🔥 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。
随着美国大规模算力中心的基建浪潮，我们个人其实正处在一个既幸运又尴尬的位置。 幸运在于——如果你敢于提前下注某个前沿领域，一旦押中，就可能直接进入全球最先锋的小圈子。 尴尬在于——从小到大的教育规训，早已让我们习惯于在教科书框架里思考，真正属于自由创造的脑细胞早被磨掉了大半。 可问题是，你仔细想想，如果这种千亿级的基建成熟以后，各落地领域都已经写进了教科书，那还叫机会吗？等写进教材的时候，往往已经是共识的尾声了——而等到那一刻，我们大概率也都老了。
进入英语世界的起点 对于想要真正学好英语的年轻朋友，与其花时间准备雅思或报各种培训班，不如把目光投向大学英语系（尤其是办学质量较好的院校）的两门核心课程: 泛读课和精读课 据我了解，现在很多大学的旁听政策都比较宽松（至于能否修学分，这个我不太清楚）。 好好的花1-2年肝这俩，比啥都靠谱。
杭州的餐饮太差了 我这个做饭水平来杭州做餐饮，估计可以得到钱塘江厨神的称号
人的大脑无法认知真实的世界，人类并不像传统的计算机一样，有一个磁盘可以存储和提取信息 和大模型类似，人对记忆的感知是生成式的 所以他们所看到的商品都是自己想象出来的 这就是为什么反复强调，卖什么不重要
8 秒空海交锋（中途岛质感｜强镜头感｜高冲击） 画幅：2.39:1 帧率：基础 24fps（慢放处 120fps 回落至 24） 色调：冷青海水 + 暖橙火光 质感：轻胶片颗粒、轻微手持、防抖不过度 ⸻ 0.00–0.90｜镜头①｜极广 WS｜建立 •画面：灰蓝太平洋翻涌，远处一支航母编队破浪前行；低空云层压顶，阳光从云缝斜射出几束明暗带。 •机位/运动：无人机式推进，轻微手持微抖，迎面掠向旗舰。 •音效/音乐：远处警报渐入（“呜——”），鼓点低频铺底；风声夹海浪。 •转场：一架舰载战斗机从镜前疾掠，机影擦屏 鞭甩转场（Whip Pan） 进入下镜。 0.90–1.70｜镜头②｜低角度跟拍 MCU → MS｜速度感 •画面：两架螺旋桨舰载战斗机贴海面掠行，机腹几乎切到浪尖；海浪飞沫甩到镜头。 •机位/运动：并行跟拍，镜头轻微前后摇，速度渐升；镜尾微变焦拉近 5%。 •音效：发动机轰鸣贴面擦过；无线电底噪进场。 •转场：匹配剪辑（Match Cut）——螺旋桨高速旋影 → 接到飞行员护目镜反光中的航母甲板。 1.70–2.50｜镜头③｜驾驶舱特写 CU •画面：飞行员面罩与护目镜特写；镜片里倒映航母与高射火光，指针表颤动，俯冲臂解锁。 •机位/运动：轻推轨入 10cm；最后 3 帧微拉焦对到反光中的航母。 •对白/无线电（L-Cut）： 「鹰一就位，准备俯冲！」；背景是甲板警报与短促口令。 •转场：飞行员猛按操纵杆，画面 冲击变焦（Crash Zoom） 出舱盖 → 俯冲视角。 2.50–3.80｜镜头④｜高空俯视 Top Shot｜俯冲 •画面：鸟瞰俯冲，航母成几何面；空中黑色炮弹云团（Flak）成串炸开，曳光穿屏。 •机位/运动：镜头“锁定机身”跟随俯冲；2.50–3.10 以 120fps 慢放，3.10 起速度渐回 24fps（速度回弹 Speed Ramp）。 •音效：气流撕裂声+高射炮“嘭嘭”；频率随速度拉高。 •转场：一朵近景炮弹云在镜前炸白，白闪叠化（White Flash） 盖住切到甲板。 3.80–5.00｜镜头⑤｜甲板侧近景 MS｜对空火力 •画面：高射炮组狂扫，炮口喷焰连珠；炮衣震颤，黄热弹壳洒落甲板滚动。 •机位/运动：侧向滑轨+轻手持，镜尾随弹壳落地给一个超近特写 3 帧。 •音效：密集射击+金属壳体弹跳；短促喊声「装填！装填！」。 •转场：匹配剪辑（Match Cut）——跳动的弹壳圆面 → 炸弹引信小螺旋桨在转。 5.00–6.20｜镜头⑥｜弹药分离慢放 CU｜关键动作 •画面：机腹释放炸弹；炸弹下坠，尾部引信小桨疾转；甲板标线与舰桥从背景上行掠过。 •机位/运动：子弹时间式 120fps 超慢；相机与炸弹并行下移 1 米后“放手”。 •音效：环境声瞬间抽离，低频心跳+气流呼啸；末尾恢复全频。 •转场：炸弹从镜下穿出，镜头 擦拭剪切（Wipe by Object） 接水面。 