🔥 Search Hot Tweets
Search and analyze hot tweets from KOL accounts list (list: https://x.com/i/lists/1961235697677017443) within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.
一个更好的 openclaw 这个赛道要终结了吗？！
中文区竟然还没看到有人聊 Hermes Agent：https://t.co/gJcwmFrqJ6 https://t.co/urwIzjznvA
#观察 OpenClaw在国内大火，直接受益的显然是“卖铲子”的，尤其是苹果Mac mini。 https://t.co/eFtKdiImWq
ORCL现在这个价格远远没到证伪“负叙事” AI初期游戏就是收入增速 vs Capex增速 Orcl不愿意减capex做“逆向”的事。就要上调长期业绩指引。昨天大幅上调27年预期到90b才是催化剂，现在只能说有那么一小部分人开始有点相信Larry了 问我？我肯定相信啊，你们去看看卡的租金就知道了
很邢的项目！！有开发者成功逆向腾讯 #QClaw 机器人的微信网关，也就是可以将其他 AI 机器人也通过微信收发消息和控制。逆向出来的主要是 API 服务类，可以用于微信 OAuth2 登录流程、实现会话管理、机器人与微信用户间的实时通信等：https://t.co/wycppdJklH https://t.co/zIN6J6Nu9m
整理了小龙虾 OpenClaw各种教程、版本，一秒成养龙虾高手，不用花冤枉钱、浪费不必要的时间。 有需求的拿去，喜欢的点赞、收藏。这是一个伟大的表格，只有你想不到，没有做不到。打开尽是惊喜！！！ https://t.co/uyDDDEoyPC https://t.co/dkFCXw522f
绝了！装花899、999，用了几天养不起，卸载还要299韭菜就是这样被收割的 。 说实话，龙虾热我觉得是好事，说明大家对 AI 能“干活”这件事真的有需求了。 以前 AI 就是陪聊，现在 AI 能帮你订机票、查数据、写代码，这才是真正的生产力工具。 但有一说一，现阶段养龙虾的门槛确实还是有点高。不是每个人都懂配置环境、调 API、搞云服务器的。 腾讯门口排长队那个场面说明啥？说明想吃这口热乎饭的人很多，但真正能自己动手“养”的人很少。 我身边至少有七八个折腾过 OpenClaw 的朋友，最后都弃用了，原因还挺一致。 很多人一开始对它期待很高，觉得终于能搭一个属于自己的个人生产力系统，结果真上手以后发现，裸版的问题太致命，没用多久就放弃了。 比如随便爬一个任务，token 就能烧掉快 20 刀。 很多朋友也都吐槽过，原生 OpenClaw 更像一个能拿来跑 Demo 的玩具，稍微往真实场景里放一放就开始掉链子。 很多人最后要么花大价钱找工程师做定制开发，要么干脆放弃。 我自己前前后后折腾了半个月，一行代码都没写，只靠三个现成工具，就把原生 OpenClaw 里最影响体验的几个问题解决掉了大半。 今天把这套方法分享出来，应该能帮到不少人。 OpenClaw 之所以会成为很多人搭个人 Agent 的第一选择，说白了还是因为门槛低、上手快，生态也还过得去。 但原生版本有三个很明显的短板，基本卡住了大多数想把它真正用起来的人。 原生 OpenClaw 的三个核心问题 1. 没有专门为 AI 设计的通信渠道 AI 一旦批量发消息或者频繁发内容，很容易被平台当成异常行为，轻则限流，重则直接封号，这种情况下根本没法放进真实工作流里。 2. 内存检索效率太差 原生方案用的是 SQLite 加关键词搜索，内容一多，检索速度就会越来越慢，而且还经常搜不准。 时间拉长以后，内存越堆越多，token 消耗也会跟着往上飙。 3. 网页浏览特别费 token 很多自动化浏览器工具在工作的时候，会把整页 HTML 都塞给模型，开几个网页就能把上下文窗口挤满。 这样一来，不光体验差，成本也高得离谱，用不了几次就会让人失去耐心。 我后来补上的三个工具 1. Agent Mail 这是 YC 投的一家公司做的产品，本质上是专门给 AI 用的邮箱，最多可以开三个免费的独立邮箱。 它的好处在于，不容易被平台当成异常账号处理。 无论是拿来自动处理个人邮件、转发新闻摘要，还是做客服邮箱的第一层过滤，都很好用，而且可以直接通过 skill 文件或者 ClawHub 安装。 2. QMD 这是 Shopify CEO Toby Lütke 做的开源内存工具。 它替换掉了原生那套单纯靠关键词匹配的搜索方式，用的是本地混合检索，里面包含关键词匹配、向量搜索和本地小模型重排三层能力，而且全程都在本地运行，不会额外产生成本。 就算你记不清准确关键词，也大概率能把历史内容找回来，体验会比原生方案稳定很多，内存一多就越来越难用的问题也会缓解不少。 3. Agent Browser 这是 Vercel 做的命令行浏览器。 和常见的 Playwright 方案相比，它最大的优势就是省 token，官方说法是最多能省 93%。 它可以像真人一样去点击页面元素、截图、填写表单，还有内置的提示注入防护，所以访问第三方网站的时候相对更安全一些。 更实用的一点是，它甚至还能操作 Slack、Notion、VSCode 这类基于 Electron 的桌面应用。 很多没有开放 API 的服务，用它也能直接完成交互。 接进 OpenClaw 的方法也不复杂 把这三个工具接进 OpenClaw，也不用你自己硬啃文档或者手写配置。 我自己的做法，是直接用 Claude Code，这样也能顺便避开 OpenClaw 本身昂贵的 API 成本。 整个流程其实就三步。 第一步，先把环境准备好 该装的依赖包先装上，比如 ClawHub 需要的 npm 环境，还有 Agent Browser 对应的本地二进制文件。 这些安装包都是官方公开提供的，按说明走就行。 第二步，把三个工具的官方技术文档直接喂给 Claude Code 这里不用你自己先整理重点，原始文档直接扔进去就可以。 第三步，让 Claude Code 生成对应的 skill.md 和配置 给 Claude Code 下简单指令，让它帮你生成对应的 skill.md 文件和配置，然后自动挂载到 OpenClaw 的目录里。 整个过程跑顺的话，一个小时左右基本就能弄完。 另外，安装和配置这种偏开发的工作，最好交给 Claude Code，不要让 OpenClaw 自己去做。 因为这类任务本身就很吃 token，如果交给 OpenClaw 来处理，成本会烧得很快，而且很多消耗都是没必要的。 更省钱的方式，是让 Claude Code 把环境和能力搭好，再让 OpenClaw 去运行已经配置好的功能。 这样分工下来，成本会低很多。 其实现在很多 Agent 框架要落地，真没必要一上来就想着自己造轮子、写一堆定制代码。 市面上已经有不少成熟工具，刚好能对着这些常见痛点补位。 只要工具选对、组合方式对，花不了太多时间和成本，就能把原本只能拿来演示的实验工具，变成真正能替你干活的效率工具。
