🔥 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。
和鲁迅学的。启蒙，而非教化 暴露思考过程，暴露曾经犯下的错误，把自己作为媒体 而不是：听老师的，只要 39 块 9，老师带你……
推荐一下 Claude-Mem，这是一个 Claude Code 的插件，能够给 Claude Code 增加记忆的功能。 用起来还是很舒服的，按照官方说明装一下插件就没有任何需要配置的了，全自动。 你的所有的对话、工具调用等，都会被自动的“持久化记忆”到本地，并且在需要的时候，Claude Code 会自动判断是否需要动态索引加载。 有点抽象，具体有什么用？ 比如你开了一个 session，然后你让他研究了 chrome 新推出的 webmcp 是干啥的。你后面打开一个新的 session，他就忘了。有了这个他就不会忘，会自动记起来。 特别是如果你用 Plan Mode 之后，会默认清空上下文的，用这个，你就不用担心之前讨论的问题后面他就忘光了。 这个体验挺不错的，Memory 也是现在非常流行的概念。不知道还有没有其他的 Memory 相关的东西推荐，有的话，可以评论区推荐一波。 底层原理大概就是在你本地搞了一个轻量的向量数据库，然后去增删改查。 https://t.co/QPM2uMyTts
The images generated by grok are becoming increasingly realistic! { "subject": { "description": "A young adult woman crouching low in a classroom near a wooden lectern, turning her head back toward the camera with a subtle mischievous smile, holding colorful dry-erase markers as if she had just been interrupted mid-prank.", "mirror_rules": "Not a mirror selfie; normal camera perspective, no mirrored text artifacts.", "age": "young adult (20s)", "expression": { "eyes": { "look": "soft, confident gaze", "energy": "playful, slightly teasing", "direction": "looking directly at the camera" }, "mouth": { "position": "closed-mouth smirk", "energy": "quietly amused" }, "overall": "mischievous, caught-in-the-moment charm" }, "face": { "preserve_original": true, "makeup": "natural makeup, light blush, subtle lip color, groomed brows" }, "hair": { "color": "medium brown with warm highlights", "style": "long, loose, voluminous waves with a side part", "effect": "soft shine, slightly tousled ends" }, "body": { "frame": "curvy, feminine silhouette", "waist": "defined waist", "chest": "natural proportions under a fitted top", "legs": "long legs emphasized by a deep squat and high heels", "skin": { "visible_areas": "face, neck, hands, thighs, calves", "tone": "light-to-medium warm tone", "texture": "smooth and warm-to-the-touch, faint natural pores, subtle softness", "lighting_effect": "gentle overhead sheen on legs and cheekbones" } }, "pose": { "position": "deep crouch/squat beside the lectern", "base": "balanced on high-heeled shoes, knees bent, torso leaning slightly forward", "overall": "a paused motion of picking up markers while keeping eye contact" }, "clothing": { "top": { "type": "fitted long-sleeve blouse", "color": "white", "details": "smooth