池建强

统计数据

197

文章

0

粉丝

0

获赞

2345

阅读

1周前

墨友十天时间 vibe coding 一个上架到 App Store 的《中国故事》，还有 web 版本：

1周前

上午墨问收到了一笔来自字节的付款，是收入，还有一笔支出，我们给火山引擎充值了。知识库用的是火山引擎的技术。赚到钱，其中一部分进入下一轮生产环节。就这样，我们完成了一次商业闭环。嗷嚎，GDP 增加了

1周前

AI 编程：年初 ARR 几亿，到年底成了百亿美金规模。没想到 2025 年 AI 领域爆发最猛烈的居然是这里。盘点：如果你经常看 Leaderboard（大模型排行榜），能看到最重要的两个榜单是 Text 和 WebDev。 Text 指的是模型的文本能力，它体现了模型在通用文本任务上的能力，包括语言的准确性、表达的自然度，以及对不同文化语境的理解与适配。Text 能力是所有大模型的基础，放到首位无可厚非。第二位是 WebDev，其实就是编程能力。为什么大模型的编程能力也这么重要呢？程序员有那么多吗？想回答这个问题，我们先来理解一下大模型的编程能力和场景的变化……

1周前

什么是 UBI（全民无条件基本收入）？就是无条件发钱 😂 今天看到墨问小北的一篇笔记，里面又提到了 UBI。这是我最近频繁看到的一个概念。 UBI 是 Universal Basic Income 的缩写，中文通常翻译为“全民基本收入”，更直接的说法是“无条件基本收入”。这是一种社会保障体系的设计构想，意思是：政府定期给每一位公民发放一笔现金，无论其贫富、就业状态或社会背景，且不附加任何工作要求或资格审查。

2周前

DeepSeek 元旦发文：梁文峰到底在解决什么问题？ DeepSeek R1 年初爆火似乎过去了很久，其实一年不到。AI 时代的时间被压缩了。前一阵豆包说自己投放少，少得过 DeepSeek 吗？我感觉 DeepSeek 零投放，这方面都没做商业化，投放啥啊。上午看了下这篇论文。这真是个好时代，利用 AI 工具我们可以快速理解一篇精深的技术论文。 DeepSeek 这项新的研究主要讲的是：mHC（流形约束超连接）。这件事的背景还挺有意思的，深度学习能走到今天，2016 年提出的 ResNet（残差网络）功不可没。它引入了“恒等映射”（Identity Mapping），简单说就是给信号开了一条“直达电梯”，解决了深层网络训练不动的难题……

2周前

2026 来了，希望每个人都有一点点好运😊 保重 ❤️

2周前

今天是 2025 年最后一天，同事们陆续离开办公室，回家过年，我正在写这份年度总结： 2025 年虽然没有重大突破，但也并不平凡。墨问开始逐步脱离小程序的范式，有了 OpenAPI 和 MCP，用户可以在 IDE 和终端里写墨问了。有了 Web 版本的墨问，用户可以在 AI 浏览器里写墨问了。我今年的写作量可能是迄今为止最多的一年，大概写了 150 万以上，得益于墨问 Web 版本丝滑的写作体验。由此产生的公众号和墨问阅读量，估计超过 800 万，也是历年最高了。 2026 年 Web 将成为墨问的重点项目。我们终于跳出了小程序，Web 里的广阔空间，大有可为。年末还做了个知识库，属于技术储备和内容积累。希望明年每个墨友都能构建自己的知识库，元旦以后我准备先在这个知识库里更新起来，试试水。另外，2025 年我们的整体营收控制的还行，不融资的小公司，就得保证现金流的健康。今年应该会有一点利润，希望明年公司能赚更多钱吧。只有商业上的成功，才能带来更好的产品，也希望大家能够多多支持我们：） 2026，也许会考虑新产品，AI 时代，只要你想，总会有新机会出现。人到中年，中年值得一过。祝各位新年快乐：）

2周前

昨天忙了一天，晚上看用户在墨问里讨论才知道老罗的科技产品推介会是在 30 号晚上。后来好像出了不少问题，我看老罗还写了微博道歉。不过墨问里有些不一样的声音，也可以看看：我看了老罗微博，这可太熟悉了。ADHD 也罢，拖延也罢，就这么拧巴人，劝是不可能劝动的，所以我的选择是离开自己干。指望别人改变，不如掌控自己的生活，都是一辈子，其实开心点真的很重要，😄

2周前

今天读完了 MiniMax 的招股书，最直观的感受只有两个词：极致年轻，极致效率。 AI 大剧在 2025 年底这一集实在是热闹：有的 AI 公司被收购了，有的则选择独立起飞，进入一个公共市场，Manus 去了 Meta，MiniMax 上了港股，他们都有光明的前途。 2026 年，我想我们要解决的是，如何更好的利用开源模型，做自己的产品。

2周前

实锤了，Meta 正式收购 Manus 这两天，一条消息一直在 AI 圈子里反复转述：Meta 正在收购 AI 应用 Manus，其背后公司是蝴蝶效应（Butterfly Effect）。今天早上醒来，我发现 Manus 已在官网官宣“加入 Meta”。这是 Manus 团队的选择，祝福他们：）