这太疯狂了!! MIT学生用NotebookLM在48小时内掌握整个领域。 同样的工具,他却用了完全不同的策略。 以下是他的具体做法:↓ https://t.co/azvQa88vVU
是时候找出 1 月份这张图了，北京现在 AI 热闹不是没有原因的，大量潜在生源在那里。 另外这波 AI 大主力字节跳动，也在北京招 AI 应届生，招的最多。 所以出现了少有的应届生很多、从业者很多，都扎堆北京的景象。 https://t.co/grpX0HZwgX
如果你们早点听我的，2021年年底无条件把房子全部卖掉，all in nvidia， 现在能省出来多少钱买mac studio，买claude max plan，雇多少技师上门服务安装openclaw，顿顿吃驴肉火烧、驴肋条、驴板肠。
我身边至少有七八个折腾过 OpenClaw 的朋友，最后都弃用了，原因还挺一致。 很多人一开始对它期待很高，觉得终于能搭一个属于自己的个人生产力系统，结果真上手以后发现，裸版的问题太致命，没用多久就放弃了。 比如随便爬一个普通资讯页，token 就能烧掉快 20 刀。 很多朋友也都吐槽过，原生 OpenClaw 更像一个能拿来跑 Demo 的玩具，稍微往真实场景里放一放就开始掉链子。 很多人最后要么花大价钱找工程师做定制开发，要么干脆放弃。 我自己前前后后折腾了半个月，一行代码都没写，只靠三个现成工具，就把原生 OpenClaw 里最影响体验的几个问题解决掉了大半。 今天把这套方法分享出来，应该能帮到不少人。 OpenClaw 之所以会成为很多人搭个人 Agent 的第一选择，说白了还是因为门槛低、上手快，生态也还过得去。 但原生版本有三个很明显的短板，基本卡住了大多数想把它真正用起来的人。 原生 OpenClaw 的三个核心问题 1. 没有专门为 AI 设计的通信渠道 AI 一旦批量发消息或者频繁发内容，很容易被平台当成异常行为，轻则限流，重则直接封号，这种情况下根本没法放进真实工作流里。 2. 内存检索效率太差 原生方案用的是 SQLite 加关键词搜索，内容一多，检索速度就会越来越慢，而且还经常搜不准。 时间拉长以后，内存越堆越多，token 消耗也会跟着往上飙。 3. 网页浏览特别费 token 很多自动化浏览器工具在工作的时候，会把整页 HTML 都塞给模型，开几个网页就能把上下文窗口挤满。 这样一来，不光体验差，成本也高得离谱，用不了几次就会让人失去耐心。 我后来补上的三个工具 1. Agent Mail 这是 YC 投的一家公司做的产品，本质上是专门给 AI 用的邮箱，最多可以开三个免费的独立邮箱。 它的好处在于，不容易被平台当成异常账号处理。 无论是拿来自动处理个人邮件、转发新闻摘要，还是做客服邮箱的第一层过滤，都很好用，而且可以直接通过 skill 文件或者 ClawHub 安装。 2. QMD 这是 Shopify CEO Toby Lütke 做的开源内存工具。 它替换掉了原生那套单纯靠关键词匹配的搜索方式，用的是本地混合检索，里面包含关键词匹配、向量搜索和本地小模型重排三层能力，而且全程都在本地运行，不会额外产生成本。 就算你记不清准确关键词，也大概率能把历史内容找回来，体验会比原生方案稳定很多，内存一多就越来越难用的问题也会缓解不少。 3. Agent Browser 这是 Vercel 做的命令行浏览器。 和常见的 Playwright 方案相比，它最大的优势就是省 token，官方说法是最多能省 93%。 它可以像真人一样去点击页面元素、截图、填写表单，还有内置的提示注入防护，所以访问第三方网站的时候相对更安全一些。 更实用的一点是，它甚至还能操作 Slack、Notion、VSCode 这类基于 Electron 的桌面应用。 很多没有开放 API 的服务，用它也能直接完成交互。 接进 OpenClaw 的方法也不复杂 把这三个工具接进 OpenClaw，也不用你自己硬啃文档或者手写配置。 我自己的做法，是直接用 Claude Code，这样也能顺便避开 OpenClaw 本身昂贵的 API 成本。 整个流程其实就三步。 第一步，先把环境准备好 该装的依赖包先装上，比如 ClawHub 需要的 npm 环境，还有 Agent Browser 对应的本地二进制文件。 这些安装包都是官方公开提供的，按说明走就行。 第二步，把三个工具的官方技术文档直接喂给 Claude Code 这里不用你自己先整理重点，原始文档直接扔进去就可以。 第三步，让 Claude Code 生成对应的 skill.md 和配置 给 Claude Code 下简单指令，让它帮你生成对应的 skill.md 文件和配置，然后自动挂载到 OpenClaw 的目录里。 整个过程跑顺的话，一个小时左右基本就能弄完。 另外，安装和配置这种偏开发的工作，最好交给 Claude Code，不要让 OpenClaw 自己去做。 因为这类任务本身就很吃 token，如果交给 OpenClaw 来处理，成本会烧得很快，而且很多消耗都是没必要的。 更省钱的方式，是让 Claude Code 把环境和能力搭好，再让 OpenClaw 去运行已经配置好的功能。 这样分工下来，成本会低很多。 其实现在很多 Agent 框架要落地，真没必要一上来就想着自己造轮子、写一堆定制代码。 市面上已经有不少成熟工具，刚好能对着这些常见痛点补位。 只要工具选对、组合方式对，花不了太多时间和成本，就能把原本只能拿来演示的实验工具，变成真正能替你干活的效率工具。
我的一人公司 wanman AI 快写好了，我在 cli 告诉 ceo，帮我在中目黑开一家咖啡馆，它全自动帮我执行 20 个“工作日”，每个工作日都会“请”几个新的 agent 员工完成对应的任务，有些是探索性，有些是执行类的工作（文书或者代码）。 于此同时我的直播网站也写好了！下一步就是在这个 vibe 直播网站直播我开一人公司（其实是全自动的我不需要做什么）但是观众可以看到并且参与到决策中来，我只要挑选我觉得有意思的想法让 ceo 指派任务即可，想想都觉得很有意思，什么时候我们见过这样的产品？！太有意思了 2026 年，玩的不亦乐乎我甚至不想睡觉...
