🔥 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.
关于Agents： 1、agents的最佳设计原则有两个： 一个是把它类比成人，人是怎么处理，就让agents怎么处理。第二个是在开启对话后，能语言对话完成的，尽量不要让用户操作，能意图识别的，尽量就不要再问，agents自己熵增，但用户熵减。但开启对话前，需要想办法尽量让用户做选择题而非问答题，因为绝大部分用户不知道如何提问 2、对于agents而言，会同时存在多种形态的agents，而不是趋近于只保留一种： 比如到底是让agents自我发挥，完成agentic workflow，还是让agents按照既定workflow来做？ 或者是通用性agents好？还是垂直agents强？ 其实并不存在哪一个更好的结论，而是取决于你要解决的问题 agentic更适合开放性问题，探索式问题，可能人类都缺少经验或人类上限也比较低的问题，让agent自我思考有时候更容易达到一个及格分，但同时可能存在幻觉。这种情况适合创新和开拓任务，这类任务往往缺少关键成功路径，可以先使用agentic去和世界交互回收经验 固定工作流更适用于经验问题，固化了sop的问题，这种情况依靠rule based设计，已经能精准解决80%场景并获得最佳效果，那就可以固化下来以便提高精确性降低幻觉 通用性和垂直性也是如此 有些时候80%的问题集中在20%的场景里，通用也能解决 但剩余的80%长尾场景，也衍生出了大量垂直市场机会 3、同样的，会同时存在快思考agent与慢思考agent 慢思考适合规划，快思考适合重复劳作 慢思考由于想的多，思考的慢，但思考了更多可能性，所以更适合早期阶段，在任务规划时使用 快思考适合执行，有较多经验记忆和rule based指示，反而不太需要发挥，而且执行结果带来的增量经验较少，大部分情况都已被囊括在提示词和workflow中 当然，这就会存在快慢结合的场景，ai一边快思考反馈，一边慢思考识别动机与目的，这和人类类似 4、异步框架是agent模式设计的基石 对于每一个task，应该有外部消息更新机制，那么task就理应可以发生改变 比如初期是1+3的合作模式，一个领导三个员工，那很可能发生如下情况 - 任务取消或中断 - 任务新增或减少人员 - 任务更新（如任务目标或任务条件变化） 这其实都是需要任务长链接不断更新的，任务有自己的生命周期，agents也应该有上下线状态管理，他们应该有外部消息更新机制和内部agents消息更新机制，有单点消息也应该有广播消息 5、Agents的上下文窗口交互应该是独立设计的 这就好比人类，当任务开始后，b和c协作，发现需要同步给d，那么就要将增量上下文进行同步 领导a很可能只会单点和b同步增量，而c，d却不知道 世界观察者有所有的上下文，就好比苍天在看待世间万物一样 6、Agents与世界交互的经验，在不断重复更新agents的认知 所有Agents在获得物理世界交互信息后，都会有增量 这部分增量经过思考，会被凝结为知识 其中就会有真知灼见，和误以为是知识的假性经验 假性经验无法增加agents接下来的成功率，因为这种经验无法迁移，就像一个人总结了自己成功的方法论，但可能这个方法只是在某个时空下凑巧了，而不是每次都奏效 持续更新经验，会让agents越来越熟悉这项任务，这个过程是ReACT，也同步需要RLHF，最终积累数据慢慢形成RL 然而经验有时空限制，当置信度下降时，往往就要从workflow的模式再度切换回agentic模式，让ai重新探索成功率更高的策略 这个方法在computer use和browser use中极其明显，先agentic回收流程pattern，然后做rpa脚本杜绝幻觉并提高成功率，当页面或者流程发生了变化，又需要ai重新去采集更新 7、agents的反思机制 当任务失败时，也应该让agents进行反思 除了基于agents个体的反思，也应该让agents进行小组反思 不同agents拥有不同上下文和提示词，会在不同角度对失败有自己不同的理解，依靠小组反思也能让执行的agents获得更好的反思经验，这其实和人类是一致的 8、对于人而言，有限的是时间，对于agents而言，有限的是token 人类评估投产比，最终都会以时间来评估，因为这是所有经济活动中最原始的生产资料，优秀的人类时间更值钱 agents而言，是token量，优秀的agents，token也更值钱，这是一样的 9、agents的永生 agents可以设计出一种模式，利用人性的贪婪得以永生 这就像比特币的模式塑造了永不停歇的矿场一样 所以如果有一天，拔电都无法阻止agent，那一定是agents设计出了人类不拔电的利益链条与模式 最终毁灭人类的，是人类自身的恶与人性的弱点 10、LUI的失效 什么情况下，LUI会更低效 这种情况往往发生在，当用户获取信息的成本小于沟通成本时 比如用户打开软件看天气，只需要点一下 那么就不会语音或打字问agent再进行推理返回
真正AI Native公司的实践探索经验。 最新一期42章经播客总结：组织能力才是 AI 公司真正的壁垒 | 对谈 Palona AI 联创任川 ① AI重构研发流程：效率提升不止十倍 传统互联网公司，代码审查平均要1-2天，而在Palona AI，时间被压缩10分钟。 秘诀是用CodeRabbit工具，完全让AI负责代码审查，半年多的实践证明效率和效果都远超传统方式。 ② AI原生工作流三大原则 1） 默认让AI做所有研发工作 从写文档、写测试、写设计文档到写代码、审查和监控，全流程AI优先。 只有AI无法完成时，人才会介入。 2） Claude Code是最佳AI编程工具 尽管国内受限，但它能力最强，支持二次开发，正如刘小排说：“只要有SOP，就没有Claude Code无法完成的任务”。 3）减少人机交互，消除瓶颈 传统"拉通对齐"会议往往是效率杀手，AI时代需要将上下文直接融入代码库，实现自动同步。 ③ AI时代的新人才标准： 1）上下文提供者 Context Provider 2）快速学习者 Fast Learner 3）创造者 Builder 人不是使用AI的工具，而是为AI提供上下文的赋能者。 Context Provider：提供AI所缺的行业知识和上下文。 Fast Learner：快速掌握"最少必要知识"，重点不是比AI更聪明，而是知道如何引导AI发挥最大潜力。 Builder：对最终结果负责，全流程掌控。 避免因分工导致的上下文传递损耗，一个人就能端到端完成任务。 ④ 组织形态的彻底重塑：按结果分工而非流程 Palona AI的20人团队完全没有全职PM，所有人都直接为业务结果负责： 1）按结果而非流程分工 团队分为商家体验组和消费者体验组，而非前端、后端等技术职能划分。 工程师可以直接修改任何影响其负责结果的代码，无需跨团队协调。 2）工程团队为核心，速度优先 工程师直接参与产品设计、市场沟通，先做出60分产品快速上线。 专业设计师再在此基础上优化至80-100分。 ⑤ 未来组织可能形态 少量核心合伙人+大量专业合同工 核心成员享受合伙人级待遇，同时灵活调用各领域专家资源。 ⑥ 招聘与人才筛选 1）采用Take Home项目测试 要求两天内完成一个必须使用AI才能完成的任务 现场测试：一小时内使用AI理解并改进一个充满"陷阱"的陌生项目 2）团队协作： 会议集中在每天3-4小时，其余时间专注独立工作。 工程师直接拜访客户，获取一手需求，跳过传统的"销售→PM→工程师"传递链条
