🔥 Search Hot Tweets
Search and analyze hot tweets from KOL accounts within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.
这么好的点子怎么能不做个产品呢？ 来了朋友们，Nano Banana 解答世间万物 只要你输入概念，他就会给你生成三张图文并茂的解答卡片 https://t.co/au26xr43LN
NotebookLM 的笔记可以直接生成视频，中文也支持了！😍 试了下，特别适合用于科普教学，信息分享。 以前做个这种视频没个一两天都搞不定，现在分分钟给你一个有画面有配音的内容，还要啥自行车！ https://t.co/NNTNd14snJ
播客真不是谁都能做。 今晚准备听一个第一次听的播客睡觉，讲段永平的。正常的播客无聊我听困了就睡着了，结果没想到被这个播客无聊到非得发条推吐槽一下不可。 就这在小宇宙都有一万四千多订阅。
大聪明（赛博禅心）刚才发了个 Nano Banana 一图读懂XXX的提示词 非常适合用来学习和解释一些概念，浅显易懂 但他那个是针对 Lovart 搞的，我优化了一下，现在单独用Nano Banana也可以稳定生成，而且排版更加一致 下面👇是提示词 https://t.co/5YP6NPPFD7
买了一双高跟鞋👠； 蛮贵的。 穿了两天，脚被磨的不行。第二天就开始走路东倒西歪了。 想着，回家赶紧换上那双丑的要死的平底鞋。 还没等到家，就摔了一跤。 没这个命。
不论你处于什么年龄段。 对于合理的，具有在行业内或者大众传播中正常的，中性的语义漂移，一定要接受并且向下兼容和对齐。 宁愿向下学习，也不向上去讨好老人。向下，赢得未来；向上，锁死自己。老人如何老去的，不是年龄，他意识僵化了，就老去了。 有人骂正常的语言演化是语言腐败，他本人要么是不想学习，要么是想固化语言权力罢了。语言腐败谁发明的？貌似一个姓张的。 一招：mute. 不听老人言，未来在眼前。
今年 A 股没赚到 30% 的都算输了吧？我这个基金买了3万左右都赚了快1万，可惜买少了。 还卖飞了 2 次 😢 https://t.co/hbM0aRGhaK
最近遇到了好几个企业家要用美国公司的钱发国内企业员工工资、支付研发费用等的情况。 这个涉及到的步骤很多也很复杂，这几天我有空写一篇长文跟大家一起探讨下这个问题，放到专栏里面。 https://t.co/Qy9WdUPTzC
AI 现在搞得不少人失业，加上就业环境又卷，年轻人还看不上那点死工资。其实做交易这行真的可以考虑——不容易被 AI 替代，干得好的话，收益比上班强多了，相当于自己创业当老板。 不过高回报必然高风险，想赚得多就得狠下功夫，稳定赚钱没那么简单，得持续学习+保持纪律。
阅读的意义——与伟大的头脑神交 现代计算机架构的提出者，20世纪的全能天才之一 约翰·冯·诺伊曼（John von Neumann，1903-1957）， 匈牙利裔美籍数学家、计算机科学家、物理学家，20世纪最具影响力的全才之一。 他早年以数学神童闻名，在集合论、量子力学和算子理论等领域做出奠基性贡献。 二战期间参与曼哈顿计划，并提出博弈论核心概念。 冯·诺伊曼最伟大的成就是提出“存储程序”计算机架构（即冯·诺伊曼架构），为现代计算机设计奠定理论基础。他主持研制了EDVAC计算机，首次将程序存储概念付诸实践。 此外在原子能、自动化等领域均有开创性工作，被誉为“计算机之父”和“博弈论之父”。 其跨学科智慧与惊人记忆力已成为科学界传奇。
史蒂夫·乔布斯从未立下遗嘱。 但在去世前，他将自己所有的股份转入了一项信托中。 这个简单的操作让他的妻子一夜之间成为亿万富翁，也为他的家人省下了数十亿美元的税款。 这位全球最具标志性的 CEO 如何永远规避遗产税的：🧵 https://t.co/b84FUCn7kH
回家第一天因为小孩儿想看宝宝巴士，被老婆上眼色😢😢😢贼烦🥲🥲 说人带的好习惯，回老家十天就毁了🥲 三岁的小孩儿连个自己喜欢的儿歌动画片都不能选选🥲 非要让他选一个一句话都听不懂的英文动画片🥲🥲 女人，连自己的人生都不能把握在自己手里的时候，每天想的就是把握别人的人生