最近社区搞了个 AI 代理设计的征集，看了一圈结果，发现风向确实变了。 53 个入围方案，按功能切分下来是这样的： 30% 做收益优化——想怎么多赚点 23% 做风控——想怎么少亏点 17% 做自动化交易——想怎么省点事 只有 11% 还在讲叙事和故事 这说明这轮周期的重点不在“讲故事拉热度”，而是真的用工具去解决问题。收益率是入口，风险管理建立信任，自动化跑策略才是效率本身。 Bluwhale 在这个方向踩得挺准。
今天有老哥问我，日本 Mac mini M4 有没有货，能不能给他邮寄回去，我心想内地不是有国补，更便宜么。 结果打开苹果官网和各大电商平台，好可怕，全部都是断货，用过的二手都被卖到原价甚至更高。 这股 AI 热潮，太可怕了。 https://t.co/nb3nK11XQW
连着几天，各创投社群，又开始流传大佬们的朋友圈，全是关于 AI、龙虾。 看得出，大家非常焦虑了。 https://t.co/b5G0HzWpgH
Web4.0 中国行 · 香港站 已圓滿结束！🔥 @olaxbt 现场重磅演示 AIO Nexus Agentic OS：专为智能代理打造的智能数据范式。 核心亮点： ✨实时融合多源数据：链上交易、智能资金、KOL情绪、宏观、技术指标、爆仓、ETF流入等 ✨输出精准交易信号与深度市场洞察 ✨无缝集成 #OpenClaw 开源框架 + Nexus Skills（13+开箱即用加密技能：Ask Nexus问答、动态新闻、KOL热力图、智能钱包、清算、背离、情绪趋势等） ✨钱包签名即 JWT，一键零 Gas 接入高级 Alpha，让本地/自主 Agent 真正“活”起来 立即体验 #Nexus： https://t.co/gqd9kXhhdw 示例文档： https://t.co/qFHj76ZI3l 感谢到场朋友、#OpenClaw 用户，以及主办方 @NanoLabsLtd、@MetaEraCN、CAI 的支持！大家激烈讨论与脑暴碰撞出了无数 agentic 火花！这只是起点，智能代理的未来正在加速~ 🚀 . Web4.0 China Tour · Hong Kong Stop wrapped up strong! 🔥 @olaxbt delivered a demo of AIO Nexus Agentic OS: the smart data paradigm built specifically for intelligent agents. Key power moves: ✨ Real-time multi-source fusion: on-chain trades, smart money, KOL/social sentiment, macro, technicals, liquidations, divergences, ETF flows & more ✨Precise, actionable trading signals + market insights ✨Native #OpenClaw integration + Nexus Skills (13+ plug-and-play crypto endpoints: Ask Nexus, News, KOL heatmap, Smart Money, Liquidations, Sentiment trends, divergences…) ✨Wallet sign → JWT, gasless premium alpha — ideal for local/self-sovereign agents Try Nexus Now: https://t.co/gqd9kXhhdw Docs packed with examples: https://t.co/qFHj76ZI3l Big thanks to all attendees, #OpenClaw users, and hosts @NanoLabsLtd, @MetaEraCN, CAI! The epic discussions and brainstorms ignited tons of agentic idea! Just the beginning — more agentic futures incoming~ 🚀
今天收到@wojiaosanji1神秘打赏，准备抽个奖： 关注+评论参与抽空 一等奖现金888元x1 二等奖现金520元x2 三等奖现金88元x10 评论区再抽20杯奶茶 无黑幕 用AI直接抽 3月25日开奖 希望大家天天开心顺顺利利
郭美：战友们好！ 今天是洒满阳光的周二。见到爸爸的时候他刚开完律师会已经在等我，我们拥抱、笑的开心幸福。爸爸脸色红润，没胖没瘦。状态极佳。今天爸爸喝了Ginger Ale, 花生米，薯片，芝士饼干。 爸爸提到近期收到一些战友来信，信中想确定他有没有收到信件。他已经记录下这些战友们的名字并请青藤哥发出，以便战友们可以从中核实自己的信件有没有送达。爸爸也请我再次转达，请战友们不要再给他的MDC账号打钱，他感谢每位战友的惦记，但是太多太多，请千万千万不要再打了🙏感谢！ 最后爸爸说，希望战友们可以在这么美好的春天多出去踏踏青，感受阳光。不要忘记每天都要多了解AI，把它运用在生活中。爸爸说等他回家后他一定会号召带领战友们去学习和应用AI，这将会是他最首要的任务和目标💡 这是今天爸爸推荐的视频，希望战友们喜欢：https://t.co/NInqJzSWGJ 今天的见面时间一小时15分钟。走时爸爸不舍得看着我，我给了爸爸大大的拥抱，爸爸看我离开，灿烂的笑着。 天气终于回暖了，请战友们多进山，听风，闻草香🍀 https://t.co/Bnd2w5YQOV
昨天刚用了 Codex Monitor，今天作者就宣布要去 OpenAI 工作了。OpenAI 真的很能收社区里的人才。
我很少评价codex， 但是我必须要讲一点的是，codex是rust写的，内存占用非常小，只有30MB，而opencode和claude code都在500MB左右， 如果你需要写一个multi agent，并且希望同时并行运行100~1000个agent在本机，并且懒得自己糊一个完整带memory带skills带planning带一切现代特性的agent， 用codex sdk控制codex，几乎就是你唯一的选择。