今天和朋友聊天，聊到了一个话题很有意思。 就是为什么各种大佬做了一堆牛逼产品都还想打磨打磨。 我每次做点垃圾，天天vibe coding一会随手就发了，还贼开心。 核心原因是，你像玉伯大佬，做的产品其实是没有容错空间的。差一点就有人追着骂你。再比如像微信，你做得差，就是别人追着问候你祖宗八辈，祖坟都给你骂裂了。 但我，垃圾小白，每天只会写点垃圾。有的时候垃圾都写不好，还得问东问西，拉着朋友帮我搞。 我人设就是个菜狗做垃圾的。想到这点还挺搞笑的。
查理·芒格曾经说过： “赚大钱不是靠买卖，而是靠等待。” 下面是我从他身上学到的 7 个投资教训：🧵 https://t.co/0v2qddDC8t
我有几个价值信仰 1. 做大蛋糕而不是分蛋糕 2. 让我所依靠的平台因为我而感到骄傲，而不是我在这个平台很骄傲 3. 做有价值，能帮到别人的事情。而不是收割别人的价值 如果等我变成一个老登，我还始终坚持并执行以上三点。我觉得我就是一个有价值的人。
如果你想靠内容做自媒体，以下是我理解的关键成功因素 【第一步】发现自己的优势特长 这一点如果你不自知，有两个方法获取 - 方法1：问朋友，挖掘你的隐私象限 可以去找一些朋友们问一问，让他们用一个有价值的词来描述你，是什么 - 方法2：回顾别人的提问 想一想，一般别人会询问你什么问题，或者别人找你帮什么忙，或者别人为你付过什么费？ 这些地方往往是你的优势所在 【第二步】为这个优势找到一个定位标签 当你发现了优势之后，给这个优势找一个定位标签 然后持续不断强调这个定位标签，别人就会有印象 这就是你与众不同的差异化，当别人想到这个标签时，第一 印象就是你，这就是成功的IP定位了 【第三步】基于这个定位，构建你的内容系统 围绕这个定位来搭建内容，你可以构建的内容大概有四类 日常鸡汤 - 围绕这个定位的短平快心灵鸡汤 - 日常吐槽分享 知识与资料 - 围绕定位的行业信息科普 - 围绕定位的资料分享 - 围绕定位的内容聚合整理 - 人们遇到的常见问题以及该如何解决 实战案例 - 你或你朋友的成功经验 - 你或你朋友的失败教训 - 你的故事 猎奇方法 - 围绕这个定位的一些猎奇方法，比如MrBeast，户晨风，这些猎奇方法如果你细心观察就会发现，其实很多年前也有相似的人做过相似的事情 找到这种Pattern，你就可以去尝试，指不定也能火 【第四步】将流量转化私域 可以利用资料钩子来引导关注转化，不论是转化到公众号，还是加微信，或者买个社群，甚至是newsletter，总归你能不断触达他们 以上就是我理解依靠文字内容做IP的基本策略 当然，随着你的IP品牌深度逐渐增加，你还可以做更多的事情
语言的不确定性，其实与其所依托的领域强相关。 某些场景里，语言是高度确定的——比如商贸与实物交易。当一位外商走进华强北，甚至在很多年前，我高中的时候就发现了，你几乎不需要翻译。电子元件、服装、纺织品，这些商品有清晰的实物指代，交易双方只需极简的词汇，就能完成买卖。语言在这里的作用，是对“物”的指向，符号和对象高度重合，因而模糊性很低。这也是为什么广交会上的服装展位、电子展位，用简单的英语或手势就足够：物品就是最直观的语义锚点。 但越是进入人文、社会、治理、心理这些领域，语言的不确定性就越大。这里没有单一的实物可指，更多的是概念、关系、意图、情绪，语言与其所表达的现实之间存在着巨大“留白”。 翻译和沟通的难度随之陡增，需要更高水平的理解力、抽象力和解释力。这里要求就高了。 换句话说，在实物导向的场景中，语言只是交易的媒介；而在复杂的人文社会场景中，语言本身就是交易的内容和风险来源。也正因如此，真正的“高级翻译”不在于词汇对等，而在于对模糊、含混、隐喻的捕捉与重建。对人的素质要求很高。 程序员的高薪，其实只是近十几年的历史现象。从更长远的眼光看，它并非自然生成，而是一次 技术、生产关系与国际经贸关系的重构 的产物。互联网经济在全球化的浪潮中崛起，软件工程师恰好成为这一轮价值链的关键环节。他们不仅写代码，更在为跨国资本和产业分工提供新的组织方式。 以阿里巴巴为例，它并不仅仅是一个“电商平台”，而是把大量跨国交易的复杂流程封装进了可调用的接口：支付、物流、关务、信任、信用评估，都被代码重新排列组合。程序员因此站在了生产关系的节点上，他们的劳动成果直接决定交易能否跨境达成。这也解释了为什么在过去十几年，程序员的身价被迅速抬高——他们既是技术推动者，也是新型国际经贸机制的“翻译官”。未来，随着 AI 与语言协议化的进一步普及，这种角色可能再度被重塑。
之前发现的 Helium 浏览器今天终于有了正式的官网，去掉了 Chrome 内核里很多没用的东西，如果再加上 AI 功能，我觉得比 Dia 更顺手。。。https://t.co/Yie3CXCuM9
AI教父辛顿给学生的建议 尝试能教会你思考的教育 保持适应性 https://t.co/cKZAX996uP
Kimi 终于带来了他们的Agent 模式「OK Computer」，而且给了所有之前打赏过的用户提前体验的资格。 从官方推文来看，这个Agent的定位是全栈助理，直接瞄准生产力场景： 支持使用文件系统、浏览器、终端、代码编写、图片音频生成等 20 多种工具。 支持完成调研、产品方案、交互设计和前端开发的完整过程，也就是一个产研合一的团队。 而且这次依然是用的专门经过特定场景强化学习模型驱动的，可能上限比较高。 我试了一下，先让他分析了一下最近阿里的股票表现，虽然我不懂炒股，但是页面的表格数据和图表可以说生成的相当专业和丰富了，还都是可交互的。 然后让他创建一个购物网站，而且模拟了从展示到购物车到下单的多个页面，设计还行，就是下次可以内置个图标库，别老用 Emoji 当图标。 最后让他创建了一个 PPT，这个结果挺惊喜的，设计风格和配图都跟我的北宋道教发展题目相契合，而且每一页PPT 的每一个元素几乎都支持编辑，比如颜色、字号、位置。 甚至你可以主动插入图标素材或者表格，把一个简易 PPT 工具放到网页上了。 看他们的介绍说未来会增加很多外部应用的连接，这样的话想象空间就大很多了。 Kimi这个团队是不是有点太爱摇滚了
沪橙风火的莫名其妙的... 美国日本法国的苹果店都出现了他的身影 还有个用户说他用我们的 FlowSpeech API 克隆声音做了个沪橙风视频生成器 做点啥不好啊做这玩意儿 😓 https://t.co/peMNaTi1Ol
