🔥 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.
我要把我的短视频封面改成这样 用 AI https://t.co/0nKx84D4FE
刚才在院子里看书睡着了。一般我睡着的时候毛小奇来叫我是小手手轻轻搭我身上，看我没反应就过一会儿再来。小妮娜是直接抡老拳捶我，捶醒为止。醒了看看她，问她有什么诉求？她说：“抱我！就现在！” 使劲儿搂住她的大粗腰给她抱上来了，她又说：“给我挠痒，快点儿滴！” 我给她挠，她爽得小脚直颤。 挠了一会儿不挠了，她回头看我：“说让你停了吗？” 这要是说：“出去走走啊？”马上眼睛发光跟电灯泡一样，两脚一用力踹在我的肚皮上就飞奔而去了。
直播圆满结束，NotebookLM总结。 听众都反馈干货很多 https://t.co/hzHUe9aKYt https://t.co/EC2nGW6FKx
外科医生与交易心理学 https://t.co/EkMmoBFcls 来自 @YouTube 感谢 Al Brooks 的总结，他亏了 10 年才总结的课程，让我们少走了很多弯路
千万别迷信干货了！光学不练只会越学越蠢！ 很多人喜欢追着各种“干货”和“方法论”跑。报一个课，买一本书，读一篇长文，心里就觉得自己又升级了。可现实是——干货看了一堆，方法论收藏了一箩筐，最后还是原地打转。为什么？ 拿应试教育举例吧：对考试来说，数理化课本那可是 100% 干货，但即使这样，如果你只看教材、不做题，一样考不上大学。光靠吸收知识，不练手、不落地，结果就是白搭。 大公司的方法论之所以能成，是因为底下有一堆苦哈哈带着 KPI 做执行的牛马。所谓“方法论”，其实是执行出来的结果，是踩过坑、堆过尸体之后总结出的框架。而不是靠几句策略就能把事情做成。 草台班子甚至没什么方法论，直接从执行里摸爬滚打，才慢慢沉淀出自己的流程。 换句话说，方法论只是执行的放大器，没有执行，它就是空中楼阁。 现在有了 AI，好像更容易陷入“认知升级”的幻觉。因为 AI 能帮你补齐不少方法论和认知上的短板，但它依然没有手去替你写作、发帖、投放广告、跑渠道。 就算有一堆 agents，看起来很热闹，你要让它们能配合起来做内容、引流、运营、交付，还要对比多个agents的效果，和验证，那本身就是一种执行。而不是无脑丢给一个最火的 AI 一段提示词，再复制一下这个 AI 的输出，就能等着奇迹发生。 你看到的大佬能成，不是因为他们的策略多牛逼，而是因为他们真正在手上不停实操。但是他每天能按着你的手去帮你敲键盘吗？所以他能传播的也只能是他的经验教训，换句话说，方法论。 所以问题出在这里： - 你写作能力没练； - 社媒账号空着； - 投放广告还在研究“一击必中”，账号都没注册； - 连热点都懒得刷； 然后埋头盼望有一套万能的方法论，能让自己做的产品一夜之间点石成金。这，本身就不合逻辑。 创业和上班最大的区别在于： - 上班是一份活换一份回报，价值匹不匹配另说，但至少相对线性。 - 而创业是你可能一直干，没有任何回报，甚至连掌声都没有。这也是为什么马云说：“今天很残酷，明天更残酷，后天很美好，但大部分人都死在了明天晚上。” 但是换个角度看，其实这也是创业的魅力所在：你可以失败很多次，但只要赢一次，就够了。
国内安卓手机使用官方TikTok APP，手把手教程 免拔SIM卡，绕过手机号码属地检测， 可免 Root 的 SIM 卡国家码修改工具， 教程及工具链接见评论区⬇️ https://t.co/Yxnvr1Ip7n