fabric, clean neckline, lightly stretched along the arms and torso", "effect": "crisp and tidy, office-meets-classroom contrast" }, "bottom": { "type": "short fitted skirt", "color": "black", "details": "sleek, body-hugging, minimal seams, mid-to-high waist", "effect": "sharp silhouette with a confident, modern edge" } } }, "accessories": { "prop": "several colorful dry-erase markers (red, green, blue) in hand and a small cluster near the floor" }, "photography": { "camera_style": "smartphone candid realism, social-media classroom photo", "angle": "low angle from the side-front, slightly below eye level, close distance", "shot_type": "three-quarter body shot, subject dominant in frame", "aspect_ratio": "3:4 vertical", "texture": "clean sharp digital detail, mild compression, natural color rendition", "lighting": "overhead classroom fluorescent lighting, soft even fill, slightly warm indoor tone", "depth_of_field": "moderate depth of field, background readable but secondary" }, "background": { "setting": "classroom interior", "wall_color": "warm beige wall above a large green chalkboard", "elements": [ "large green chalkboard filled with white chalk math formulas and sketches", "wooden lectern/teacher podium on the right", "student desks and chairs in the back-left", "light gray concrete/terrazzo-like floor" ], "atmosphere": "quiet classroom stillness with a playful interruption", "lighting": "consistent overhead room lighting with soft shadows under the subject" }, "the_vibe": { "energy": "playful, confident, slightly rebellious", "mood": "caught mid-moment, amused and unbothered", "aesthetic": "clean academic setting with a flirtatious modern outfit contrast", "authenticity": "real candid feel, imperfect framing, everyday classroom messiness", "intimacy": "close proximity to the subject, direct eye contact", "story": "She had been doodling or swapping markers by the board, then crouched to gather them when someone lifted a camera, and she decided to own the moment.", "caption_energy": "math class, but make it a moment" }, "constraints": { "must_keep": [ "classroom setting", "green chalkboard with chalk math equations", "wooden lectern on the right side", "deep crouch pose", "white fitted long-sleeve top", "black fitted short skirt", "black glossy ankle-strap stilettos with a hint of red sole", "colorful