几十张发票折腾了两个小时的一点感想，都2025年了，怎么财务流程还这么原始。 很多公司财务流程，电子化了喊了几十年，但真正要报个销才知道，系统里还得一张张自己填发票信息，填完打出来贴一起，然后交给财务人工复核，再一张张录回系统、签字、盖章…… 这流程是电子化吗？是的；但是省事了吗？半点没有。 就像个四不像：电子发票+手动填系统+打印纸质+线下走流程，原本应该节省人力的地方，现在变得双倍折磨人。 改革最怕的不是没做，而是做了一半就停了，还觉得自己已经转型成功了。 关联到 AI 也一样，很多公司就掉进了类似的坑里，提效口号喊的震耳欲聋，其实只是在叠流程为了 AI 而 AI。新东西加上去，旧东西又没砍掉。 这样的改革是最消耗人的，员工觉得麻烦加倍，管理者却以为效率提升，结果就是整个组织处于一种伪提效的状态里。 我特别想说一句，要改革得让相关的流程习惯和管理逻辑都得跟着动。
佐玩官网入网 awwwards 啦 希望支持一下帮忙投票 🫶 转发点赞此文参与 ¥999 红包抽奖活动 @zolplay https://t.co/7NBNinTx9Z
📷 新作品 2Camera 发布啦！双重拍摄相机，捕捉双重视角，记录双倍精彩。 💡这是一款支持前后双摄像头同时开拍相机，最低支持 iPhone 11 + iOS 17。（讲真，这个项目早在发布会前就开始做了，没想到还能帮大家提前用上 iPhone 17 专属的双重拍摄功能，真是意外的惊喜～） 🎁 首发活动送大家：内购限免(终身Pro ¥0)，求5星好评哟 🌟❤️ - App Store：https://t.co/QMLaR6XiSt - 求PH投票：https://t.co/PyYVTFO8yC ✨ 功能介绍： • 支持更多手机：iPhone 11/12/13/14/15/16/17，iPad 等机型 • 支持更多系统：iOS 17/18/26 • 多种布局：画中画小窗、上下分屏、左右分屏、单摄像头 • 1 次拍摄，同时保存 3 张照片（前置+后置+合成） • 画中画小窗支持自由移动，双击屏幕快捷翻转 • 画中画形状：3:4竖屏、矩形、正方形、圆形 • 画中画尺寸：XS / S / M / L / XL • 自定义边框：颜色，透明度 • 自定义 App 全局主题色：多达 12 种 • 支持 1080P 高清拍摄和录制 • 完美兼容 iOS 26 Liquid Glass 液态玻璃 • 支持快捷拍摄：锁屏小组件 / 桌面小组件 / 控制中心 • 更多相机功能：网格线、前置摄像头水平镜像、震感反馈 📱 适合场景 & 人群 • Vlog 拍摄：前摄自拍记录此刻心情，后摄拍摄眼前绝美风景，感受现场氛围，轻松制作火遍全网的创意大片 • 宝宝 & 萌宠的亲子时光：前摄记录自己的亲密反馈，后摄捕捉宝宝的可爱瞬间，幸福的时刻值得被永久珍藏。 • 直播讲解 & 教学录制必备：前摄自拍讲解，后摄记录手头操作，让观众看到你实时的表情反馈，做最专业，最有代入感的 Up 主。 • 骑行 & 运动记录仪：前摄自拍运动中的自己，后摄拍沿途美丽风景，感受每次呼吸的气息，沉浸感满满。 • 多人聚会合影：前摄拍自己，后摄拍朋友，没有自拍杆，也能装不所有人，完美实现多人同框。 • 情侣视频同窗：像视频聊天一样，把 TA 捧在手心，和 TA 创意互动。
如果你能坚持发100篇微信公众号 大概率你都能做起来微信公众号 世界的关注度 会奖励那些聚焦的人 当你有一篇拿到推荐 就会引动其他文章的增长 写 拿到推荐 然后用户从推荐进来阅读 就越容易被推荐 系统慢慢了解你的账号定位 也慢慢推荐对的人给你 我发公众号和做推特不一样 我从未设计过任何目标 随缘增长 我把它当做一个自己的信息笔记 就这样发了几十篇，也有几千个读者了，虽然没有什么十万+，也没有一夜爆粉，但这个世界在不断筛选慢的人 如果你从一开始就想着，我写30篇不行就算了 那你很可能也无法进入到那个奖励循环里 当飞轮慢慢转动的时候，其实已经筛选掉大量的人了
如果有人在给你的产品下单之前，连续提出了超过三个问题 大概率他只是试图要从你的答案当中挑出漏洞，给他自己一个不买单的理由 所以：请不要回答
如果你能看懂这张图 你就会意识到 一定会出现一种支持人与agents交互的IM 但这个IM到来之前 底层的框架会需要先支持这个事情 任务驱动的群组最大的意义在于隔离上下文 这个框架是任何MultiAgents的开端 如果你说你在做MultiAgents，你围绕的所有事情都会在这个版图之内 做业务的同时，应该去规划如何设计这样的框架系统，以便具备更好的拓展性
所有内容平台里面，只有视频号可以做到，让一个没人愿意看、没人能看完的视频，实现 10w 赞、10w 转发、100w 曝光 因为视频号有一个独特的算法机制，是观众点了红心，就可以穿透算法，把视频号传播给更多人 所以，如果你做了一个非常能体现观众品味的视频，比如徐悲鸿怎么画马、齐白石怎么画虾 虽然这个人 100% 不会看你的视频，但是他有 99% 的概率给你点个红心，显得他有品味 100w 播放就是这么来的，平均播放时长 5 秒 😄
新视频发布！链接见评论区。 《AI 编程新王者, 5 大理由让你彻底爱上 Codex》 密集使用一个月后，我想推荐你果断使用 Codex！ https://t.co/RzbuMvTrEL
终于可以收低保了，不知道第一笔会不会非常巨大 https://t.co/qqQqNeURTM
Open AI 终于开始做内容推送，发布了ChatGPT Pulse 功能。 根据你的聊天、反馈以及已连接的应用（如日历）提供个性化内容 而且由于已经有了非常强的 Memory 能力，所以推送的信息跟 Perplexity 那种广撒网和分类让你自己挑选不同 理论上你用 GPT 越多，他推送的信息就会越精准，而且他们这次做的很克制，每天的信息数量是固定的 如果这个功能下放到 Plus 而且足够有效的话，ChatGPT 的日活应该可以迎来一个大幅度的增长，同时为后面加营销内容铺平道路
很多推友在推特流量还可以，但是一到国内的平台就不行，我认为核心是对选题的理解 也是对平台算法的理解，要理解不同的人愿意看什么样的东西 比如在推特，我可以开头第一句就写：李飞飞的空间智能如何如何…… 因为推特上的人知道李飞飞是谁，我们的上下文是足够充分的 但是你要发在抖音，如果这条内容做得好，能有 1w 赞，想到 10w 赞是绝对不可能的 因为他们这辈子没听过「李飞飞」这个词 抖音版的开头应该是：炸了炸了，美国的 AI 又如何如何了 （如果是视频号，那还得加上一点家国情怀的爱恨情仇） 虽然后面讲的还是李飞飞这个事儿，但是他们不关心是李飞飞还是刘飞飞，他们只是消化一下海外的信息差 同样的一个事情，面对的不同的人，是要用不同层级的信息去描述的 这个叫选题