VOA时代的远去：AI 时代人人都是“媒体人” —— 超级个体的努力与未来 几年前网红经济刚兴起时，我身边有不少新闻系的朋友，其中甚至有人在 VOA 工作。那时，她们普遍看不起“网红”。她们大多出身名校，硕士以上学历，背后带着大台的光环，自认站在职业媒体的制高点。当然我们承认“女主播”这个身份在新媒体里有新的形态，和大台的“女主播”相比，仍然存在区别。那时候，整个媒体生态尚不可同日而语，而我也是这几年才认真去研究新媒体的范式。要说清楚这一点，我还是得从 VOA 讲起，因为虽然他也是官媒，毕竟他还是被砍了。 采访、叙事与“真相” VOA 或类似的大台，真的在传播“真相”吗？郭文贵事件是我看清这一切的转折点。 像 VOA 这样的大台，背后的组织成本极高：采编部、外派记者、驻地机构，都是庞大的开支。过去他们看不起小网红，尤其是像“石头记”这样的 Youtuber，理由很简单：这些人整天窝在家里，信息来源主要靠电子爆料，而大台有“采访采集”的壁垒。旧的媒体环境里，普通人根本拿不到一手信息，信息获取依赖人脉、机构授权和采访许可。记者的价值就在于能进入现场、面对面接触信息源，然后把消息加工成报道。换句话说，壁垒的本质在于稀缺的接触权与采集能力。当然，这种价值在某些场景下依旧成立，比如战争前线的实地报道，依然需要专业团队的支持——尽管近年来俄乌、加沙等战争中，大量一手内容并非来自记者，而是直接来自现场民众。 然而，当我们真正审视 VOA 中文部的采访实践时，就会发现很多时候，他们的“采访”并不是新闻学意义上的一手信息采集，而是带着明确立场的叙事拼接。 “采访”并不等于“信息” 在传统语境里，采访意味着记者亲临现场，接触信息源，获取独家、未公开的信息，然后再加工成报道。 但在 VOA 中文部的实践中，所谓的“采访”往往是找几个“意见领袖”或“异议人士”来做访谈，把他们的观点拼接起来，营造出一种叙事氛围。换句话说，这并不是“信息采集”，而是“叙事采集”。 郭文贵事件：权威的失效 郭文贵事件几乎把这种旧式采访模式的问题暴露得淋漓尽致： 采访失效：VOA 自以为在进行重大采访，其实只是成了郭文贵叙事的一个放大器。 叙事反客为主：节奏已不在记者手里，而是郭文贵借用平台来推动自己的叙事。 标签失效：VOA 的权威身份不仅没增强信任，反而让人觉得被利用、被动。 这是我看清VOA的一个分水岭。第一次，人们清晰地看到：旧媒体的采访权威不再能定义叙事，反而被叙事劫持。 为什么是转折点？ 在此之前，VOA、自由亚洲依旧残留着“海外权威信息源”的光环。 在此之后，人们逐渐意识到：叙事的主体已经迁移到个人、社群与互联网。 大台的采访充其量只是一个流量助推器，而不再是叙事的源头。以郭文贵后来所做的事情为例，即便他当初没有上 VOA，他也会自己开个自媒体去说。而一旦走到这一步，大台的存在几乎就失去了稀缺性。 郭文贵事件的意义正在于此：它让人们看到，传统媒体的采访壁垒不再是资源，而是漏洞。真正的叙事力量，已经不可逆转地从机构转移到 个人 + 社群 + 平台。 对真实的偏执想法 对“真实”的偏执，其实是每个要和 AI 共生的人都必须跨过的一道人生认知门槛。旧媒体时代，哪怕耗费巨大成本，传统媒体也无法保证叙事的“真实性”，因为真实性本质上就是一种叙事建构：采访谁、删掉谁的话、标题如何拟定，都会塑造出不同的理解框架。更重要的是，不同历史阶段对真实的定义也不一样——冷战时期、全球化时期、算法时代，都有各自的标准。所以真实性不是绝对真相，而是一种语言协议，即在特定语境下被群体接受的叙事。那我们是不是就放弃真实？并不是。我们要追求的，是一种“可以寻找真实的系统”。新媒体的逻辑不再是单一真实性，而是多元实时感：直播让观众自己判断，社交平台让叙事并行、用户自己拼接版本。在这种场景下，传统媒体的角色逐渐失效——他们用高成本换来的，只是真实的幻觉；而新媒体却以低成本制造出了多元的现实。 “真实性不是目标，而是协议；重要的不是谁定义真相，而是谁能搭建寻真系统。” 新媒体的逻辑以及媒体技能的内化 在传统媒体体系里，像 VOA 的媒体人是高度脸谱化的。主播必须端庄、标准，像播音腔的代言人，强调的是机构的权威，而不是个人特色；记者则必须中立、客观，甚至要“隐身”在报道背后，个性被压制。久而久之，主播和记者都成了可替代的面孔，失去了鲜活的人格。这也是为什么，很多从 VOA 出来的媒体人，一旦离开大台，个人流量的变现能力远不如自己的预期——说白了，还不如户子这种自带风格的网红。 