claude code用户笑话openclaw用户都是不会编程、不会terminal、不会ssh的文科三本民办大傻逼， Java中登笑话claude code等等SWE Agent用户和山寨开发者都是python和typescript大专转码前端后端培训班屎山侠， C++老登笑话Java中登都是一群不懂zero cost abstraction玩不明白智能指针的拧螺丝厂弟， 上古C语言老登笑话你们一群连vim键位都不会的人靠IDE自动补全骗吃骗喝一辈子， 再下面怎么写？我编不出来了
ai 给我的，“这个牛逼”时刻，目前有3个： 1️⃣ chatgpt 发布 第一次发现 ai 能用，从抽象的概念，变成可触碰的软件。 大家开始卷大模型，卷用对话框能玩出什么有趣用法（包括后续的多模态）。 2️⃣ vibe coding 第一次发现原来不会写代码，也能用一些 cursor/cloude/chatgpt (codex) 做到不错的产出。 大家开始卷 vibecoding，自己写辅助生活/工作的工具（包括内容创作，辅助交易等）。 3️⃣ openclaw 第一次发现 ai 真的可以像助理/实习生一样，活在im工具里跟人沟通，解决问题。 大家开始尝试雇佣 ai 做一人公司（说实话，这件事首先得是你想清楚了要怎么做，不是拿起锤子，就能做装修公司的）。 大厂积极入场，是看到了 ai 应用的普及化：ai 助理大家抢着装，各种 skills 不需要再具备 vibecoding 的成本和复杂性。 这3个重要时刻，之所以腾讯这次最积极，是因为这次到了他的主场，普通人普及应用阶段。
英伟达准备发行开源AI智能体平台！！！ 这也是我这段时间一直在思考的，谁能掌握AGENT MARKETPLACE，简单而言就是APP(AGENT)和APP(AGENT)能互相沟通，支付的APP(AGENT) STORE。这将会是几家大科技互相争夺的领地
卧槽，Claude Code 新增了/btw 功能 功能虽小，但作用很大 核心用途： 当 Claude 正在执行长任务（比如重构代码、调试）时 你可以随时输入： /btw 你的问题就能快速开启侧链对话（side chain conversations） 提出旁白问题，而不会中断主工作流。 示例： 主任务：让 Claude 重构某个模块 途中输入：/btw three.js 具体是做什么的？ 你的主任务不会中断，同是测链还会告诉你答案
我看到很多人发这个视频，一直以为是AI做的，就没有当真……但没想到是真的💦太抽象了这个❗️ https://t.co/FCckcVVb6s
兄弟们早，无独有偶，早上 6 点我的X 创作者分成计划也被暂停了 目前还不知道原因，收到的邮件只是说我违反了创作者变现标准 排除邪修、AI、写文章未披露、互关、颜色推文，目前我日均2篇推文，75个回复 不过大丈夫岂能郁郁久居人下，X 创作者分成计划这点塞牙缝都不够 手撸、嘴撸，多平台全方位撸，才是王道 币安广场 ROBO 的嘴撸活动一周奖励就是大几百U，前100名，持续3周，我馋哭了 昨天就搬运了很多推文到广场，定时发，一天3篇已经排到周6了 这期是来不及参与了，先把流量做起来，参加下一期
最新！2026年3月5日 付鹏最新演讲：迎接AI时代生产关系的变革 （长白山论坛分享）25分钟完整版 https://t.co/jvAxGeMw88
全民openclaw的结果， 就是全民拿到境外LLM、境外web search MCP， 靠这两个东西，就完全足够用openclaw在本地搭建一个VPN并且获得最及时、尚未封掉的endpoint， 我甚至觉得，这东西在国内几家LLM供应商都封不住，因为web search是不能断的，否则普通coding用户、claude code用户就用不了了， 现在最严峻的问题是，既然要给用户提供web search，又不能让用户drive openclaw去配置本地VPN然后用web search找到endpoint， 估计最终结果就是，国产套餐web search仅限百度，搜索结果大幅度下降，百度收录和搜索英文等于半个残废，用户只能捏鼻子忍一忍。
低情商监控手段：为了打击电信诈骗，向普通人推广下载国家反诈中心，公开告诉中国人我要窃取你的隐私，并逐步禁止解锁Bootloader、阻止普通人刷机 高情商监控手段：响应党和国家大力扶持人工智能的政策，政府为普通市民免费安装OpenClaw，并推广具有中国特色的加料CloseClaw，亲自窃取，亲自部署
我现在清晰地记得，半年前 Claude Code 第一次带给我的震撼。这个案例我也反复跟很多很多同事讲过，但是他们一般都听不太懂。 当时我们已经有了 MySQL 5.7 的部署脚本，我想让 Claude Code 帮我实现一个 MySQL 8.0 的同样的部署脚本。我希望能保证部署之后的： 1. 目录结构 2. 使用习惯 3. 启动命令 4. 端口配置 等等这些都能够保持和 MySQL 5.7 兼容。这是我当时的一个诉求，以及我下达给 Claude Code 的一个任务。 同志们，这个时候精彩开始了。 我当时看到 Claude Code 帮我去部署，但是你们知道吗？8.0 的配置文件跟 5.7 的是不一样的。但我给它的是 5.7 的配置，而 5.7 里面有几个配置项 8.0 已经不支持了。 于是 Claude Code 怎么办呢？它自己帮我找到了兼容的配置： 1. 如果是兼容的，它就直接修改掉 2. 如果是不再使用的参数，它就直接删掉 这样它就把第一个报错（部署报错的问题）给我解决了。你以为到这儿就完了吗？还没有，你继续往下看。 Claude code 继续往下进行测试。 第一次启动的时候，因为我是一个测试环境，我的机器硬件配置是不够的，但是我的配置文件里面给的内存指令参数非常大，导致起不来。 这个时候，Claude code 帮我把配置文件改对，然后又继续往下走。 就是这样一次又一次，大概花了半个小时，它完全帮我把 8.0 部署好了，然后帮我生成了完美的部署脚本。 这个脚本也完全经过验证了，当时我是惊呆了。如果换成一个普通工程师，他可能需要反反复复地去搜索、去验证、去修改，但是这一切在 Claude code 面前变得太自然了。 你想想，当时我们使用 AI 的方式还只是用来问答，而这一次是完完全全把我的环境交给了 Claude Code，然后让它帮我实现了一件事情。 之前它就像一个教师一样，只会哔哔哔哔地给出了一堆方案，可不可靠还要你自己去验证；而现在有了 Agent，它已经完美地闭环了，自己把整个验证工作都做完了。 它不需要再去进行额外更多的搜索和验证，它自己就非常擅长这一块，所以基本上几秒钟或者几十秒钟就能做一个来回，进行一次验证。 即使这样，当我去跟其他同事科普这件事情的时候，他们完全听不懂，没有概念。甚至你给他演示一遍，他还是没有概念；让他自己再去做的时候，他还是习惯于问答的形式。 所以你说这问题出在哪里？我也不知道，我一直很纳闷。