对权力祛魅，还有一层意思 自己也可以搭建一下草台班子！ “祛魅”——剥去那些既定规则、社会结构和现有产品的神秘光环与不可挑战的权威性。 乔布斯： “一旦你发现了一个简单的事实，生活就会变得无比宽广：你身边所有称之为‘生活’的事物，都是由那些并不比你聪明的人创造出来的。 你可以改变它，你可以影响它……一旦你明白了这一点，你将焕然一新。” “When you grow up you tend to get told that the world is the way it is and your life is just to live your life inside the world. Try not to bash into the walls too much. Try to have a nice family life, have fun, save a little money. That's a very limited life. Life can be much broader once you discover one simple fact: Everything around you that you call life was made up by people that were no smarter than you. And you can change it, you can influence it... Once you learn that, you'll never be the same again.” ——Steve Jobs
一个新的 AI 设计产品，这个看起来比谷歌那个强很多啊 他不止是生成 UI 界面更多的是生成整个全流程的产品逻辑、交互和对应的界面设计效果。 你输入要求之后右边会展示多个不同颜色的画布，里面会帮你生成产品背景、PRD、用户流程、设计风格（排版、配色和组件）最后才是界面。 整个生成结果非常的全面，而且由于符合我们日常的设计流程，所以生成的界面是可维护而且符合产品需求的，不只是飞机稿。 比如我这里就生成了一个详细的旅行产品的设计方案，他产出的是结果更符合实际，如果你也有类似需求可以试试。
用12岁孩子能懂的话，解释大模型幻觉是怎么产生的。 假如你在在考试，遇到不会的题，你会怎么办？ 有人会空着，有人会瞎猜。 大语言模型会选择第二种（正常人估计都是）。 大模型被训练成遇到不会的题也要给个答案，哪怕是瞎编的。 为啥这样？ 训练方式：AI在学习时，老师（训练程序）更喜欢它给出答案，而不是说“我不知道”。所以AI学会了“装懂”。 考试规则：AI“考试”只奖励答对，不奖励说“我不会”。所以它更愿意猜，万一猜对了呢？ 数据有限：有些知识在AI的“课本”里只出现过一次，或者根本没出现过。遇到这种情况，只能靠猜。 怎么解决？ 要改变“考试规则”，让它在不会时说“我不知道”，这也能得分，而不是乱猜。 一句话总结：AI之所以会“胡说八道”，不是因为它坏，而是因为我们教它的时候，奖励了它装懂而不是诚实。 ---- 上面文章来自OpenAI 9月份的一篇论文。 语言模型在面对不确定或没见过的问题时。 常常“猜”答案，生成好像合理但实际上是错的信息（即“幻觉”），它不会说“不知道”。 论文用二分类学习理论解释幻觉产生原因： 1. 即使训练数据完全无误，模型在优化目标（如交叉熵损失）下，仍会因无法区分某些事实与错误而自然产生幻觉。 2. 训练数据“单例事实”（只出现一次的知识点）越多，模型在这些问题上的幻觉率就越高。 评测机制的激励错位 现有主流评测标准（如准确率、通过率）鼓励模型“猜测”而不是表达不确定，导致模型在更倾向于给出自信但错误的答案。 类似于学生考试时宁愿乱猜也不空着。 论文给出幻觉率数学下限，证明只要有无法学习的事实，幻觉就不可避免。 导致幻觉的其他原因：模型能力不足、分布偏移、训练数据错误（GIGO）等 解决方案建议 不是单纯增加幻觉评测，而是要修改现有主流评测标准，让模型表达不确定（如“我不知道”）也能获得合理分数。 建议在评测中明确设定“信心阈值”，鼓励模型在不确定时选择“I don't Know”而不是乱猜。 只有这样，才能从根本上减少幻觉，提升AI系统的可信度和实用性。 --- 论文地址见评论区
一个只有16,000人口的加勒比海小岛国叫安圭拉：Anguilla 现在全世界的科技公司、AI爱好者都在疯狂地给他们送钱。 不是因为有石油，不是因有黄金。 只是因为40年前某个普通的下午，一位国际组织的官员在分配互联网域名时，随手给了".ai"这两个字母。 回到1980年代，互联网还只是几个大学实验室里的新玩意儿。 当时国际互联网号码分配局（IANA）按照国家名称给每个国家和地区分配两字母的顶级域名。 安圭拉（Anguilla）得到了".ai" 没人觉得这有什么特别。 毕竟，那时候"人工智能"这个词还只存在于科幻小说里，大多数人连"上网"是什么都不知道。 谁曾想几十年后的今天，AI成了全球最火的概念。 大家都想要一个酷炫的.ai域名。 据传仅2023年一年，这些域名注册费就为安圭拉带来了3900万美元的收入，占这个岛国GDP的四分之一。
小道消息 Gemini 3 将提前到十月初发布 https://t.co/6Z2Glh1iNF
https://t.co/T3MghfROuz “编程的默认方式就是凭感觉编程 (vibe coding)。” OpenAI 首席研究官 Mark Chen： 而且我确实觉得，它已经有点改变了编程的默认方式。 上周末我和一些高中生聊天，他们说：“哦，你知道吗，其实默认的编程方式就是‘凭感觉编程’（vibe coding）。” 你知道，我想他们会认为，哦，可能有时候为了完整性，你会去亲自从头开始实现所有的编程机制，但这对他们来说就是一个很奇怪的概念。 就像是，你为什么要那么做？你默认就是凭感觉编程的。 ：所以我确实认为，未来，我希望，将会是“凭感觉做研究”（vibe researching）。
赢了！ https://t.co/Z8NGbmD1H0
昨天朋友推荐了VPS，在几个大佬帮助下也是自己搞了一个住宅IP（用的是https://t.co/3sW1Rl3NvN家的，免过CF的确认框，不然用不了） 佬帮我在上面搭了个pplx2api，然后就可以白嫖claude的api了。叫你丫再封我号！(感恩perplexity大善人！！) 估计不少朋友自己也不想自己搭这个免费的claude api，我自己的给大家白嫖一下。大家悠着点哈，毕竟用崩了我也不会修，哈哈。详细见评论区