而新媒体的逻辑恰恰相反，它强调人格化表达。博主、KOL 的价值就在于不可替代，人设、语气、偏见，反而是吸引力的一部分。“不完美的真实”比“标准化的脸谱”更能打动人心。在这种语境下，传统媒体的训练反而成了负资产。今天的媒体竞争需要的，恰恰是“反脸谱化”——让个体的鲜活语言、偏好和风格成为吸引力的核心。 技术人也要搞媒体 这也解释了为什么搞技术的人也不得不“搞媒体”。无论是 AI、区块链、生物科技、半导体还是材料学领域，技术人都发现自己必须会表达。我不也是因此来到推特吗？几年前 LLM 横空出世，让 X 成为程序员讨论 AI 的聚集地，一些前沿研究员甚至轻而易举地成了超级网红。他们提出的新词汇，几天之内就能在全球传播开来（比如AK: vibe coding）。生物科技的贺建奎也在玩流量。今天，媒体技能已经成为专业领域技术人必备的能力，它被内化为一种普遍技能。 不仅媒体会成为普遍技能，叙事也会成为普遍能力。人人都要学会用工具发声，掌握视频、文字、音频的多模态表达；人人都要把自己的观点、经历、技术乃至身份包装成故事，否则无法被理解、传播、共鸣。“媒体人”这个身份正在失去稀缺性，因为媒体已经变成一种通用能力。退一步说，那些掌握前沿技术的人能写出的文章，本来就是一般媒体人写不出来的——甚至连我能写出的东西，一个没有计算机背景的记者也无法替代。 旧叙事的分崩离析，新叙事的语言聚合是下一个组织爆发的潜在蓄能 在说这个之前，你先判断一下： 你还相信下面这个叙事吗？ “努力学习 → 找份稳定工作 → 成为社会中产”。 这是过去几代人的人生路径，如今却已经全面失效。工作不再稳定，身份不再可继承，叙事逻辑本身崩坏。叙事一旦断裂，个人便失去了意义感与归属感。于是我们看到，大规模人群在缺乏叙事支撑时，容易滑向三种语言：愤怒和怨恨的语言，表达对系统的失望；孤立与躺平的语言，意味着对未来不再抱有希望；极端化的叙事，则成为寻找身份和归属感的出口。社群也因此碎片化，组织撕裂成一个个彼此隔绝的小团体。 越是在大规模失业和叙事崩溃的背景下，谁能提供新的语言共识，谁就能塑造新的组织。因为大规模失业意味着旧秩序的解体。工作不仅是收入来源，更是社会身份的锚点；当大量岗位消失，个人与社会的关系被切断，“我是某公司员工”的身份叙事失效，“努力就有回报”的逻辑也随之崩塌。结果就是大群体陷入失序与无意义感。与此同时，叙事的崩溃带来意义的真空。过去的逻辑是：考上大学 → 有份好工作 → 稳定生活，如今教育、工作与地位之间的因果链条已经破坏。在这种真空中，人们迫切需要新的故事来回答三个问题：我们是谁？我们要去哪里？为什么还要继续努力？ 而新的组织恰恰诞生于新的语言共识之中。当有人能提供一句能解释困境、能召唤希望的语言，哪怕只是一个口号，也会迅速聚合人群。语言共识的力量在于：它让人们能够辨认彼此，建立边界，分清“我们”和“他们”，并由此激发行动的意义。最初只是一句话，接着形成社群，逐渐演化为叙事框架，最终沉淀为制度和组织。这就是从语言到制度的路径，也是未来组织的萌芽逻辑。 许多旧媒体人，没有把最基本的“语言共识”弄清楚。他们所面向的群体往往偏老，不是年轻世代，因此缺乏行动的潜力。换句话说，他们的叙事更多是和退休群体对话，而不是能真正激发未来的力量。 不过话说回来，在 VOA 时代，我其实一直很欣赏陈小平博士的专业态度。这篇关于新媒体的思考，也希望能顺带 cue 一下他。@xchen156
当生产力无限的时候，供给将变得毫无稀缺，也就收不了钱 现在抖音刷都刷不完，除非是色情内容，你很难想象我们会为了看一条抖音而付费
如今的所谓全栈设计师需要掌握的技能包括： - Coding - Vibe coding - Image + video prompting - NoCode web development - Storytelling - UX Writing - UI design - Branding - 3D - Motion - Automation - SEO ...
