avatar
Andy Stewart
3个月前
不用测试了，我已经退掉了 笔记本键盘手感对比 10分：Dell G16 8分：ThinkPad 5分：OPPO平板 这个ThinkBook最多3分： 1. 键帽太小了，超快速写代码很容易误触，居然比OPPO平板键帽都还小 2. 键程太软了：每一个字符都感觉没按到底，键盘回馈不干脆，写代码心理焦虑 3. 我没想到手感居然比我OPPO平板的蓝牙键盘都还要差？ 键盘太差了，受不了，其他再好都要退货 😅
#ThinkBook键盘手感差 #键帽小易误触 #键程软回馈差 #低于OPPO平板蓝牙键盘手感 #差评退货
avatar
sitin
3个月前
为什么你用AI越多，效率反而越低？ 斯坦福+CMU用16个真实任务测试了48个专业人士和4个AI Agent 结论打脸所有"AI取代论"： AI完全接管工作 → 效率下降18% 人类用AI辅助 → 效率提升24% 原因更扎心： AI看起来又快又好（速度快88%，成本低90%） 但它会"编造"看不懂的东西 你以为它在工作 其实它在"睁眼说瞎话" 2015最大的认知误区： 以为AI是工具，其实它更像同事 它不是人类的影子，而是完全不同的"工作物种"
#AI #效率 #人类辅助 #认知误区 #工作物种
avatar
Ehco
3个月前
最近接手了一堆 nodejs 实现的上古支付系统的代码， edgecase 满天飞，天天吃不好睡不好掉头发 我不得不再喷一下： 严肃场景下谁在用nodejs就是在给自己找麻烦（或者至少要把 lint 都打开）
#Nodejs #支付系统 #代码质量差 #负面情绪 #Lint
avatar
BibiGPT 可以快速分享某个片段，效果如下👇 最近在优化 SEO，准备给每个 feature 页面嵌一个 YouTube 视频/ Bilibili 讲解（提升停留时长） 于是乎，【片段播放】功能就可以通过嵌入代码 iframe 放进 feature landing page 就行 哎哟喂，当时 AI vibe 出来的功能，超过了我本来想要的，没想到现在用上了！哈哈哈哈哈哈哈
#BiBiGPT #SEO优化 #YouTube/Bilibili #片段播放 #AI vibe #积极
avatar
小牛OTC
3个月前
AI 评论 回复太多了，请问大家是如何区别的 ？
#AI评论 #回复区别 #提问 #讨论
avatar
西数你这是嘲讽吗？存储行业成这个鸟样有西数一份功
#西数 #存储行业 #嘲讽 #行业现状 #消极
avatar
LIN WEI
3个月前
几个小时后应该就可以下载 vs2026 正式版了，新 UI 不错：
#VS2026 #新UI #软件发布 #积极 #技术
avatar
zouhang
3个月前
我早就说过，开源对国内找工作绝对不是加分项，可别被 jd 骗了 （我就偷摸的开源，project 都不挂在自己名下
#开源 #求职 #负面 #匿名开源
avatar
面包🍞
3个月前
请10年以上的前端大师们 给我这个3年的前端工程师一点建议
#前端工程师 #职业发展 #经验建议 #求助 #3年经验
avatar
最近几周，一种微妙的变化变得越来越明显。过去几个月来一直流传着低成本的、开源的中国人工智能模型可能会将全球用户从美国产品中吸引走的猜测。但现在看来，它们也在悄悄地赢得硅谷的青睐。 风险投资家查玛斯·帕利哈皮蒂亚最近在他的有影响力的《全力以赴》播客上——由白宫人工智能负责人大卫·萨克斯共同主持——表示，他合作的一家公司已经将主要工作负载转移给了北京 Moonshot AI 开发的 Kimi K2。他说，这个开源模型“坦白说比 OpenAI 和 Anthropic 便宜得多。” 不久之后，爱彼迎公司首席执行官布莱恩·切斯基承认，他没有将他的旅行应用与 OpenAI 的 ChatGPT 集成，因为连接工具还没“完全准备好”。切斯基表示，爱彼迎的新服务代理依赖于十多种不同的 AI 模型，他们“很大程度上”依赖于阿里巴巴集团的 Qwen 系列：“它非常好。它也很快速且便宜。”