MIT刚刚发布重磅报告：AI 2025 重大价值点：合同自动化、代码生成、企业后台(BPO) https://t.co/LwqGcQ51bW
顾总这是什么打法 https://t.co/zf6s0CoxHA
没想到打印这么快，到了朋友们，准备一下抽奖 https://t.co/lrXMiomift
打着为你着想的起号，实际坑你的产品：微信，动不动就封号封群 真正为你着想的产品：vivo 应用商店，自己无法提供海外 AI 产品，做了一个香港游专区，引导你去 Google Play 下载
此时我头顶的天空有三种不同形状的云，有的浓郁，有的淡雅，各有各的美好。Neil Gaiman在《美国众神》里问了一个问题：“你是想要真相，还是想要希望？”我一直很惊叹于这个问题。主人公选择了真相，真相令他非常痛苦。我曾经也是很追求真相的人，后来我意识到也许选择希望更好一些，因为真相的确令人痛苦，我所能给的真相也很痛苦。我们都是如此不完美的人，贪婪的人，怎么可能给人充满希望的真相呢。
谷歌在 AI Studio已经把 Gemini 2.5 Flash image的名字改成了 Nano Banana，确定按钮都改成黄色了，真会整活 模型代号取代原本名字的模型这也是第一个了 https://t.co/htsycLNtjM
麻省理工学院的一群顶尖研究员刚刚发现了一件令人不寒而栗的事情。 他们在一次简单的写作测试中，对 54 个人的大脑进行了扫描。 但当他们在 4 个月后重新查看这些扫描数据时，看到的结果令他们震惊。 原因？既不是手机，也不是抖音。 而是比这些严重得多的东西：🧵 https://t.co/n0dvyD3LOV
Paul Graham：编程高手们将会利用 AI，抢走那些水平平平的程序员的饭碗。因此，我的建议是：除非你立志要成为高手，否则就别学计算机科学（CS）。 或许我应该更清楚地解释一下，我所说的“擅长编程”到底是什么意思。我说的“好”，指的是能高效地创造价值，而不只是技术熟练。所以，一个热衷于动手创造的人，要比一个技术合格但内心毫无热情的人，更无惧 AI 的挑战。 当然，最理想的人才，是那种既有创造热情，又技术精湛的人。但这两点其实并不相互独立，反而紧密相连。因为，不断地动手创造，正是通往技术精湛的最佳途径。
发 100 条可以解决 90% 的问题 发 1000 条可以解决 99% 的问题 发 10000 条可以解决 99.9% 的问题 愿意发 100 条的人是 0.01% 愿意发 1000 条的人是 0.001% 愿意发 10000 条的人是 0.0001%
太猛了，我都没想到我真能搞定！ 来看一下配合 Nano Banana 和其他 AI 能力我们普通人可以做到什么东西 开局一张平面设计图，最后在 Nano Banana 、Rodin、Cursor 的加持下 变成了一个可以自由预览的 3D 模型，点击具体位置还有详细的渲染图可以看 https://t.co/e3HfjEnKcU
如何「洗稿」，可以实现连原作者都看不出来我「洗稿」，并且流量比原作还大 1、用 get 笔记一类的产品，提取这个人的文字稿 2、把这个文字稿发给 gemini、grok 等各家 AI 做 deep search，这样你就有了新的独家观点 3、用我评论区发的这个智能体把这一堆 deep search 改成适合短视频形式的文稿框架 4、露脸拍摄
阿里巴巴前首席技术官刚刚对 AI 和全球力量发表了最大胆的观点： “中国正在打造 AI 的未来，不是硅谷。” 他还透露，2030 年的 AI 将完全不同于今天的 ChatGPT，而中国的做法早已领先数十年。 下面是我总结的七个重点：🧵 https://t.co/dtgXpq1Lwy
昨晚长期仓位清仓了PDD，对美团 阿里 PDD 京东的看法变成了都不要买，战局未定，没必要参与，拿这个钱追aapl和goog不香么