6.20–7.40｜镜头⑦｜近失/命中 WS｜冲击高潮 •画面：舰艏侧舷近失爆；巨型水柱拔地而起，白水淋甲板，火光与黑烟冒出；人员俯身冲过。 •机位/运动：远中景压缩（70–85mm），轻手持；冲击瞬间加入 微暗帧（1–2 帧黑场） 增强爆震感。 •音效/音乐：爆炸重击+低频冲击波；鼓点骤然加一拍，合唱垫一声“啊—”。 •转场：随水柱崩裂的水雾 粒子叠化（Particle Dissolve） 到最后镜。 7.40–8.00｜镜头⑧｜脱离英姿 Silhouette｜收束 •画面：战斗机拉起穿云，逆光剪影掠过太阳边缘；海面上残烟与火光串连成战场线。 •机位/运动：望远跟摇，微失焦→回焦；镜尾 3 帧加轻镜头眩光。 •字幕/片名（可选）：右下角 2 帧淡入淡出「太平洋之刃」极简字卡。 •音效/音乐：发动机高亢拉走，鼓点收束；远处警报渐隐，留海风。
作纯粹的自媒体最大的一个缺点，就是没有真正属于自己的作品。永远只能追逐热点、话题、评论，今天分析这个，明天解读那个，感觉很忙，却缺少一个能被称为"留下来的东西"。 所以别做“纯自媒体”，一定要有自己的作品，一定要创造。哪怕作品很粗糙，哪怕被人挑刺，哪怕所谓的专业人士冷嘲热讽，说"就这？"----那依然是你的作品。产品是作品，教程是作品，只要是你亲手创作并能独立存在的东西，都可以算作作品。 表达本身未必就是作品，转瞬即逝的热评、随手的吐槽，它们也有意义，但像浪花，很快就散了。作品则像石子，丢进水里，留下的是波纹，是痕迹。 创作者的价值，往往就是被这种"必须留下点什么"的冲动所驱动。
大家一起加入。 我计划每天写两篇，坚持一年，突破百万字大关。到那时，会专门为中文母语的科技作者总结经验与攻略。 欢迎大家探讨。 下一轮文明不是零和游戏，而是互相托举。 在英文圈，我们要拿出真正的深度与跨领域思考， 也要让那些只会玩权术的人看看，什么才叫真本事（咳咳😂）。
以太坊为什么会在当时横空出世并备受追捧？很大一部分原因就在于它第一次提供了一个运行时(runtime)——不是在白皮书、法律条文或学术试点里，而是真正在一个开放网络中，让规则可以被执行、被验证、被复用。人们看到了一个雏形：机构可以不依赖文本和人工，而是直接运行在协议之上。DAO、智能合约、可编程国库……这些都是“可执行制度”的第一次集体演练。 但以太坊的运行时依然承载着前 LLM 时代的假设：规则必须是确定的，模糊性是缺陷，解释只能由人类在链外完成。这让它既强大又脆弱。强大之处在于它首次把规则带进了执行环境；脆弱之处在于它缺少解释与补救的层次，于是当代码和共识脱节时，就只能靠硬分叉这样的“非常措施”。 如果说以太坊揭示了运行时的重要性，那么接下来要想象的就是下一代运行时： •一个专用运行时，它的目标不是运行一般意义的软件，而是运行一类特殊的规则——法律的、伦理的、组织的。 •或者，一个代理社会(agent society)，其中多个角色、人格化的智能体不断进行争论、谈判、博弈，直到模糊性逐渐收敛，真理在结构化的分歧中浮现出来。 在这样的未来图景中，RaC 提供的是坚硬的骨架与合法性的脊梁，而 LLM 与智能体系统提供的是柔性的肌肉：解释、探索与适应的能力。 这已经远远超越了“法律自动化”的范畴。它指向的是一个全新的范式：不只是代码的运行时，而是文明的运行时。一个平台，规则可以在其中被书写、被辩论、被执行、被实时进化——横跨人类与机器的共同体。 https://t.co/w1GFCnxtYe
一周的时间，有大家的订阅，我真的很感动。 高信息密度，纯英文长文。谢谢各位！ 在这个被流量逻辑绑架的互联网里，我们都已经厌倦： •厌倦了情绪裹挟的刷屏 •厌倦了毫无意义的骂战 •厌倦了无原创、无限转发的循环 这里，我只想留下另一种可能： •你能看到有共鸣的深度探讨 •你能读到其他地方找不到的纯原创 •你能进入对于未来的推演与思考 •你能找到适合自己结构的前沿方向 感谢各位聪明人。 https://t.co/pi4BOSFHHD
Billy Woodward只用 8 天，就用 AI 做出了一部价值百万美元、皮克斯水准的短片。 工作流：nano banana + midjourney + seedance + kling 2.5 + Suno + Elevenlabs 他测试了 Sora 2……结果出乎意料 以下原文🧵 https://t.co/upG8kXQzmt