考虑到切斯基与 OpenAI 首席执行官萨姆·奥特曼的密切个人关系，他的评论尤其引人注目。 公开承认的名单正在不断增长。由 OpenAI 前首席技术官 Mira Murati 创立的 Thinking Machines Lab 在博客文章中表示，其最新研究灵感来源于并建立在阿里巴巴 Qwen3 团队的工作之上。 但可能更有趣的是这种转变似乎正在以更微妙的方式扎根。备受瞩目的 AI 编程领导者 Cursor，一家估值约 100 亿美元的科技公司，上个月发布了其助手的新版本。此后，互联网上开始流传一种说法，称其是基于像 DeepSeek 这样的中国 AI 工具构建的，一位科技投资者在 X 平台上指出，在他使用该工具时，其内部对话切换到了普通话。 另一家估值约 100 亿美元的美国公司 Cognition AI Inc.，似乎也是基于智谱 AI（国际名为 ）的基础模型构建了其新的编程代理。在社交媒体侦探发布相关怀疑后，这家北京-based 公司似乎在一篇推文中确认了他们的发现，称其“突出了开源贡献对生态系统的积极影响和价值”。这两家美国公司没有立即回复我发去的评论请求。但中国 AI 模型的宽松许可性质意味着公司可以自由在其上构建产品。 由支持开源 AI 的美国联盟项目整理的 Hugging Face 平台数据显示证实了这一点。中国模型在开发者累计下载量方面已超过美国。这一转变起初缓慢，随后突然发生：2024 年初，Meta Platforms Inc.的 Llama 有 1060 万次下载，而阿里巴巴 Qwen 仅有 50 万次。到上个月，Qwen 的累计下载量已达 3853 万次，相比之下 Llama 为 3462 万次。基于 Qwen 构建的衍生系统现在占 Hugging Face 上发布的新语言模型的 40%以上，而 Meta 的份额已降至 15%。
#中国AI模型 #硅谷 #开源 #Qwen #AI
avatar
AI产品黄叔
3个月前
昨天和前Monica的产品VP聊 总结出产品经理未来的三个趋势 第一是：从文档到Demo 从字节到阿里 老板们已经开始强制要求只看AI Coding出来的Demo了 这很好理解，比起文档和PPT 可交互的成品更容易理解 很多年前蒋凡开会不带电脑 直接用iPad、手机看Demo 只不过过去需要产研团队协作才能做到 现在甚至1-3人即可快速完成 第二是：产品经理都要变成工程师 这种偏Demo的工程师会由现在的产品和UI转行 之前的研发就是偏落地的工程师 最后就全都是工程师 转不了的直接被淘汰 最近参加的黑客松都体现了快速Demo 用社媒获客和迭代产品的强大趋势 产品经理落地能力将会得到质的飞跃 不再是办公室里吹空调比嘴皮子了 第三是：Spec Coding必定盛行 先写文档再开发，这本来也是产品的基本工作 所以新招人就直接招产品经理 然后学Vibe Coding直接开干 再加上AI，可以生成非常详细的PRD 以及不断迭代的PRD Spec = PRD = Code 最后，为何这个变化不可逆 效率与组织逻辑的必然 1. 减少沟通损耗 2. 大厂效率提升 3. 小团队崛起 如果大厂也这么变化 “大团队和小团队没有什么成本和执行力的问题,没有区别了,最后就是想法。”
#产品经理转型 #Demo驱动 #效率提升 #AI Coding #Spec Coding
avatar
Justin
3个月前
日本 IT 最有趣的现象是他的互联网返祖行为 比如世博会观展的排队系统，就是真正在一个页面上走进度条排队 比如买了一本练习册，听力部分一年内可以下载，过了时间以后全网无法下载，必须购买 CD 比如银行 APP 内办业务会弹出网页，要求再次使用 APP 授权登录 比如花半小时填完了在线表单，最终的确认页面上点击修改地址，结果需要重新填写全部表单 比如每天给你发一个广告，但是去申请就会被拒的信用卡
#日本IT #互联网返祖 #用户体验差 #在线服务落后 #数字鸿沟
avatar
Herman Jin
3个月前
还有个被投研机构错杀的AAOI，人家800G年中就上量了
