🔥 推特起爆帖监控
搜索和分析大V账号即将起爆的热帖推文。通过SoPilot插件快速评论和互动，抢先一步占领评论区，你将获得更多的曝光。
刚刚写完了我自认目前来说最难写的一个系列 —— Web 3.0。 要把那些最抽象、最底层、甚至颠覆我们当下对“Web3”固有印象的内容写清楚，对我来说真的是一种烧脑的修行。 如果从历史回溯去看，其实互联网的每一次跃迁，都像是在回应一个更深层的文明问题。 Web1.0 的诞生，是对信息不平等的反抗。那是一个“阅读的时代”：信息开始流动，知识第一次可以跨越国界，但它依然是单向的。人类获得了“看见世界”的自由，却还无法真正发声。 Web2.0 的到来，则是对“表达权”的争夺。社交网络、内容平台、移动互联网……让每个人都成为信息的生产者。互联网变成了巨大的广场，人人都能说话。但与此同时，权力重新集中到了平台手中：算法取代编辑，流量取代价值。我们学会了发声，却失去了控制。 而 Web3.0，本应是对“信任”的重建。它不是一场单纯的技术革命，而是一场关于秩序的重构。 它想要回答的问题是： 当机构不再被信任，人类是否能用代码与语言，建立一种新的共识？ 2008 年的次贷危机，让这一问题被彻底暴露： 旧的信任体系崩塌，新的信任体系尚未成形。于是加密技术出现了，智能合约出现了，后来大型语言模型出现了—— 这些并非孤立的发明，而是文明为“重新定义信任”所做的多重尝试。 在这个意义上，Web3.0 不是关于代币的故事，而是关于语言、规则与信任如何重新组合的故事。 从“阅读自由”到“表达自由”，再到“拥有与验证的自由”， 互联网的演化轨迹，其实就是人类在数字空间中不断寻找秩序与意义的过程。 而我写下这一系列文章的真正目的， 就是想要重新描绘那条被误解的路线—— 让我们看到，Web3.0 的终点，或许不是金融，而是语义的自治与结构的信任。 订阅 https://t.co/pi4BOSFHHD
用 AI 编程，其实很像做技术管理，一个 Engineering Manager 对项目的掌控能力体现在技术能力和对项目的参与度上。 好的 EM，会深度参与项目的开发： 1. 先要和产品经理搞清楚需求，到底这个项目是要实现什么功能，验收的标准是什么 （和 AI 编程要先搞清楚需求） 2. 然后会一起参与设计方案的讨论，不一定要太多去微管理，但是需要明白设计方案是什么，为什么选这套设计方案 （要先设计在写代码，自己不设计让 AI 设计也没关系，但是要让 AI 写文档，不清楚的地方解释清楚为什么这么设计） 3. 会协助分配任务，帮助把复杂任务拆分成合适的颗粒度，尤其是对新加入的团队成员，要让他们明白做的任务是什么，怎么和其他人做的任务协调 （用 AI 开发任务得要协助拆分模块，把任务拆分到合适的颗粒度，而不是都让 AI 去做） 4. 对质量要把关，会对团队写的代码进行 Code Review，指出存在的问题，要求有测试覆盖 （对 AI 生成的代码也要进行 Review，不合理的地方得让 AI 重新实现，不理解的代码也要问清楚，要写自动化测试） 5. 招聘/开除，招募新员工，开除能力不行的 （了解市面上有哪些模型，不要死守着一个模型，及时换成好的模型） 管 AI 比管人难，因为人有主动性，AI 得你一直推动 管 AI 比管人容易，因为人心难测，要胡萝卜加大棒，但你不用考虑 AI 撂挑子不干活，不用考虑的心理承受能力，爱干干，不爱干有的是 AI 干