2周前

Claude Code、Gemini CLI、CodeX终于有了可视化界面。智谱的同学悄悄发布了新的 AI IDE——ZCode，是一款集成了 Claude Code、Gemini CLI、CodeX 等常见 CLI 工具的可视化工具，这对于非技术用户非常友好。

2周前

Andrej Karpathy：一场里氏 9 级的大地震正在重塑整个编程行业上周和大师（墨问 CTO）测试了一下 MiniMax 的新版本 M2.1，感觉大模型在编程领域确实是突飞猛进，相比我们那一代程序员，在 AI 时代编程有了更多的选择。你可以让 AI 帮助自己读代码仓库，可以智能补全编程，可以给 AI Agent 下任务让它帮你编程，可以处理很多繁琐的任务，遇到错误信息还可以直接丢给 AI 让它帮助你分析甚至直接解决，还可以通过聊天的方式让 AI 给你出解决方案等等。于是我和大师他们聊天：你们最常用的 AI Coding 方式是什么样子呢？大师说，他们最常用的还是代码智能补全，还有智能建议，遇到 Exception 会问 AI 的建议，自己做模版让 AI 根据模版生成类似的代码等等。还会用 AI Agent 处理一些相对独立的脚本任务等等。不过专业程序员很少直接把需求丢给 AI 去做，这恰恰是 Vibe Coding 要做的事情……

3周前

周四来到崇礼，滑雪三天，庆祝 2026 的🧨 人不少，感觉大家都不用上班，或者没有班上 😄

3周前

Claude Code 实战课程，来自 Anthropic官方，墨友整了的一个 free 中文版，供大家学习~原文也在笔记里

3周前

早上看到新闻，豆包的日均活跃用户数突破 1 亿。更关键的是：它成为字节历史上所有破亿 DAU 产品中，市场推广费用最低的一个。我想这是一种低声量增长的、产品力相关的胜利。在当前大模型竞赛仍高度依赖投放和补贴的阶段，这种增长路径本身，足够罕见，但也不是没有。

3周前

微信输入法 3.0 大更新，跟进了语音功能 12 月 11 号晚上看到微信输入法的 testlight 版本更新了。12 月 17 号发现这个版本已经正式上线了，欢迎使用。我用了十几天了，非常爽。

3周前

周六在家看墨问时间知识库以前的内容，有了自然语言召回功能，结合分类和标签，想看啥就是一句话的事。里面很多 AI 和创业相关的内容，经过了时间的洗礼，变得格外有意思和启发。比如墨问和前饿了么 CTO 张雪峰老师有一篇：文中提到，前饿了么 CTO 张雪峰老师最近正在做一款新的产品：Dola，最近的意思就是 2024 年 5 月份，这是一款 AI 日历助手，我点了下网站，发现这个网站都不能访问了。再查了一下似乎是改成另一款产品了，叫 Toki AI，是前饿了么高管汪渊的新加坡公司在做…… 你看，信息变化的就是这么快。访谈中张雪峰老师描述了很多需求分析和产品的想法，还是很有价值的，但是能否做成一款新产品，关联因素非常复杂，即便你之前做成过多少软件，做过多大的事业，也不能保证你一定成功。其实从 2023 年到 2024 年速朽的 AI 产品太多了，数不胜数。怎么判断一个产品行不行呢？能持续赚钱，能活得长。

3周前

关于 NotebookLM 植入 Gemini 这件事，我详细写了一篇自己的使用体验： NotebookLM 里的笔记本可以作为 Gemini 的外挂 RAG，Gemini 的答案会更加精准，幻觉会收敛，输出更加聚焦和有价值。而对于 NotebookLM 来说，Gemini 帮它搞定了多笔记本互通的事情，另外，NotebookLM 干不了的事儿，Gemini 可以代劳，比如 Deep Research，出图，做视频，写程序等等。这就有点像 Agentic RAG，当然，因为 Gemini 是面向所有互联网数据的，泛化的更厉害一些。目前墨问时间的知识库，还是经典 RAG，要升级成 Agentic RAG，本质是让模型从“只在生成参与”扩展到“全链路参与”，把检索变成一个可决策、可路由、可自我评估的系统，并引入可持久记忆与多源工具。这样不仅提升准确性与覆盖率，也能在复杂查询下保持稳健。还有很长的路要走……

3周前

看到 The Pragmatic Engineer对 Martin Fowler 的一个采访播客，老爷子对 Vibe Coding 阐述了一番非常有洞见的观察，不愧是软件大师，可谓字字珠玑，作为一个亲身经历软件工程和架构发展的程序员，读起来深有同感，本文是这篇播客文字版的阅读笔记：来自墨问 PlayWithAI 的 AI 随思录

3周前

今天看到有媒体写 Gemini 里集成了 NotebookLM 里的笔记内容，谓之神之更新，吓尿了，赶紧看了看。果然有了，其实就是点 + 号，可以把一个或多个笔记本，当做 Gemini 的参考数据源，让 Gemini 用起来更丰富，或者说，复用一下你之前的私有知识库，就这么点事。你要真的想用笔记本里的复杂和高级功能，还得进 NotebookLM，而且得用 Web 版本。这种更新在我来看更多是一种连接和打通，神之更新是什么意思？这种工程上的小更新比 Gemini 3 和 Flash 差太远了

