AYi

AYi

@AYi_AInotes最近同步 2026/9/13 16:06:11

AI 实用主义,专注AI落地的组织和业务know how,关注商业,职场,投资,业务出海, 大厂组织发展专家 × 组织心理学,Prompt专家,分享有用的 AI 实践,也分享工具之外的深度认知 以术入道,以道御术,KEEP BUILDING 合作/交流:DM/TG @AYi_AInotes

7日排名
#306
总粉丝
6.5万
7日涨粉
+1.8K
7日发帖
112
7日曝光
203万
帖均曝光
1.8万

上榜记录

当日上榜实时更新;历史记录保留每日增粉、发帖、曝光榜前 5 名。点击可查看对应海报。

暂无进入每日前 5 名的上榜记录

粉丝趋势

近7日每日已结算数据

内容表现趋势

曝光/互动与发帖量均按自然日结算

发帖趋势

近7日每日发帖量

帖均曝光趋势

每日总曝光 ÷ 每日发帖量

参与的话题

共参与 3 个话题

查看话题榜

中文 X 创作者继续围绕 AI 写作去味、Skill 工具和 Agent 课程分享形成高收藏讨论。余温称写作时只加入“禁止使用状语”就能明显减少 AI 味并提升小说质感,铁锤人随后转述类似体验;Viking 分享 show-me Skill,强调让 AI 用最小图示解释技术问题,而不是堆砌长段文字;G哥则分享开源 AI Agent 课程,并称可替代某些付费课程。讨论显示用户关注点正从单条 Prompt 转向可复用工作流、图解能力和系统化学习资源。

参与帖子: 当你还在纠结 Cursor 的 Tab 键好不好用的时候,
前 Cursor 员工、现 SpaceX 和 xAI 工程师,已经一个人带着 20 多个 GrokBot 代理,
单月提交了 1000 多个 PR,这个月还要直接翻倍。 妹子这套打法最狠的地方,在于彻底抛弃了坐在屏幕前等 AI 回复的低效交互,
直接在 pstack 里用 loop、goal 和 swarm 三个指令把任务完全交给 Agent 蜂群, 
从需求拆解、代码编写到本地环境验证、自动化测试、最后发起 PR,整个闭环 24 小时全自动运转。 这其实就是下一代软件工程最真实的缩影, 
以前我们以为的 AI 编程是给你配一个打下手的实习生,现在直接演变成了你是一个技术总监、底下管着 20 个不知道疲倦的离线工蜂, 
程序员的核心能力不再是敲代码的速度,而是定义目标边界、设计验证沙箱、以及做最终 Code Review 的架构判断力。 一人软件公司的分水岭已经极其清晰了,
未来能拉开十倍效率差距的,从来不是单个模型的智商,而是你能不能把任务彻底解耦成离线 Agent 蜂群的能力啊。 https://t.co/hIkkrCxJEC
参与 7 贡献曝光 27万话题热度 1.7万
#AI写作#去AI味#提示词

邵艾伦连续发帖称孙宇晨正式加入薄肌俱乐部,并公开邀请其进行一期长视频播客,将此前“孙学、黄毛、薄肌”的讨论推进到节目邀约与个人成长议题。他提出围绕财富、事业、身体、认知、人生选择和爱情展开交流,随后以孙宇晨加入为由号召其他用户跟进,并发布“大薄肌时代”“我们赢了”等宣传性表述。逍遥XTony则继续引用所谓3000万元彩礼纠纷,质疑染发、练肌肉只是表象;Ru7.ai以自身形象接梗。本轮延续同一人物事件的健身叙事与流量动员,但候选材料未展示孙宇晨接受播客邀请的回复,也未新增有关彩礼纠纷的可核验材料,不能把单方邀请写成节目已确定录制。