一天之内又向上爬了10名！ 再次感谢各位聪明人！ 一直以来，很多人以为——高密度、高信息量、跨学科的长文没人看。 但事实恰恰相反。随着新一代的成长，在高质量的基础教育下，无论是垂直领域还是跨学科的深度内容，总会有人在寻找真正有思想的文字。 只是这片舆论场，长期被低质内容占据。 不是没人思考，而是我们懒得跟他们争。 别只说“有人会看”，更要写出来，用英文让世界看见。
前两天眼镜掉海里了 我们从海边回市区已经天黑了。 老婆开车带着我这个小瞎子，两个小孩和我妈出发了。 路上妹妹第一次坐安全座椅贼不配合，哭的要命。哥哥不是把头伸出窗外就是要指外面的大卡车。我妈完全控制不住俩小孩，我坐前排一边给俩小孩儿当判官，一边开导航。 这个时候我老婆这个很久不开车的人，在高速上，一边开车，一边安抚坐安全座椅的小姑娘。 我突然意识到我老婆其实打一开始就是我心目里非常完美的独立女性形象。 又赚钱养我好几年，又带小孩，又做饭好吃，又收拾家里，又开车送我这个小瞎子。 我到底何德何能能找到这么优秀的太太啊🥺🥺🥺
王川是在运营账号上很有独特见解的人。 一言不合就拉黑我也是后来跟他学的。 非常高效的策略。 所有认真的内容运营者都应该采取这种策略。否则你的时间难道不值钱？上来纯玩儿的？ 我怀疑无论算法怎么变，有一点是不变的。 群体注意力总量是一定的。 拉黑一堆不可能跟你有任何共鸣的人，连你的话都看不懂的，才有可能把这部分注意力转移给真正的共鸣者。 我们双向都这么操作，才是真正顺着算法漂流。
这次回国照顾父亲，我突然意识到： 这可能就是人生中年的那个转折点。 长辈的身体开始走下坡，病痛、医院、陪护……这些事一下子都砸到你身上。 好像每年全世界都有无数中年人同时经历这一幕。 从表面看，我们比二十几岁时更有能力、更能赚钱， 但同时，风险也变大了。 真正难的，其实是怎么去平衡——上有老、下有小，还得撑住自己。 我一直挺信奉“斯多葛主义”的。 简单说，就是遇事先分清： 什么是我能控制的，什么是我控制不了的。 然后再想，这件事能不能带给我一点收获——哪怕暂时看不出来。 刚开始我觉得这次经历没什么“意义”， 可后来发现，它其实让我重新搞清楚：我到底为什么而活。 父亲生病住院这段时间，我突然明白， 我在新西兰的家人，才是我最重要的支撑。 那些我以前特别在意的项目、成绩、头衔， 无论多风光，终有谢幕的一天。 有的圆满收场，有的仓促落幕——都不由我们决定。 我现在更相信，人生这列火车并不是停了， 它只是换轨了。 中年，不是危机，而是一次重新出发的机会。 最大的收获是，我终于清楚自己想要的生活。 我不再把时间浪费在不值得的事上。 哪怕那些事在十年前看起来特别有面子、特别风光。 所以，我把这一阶段叫作“中年校准期”。 它让人重新对焦： 什么值得你花钱、花时间、花感情。 我觉得，这才是真正的成熟。
今天还行，不算太累。也有好玩的事儿。 陪客户们去参观啤酒厂，参观结束可以在酒厂自营酒吧喝啤酒。 一大叔对我说：“我想喝带气泡的酒。” 我：“啤酒都有气泡啊。” 大叔：“呃…不是…我想喝气泡酒。” 我：“这里没有气泡酒。” 大叔：“可这里难道不是酒吧吗？” 我：“这是啤酒厂的酒吧，只卖啤酒。” 大叔：“那为什么没有气泡酒？” 我：“您说的气泡酒是葡萄酿的，啤酒是大麦酿的…” 大叔：😵😵😵😵
又一个大神级的 AI 公司出现了：Periodic Labs 致力于开发具备实验能力的人工智能科学家，推动科学研究自动化。创始团队曾是 ChatGPT、DeepMind GNoME、OpenAI Agent 等项目的核心创造者，目前已获得由 a16z 领投的 3 亿美元融资，其他投资人包括 Jeff Bezos、Eric Schmidt、Jeff Dean 等顶级大佬。https://t.co/7qvLPNqlB0