当我思考自己未来的发展方向时，常常会回望过去。互联网时代我们对“应用场景”的想象其实是非常狭窄的。那个时候的应用几乎都围绕着“信息流”“社交”“电商”这些方向转，而真正宏大、真正突破的尝试凤毛麟角。如果要说在前 LLM 时代最不狭窄、最前沿的探索，以太坊无疑算一个。它通过 Rule as Code 的理念，直接触碰了一个文明级的问题：人类如何把共识转译成结构，把结构转译成秩序。 而当我认知到大语言模型其实是“大符号模型”之后，我才意识到：人类历史上最庞大、最具含量的两个符号库，其实就是 规则/共识（法） 和 代码（机）。这两大符号体系分别托起了社会与机器的秩序，而在 LLM 时代，它们注定要发生合并与重构。这不是技术细节的问题，而是一场关于文明语言基石的前沿探讨。 我们习惯于把语言仅仅看作交流的工具——人与人之间的信息交换。然而，语言在更深的层面上一直扮演着文明的原材料：它塑造秩序，压缩混乱，把意图转化为可执行的规则。从这个角度看，法与码就是两座象征性的符号宇宙。 •法：承载社会共识，解决争端，界定边界，是人类群体能否协作的保障。 •码：指挥机器，结构化计算，成为现代基础设施的运行逻辑。 它们表面上南辕北辙：法缓慢、含混、饱含历史与道德；码迅速、精确、冷酷无情。可是在根本层面，它们回答的其实是同一个问题：符号如何创造秩序？ 这不仅是哲学上的追问，更是文明生存的基石。我们能否把混乱压缩成符号，再把符号强制化为秩序系统，正是区分文明与混沌、协调与无序、执行与空想的分水岭。而现在，大语言模型的崛起，使这一边界首次开始被动摇。因为 LLM 并不仅仅是沟通工具，而是一种 大规模符号运算引擎。当它能同时操作“法律的符号”与“代码的符号”时，我们将进入一个前所未有的交汇点：共识与机器的统一语法。 延伸来看，这意味着： 1.法律不再只是文本，而可能成为可验证、可调用的执行协议。 2.代码不再只是机器语言，而可能带入社会价值与历史语境。 3.大语言模型成为中介，把这两种符号宇宙翻译、融合，甚至编排为一个可运行的“社会图灵机”。 这就是为什么 Rule as Code 不是一个局部的实验，而是一扇大门。它背后指向的，是语言与秩序的重写，是文明新一轮的操作系统升级。 https://t.co/WzslITLLif
看了一圈讲车的自媒体，又看了一圈讲 AI 的自媒体 发现前者对后者是降维打击 最有能力做内容的人会涌向最值钱的市场 优秀的车评人看 AI 领域的自媒体赛道，应该会觉得这是一片空白吧
命运有时真琢磨不透…为了小说能有一个好的出版社，我咨询了好多家，有台湾的，有日本的，有美国的，有香港的 （欧洲没有太成气候的中文出版社就放弃了）。不同的出版社处理速度、发型渠道都不一样，最终选择了美国的出版社。我也是希望小说尽可能和读者们见面，不想继续等下去，就签了美国这家。不曾想不曾想，就是这么造化弄人，昨天刚刚收到美国出版社回传的合同，就收到了香港青森的合作邮件，怎么讲呢…美国出版社虽然也很好，但是和香港青森不是一个级别的…我感觉就是刚和相亲对象领证真爱就出现了…我现在有点不知道该怎么办了🥲
Claude Sonnet 4.5 的写作能力都说很强，我让它写了一篇文章来反驳我的上一篇文章，看看哪个阅读量高 最近看到一篇文章在科技圈广为流传，作者兴奋地分享自己连续使用某款AI新产品24小时的体验，字里行间充满了对产品设计的赞美和对技术进步的惊叹。 不要打开！这个新产品会毁掉你的国庆假期 但读完之后，我却感到深深的不安。这篇文章代表了当下科技圈一种颇为危险的倾向：把成瘾性当作产品成功的标志，把技术创新等同于社会进步，把资本狂欢误认为用户需求。我觉得有必要泼点冷水，让我们冷静地思考一下： 人类真的需要一个AI版抖音吗？ 还是说，这只是产品经理、投资人和科技博主们的自嗨狂欢？ 一、伪需求的本质：我们真的需要AI抖音吗？ 让我们先谈谈成瘾性这件事。把"比抖音还上瘾"当作产品优势来宣传，这本身就是一个危险的价值观错位。成瘾性从来不是衡量产品价值的正向指标。香烟、酒精、赌博都具有极强的成瘾性，但我们会因此赞美它们吗？一个让人连续使用24小时、累到需要睡一整天的产品，不是创新的胜利，而是对人类注意力的又一次掠夺。 我们已经有了抖音、快手、小红书，现在还需要一个AI版本来进一步蚕食我们仅剩的专注力吗？答案显而易见。 