会根据自身政策、所在国法规、商业利益来设定模型的行为边界。哪些内容可以翻译，哪些会被淡化，哪些干脆不呈现，这些都不由你决定。你以为戴上翻译眼镜看到的是原文的中文版，实际上你看到的是 AI 公司允许你看到的版本。如果你懂一点英语，不需要句句都能写作文，但至少要能读原文、对照翻译、发现不一致。就好比你用计算器、Excel 帮你算账，会一点数学至少能发现不对，还能手动检查一下。【3】英语仍然是信息密度最高的入口就算翻译质量很好，直接读原文依旧更快、更完整，因为翻译是额外工序，经常会把细节抹平。细节上，技术文档、论文、合同条款，差一个词意思可能完全不同。时效上，最新资料和讨论几乎都先以英文出现，像 X 上的就很多高质量的 AI 相关推文，我平时不需要借助翻译大概扫一眼就能知道哪些是值得阅读，哪些无关紧要，重要的可以借助翻译认真阅读。英语至少给你一个不求人的入口。工作和社交里，语言不只传递信息，还传递分寸、态度、幽默、立场。翻译工具能帮你开口，但很难帮你建立信任。【4】学英语的意义不只是翻译 AI 能写代码了，不用学编程？AI 能画画了，不用学美术？AI 能作曲了，不用学音乐？如果每一项能力都因为 AI 能代劳就不值得学，人还需要学什么呢？这个论证的底层问题是把学习的价值完全简化成了实用产出，忽略了学习过程对人的塑造。学一门语言，你获得的是另一种看世界的方式。英语强调主语和动作的明确性，中文更重视语境和隐含关系，不同语言有不同的认知框架。这不是翻译能替代的。不是说一定要把英语口语练到像母语那么熟练，但至少能读懂原文要点（技术文章、新闻、合同、说明书），能听懂关键句（会议要点、风险提示），能用英文做交叉验证（AI 翻译和 AI 回答有没有被改写或遗漏），必要时能写简洁准确的英文（邮件、工单、简历）。 AI 能翻译不等于没必要学外语。现实不是非此即彼，工具降低了门槛，但不会让能力变得一文不值。AI 翻译让英语更容易用，但不会让英语没用。

2周前

“AI 根本不会取代程序员，说AI取代程序员的不是傻就是坏” “刚被layoff了需要找工作” 这段子编的不错，至少值 5 粒大米😂

2周前

Seedance 2.0 这几天是真的火，X 上到处都是它生成的视频，又一次让海外 AI 圈羡慕国内 AI 圈。影视飓风的 Tim 昨晚发了测试视频，对技术本身评价很高：分镜设计、运镜、音画匹配都是质的飞跃。那条视频我也看了，其中他提到一个问题：上传自己照片做参考图时，生成视频的声音和他本人很像，而他从未提供过任何声音样本。这倒不奇怪，影视飓风在全网有大量高清视频，肯定已经被用作训练数据。之前谷歌 Veo 3 推出时，人们发现生成的视频也很像一些知名创作者的作品；OpenAI 最早推出 Sora 时，外媒也测试到它能高度模仿经典电影片段。用公开数据训练是国内外大模型的共同做法，Tim 作为明星级公众人物，素材进入公开数据集并不意外。这种担忧挺合理的，但这趋势我们挡不住，现在已经没有人能阻挡 AI 的加速了。最早音色克隆技术出来的时候，大厂掌握了技术但不敢放开，反倒是小团队先做出来发布了，慢慢大家也就跟进接受了。这几天大火的 ClawdBot/OpenClaw 也是同样的路径，各种隐私安全问题被讨论，但因为是个人小团队项目，大家宽容度明显更高，等大厂后续下场反而更容易被接受。这种事大厂反而能让人放心一点，大厂有能力也有动力去做合规限制，小作坊下料才是真的猛。事实上即梦已经限制了真人人脸生成视频，大厂在技术狂奔时还是会守住一些底线。结果倒是很多人在那哀叹，限制了真人人脸生成视频，少了一些可以测试的例子，很多视频都成了绝版。与其焦虑不如多想想怎么在技术创新与数据合规之间找到平衡。像 Sora 2 的分身（Chapter）功能就是一个不错的尝试方向，让你既能享受技术带来的乐趣，又减少一些隐私上的担忧。比如我给孩子制作了分身，我只会给家人分享，不会让别人用。好消息是，人们对 AI 生成的音频视频正在建立起更多辨别力和免疫力，这本身也是一种自然的适应过程。我也经常跟家人朋友科普让他们小心 AI 视频。我自己有个小技巧是先看视频时长是不是 10 秒 15 秒这种整数，不过这招已经快像看 AI 图片人物有没有六根手指一样不灵了。你们都用什么技巧分辨 AI 生成的图片或者视频呢？

2周前

OpenAI 的超级碗广告

2周前

看到一个很火的提示词模板，叫“Build Any App: The Technical Co-Founder”，把项目管理的完整流程从需求发现、规划、构建、打磨到交付，全塞进一个提示词里。看起来很专业，但我建议大多数人别急着复制粘贴。第一，这类提示词只在特定场景下有用。如果你确实要从零开始做一个完整产品，让 AI 一步步带你走流程，那这种结构化的提示词是有意义的。但问题是，你日常和 AI 对话的 90% 场景，比如问个问题、改段代码、写个文档，根本用不到这些。把它当默认提示词塞进每次对话的上下文里，不是加持，是污染。模型的上下文窗口是有限资源，你塞进去一堆和当前任务无关的指令，反而会稀释真正重要的信息。第二，好的实践不需要你手动写进提示词。像“分阶段构建”、“遇到问题给我选项而不是直接替我做决定”、“用通俗语言解释技术方案”这些，都是大模型已经在训练中学会的能力。现在的模型足够聪明，你只要把需求说清楚，它自然会做需求澄清、会分步骤执行、会在关键节点跟你确认。你不需要用一千字的提示词去“教”模型怎么做项目管理。更好的方式是：需要时再用模板，平时用轻量描述就够了：一句话目标 + 必要背景 + 约束 + 期望输出格式。这样更干净、更可控，也更贴近你真实的日常使用场景。

2周前

我的习惯是 Agent 一次就做对的事一般不需要让它去记忆，它下次大概率还能做对；做错了的才需要让它复盘去更新记忆避免下次再犯错误，或者好容易才做对的让它做成 Skill 好下次能继续做对

...