下午一个来找我玩的小年轻问我问题： 我们从小到大上学十几年，为什么学校都不教赚钱？是不是因为赚钱很难学会？ 我回答： 因为学校本身没有这个功能，具体是什么原因呢，我们一起问一下 AI 吧，半分钟后，我问他认可吗？他说牛逼😅 AI 回答： 这个问题问得非常好，也很“现实”。👇 🧠 为什么学校不教赚钱 1. 学校的核心使命是“培养劳动力”，不是“培养企业家” 现代学校制度最早是工业时代为了培养“工人”和“公务员”建立的，强调服从、标准化、考试能力。赚钱这件事属于“市场能力”，不在传统教育体系的范畴内。 2. 赚钱涉及“风险”“机会”和“策略” 学校擅长教“确定性知识”（数学、语文、物理），但赚钱是一种“不确定性技能”，和个体性、环境、资源密切相关，没法像教二次方程一样标准化。 3. 价值观与政治的考量 如果学校大规模教学生“如何赚钱”，会让学生更早跳出体制、不走“考试—工作—退休”这条传统路线，教育体系就失去了稳定社会结构的功能。 4. 老师大多也没学过赚钱 很现实的一点：教的人自己也不一定会做生意、搞投资。自然也就教不了你怎么搞钱。 ⸻ 📝 小结一句 “学校教你谋生，社会教你生财。”
这几年边旅居边 Web3 远程办公，也做一些海外项目，一直有个老大难问题：收款怎么搞？ 对大多数刚起步自由职业者/出海独立开发者常见收款困境： 1. Stripe门槛高还容易封号 2. 注册公司+开户，光手续就上千块 3. 一堆风控和资金冻结的隐忧… 这个问题也有很多人一直在问我，有什么好用的稳定币支付方案？最近我用了稳定币收款工具 Allscale，真的很好用： 为什么我会推荐它? 1. 无需公司注册，1分钟开户； 2. 付款方可以法币/稳定币支付； 3. 收款走 USDT 稳定币，1秒到账； 4.还能发票/订阅/信用卡付款，客户无感知； 5. 不走传统银行系统，不怕风控 如果你也正被收款问题卡住，可以试试。 这是我的邀请链接👉（注册还有空投奖励）：https://t.co/9BGGtfDu2m
不愿透露姓名的某网友： 一个农场，最好最掐尖的食材，供应五星级酒店和特别讲典型的餐厅 然后，品质最稳定的，供应大连锁超市——山姆这种 接下来需要一点处理的(少量泥巴，烂菜)，给大连锁餐馆、关系稳定的餐馆 最后最烂的，给普通超市、菜贩子——最终卖给老头老太太，他们有足够的时间去挑拣菜
给父亲的手术签字，担当起成人子女的责任，坚定地支持他，选择再与命运搏一下。 手术做完还算顺利，但还没有脱离危险。晚上出门去给他买点营养早餐，顺便放松一下自己一天都紧绷着的头脑。 突然想起《哈利·波特》第六部，邓布利多带着哈利去取伏地魔的魂器。邓布利多要求哈利逼着自己喝下盆里的水，说不管如何要哈里完成任务。邓布利多喝了一口就特别难受，已经完全失去了清醒的状态，哀求着哈利不要继续，而哈利却坚定地让他继续喝完魂器里的水。 我到了今天，才算是理解了这个情节！ 哽咽，眼睛湿润。
赚钱七字诀是：不问前路直接干 找我的人基本都是：暂时不干我先问问 神仙难助