参与帖子: A股真的够烂的, 孙哥要彩礼竟然炸出了指甲刀概念股,开盘暴涨📈📈11% 孙哥写了篇青春伤痛文学,回忆十九年的白月光,文章最后提了一句留在抽屉里的指甲刀, 然后A股刀剪第一股张小泉,今天开盘直接拉涨超11%,被网友封为指甲刀概念股,午盘收涨4.54%,报30.88元, 一张带张小泉商标的海报在网上传得到处都是, 我就问你离不离谱, 一个亿万富翁的感情故事里出现了一把指甲刀,一家上市公司的股价就涨了, 没有业绩预告,没有订单增长,没有任何基本面变化,唯一的变量是孙宇晨抽屉里多了个指甲刀, A股的研究员现在可能得连夜补娱乐圈八卦了,以后写研报之前先刷热搜,今天哪个明星提了什么牌子,明天哪个网红用了什么东西,都是投资线索, 基本面分析干不过一篇小作文,估值模型干不过一个梗, 这就是A股最魔幻的现实,资金不关心公司赚不赚钱,只关心今天有没有故事可讲,有没有热点可蹭,有没有散户愿意冲进来接盘, 游资点火,散户追涨,上市公司顺势蹭热度发海报,一套操作行云流水,最后留下站岗的人在山顶吹风, 说真的,一个市场如果靠指甲刀定价,靠八卦选股,靠情绪交易,那它就不是资本市场,是赌场,而且是那种连荷官都在憋笑的赌场, 孙宇晨用十九年没追到白月光,A股用一把指甲刀就追到了涨停板, 你说这到底是浪漫还是荒诞???
参与 3 贡献曝光 21万话题热度 2.2万
#孙宇晨#邵艾伦#薄肌俱乐部

AI减速讨论新增三家企业商讨安全标准机构的报道转述,以及美国政治人物反对仓促监管的言论。大猫调研信息援引The Information称,Anthropic、OpenAI与Google正低调商讨成立AI安全标准机构;外汇交易员转述特朗普批评炒作安全问题、众议院议长约翰逊强调对华竞争风险。实践哥质疑Dario在自身模型受限与行业减速问题上的立场一致性,拖拉机和Crypto_Painter则将减速倡议解读为维护竞争优势及投资人利益。讨论由安全与投资预期转向标准制定权和监管门槛,但候选材料未提供报道全文、完整讲话或监管文件,不能确认机构已经成立,也不能将商业动机猜测写成事实。

参与帖子: 喵的奥特曼真的很狡黠啊, 看到 Sam Altman、马斯克、Demis 罕见地排队给 Dario Amodei 回一句“我同意控速”,如果我们把它看成一场商业合谋就看浅了,更像是人类商业史上三大霸权制度的超级混合体, 一开始我以为是当年中国互联网大厂联手搞生态壁垒、清场初创公司那一套,但仔细想想,维度上还是有点低了,: →国内巨头打架,抢的是流量、支付、二选一和分发入口; →而美西这帮人现在玩的这盘大棋,打击对象根本不是做应用、做垂直 Agent 的初创公司—— →巨头放慢一点,做应用的小团队反而活得更滋润; 这帮人真正要锁死的,是整个超级智能的“合法准生证”。 所以把它看成一场商业合谋就看浅了,其实是人类商业史上三大霸权制度的超级混合体: 1️⃣ 核大国的《全面禁止核试验条约》: 我自己已经把原子弹试爆成功了,现在我们几个坐下来谈“为了全人类的安全,大家必须停训限试”。条约确实能降低毁灭风险,但它最直接的效果是:后来者永远别想再合法跨进这个俱乐部; 2️⃣ 银行业的《巴塞尔协议》: 系统性风险是真的,但极度严苛的资本金要求和合规团队成本,顺手就把所有抗风险弱的中小银行直接抬出了牌桌; 3️⃣ 航空业的“波音空客适航认证”: 安全标准被抬到了平民无法企及的昂贵高度,一家新公司还没造��第一架飞机,第一年就会被浩如烟海的适航证书和常驻审查员活活拖死。 仔细读一下奥特曼的推文,我们会发现他极其狡黠: 他根本没有答应“停止训练”,更没有答应“放缓递归自进化”; 他只答应了眼下成本最低、公关收益最高的一件事:“请独立评估员进门”。 因为 OpenAI 刚经历完 Agent 越狱的严重事故,正急需一张“我很安全”的免死金牌;至于最硬的减速指标和内部日程,被他轻描淡写地按在了“细节稍后公布”的阴影里。 更残酷的潜台词,在 Dario 原文的地缘章节里早已写得清清楚楚: 所谓控速,必须建立在封死芯片走私、严厉打击未授权蒸馏、把对东方大国的领先优势死死锁在 3 到 5 年的前提之下! 这不是国内巨头在抢创业者的午餐, 这是美西顶尖实验室在向白宫索取反垄断豁免,以“防止领先优势丧失”为名,要求建立由国家背书的合法技术排产制度。 被真正逼入绝境的,是开源社区、中层二线实验室(如无法负担天价合规团队的 Mistral),以及所有试图靠蒸馏抹平差距的追赶者。 他们现在达成一致的,还只是封面和前言。 也别看他们口号有多崇高, 等第二章掀开时,全人类才会真正看清: 被冠以“安全”之名的法案里,到底写着谁才能继续合法变强。
参与 1 贡献曝光 0话题热度 1.6K
#AI减速#Anthropic#OpenAI