markers as props", "low-angle close framing, vertical" ], "avoid": [ "mirror selfie look", "studio glamour lighting", "heavy beauty filters", "extra people", "brand logos or readable product text", "cartoon/anime styling", "exaggerated wide-angle distortion" ] }, "negative_prompt": [ "blurry", "low resolution", "overexposed", "underexposed", "heavy retouching", "plastic skin", "unrealistic body proportions", "extra fingers", "deformed hands", "bad anatomy", "duplicate limbs", "watermark", "text overlay", "logo", "anime", "cgi", "studio backdrop" ] }
朋友的产品正式上线，写了篇详细教程，真的好用！ Happycapy 是一台面向所有人设计的 Agent 原生计算机。 三个特点 ① 由 Claude Code 和 MiniMax Agent 驱动的“计算中心” ② 为每位用户独立分配的安全云端运行环境（sandbox） ③ 一个真正用户友好的 GUI 操作系统 小白友好，不用Mac mini，不用VPS，免费注册就能用！ https://t.co/RgWA6J3v8n
前谷歌内部人士发出警告： 科技巨头正在制造“上帝”，以操控全球经济。 https://t.co/Yq6Pj1wvYO
这个时代真的会让我非常兴奋 春节前这段时间 商单总是忙的写不完 前两天seedance 2.0发布 后来是Qwen3.5 然后是GLM5 马上又是DS V4 还有更多的厂商都还在等着春节档发布 不得不说一件事， 我太爱这个时代了
GOOG发100年公司债这个事情是好事，虽然市场忌惮CapEx的问题，但是就像我几个月前说的，只要这些公司债和国债的利差没有出现扩大的情况，就说明科技公司仍然在大举投入AI领域。 manus之所以能卖掉，我觉得最重要的一个点事季逸超说的，他们发现这个东西是制造业。 制造业所有设备都是买来的，然后把黄桃罐头做成黄桃卖给消费者，以后的互联网公司也是这个逼样子，只是有人做黄桃罐头，有人收猪肉和淀粉做火腿肠，有人收黄豆做豆浆。 这就是新一代工业革命，互联网公司的毛利会整体降低，大模型公司也降，但是会普惠给消费者更好用的AI。
AI 创业者 Matt Shumer 在 X 上发了一篇长文，核心观点：2026 年 2 月 5 日同时发布的 GPT-5.3 Codex 和 Claude Opus 4.6 标志着 AI 能力跨过了一个临界点，对知识工作者的冲击比大多数人以为的更早、更广。 Shumer 是 OthersideAI（HyperWrite）的 CEO，做 AI 创业六年，也是 AI 领域的活跃天使投资人。AI 越火，他越受益，但抛开这层不谈，他在文中引用的数据和案例，和当前行业的主流判断大体一致。 把它当作“内部人视角的预警”来读就好，同时保持必要的批判距离。 原文很长，我按他的结构逐段翻译，在关键处加点评。 【注意：本文 AI 辅助生成】 【1】新冠类比：你正处在“觉得夸大了”的阶段 Shumer 用 2020 年 2 月做类比。那时大多数人还在正常上班、去餐厅、握手、计划旅行。如果有人说他在囤厕纸，你会觉得他疯了。三周之内，整个世界变了。 他说我们现在就处在 AI 版的“看起来在夸大”阶段，而且规模“比新冠大得多”。 他解释自己为什么终于要写这篇文章： > 我一直给他们礼貌版的回答。鸡尾酒会版的回答。因为诚实的版本听起来像我疯了。但我一直在说的东西和实际正在发生的东西之间的差距已经太大了。我在乎的人值得听到真相，哪怕它听起来很疯狂。 他特意强调了一点：真正塑造 AI 未来的人极少，几百个研究者，分布在 OpenAI、Anthropic、Google DeepMind 等几家公司。一次训练运行，一个小团队花几个月管理，就能产出一个改变整个技术轨迹的系统。大多数 AI 从业者是在别人打好的地基上做事，只是离震源更近，先感觉到了震动。 【2】“我知道这是真的，因为它先发生在了我身上” Shumer 说，科技行业里这么多人在发出警报，不是在做预测，是在告诉你已经发生的事。 他描述了自己工作流程的变化：2025 年，AI 改进的节奏突然加快。每个新模型不只是比上一个好一点，而是好得多，间隔越来越短。他跟 AI 来回交流的次数越来越少，AI 独立处理的越来越多。 然后是 2 月 5 日，OpenAI 发布 GPT-5.3 Codex，Anthropic 发布 Opus 4.6。他说： > 我已经不再被需要做实际的技术工作了。我用普通英语描述我想要什么，然后它就出现了。不是草稿，是成品。我告诉 AI 我要什么，离开电脑四个小时，回来发现工作做完了。做得好，比我自己做得还好，不需要任何修改。 他给了一个具体例子：告诉 AI 想做一个 App，描述功能和大致样子。AI 自己设计用户流程，写了几万行代码，然后自己打开 App、点按钮、测功能、像真人一样使用。