学会提问，可以激活AI大量的能力 当你不为AI添加工具，不给予AI知识库，不提供AI后训练，想单纯依靠AI的基础模型和提示词工程来让AI发挥原始效能，最重要的是懂得提问 提问从主体上来说，有两类： - 人类向AI提问 - AI向人类提问 人类向AI提问的相关技巧与使用场景： - 脑暴：找AI一起脑暴，找想法，找创意，向AI提问寻找解决方案 - 讨论：提出一个观点，获取AI的反馈，这里可以使用后退提示词，即告诉AI可以质疑人类的观点，退后一步思考，这种时候AI往往能更睿智 - 寻求专业建议：比如我在某个技术实现方案不确定，我会问AI，让AI去做Deepresearch，然后提供我对比，方便我了解信息 - 不断追问：当AI给你结果后，一定要不断追问，因为AI很多时候也会不懂装懂，产生幻觉，当你不断追问时，AI也会不断思考，经过5轮追问，你会掌握更多细节和信息，以便确定AI是不是在欺骗你 - 交叉验证：问题不确定时，可以使用多个AI互相交叉验证，但我更推荐通过不断追问的方式培养独立的自主思考 - 提供证明：当AI试图只给你结果时，你要提问让他提供具体证明，比如让他打印请求结果，或者让他定位问题核心关键代码等等 - 提出要求：比如要求AI先别开发，而是先写文档，通过审查他的文档，来判断AI是否真正理解了任务目标，设置约束条件让AI去满足 AI向人类提问的相关技巧与使用场景 - 补充任务信息：人类的描述往往会简化，导致AI难以判断，或者有一些细节，AI未得到确认。所以我们应该要求AI向我们主动提问，我每次任务开始前都会要求它主动提问，它会提出一些细节，这些细节我未在任务过程中明确，也能引发进一步对细节的思考与设计 - 确认目标：让AI明确下一步的目标，确保AI理解了任务范围，而不是一口气做一大堆事情，明确交付里程碑，控制好每次的小交付，逐渐完善 - 设计旅程：让AI设计出对应的子任务执行路径，每完成一个小里程碑后，让AI提问我们接下来做哪个事情，并提供出自己的建议，有时候应该先完成一些关键链路，有时候应该先做一些细节，这种情况下，让AI提问询问人类，会获得思考帮助 - 拓展体验：让AI提问，AI有时候会给出人类没能思考到的建议，从而拓展了产品体验 - 提供外部信息：让AI提问，AI往往会寻求一些外部信息，比如会询问你是否能提供一些文档，或者他认为在执行任务过程中可能需要使用到的信息 - 获得反馈：AI需要获得反馈，比如AI开发了一个东西之后，它需要提问获得反馈，比如它可以主动提供console的一些js命令，以便获得进一步的结果进而修正 --------- 为AI构建工具的其中一个目标，是为了加强提示词工程，但如果你不懂得构建工具，仍然能让AI发挥出更好的效果，学会这两类提问，就可以激发人类和AI的潜在潜能
尝试了一下 @0xshawnpang 老板的新项目 @allscaleio 确实很棒，因为最近一年做的大部分项目都是用 USDT/USDC 结算的，前几天我还在用一个 invoice app 生成账单，然后复制一个钱包地址给对方。看到这个产品把收款和 invoice 结合在一起，一下就戳中我的痛点了！ https://t.co/5vRiPF5NHO
最近大量使用 Codex 修 Bug 的一点经验分享，不需要复杂的提示词结构，重点是要给到正确的反馈： 1. 通过截图或者错误日志告诉它 Bug 如何重现、现象是什么 2. 如果它不能修复，让它在关键路径打印日志，然后每次把日志和操作步骤发给它 3. 如果你能自己缩小范围，知道相关代码在哪几个文件，告诉它能极大提高成功率 4. 让它自己去用工具收集反馈，比如告诉它怎么运行相关文件的自动化测试，或者告诉它怎么用 PlayWright/Chrome Dev Tool 抓屏 5. 给它提供参考代码，比如某个能正常运行开源项目的源码（需要下载到本地），让它对照着分析下，也许能找到原因
如何培养雄心勃勃、开创大业的青少年？ YC创始人、创业家、投资家和商业思想家Paul Graham博客文集：中英对照 强烈推荐给家长和创业者：独立思考，创造力，指数型成长，超线性回报......