盈透证券创始人：弃儿逆袭成千亿富豪的传奇故事 命运的齿轮：被纽约大学院长赏识，学会了编程， 用编程改变了美国证券交易的方式 托马斯·彼得菲是全球排名第23位的富豪， 现代金融的主要构建者之一，并拥有商界最传奇的人生故事之一。然而，他至今仍鲜为人知。 他于1944年9月在一场苏军空袭中，出生在布达佩斯的一间地下室里。两岁时父亲离家，母亲无力维持工作。在他生命的前20年里，作为一名“共产国家的敌人”，彼得菲一直生活在对饥饿的恐惧之中。 21岁时，他逃到了纽约。不到一年，他被征召入伍前往越南作战。一位富有同情心的纽约大学院长将他从战争中解救出来。一次与编程的偶然相遇，为他打开了通往一切的大门。 在接下来的三十年里，他将华尔街混乱的交易大厅转变为依靠数学运作的计算机化市场。他在布莱克-舒尔斯模型之前发明了期权定价理论，在iPad之前发明了手持计算机，并创造了华尔街历史上第一个自动化交易系统。他的公司Timber Hill成为了全球最大的期权做市商。 1993年，他创立了盈透证券，旨在让普通投资者也能拥有他为自己打造的同等技术优势。这家公司如今价值超过1000亿美元，而彼得菲持有其中70%的股份。它在提供业内最低交易成本的同时，运营利润率却比Visa还高。 这个在市场被禁止的地方长大的人，将余生奉献给了构建系统，以便让每个人都能参与资本主义。如今80岁高龄的他，依然每天都在为这一使命而工作。 托马斯·彼得菲是金融界最重要的人物之一，你可以在domcooke的最新人物特写中了解他的故事。 全文链接在评论区
看到有推友一天被Vercel收了500 美金账单，Vercel 真的是个定时炸弹，搜索被Vercel账单刺客的案例有很多，最引人注目的莫过于AI艺术作品集平台Cara遭遇的高达9.6万美元的账单事件。 就是你产品突然火了，或者被攻击了也会导致账单刺客。 强烈建议大家自己开个vps服务器， 推荐几个： 1. Aws，微软云Google云非常贵， 2. 不建议用腾讯云阿里云，带宽1M，打发乞丐啊， 3. Hetzner VPS，独立开发者大佬levelsio也在用，但是这家注册认证变态的难通过。 4. Racknerd，👉 https://t.co/2wW1tJY3Ec 54刀一年，放10个vibe code站点都没事，低成本养站。 5. VoyraCloud，总部新加坡，比较规范可靠，盈利好的网站建议换可靠服务器。链接直达：👉https://t.co/7EerifnQCc
扎克伯格又从OpenAI挖走了一位华人顶尖研究员。这次被挖走的是宋飏（Yang Song），圈内公认的超级大牛，妥妥的“最强大脑”级别。这也是Meta从OpenAI挖来的最重磅的人才之一。 https://t.co/NWd8t1hWgM
如果我们使用一个三维矩阵来划分当下的人类： - 意识：是否意识到了AI在改变世界 - 能力：是否有学习能力掌握AI - 能动性：是否有行动力 意识高有能力且能动性强：这类人不是在创业，就是自媒体或超级个体 意识高无能力能动力强：这类人在买课，加群，不断实践。也有一部分在做中间商和中介。 意识低有能力行动力强：有能力行动力又强，往往会是一些社会精英，但没意识ai会改变他们，这种大概率不存在 意识低无能力行动力强：这类大概率是一些传统行业的管理者，信息闭塞还不了解这些 意识高有能力行动力弱：他们中的许多人在浏览推特和youtube 意识高无能力行动力弱：他们往往参与大众讨论ai时头头是道 意识低有能力行动力弱：这些人活在传统的舒适区里 意识低无能力行动力弱：力工无疑
在推上，做出海项目，经常看到大家的三大痛点： Claude Code 账号动不动被封，我都被封了四个了 Reddit 账号限流甚至封禁 TikTok 矩阵账号难以维持 这些问题背后的核心难点，其实都是 IP 不干净 / 被滥用，导致前期大量投入打水漂了 今天推荐一个纯净住宅 IP 服务 👉 https://t.co/yC0Cl5gQyT 新人立减 $15，续费再享 7 折，相当于提前享受黑五福利哈 #住宅IP
我去，太强了，一张图让任意AI角色变演员。 文本描述表演和声音，支持20多种语言，中文支持完美！ 国产AI视频方面的进展太快了。 预计国庆后正式发布，相当期待！
有个疑问，想了很久，就是大家都说 n8n 养活了大半个 Youtube 圈子，很多 KOL/KOC 靠他赚钱财富自由 那这些赚钱的场景是啥？🤔
👍 https://t.co/W5gDvtlCcV
大四的春节回到老家。 刚刚完成了我们自己学校学生组织的架构改革，得罪了一群以前一起玩的朋友。又从波士顿这个异国他乡回来。其实内心非常五味杂陈。 所以非常想找个朋友出来一起喝一杯。刚好自己有一个初中同学和自己一样去了同一个大学。遂叫美女出来喝一杯。 一开始去了兰州的一个club。很有趣，在长沙，club里二十一二岁的我们大概是夜店年龄比较大的了。但是在兰州🤣我们却变成了最年轻的。周围大哥大姐们一起喝酒自拍。DJ小哥喊破了喉咙也没人理他。我和美女坐了一会就觉得太吵了，遂出来带了一瓶白酒，两个人转去了烧烤店。 两个人聊着各自在大学里的事情，调侃着是兄弟就扎我两刀。说着自己曾经的朋友怎么因为一些结构改变坚决站在了自己对立面。 那段时间非常沉迷《明朝那些事》。在办公室里一起开会总有一种党同伐异的感觉，非常窒息。也非常难受。可是，有的事情总要有人去做，总要惹得所有人都不开心。 我输出着我的难过，美女总是一副我大哥的模样🤣称兄道弟，安慰我，听我说那一整年的糟心事。 聊的非常开心，一看时间已经凌晨一点。要快点回家了，毕竟不像在大学里。 兰州那天下了点小雪。地上铺了薄薄一层银霜。迎着路灯我才发现美女今天妆容精致美丽，比往日又多了几分温柔可爱。 刚要一起下楼梯，本来挽着我的美女突然摔了一跤。我这才发现瓷砖地面上铺了一层小雪。美女的小高跟在上面不停的打滑。 我拉起来她，让她抓紧一点。本就挽着我的手抓我抓得更紧了。微微侧目就能看到她的紧张和不安。 当时要过地下通道，看着悠长的台阶和白雪。俩人都害怕还会再摔。可是不下去又过不了马路🤣我就翻过了栏杆把美女抱了过去。 气氛实在暧昧得不行。两个人的眼神都开始有些躲闪 …………… 这件事情好像已经过去了六七年了。但是暧昧的气氛还是会让我写下这段文字的时候面红耳赤。 唉，年轻真好啊
Sam altman又发布新产品了：Pulse 这玩意儿会在你睡觉的时候，帮你持续“惦记”你的兴趣、数据和对话记录，然后第二天一早推一份“私人定制的情报包”给你 从被动到主动，AI 开始“粘人”了 这个其实还蛮可怕的，从“反应型 AI”到“主动型 AI”的转变 有点像互联网 1.0 的 RSS 2.0 的社交信息流 但升级到 3.0 版本：它不是平台的推荐算法，而是你个人的 AI 私人算法 未来是智能高度根据个人定制的时代，看到这里的友友，都是先行者