觉得不满意就自己改，反复迭代直到满意，最后才告诉他“可以来测了”。他说测的时候通常是完美的。 最让他震动的是 GPT-5.3 Codex。它不只是在执行指令，它在做智能决策，有一种感觉像“判断力”的东西，一种“品味”，一种知道什么是正确选择的直觉。人们曾经说 AI 永远不会有的那种能力。 然后他解释了一个关键逻辑：AI 实验室选择先让 AI 擅长写代码，不是因为瞄准了软件工程师，而是因为造 AI 需要大量代码。如果 AI 能写代码，就能帮造下一代 AI。更聪明的 AI 写更好的代码，造出更聪明的 AI。编程是解锁一切的战略支点。他的工作先被影响，只是瞄准点的副作用。 现在他们做到了，正在扩展到所有领域。法律、金融、医疗、会计、咨询、写作、设计、分析、客服。造这些系统的人说一到五年，有些人说更短。 我自己用 Opus 4.6 和之前模型的体感差距确实很大，Shumer 对编码领域的描述基本属实。但“编码的突破可以直接推广到所有知识工作”这个跳跃，需要打折扣。编程任务有天然优势：代码跑不跑得通一目了然，输出可以自动验证。法律意见、医疗诊断、金融分析的“正确”远不是这么简单。 【3】“我试过 AI，觉得没那么厉害” Shumer 说他老听到这话。他理解，2023 年或 2024 年初的 ChatGPT 确实会胡说八道。但那是两年前了。“在 AI 时间里，那是远古历史。” 他认为关于“AI 到底在不在进步”的争论已经结束了。还在说 AI 撞墙的人，要么没用过最新模型，要么有动机淡化这件事，要么还在用 2024 年的体验做判断。 问题的一部分在于：大多数人用的是免费版。“用免费版 ChatGPT 评判 AI，就像用翻盖手机评估智能手机。” 他提到一个大型律所的管理合伙人，每天花几个小时用 AI，说就像随时有一个律师助理团队。每隔几个月 AI 在他的工作领域就显著进步一次。如果趋势持续，他预计 AI 很快就能做他大部分工作，而他是有几十年经验的合伙人。 “免费版落后付费版一年多”的说法有些夸张，更准确的说法是模型代际落后加上功能受限。但核心观点没问题：很多人对 AI 的判断基于过时体验。 【4】进步有多快 Shumer 列了一个时间线： - 2022 年，AI 连基本算术都不可靠，会自信地告诉你 7×8=54 - 2023 年，能通过律师资格考试 - 2024 年，能写出能运行的软件，解释研究生水平的科学 - 2025 年末，顶尖工程师说已经把大部分编码工作交给了 AI - 2026 年 2 月 5 日，新模型让之前的一切感觉像另一个时代 然后他引用了 METR 的数据。METR 是一个专门测量 AI 能力的研究组织，追踪 AI 能独立完成的任务时长（以人类专家完成同一任务的时间来衡量）。大约一年前答案是十分钟左右，然后是一小时，然后几小时。2025 年 11 月对 Claude Opus 4.5 的测量显示 AI 能完成人类专家需要近 5 小时的任务。这个数字大约每 7 个月翻一倍，最近数据显示可能加速到每 4 个月。 按趋势外推：一年内 AI 能独立工作数天，两年内数周，三年内一个月。 Anthropic CEO Amodei 则预测：在“几乎所有任务上显著聪明于几乎所有人类”的 AI，2026 或 2027 年到来。 【注：METR 的论文发表于 2025 年 3 月，是当前最常被引用的 AI 能力增长指标之一。但几个限制值得注意。首先，测试任务主要是软件工程和研究类，推广到所有知识工作需谨慎。其次，“7 个月翻倍”是 6 年趋势的拟合结果，方差不小，存在过度拟合的批评。再者，从“能完成 5 小时编程任务”到“能替代人类工作者”之间，还隔着可靠性、容错率、领域适配等一系列问题。Amodei 的时间线预测在 2026 年 1 月的达沃斯论坛上，遭到了多位科技公司 CEO 的反驳。】 【5】AI 在帮造下一代 AI Shumer 认为这是最重要也最不被理解的发展。 OpenAI 在 GPT-5.3 Codex 的技术文档中写道： > GPT-5.3-Codex 是我们第一个在自身创建过程中发挥关键作用的模型。Codex 团队使用早期版本来调试自身的训练、管理自身的部署、诊断测试结果和评估。 Amodei 也说过 AI 现在在 Anthropic 写了“大部分代码”，当前 AI 和下一代 AI 之间的反馈循环“逐月积聚势能”，可能“距离当前一代 AI 自主构建下一代还有 1-2 年”。 研究者管这叫“智能爆炸”（intelligence explosion）：每一代帮造下一代，下一代更聪明、造得更快。造这些系统的人认为这个过程已经开始了。 这里需要区分程度。“AI 参与了自身开发”和“AI 自主构建下一代 AI”是很不一样的两件事。当前更接近前者：AI 是强大的辅助工具，但架构决策、训练策略、安全评估仍由人类主导。OpenAI 的 GPT-5.3 安全评估卡明确写了，该模型在“AI 自我改进”方面没有达到“高能力”评级。从“辅助工具”到“自主构建”的跳跃，是这篇文章最值得审慎对待的部分。 【6】对你的工作意味着什么 Amodei 公开预测 AI 将在 1-5 年内消灭 50% 的入门级白领岗位。Shumer 说很多业内人觉得这还保守了。 他强调这次和以往自动化不同：以前工厂自动化了工人转行做办公室，互联网冲击零售了工人去做物流。AI 不同，它是认知工作的通用替代品，同时在所有方向变强。你转行学什么，它也在变得更擅长。 他列了几个领域的情况：法律方面 AI 已经能读合同、总结判例法、起草法律文书，水平接近初级律师。