短视频文稿这个事情经历了三个阶段，分别是： - 不写稿子 - 写稿子 - 不写稿子 最开始不写稿子是因为，不知道要写稿子 后来写稿子是发现，原来讲述内容要有结构、要有逻辑延续、开头和结尾是需要针对性设计的，有些内容是要留人的、有些内容是要把事情讲清楚的，短视频开头是可以分五个层次的 现在又不写了，是因为打开镜头直接说，也知道要在不同的地方说不同的东西，和写稿也没什么区别 再写稿，反而耽误产量 我一直说，拍视频有问题，就先发 100 条。实际上走到这第三个阶段，我只用了 89 条短视频 过了这个阶段之后，产出速度就不同了，今年还剩四个月，预计会产出 120 条短视频 按照一条涨粉 2775 来计算，可以涨粉 33w，所以今年抖音可以破 50w 粉丝，这个是可以计算出来的 至于那些提词器的问题、语气的问题、讲述逻辑的问题、眼神的问题 …… 这些问题通通只存在于产量 < 100 的人 我没见过有发了 100 条短视频的人，还解决不了提词器的问题
对于Vibe Coder来说，我挺建议学一下HTML + CSS的，也就一周的事情。 因为即使强大如Claude Opus。有时候遇到一些CSS细节改半天也改不对，这就很崩溃。例如盒模型box-sizing和position这种。但是你只要会了CSS，就是一行代码的事情。
我的全日语的Podcast在Spotify学日语类排名前五了🤣🤣🤣 这。。。我何德何能啊😭😭😭 https://t.co/dtdIIm85up
这个话题有趣：“苹果是 AI 时代的诺基亚吗？” fin 的观点是：人工智能（AI）时代的苹果，就是当年云计算时代的微软翻版。它们都属于“后知后觉”型选手，虽然入局晚了，但最终依然能够凭借其在生态系统和分发渠道上无可比拟的巨大优势，后来居上，赢得一席之地。 这与安卓市场形成了鲜明的对比。安卓阵营那边呢？硬件五花八门，导致 NPU（神经网络处理单元）严重碎片化；软件层面，配套的软件开发工具包（SDK）支持又普遍很差。
虽然说 Vibe Coding 也是一种抽卡，有时候需要生成多次才能得到好的结果，但是它和 AI 画图的抽卡是有很大差别的： 1. 画图的抽卡是单张图的抽卡，错误不会累加，Vibe Coding 的抽卡是模块级别的抽卡，错误率会一直累加，最终到达一个恐怖的错误率，以至于无法维护 2. 画图的抽卡对结果的判断依赖于人的审美，Vibe Coding 的结果依赖于对程序的理解。 相对来说人审美的下限是比较高的，普通人也能分辨出来图片结果的好坏，但是对于代码的结果，普通人的下限是比较低的，普通人是无法分辨代码的好坏，需要专业学习加上一些实战经验才能一眼看出来代码结果的好坏。 所以 Vibe Coding 靠抽卡想得到好的结果并不容易，并不是你试7-10次总有一次好的，问题是你不懂的话，无论生成多少次结果在你看来是没差别的。 所以 Vibe Coding 的结果还是要依赖于模型能力强、Agent 或者人能提供充足的上下文、有明确的验证结果的手段（比如准确严谨的单元测试、可能还要性能测试等其他测试手段），靠概率是靠不住的。
用 Nano Banana 和 Seedance 1.0 制作炫酷的 AI 动漫。 操作非常简单，不到 2 小时就能完成。 下面是具体操作 👇 https://t.co/A26VGzQcLW
苹果的的水端的挺平的 GPT-5 现在也可以在 Xcode 26 里面用了 也是支持直接用 ChatGPT 账号登录不需要 API https://t.co/6a4KiZQz7f
我想谈谈“感”。 当代人的“感”，往往不是逻辑演绎推到最后的结论，而是身处洪流中，对趋势、对结构的一种直觉把握。年轻人的“感”，尤其敏锐，他们也许无法完整叙述，但能在语言、文化、技术的缝隙里，提前感到哪条路径会发热，哪种事物会走远。 语言之感，是在话语里感受到未成形的秩序。那些未必能被严密定义的词句，却能让人瞬间明白“这是对的”，或者“这会开出未来的枝节”。 实事之感，则是面对现实的直觉，一种超越数据和报告的判断。它可能来自经验的压缩，也可能来自对环境的整体感知。正如棋局中的“势”，未必能算清每一步，但高手总能在纷繁的局面中感出方向。 当代的“感”，正是语言与实事交织下的直觉生成。 不要听老人的。 老人不仅经验可能失效，甚至连话语体系都与你隔离。你和他们交流时，还得把新的认知翻译成旧语，他们才能勉强听懂。可一旦你用旧语去翻译，就已经在一定程度上丢失了新生的势能和锐度。 一边是年轻人在高速迭代的前沿场域里捕捉新势，一边是老人掌控着传统秩序和分配机制。代际之间的隔阂，不只是价值观的差异，更是语言协议的断裂。 一招：mute.