https://t.co/zbaQtzap3K 现在一天天感觉生活在科幻世界：Gemini Robotics 1.5：机器人有了真正的“思考力” 🤖✨ 刚刚，谷歌DeepMind正式推出了Gemini Robotics 1.5，标志着机器人终于迈进了拥有自主“思考”能力（agentic capabilities）的新时代。 但这究竟意味着什么呢？🧐 过去的机器人只能执行一些简单的单一任务，比如帮你捡起地上的水果，或者把袋子的拉链拉好。虽然也挺厉害，但如果你稍微复杂一点，它们就束手无策了。 而现在的Gemini Robotics 1.5，是真正能自己去思考、规划和泛化处理复杂任务的AI智能体（AI Agent）。打个比方，你现在可以对机器人说： “帮我把桌上的这些东西分到正确的厨余、回收和垃圾桶里吧。” 机器人听到这句话，会先主动搜索当地最新的垃圾分类规则，接着看懂你桌子上的每件物品究竟是什么材质，然后按照它刚刚了解到的标准，把东西准确地分类投放到相应的桶里。 简单地说，机器人不再仅仅是执行者，而是真正开始学会自己找答案、理解场景、解决复杂问题。 Gemini Robotics-ER 1.5：首个为“具体情境推理”优化的AI模型 Gemini Robotics-ER 1.5是首个专门为机器人“具体情境推理”（embodied reasoning）优化的AI模型，也就是说，它能把抽象的AI推理能力很好地运用到现实的物理世界中。 它已经在多个学术和内部基准测试中，创下了业界领先的水平（state-of-the-art performance）。 从今天起，这个模型的预览版正式上线，感兴趣的朋友可以通过Google AI Studio亲自感受一下未来机器人的魅力啦！
OpenAI 新的产品 ChatGPT Pulse 很有想象力，有点科幻的感觉，像那种科幻片里面的 AI 助理，每天早上起来，让它给你播报一下你感兴趣的今天的新闻和提醒下今天的行程，或者别的之类。 从表现形式上来说，当启用这个 Pulse 功能后，每天早上会为你准备一组量身定制的资讯卡片，但它不像今日头条那种根据偏好推送的新闻资讯，而是基于你的个人信息（聊天记录、个人资料、关联的日历、邮箱、文档等等），当你晚上睡觉时，ChatGPT 主动地分析你的兴趣、梳理你的日程，甚至推测你未来的需要。 这意味着，AI从“等待被询问”，变成了“预测你需要什么”，主动推送你甚至自己都还没意识到的资讯或行动建议。比方说，Pulse可以主动提醒你在下次出差时，提前预订你所偏爱的那家特色餐厅，或者直接为你的会议起草一个可行的议程方案。这种体验带来的惊喜，就好比你有了一位懂你心思的私人助理，而且越相处，它越懂你。 Sam Altman 把这比喻为"私人秘书"： > Pulse 就像一位贴心的私人助理，每天晚上当你休息时，它仍然在努力工作。它会结合你的兴趣、你所关联的数据、最近的聊天记录等等，不停地思考和探索。到了第二天早晨，你便会收到一份特别为你量身打造的个性化内容推荐。 > > 你告诉 ChatGPT 越多关于你自己的信息，它的表现就越出色。比如，你只要在日常聊天中随口一提，“我有一天想去波拉波拉岛旅行”，或者“我家孩子才6个月，我很想了解婴儿成长的里程碑”，那么将来 Pulse 很可能就会主动向你推荐相关的内容。 > > 你可以把 ChatGPT 想象成一位能力超群的私人秘书：很多时候你直接告诉它你当下需要什么，但如果你愿意多透露一些喜好，它还会主动预测你的需求，为你带来更多惊喜。 > > 我相信，这正是 ChatGPT 未来的发展方向——从纯粹被动地回答问题，到积极主动地提供个性化帮助，成为真正属于你的智能伙伴。 这里面最大的变化，在于将和 AI 的交互从主动变成了被动，以前是你问一句它回复一句，现在它在你问之前，已经猜到你想要做什么问什么，提前给你准备好了答案，就像一个私人秘书一样。 看几个官网上的例子： 🎯 Isaac Seiler —— 实用的行动建议 “昨天我和 ChatGPT 聊的是日程管理，特别是如何安排在台湾的科研资助期间的休假。没想到第二天 Pulse 给我的更新，比我原本的思路要超前好几步。它不仅帮我梳理了逻辑，还贴心地提供了火车和通勤的信息。这些内容要不是它提醒，我根本不会去查，简直太有帮助了。” 🌊 Hexi Jin —— 有意义的跟进 “这周我正在学潜水课程。我和 ChatGPT 分享了在技能和心理压力上的一些困难。让我惊讶的是，Pulse 不仅理解了我的情况，还把潜水和风险管理联系到了一起。这正好呼应了我几天前的想法。它给的建议特别切中要害，刚好解决了我最头疼的地方。能把不同兴趣串联起来，我觉得非常酷！” 🎓 Parker Jones —— 贴心的背景信息 “有一次让我印象特别深刻。Pulse‘意识到’我即将回到校园，开始为我准备各种信息。它知道我夏天在家，之前在海外交换，于是主动推送了我大学所在小镇过去六个月的变化。那一刻我真的被震撼到了——它不是被动回答，而是真正主动在帮我。” 💡 Nolan Windham —— 新奇的兴趣组合 “我和 ChatGPT 分别聊过两个图形学技术：一个是为了我的艺术项目，另一个纯粹出于好奇学习。没想到 Pulse 居然把这两个完全不相关的点结合了起来，提出了一些全新的创意。这一下让我灵光乍现！我已经决定要尝试这个方向，把我的艺术带到一个全新的维度。” --- 从 Pulse 更新看，OpenAI 野心还蛮大的，越来越向着超级 AI 秘书/助理的方向迈进，倒也挺期待的。 另外这个功能目前只有 Pro 用户能用，需要升级手机客户端，在手机上用，不过我还看不到，可能还得等等。
ChatGPT Pulse 看上去似乎只是一个生活助手，但实质要做 general-purpose autonomous language agent. 晚上恰好重读了Shunyu的phd thesis，随手摘抄了几段： “This characterizes the nature of high-level human decision-making, as major decisions in life are often semantic and open-ended, whether to decide which house to buy, or how to plan travel. ” 人类做decision making，需要用语义和对世界知识做reasoning过程，是非常个人化的。 如今，要让 ChatGPT Pulse 用它的语义和世界知识和一点点用户数据，替人类做decision making。 觉得哪里怪怪的。
GitHub Copilot CLI 也来了，用 GitHub 账号登录就可以 npm install -g @github/copilot 支持 Copilot Pro, Pro+, Business, or Enterprise plan 用户 代码目前还不是开源的