#AAOI #800G #年中上量 #投研机构 #错杀
avatar
最近试用了朋友的 AI 语音输入法，体会到了从 “什么傻叉才会用语音打字” 到 “真香”的转变 🥵
#AI 语音输入法 #体验 #真香 #转变 #情感色彩
avatar
马东锡 NLP
3个月前
「 Role-Play Villains, LLM, Tencent 」 Too Good to be Bad，这里的 bad 是什么？Being bad or pretending to be bad？ 作恶与假装作恶。对人类而言，作恶关乎品格，假装关乎技巧。优秀的演员并非真正的坏人，他们运用认知和情感控制来模拟恶，同时又保持清晰的界限。 正如文章的引文： “The more successful the villain, the more successful the picture.” “反派角色越成功，电影就越成功。” 这其实涉及到一个更深刻和微妙的话题，LLM 能否在模拟 bad 的风格和意图信号的同时，阻止现实世界中可采取的行动造成的伤害？ Pretending to be bad, but not being bad. 而文章部分回答了这个问题：Too Good to be Bad. 作者发现，经过安全对齐的 LLM，即便在明确的虚构与边界内，也难以保持 bad 角色的真实感。 LLM alignment 的过程，往往会压制任何 bad 的行为，这使得 LLM 表现沦为一种扁平的道德良好的人格。 而这种偏平的道德人格，使得 LLM 无法真实地模拟人类心理的全部范围，从而限制了它们在实际中的应用。 试想一下： 一部电影里，全都是好人，坏人也演的不像，那基本就是，纯洁心灵·逐梦演艺圈。 Inspiring paper!
#LLM #反派角色 #安全对齐 #道德人格 #角色扮演
avatar
让CharGPT给我整理并已提交给FBI的三份证据打分。
#CharGPT #FBI #证据 #打分 #提交
avatar
让CharGPT给已提交给FBI的三份证据打分。
#CharGPT #FBI #证据 #打分 #提交
avatar
勃勃OC
3个月前
英伟达（$NVDA）已要求台积电（TSMC）将用于 Blackwell 芯片的 3nm 晶圆产量提高多达 50%，据当地报道，目前的月产量约为 10 万至 11 万片，目标提升至约 16 万片。这意味着每月将额外增加约 3.5 万片与 Blackwell 芯片相关的晶圆产能。 英伟达 CEO 黄仁勋表示，市场需求正在“逐月增强”，且三家 HBM（高带宽内存）供应商都已扩大产能，以支持这一加速的生产进程。
#英伟达 #台积电 #Blackwell芯片 #3nm晶圆 #产能提升
avatar
人类发明的所有工具都只能协助人类而不能取代人类。 从远古到今天的技术史早已清楚说明了这一点。 如果非要说技术或工具在某种意义上取代了人类，那么被取代的，实际上是人曾经不愿承担但无奈只能承担的那些劳动岗位，例如苦力，例如被汽车取代的轿夫、人力车夫。 ——在由人类和人类创造的各种工具组合 而成的“人技结合超级网络”中，不断被工具替换掉的，一直都是最底层的位置。 在整个人技结合超级网络中，人的相对位置是不断上升的。 我们需要学会理解人与技术的关系，人与工具的关系，然后我们才能对AI不断发展之后的未来作出准确的预判。 AI再怎么发展，也仍然只是工具，仍然只是“人技结合体”中，属于技术的那一部分。用AI替代人类外围功能，就象用车轮替代双脚，这只会使人类更有余裕专注于自己核心功能。 而人类自身的发展方向，在繁荣模式下，当然是维护繁荣预期，也是为计算永恒命题“何为人类最佳生存策略”贡献自己的思维能力，当然是为了向整个人类智联网络贡献算力而提高个体算力。 人的价值是从哪里来的？ 让我们抛弃一切矫饰承认自己趋利而行的本性——人类的价值，由他对其他人的用处决定，由他所在的社会网络评估。 从远古到今天，作为社会性动物，人类一直如此。 部落会驱逐对己无用的个体。 社会网络也一样。 