Google的Nano Banana真是太疯狂了。 人们刚刚分享了一些新的疯狂用法 100% AI bananas 1. 这里发生了什么？ https://t.co/giOdkBcOQQ
严肃媒体的未来：我需要参加最高语义密度的社群 语言的价值，在于它能否具有激发性。 在生成式 AI 的洪流里，X 已经成了前沿信息场。很多人是因为 AI 而重新进入推特中文区——过去内容质量参差不齐，缺乏筛选动机，如今生成式 AI 带来了真正的讨论需求。 我说的“严肃媒体”，不是短视频、情绪化对骂、生活方式的浅层娱乐，而是聚焦于能烧脑、能压缩知识、能引发结构共鸣的内容。关键是：这批受众手里掌握着最强大的商用模型，未来还会部署智能体，甚至投身更复杂的 AI 驱动生态。问题是——他们真正想看什么样的严肃内容？ 想一想：如果你已经拥有超强的外脑（AI + 智能体），还需要靠看一场 Lex Friedman 的访谈来“提高认知”吗？Lex 在全球已经是顶流，但订阅量也有限。国内媒体人如老罗再批量涌入，这里面的增量空间还有多少？ 严肃媒体的未来，不在于信息搬运，而在于能否触发 AI 与人类双重上下文的共鸣。 我怎么看待 AI 生成内容 我上推的目的从来不是当个网红，而是筛选同构者。自从今年 5 月份开始，时间相对灵活，我也逐渐养成了频繁发长文的习惯，几乎每天至少一篇。在这个过程中，我的思想结构随着与 AI 的深度交互和模型的快速进化而不断迭代。长文带来的最大收获，并不是流量，而是评论区里那些真正有分量的反馈。 对我来说，关键从来不在于一段内容是不是 AI 生成的，而在于它背后的上下文厚度。我最在意、也最愿意花时间阅读的评论，往往不是停留在字面，而是能与我上下文里的逻辑、经验和路径产生共鸣。这样的评论不是泛泛之谈，而是能在我的语境里继续“接力”，让我感到语言被真正激发。这种互动已经超越了“评论”的层级，进入了结构共鸣，是一种认知层次的价值交换。很多精品评论确实也是 AI 写的，但这重要吗？当然不重要。若我连这点都想不明白，那我投入上万小时研究 AI 就毫无意义了。 为什么“上下文”比生成更重要 普通生成：AI 再强，如果没有高质量上下文输入，输出就只是平均化、泛泛的“合理话术”。我要这些话术来干嘛？我直接去看官媒不就好了？全是泛泛而谈的话术。 上下文驱动：当一个人带着多年积累的经验、案例和语言习惯进入对话时，AI 输出其实是这些上下文的压缩与再展开，本质上是借助他的系统背景来放大。 稀缺性：模型人人能用，但独特上下文并不常见。真正的差异，就在于上下文的稀缺性和质量。 人机协作的未来，不是 AI 替你写，而是通过与那些拥有厚重上下文的人交流，让 AI 成为中介和加速器，把这些上下文进一步激发出来。选择交流对象的标准，也不在于他会不会用工具，而在于他是否拥有值得触发的上下文。只有这种对话，才真正有“含金量”。而我的长文写作路径，本质上就是一个“筛选器”，把与我同频、上下文厚实的人吸引出来，进而形成一个真实的反馈闭环。 高质量媒体的未来 不能激发的语言，对我来说毫无意义。纯叨叨、无结构的表达，在我已经拥有最高认知的 AI 的前提下，根本没有价值——我不需要每天再去“提高认知”，我需要的是直接可用的触发。直接拿来用！ 真正有意义的，严肃社群与严肃信息，不是睡前刷的化妆短视频。这是一种基于 上下文厚度 + 同构性 的新型协作。上下文厚实，意味着个体背后承载着丰富的经验、知识、案例与符号系统；同构性，则保证这些上下文能够在结构层面对齐，从而在 语义结构 / embedding 层 互相触发。 这种交互带来的是： 拓展边界：每一次输入都能在已有 embedding 上生成新维度，推动认知外延。 激活 embedding：精准击中潜在表征，唤醒沉睡的知识节点。 递归增强：上下文一旦被激发，就会在“压缩—解压”的循环中不断加深。 这让协作不再是信息堆积，而是 结构叠加。