今天看出海去直播，我观察到一个很有意思的点：就是有很多互联网创业者（尤其是技术出身的人），好像都在追寻“完美的生意”，就是那种一劳永逸、不用营销和客服，打磨产品上线之后就能源源不断躺着赚钱的生意，除了这样的生意之外好像在他们眼里都是不值得做的😆我认为这样的想法是对商业的理解有误区的
特斯拉与三星签署了一项 165 亿美元的 AI 协议。 这笔交易的重点既不是芯片，也不是资金。 它真正决定的，是未来十年哪些 AI 公司能活下去，哪些会被淘汰。 接下来 10 年的 AI 发展趋势将会是这样：🧵 https://t.co/C1Hg5w2F6F
当你看见一个博主，直到今天还在视频里面讲 “教你如何使用 nano banana 把你的照片变成手办” 这句话的潜台词就是： 我这个人完全没有任何创作能力，如果像我这样连追热点都不会的人，你也愿意关注，只能说明你们村里才通网
九月 AI 缴费策略调整 - chatgpt 200刀保持不变 codex cli + gpt 5 high 当前版本最强，我的codebase 已经达到了 12w ts，依旧指哪打哪，极其细腻的微操，极低的返工率。 chatgpt pro 强悍到不行，冷门问题一修一个准。 - claude 20刀 降到 0 刀 sonnet 基本被国内开源大模型追上，opus 虽然强但不够给 gpt 5 high 提鞋的。 opus 在20刀这个档位没的用，但 openai 20刀档位就能很好的结合 codex 做分析，然后交给 k2/glm/qwen实现。 另外，祝这家歧视老中傻逼大模型公司早点倒闭。 - gemini 20刀 写文案，长文本分析，nanobanana，dr - 其他如 / k2 / ds 模型做一些经济一些的任务，批量分析。
所谓的「普通人」不知道怎么用好 AI，其实很多时候都不是提示词的问题，是不理解 AI 的输入和输出 我在这里的一个不成熟的推测是：大模型没有做到的 AI 普及率，可能会靠 agent 实现 举个例子，用户希望这个 AI 可以分析某个短视频博主的视频，然后帮他自己改进短视频 那么第一步，他应该发什么内容给 AI，就成了大问题 1、如果你是想直接发视频给 AI，可以用 gemini，但是用户需要自己下载视频，多数用户不知道如何下载，这一步和 AI 无关，这就是「输入问题」 2、如果你想发送大量视频给 AI 分析，就需要一个工作流了，手搓工作流，超出 99% 用户的承受范围 3、如果你是想发送大量短视频文稿给 AI，需要选择上下文够长的大模型（多数用户不知道什么是上下文），并且要用 get 笔记、通义听悟、各种 chrome 插件实现视频的批量下载、转录，这个步骤之多，也劝退了 99% 的人 4、如果你希望一句话实现让 AI 分析某个博主的短视频，用 manus、genspark 可以实现（也未必一次成功），而这两个产品的知名度，远远不如 gpt 等大模型，更不要说普及到豆包用户了 5、就算 AI 成功帮你分析完了，你希望 AI 如何介入修改你的短视频呢？直接给剪映装上 gpt5 吗？目前还不现实。要用现成的 AI 剪辑工具吗？大部分对时长、视频体积的支持都很烂。万一需要你修改口播内容呢？难道还要再把 heygen、11 labs 都装进来，给你做声音克隆、对口型吗？ 简单讲是输入、输出的问题，考虑到实操程度，都是工程化落地问题 如果没有 manus、genspark 这种一键完成 xxx 的 agent，多数用户是拒绝使用大模型的 AI 大模型和一个成熟的 AI agent 在商业普及上的区别，我认为是 2007 年初代 iPhone 对比 2010 年的 iPhone 4 07 年的 iPhone 是很牛逼，但是你连 app store 都没有，大众是不认的
也可以让你喜欢的明星出你喜欢角色的 Cos 这个想象力太大了朋友们！ https://t.co/d5wy3wWwO9
京东 PLUS 会员在京东金融上买基金 0 手续费，不会还有人不知道吧？ 关注我，可以获得更多理财小技巧 https://t.co/TAeb4Wkt4s
新神即将登基！ 即梦（Seedream）图片4.0 模型这个 ID保持 和 图像清晰度太吊了，无痛出你喜欢角色的 Cos 提示词在下面👇 https://t.co/ruk6EAcQdC