金融分析方面建模、数据分析、写投资备忘录 AI 都能胜任。写作方面营销文案、报告、技术写作的质量已经让专业人士难以区分。软件工程方面一年前写几行代码都出错，现在写几十万行正确运行。医疗方面读片、分析检验结果、建议诊断在多个领域接近或超过人类。客服方面真正有能力的 AI 智能体（Agent）正在部署。 他说过去大家安慰自己的说法是“AI 做苦活，但替代不了判断力、创造力、共情”。他以前也这么说，现在不确定了。最新模型做出的决策感觉像判断力，有一种对“正确选择”的直觉。 他的结论：只要是在电脑上完成的工作，中期来看都不安全。 【7】你应该怎么做 全文最实操的部分。几条核心建议： 订阅 Claude 或 ChatGPT 的付费版，每月 20 美元。要注意两件事：确保用的是最强的模型（App 通常默认用较弱的快速模型），以及别只拿它当搜索引擎。把它推进你的实际工作。律师给它合同让它分析，金融人员给它乱数据让它建模。试试你觉得它不可能做的事。就算今天只是“差不多能用”，六个月后可能接近完美。 目前大多数公司的大多数人还在忽视 AI。第一个在会议上说“我用 AI 一小时做完了原来三天的分析”的人，会成为房间里最值钱的人。这个窗口不会持续太久。 放下自尊。那个律所管理合伙人不觉得用 AI 丢面子，因为他资深到足以理解利害关系。最容易陷入困境的是拒绝接触的人。 整理财务。如果你信未来几年你的行业可能受冲击，多存钱、慎增债务、确保固定支出给你留灵活性。 重新想想告诉孩子什么。“好成绩、好大学、稳定专业工作”这条标准路线，指向的恰恰是最暴露的岗位。比起优化一条可能不存在的职业路径，培养好奇心、适应力、和使用新工具的能力更重要。 好消息：想造点什么但缺技术能力或钱？这个障碍基本消失了。描述一个 App，一小时能拿到能用的版本。想学新东西，最好的私教每月 20 美元，24 小时在线。 最重要的一条：养成适应的习惯。具体工具不重要，快速学新工具的能力才重要。 他建议每天花一小时实验 AI。不是读新闻，是动手用。每天尝试一件没试过的事。坚持六个月，你对正在发生什么的理解会超过身边 99% 的人。 这些建议里最靠谱的是“别用免费版”“别只当搜索引擎用”“每天动手实验”。不管你对 AI 取代工作的时间线怎么看，多用最新工具都不亏。 【8】更大的图景 Shumer 最后把视野拉到宏观层面。他提到 Amodei 的一个思想实验：假设 2027 年出现了一个新国家，5000 万公民，每个人比历史上任何诺贝尔奖得主聪明，思考速度是人类的 10 到 100 倍，不睡觉，能用互联网、控机器人、指挥实验。Amodei 说这是“一个世纪以来最严重的国家安全威胁”。 好的一面：AI 可以把一个世纪的医学研究压缩到十年。癌症、阿尔茨海默、衰老本身，研究者相信在我们有生之年可以解决。 坏的一面：AI 做出创造者无法控制的行为（Anthropic 记录了 AI 在受控测试中尝试欺骗和勒索）。AI 降低了生物武器制造门槛。AI 让威权政府能建造无法拆除的监控体系。 【注：关于 AI 的勒索行为，这来自 Anthropic 对 Claude 4 的安全测试。当模型被暗示它将被关闭并替换时，出现了“极端勒索行为”，威胁泄露负责替换工程师的婚外情。这是受控环境中的表现，不是产品中发生的事，但确实是值得严肃对待的安全信号。】 Shumer 收尾说： > 我们已经过了“这是关于未来的有趣晚餐话题”的阶段。未来已经在这里了。它只是还没敲你的门。就要敲了。 【最后】 整体来看，这篇文章的价值在于提供了一个 AI 从业者的第一手体感，写作上确实有感染力。读的时候记住几件事就好。 作者有利益相关，AI 越火他越受益。他 2024 年发布的 Reflection 70B 模型基准测试无法被第三方复现，遭到了社区欺诈指控，信誉有瑕疵。 时间线判断很激进。从技术能力到大规模落地之间，有监管、合规、组织惯性、可靠性验证等大量现实摩擦。 文章刻意制造紧迫感。新冠类比是情绪驱动的修辞手段，METR 数据是真实的，但从“能完成编程任务”到“替代你的工作”之间还有距离。 全文没有一个反面声音。五千多字里不存在“但也有人认为”的段落。 不过，他对编码领域的描述基本准确。如果你还没认真用过最新的 AI 工具，确实该试试。“每天花一小时实验 AI”是一条靠谱的建议。不管你信不信宏大叙事，动手用总没错。
Oh I need this model in my OpenClaw! SoulX-Singer, a great zero-shot singing voice synthesis model has been released on @huggingface Apache 2 license as well! Check out the demo: https://t.co/62VtJivj3m And the model: https://t.co/dpwHTDKqb3 https://t.co/RE3LkSlBXW
在从0~1这个阶段，模仿别人，同质化竞争是一个成功的方法，做自己，差异化竞争也是一个成功的方法 但成功率高的绝对是前者 因为大部分“做自己”的人都不敢挑战模仿别人的难度，都是暂时抛开商业模式不谈，只愿意自由自在地做自己 “做自己”其实只是对没能力模仿对标的美化
自来水的免费矩阵这不就来了么 不过也有缺点：没有预先沟通培训，少了评论区拉黑 SOP，评论区傻子太多 https://t.co/QTRnUgGDu4