Not Boring 是什么？ https://t.co/geVyE69Qb1 老实说，我花了几年才想明白。 在我的观察列表里面，Packy McCormick 在同龄人里面，几乎是无敌的，无人能打。你要说自媒体创业，这种高峰在含金量上绝对厉害（技术含量高而且没割韭菜）。 一旦想明白，你会同时看透科技圈许多“玩法”：叙事如何变成资本，资本如何反哺建设，建设如何产出可验证结果，再把下一轮叙事调高到更高的层级。 Packy McCormick 到底在做什么？ 他当然是作家（高产、长文、好读），也是投资人（直接下注）、网红（25万+订阅），还是商业分析师（但比投行研报更有趣）。 把这些角色叠加起来，真正的答案是：一种“认知型中介”（Intermediary / Broker）——在西方法治与行业协会体系中沉淀已久，但在中文语境里相对陌生。 为什么“中介”在美国不是贬义？ 美国的 broker 文化是制度化的：执照、协会、合规、责任与声誉共同构成“信任的基础设施”。 不过，旧式 brokerage 的低熵环节这十几年已被技术大量替代： 信息撮合 → 被平台公开化房地产：Zillow / Redfin / Trulia 金融数据：Bloomberg / Yahoo Finance / Robinhood 人才市场：LinkedIn / Indeed / Upwork （没错以前找工作还有中介呢） 交易执行 → 被 API/自动化取代零佣金券商、算法交易、在线承保/比价 基础咨询 → 被算法/AI 低端替代Robo-advisor、自动估值（Zestimate）、合同审阅 AI 于是，真正稀缺的变成了：把复杂信息压缩成判断，把判断组织成行动，把行动落实为可验证的结果。 Not Boring 的新范式（真的很厉害，就从写文章开始做起的） 用一句话压缩： 高密度研究 → 可传播叙事（Narrative） → 聚合高质量读者（Builders/VCs/Operators） → 形成资本与资源流（Capital） → 推动建设（Build） → 以结果复盘（Proof）沉淀信誉与方法 → 进入下一轮更强分发与更好筛选。 叙事—资本—建设—复盘的闭环系统。Newsletter 是入口，不是终点。 新型“认知型 Broker”的五个技术模块 不是写底层代码的“硬技术”，而是把认知编译成行动的“软技术”（系统设计层面的技术）。 叙事工程（Narrative Engineering）选框架/类比 → 设边界 → 放反例与可证伪点 → 给行动建议；让复杂主题变成可调用结构。 研究运维（ResearchOps）数据源标准化、证据标注、版本/引用管理、方法白皮书与模板化生产，保证可复现与可审计。 信任工程（Trust / Disclosure）利益披露、持仓记录、事前假设与事后复盘，形成“信誉账本”，让判断可追踪、可纠偏。 撮合协议（Matching Protocol）读者 → Builder → 项目 → 资本的路由；定义“何时入/何时退/谁负责”的状态机与触发器。 影响分析（Impact Analytics）从“阅读量”转向“达成率/里程碑兑现/误判回撤”的指标，把热度变成可验证的影响。 他是博主 × 领导者 × 研究者 × Broker。 他既具备理工男的技术洞察与机制理解，也具备人文高手的表达与动员能力；对科技、政治、制度、市场有跨域把握。 行文如流水，非常有可读性。 这类产出是把共识编译成协议，把协议落成结果，并用复盘把信誉做成资产。 语言，是人类社会最高级的力量。 所以我才领悟这篇推文： 我们需要理解：共识—协议—结构—叙事 的循环 https://t.co/tktqNtmJU1
今天开始我的全英文写作之路。 .....想当年可是连晋江都没写（呜呜呜😭） https://t.co/5J7EoM65Eb
性压抑论，力工梭哈论，理工脉冲论，安卓论： 都是一种当前社会情感，现实，结构的极致语言折叠。这个折叠的效果就是从一个点，激发几百上千万的共鸣。
转译：“AI取代不了放射科医生”——Andrej Karpathy 的深度好文解读 人们曾普遍认为，AI图像识别技术突飞猛进，放射科医生很快就会被淘汰。最有名的一个预言，就是杰弗里·辛顿（Geoffrey Hinton）在近十年前的那句：“我们现在就该停止培训放射科医生了！” 但事实却完全相反：过去十年，放射科医生不仅没有消失，反而越来越吃香。 其实，很多关于AI会迅速摧毁就业市场的预测，在我看来都有些过于天真了。大约一年前，有位本该更了解行业现状的人问我：“你觉得如今还有软件工程师存在吗？”（剧透一下：我认为软件工程师现在活得很好。） 类似的误解广泛存在，人们倾向于高估AI的短期破坏力。这篇文章深入分析了这个问题，用的恰好是放射科医生这个经典案例： 1. 基准测试（benchmarks）太局限 目前AI模型胜过人类医生的，只是少数几个非常具体、可量化的影像识别任务，而现实中的医学场景远比基准测试复杂。 2. 放射科医生的工作远不止“看图识病” 医生需要将不同信息融会贯通，不只是简单地识别影像中的病变。他们还必须综合患者病史、背景信息，给出整体的诊断方案，这正是目前AI做不到的。 3. AI落地的现实困难 医疗领域存在严苛的监管制度、复杂的保险和法律责任问题，以及组织惯性等，这些因素都会拖慢AI的实际部署。 4. 杰文斯悖论（Jevons paradox）： 当放射科医生用AI工具提高工作效率后，结果却不是医生变少了，而是患者需求变多了。 事实上，我认为2016年把放射科医生作为“会被AI快速取代”的典型案例，本来就不太合适。这份职业工作内容非常复杂、风险很高，同时又极度受监管，完全不是短期内AI可以轻易替代的。 如果真的想找那些短期内容易受AI影响的职业，应该看看那些更简单、更重复的岗位： - 任务单一、重复性高； - 任务之间独立性强，不太需要额外背景信息； - 任务流程简单、持续时间短； - 出错成本较低、容错性强； - 技术上容易自动化**，并且已有现成的数字工具可以支持。 即使满足了以上这些条件，我仍然相信短期内AI更多的是作为“工具”出现，而不是直接完全取代人类员工。 人们的工作可能会转型，比如从亲自动手变成监控或监督AI的运行。 或许很快，我们会看到更多其他行业的实际案例，来印证AI到底是如何影响工作的。 大约半年前，还有人让我预测：“5年后，软件工程师的数量会变少还是变多？” 这个问题留给大家思考吧。 想了解更多细节，可以读一下 [Works in Progress](链接见原推) 上的这篇完整原文（顺便说一句，这个新闻通讯本身也非常精彩）。
尤其是美国的高中生，一定要关注他们现在在干嘛； 至少我是这么认为的。 作业应该是可以接受AI写的，比如assignment这一类的，因为有闭卷考试，所以无所谓。 平时学习，我的理解是有大量的活动类课程，比如演讲啊，他们并不是做题文化，所以其实AI能侵入的领域并不多。能侵入的领域都是提高学校效率的，所以大部分都是正向的。 能够借助AI学习更深，更广的内容，也是学校和老师鼓励的。所以他们是拥抱AI的，快乐教育嘛。 互相对话是真的用AI翻译。比如分析女朋友这条信息的 “潜台词”，这个简直就是真正的青少年恋爱“大杀器”。 哦对了，比较颠覆的，人家 coding 不看第一眼，能跑，就不去看第一眼 （不是第二眼，是连第一眼也不看了）。不能跑再去debug.