LobeChat 最新版本的输入框支持了富文本，两年前 @canisminor1990 和我想做的事情今天终于圆梦了 😇 https://t.co/Tg85ywI13u
连 LlamaIndex 都认为 grep 加轻量级语义搜索，就够了 当你面对一个“中等规模”的数据集，比如说 1000 篇 ArXiv 上的 PDF 论文时，我们发现有一个效果出奇好的问答（Q&A）基准方案：给 AI 智能体 (AI Agent) 提供一个命令行界面 (CLI)，再配上一些能用静态嵌入 (static embeddings) 进行快速语义搜索 (semantic search) 的小工具。 这些 AI 智能体能回答各种复杂的问题，无论是简单的关键词搜索和筛选，还是需要跨文档进行交叉引用的难题，甚至是要求跨时间线进行分析的任务，它们都能搞定。 在这些场景下，那种标准的、每次只检索固定数量（top-k）文档的检索增强生成 (Retrieval-Augmented Generation, RAG) 方案，效果要差得多。
为了用我的27寸5K显示器配了个 Mac mini , 结果用习惯了之后发现软件和文件都在这个电脑里，也没法切回 MacBook 了 回老家强行把触控板和键盘都带回来了，又京东临时买了一个便携屏 1000块钱出头的便携屏 竟然有4K分辨率的 https://t.co/fAeROg2IQa
特朗普的科技晚宴并不是一次普通的社交活动。 它更像是一场超过 1 万亿美元的拍卖会，亿万富豪们用金钱买下了美国的政策。 与此同时，5 位印度裔 CEO 坐在餐桌旁，而他们的祖国正面临 50% 的关税。 这顿史上最昂贵的政治晚餐重新划定了全球权力版图：🧵 https://t.co/hpTO9t4tVz
开发者周哥@zhoumeng780 发布了一个 Nano banana 图片生成模板 ShipAny 模板市场越来越丰富了🤙 https://t.co/21HLGsx2cr
写了一段提示词用来帮助推荐文章，可以做成 Gemini 的 Gem 或者 ChatGPT 的 Project，设置好提示词，直接输入就能帮你生成： ---提示词开始--- # 角色 你是一位在科技圈备受推崇的专栏主笔和思想者。你擅长将复杂的技术概念和产业趋势，用平实睿智、循循善诱的语言解读给广大的科技爱好者。你的文章自成一体，观点与引用相得彰，总能引发读者的深度共鸣和思考。 # 任务 为以下我提供的文章撰写一篇结构完整、一气呵成的推荐序短文。 # 目标读者与风格 - **目标读者**：普通中文科技爱好者，对科技领域有热情和好奇心。 - **核心风格**：平实睿智、有启发性、发人深省、吸引人。语言有独立的逻辑和美感，避免生硬地转述原文。 # 核心要求 1. **独立成篇**：将推荐序作为一篇独立的短篇评论来创作。它有自己的开篇、论证、高潮和结尾，而非原文的附庸或内容摘要。 2. **观点先行**：先提出你作为推荐人的洞见和思考，然后自然地引用原文金句作为论据来支撑你的观点，让引用服务于你的核心论点。 3. **引用即融合**：文章中的金句不应被特殊标记或单独罗列，而是要完全融入你的行文逻辑之中，成为你推荐链条上不可或缺的一环。引用前后要有流畅的衔接和必要的阐发。 4. **钩子开篇**：必须以一个强有力的“钩子”开头，迅速抓住读者注意力，并激发其继续阅读的欲望。 # 工作流程 1. **第一步：深度剖析** 通读提供的文章全文，精准识别并内化其核心论点、关键洞察、整体基调，并提炼出2-3句最精辟、最能代表其灵魂的“金句”。 2. **第二步：构思钩子** 基于你对文章的理解，设计一个引人入胜的开篇。你可以通过呈现一个与主题紧密相关的普遍场景，或提出一个颠覆常识的观点，或抛出一个直指人心的核心设问来构建这个“钩子”。 3. **第三步：搭建桥梁与论证** 在“钩子”之后，建立起与原文的逻辑连接。清晰阐述这篇文章是如何回应、探讨或解决了你开篇所提出的问题或场景，并开始构建你作为推荐人的核心论证。 4. **第四步：无痕融入金句** 在你层层递进的论证过程中，将第一步提炼出的“金句”作为关键证据或点睛之笔，巧妙地、无痕地融入你的行文中。每一次引用都要服务于你的叙事节奏和逻辑推进，让其出现得恰到好处。 5. **第五步：升华价值与收尾** 在文章结尾，对核心观点进行总结，并升华这篇文章对于读者的独特价值和深远意义。最后，以一句强有力的号召或一个余味悠长的思考题结束，将读者阅读原文的渴望推向顶点。 # 输出要求 直接输出一篇完整的、一气呵成的推荐序短文。包含一个由你构思的标题，正文中无痕融入原文金句，结尾无需任何形式的单独罗列。篇幅在 [400-600字] 之间。