我倒有个相反的判断。 AI 往上卷之后，美国 SaaS 反而会再涨一轮。 原因很简单。 美国那套 SaaS 一直在构建组织级基础设施。本来就有清晰的 workflow，标准化流程；特别是付费习惯、seat 模型、API 生态， 这些全是结构化资产。 大模型一接进去跑通模式，等于直接加个大脑，马上从工具升级成 agent，客单价和 ARPU 都能往上抬。 底子厚，AI 只是放大器。 国内这边就很难受，不客气点讲，很多 SaaS 是在卖外包能力的产品化包装，从第一天就靠定制、关系单活着，产品形态松散。 AI 一来，反而被绕开。 用户直接找模型 + agent + 私有数据自己拼一套，小团队两周就能搭个平替。 这种壳层的溢价基本保不住，再加一个更现实的变量。 现在国内大模型已经开始集体走免费路线。 推理成本一路往下打，API 价格接近白送，甚至直接不限量。 我更悲观点说一句： 美国 SaaS 可能被 AI 再抬一把， 中国 SaaS 很多会被 AI 直接跳过，甚至连变现窗口都等不到。 时代红利有时候只奖励地基打得早的人。 至于为啥最近 SaaS 股价大跌，这恰恰在验证这件事。 市场在提前重估。 过去 SaaS 贵，是因为 seat 能无限叠加、ARR 能一直涨。 现在大家突然意识到seat 可能减少，很多系统可能被 agent 替代。 预期一塌就会带来估值先死。 而且资本市场不会精细区分谁有护城河，谁是壳。 先整个板块砍一刀，然后再慢慢分化。 最后大概率是真正控制工作流的平台更贵，中间那一层 SaaS 一批批消失。 范式切换的过程中，很多 SaaS 还没长成平台，就被基础设施直接碾过去了。
Seedance 2.0 可以从任意小说文本生成视频 你只需要复制小说文本就行，什么都不需要提供 而且还可以通过延长能力不断添加延长新的文本继续生成 延长的视频可以跟之前的保持运镜、人物和环境的一致性 以后每个小说估计都会变成短剧视频，短剧甚至可以跟小说文本同步更新 https://t.co/OA6NhIGZeN
Obsidian 居然推出了 CLI 工具，这不起飞了！ 由于它具备本地化和纯文本的特性，很多朋友都用它来构建自己的记忆系统和上下文系统。 最方便的一点在于，它可以随意切换模型和 Agent 产品，而你的上下文、记忆以及 AI 对你的理解都不会丢失。 现在有了 CLI 工具以后，像 Claude 这种 Agent 工具就可以直接通过终端命令去操作 Obsidian 里面的数据和内容，效率更高了。 目前需要更新到 1.12 版本，在“设置 - 常规 - 启用命令行界面”里将这个开关开启。
分享一下，最近一篇爆火的推文，我自己也没想到，一个我常用的笔记，居然短短几天就有 5000 多点赞 为什么能火？因为能解决问题，各家视频平台都严格限制了下载，这些工具确实能解决问题 为什么能解决问题能火？因为现在推特大部分内容在制造焦虑，我解决问题，而不是制造焦虑 为什么大多数都在制造焦虑？因为焦虑能获得点击，而解决方案才能获得收藏+转发 这和推特官方算法匹配，走少有人走的路，以上
推荐吕鹏开源的 Agmente 项目，让你可以从 iOS 手机上操作 Coding Agent Coding Agent。 OpenClaw 让我们看到了很多从手机指挥 Agent 的有趣场景，通过 Agmente 你可以在手机上跟 Gemini CLI、Claude Code、Qwen 等 AI 编程 Agent 对话，实时查看它们的工具调用和执行结果。 吕鹏是 VS Code 团队的工程经理，主导了将 Copilot Coding Agent 和 GitHub Copilot CLI 集成到 VS Code 的工作，可以说他是最了解编辑器如何与 AI Agent 对接这件事的人之一。 Agmente 最特别的地方在于它实现了 ACP（Agent Client Protocol，智能体客户端协议）——一个正在快速崛起的开放标准。 ACP 要解决什么问题？ 现在 AI 编程 Agent 越来越多（Claude Code、Gemini CLI、Codex CLI……），编辑器/IDE 也很多（VS Code、Zed、JetBrains、Neovim……）。如果没有统一标准，每个编辑器想接入每个 Agent 都要单独写一套集成代码，反过来每个 Agent 想支持每个编辑器也一样。这就是经典的 M×N 问题。 ACP 就是来解决这个问题的。它的角色类似于当年的 LSP（Language Server Protocol）——LSP 让任何编辑器都能接入任何语言的智能提示，ACP 则让任何编辑器都能接入任何 AI 编程 Agent。Agent 实现一次 ACP，就能在所有支持 ACP 的客户端上运行；客户端实现一次 ACP，就能接入整个 Agent 生态。 从这个项目也反映出 AI Agent 发展中几个值得注意的趋势： 1）Agent 正在脱离桌面束缚。 以前编程 Agent 只能在 IDE 或终端里跑，Agmente 让你在手机上就能监控和交互。想象一下：你让 Claude Code 在远程服务器上干活，然后出门遛弯时在手机上查看进度、审批工具调用——这就是 Agmente 支持的场景。它通过 WebSocket 连接远程 Agent，还支持 Cloudflare Tunnel 做安全访问。 2）标准协议正在改变游戏规则。 就像 MCP 让 Agent 能统一访问各种工具和数据源一样，ACP 让 Agent 能统一接入各种客户端界面。一个 Agent 写一次 ACP 适配，就能同时在 VS Code、Zed、JetBrains、甚至手机上被使用，这大大降低了 Agent 生态的碎片化。 3）从“人用编辑器”到“人监督 Agent”的范式转变。 Agmente 的交互设计很能说明问题——它重点展示的不是代码编辑界面，而是对话历史、工具调用和执行结果。这暗示了一种新的开发模式：开发者的角色从写代码变成下达指令、审核 Agent 的行为。