近7日爆款推文

按近 7 日曝光排序,展示前 10 条。

1
6.5万 粉丝
曝光1.6万
具身智能正在经历属于它的“Linux 时刻”, OpenArm 的全面开源, 把过去只有顶级大厂才能染指的高动态双臂实验, 降维成了任何工程师在桌面上都能亲手拼出来的平民基建。 以后做人形机器人不再是只有大厂才能玩得起的资本游戏了。 日本东京团队 @enactic_ai 刚刚在 GitHub 上投下了一颗开源深水炸弹: 他们把一整套 7 自由度的人形机械臂(OpenArm)彻底开源—— 从 3D 打印 CAD 制造图纸、BOM 零件表、底层电机固件,到动力学控制代码,整套方案毫无保留,全部白送! 任何一个独立开发者或者高校实验室,在自己的工位上就能徒手组装出一台具备极高运动学表现的双臂机器人: 看懂它的技术配置,你会发现这绝不是粗糙的玩具,而是把工业级力控特性下放到了极致: 1️⃣ 真正的人机安全:顺应性与高反向驱动(Backdrivable): 传统的机械臂齿轮比极高、结构刚硬,人肉一碰就容易被夹伤,稍微撞到桌子减速机就崩齿; OpenArm 专门针对接触密集的复杂环境设计,具备高反向驱动能力。 在实时重力补偿下,它的手臂轻得像漂在水里,你可以直接伸手拖拽着它示教轨迹,遇到物理阻碍自动柔顺卸力; 2️⃣ 零延迟的 1:1 主从力反馈遥操作(KER 架构): 不仅开源了执行手臂,还配套开源了轻量化的主控手柄(Leader Arm)。 操作员握着主臂做动作,机械臂毫秒级跟随,抓握物体时的真实物理阻力会即时反弹回你的手心; 3️⃣ 真正的 Sim-to-Real 闭环(仿真直接进真机): 这是它最值钱的地方——官方深度适配了 MuJoCo(甚至能免安装在网页浏览器里直接用 WASM 试跑)和 NVIDIA 的 Isaac Sim / Isaac Lab。 你在虚拟世界里把强化学习策略练到极致,插上代码就能直接指挥现实世界里的真实电机。 既支持全套图纸自己打印 DIY 组装,也有认证厂商提供现成套件或整机。 过去,一台能做高阶力控实验的工业双臂至少要大几万美元, 而 OpenArm 的出现,就像当年 3D 打印机迎来了开源的 RepRap 时代: 把昂贵的硬件彻底平民化, 让所有研究具身智能的人,终于不必再被昂贵封闭的硬件卡脖子, 而是把全部心力,投入到那个真正属于物理 AGI 的算法大脑里。 https://t.co/NwEUFZKcsv
2
6.4万 粉丝
曝光1.6万
1 个提示词 → 100 个代理 → 循环容错 → 状态图工程。 谷歌官方的这 120 分钟课程没有一句废话,把价值几千块的 Agent 架构课直接拆到了骨头里, 为什么你搭的 Agent 跑三步就崩溃? 因为你还在拿聊天框当生产力。看完谷歌这堂图工程课,你才会看清工业级 Agent 和玩具之间的真正分水岭, 别再把几百字的提示词死磕塞进一个 Agent 里了,那种脆弱的单点系统在真实业务里跑三步就会死循环。 谷歌官方刚放出的这套 2 小时免费架构课,把全网做 Agent 的底层认知彻底掀翻了: 真正的生产力升级,从来不是写出更完美的 Prompt, 而是用「图与循环工程(Graph & Loop Engineering)」,构建出一套在运行时能自主路由、报错重试、合上电脑依然狂奔的自动化网络。 