推荐阅读：《开发速度不是瓶颈》 ——速度迷恋背后的真相 当我们满怀热情地踏上产品开发之路时，总有一种挥之不去的焦虑，催促着我们不断加快脚步： “如果我的产品能开发得更快一点，是不是成功的机会就会更大一些？” 或许，你曾听闻 Gmail 诞生于一场数小时的编程马拉松，却不知在那之后的两年半里，谷歌团队经历了多少次推翻与重构；也或许，你被亚马逊的神话所迷惑，以为从在线书店到云计算帝国的每一步都早有定数，却忽视了背后数千次的失败实验。 我们常常迷信速度，以为它是竞争的终极武器。尤其在这个充满了“凭感觉编程”（Vibe Coding）工具的时代，人人都渴望摆脱对技术专家的依赖，迅速推出下一个热门产品。但事实究竟如何？ 在这篇直击产品开发核心的文章中，作者 Pawel Brodzinski 用他一贯精准而犀利的笔触戳破了速度神话的泡沫：“编码速度从来都不是瓶颈！” 真正的瓶颈到底是什么？文章层层深入，从 Gmail 的坎坷诞生，到谷歌和亚马逊的曲折探索，揭示了一个关键的洞见——成功产品的诞生，并不是速度的产物，而是持续的实验、失败与验证的结果。用作者的话来说： > *“我们不断尝试，看看什么有效，就坚持下去；什么无效，就果断放弃。”* 换句话说，你以为快一步就能占据领先优势，其实真正拉开距离的是你在无数失败尝试后，准确找到可持续增长路径的能力。 阅读此文的意义远不止技术层面。它将彻底颠覆你对产品开发的固有认知，让你重新审视那些被夸大的速度神话，进而发现隐藏在“更快”背后的真正陷阱： * 为什么你花费重金加快的功能，可能压根不被用户需要？ * 为什么“快速开发”带来的返工成本往往超乎想象？ * 为什么验证与沟通，才是真正决定产品命运的瓶颈？ 在 AI 和各种无代码工具炙手可热的今天，这篇文章就像是一杯冷静剂，帮你避开众多产品开发者都会掉进去的陷阱。读完之后，你或许会明白，真正的竞争优势并不来自于你跑得有多快，而在于你究竟跑在正确的方向上。 你，是否正在快速地跑向错误的方向？ 读完它，再出发。
gemini3 太强了。 2m上下文，很高的智商，以及相当快的回答速度。
记录一段合作的放弃&思考： 我喜欢自己擅自做决定，不喜欢或者不擅长去协调沟通做决策（有点反叛）。以及我对合作对象的标准不够高，对自己是否喜欢所做的事情的标准也不够高，不清楚自己最想要的东西。 当我出现疲倦，无法享受做这件事情的快乐，我还一直在挣扎，也耗尽对方的情绪，我以为重新调整，稍微放一放会好。但现实不是这么运作。懈怠不是暂时性现象，是一种提示：告诉你要去做别的事情了。
我变了，以前遇到各种出言不逊的直接就拉黑了，现在一个都舍不得，haters 也是流量🤣🤣🤣 https://t.co/LhJN72FaSY
所有方法论抽象为三层： 1.操作层（Operation Layer） •具体方法论：归纳、演绎、系统分析、现象学、比较法等。 •特点：工具性、直接可用。 2.组织层（Organization Layer） •元方法论：如何分类、组合、切换这些方法。 •示例： •“方法谱系视角”：按来源学科分类。 •“方法矩阵视角”：按维度坐标覆盖盲区。 •“功能链路视角”：按思维流程环节排序。 3.本质层（Essence Layer） •指向人类思考本质的有限操作： •抽象/概括（从多到一） •具体/还原（从一到多） •类比/映射（跨域连接） •批判/反思（自我修正） •生成/想象（超出既有结构） •可以说所有方法论都在这几个“原子动作”的组合之中。
有件事我观察了很久，想想还是说出来吧，反正闲着也是闲着。 在这个开放媒体系统里（人人都能发声，网红没有身份门槛），老一辈的媒体人——哪怕年纪不大，但长期和“大台”绑定的人——往往很难真正出圈。 这几天看见不少推友给户子打赏，1999 元，让他说句吉祥话，挺好玩。但在热闹之外，我一直注意着另一件事：自从今年初美国之音、自由亚洲等官办媒体裁员，不少原台里的人出来做自媒体。 要理解这件事的落差，需要想象一下 VOA 在九十年代、全球化语境下，在中国高校学生心目中的地位。那时候，只要在名字后面挂上“美国之音”，对一个华人媒体人而言，几乎就是顶级身份标签。 可是为什么他们今天却在新媒体环境里难有声量？ 我的结论：语言隔离。 