有人赞美Remix功能降低了创作门槛，但创作门槛的降低必然导致内容质量的稀释。当每个人都可以零成本、零技能地生成短视频时，内容市场将面临恶性通货膨胀，真正有价值的创作将被淹没在AI生成的海洋中，用户将陷入更严重的信息过载。这不是创作民主化，而是内容垃圾化。我们真正需要的是更少但更好的内容，而不是AI帮我们生产更多的信息噪音。 再看看被称为最佳产品设计的Cameo功能，它的本质是什么？让AI生成的虚假内容具备社交传播性。这意味着真实性进一步让位于娱乐性，深度社交被浅层互动取代，人与人的连接变成人与AI幻象的互动。我们已经在抖音时代见证了社交的浅薄化，现在AI要把这个过程推向极致。这真的是我们想要的未来吗？ 二、产品蝗虫的狂欢：谁在为这场泡沫鼓掌？ 说到这里，我们必须问一个问题：到底是谁在为这场泡沫鼓掌？答案大概率是产品经理、投资人和科技博主。产品经理的职业本能让他们对新产品功能兴奋，投资人需要新故事来支撑估值泡沫，科技博主需要流量和谈资。这些人构成了一个封闭的回声室，他们的兴奋不代表普通用户的真实需求。 还记得Clubhouse吗？还记得元宇宙吗？还记得Web3吗？每一次，科技圈都是这样集体高潮，然后集体失忆。 有人设想这个产品日活过亿，但让我们面对现实：绝大多数产品永远达不到日活过亿。这是一个极其罕见的成就，需要真实的刚需、持续的用户留存和跨越圈层的大众吸引力。目前的热度更可能是科技圈的尝鲜效应、媒体报道的推波助澜和免费额度带来的短期流量。三个月后再看，还有多少人在用？这才是真正的考验。 有人惊叹可以免费用上最先进的全模态模型，但这背后的逻辑是什么？不是技术的慷慨，而是商业的算计。OpenAI之所以免费开放，是因为需要大量真实用户数据来训练模型，需要培养用户习惯建立依赖，需要用C端热度来支撑B端估值。等用户上钩后，付费墙、广告、数据出售都会接踵而至。免费是最昂贵的，这是互联网的铁律。 三、被忽视的代价：AI抖音的社会成本 我们必须正视AI抖音带来的社会成本。人类的注意力是有限资源，而且正在枯竭。研究表明，平均注意力持续时间从12秒降到8秒，深度阅读能力普遍下降，焦虑和抑郁率与短视频使用时长正相关。现在AI要让这个过程更高效，这是在优化我们的自我毁灭。 当AI可以零成本生成内容时，人类还会费力去创作吗？便利性的提升往往伴随着能力的退化。计算器让我们的心算能力下降，GPS让我们的方向感退化，AI创作会让我们的想象力萎缩。我们正在用短期的娱乐快感，交换长期的创造能力。这笔交易真的划算吗？ 还有一个更深层的问题：模型过拟合抖音数据，甚至出现即梦水印，这暴露了AI内容的本质。它是对现有内容的重组和模仿，不创造真实性，只复制和放大既有模式。当AI生成的内容占据主流时，我们将生活在一个自我指涉的虚假世界，真实的人类经验将被边缘化，文化将陷入自我复制的死循环。 四、商业逻辑的虚妄：可持续性在哪里？ 让我们谈谈商业逻辑。如果真的日活过亿，每人每天100次调用，那就是每天100亿次推理请求，需要数十万张GPU，电力成本、散热成本、维护成本都是天文数字。这种商业模式的本质是用VC的钱补贴用户，等钱烧完了呢？要么大幅涨价，要么服务降级，要么直接关停。 有人认为广告植入是成熟的变现模式，但忽略了一个事实：广告市场的总盘子是有限的。现在已经有抖音、快手瓜分短视频广告，小红书、B站争夺垂直领域，微信、微博占据社交广告。AI抖音要从哪里抢广告主？还是说，要进一步压榨用户体验，塞入更多广告？ Cameo的IP化设想听起来美好，但现实是99.99%的AI生成角色不会成为IP。真正的IP需要独特的人格魅力、持续的内容输出和粉丝的情感连接。AI生成的虚拟角色，缺乏真实性和连续性，很难建立深度的粉丝关系。这更像是一次性消费的娱乐内容，而非可持续的IP资产。 五、估值泡沫：OpenAI超越字节说明了什么？ 有人把OpenAI估值超过字节当作AI胜利的证据，但这恰恰暴露了资本市场的非理性。字节跳动是一家盈利的公司，OpenAI还在巨额亏损。这种估值倒挂说明的不是AI的优越性，而是一级市场的FOMO情绪、对AI叙事的过度追捧和缺乏基本面支撑的估值泡沫。2000年的互联网泡沫就是这样开始的。 奥特曼说AGI需要的钱太多，顺便做点大众的才好融资。这句话的潜台词是：C端产品是为了融资讲故事，而非真正的商业模式。这是一个危险的信号，产品服务于融资而非用户，估值建立在预期之上而非实际收入，整个商业逻辑是庞氏结构：用新钱补旧洞。 字节跳动用了8年时间建立全球化的用户基础，打造成熟的广告系统，实现持续的规模盈利。OpenAI用了什么？一个刚上线的产品，尚未验证的商业模式，持续烧钱的运营状态。这种比较本身就是荒谬的。