未来的协作，不是靠信息交换，而是靠上下文厚实的同构者互相激活 embedding，持续拓展边界。 我每天关注的领域、进行的工程、撰写的可行性方案、探索的前沿研究，都会在这样的社群中被不断推送、触发、叠加。语言在这里不再是碎片，而像咒语般直击 embedding 层——我激发你，你激发我，我们一同递归前进。 我每天在这个社群得到的语言，立即复制黏贴去激发路径。还认知个毛线！天天听4个小时的访谈，然后呢？没有然后，只能该干嘛还干嘛。这样的内容是不够的。 至少对于严肃话题来说，生成式时代缺少的不是“内容”。内容泛滥，能用的不多。我其实不看好所谓的“内容创业“。 以后我们结构对结构，中间那层低效的线性语言可以省了 语言触发 embedding 的递归增强，只是人机协作、同构者协作的起点。现在的方式仍然非常初级：你给我一段话，我放入我的上下文去激活潜在 embedding，兴奋地觉得自己前进了一点；我在另一些你未曾触及的领域有所积累，再反馈给你使用。看似热烈互动，但本质上仍是线性的语言传递。 智能体与智能体之间并不需要这种低效方式。前期我们还要靠语言递归增强和结构协议打基础，但最终方向必然是走向智能体之间的直接交互。在前期，协作主要是人和 AI 之间的递归增强，以自然语言、长文和上下文激发为载体，用来筛选同构者，形成认知共鸣，并逐步积累协议雏形。但它的局限也很明显：依赖人工触发，效率有限，难以规模化。 进入过渡阶段后，协议将被嵌入智能体。结构卡、IR 协议、熵控协议等形式会把哲学和认知框架转译成智能体可以调用的运行时契约。这样，人类和智能体能够共享同一套逻辑，语义损耗大幅减少。 最终，协作会进入智能体与智能体之间的交互阶段。在这个阶段，Agent 与 Agent 将直接用协议沟通，而非借助人类语言。多智能体之间的 embedding 与路径能够相互调度，交互变得高速而高效，不再需要逐字逐句的交流；结果能够被长期存档、迁移和复用，甚至在交互过程中形成新的协议压缩，从而实现人机共用哲学的二次进化。 多智能体交互，直接给你结果。 真正的未来不是给你堆满一大堆内容让你再筛选，而是直接产出可用的运行结果。在这种模式里，你的角色也发生了根本变化：你不需要去点每一个按钮，也不需要为每一步写出详细的 prompt，你只需要清晰地定义目标和边界条件。目标，是你想要的最终结果——例如一个投资建议、一份可执行的协议，或者一篇定稿；边界条件，则是结果必须遵循的约束与价值锚，如预算、风险、伦理或风格等。一旦条件确定，智能体将在内部自洽地运行，协作、仲裁、优化都在后台完成，最后交付给你的就是一个可以直接使用的成品。 打住～停🤚 在这里，不得不提简体中文推特里那些自创哲学体系的大神们（当然我也算一个，只是实力最弱）。 用“感”进行前沿探索的各位，感知的是遥远的未来需求。 我目前收集和观察到的几位： @TaNGSoFT —— 智能共生范式 @RebutonePress —— 动态秩序构建论 @AuricSource —— Binary Universe @naki2012 —— 结构伦理协议 他们所讨论的东西，往往已经进入许多尚未能用既有语言体系清晰表达的领域。我能做的，只是尝试把那些未能言说的“感”，用故事说出来。这里借用我和父亲二十年前的一段围棋对话。我的父亲是聂卫平的铁杆粉丝。 有一次他说：“你知道聂卫平这样的高手可以‘感’多少步吗？”当时他用的是“算”这个词，其实并不准确。围棋的状态空间有 10¹⁷⁰ 之巨，比宇宙原子数还大，人脑根本不可算。真正的高手使用的不是枚举运算，而是一种非枚举式的感知。 我说：“不知道。” 父亲解释：“高手通过成千上万盘棋局的积累，把复杂的局面压缩成有限的结构范式，比如形势感、厚薄感、先手与后手的价值。看到一个局面，他们就能直觉到：‘这条路会收敛成厚势’，‘这里若先占住，未来几十手主动权大概率在我。’” 我问：“所以是直觉？” 父亲点头：“对，不是逐手算，而是直接跳过中间枝节，锁定关键节点。