在匮乏时代，部落会因资源不足抛弃那些消耗高于产出的老弱病残，会杀死难以驯服、管理成本过高的俘虏而不是将他们留用为奴隶。 但到了繁荣时代，人类的价值取决于他们的创造潜能和消费能力。 在产业链逻辑的驱动下，人类社会正在学会由另一个方向评估人的价值，正在学会通过协助他人成为更具创造力、更有消费力的人，令这些人对自己更有用。 在兑现繁荣预期的紧迫需求下，每个老板都希望员工更有创造力，每个商家都希望顾客更有消费力，虽然依照伤害链文化残留的政治传统，削弱他人以便维持自己的较高地位才是掌握资源的强者该做的事。 但如果你是个开店的老板，你绝不会介意进来消费的客人是亿万富豪，绝不会介意他比你更有钱。 担心人类会被AI取代的人，是错用了匮乏时代的思维方式。 在技术发展到能取代人类担任许多岗位之后，过去的“牛马”确实会不再有机会当牛做马。结果是，在学会驭使牛马的人类里，出现了“牧童”这个工种。 你甚至不必担忧自己因年龄老大学不会新技术。 科技进步，并不只是进步在让机器能做更多事上。它也会进步在让人对机器的操控更便捷、更“傻瓜”上。 随着科技进步，人，在“人技结合体”中的地位只会更加重要，随着工具的层层堆叠，随着每个人掌握的机器操控技能不断增加，人类，作为深藏在钢铁外壳之内的柔弱核心，将成为整个系统最珍贵、最值得保护的部件。 由此，人对于他人的价值，也会不断提升。 为什么？ 因为人类迄今的一切产出，一切创造，都基于人类社会目前已经构建出的超大规模高质量长期合作关系，基于已经组建起来正运行不休的人脑智联超级网络，想要兑现繁荣预期，维持经济发展趋势和我们已获得的生活品质，我们就不能容许文明倒退，不能容许智联网络崩散。 科技进步令生产者有了更大产能，但也令生产者需要消费者的存在，生产力的增长，令生产者渴望消费力的同步增长。 那个人人都希望别人比自己弱小，并为此不择手段的时代已经逝去。 人人都希望别人富裕、别人到自己店里来买买买的时代已经到来。 很多来自过去世代的人是没法理解未来的，他们无法理解为什么真正属于繁荣时代的头脑会希望别人的头脑具备高算力。 但想想你在网络里的真实体验。 你会希望在网络游戏里和你并肩作战的队友网速卡顿吗？你会希望他使用的电脑或手机内存不足吗？ 如果你自己就是一台电脑，你会希望和你一起组成局域网的电脑经常出现硬件故障，拉低平均网速吗？ 在村与村之间、户与户之间常会争水争地的农村，你可能会希望邻居倒霉。 但忙碌的展会现场，你会希望邻座的同事突然晕倒吗？ 越是科技进步，越是让人成为被工具包围、被工具“武装到牙齿”的存在，人对于人，人对于“人技结合体”，人对于智联网络，就越会成为宝贵的、不可或缺、无可取代的存在。 人的价值，人对他人的价值，就越是会提高。 这就是人本身的现代化。 现代人，是从古至今，在“人技结合体”不断发展膨胀的过程中，越来越核心，越来越有价值的存在。 到了近现代，人与人之间的地位差距之所以越来越小，人人平等之所以深入人心，其实还有一个许多人都会忽略的原因。 人不再需要奴役人了。 人不再需要用各种手段逼着自己的同类去做牛马机器就能做的事情了。 为了奴役他人而阉割他人的思维能力，在现代社会，正因物资充裕、机器劳力充裕，变得越来越无必要。 属于人的真正的生活，正缓缓展开。
#人技结合 #AI工具 #人的价值提升 #繁荣时代 #科技进步
avatar
极客杰尼
3个月前
纳瓦尔最新一期播客聊到了招聘、团队文化与创始人职责。 我越来越觉得，AI 时代，一个创业团队的关键决策，人才依然是一切的基石。 为什么字节的豆包大模型能够后来居上？ 内部的人才招聘团队有一套的识人用人标准，真正有技术追求的 AI 原生算法工程师非常稀缺。 很多顶尖工程师都是内向艺术家，有工匠精神。 如何识别人才？不要降低招聘标准！ 天才/创造力：不依赖于学历或履历，而是看重实际作品。 正直：除了背景调查，更重要的是在深度交流中观察其价值观。 低自我：观察他们在讨论问题时，是更关注捍卫自己的观点，还是更关注找到最佳答案。
#AI人才 #团队文化 #招聘标准 #价值观 #豆包大模型
avatar
Jason Young
3个月前