Sora 2 Pro 模型已经上线！ 目前网页版可以体验，需要 Pro 会员。 Pro 模型现在可以选择标准和高分辨率，同时高分辨率支持最长 15 秒的视频。 Pro 模型高分辨率的具体分辨率相较于标准分辨率反而低了，但是清晰度和音频质量高了非常多。 这个高清模式的生成真的慢。 https://t.co/38PS6d1FI0
我从小在田野山间长大，晒得比较黑。 在支付宝期间，体验技术部团建合影时的口号，不是茄子，而是摄影师说：玉伯黑不黑。大家很开心一起回答：黑。 因为黑，留下了很多美好回忆。 后来在网络上，遇到有人黑我时，我会很淡然认可对方。导致很多黑我的人，有备而来，无趣而去。 创业后，发现我内心里的自黑精神更强了。太阳给了我黑色的皮肤，我拿黑色追寻自由。
做了 11 个月小红书，终于把主战场迁移到抖音了 不依赖小红书店铺收入了
先做 100 次几乎可以解锁任何技能 但是几乎没有人愿意干这个事情 所以这个世界是开放且自由且没什么阻力的，因为无论你拿到了什么结果，其他的 NPC 都不会效仿你 是否愿意先做 100 次是区分 Player 和 NPC 的界限
最近明白一件事：前端不会被 AI 干掉。 以前我也以为完蛋了，AI 代码生成能力摆在那儿。 现在发现，这跟历史上所有技术革命一样：AI 不是消灭职业，而是让它更精英化。 想想书法。键盘普及几十年，写字的人越来越少，但书法家越来越值钱。 原因很简单：当一个技能不再是刚需，真正能掌握它的人反而更稀缺了。 我这段时间一直在搞 vibe coding，这里的 vibe，是你作为程序员写代码时候的状态。 但慢慢发现，重点不是 vibe coding，而是 coding vibe —— 用代码为你的用户，营造出一种氛围感。 去苹果店你就懂了。 没人砍价，也没人拿安卓比性价比。 从选址、装修、金属玻璃木头质感，到吹在脸上的冷空调。在你进店之前，每一处就已经告诉你：这里不一样，且应该比较贵。 高端车也一样。发动机性能真的有差吗？未必。 从品牌故事、设计细节、看似虚头巴脑的匠人精神，一层层叠加，就是让你觉得：“我很高端/贵，你买得起，那你也有品味/有钱。” 反观国内产品，长期拼“多快好省”。 然后因为大家都是“性价比”，所以为了不同，又需要花钱搞一个俗气却易传播的超级符号。 最后就是国内的产品，全都是傻大黑粗，强但是俗。反向教育了全民审美。 国内或许好用，海外就容易水土不服。 现在大家在产品功能层面其实没有什么护城河，拼的，其实是“氛围感”。 所以前端不会死，只是门槛变了。 未来真正值钱的前端，不是会写代码的，而是懂得用代码营造 vibe 的人。 这一切，需要的是审美，品味，直觉，以及大量的练习。
原推转译：我对 Sora 2 未来一年发展的预测 Sora 2 不会取代 TikTok 或 Instagram，但很可能占据 AI 场景视频的头把交椅：生成 → 混剪 → 客串 → 重塑（Generate → Remix → Cameo → Re-create）。最大风险是信任与治理问题（例如深伪、版权、未成年人保护、政治误导等）。预计会出现内容生态分裂：导演级的创意 vs. 大量快餐式内容。 ⸻ 1️⃣ 不会颠覆TikTok，但可能引领AI场景视频潮流 Sora 2 不会在一夜之间就颠覆 TikTok 或 Instagram。但它很可能开辟一个全新的赛道：AI 原生的场景视频（尤其是在北美的 iOS 用户中间）。 Sora 2 做的事情很特别，它创造了一种循环模式： • 生成视频（Generate） • 混剪再创作（Remix） • 客串出镜（Cameo）（用你的脸或声音快速生成个性化视频） • 重新塑造（Re-create） 这种模式大大降低了视频制作成本，同时放大了内容传播的效果，给创作者提供了前所未有的便利。 ⸻ 2️⃣ 最大瓶颈：信任与治理问题 目前制约 Sora 2 成功的瓶颈不在于“它好不好玩”，而是更棘手的信任和治理问题。 