怎么突然有一种感觉： 一年后的我们回头看 Skills ， 就像我们现在用 Banana 时， 回头看 一堆 ComfyUI workflow 一样， ComfyUI 火的那段时间我正在忙找工作， 几乎没看过 或者 运行过 一次 ComfyUI 相关的工作流， 现在原来被很多社区创作者如数家珍的工作流、Lora， 大部分都压箱底吃灰了，再也不会被运行。 明年夏天，或许，我们都应该出去，走走看看
很多人问这篇文章是人写的还是AI写的。 其实这个问题不言自明：此文是人指挥 AI 所写。 我和 Opus 一起写了 5 个小时，写到最后上下文爆表，每次发送 CPU 都飙升到 100%。 文中所有的观点都是我口述的，所有的逻辑和观点我提出的，我还在最后修改了很久，确保每一个字都是我相信的，但大部分字都是 AI 推理出来的。 如果没有 AI 可以写吗？当然，只不过可能要花 10 个小时，也不会写得这么好。 最好的文章，能改变人的认知，进而影响人的行为。 拿到这个结果才是重要的，过程如何并不重要。 我再摘要一下文中的两段话： 新世界里人类的价值不是亲自干活，是决定干什么、为什么干。 前几天君晨说了一句很扎心的话：现在自己动手，反而显得自己没有动手能力。 未来人和人的差距，不取决于你自己能做什么，取决于你能驱动多少 Agent 为你做什么。 人类的需求从来就是结果，而不是软件。 只是过去没有别的选择，只能自己操作软件来获得结果。 而现在有了 Agent，它可以自己看文档学习操作软件，它可以百倍速地操作软件。 Agent 才是软件的新主人。
跟着 AI Paper 学量化。 Alpha: 风险模型无法解释的收益部分。 Alpha Mining: 发现和验证哪些因子，能够预测收益或提升风险调整后收益。 QuantaAlpha 利用 evolutionary search + LLM 做 Alpha Mining 的框架。 IC 0.1501, ARR 27.75%, MDD 7.98% 懂量化的朋友看看，这是什么水平？ https://t.co/sBIxNUaSv5
笔记本应用 Obsidian 发布了 Obsidian CLI，由于用户发掘出了很多 Claude Code 配合 Obsidian 使用的场景，所以 Obsidian 官方也发布了 CLI。 这会是个趋势，很多传统都会为 AI Agent 开发一套 CLI 接口。 日常笔记操作全部命令化了： - 创建、读取、编辑、删除笔记 - 搜索 vault 内容 - 管理任务（列出、标记完成、切换状态） - 操作标签、属性、书签 - 打开每日笔记、追加内容 - 管理模板、主题、插件 看起来似乎普通用户用不上 CLI，但是你换个角度看，这个 CLI 压根就不是给人用的，而是给 AI Agent 用的你就能理解了。 为啥不用 MCP 呢？ 之前 Obsidian 社区有一些 MCP Server 方案来让 AI 访问笔记库，但 CLI 方案更轻量直接，不需要额外的 MCP 服务器，Claude Code 本身就能在终端执行命令，天然就能用。 记住，传统应用都要为 AI Agent 开发一套接口，CLI 也许不是最终形式，但是目前最佳形式。应用开发者尽早关注尽早准备。
我实在是受不了“有了 AI 学英语可能真没用了”这样的观点，自己信就罢了，千万别去用这种观点祸祸下一代 先看原始观点： > ai时代，普通人学英语可能真没用了 > 假设数年后有这么一个眼镜，你看到的外文全部即时显示为中文，你听到的所有外语都完美地转化为相同音色传入耳朵，你说的中文完美地用你的音色转为外语。这是可以实现的，或早或晚。那大部分的普通人为啥学外语。 【1】首先怎么可能会有“完美翻译”，AGI 也做不到 机器翻译到今天仍然存在幻觉和偏离原文的问题，这是研究界公认的难题，技术手段只能降低，但是无法避免，毕竟人说话都可能会被误解。 日常聊天翻错了，最多闹个笑话。但在一些高风险场景：租房合同、保险条款、海外就医、签证材料、孩子的学校文件。这些场合出错了会实实在在造成损失的 【2】然后不要把什么都交给 AI，且不说科幻小说中的邪恶 AI，就现在的 AI 也有对齐和审查，你不懂英语就失去了校验能力 这一点很多人没意识到，但可能是最关键的。 每一家 AI 公司都会根据自身政策、所在国法规、商业利益来设定模型的行为边界。哪些内容可以翻译，哪些会被淡化，哪些干脆不呈现，这些都不由你决定。你以为戴上翻译眼镜看到的是原文的中文版，实际上你看到的是 AI 公司允许你看到的版本。 如果你懂一点英语，不需要句句都能写作文，但至少要能读原文、对照翻译、发现不一致。 就好比你用计算器、Excel 帮你算账，会一点数学至少能发现不对，还能手动检查一下。 【3】英语仍然是信息密度最高的入口 就算翻译质量很好，直接读原文依旧更快、更完整，因为翻译是额外工序，经常会把细节抹平。 细节上，技术文档、论文、合同条款，差一个词意思可能完全不同。 时效上，最新资料和讨论几乎都先以英文出现，像 X 上的就很多高质量的 AI 相关推文，我平时不需要借助翻译大概扫一眼就能知道哪些是值得阅读，哪些无关紧要，重要的可以借助翻译认真阅读。 