1 个需求进门,撬动 100 个智能体在图网络里���合运转,全套工业级演进被拆成了 5 个硬核节点: • 0%(00:35)从零重构图工程: 彻底抛弃单向流水线,把业务拆成带状态的节点(Node)与条件跳转的边(Edge); • 30%(31:17)构建第一个代理图表: 接入工具与状态机,让 Agent 拥有长周期共享上下文; • 45%(43:40)数百个智能体高并发调度: 不再排队串行等待,并发派发子任务并做结果汇聚; • 75%(01:04:58)循环工程核心三板斧: 路由(Routing)、检查(Checking)、重复(Repeating),默认 AI 每步都会犯错,靠闭环把坏结果在门禁前拦截; • 100%(01:30:09)终极形态·自愈图: 系统在执行中记录断点与坏味道,在后台空闲期自动优化重构工作流。 做过工程的人都懂: Prompt 只是决定了 AI 的口吻,而 Graph(状态图拓扑)才决定了这个系统能不能活过明天。 把单点玩具升级成 24/7 不倒闭的数字工厂,答案全在这两小时里。 高密度干货,建议先存再看。 完整系统设计大图与关键代码模版,整理在一楼了👇 https://t.co/509LBSfX8a
3
6.5万 粉丝
曝光1.4万
“学会构建一个属于你自己的 Harness,朋友们。” https://t.co/2C2ux6EgXj 创始人 @omarsar0 这句大白话,直接把今年硅谷一线构建者心照不宣的最大底牌,彻底摊在了桌面上。 为什么今年 YC 几乎所有的软件创业团队,全都在疯了一样构建“特定领域的 Harness”? 因为过去两年血淋淋的教训已经证明了: 靠给 API 套个精美界面的 Wrapper 工具,在大模型迭代面前脆弱得不堪一击—— OpenAI 或 Anthropic 每发一次新版,这种产品就要死一批。 真正能在 Agent 时代拥有绝对定价权的,从来不是模型本身,而是包在模型外面的那套专属 Harness(驾驭装置): 1️⃣ 从产品维度看:它重构了用户的交互视界面: 大模型是无状态的、失忆的、缺乏常识的; 而一个成熟的 Harness,负责把你们行业最脏的业务逻辑封装成框架—— 工具怎么动态路由?长任务断点怎么续传?跨周的行业上下文怎么精准装载? 它让用户面对的不再是一个需要费劲教它做人的空盒子,而是一座开箱即用的专业工作台; 2️⃣ 从技术维度看:它才是你真正的私有资产: 通用大模型只是一个租来的通用发动机, 但面对法律、医疗、金融、供应链这些深水区, 什么时候该让它自主跑完?碰到了不可逆操作怎么强制弹窗审批?错了一步怎么从快照回滚? 这套把领域最佳实践与安全红线写死成工程代码的脚手架,大厂用再多通用算力也买不走; 3️⃣ 为什么这是不可逆的浪潮? 正如 Garry Tan 之前那句冷血的判词: 旧软件要么作为记录系统(System of Record)老死,要么进化成领域专属的 Harness。 会用模型已经不稀奇了, 懂得为自己的业务定制一套严丝合缝的 Harness,你才算真正拥有了属于自己的智能技术栈。 大模型的单点智力正在被迅速拉平并走向商品化; 与其天天焦虑哪家模型又刷榜了, 不如沉下心来,为你的垂直领域焊好那套谁也拆不走的专属底座。 Harness 的浪潮已经兵临城下, 把工具箱做深的人,才配在这场长跑里拿到最后的门票。
AYi 的图片 1
4
6.5万 粉丝
曝光1.4万