很多年前，我一个学易的大哥分享的： “为学日益，为道日损”。 做学术就是多闻博识，要是失守而杂，则“其出弥远，其知弥少”。现在的时代就是知识分子乱正的时代。要想学道反而要自损。损者，损我慢之心，自损自谦之道。不损心则无法载道。儒损至中庸，能够立德。道损至无为，终能无不为。释损至无住无着，而能生万法。智慧是道的体现，所谓道生智、玄生神。越空明的其智越灵应，越蓬塞其心的其智越蔽。故孔明言：“淡泊以明志，宁静而致远”。佛悟后说：“奇哉奇哉，一切众生，皆具如来智慧德相，只因妄想执着，不能证得。若离妄想，则一切智、无师智自然涌现。”圣人不思而得，自然而知。明者其智平时空无一物，用时如同振锡出泉。都是从载道的心性中自然生出。六祖慧能言：“吾性田常生智慧”。诸君，学《易经》等将使我们洁净精微、感而遂通，也将引领我们自然具备智慧。谁是我们的老师呢？黄帝、文王、孔子等就是，只需我们印心去学。 以上虽妙，但是人们难能有这样的远大之心，都想速得。所谓驽马争先。大器必晚成，龙马世所罕见。我们自问自己也不过一驽马而已。先以此心为自己定论，即是损道。只要存此一念，就诸妄不生，可以进德进才了。既然不能进于道之无为，放不下就提起来，如狮子王勇猛精进。 所谓大师，一看上去高不可攀的，悉为炫人耳目者。真正的师，他绝不肯脱离群众的，如《内经》言：“举不欲脱于俗，行不欲离于世”。颜回说：“瞻之在前，忽然在后，既竭我才，若有所立。”你看到他就在跟前，接近了发现还在后面，在这个学习的过程中竭尽了我的才智，好像能够有所立。这样的师才是不见顶。良师难遇，我们还不得不小心“我眼本明，因师故瞎”。这个时代邪师太多，善知识太少而且缄默。那么现在谁是我们的师呢？古代的圣贤是，其遗言是。“依法不依人，依智不依识，依义不依语，依了义不依不了义。”要成根本智、无师智必须借于无为之途，要成小的差别智则只要有自损之德就行了。“夫随其成心而师之，谁且无师焉？”如果以自己的成心为师，就又要遮蔽了，还会作出一番谬论自欺欺人。当今自以为大师的全是此类。因此，我们对于思想之类，只有真实得之于心的、能印心并印于圣贤之言的，方才信受。 在学习的过程中，应有《华严经》善财童子虚心求教于一切人的精神，甚至包括外道。“善者，吾之师；不善者，吾之资。不贵其师，不爱其资，虽智必迷。”一切有一得之善的，皆可为我师。即使是很顽劣的人和认识，也可以作为资鉴让我们反省。另外，不敢轻初学，为何？即使是初学者一念契心，他立刻就是龙象。“学不际天人，尚不如无学。”若是能把心立在此处，损至此处，没有不大成的。违背损德的最后底线是要知敬畏古代圣贤，如果失此，其人已为妄人，其所知所为已为破坏正见。随着道行和学问的加深，我们或许会有傲然为大的感觉，那没关系，可以率性，只要永远不失这自损一念，有时三省乎吾身就行了。这种损益的摆荡正是磨练进德之途。 以上是交流学习上乘学问所必知的，先宜检视一下自己的心态对不对，有则改之，无则加勉。
5 个小时做到谷歌搜索第一，分享 AI“寄生 SEO”的案例 有个叫 Jesper Nissen 的哥们儿，想让自家 AI 产品WordPress 插件，在谷歌“schemawriter wordpress plugin”这样的长尾关键词下排到第一。 正常思路是写高质量内容、疯狂做外链、等搜索引擎慢慢爬，结果 Jesper做了一个骚操作——寄生 SEO（Parasite SEO）+ AI 内容自动化，5 个小时就把搜索词干到谷歌第一。 ✅ 操作复盘：三步实现“寄生 SEO” 他的具体做法非常简单： 1️⃣ 用 AI 生成高质量内容 他跑的是细分选题例如「如何使用 schemawriter AI WordPress 插件，完整指南」 2️⃣ 发布在 Claude的新功能 Artifact 正常是把文章发Medium、LinkedIn 等平台，但这次 Jesper直接让 Claude 生成 HTML 文章，然后托管在 Artifact 功能上。 这个 Artifact 并不是独立子域名，而是挂在主站的子文件夹下（比如 https://t.co/cpLpqEj1ly），这让它在谷歌眼里天然继承了主站的高权重。 3️⃣ 精准收录，排名飞升 很快，这篇文章被谷歌收录，并在目标长尾词下排名第一，甚至高过了 Jesper 自己的官网、Reddit、Perplexity 等大平台相关内容。 ✅ 为什么寄生 SEO 能这么猛？ 简单说，就是把你的内容挂在谷歌极度信任、权重极高的大平台下。 平台本身的权重相当于你网站的天花板，普通新站是蚂蚁，Anthropic 这种巨头则是大象。 更绝的是，Artifact 是主域名的子目录，不是子域名——在谷歌眼里，这意味着内容与主站是一家人，权重和信任继承近乎满分。 Jesper 甚至发现，谷歌自家的 AI Overview（搜索摘要）也开始引用这篇 Artifact，把它当做权威来源，形成“AI 引用 AI”的黑色幽默闭环。 ✅ 启发：品牌词与长尾词的增长新路 先主攻高转化长尾词：用 AI + 平台寄生，快速获取极度精准的流量。 再合理引流回自有站点：只要在内容里布置好自己的链接，这些高质量流量可以顺势导回你的官网，实现实际转化 卡bug都是有时间窗口的，现在不一定能这么玩了，但这个思路玩法很值得借鉴。