3周前

Andrej Karpathy：2025 大模型年度回顾作者：Andrej Karpathy 原文：翻译版本： 2025 年，LLM 进展迅猛纷繁复杂。我列了一份清单，包括了今年所有值得注意、甚至有点出人意料的“范式变化”——那些改变了版图结构、在概念上让我眼前一亮的事物。

4周前

时代已经翻篇了，我们需要找到新的存活之道。每个黄金时代过去的时候，我们才知道那个是黄金时代，而身处其中的我们，还在怀念上一个古早世界的纯朴。现在 AI 时代，也许就是新的黄金时代。

4周前

18 天做出来的产品，一个月留存 1%。OpenAI 抄袭 Skills？昨天墨问发了个新产品，有用户说，墨问今年的迭代速度好快。其实对于我们这种需要自己赚钱养活自己的小公司来说，根本算不上快。太快我们很可能就挂了。但拿到巨额融资的弄潮儿，行业 Top 公司，他们不快可能就挂了。2025 下半年，科技行业里反复提及的一个词就是速度。昨天看到社媒上 Lenny Rachitsky（硅谷产品经理、自媒体人、投资人）的一个帖子，说一位 OpenAI 产品负责人告诉他：我经营一家初创公司长达五年。我以为我们的节奏已经够快了。直到我加入 OpenAI——才意识到自己根本不懂什么才是真正的快。意思是，我们对真正的快一无所知 😂 但是快就好吗？

1个月前

嗷嚎…又做了个新产品，可召回，可问答，可阅读 2025 年的 3 月份我们结束了长达三年的墨问星球的运营，开始专注墨问的产品研发和内容创作。但耗时三年创作的内容如果留在知识星球里肯定就没用了，内容形式也不够友好。怎么整？年中的时候我们开始和字节的火山 VikingDB 合作，看看如何重新激活这三年的内容。随后我们就启动了这个漫长的任务。做这件事需要很多细致的工作。首先要对星球里的内容做清洗，短文本、长文章、图文、问答等等，重新抽象，最后融合成墨问的 1303 条笔记，然后为这些笔记进行分类，更新内容，提取知识 tag，最后进行技术选型，产品设计和研发。在 AI 时代，信息的连接方式也在发生变化：以前只能是“人去找信息”，现在“信息可以理解你的需求并主动抵达”。基于这个判断，我们把这些知识全部重构为一套新的产品：墨问时间知识库。今天，墨问时间知识库——也是墨问的第一款 AI 知识库——已经上线了。访问就能看到它。永久订阅：

1个月前

周末看了个 OpenAI 论坛的内部分享，叫 Vibe Engineering。内容不少，我整理了分享的全文放到墨问里，差不多 9100 字，还有实操项目的 github 仓库地址，可以先收藏再看： Web 版本：什么是 Vibe Engineering？AI 不只是“帮你写代码”，而是参与到工程的全链路里，帮你更快做出能上线、能维护、能扩展的生产级软件。前提是：每一行要发到生产环境的代码，仍然必须由人来负责。他们把这种用法叫做 “Vibe Engineering”。它和过去一年流行的 “Vibe Coding” 最大的不同是，从“写出一段能跑的代码”升级为“完成一次真正的工程交付”。很多 AI 编程工具最近都在做这方面的变化。为了讲清楚这件事，OpenAI 的工程师 Aaron Friel 做了一个硬核 demo：用 Rust 重写一个成熟的 Kotlin 开源项目，并且做到了和原项目 100% 兼容。任务从一个空目录开始，除了提示词什么都没有。使用传统做法，这种重写加验证可能要几周时间；而在他的实验里，Codex 能够连续工作十几个小时，把脚手架、测试体系、对照验证、文档都推进到一个可以跑通 CI 的程度。这里的关键不在于“模型写了多少行”，而是它如何“像工程师一样工作”。 Friel 给 Codex 的不是一串小任务，而是一套长期目标和约束，并要求它维护一个持续更新的计划文档（exec plan）。更有意思的是，Codex 会自动拉起子 Agent：一个像“Watch Dog”一样不断提醒不要偏离整体目标；另外一些子 Agent 去并行做研究，补齐背景知识，甚至会主动 clone 仓库、对照实现等等。分享里讲了 Vibe Engineering 的三个方法论： 1、让 AI 写可读的产物，而不只是可运行的代码。 2、并行化。Codex 提供的 “Best of N” 思路很像把一个问题同时交给四个候选工程师：让它们走不同路线，产出不同方案，然后人来选更符合目标、也更符合品味的那个。 3、把“技术能力”外溢到工程团队之外。在 OpenAI，Codex 也被用来帮助产品、销售、现场支持等非工程角色理解代码库：当他们想知道一个功能怎么工作，先问 Codex。这套东西应该对 AI 改进研发团队的效率有很大启发，推荐一下。