因为 Sora 2 的虚拟形象和深度模仿技术（deepfake）过于真实，很快就会碰触敏感区域，例如： • 深伪内容（Deepfakes） • 版权纠纷（Copyright） • 肖像权（Likeness rights） • 未成年人保护（Minors） • 政治虚假信息（Political misinformation） 甚至从发布第一天起，媒体就强调 Sora 2 正在“模糊真实与虚假之间的界限”，尤其是那些明星客串（Cameo）的虚拟视频迅速走红，带来了用户爆炸式增长的同时，也带来了极大的公关风险和监管挑战。 ⸻ 3️⃣ 内容生态会一分为二 未来，Sora 2 的内容生态很可能分裂成两个完全不同的阵营： • 一边是创意驱动的导演型创作者： 他们有清晰的想法、好的叙事和审美能力，通过强大的提示词（prompts）和叙事逻辑，利用 Cameo 和 Remix 功能，把 Sora 2 当成自己的“虚拟短视频剧组”，创作出精致的高品质内容。 • 另一边是海量高频的轻量级娱乐视频： 例如模因（memes）、换脸视频、快速混剪等短期爆火的内容，数量多但质量参差不齐，有可能被贴上“AI垃圾内容”的标签。 ⸻ 4️⃣ 生态分裂未必是坏事，关键是激励机制 这样的内容生态其实并不一定是坏事。真正决定 Sora 2 能否成功的关键，是它的分发策略和创作者激励机制。 具体来说： • Sora 2 能否给原创的、高信息含量的视频创作者提供曝光和收入分成？ • 对于“被再创作”的原创内容，能否提供更细致的版权授权和撤回机制？ • 能否建立明确的授权模式，允许或撤销 Cameo（客串）功能的使用？ 如果 Sora 2 能够做好这些治理细节和内容激励机制，它将成为真正的“人人都能当导演”的爆款平台。如果不能，它就可能在海量的低质视频洪流中沉没。 你怎么看呢？
创业者，如果老想着从人性或所谓的第一性原理出发，往往会成为炮灰。比如老想着人是懒的，想做一个满足人懒的短视频产品，会发现抖音已是巨大的存在。 有意思的是，人性有很多面。除了懒，人也有好奇、希望自己好等各种人性。换一个视角去看人性，会察觉到多样的世界。 新世界往往不那么拥挤。也存在商业模式，甚至比懒人生意的商业模式更健康。这里不细说，有缘欢迎来杭私聊。 从第九性原理出发，创业更有机会成。
如果你想开发一个 Agent，无论你是打算做 CLI 还是做 Web 还是 Windows，都可以考虑使用 Claude Agent SDK，和 Claude Code 共享的底层代码，Claude Code 就是基于它之上加了个 CLI 的 UI，也就是说你完全可以基于它写一个 Claude Code 出来。 我昨天帮朋友花了几个小时就实现了个简单的 Agent，实现了输入提示词，就可以基于某个没训练的 Design System 写一套 UI 出来。 他写的这个 Agent 原理很简单，就是把这套设计系统的所有 Markdown 文档（几百个）放到一个它可以访问的目录，然后在 Systme Prompt 里面引导它去检索这个文档目录。 当用户输入提示词或者 Screenshot 要做一个 UI，Agent 就根据提示词规划可能要用到的组件，然后用 SDK 自带的 GREP 工具去检索文档库找到这些组件的 API，最后基于收集到的信息用这个 Design System 组件生成页面。 这个 SDK API 很简单，但很强大，你不止是可以用它内置的工具（Task、Grep、WebFetch 等等），你还可以添加自己的工具，还可以用 MCP。并且它可以把整个交互的结果通过 API 让你可以获取到原始的请求和返回消息，这样你可以自己实现一套比 CLI 更好用的交互 UI。 当然这个局限也有： 1. 只能用 Claude 模型兼容的 API，如果你想用 GPT-5 之类模型，估计效果不会太好 2. 只支持 Python 和 TypeScript 3. Tokens 消耗飞快 如果你只是做前期的 POC，强烈建议你试试。