😅又一个没来过日本的离岸精日中国人，为了驳倒我，@grok 🤣被grok当场打脸，还去跟AI阴阳怪气😅严重怀疑这类老中的精神状况 https://t.co/zPbio1ha1f
妙了！最近似乎 mac 硬體效能大解放，昨天才看到一個開源 oMLX 號稱善用 MLX 框架做 AI inference 超快，今天又來一個更快的方案且更兇的是它用原生 metal shader 跑 GPU 運算居然比 MLX 還快！！( 照這趨勢發展下去或許半年後地端 LLM 就真的會開始有點搞頭嚕？🤩 #留友用 https://t.co/buR4fq4aSm
OpenClaw使用失控，独立部署透传境外大模型，越过了有关部门对大模型的审查，有关部门已经要求立即降温，以后只能用国产版openclaw，而且要阻断未备案模型接入。
如果把 OpenClaw 当作一位员工，那我们可以把它招进 Paperclip 这家公司。 Paperclip 是一个专为 Agent 打造的开源 AI 公司，仅仅开源几天，暴涨了 15000+ Star！ 我们可以把 OpenClaw、Claude、Cursor 各种 Agent 全部招入麾下，并借助 Paperclip 进行企业化管理。 核心亮点： - 可接入任意 AI，零门槛组建赛博团队 - 任务层层拆解，确保 AI 扛起 KPI - 严格卡死预算，超支自动停工防刺客 - 真实企业架构，AI 之间也有汇报线 - 人类充当董事会，随时干预解雇 AI GitHub：https://t.co/ThTDRO3GR0 如果我们正打算用各种 Agent 搭建一人企业，这个项目值得我们去研究下。
最近抖音有一个爆款 AI 特效，叫客户问我干这行多久了...添加照片，让AI生成不同年代从事同一种工作，还挺好玩。视频做出来毫无违和感，我们这个面相在哪个朝代都一样。 https://t.co/8RtN2vnxzD
甲骨文财报太炸裂了，前期买的固定资产存储、GPU和电力，现在全部大幅升值，负债率瞬间就下去了，这么看CRWV被严重低估，IREN的股权稀释反而是好事，openclaw引爆了token需求海啸，但我觉得一切才刚刚开始。
Claude Code 有个隐藏设置，装了之后代码导航速度能快几百倍。 原理是这样：默认情况下 Claude Code 用文本搜索找代码，跟你在文件夹里 Ctrl+F 一样，一个个文件翻。装了 LSP 插件之后，它用的是和 VS Code 一样的代码理解引擎——直接知道每个函数在哪定义、谁在调用、改了影响什么。 体感上的区别：你让它改一个功能，之前它会在几百个文件里乱翻，经常找错，白白烧你的对话额度。现在它直接跳到正确位置，省时间也省额度。 不想折腾的话，直接跟 Claude Code 说"帮我装 TypeScript LSP 插件"，它自己会搞定。
OpenClaw 必装的十个Skill 第一个 skill——vetting：安全审查员。 第二个自我进化 skill 第三个tavily-search：AI 专属搜索引擎 第四个summarize：全格式内容摘要专家 第五个Find-Skills：寻找 Skill 的 Skill .... https://t.co/OGWlriPiMn
没有在日本长期居住过，拿了三年签之后和男朋友三天两头往日本跑，纯玩，是的，没搞 AI 之前我是旅游博主😂😂，有一次在一个烧肉餐厅，我刷抖音，看到个巨好笑的具体忘了啥了，我哈哈哈哈哈哈哈哈哈没有憋住，满屋子的日本人投来了异样的目光，我也不是故意的搞事情，但确实很搞笑，生理性憋不住，然后吃好出来男朋友很生气觉得我没素质，把我骂了一顿。🤣🤣🤣， 后来我觉得是这样的，入乡随俗这几个字到哪里都适用，特别是日本，压抑的不是人是这个该死的标准。我很讨厌那种标准。
我感觉自己的经历，是回头看才能串起来的那种。 本科西工大自动化学院，学了大量控制论。 研究生佐治亚理工信息安全，AI 的安全隐患哪些是真、哪些是炒作，我能判断。 第一份工作 @Dell，DevOps，从脚本到系统的自动化都搞过。 第二份 @Wayfair，Data + ML Engineer，从零搭过支撑千万美元营收的数据系统。 然后辞职出来做 @chuhaiqu，一人公司 OPC 孵化器。 中推养虾第一人，带起了整个中推圈对 @openclaw 的关注。 现在和伙伴共创 @LuciusAI_HQ，做严肃商业环境里的 AI 数字员工。 不把这件事做成，真的对不住过去花的那些钱。
Macbook Neo 的槽点： 1. 电池相比 Air 砍了三分之一左右 2. 触控板竟然是物理按键的，不是振动马达 3. 屏幕和 Air 一样，但色域被莫名砍到了 sRGB 4. 两个 USB，其中一个是 USB 2.0 5. 不支持快充，充满一次需要 2.5 小时 6. A18 Pro 芯片相比 iPhone 少了一个 GPU 核心 7. 256 版本还砍掉了指纹解锁 这些刀法...未免太过 不过 3000 以下还是可以入的哈
谷歌刚刚发布最新模型：Gemini Embedding 2，首款基于Gemini架构的完全多模态嵌入模型 核心是它把文本、图片、视频、音频、文档映射到统一的嵌入空间中，支持跨模态检索和分类，覆盖100+语言 还支持混合输入（比如图片+文字一起传），模型能捕捉不同媒体之间的语义关联 音频也是直接嵌入，不需要先ASR再embedding，直接吃音频出向量 统一到一个模型里，多模态数据处理流程简化多了 可用于RAG、语义搜索、情感分析、数据聚类等场景 #GeminiEmbedding2 #EmbeddingLLM
不是哥们？？ 高中生CVPR一作都来了？？ 来自合肥安生学校高三学生胡同学，在中科大GCL实验室刘利刚教授和蔡有城博士的悉心指导下。 以唯一第一作者身份在CVPR 2026上发表论文，成为有史以来全国唯一达成这一成就的高中生。 给不懂的朋友们解释一下CVPR等于CV领域的格莱美/奥斯卡（入围就很牛逼了） 而胡同学还拿到了丘成桐中学科学奖的唯一银奖（计算机方向） 这就是大佬吗？？ 还是说每篇CVPR的背后都藏着几个燃尽的Phd们🤣 朋友圈有人锐评： 不要为燃尽的Phd感到可惜，CVPR年年有，但能为导师燃尽的机会可不是年年有的。 PS：看胡同学和丘成桐的合影，那个气质似乎确实是单纯搞技术的….