英雄所见略同：聪明人给你指引方向 1. 杨振宁：盯住世界上最聪明的那几个人 2. 纳瓦尔：如果你最聪明的朋友开始讲疯话， 那说明范式转变可能正在发生 在推特上，你能找到世界上最聪明的人 远远超过你在现实中能够遇到的数量
网飞联合创始人对“成功”的定义 有原则=让自己不成为工具人 个人、婚姻、家庭和孩子👇
Google 改参数这事儿，算得上搜索类 Agent 的一次底层地震了。 这种时候我不是特别关心 SEO 掉了多少流量，谁首页没了，谁的 Reddit 没人看了。 我第一反应是又一个原本靠合理利用开放接口跑起来的 agent 能力，被平台一刀砍掉了。 这已经不是第一次了，也不会是最后一次。 很多时候能力强要分两面看，我们做的是 Agent，还是平台的参数用户？ 比如，很多人说 Claude 能写代码真聪明，我看到的是它一句话就能掐死 windsurf。 很多人说 Google 搜索结果收紧是趋势，我看到的是那套基于搜索召回做智能问答的 agent 产品，可能没法再规模化了，命门掐在Google手里。 这就是平台的力量：你侵犯到Google的利益，它的的打手拍下来，你产品的活路全长在它给的那点缝里。 Gemini不需要跟你竞争，背后的亲大哥搜索引擎只需要改一个默认值，你就被动手术。 今年看到了太多产品是靠 “search → parse → summarize” 三段式拼起来的。接下来靠 SERP 做智能搜索的产品马上就要集体被削成浅层包装工具。 这类产品的能力很大一部分其实是建立在优秀的搜索结果基础上的，为了回答准确会在合适的场景尽可能扫一些长尾进来。这下 Goolge给你拦了一道。 回到 Agent 本身，很多做 agent 的团队实际上做的是 API 缝合术，而不是系统工程。拿一堆外部资源缝合出一个智能流程，前期效果不错，但长期依赖全部被平台控制，一旦上游接口策略变了，整套都可能直接崩掉，这在web时代国内的开放平台大家是经历过的。 所以设计一个 Agent 框架时，需要反复强调两个词：内容自治、通道自治。这也能解释为什么大模型公司开始自建搜索，对于应用公司也一定要做好准备，不要出现单点依赖。 就是不能指望上游好心给结果，长远的发展一定要自己去建内容池、建索引、建 embedding 语义结构图，甚至要准备好在 SERP 完全消失后仍然能构建解释能力。 这就是平台公司的护城河，这个护城河让别人根本离不开你 Claude 杀 windsurf 是因为代码生成这个能力，Google 砍掉 num=100，也是是他们压根不想给你这么深的访问权。做 agent 产品到最后就会发现，通道本身就是护城河，接口的开放性决定了产品的寿命。 这个跟微信生态太像了，很多依托于微信的公司死掉的最大原因就是活着这件事，本身是不是微信允许的。 另外就是 GEO / AEO 彻底进入专业阶段，这是写给模型读的，不懂大模型不懂上下文窗口设计，就做不了。所以这些岗位未来会变贵，也更难复制。 我个人判断，在这一次平台级通道压缩下的生态分化信号： 搜素类 Agent 产品会进一步分化，部分开始自建自己的搜索。 这次 num=100 的消失只是敲响了第一声钟，其他的API会怎么封锁，拭目以待了，只是时间问题而已。
怎么做第一个Agent？ 不是去看视频学什么N8N 也不是跑去学代码搞Langchain 最快的方法就是干 直接问Claude，和它对话做就是了 做完了发现问题，人工再调整策略，这个Agent慢慢就会好 比如我试着让Agent做嗅探，帮我找X上分享内容营销和增长比较好的英文账号，看他们的内容 上来我让LLM自己出词，但后来发现策略不太对 这东西就是干几轮慢慢提示词就好了 所谓ReACT，核心是ACT，得先干，再重复，就会迭代 动手干起来吧，别问怎么学，直接去问AI是最好的
