重启优化和改造了Ask AI Plugin v1.4.5,目前主流的AI写码模型基本做到了指哪里打哪里,尤其是在1年前还比较头痛的基于Qt的界面排版逻辑。如果能挫出来符合Boris君Boris Cherny提及的Loop Engeering,的确无需亲手修改触碰代码细节。这和3月5日,Chao发布在美卡论坛上的文章拥抱黑盒:一个研究者 All in AI 的实录与反思几乎是一致的行动路线。人类帮AI解决的问题,大都是原来未被充分数字化的领域,或者是由于历史原因增加了安全的鉴权逻辑阻碍了AI的操作权限。

尝试用MacStories出品的捷径AI开发提示词仓库来进行了一次自动记账捷径脚本的开发,痛苦无比。因为测试验证的前置依赖项过于零碎,且必须满足。目前的测试验证环节的流程是:1. 从macOS的捷径App导入文件;2. Apple会自动把macOS上导入的捷径脚本自动同步到手机上的捷径App中,同步会有一个小的延迟。3. 触发使用了无障碍-触控-轻点背面,必须要进入该设置项,手动重新选择配置下触发器,否则即使名称一样,但是原脚本已经失效,新脚本和旧名称无法产生触发。理想很丰满:利用AI就可以开发出快捷的小脚本来完成生活中的各种自动化;现实:你有10+依赖项要解决。

习惯了AI原生产品的新版本节奏,你会发现在AI时代,旧有的App Store范式的审核机制是拖慢产品的更新节奏的。就像是如果你在国内备案的产品数量过多,会遭遇备案数量限制一样,我们本就是生活在一个多层级相互嵌套和形成相互依赖条件的复杂环境中。几乎每天登录不同操作系统设备上的Cursor客户端产生了这种感受。

意识到经验的传递,尤其是跨代际的经验传递,直接的经验同步是无效的,因为随着时间点的变化,很多基于原有环境和前提的判定规则都是无效的,之所以还在传递,是因为这些无效的经验无法得到实际的验证,但在上一代际的脑袋中认定还是正确的。而真正有效的经验传递方式是,思维框架、思考方式、判断逻辑。这些都是抽象化的思维范式,如何建立起有效的抽象化范式,且随着时间的迁移,范式本身还可以进行版本升级和边缘情况强化,这似乎能形成针对思考模型的评判基准。怪不得芒格推崇构建“100个思维模型”。

尝试听ChatGPT来念一些语音的回答,发现引号并没有做相应的阅读处理,例如前置冒号会被读作为“Open quote”(前引号),后置冒号会读作“Close quote”(后引号),记得李如一在录制播客的时候,会把两个引号读作“引号开始”、“引号结束”。这可以算是专为听众进行的TTS优化吧,通过人工的方式。

假期,是一种极佳的对于习以为常的生活流(类似工作流)的重构机会。有精力和时间去思考一些更上游的问题,是一件挺奢侈的事情。

在做简繁中文转换(for calibre)感受:其实文字从左到右的阅读方式是一种神经科学层面的硬编码(hard-coded)。神经路径的可塑性导致了在阅读场景下,视觉皮层、眼动控制和大脑的语言处理区域都形成一个高效的神经网络协同模式,因而切换起来会非常不适应。

AI工具使用者的反向筛选机制是:如果你调用得不充分,和AI融合得不够好,就会被反向淘汰。淘汰的原因是:你无法最大化调用出AI的能力,而不是你无法发挥出自己的全部能力。

今天是2026年高考的第三天(被纠正了,原来高考已经是3天,而不是2天),社会意义上跨入成年的国人又多出来了1290万人。高考不应该是终点,也不应该是起点,应该把这个事件看作一个系统级事件。

NCA(神经元胞自动机)的研究看来能通过AI和大规模的计算机迭代升级来实现突破。读公众号追问nextquestion中的文章《生命游戏2.0:当代码学会“断肢再生”,神经元胞自动机正在重演进》原文有感。