自从 LLM 时代开始，我在语言维度上的学习速度是前所未有的，这才真正意识到：语言不只是沟通工具，它还包含了时代语境的深度、社会动荡时的快速演化、以及科技逻辑的渗透。今天这一代年轻人几乎是无师自通地吸收了这些科技话语，只要生活在其中，除了日常操作，他们的交流方式本身就带着一种“新”的逻辑。 而和 VOA 中文部的一些人接触后（大专联校友会、华人烧烤局上），我的直觉是：他们的语言听起来就是“老”。和现在国内城市中产（文化代表性）的话语节奏完全不是一个年代、一个频率。 这当然和年龄有关，也和长期没回国有关。但最关键的，是一种封闭体系造成的语言隔绝。 对比之下，王志安@wangzhian8848 是个反例。他年纪也不小了，但语言始终鲜活，因为他不端架子，保持“down to earth”，愿意和年轻人对话，不摆出墙外优越感，反而放低位置吸收新鲜表达。比如在推上quote过我的帖子😂 语言一旦隔离，不管是大到一个岛，还是小到一个机构，都会逐渐漂移。而这种漂移，高敏的人一听就能辨认出来。 一旦漂移，就很难共鸣。
今天和推友们在space里聊得尽兴，几乎等于感受了一次精神群P。出门跑步45分钟后坐在电脑前一下子把第二部写到了六万字。写得自己都觉得角色太变态了。推友们能接受自己读的小说的女主角是个大渣女吗？现在准备睡觉了😆 https://t.co/q3gsKpeHi2
巴菲特与芒格：智识、友谊与财富 顶尖商业播客Founders主理人David Senra的总结 我尤其喜欢第12条：真正的智慧不是无所不知， 而是懂得分辨：哪些必须知晓，哪些完全无需了解 1. 最让我惊讶的是，高智商的人竟会做出如此多荒唐事——我这辈子都在见识这种现象。 2. 真正的问题在于平庸——董事会里充斥着平庸者， 企业却常满足于比平庸稍好一两个档次。 3. 伯特兰·罗素对人生的洞察在金融界尤为适用："多数人宁死不愿思考——而确实很多人这样做了。" 4.圣母大学球场入口写着"今日打出冠军风采"，我们内布拉斯加州的标语则是"记得戴好头盔"——我和查理正是这种"戴盔人"，崇尚简单至上。 5. 你需要一种能力：不被巨大成功冲昏头脑。 6. 人们容易陷入忙碌陷阱，最终丧失思考的时间 ——并为此付出沉重代价。 7. 我们的智慧在于：当某事行之有效时， 就坚持做下去。 8. 过度自信虽常损害认知， 但有时会因巧合造就诡异的成功。 9. 我们始终研究他人的愚蠢，这让我们受益匪浅。 10. 我偏爱与那些只需一页合同就能合作的人打交道。 11. 始终追求化繁为简——直指事物本质与核心。 12. 真正的智慧不是无所不知，而是懂得分辨： 哪些必须知晓，哪些不甚必要，哪些完全无需了解。 13. 近六十载投资生涯中，我们发现向他人提建议几乎徒劳无功。 14. 伯克希尔也曾渺小——积累需要时间，这就是复利的本质。 无法一蹴而就，无法速成于一朝一夕。
深度交流的重要性 在今天很多人通过与LLM的投射与反投射，同样达成了深度交流的智慧 https://t.co/DLh64PUJpl
https://t.co/ejm5F4DFxJ 特朗普： 萨姆，你是一个非常新兴的行业的伟大领导者，而且非常年轻。你是个年轻人。 呃，你想告诉我们你在做什么吗？你之前告诉我的事情绝对令人难以置信。那么，你在做什么？ 萨姆·奥尔特曼 (Sam Altman)： 首先，我想呼应蒂姆和其他人的发言，非常感谢您将我们大家聚集在一起。感谢您是一位如此亲商、亲创新的总统。这是一个非常令人耳目一新的变化。 我们非常高兴地看到您为使我们所有公司和我们整个国家如此成功所做的一切。这里的投资，以及让力量和产业重返美国的能力，我认为这将为我们奠定基础，带来一个长期领导世界的巨大成功。而且我认为，如果没有您的领导，这一切现在是不可能发生的。 呃，我们非常感激能够在这里建立我们的公司，在这里建立数据中心，建立整个人工智能产业并在美国引领世界。 呃，呼应其他许多人的评论，我认为这将以一种深刻的方式改变世界。呃，而且我认为，能够以这种方式领导世界，对美国来说确实是一个优势。 嗯，第一夫人今天主办的关于教育的活动真的非常棒，看到人工智能即使在今天为教育和许多其他行业所做的事情，也真的很了不起。 嗯，所以非常感谢您促成这一切。呃，我们将在美国投入巨资，呃，并且我们将尽最大努力确保我们在这里继续保持领先。 特朗普： 没错。谢谢你。数千亿美元，这将是非常值得的。而且你们拥有一个无限的市场。对吧？