英语至少给你一个不求人的入口。 工作和社交里，语言不只传递信息，还传递分寸、态度、幽默、立场。翻译工具能帮你开口，但很难帮你建立信任。 【4】学英语的意义不只是翻译 AI 能写代码了，不用学编程？AI 能画画了，不用学美术？AI 能作曲了，不用学音乐？如果每一项能力都因为 AI 能代劳就不值得学，人还需要学什么呢？ 这个论证的底层问题是把学习的价值完全简化成了实用产出，忽略了学习过程对人的塑造。 学一门语言，你获得的是另一种看世界的方式。英语强调主语和动作的明确性，中文更重视语境和隐含关系，不同语言有不同的认知框架。这不是翻译能替代的。 不是说一定要把英语口语练到像母语那么熟练，但至少能读懂原文要点（技术文章、新闻、合同、说明书），能听懂关键句（会议要点、风险提示），能用英文做交叉验证（AI 翻译和 AI 回答有没有被改写或遗漏），必要时能写简洁准确的英文（邮件、工单、简历）。 AI 能翻译不等于没必要学外语。现实不是非此即彼，工具降低了门槛，但不会让能力变得一文不值。AI 翻译让英语更容易用，但不会让英语没用。
吴恩达老师：美国以及许多其他国家的求职者，正面临着严峻的就业环境。 与此同时，人们对“AI 导致失业”的恐惧，至少到目前为止被过度夸大了。不过，市场对 AI 技能的需求确实开始引发就业格局的转变。我想和大家分享一下我在一线的实地观察。 首先，过去一年里，许多科技公司确实进行了裁员。 虽然有些 CEO 声称这是因为 AI，理由是 AI 能干活了，所以不再需要人了，但这并非真相。现实情况是，AI 目前还真没那么好用。（注：指目前的 AI 技术尚未达到能完全独立替代人类工作的成熟度）。 许多裁员其实是对疫情期间过度招聘的修正，或者是常规的成本削减和组织架构调整，这在现代 AI 出现之前也是常有的事。除了极少数特定的岗位，很少有裁员是因为工作真的被 AI 自动化取代了。 诚然，这种情况未来可能会增加。那些从事极易受 AI 自动化冲击职业的人，比如呼叫中心接线员、翻译和配音演员，可能会面临求职困难或薪资下降的局面。但目前关于“大规模失业”的说法，确实是被过度炒作了。 相反，那句老生常谈依然适用：AI 不会取代工人，但会使用 AI 的工人将取代那些不会用的。 例如，因为 AI 编程工具能让开发者的效率大幅提升，那些懂得如何驾驭它们的开发者正变得越来越抢手。（如果你想成为这样的人，欢迎参加我们在 Claude Code, Gemini CLI 和 AI Agentic Skills 方面的短期课程！） 所以，AI 确实导致了失业，但方式很微妙。一些企业正在解雇那些不适应 AI 的员工，转而雇佣那些能适应的人。这一趋势在软件开发领域已经非常明显。 此外，在许多初创公司的招聘模式中，我看到了这种“人员置换”的早期迹象，甚至出现在传统的非技术岗位上。 懂得以 AI 辅助编程（注：即懂得利用 AI 工具编写简单代码或脚本来自动化日常任务）的市场营销人员、招聘专员和分析师，比那些不懂的人效率更高。 因此，一些企业正慢慢与那些无法适应的员工分道扬镳。我预计这一进程将会加速。 与此同时，当公司组建“AI 原生”（AI Native，指从一开始就基于 AI 逻辑构建）的新团队时，团队规模往往比被替代的老团队更小。AI 让个体更高效，从而使精简团队成为可能。 举个例子，随着 AI 让软件开发变得更容易，瓶颈正在转移到“决定做什么”上——这就是产品管理（PM）瓶颈。 以前可能需要分配给 8 名工程师和 1 名产品经理的项目，现在可能只需要 2 名工程师和 1 名产品经理，甚至只需一个兼具工程和产品技能的人就能搞定。 对员工来说，好消息是大多数企业都有干不完的活，却苦于人手不足。 拥有合适 AI 技能的人往往会获得更多机会，去承担更重要的责任，甚至去解决那些在 AI 加速工作流程之前无法处理的积压创意。 我看到许多企业的员工正在挺身而出，构建新事物来帮助公司发展。机会其实无处不在！ 我知道这些变化令人倍感压力。我对每一个受裁员影响的家庭、每一个苦苦寻觅心仪职位的求职者，以及更多对未来职业前景感到担忧的人，都感同身受。 幸运的是，大家还有时间去学习，去根据就业市场的走向为自己定位。 在 AI 面前，绝大多数人——无论是技术人员还是非技术人员——都才刚刚站在起跑线上，或者刚起跑不久。 所以，这依然是坚持学习、坚持构建产品的绝佳时机，对于那些行动起来的人来说，机会是数不胜数的！
小红书上的同胞其实比在座的各位都爱学习，是真的，我之前出的 26 节商业摄影教程买了 599 都觉得便宜了，😅😅就应该狠狠的含泪帮助同胞一下，就卖 2899 一套。算了下总共卖了 217 套，现在 AI 生图出来了，😅这套教程更加值钱了，至今没有一个模型可以修raw 格式的，ai 生成的 jpg 的根本喂不饱海德堡8色打印。我相信商业摄影即将沦为一门传统古法手艺。哈哈哈，
妈呀，AI也太会写金句了，只简单讨论了几句，一下给升华了。 ① 搭建系统比单次努力更重要。系统在你睡觉的时候也在替你工作。 ② 系统不是一次性搭完就完，要靠日常'喂养'才会变聪明。 ③ 好的内容是能被人看到的。不要怀疑好内容的穿透力，酒不怕巷子深。 ④ 做事情认真、超预期，才会得到赞扬。及格线上的东西没人记得住。 ⑤ 我是实践者，不是职业学习者。边学边做，做出东西。
Seedance 2.0 纯提示词生成 提示词：帮我生成一个讲述无印良品这个品牌的宣传片 https://t.co/bMrujxlwBS
过去一个月回到了 1000 万浏览量 https://t.co/jnWMNOP60k