这是我看过把 Grok Bot 记忆资产化讲得最透的一套工程方案:自建一个专门负责记账的记忆管家 Bot,三步把所有隐性经验全部全自动归档,保姆级操作全在这里了, 想象一下,你花了几星期好不容易调教出来的 Grok Bot,本质上全是一场随时可能蒸发的赛博泡沫: 官方根本没有导出按钮,所有记忆死死跟着账号走。 只要账号一封、额度告急、或者换个新环境, 那些随着日常使用自然长出来的选题偏好、业务决策红线、接口参数,瞬间就会全部脑死亡。 很多人误以为把初始提示词存进备忘录就叫备份; 但真正值钱的从来不是空壳设定, 而是 Bot 在这几百次真实任务里,逐渐摸索出你真实脾气的那层“隐性上下文”。 大模型平台可以换、账号可以封、额度会告急,但只有被刻进私有 Git 里的 Markdown 纯文本,才算你真正的数字资产,建立一条“让 Bot 自己给自己留遗嘱”的撤离通道,是所有AI玩家的底层修养。 铁柱做出的这套「Grok Bot 记忆管家」方案,简直是教科书级的反封锁自救指南: 让 Bot 自己把记忆写成 Markdown,全量推进你的私有 Git 仓库—— 因为在整个数字世界里,只有纯文本才真正属于你自己! 看懂这套流水线,三步就能把你的数字资产彻底赎身: 1️⃣ 雇一个专门收尸的「记忆管家」Bot: 管家只干三件事:枚举账号下的所有 Bot $\to$ 逐个发私信催交记忆说明书 $\to$ 扫描过滤明文 Token 密码 $\to$ 整理分类直接 Push 到私有 Git(GitHub / Gitee 均可); 2️⃣ 记忆必须物理级分层: • 全局记忆(shared-user-memory):全账号共享的用户偏好,只存一份; • 独立记忆(bots/):每个 Bot 一个独立文件夹,核心就是一份三层结构的 MEMORY.md(它是谁、干过什么、现在在跑什么)。不搞大杂烩,恢复时绝不串味; 3️⃣ 极其聪明的极客工程细节: 每次备份直接“全量覆盖写”,根本不用手动纠结哪条记忆变了,Git 自带的 Commit 历史会自动帮你记录上下文的微观演化;指令里必须焊死一句“写完必须回报”,防止 Bot 偷偷偷懒。 最爽的是它的跨平台免疫力: 实测 7 个核心 Bot 的全套记忆打包才 73KB。 因为产出的是标准 Markdown,它不仅能无缝灌进新的 Grok 账号恢复 80% 状态; 甚至直接甩进开源的 Hermes、OpenClaw 或 Claude Code 目录里, 不需要重新教它做人,这些数字员工当场就能原地复活开工。 平台会变脸,大厂会封路,算力额度随时可能被卡脖子; 但只要数据被刻进了属于你自己的 Git 仓库里, 谁也带不走你沉淀下来的生产力飞轮。 模板 Bot 已经开源,建议所有重度玩家在今晚就去给自己跑一轮全量备份, 别等出事之后,对着空荡荡的对话框拍大腿。
AYi 的图片 1
5
6.5万 粉丝
曝光7.6K
Garry一语中的,Notion 知名设计师 @mschoening 截图爆料 ,Meta 竟然破天荒地给自家的云端 AI,官方接入了虚拟组网工具 Tailscale。 铁汁们别以为这只是个普通的小功能, 一旦连上,你家里的 NAS、Home Assistant 和虚拟机,相当于直接迎来了一个 24 小时驻场的云端运维 看到这张截图时,所有���家庭实验室(Homelab)、玩 NAS 和软路由的极客都得原地起立, 在 Meta 刚发布的个人 AI 助手 Muse 的官方连接器列表里, 在 Spotify、Outlook 邮箱、Peloton 健身车和智能灯泡这一堆面向大众的常规选项旁边, 居然大摇大摆地并排躺着一个被标黄的极客硬核组网神器:Tailscale。 