在第一个推理模型 o1 刚发布的时候，我就注意到一个现象：如果你给推理模型太多具体的指导，结果反而不理想，但是如果你只是给出你想要得到什么结果，让 AI 自己去探索最佳方式，那反而能得到更好的结果。 一个具体的例子就是我在用 GPT-4o 翻译的时候，会让模型分三步翻译：直译 -> 反思 -> 意译，能大幅提升翻译质量。但是到 o1 的时候，让推理模型用这三个步骤，翻译质量反而很糟糕，后来我把翻译提示词修改为： > 请将原文用中文重写，尊重原意的前提下通俗易懂。 结果翻译质量就可以非常好。 在这期视频中，一开始就重点讲了这个问题： 过去一年，开发者们在大语言模型周围搭建了复杂的"脚手架"——精心设计的工作流、严格的决策树、预设的执行路径。但Anthropic团队发现了一个残酷的真相：那些升级新模型后抱怨"性能提升不明显"的客户，问题不在模型，而在于为旧模型设计的约束体系。 当你用规则限制模型的每一步行动时，你实际上是在用自己的智能替代模型的智能。更致命的是，这些脚手架为模型设定了能力上限——当新一代模型发布时，采用自主架构的系统自动变强，而被束缚在预设流程中的系统却无法受益。 真正的智能体只有一个特征：自主性 什么是真正的 AI 智能体？ 答案简单：能够自己决定调用什么工具、如何处理结果、选择下一步行动的系统。 不是所有 AI 应用都需要是智能体。预定义工作流在许多场景下很有价值。但如果你要构建智能体，就要让模型的推理能力成为核心驱动力，而不是你的预设逻辑。
对我影响很大的一句话，来自 Jordan Peterson： “社会中唯一真正合理、能支撑你立足的，是你的能力（competence）。” The only defensible hierarchy is competence. 不是你的身份标签，不是你的观点立场，不是你声音有多大，也不是你喜欢谁、讨厌谁。 这些都可能一时制造幻觉，但最终决定你能否在任何体系里站稳脚跟的，是能力本身。 能力意味着什么？ 是知识的深度，是执行的可靠性，是智力与判断力，是毅力与专注度，也是抗挫折的韧性。 没有这些，其他一切都是空的。
昨天晚上吃完饭在桂林散步 走到象鼻山观景台那边 本来想去去看看拍拍照，结果路边都是树，视野全被挡起来了。（我怀疑是为了卖门票，故意种的。但我没有证据，哈哈） 本来就打算悻然而归。 突然看到一个咖啡店的阳台刚好就是观景台正上方。 遂过去搭讪 老板要求很简单，买杯咖啡就能上去拍照。20块一杯现磨咖啡，倒也能接受。遂携全家一起上去 先不说老板的这家店位置选择和他生意本身逻辑的牛逼之处。 单有一点我就觉得很牛。 老板的咖啡机是买的xbot的机器人，我儿子晚上十点半看着机器人做咖啡都惊呆了，就站在旁边一直看。如果你要的是需要撒可可粉或者是拉花的，机器人还能让可可粉和拉花搞成象鼻山的整个图像，让大家拍一个象鼻山咖啡的照片😂 我平时自以为自己熟悉一些科技互联网的东西。但我真没想到一个小城市里的普通生意人居然会想到做这件事。 问了一下机器的价格，一台是40w，店里一共两台。不得不说老板从想法，到执行，到成本投入的魄力都是非常令我钦佩的。 我最近一个深深的感受就是离钱越近的人，总会对新的机会越敏感，哪怕只是一个小城市的一个小老板。
近期测试GLM 4.6在实际项目中的表现，以Claude Code API服务商的切换工具作为测试项目，其中码农工作量组成： 75% GLM 4.6 + 10% Claude Sonnet + 10% okooo5km + 5% KAT-Coder 大家需要这样的工具吗？此帖点赞如果超过 100 我就发布到Mac App Store😂 https://t.co/CI6YmqDyTx
最终，才华的唯一证明， 是你公之于众的作品。 写作、构建、交付……诸如此类。 除此之外，一切大抵都只是排练。 https://t.co/YpC6c2HZue
今天一天很忙，明天后天连着三天都会很忙。有时忙碌的生活也是一种疗愈，为了解决一个又一个问题，可以专注于当下，避免太过焦虑或胡思乱想。 晚上十点多回到家，看到出版社发来了合同。我最终选择在美国出版我的小说，因为北美华人数量最多，我的推友们也大多在美国。和出版社合同已签立，依合同90天内书籍出版，在amazon和B&N都会有售。我也会同步上线电子版。很感谢大家的关注与支持！晚餐去了首都一家百年老店吃了芥末奶油牛肾😋奶油和芥末混合在一起味道非常平衡，牛肾焦香弹牙😛