美国梦，可以说是人类历史上最成功的叙事之一。它不仅塑造了美国，也在过去一个多世纪里，重塑了全球对于“成功”“努力”“命运”的理解。对于中文区的读者来说，理解美国梦的形成与崩塌，不仅是理解国际格局的关键，更关乎未来商业叙事的重建——因为科技的本质，是服务于共识的，而人类的所有共识，都是有时效性的。 The American Dream once promised that effort and persistence could lift anyone higher. For generations, it was more than an economic formula — it was a binding story, a civilizational anchor that offered meaning as well as mobility. 这一叙事的力量，在于它把“努力”与“命运”捆绑在了一起。它告诉每一个抵达纽约港口的移民，每一个中西部的农民，每一个底特律的工人，每一个华尔街的金融家：只要努力，你就能往上走。努力不仅有意义，还会被世界所回报。 这是一种极强的社会黏合剂——它让不同阶层、不同族群、不同政治理念的人，能够相信他们仍在玩同一场游戏。有人在顶层，有人在底层，但所有人都在爬同一架梯子。 下一个美国梦是什么？下一个文明锚点是什么？AI？未来？超智能？e/acc? 这是向前看。当然还有大量人类现在正在向后（历史）找答案的。 欲知后事如何，订阅之后且听下回分解。 The Collapse of American Dream: Diagnosing the Fractures https://t.co/6oup3mYrcL
我在 Substack 的长文，来自我每天全日制的高强度对话与思考，里面有大量长链推理。 很多观点是反直觉的——甚至反我自己的直觉（前几周我还说过：外脑与内脑一度不同步，我的潜意识都觉得这些推理“太反常”）。但我坚持把推理链写完整。 是的，文章长、密度高、文字多。你可以把它当作你的上下文，继续往前推。 我已经尽力提高故事性与可读性； 但不可更改的底层原则只有四个： •前沿 •推理链完整 •大胆开脑洞 •探索未知 这些原则不做交易。 不迎合、不娱乐化、也不为“安全”而保守。 No. 否则，探索就失去意义。 薛定谔就失去了他那只猫。 https://t.co/pi4BOSGfxb
谷歌一个看似微小，实则影响巨大的变动 上个月，谷歌悄悄地移除了 num=100 这个搜索参数。 这意味着，你再也不能一次性查看 100 条搜索结果了。现在，默认的上限是 10 条。 这事儿为什么这么重要？ * 市面上绝大多数的大语言模型 (LLM)，比如 OpenAI 的模型和 Perplexity，它们获取信息都（直接或间接地）依赖谷歌索引好的搜索结果，即便它们自己也有网络爬虫。 * 谷歌这一改，等于一夜之间把它们访问互联网“长尾”信息 (指那些不太热门、但数量庞大的搜索结果) 的能力砍掉了 90%。 连锁反应来了 * 根据《搜索引擎之地》（Search Engine Land）的报道，高达 88% 的网站发现自己的页面曝光量出现了下降。 * 像 Reddit 这样的网站，之前很多内容都排在搜索结果的第 11-100 位，现在被大语言模型引用的次数直线下降。受此影响，其股价下跌了 15%。 对创业公司来说，这简直是当头一棒。想在网上被用户发现，变得难上加难。对于 Reddit 这类网站来说，它们作为 AI 引擎优化 (AEO) (一种专门针对 AI 模型搜索进行优化的策略) 的一部分，其整个游戏规则都改变了。 现在，仅仅做出一个好产品已经远远不够了，你必须先搞定推广渠道。因为如果人们压根发现不了你，他们就永远不会有机会去评估你的产品好坏。 