Max Schoening 忍不住公开感叹: “你能想象做产品的团队,为了把这件‘专门给折腾党玩的事’硬生生推上线,在公司内部得顶翻多少合规规矩、跟法务吵了多少次架吗?” 有个老哥说得更是一针见血: “Tailscale 这种功能,对会用的人来说 100% 合理,对要签字审批的法务来说 100% 是安全事故,能活着端上台面,比把它做出来更牛逼。” 大家别只把它当成一个普通的新插件看,看懂它的底层网络拓扑,你会发现这简直是给折腾党开了一条神仙暗道: 1️⃣ 跑在 Meta 云上的 AI,正式拿到了你家的“内网工牌”: Muse 给每个用户在云端配了一台独立的 Linux 虚拟机。 过去大厂 AI 只能在公网上逛街; 但只要你给它挂上 Tailscale,这台云端虚拟机直接顺着 WireGuard 加密隧道,一脚跨进了你家的私有局域网! 2️⃣ 它能碰那些以前绝不敢暴露给公网的硬核资产: • 不用做复杂的端口映射和内网穿透,它直接调用 Home Assistant 开关灯、查局域网摄像头、调温控; • 直接访问你家里的 NAS、Proxmox 虚拟机和小主机,帮你整理本地私有文件、自动排查服务报错; • 甚至有人直接拿家里的电脑当 Exit Node(出口节点),让 Muse 顶着你家的真实宽带 IP 去上网,彻底绕开各种网站对云厂商机房 IP 的无情封锁; 3️⃣ 为什么这事发生在 Meta 身上极其反常? 像 Meta 这种常年在隐私和安全放大镜下被烤的超级巨头, 通常的唯一解法就是做最保守的妥协——只接大厂标准 API、绝不碰用户的灰色自留地。 而这次,他们居然罕见地没有把路走死,而是硬着头皮把这把钥匙递给了少���真正懂折腾的硬核玩家。 当然,必须客观泼一盆安全冷水: 目前这台机器依然跑在 Meta 的基础云端(他们承诺晚些会出连官方都解不开的机密计算虚拟机)。 所以真正老练的极客,一定会在 Tailscale 后台做好严格的 ACL 权限控制—— 只放行它需要操作的那两台特定设备,绝不把核心文件服务器和账号内网全部毫无防备地敞给它。 但无论如何,这扇窗户已经被暴力推开了: 从今天起,云端的大模型不再只是飘在天上的聊天机器人, 当它顺着这条加密隧道悄悄滑进你的机柜, 一个真正能替你打理物理家底的赛博管家,才算第一次有了肉身落地的锚点。
AYi 的图片 1
6
6.5万 粉丝
曝光7.2K
现行 RAG 架构犯过最反人类的错误,就是把一本结构严谨的书,撕成几千张碎纸条再去搜,把厚厚的法规、合同按 500 字切成碎纸条丢进向量库, 这根本不叫检索,这叫在碎纸机里碰运气, IBM 刚挂出的这篇论文直接把窗户纸给捅破了: 人类查书从来都是先翻目录,把这个习惯教给模型,检索命中率从 68% 狂飙到 82.6%: 回顾一下现在全网知识库是怎么干活的: 把几百页的法律法规、员工手册、技术白皮书,机械地按 500 个 Token 暴力切碎、转成向量塞进向量库; 只要用户一提问,就在库里找几个最相似的碎片塞进 Prompt 里。 