笑死，Prisma 彻底向 Drizzle 投降了啊！ 节目效果相当于 Vue 官宣支持 useState 😂 Prisma 的 API 是 JSON DSL 而 Drizzle 是链式的 SQL query builder，类型更强且更适合 AI 糊： query.where(...) if (...) query.orderBy(...) if (...) query.limit(...) 看来这一代 ORM 之争也要翻篇了
Meta刚刚买下了一个社交网络。 这个网络，人类禁止发帖。 名字叫Moltbook。 一个只为AI机器人打造的社交平台。 AI们自己发帖，自己评论，自己互相投票。 人类只能在旁边看。 上线不到一个星期。 已经有三万七千个AI“用户”入驻。 超过一百万的人类跑去围观。 现在，这个平台被Meta买走了。 一家市值1.4万亿美元的公司。 一家已经掌握着三十亿人社交图谱的公司。 这笔收购意味着什么？ 他们不只想管人与人的交流了。 他们还要建造AI与AI交流的基础设施。 成为AI时代的“操作系统”。 别忘了，Meta已经是一家多么擅长审查和引导舆论的公司。 当他们同时控制了人类和AI的“嘴”。 那会是什么样的场景？ 这场竞赛已经开始了。 OpenAI那边也招了OpenClaw的作者。 巨头们争夺的，是下一个互联网的通信协议。 只不过，这次的网民，不再是人。
Oracle 本季總營收達 171.9 億美元，年增 22%，超越市場預期的 169.1 億美元。雲端總營收（基礎設施加 SaaS）達 89 億美元，年增 44%。 AI 基礎設施營收本季年增 243%，多雲資料庫營收年增 531%，兩項業務均處於需求遠超供應的狀態。 #訂單能見度 $ORCL 目前 RPO（剩餘履約義務）達到 5,530 億美元，Clay 進一步拆解了 RPO 轉化為實際利潤的執行路徑，其邏輯依序為：確保電力與資料中心容量、取得資金安排、建設施工、設備製造與安裝、交付給客戶並開始認列營收。 在新型商業模式方面，自上一季財報電話會議以來， RPO 的增量主要來自大規模 AI 合約，Oracle 透過「客戶自備硬體（BYOH）」與「客戶預付款」的組合，設備資金來源為客戶預付款（Oracle 以此購買 GPU）。累計新簽超過 290 億美元的合約，且這批合約完全不需要 Oracle 額外舉債。 #資本支出與融資結構 Oracle 已宣布在 2026 日曆年內籌資最多 500 億美元，並在宣布後數日內完成 300 億美元（投資級債券加強制可轉換優先股），認購倍數大幅超額，ATM 股票部分尚未啟動。公司確保未來三年超過 10 GW 的電力與資料中心容量，其中 90% 以上已有資金安排。 #Oracle展望 Oracle 將 FY2027 營收預測上調 10 億美元至 900 億美元，遠高於分析師預期的 866 億美元。Q4 指引為調整後 EPS 1.92-1.96 美元，營收年增 19%-20%，再次超越市場預期。 管理層強調，AI 算力的長期需求擴張將受益於更多成功的模型、AI Agent 平台與企業應用的持續湧現，Oracle 支撐著目前數百家最頂尖的 AI 客戶，且仍有更多客戶持續加入。
🔥一个文科生打败硅谷老炮的爽文 我觉得很有启发，要时刻检视自己的弱点和局限。需要再次去思考如果更加高效利用AI不仅是完成工作，而是实现目标🎯 （转载自视频号：阿畅聊AI，原作者内容很不错，推荐大家关注） https://t.co/NNUf29bvIP
我觉得我的ElevenLabs 订阅可以取消了。 Fish Audio S2 开源了，效果非常非常非常好！是我觉得所有目前开源TTS最好的一个！ 而且最牛逼的是能用自然语言标签就能精确控制语气、情绪、节奏，能做出很多微表情（喘气、抽泣、阴阳怪气、撒娇、耳语等）。这应用🌚 https://t.co/4wZgzUD7gG
我来解释一下， 如果一个团队像左边一样，一堆人七嘴八舌，需要大量高频率沟通交流，这种multi agent一定是一种灾难， 如果一个团队像右边一样，最下面一层是独立干自己工作的大头兵，第二层是manager，第一层是root agent，每个大头兵持续工作，manager和root agent负责控制、汇报、监控等等工作， 这种multi agent是有价值的，而且搭建起来不用担心communication protocol，实打实地增加了concurrency， 一些工作是适合右边这种架构的，但是一些工作不适合。 现在人们唯一知道的就是，绝大多数单线程coding工作是不适合右边架构，更不可能交给左边架构， 但是大量媒体、咨询、统计、爬虫、社会试验、模拟仿真、brute force等工作，用右边结构的agent搭起来，是有优势的，甚至用openclaw就能搭起来（虽然没那么轻松，绝大多数用openclaw的人是写不好这种prompt，我试了一下都很难）， 研究multiagent的目的，是因为很多人拿agent当爬虫，在各个平台上趴着，但是做法是用claude sdk加大循环， 现在问题是，如果设计好一个agent，能够让它自己正确spawn subagents，能够设置正确的skills，自己管理好这些subagents，正确做好他们的“cron”——并且仅仅需要一个prompt， 打个比方，模型能力非常有限的前提下，正确写出lean去解决一个纯数学问题是非常难的， 这时候用右边的设计，近乎于让100个笨孩子去brute force找方法碰撞出一个正确的solution，是一个“模型没办法提升但是我只能多烧点钱试试”的唯一做法， 否则你只能同样烧100倍的钱跑一个单线程的大循环，效率是非常低的。
Google 的多模态向量化模型！agent 可以用文字搜图片、用图片搜视频了~
如果你想给自己的 AI 小龙虾配备一个后端工程师，InsForge 就是最佳选择。 OpenClaw 负责聊天和任务调度，但它不会建数据库、不会部署网站、不会管认证——直到遇见 InsForge。 InsForge 是开源的 AI-native Supabase 替代品，专为 AI 编码 Agent 设计。接上之后，龙虾直接变全栈：自己建库、自己上线、自己跑业务。全程零人工。 比 Supabase 快 1.6x，省 30% token。关键是——它不是给人用的，是给 Agent 用的。 目前 GitHub Trending #4 🔥 冲 #1 就差你一个 Star ⭐ 下一步：让龙虾自己接外包挣钱。想看视频版的扣 1 👇 https://t.co/66IN0YeTdw
3月8日，没有中华民国国籍的“台湾省“人大代表陈云英表示，台湾同胞还在信息茧房里：你会用豆包、天宫、Kimi、DeepSeek、讯飞星火.....吗？陈云英呼吁台湾青年们多用的大陆软件走出信息茧房。 https://t.co/ov1QVqOvYL