Kogi Small Web的项目大概只能以开源形式存在,使用中心化的推荐,满足去中心化内容的流动和传播,建立在内容的基础上的,不是那么商业化的。似乎在 Tiktok 的算法池中,构建出这样的内同温层的意义更大,只是要不断面对算法推荐内容的情绪化内容,尤其是AI Slop的冲击。

做成一件事的依赖前提越多,对于这件事的影响和控制力度就会越弱。通常来说,有很多前提都是隐性依赖,只有在处理的时候才会意识到依赖关系。所以,如果能有工具或者手段提供打破信息不对等的稳定渠道,就会产生价值。

Midjourney的探索页面像是在做一件反算法的事情:展示没有太多AI感的图片生成结果。的确有很多人是比较反感AI算法的生成物的,ta们管这些内容叫AI Slop(AI泔水)。那如果AI的确创作出来了一些动人的作品,又可以被叫做什么?AI Art?这可能就完美解释了为什么那么多人给自己冠上 AI Artist(AI 艺术家)的名号。

Stanislas Dehaene的《脑与意识》提到:“在1990年,我们的头颅变得可见起来。日本研究者小川誠二和同事们发明了功能性磁共振成像技术(fMRI)。”这个前沿技术的突破的结果是,大脑/神经科学的研究得到了一个神器,大脑内部的神经连接的可视化能力得到增强。不知道在90-95年之间,脑神经科学的研究领域是不是有很多质和量的突破?

苹果的用户使用文档向来做得很好,伴随着每年巨量的产品特性的更新和细节的优化,这些文档承担了每次疑惑产生时候的第一道跳转后的客服处理职能。前两日翻到Microsoft Edge的浏览器插件开发指引,第一反应是:唉,像是苹果做的,但还不够,截图质量太差,有的截图上面出现了红色框,有的截图上的分辨率明显与其他截图不一致。对比之下,苹果的截图,保持了一致的分辨率,没有标注,甚至边缘都处理为了界面出现元素的圆角边缘,没有带有多余的任何冗余环境信息。

“一个团队,核心的也就是那么一两个人。“从这个角度看,在一个小团队中,缺少自驱动力的角色大多数都会成为核心角色的扩展代理(External Agent)。

xAI高管在电话会议中用“逃逸速度”来定义公司的扩张节奏。这一源自天体动力学的概念,常被马斯克用来描述旗下企业的发展逻辑:必须以不计成本的速度加速,才能彻底摆脱行业引力的束缚。——人也存在持续的“衰退引力“:当个体不再更新知识库、收入结构、行业技能之后,个人进化的速度低于社会迭代的速度之后,衰退引力就会出现。

遇到一个问题,花费同样的时间,可以用笨方法,缺点是之后只能一直用笨方法,之后遇到了之后还是会消耗一模一样的时间和精力;还可以用新方法,新方法的优点是,只要解决了,之后每次去解决消耗的时间就会被极大的缩减,但风险是可能探索耗费了同样的精力和时间,但无法走通,只能转头继续用笨方法。AI工具把后者的门槛降到很低。

因为搜索Docx to Md发现了站点工具word2md.com的作者Ben Balter的一篇blog:The brag doc,讲的是利用记录日志来降低存在主义危机。word2md 也是很讨巧的做法,全部的处理都在本地,不会进行服务器数据上传,因此隐私问题会更少一些,使用的方式是:doc -> html -> md 的转格式路径。

Visa的交易系统成功构建了天量交易量的可信交易网络、五方支付体系(支付方、收款方、支付银行方、收单银行方、Visa中间人交易网络),净利润超过50%,远超Microsoft,Google的净利润率,见Visa by Acquired。早在网络还不那么成熟的阶段就构建了东西海岸双备份的容灾机制。从这个角度去看,Elon Musk想要通过𝕏构建即时通信工具,大概还是想要搞定流通中的支付场景,就比如𝕏 Money

卖课一直都是一个不错的生意,无论是针对平台还是针对课程的制作者。对于个人要解决分发和付费墙的问题,最近得知熠辉通过FlowUs、Bilibili的卖课年收入接近100人民币𝕏-Yihui。课单价是599元人民币,有2300份的实际销售,讲的是Vibe Coding。