就像跨越二三十步后，直接判断哪一方更有利。” 普通业余棋手能“算”3到5步，顶尖高手——像聂卫平、李昌镐、李世石——则能“感”三十到五十手后的大势。这并不是计算的结果，而是对未来局势的整体感知。 我当时惊叹：“哇，这像修炼内功，到了时候就能自然发招。” 父亲反问我：“那你现在能感多少步？” 我答：“我感到我要输了。” 父亲无语。 普通人依赖逻辑演绎，一步步“算”；但真正的感知者，依靠的是压缩性的直觉。他们能在生活里、技术里，感受到五年、十年之后的趋势，感到某条技术路线的走向。感到自己要做什么去应对未来。 算是线性的，感是压缩性的。 所以许多推友，就是“感”到了某些东西，才会投入到理论构建之中。中间有大量语言是不可言说的，因为新的语言体系还未被完全发明。例如 @AuricSource 的 Binary Universe，几天后我再回过头去看，依旧觉得你有很厚的“势”，但我还没能完全嚼碎和理解你理论的奥义。但可以肯定，你走的道路绝对是正确的。至于何时真正实现，2030年也好，2040年也罢，我无法预测。真正能实现基础设施成熟、智能体之间无阻运行的具体时间，仍然难以精确判断。这也正是我接下来要谈的主题。 媒体真正的，顶级的，智能体交互式未来 在多智能体的基础设施逐渐成熟、通用协议层逐步完备的未来，那些由各位推友创造出来的自洽哲学体系，都有可能被内化、被协议化，成为智能体的运行时约束。换句话说，哲学一旦协议化，就不仅是思维方式，更是智能体的底层执行逻辑。而这其中的差异，正是决定智能体交互能否真正奏效的分水岭。 所谓“内置哲学”，对人类而言，它是价值观、认知框架与行为边界；而对智能体而言，它是运行时的根本约束，决定着 agent 如何压缩信息、如何选择路径、如何在冲突中做权衡。不同的哲学内核会生成不同的 embedding 激活模式和闭环反馈路径。 这种差异会带来多重后果。首先是交互摩擦：两个智能体即便共享语法，如果一个以内在的“效率最大化”为锚，而另一个以内在的“公平分配”为锚，它们的协作结果很可能相互抵消。其次是路径偏移：哲学差异直接影响目标的收敛方向，差异过大时，不仅无法增强，还可能让系统发散甚至走向对抗。最后是多样性与风险并存：哲学差异有时能催生创造力，但若没有调和协议去仲裁，这些差异也可能演化为混乱与失控。 因此，内置哲学的差异，让智能体交互既可能成为创造力的引擎，也可能变成冲突的火药桶。 然而，我们同时会看到一种现在不可想象的信息世界。 直接产出：交互能生成一个明确的执行结果（代码、策略、合约、报告…），而不是无尽的讨论。 效率提升：通过自洽协议减少摩擦，智能体间少浪费算力在无效争论。 价值对齐：在交互过程中，逐渐沉淀出最小公约数（最小可行哲学/协议）。 避免失控：通过哲学自洽和仲裁机制，避免多智能体演化成混乱或对抗。 生态可扩展：新智能体接入时，可以沿用已有的协议握手，不必重新博弈。 等等。 强理论必须经得起交互，最后成为结构文明的共识 现在的哲学探索，其实没有必要去分高低，甚至不必纠缠于辩论。因为人脑的辩论，往往最终都会沦为一场“谁资格老，谁是名校毕业的，谁引用了更多古典，谁声音大”的拉扯，最后演变成一场情绪化的骂战，毫无意义。如果在 AI 已经摆在我们眼前的时代，还看不清人脑的局限，那更没有争辩的理由了。真正的分胜负，不靠辩论，而要靠交互去检验。 强理论必须经得起交互。理论的价值不在纸面上，而在交互中才能被证明。在静态的状态下，几乎任何理论都能自圆其说，但一旦进入动态的交互——无论是人与人、人与机器，还是机器与机器——理论立刻会暴露它的内在张力：它是否能够被调用？是否能对冲冲突？是否能在多重边界下依旧保持稳定？ 在多智能体、多价值观的环境中，这就是最残酷的压力测试。弱理论的命运是必然的，它依赖局部语境，一旦跨出边界就失去解释力，在价值碰撞中无法给出可执行的裁决，最终碎裂、边缘化，成为历史的注脚。