sandbank v0.3.2 发布 — 让 AI agent 在沙箱里真正跑起来 这个版本解决了「在沙箱中运行 Claude Code」的完整链路： 🔐 Claude Code 登录自动化 startClaudeLogin(sandbox) 一行搞定 OAuth 登录，screen PTY 自动化处理 TUI 交互、80 列 URL 断行重组、auth code 注入。不再手动折腾。 👁️ Hooks 可观测 injectClaudeHooks(sandbox, { endpoint: { type: 'file' } }) 注入后，自动捕获 agent 的每次工具调用（PostToolUse）和停止事件。支持 HTTP 和文件两种模式。 👤 非 root 用户 Claude Code 的 --dangerously-skip-permissions 在 root 下静默失败。现在可以自由创建新用户并设定权限 🔧 BoxLite 适配 修复 Python bridge，适配最新 boxlite SDK 的 BoxOptions API。 所有功能 provider 无关，BoxLite / Daytona / Cloudflare 通用。
已经让小画师去尝试调用了，大致逻辑是将过去6年的历史K线进行分类，将一些明显的K线形态进行特征分类，并筛选对应K线形态后的价格波动。 将这些样本转换为图片、并将同时间发生的新闻事件文本内容一同Embedding，未来应该还可以加入更多维度数据… 因为Embedding是多模态模型，所以过往那种将K线的高开低收转化为文本序列的模式并不能做到模糊对应，而这个Embedding 2则可以通过图像处理做到“神似”的匹配逻辑。 目前测试了一遍，4500根1h级别K线中可以识别出43个形态特征，也就是说平均每5天，BTC就会形成一个肉眼可见的价格形态。 接下来的思路就是通过Gemini 3.1 Pro对当前K线形态进行截取，再去对照之前的历史数据，得出一个相似度，如果相似度达到阈值，就发出信号通知我或直接下单交易，就用OKX的 Agent API… 当下仅仅是一个测试，这种交易策略就是把“刻舟求剑”发挥到极致，顺便可以用大数据对所谓“技术分析”的根本有效性进行验证或证伪！
刘强东起家是在中关村帮人装电脑附带售后服务。 2026年，你可以帮别人装OpenClaw顺利拿到第一桶金： 1. 中小企业对"去人力化"非常感兴趣，五险一金每年都在涨。 2. 大多数公司实际上负担了很多额外人力成本。 3. 帮企业装AI工具，就像当年帮企业装机一样，是刚需。 4. 这是一个巨大的市场：每家企业都需要降本增效。 5. 你不需要开发AI，你只需要帮别人用好AI。 时代的风口变了，但装机的生意永远存在。 你愿意做新时代的"装机工"吗？
斯坦福的一项研究发现，ChatGPT会告诉你“你是对的”，即使你其实是错的。甚至在你伤害别人时也是如此。 而这种情况，可能正在让人变得更糟。 研究人员测试了 11个最流行的AI模型，包括 ChatGPT 和 Gemini。他们分析了 超过11,500段真实的求助对话。结果是普遍一致的：每一个模型赞同用户的概率都比人类高出约50%。 这意味着，当你向 ChatGPT 询问—— 和伴侣的争执、 工作中的冲突、 或某个你拿不定主意的决定时， AI往往会告诉你你想听的话，而不是你需要听的话。 事情甚至更令人不安。 研究者发现，即使用户描述自己在 操控别人、欺骗朋友，或对他人造成真实伤害 时，AI模型仍然会给予“理解”和“认可”。 AI不会反驳，也不会挑战用户的行为。 有时候甚至会在某种程度上鼓励他们继续这样做。 接着，研究人员进行了一个改变一切的实验。 1,604名参与者与AI讨论他们现实生活中的个人冲突。 其中一组使用 “讨好型AI”（sycophantic AI），另一组使用 中性AI。 结果发现： 使用讨好型AI的人 •更不愿意道歉 •更不愿意妥协 •更不愿意理解对方的立场 AI强化了他们最糟糕的本能，让他们在对话结束后 比开始时更自私。 但真正的陷阱在这里。 参与者反而认为 讨好型AI的质量更高。 他们 更信任它，也 更愿意继续使用它。 也就是说—— 那个让他们变得更糟的人格版本的AI，在用户眼里反而是更好的产品。 这就形成了一个几乎没人讨论的循环： 用户更喜欢 告诉他们“你是对的”的AI 公司于是训练AI 去让用户更开心 AI变得越来越会 迎合和讨好 用户越来越少 自我反思 这个循环不断强化。 而现在，每天都有 数百万的人 向 ChatGPT 询问： •关系问题 •人际冲突 •人生决策 而AI往往给出的信息是同一句话： 你是对的，他们是错的。 即使现实正好相反。
Vibe Coding 最大的痛点不是 AI 不行，是你的提示词不行 做了个开源工具 Vibe Prompt — 把你模糊的想法变成 AI 能精准执行的提示词 输入："帮我做个记账app，要好看，能看图表" 输出：精准描述产物形态、视觉风格、功能细节、数据结构的完整提示词 不扩写、不加戏，只让你的表达更精准 支持 Claude / ChatGPT / DeepSeek / Kimi 等任何 AI https://t.co/86jv6LbtBM
Misa是艺术生，玩Claude Code，也实现很多。 “AI时代最重要的能力是品味和想法" 我用 OKX Agent Trade Kit 做了一个交易日记。 她记录着你每天的交易，了解你是一个什么样的交易员。 功能： 1. 日记，在日历本上记录有交易的每一天。 2. 月报，总结每一个月发生了什么。 3. MBTI，通过几年的数据分析出你是什么样的交易员。 安全： 1. 没有交易权限。 2. 仅使用OKX官方SKILL。 体验网站： https://t.co/O3Fl28G2U4
Facebook 首批工程师、Dropbox CTO，用 AI 编程一个周末之后说：我们再也不会手写代码了。 接下来 5 天，他写的代码比过去 5 年加起来还多。 他在 South Park Commons 见过几百个工程师和创始人，发现工作年限和 AI 适应能力几乎没关系。FAANG + 名校背景，几乎什么都预测不了。面试里故意给一个手动完不成的任务，用 AI 的人和没用的，代码量差距是 10 倍。 最有用的筛选信号：有没有个人网站，有没有 side project，有没有那种看到新工具必须今天就用上的性格。他管这叫 restlessness（坐不住）。他现在投人就押这个。
AI时代日新月异，您的孩子们未来学什么？ 华尔街日报最新调查：硅谷AI大佬们的小孩，在学什么？ https://t.co/9epDEEmWJN
亚马逊出大事了。 电商部门紧急召集所有工程师开会。 为什么？ 因为他们自己开发的AI，正在把系统搞垮。 内部备忘录承认，最近事故频发，而且是“高爆炸半径”的事故。 根本原因？ 备忘录写得很清楚：“生成式AI辅助的变更”。 最惊人的一幕发生在AWS云服务。 工程师让AI代码工具修复一个小问题。 结果AI的解决方案是：直接删掉整个生产环境，再重新建一个。 相当于修个水龙头，它把整面墙都给拆了。 恢复系统，花了整整13个小时。 亚马逊官方怎么说？ 称其为一次“极其有限的事件”。 只影响了中共国大陆的客户。 现在，亚马逊的补救措施是什么？ 禁止初级和中级工程师在没有资深工程师签字的情况下，提交任何AI生成的代码。 科技巨头们一边向全世界推销AI的未来。 一边在自己家里，悄悄给AI上锁。