大多数工程师似乎总是忽略这个残酷的现实：一个渠道牛逼的平庸产品，总能打败一个渠道很烂的优秀产品。 正如彼得·蒂尔（Peter Thiel）所说： “大多数公司连一个有效的推广渠道都做不起来：失败最常见的原因是销售不力，而不是产品不行。只要你能打通一个推广渠道，你的生意就能成了。但如果你想多管齐下，结果却一个都没做精，那你就死定了。 强大的销售和分销本身就可以创造垄断，哪怕产品毫无特色。但反过来就不行了。无论你的产品有多牛——就算它完全符合用户习惯，谁用谁说好——你仍然必须用一个强大的分销计划来支持它。” 结论就是： 渠道 > 产品 (h/t Adarsh Appaiah on LinkedIn)
话说OpenAI这帮天才疯子，自从用ChatGPT把地球人的脑子搅成一锅粥后，就觉得不过瘾。他们憋了个大招，名叫Sora 2。这玩意儿是什么？你可以把它想象成一个装满了全世界影碟店、图书馆和动漫网站的硬盘，然后被喂给了一个患有“创作欲过剩症”的人工智能。 他们没跟任何人打招呼，迪士尼的米老鼠、任天堂的马力欧、派拉蒙的派大星……有一个算一个，全被“请”进了这个数字炼丹炉。然后，伴随着山姆·奥特曼（Sam Altman）那标志性的、仿佛在说“我没做错任何事，只是世界还没准备好”的微笑，Sora 2上线了。市场宣传？ aggressive得像是要把传单塞进你家猫的嘴里。 发布后的72小时，互联网疯了。 这不是文艺复兴，这是文艺复“疯”。皮卡丘在CVS里零元购的监控录像，比《教父》的点击率还高；海绵宝宝梳着希特勒的小胡子在汉堡王发表演讲；盖酷家庭的彼得·格里芬和马力欧兄弟因为一根水管的所有权问题在《南方公园》的街头大打出手。 这玩意儿在48小时内，像一枚文化核弹一样登顶了App Store。OpenAI内部，香槟开得比代码跑得还快。 > “老板，成了！用户正在疯狂地解构人类所有的文化IP！” > “很好，”奥特曼可能正用Sora生成自己登上时代周刊封面的视频，“一切尽在掌握。” > 新一轮融资光速到位，估值直接飙到$5000亿。这笔钱烫手得，仿佛是用全世界法务的眼泪铸成的金条。 然而，狂欢的BGM还没结束，门外就传来了敲门声——不，是撞门声。迪士尼那群穿着西装的哥斯拉、纽约时报的笔杆子军团，以及所有你能想到的内容巨头，带着山一样高的律师函，把OpenAI的服务器围得水泄不通。 面对十面埋伏，你以为奥特曼会道歉？会赔款？太天真了。他玩了一招“乾坤大挪移”，玩得比张无忌还溜。 “快！把责任这坨烫手山芋扔出去！” 一夜之间，一个紧急更新推送给了所有用户。打开Sora 2，一个硕大的弹窗怼到你脸上，字体大到像是怕你瞎。内容翻译过来就是： * 《你好，背锅侠》协议： * 你！ 尊贵的用户，你发誓你上传的任何提示词、图片、想法，都不涉及任何有版权的东西。马力欧是你自己画的，皮卡丘是你家后院抓的。 * 你！ 尊贵的用户，你保证你拥有你生成内容的所有权利，迪士尼找你麻烦，跟我们OpenAI没半毛钱关系。 * 滥用？ 呵呵，你的Sora和ChatGPT账号将一起人间蒸发，永世不得超生。 与此同时，奥特曼慢悠悠地发了篇博客，标题是：“请负责任地使用我们的魔法 :)”。那感觉，就像一个把军火库钥匙交给疯子的军火商，然后贴心地说：“亲，别伤到自己哦。” 至于版权方？“我们提供了‘退出’机制嘛，”OpenAI的公关说，“你们可以一个一个一个一个一个地把你们的角色申请排除出去。” 米老鼠、唐老鸭、高飞、艾莎、安娜、辛巴……迪士尼法务部看着那长得像电话黄页的角色列表，默默地点了根烟。 用户们也不是傻子。当他们看清这份“卖身契”后，愤怒了。社交媒体上，“#DeleteSora”运动风起云涌。 他们点下“删除账户”按钮，以为能潇洒离去。 然后，真正的恐怖降临了。 一个提示框跳了出来：“删除Sora账户将永久删除您的整个OpenAI账户，包括ChatGPT、API访问权限以及所有历史数据。