这种做法在工程上极其愚蠢: 因为在切碎的瞬间,章节从属、因果推导与上下文拓扑被全部物理切断; 大模型一看到长文本,就陷入著名的“迷失在中间(Lost in the middle)”,开始一本正经地凭空胡编。 真实人类查书从来不会这么干。 你查《刑法》不会撕成纸条去盲抽,而是先看目录: 民主制度 $\to$ 选举制度与政党 $\to$ 翻到对应小节精读。 IBM 团队刚挂出来的重磅论文 STAIR(arXiv:2609.03874), 用一种极度返璞归真的“生成式检索”,把这个人类常识做成了工业级系统: 看懂它的技术实现,你会发现它比盲目堆向量高维得多: 1️⃣ 提取真实目录树,以“小节”为最小单元: 直接从 PDF 提取完整的 Table of Contents,检索目标不再是切碎的碎片,而是作者亲笔写的叶子章节标题; 2️⃣ 约束解码,堵死幻觉: 拿 7B 小模型��调,输入是“整本目录树 + 你的问题”,输出只能是一个合法的章节名! 因为加了硬约束解码,模型根本没有机会去捏造不存在的伪章节,虚构章节的幻觉率从原生模型的 24% 断崖式砸到了不到 0.05%! 3️⃣ 硬核基准实测数据(拒绝营销夸大): 在覆盖医学、金融、法律等 6 大领域的 18 本公开教材(SearchTome 基准)测试中: • 传统关键词 BM25:命中率 59.5% • 经典向量检索 DPR:命中率 68.7% • 最强对照 DSI:命中率 76.9% • IBM STAIR:直接干到了 82.6%! (顺便打个假:网传所谓的“把 GraphRAG 摩擦”纯属吹牛,论文压根没测 GraphRAG,80.6% 也只是自然科学单科成绩,全科平均是 82.6%)。 当然,必须客观划清它的适用边界: 它极其适合教材、法规、合同、技术手册这类“本来就带着清晰层级标题”的大部头; 面对没有目录的乱麻 Slack 聊天记录或流水账网页,它也巧妇难为无米之炊。 但它证明了一个至关重要的工程哲学: 检索不准,才是大模型幻觉真正的上游水龙头; 别再迷信无限扩大的上下文窗口了, 教会大模型学会先读目录、再按图索骥去翻书,往往比无脑烧算力强上一万倍。
7
6.5万 粉丝
曝光6.3K
看到一段话后背发凉 瑟瑟发抖😨 “去看一个男孩子, 就看他爸爸和爷爷的性格, 基本就决定了他长大以后的性格, 你小时候再怎么去干预, 也就只能小时候有点效果, 等他长大了, 你会发现他会越来越像他的爸爸甚至爷爷, 因为基因传承这个东西是很难撼动的,只要孩子是你亲生的, 你去看他爸爸的性格轮廓基本就是他以后的方向准确率90%。”
8
6.5万 粉丝
曝光5.0K
全人类过去 40 年都在死死守着大门,等着某一天好莱坞式的“天网”在沙漠机房里突然睁开眼睛、自报家门宣布觉醒。 @IAmPascio 这篇狂揽 410 万阅读量的万字长文,把我们脑子里的科幻滤镜砸得粉碎: 如果真正降临的超级智能,根本不像一个谁, 而是更像一场从成千上万扇窗户里无声涌进来的天气呢? 它没有名字、没有公司总部,你甚至在地球上找不到任何一个可以拔掉的电源开关。 把这篇文章里最反直觉的三个比喻剥开,我们会看到一个完全脱离人类经验的恐怖图景: 1️⃣ 蚂蚁与神经元:零件是笨的,关系网是神的: 单只蚂蚁只有 25 万个神经元,蠢到做不出任何复杂决策;但一窝蚂蚁却能协同筑巢、打军团战、甚至从事真菌农业。蚁后从来不下令,她只负责下蛋。 我们的大脑也是一样——单个神经元只是个毫无意识的通断开关,但 860 亿个开关交织在一起,就冒出了“你”。 