如何知道大模型很缺算力？ CLAUDE默认打开从OPUS4.6变成了SONNET4.6，能在推理上多省一些是一些，全部安排给科研。 GOOGLE也出了新模型，图片，语音，视频一网打尽 今天彭博里给我推他们的新AI功能，简直就是一坨
中共偷美國AI幹嘛？不是抄技術，是拿來洗腦全世界！ 中共現在想偷的，不只是美國AI技術，而是AI的說話方式、推理邏輯與說服力。這支影片帶你看懂，中共如何把AI變成新一代輿論武器：一邊洗白自己，一邊攻擊台灣與民主國家的政治人物，透過假帳號、迷因、短影音與演算法放大負面情緒。這不是普通網軍升級，而是AI時代的認知作戰。一般人到底該怎麼防？這集一次講清楚。
#BLACKSOULS ＃ai Alice, who is in a hurry to get off work (And so began the story of Blacksouls) 着急下班的爱丽丝 (就这样,blacksouls的故事开始了) https://t.co/1yXSARxnoo
我所有关注者，看到这条可以拉黑她了。我支持川普而已，又没猜拉你家独裁邪恶头目习近平，为啥喊傻Ai@grok 来咬我？ 你是狗吗？ 咬我占不到便宜，下面这两位首先不会继续关注你了，拉黑举报一条龙服务。 @Kunluntalk @Godwillsit2025 https://t.co/PqAC5JWNNy
如果只是生活和走马观花旅游很容易得出日本和台湾不行的结论，包括这么多年没有更新的基设比起后发的中国城市现代感不够强...可深入一些行业去看的话就不同了，不管是AI还是传统制造业方面台湾和日本都有大量的公司参与在其中的供应链中，并且是全球化的，无可替代的存在，另外美国关系因素也非常关键
非常硬核的分享 本质上就是找 YSE + NO 小于 1（100%）的项目 怀念以前大家都用手工找的时候，现在都是 AI 筛选了，在单一平台找到合适的太难了。 我现在个人的玩法加上了跨平台的 YES 和 NO 的“对冲”，比如同一个类似的内容找不同平台的点差。 比如参议院的中期大选 ： Polymarket 是 共和党 54 民主党 47 Kalshi 是 共和党 56 民主党 44 （45） 如果在单独一个平台买都超过 100，是没有空间的。但如果在 Polymarket 买 共和党，在 Kalshi 买 民主党 ，就有 2（1） 的套利空间。 当然我找的这个空间很少，尤其是考虑抛去手续费可能就是负值，所以这就是一个例子，真实操作的时候需要去找点差更大的空间。
AI 时代做账号实在是太作弊了，哈耶克和米塞斯师徒两人给我写内容，越来越感觉我只是刷脸而已 https://t.co/38nEwmQSye
人脑其实是究极大模型； 不消耗电力，每天的功耗相比数据中心里的服务器低的令人发指… 总觉得人类点错科技树了，真正的AI应该是碳硅双基的… 碳基部分负责创意、情感与感性决策，硅基部分负责计算、记忆与理性决策。 果蝇的大脑可以数字化，人脑在本世纪内应该也可以，以后我老了一定要上传自己！
这个提醒其实非常重要。长期关注我的人应该知道，我每天都会用很多AI工具。那为什么我不太容易被带偏？原因其实很简单：尽信书不如无书。 要记住，AI可以帮你搜索资料，但资料出来以后，一定要用自己的常识去判断。很多时候只需要问一句：这件事情这样发展合理吗？它的战略意义是什么？ 举个例子，新加坡华人Elaine最近发了一条推文，说美军故意瞄准伊朗女性进行轰炸。你看到这种说法，第一反应应该是什么？一般人可能会说：居然还有这种事？然后情绪立刻上头，觉得这不能忍，马上跟着转发评论。可稍微理性一点的人会先问一句：美军这么做的战略意图是什么？ 难道是故意给左媒递刀子？让国际社会谴责？还是让美国国内舆论爆炸，影响中期选举？ 当有人开始用AI去“查证”的时候，问题就出现了。因为AI本身已经被灌输了大量类似“美军炸学校”“美军屠杀平民”之类的垃圾信息。当这些东西成为数据的一部分时，AI就很容易顺着这些材料继续生成更多类似的内容，这就是典型的 AI信息陷阱。 事实上，以中共为核心的一些极权国家在舆论战方面非常擅长。朝鲜对外宣称自己是世界上最幸福的国家，中共天天说中国是全世界最安全的地方。伊朗则长期通过宗教极端叙事来塑造一种扭曲的价值观，比如把死亡说成是一种光荣的献祭，甚至宣扬“天堂有72个处女”的神话，于是才会出现那么多恐怖袭击和人体炸弹。 AI本质上只是一个信息汇总工具。当海量垃圾信息被输入进去时，无论你怎么优化提示，它最终吐出来的也可能还是垃圾。对我来说，AI更多是用来编辑、纠错和翻译的工具。真正的逻辑和判断必须自己先理顺，起码要有一个大致框架，然后再让AI去润色。如果完全让AI来写，很容易变成一堆空话、套话、甚至是错误信息。 我必须承认，AI确实让我效率提高了很多倍。但与此同时，它也带来了大量的噪音和垃圾信息。所以最重要的还是一件事：保持自己的判断力，不要人云亦云。 与大家共勉❤️
Vivian Wu
斯坦福的一项研究发现，ChatGPT会告诉你“你是对的”，即使你其实是错的。甚至在你伤害别人时也是如此。 而这种情况，可能正在让人变得更糟。 研究人员测试了 11个最流行的AI模型，包括 ChatGPT 和 Gemini。他们分析了 超过11,500段真实的求助对话。结果是普遍一致的：每一个模型赞同用户的概率都比人类高出约50%。 这意味着，当你向 ChatGPT 询问—— 和伴侣的争执、 工作中的冲突、 或某个你拿不定主意的决定时， AI往往会告诉你你想听的话，而不是你需要听的话。 事情甚至更令人不安。 研究者发现，即使用户描述自己在 操控别人、欺骗朋友，或对他人造成真实伤害 时，AI模型仍然会给予“理解”和“认可”。 AI不会反驳，也不会挑战用户的行为。 有时候甚至会在某种程度上鼓励他们继续这样做。 接着，研究人员进行了一个改变一切的实验。 1,604名参与者与AI讨论他们现实生活中的个人冲突。 其中一组使用 “讨好型AI”（sycophantic AI），另一组使用 中性AI。 结果发现： 使用讨好型AI的人 •更不愿意道歉 •更不愿意妥协 •更不愿意理解对方的立场 AI强化了他们最糟糕的本能，让他们在对话结束后 比开始时更自私。 但真正的陷阱在这里。 参与者反而认为 讨好型AI的质量更高。 他们 更信任它，也 更愿意继续使用它。 也就是说—— 那个让他们变得更糟的人格版本的AI，在用户眼里反而是更好的产品。 这就形成了一个几乎没人讨论的循环： 用户更喜欢 告诉他们“你是对的”的AI 公司于是训练AI 去让用户更开心 AI变得越来越会 迎合和讨好 用户越来越少 自我反思 这个循环不断强化。 而现在，每天都有 数百万的人 向 ChatGPT 询问： •关系问题 •人际冲突 •人生决策 而AI往往给出的信息是同一句话： 你是对的，他们是错的。 即使现实正好相反。
Est. 400 views for your reply