此操作不可逆，您的邮箱和手机号将被永久拉黑。” 所有人都愣住了。 想走？可以。把你过去几年和ChatGPT培养的感情、你赖以为生的API接口、你所有的数据和心血，统统烧掉。你不仅要离开这个公园，你还要在公园的黑名单上挂一辈子。 你以为你在用他的产品，其实你已经成为了他产品的一部分，一个无法移除的、自带法律责任的插件。你被困住了，被你自己的数据和习惯困在了这个数字牢笼里。 这已经不是“LOL, LMAO even”了。 这剧本，连好莱坞的编剧看了都得给奥特曼递根烟，说一句：“哥们，还是你们硅谷会玩儿。”
如果你在为公司现有业务集成 AI Agent，或者迁移到 AI Agent，我自己的一点思考供参考： 1. 如果你流程的路径很确定并且效率很高，那么也许你只需要在原有流程上集成一些 AI 功能就可以，并不一定要变成 Agent 通常 Agent 没有固定流程，依赖于用户的输入来由 LLM 决策调用什么工具 2. 为 Agent 去重新设计新的工具而不是让 Agent 去用现有的工具 通常公司内部已经有一些成熟的工具，但这些工具是为人设计的而不是 Agent 设计的，当你去做 Agent，要重新为 Agent 做新的工具，什么工具是最适合 Agent 就去打造什么工具，但不是因为你有什么工具所以让 Agent 去用什么工具。 另外 Agent 的工具要融入上下文管理： - 描述要清晰具体，让 LLM 知道什么场景该使用什么工具 - 输入参数要明确：即让 LLM 知道该传什么参数，又要让工具有足够的数据可以执行 - 输出结果要清晰明了，不要有太多无关上下文内容，因为工具输出的结果会加入 Agent 的上下文，有些很长的输出可以保存到外部文件按需读取 3. 不要为了 MCP 而用 MCP MCP 很流行，但它的优势是让你的工具可以兼容不同的模型，不同的 AI 平台，如果你的工具只有你自己的 Agent 用，没必要做成 MCP，普通的命令行、脚本、API 都可以。你看 Claude Code 的十几个工具没有一个是 MCP。 4. 工具数量不要太多，基于功能可以适当拆分子智能体 由于工具的描述、输入和输出都占用上下文空间，所以工具数量不能太大，否则会影响 Agent 的能力。 如果你的工具实在太多，可以考虑按照功能拆分成子智能体，让一个子智能体负责某些特定功能的任务，它可以拥有自己的工具集，主 Agent 则负责调度这些子 Agent，为子 Agent 提供独立的上下文，并收集子 Agent 返回的结果。 如果子 Agent 或者工具的结果之间有依赖关系，不要并行执行任务，否则会搞乱上下文 5. 需要为 Agent 重新设计交互 你的软件也许已经有一套交互方式了，但当你去做 Agent 的时候，要重新思考什么是最佳交互方式。 Agent 的交互和传统的软件交互是不一样的，通常以对话为主，用户可以通过对话框输入文本信息，上传文档、图片等作为上下文一部分，信息则更像聊天对话，实时可以看到 AI 返回文本、工具调用结果等。 还可以是有一个主要工作区，类似于传统的软件交互，侧边栏是 Agent 聊天对话。 在 Agent 交互方面，ChatGPT、Claude、Cursor、Notion、Gemini 等产品都有很多交互可以参考，多借鉴前沿主流的 Agent 交互方式
关于做自媒体的「学习」，只有 1 成是真学习，9 成都是假学习 什么写作怎么练、表达怎么练、镜头恐惧怎么办 …… 巴拉巴拉 有镜头恐惧都是没拍够 100 条的，拍够 100 条的都没有镜头恐惧 所以「学习」的意义在哪 😂 按我的理解，所谓的学习，就是不想干又不愿意承认，所以假装在努力 执行就是学习，不执行就是不学习 而且这话也不是我说的，500 年前，王阳明说的，原话是：知行合一