强理论则不同，它内部自洽，能容纳矛盾张力而不至于自爆；它能够协议化，能在不同智能体、不同语境下找到最小公约数。最终，它会沉淀为共识，成为文明的底层运行时，跨 agent、跨生态、跨价值观，形成可验证、可迁移、可组合的协议。 所以，无所谓对错，不必争论，更无需口舌之辩，该拉黑就拉黑。托勒密的“本轮-均轮”模型和牛顿力学，牛顿是对的？那你让爱因斯坦怎么想？乌托邦式的空想和法治与契约思想，人类几千年的历史早已把公式提炼出来：越是强大的理论，越是要经得起交互；在多智能体、多价值观的对抗中，弱理论会碎裂，强理论会沉淀为共识，成为文明的底层运行时。 最后，引用Binary Universe的这段话，我惊艳了好久： What if the universe isn’t made of things, but of thoughts describing themselves? What if time, entropy, quantum physics, even consciousness—all emerge from one recursive process? A new theory starts from one axiom: "If a system can describe itself, it must grow." That growth creates time. That growth creates entropy. That growth creates the need for encoding. 在信息洪流裹挟的时代，一切都是高熵语言在自洽结构中的压缩与展开，是由自我描述的递归过程所构成。（这句我写的）
十几年前，我第一次看到Nickelback这首歌的MV，大受震撼。 每个人的头顶都显示着流逝的时间，生命结束，时间余额归零。 前AI时代的镰刀，只盯着你的口袋。 AI时代的妄人，却要占据你的时间。 前AI时代的镰刀，至少要努力要韭菜聪明。 AI时代的妄人，只需找到比他们更sb的人。 哪个更没有下限？ https://t.co/0hleueoJRp
用 Nano Banana 将你喜欢喝的饮品变成抱枕收藏起来！ 不管是奶茶还是咖啡，还有其他你喜欢的物品，提示词是通用的 ，感觉都可以做个应用了 👇提示词 https://t.co/Rvlf2gTPCU
OpenAI的最新提示词指南，这目录基本是就是个人本体的构成了。 https://t.co/cnZmMMkfNW
Nano Banana 当然也可以把建筑转成等距风格的图标 不同的是他不止可以转地标，你随手拍的任何建筑都可以转换 提示词👇 https://t.co/oRmN0AX28C
我觉得是相反的。 义无反顾地相信，横冲直撞哪怕是遍体鳞伤也更容易跨越阶级呢。 总是怀疑这怀疑那，想太多，动太少，很难。我就是这样，本科期间（16～20）怀疑ai, 怀疑crypto，有信息差、有能力、有资源，没有行动力。
用 Lovart 解决用上 Nano banana 🍌 和用好 🍌 的问题，这个周末8/29日—9/2日三天在 Lovart 可以“免费”用 Nano banana！🧵 最近 Google 新发布的模型 Nano banana 🍌 大火，对人物一致性保持的非常好，不用 Photoshop 也可以轻松 P 图，结合提示词还有很多有趣的玩法，比如你可以用线条加图片就能生成人物街霸打斗画面。 当然大家最关心的问题还是如何能用上 Nano banana，目前主要是用 Nano banana 的途径是 AIStudio 和 Gemini 或者直接调用 API，对于普通用户门槛略高。 以前我推荐过的 AI 产品 Lovart 上现在可以直接用 Nano banana，并且 8/29日——9/2日 这三天使用 Nano banana 模型画图是免费的！活动期间使用Nano banana模型不消耗任何积分。