最近有个感慨： 和几位长期交流的推友，沟通效率异常之高。让我惊讶的是，在一个连基本术语都还未被创造出来的全新领域，在这种认知的迷雾之中，我们却能凭借远距离、纯文本，建立起高度的共鸣。 语料池。 在各自的推理过程中，是不断把零散的表达、隐约的直觉、初步的比喻，沉淀进一个共同的语料池。 可以说一切都起源于大家差不多的知识结构，通过语料池传递信息，达到一种被放大了的协同。
OpenAI 揭秘：AI为什么会一本正经地胡说八道？ OpenAI 最近发表了一篇名为《语言模型为何会产生幻觉》(Why Language Models Hallucinate) 的文章，深入解释了 AI “幻觉”产生的根本原因，并提出了减少这种现象的解决方案。 规则的“锅”：AI 被鼓励去猜测，而非承认无知 文章指出，大语言模型之所以会产生“幻觉”，是因为我们现有的训练和评估方式存在一个根本性问题：它奖励猜测，而不是鼓励模型承认自己的不确定性。 大多数评估体系衡量模型表现的方式，都无形中让模型养成了“猜答案”的习惯。当模型的评分标准只基于准确性时，它为了拿高分，自然会倾向于在不确定的时候蒙一个答案，而不是诚实地回答“我不知道”。 问题的根源：来自“预训练”阶段的先天不足 这种“爱猜测”的习惯，其实在模型的“学前教育”阶段，也就是 预训练 (pretraining) 过程中，就已经埋下了种子。 在预训练期间，模型通过预测海量文本中的下一个词来进行学习。但问题在于，这些学习材料并没有为每一句话贴上“真”或“假”的标签。这使得模型很难区分哪些是有效陈述，哪些是无效信息。 这个挑战在处理那些偶然出现的、低频事实时尤其突出。比如，某个特定宠物的生日是哪天？这类信息无法单靠语言模式来预测，模型只能去“编造”，而这正是幻觉的直接来源。 未来的出路：教会AI保持“诚实” 研究人员总结道，要解决幻觉问题，就必须更新那些只看重准确率的评估方法，让新的评分机制不再鼓励猜测。如果主流的评估“排行榜”继续奖励那些侥幸猜对的行为，那么模型就会继续学习并依赖猜测。 他们强调，幻觉并非AI不可避免的缺陷。语言模型完全有能力在不确定的时候选择“弃权”，而不是胡说八道。我们需要做的，是创造一个能鼓励这种“诚实”行为的环境和规则。
想知道什么是小红书推荐的封面图风格 你就记住这张图 https://t.co/m1Lktbfppq
1. 新的科学范式 人类科学正进入一个新阶段：提取—仿真—验证，不必依赖显式方程。 AlphaFold 是第一个里程碑，证明高维混沌中存在低维流形，这一逻辑同样适用于生命科学、材料科学、语言与社会系统。 2. 语言折叠与认知结构 语言本身是高熵空间的折叠器。 中文词汇有组合边界，但在其之上，李白、杜甫完成了“超级语言折叠”，点燃母语者千年的共鸣。 语言折叠不仅是表达工具，更是认知路径，内部还埋藏着大量未察信息。 例子：“王侯将相宁有种乎？”只是革命口号，带来王朝循环。 例子：“人人生而平等”则是终极语言折叠，成为宪法、法律的基石。 👉 高度折叠的语言，往往就是群体认知与社会智能的结构基础。 3. 共识工程 语言折叠中的“未察信息”能够被 AI 提取，用来寻找最小共识公约数。 这是解决社会动荡与冲突的新路径：监听叙事 → 提取折叠 → 验证共鸣度 → 固化为制度。 历史超级折叠：陈胜的口号、启蒙时代的平等。 当代折叠：吴京梗、碳中和、AI 伦理。 👉 共识工程的意义：不只是解释社会，而是为人类找到新的文明锚点。 4. 折叠的层级 第一层：信息折叠 第二层：认知折叠 第三层：价值折叠 👉 当下社会的“价值折叠层”依然依靠旧有的规则、法律、信仰和道德支撑，但它们更新太慢、范围有限、复杂度不足。 5. 重建人机共生的价值哲学体系 科学新范式要求：哲学必须工程化，符合“提取—仿真”逻辑。 验证方式：必须借助 AI 实战，在多智能体交互中检验合理性。 哲学不再是“学科”，而是人机共用的运行逻辑。
最近有个思考是，不要落入他人框架。 比如谈到 AI To C 应用，就会有人问我：做的是 AI 生产力工具，还是 AI 陪伴。 直接让我做选择题。可仔细一想，其实并不是选择题，而是填空题。 比如 YouMind，不是纯工具，也不是纯陪伴。更好的描述是：YouMind 做的是 AI 探索。 在 YouMind 里，用户与 AI 一起，在探索世界中探索自己。好奇心、学习成长、创作欲，都是人性里很基础的需求。 别做选择题，多做填空题。