情感，好奇心，美德，伦理。 在后训练硬核的氛围里，这些人文范畴的词汇，如何跟 LLM 结合？ 一直很喜欢腾讯团队的这条轨迹的工作：SAGE，RLVER，CDE，以及 Hunger Game Debate 极具美感，探索了如何以人文价值去评估、训练、探索与治理 LLM。 「评估」 Paper 1: Sentient Agent as a Judge Sage 找到量化LLM情商指数的心理学理论基础，为认知评估流程提供了内部一致性，意为着可以为情绪打分的Sentiment Agent成为可能，即Sentient Agent as a Judge。 「训练」 Paper 2: Reinforcement Learning with Verifiable Emotion Rewards 依托 Sentiment Agent，让情绪分变成可用奖励，从而与 RLVR 结合，这就是 RLVE（Emotion）R, 让小模型也可以高情商。 「探索」 Paper 3: CDE: Curiosity-Driven Exploration Perplexity 直给的翻译为困惑度，而积极的利用困惑度便是人类的好奇心，这种人文的理解，让作者可以把curiosity 融入奖励函数中，来指导 RLVR 中的探索。 「治理」 Paper 4: Hunger Game Debate HATE 将 LLM 置入类似饥饿游戏的零和辩论。压力下，它们会过度竞争，最终任务质量下降。 若有客观、公正的评审则可缓解；若评审带偏见，则会加剧谄媚。失衡的外部激励足以影响模型内部建立的情感价值，因此外部治理至关重要。 评估，训练，探索，治理。这条轨迹太好了，读完这系列论文，受益匪浅。
基于自己「会什么」去聊能不能赚钱，是极其危险的 你甚至不问问买家的需求是什么，就把这个技能学会了，这岂不是对买家连最基本的尊重都没有 上学同理 你都不知道这个事儿能不能行，就先学个 18 年，这不是疯了？ 你要说上学可以修身养性 …… 能修身养性的叫读书，不叫上学 上学不等于读书，就像上班不等于工作 上学往往是读教科书，而不是读书；就像上班往往是去混日子，而不是工作
盘一下口播自媒体怎么才能有流量，下面是逻辑链条 1、你是一个值得被关注的人 2、这是因为你一直在思考，一直有内容可以分享 3、写作 = 思考，所以你需要持续写作 4、不问前路，先写 100 条 5、100 条写完之前，不用 AI，每个标点符号都自己手打 因为我几乎找不到符合第 4、5 条的人，所以我一直觉得我没有同行 可能他们觉得我是同行，但我不觉得他们是同行 符合第 4、5 条的人，和我也不是竞争对手，我们通常是互关的好友 6、思维都是涌现出来的，如有雷同，纯属巧合，谈不上竞争与否
晦涩难懂的文字，通常是垃圾，偶尔有天才 https://t.co/CYIEvlf7qq
所有的带有答疑、咨询性质的业务，都有一个保收入的下限 就在于 99% 的问题都可以通过 manus 得到解答，但是你的买家绝不可能去问 manus 所以，如果你不去和人类高手竞争，只是想保全饭碗 你只需要复制粘贴 manus 的答案，就可以让业务不死
Nano banana 终于支持指定输出比例了，一共可以指定10种比例，常见的都支持 另外 API 支持了只输出图片，不输出文字 谷歌这改点东西太慢了 https://t.co/6Hj7IGUjfn
Thanks for the shoutout, @chatmcp ! Thrilled to integrate Nowledge Mem (impressed on how seamlessly it was done! and the great UX of https://t.co/ntXJrxpQPj) into the MCP ecosystem—empowering local agents with graph-augmented memory To celebrate, use promo code MCPSO95 for an almost-free upgrade to Nowledge Mem Pro (limited time)! Demo: https://t.co/T9g2kSEsei Join alpha waitlist: https://t.co/hbkjxo3jXd Intro blog: https://t.co/xf9TzrISUY Let's build smarter knowledge flywheels together! #AI #KnowledgeGraph #MCP