人在AI前面算不算一种胶水Agent?通过粘合不同的组件来构成解决方案,胶水语言(Glue Language)在某个成熟态的早期是常态。现在几乎每个开发都会有不同的主力AI支持提供特定的能力,容错性极强,甚至不要求API格式,提供托底处理方案,但解决了核心的生产MVP的能力,看到lex推文有感。

Vibe Coding (氛围编程)到底哪群人最受惠?和做技术的人和纯粹不懂技术但是有需求的人交流了下,发现这两群人都不是目标,真正的目标是产品经理这样的技术边缘人。因为对于不懂技术的人来说,门槛太高,无法自行解决基本Init(初始化)问题。对于中高级技术人群,氛围编程的大量Harness(缰绳)优化之前,有心理负担和持续不对等的投入产出不对等摩擦力。例如对于OpenClaw,很多技术人的第一反应是:反应太慢,控制太不精准,耗费Token过于浪费。

决策的错误前提可以用《九品芝麻官》中的一句台词来解释用前朝的剑,斩本朝的官

和前老板学会过一招提升描精确度的沟通技巧:只需要往一个对象上增加足够多的标签就可以筛掉很多噪音。这跟ChatGPT的不是...是...的AI感句已异曲同工之妙,都是二分法来提升信息的精确度。

幸运是对于无法预测的成功结果的最好解释。

ElevenLabs的图标很有意思,是一个暂停键的ICON,又是从Elevenlabs抽出来的两个l

代际之间是有一些数字操作的痕迹的,就像是为了规避垃圾邮件,很多人在博客站点上放带#符号的邮箱,为爬虫的自动化机器人增加一重摩擦力。在现在,似乎不存在这种风险,各大邮箱服务已经能拦截和过滤几乎100%的垃圾邮件。虽然这个现状前提变了,但人们的惯性还在往前走,那些没有修改过来的#就是数字操作习惯的痕迹,带有一些时代感的。就像是谁说在App中,个人开发者不能放置自己的微信号呢?Bayt的开发者就是一次很好的实践。

陈天桥的这篇文章能够很好地解释为什么科技公司会大裁员.例如Cloudflare,一年前,新增了1100个人工,1年后,又直辞退1100个人工,约占比20%。这个过程如果从LLM的训练角度来看非常合理,吸纳以人工为单位的数据集和智能体,然后在正式的推理环境中进行了充分的验证,大量地挤掉以人工为单位的无效数据集和无效智能体,从而完成了Cloudflare这个对象实体的版本升级。

MiniMax发布10x Team招募要求。终于,前沿部署工程师(Forward Deployed Engineer,FDE)岗位的有效性的传播从Palatir到Claude向Shopify派FDE Delta,再到Minimax招募10x Team成员(由于灵活度,可以是Palatir的 PDE dev,也可以FDE Delta),在AI时代完成了高效能职业的裂变落地。

使用智识上超越自己的作品时,你会知道,有位智识或能力远超自己的人,为了让这条途径走通,彻底想清楚了这件事,而且把铲子已经做好就位,随取可用。

TRAE的推广咖啡是星巴克最便宜的美式,但却获取到了超过瑞幸的品牌溢价。瑞幸咖啡=千问,TRAE=星巴克。喝了TRAE的美式,驱动直接产出了一款Android应用,通过gofile.io直接下载安装。一代人有一代人的鸡蛋要领。

想到佛教中讲的因果,可能最直接的解释是:人势必要为每个决定付出代价。这套逻辑反过来也要求人主动成为那种愿意为每个决定负责的人。夸张点说就像,你不能因为冲突就突然按下核弹按钮,然后轻飘飘地说一句:Oooops,不好意思。使用Selfcontrol观感。

GitHub 作为日记的存储,可以几乎永久免费地进行归档和提交。

如果 80% 的边缘情况是一份脏活,为了塑造一款产品来获得收入或者其他收益,从交易的层面来看这是一个不对等的交易:你愿意花费近乎无限大的成本来换取一个你想要的结果。