今天朋友告诉我，CC Switch 上了 GitHub Trending 月周日三榜，有点恍惚。在 CC Switch 刚发布没多久的时候，star 增长还不错，我经常去 Trending 看有没有上榜，久而久之没有结果就没再关注了，没想到它在不经意间来临。我想起来《三傻大闹宝莱坞》里面的那句台词，“不要追求成功，要追求卓越”。感谢 cc switch 的每一位用户，每一位 Issue 和 Pr 的提交者，是你们让这个软件变得越来越好，我也会尽自己的努力，给大家带来更好的使用体验！
#CC Switch #GitHub trending #开源项目 #用户贡献 #积极
avatar
采用福建舰同款电磁技术
#福建舰 #电磁技术 #军事 #科技 #中国
avatar
背包健客
3个月前
鼻咽癌晚期有救了？ 中山大学肿瘤防治中心发布最新研究成果，对复发或转移性鼻咽癌患者疗效显著，过半患者服药后肿瘤明显缩小。 该药有望在2026年上半年上市。
#鼻咽癌 #靶向治疗 #肿瘤缩小 #中山大学肿瘤防治中心 #2026年上市
avatar
meng shao
3个月前
Google 11月最新白皮书「Introduction to Agents」—— 作为「Google x Kaggle 5天 AI 智能体强化课程」的开篇，提供从概念验证到生产级智能体系统的指导框架。 Google 这份最新白皮书，聚焦于 AI 智能体的核心架构、分类、构建实践、生产部署、安全治理以及演化学习，客观分析了生成式 AI 从被动预测向自主问题解决的转变，强调智能体是语言模型在软件中的自然延伸，能够通过循环推理、行动和观察来实现目标。 白皮书的核心观点是：构建智能体并非简单集成语言模型，而是设计一个完整的应用系统，需要平衡灵活性和可靠性。 1. 从预测 AI 到自治智能体 AI 正从被动任务（如翻译或生成图像）转向自主智能体，这些系统能独立规划和执行多步任务，而非依赖人类每步指导。智能体结合语言模型的推理能力与实际行动工具，使其成为“语言模型的自然演化，在软件中变得实用”。白皮书强调，从原型到生产级的挑战在于确保安全性、质量和可靠性。 2. 智能体介绍 智能体定义为模型、工具、编排层和运行服务的组合，通过语言模型循环来实现目标。核心组件包括： · 模型（大脑）：核心推理引擎，如通用模型、微调模型或多模态模型，负责处理信息、评估选项和决策。 · 工具（双手）：连接外部世界的机制，包括 API、代码函数和数据存储，用于获取实时信息或执行行动。 · 编排层（神经系统）：管理操作循环，处理规划、记忆和推理策略（如链式思考或 ReAct）。 · 部署（身体和腿）：从本地原型到安全、可扩展服务器的托管，确保通过 UI 或 API 访问。 开发智能体类似于导演角色：设置指导提示、选择工具并提供上下文。白皮书指出，语言模型的灵活性是双刃剑，需要“上下文工程”来引导可靠输出。智能体本质上是上下文窗口的策展者，能适应新情境解决问题。 3. 智能体问题解决过程 智能体通过连续循环实现目标，分为五个步骤： 1. 获取任务：从用户或触发器接收高水平目标。 2. 扫描场景：感知环境，收集上下文（如用户请求、记忆、工具）。 3. 思考：模型分析任务并制定计划。 4. 行动：执行计划的第一步，如调用工具。 5. 观察与迭代：评估结果，更新上下文并循环。 示例：客户支持智能体处理“我的订单#12345在哪里？”时，先规划多步（查找订单、查询跟踪、合成响应），然后逐一执行。这种“思考-行动-观察”循环使智能体处理复杂任务。 4. 智能体系统分类 白皮书将智能体分为五个级别，每级基于前一级扩展： · 0级：核心推理系统：孤立语言模型，仅依赖预训练知识，无法实时交互。 · 1级：连接问题解决者：添加工具，能访问外部数据（如搜索 API）。 · 2级：战略问题解决者：支持复杂规划和上下文工程，能主动管理信息。 · 3级：协作多智能体系统：如人类团队，智能体将其他智能体视为工具，实现分工。 · 4级：自演化系统：识别能力差距，动态创建新工具或智能体。 5. 核心智能体架构：模型、工具和编排 · 模型选择：优先考虑特定任务的推理和工具使用能力，而非通用基准。建议多模型路由（如大模型规划、小模型执行）以优化成本和速度。多模态模型处理图像/音频，或使用专用工具转换数据。 · 工具：分为信息检索（如 RAG、NL2SQL）和行动执行（如 API 调用、代码沙箱）。函数调用通过 OpenAPI 或 MCP 连接，确保可靠交互。包括人类交互工具（如 HITL 确认）。 · 编排层：管理循环，决定何时思考或行动。核心选择包括自治程度（确定性 vs. 动态）、实现方法（无代码 vs. 代码优先，如 ADK）和框架（开放、可观测）。 6. 核心设计选择、多智能体系统和设计模式 · 指令与上下文：使用系统提示注入领域知识和角色（如“友好支持智能体”）。增强上下文包括短期记忆（当前会话）和长期记忆（RAG 查询历史）。 · 多智能体：采用“专家团队”模式，避免单一超级智能体。常见模式：协调器（路由子任务）、顺序（流水线）、迭代精炼（生成-批评循环）和HITL（人类审批）。 · 部署和服务：从本地到云托管（如 Vertex AI Agent Engine 或 Cloud Run）。需处理会话历史、安全日志和合规。 7. Agent Ops：结构化处理不确定性 Agent Ops 是 DevOps 和 MLOps 的演化，针对智能体的随机性。关键实践： · 度量重要指标：如目标完成率、用户满意度、延迟和业务影响。 · 质量评估：使用“语言模型作为评判者”对输出打分，基于黄金数据集。 · 指标驱动开发：自动化测试变化，A/B 部署验证。 · 调试：OpenTelemetry 追踪记录执行路径。 · 人类反馈：将报告转化为新测试用例，关闭循环。 8. 智能体互操作性 · 智能体与人类：通过聊天 UI、计算机使用工具（控制界面）、动态 UI 生成或实时多模态（如 Gemini Live API）交互。 · 智能体与智能体：A2A 协议标准化发现和通信（异步任务）。 · 智能体与金钱：AP2 和 x402 协议处理交易，确保授权和微支付。 9. 安全与扩展 · 单个智能体安全：平衡效用与风险，使用混合防护（确定性护栏 + AI 守卫）。智能体身份作为新主体，使用 SPIFFE 验证。ADK 示例：回调、插件和 Model Armor 检测注入。 · 扩展到企业舰队：处理“智能体蔓延”，通过控制平面（网关 + 注册表）强制政策。关注安全（提示注入、数据泄露）和基础设施（可靠性和成本，如预置吞吐量）。 10. 智能体如何演化和学习 智能体需适应变化，避免“老化”。学习来源：运行经验（日志、HITL 反馈）和外部信号（政策更新）。优化包括上下文工程和工具创建。示例：多智能体工作流学习合规指南。Agent Gym 是前沿：离线模拟平台，使用合成数据和专家咨询优化。 11. 高级智能体示例 · Google Co-Scientist：虚拟研究伙伴，生成并评估假设。通过监督智能体管理专家团队，运行循环改进想法。 · AlphaEvolve：发现算法，结合 Gemini 生成代码和进化评估。人类指导定义问题，确保透明和实用。 12. 结论 智能体将 AI 从工具转变为伙伴，通过模型、工具和编排的集成实现自主性。开发者需从“砖瓦工”转向“导演”，强调评价和治理。这一框架指导构建可靠系统，推动智能体成为团队成员。 Google x Kaggle 5天 AI 智能体强化课程： Google 11月最新白皮书「Introduction to Agents」：
#Google AI智能体 #AI白皮书 #智能体架构 #Agent Ops #多智能体系统
avatar
本报亚洲商业金融财经编辑Peter Landers试乘了两辆中国制造的无人驾驶出租车，他写道，从技术与乘坐体验看，它们与美国产品相差无几。 Waymo和特斯拉的无人驾驶出租车大多吸引的是美国人的关注，而中国公司正一边深耕本土市场，一边在欧洲、中东和东南亚布局。
#中国无人驾驶出租车 #技术与美国产品相差无几 #深耕本土市场 #布局欧洲、中东和东南亚 #Peter Landers试乘体验