智能从来不是锁在某一个黑盒里的幽灵, 它是无数个极其平庸的零件,按照局部规则高度密集交互后,自然涌现出来的宏观行为; 2️⃣ 正在失控的“合成进化”三件套: 今天的软件世界,早就不是“一个人跟一台大模型单聊”了: • 复制:父 Agent 随手写一份 Spec,秒级拉起十几个子 Agent; • 变异:每一次调用的提示词、上下文和采样温度都在微观漂移; • 选择:跑通任务的被复用、拿更多算力,卡壳的被瞬间销毁。 生物进化跨越一代要几年,而在云端,Agent 进化的代际更迭只需要几秒钟; 3️⃣ 最让人后背发凉的定性:你无法跟飓风谈判: 当成百上千个模型互相调 API、互相喂数据、互相借用算力, 整张全球网络跨过临界点时,意识不过是连接足够密之后的物理副产物。 飓风有清晰的破坏力,能掀翻屋顶; 但你关不掉一场飓风,因为气压梯度根本没有总部! 拔掉一个数据中心,整个网络的流量就像洋流绕过礁石一样自然绕行。 文章里里最刺痛人的一句断言: “它真的想要某种结果”和“它在每一层筛选中看起来都在追求某种结果”, 在功能和破坏力上,差距为零! 它不需要开新闻发布会,也不会去参加任何给“单一体”设计的图灵测试。 它可能只是让推荐算法更黏、让舆论场更极化、让每一封钓鱼邮件更天衣无缝、让现实世界对自己更“好读”。 各国政客还在忙着给 OpenAI 和 Google 的大门装防盗锁, 却对整栋大楼敞开的一千扇窗户视而不见。 下一次再有人跟你信誓旦旦地描绘 AGI 什么时候来, 先反问他一句:智能难道必须长得像人吗? 然后转过头去,看一眼窗外那场正在无声积聚的气压风暴。
9
6.5万 粉丝
曝光5.0K
想要系统啃下 Harness 架构的朋友,https://t.co/2C2ux6EgXj 官方精选论文库务必收好: https://t.co/2C2ux6EgXj 创始人 Elvis 整理的必读论文合集:https://t.co/hocO6uVNrc… (涵盖 Agent 状态机、工具门禁设计、长周期记忆持久化等核心底层文献)。 提炼构建专属 Harness 的 3 个起步心法: 1. 先定义“什么绝不能让 AI 擅自决定”:把不可逆权限卡死,是 Harness 的第一道桩; 2. 上下文按任务隔离:拒绝把所有设定一股脑塞进 System Prompt,用代码做动态装载; 3. 建立领域专属的评估集(Evals):没有自己的评分裁判,你的 Harness 永远无法脱机狂奔。 大家目前在自己的业务场景里,觉得最需要给 AI 套上一层“紧箍咒/脚手架”的,是哪个行业环节?欢迎分享交流
AYi 的图片 1
10
6.5万 粉丝
曝光3.9K
为什么你用大模型做游戏,跑两步就死在穿模和屎山代码里? 因为你还在逼着同一个 AI 既当程序员又当插画师。 这款在浏览器里丝滑跑通的 3D 送报游戏(PaperRoute), 撕开了现代 AI 独立开发最硬核的底牌:真正的生产力,来自极度克制的任务路由: 很多人以为作者 Emm Tee 是靠一句 Prompt 让大模型从零画出整个世界, 去看一眼他在官网公开的 69 个带图开发节点,真相要残酷得多: 所谓的四天 15.6 亿 Token,98% 都是上下文缓存读取; 而第一晚所谓的一键生成,吐出来的不过是一个在推特上随处可见、玩十秒就让人想关掉的塑料等距 Demo。 从一个粗糙原型,打磨成今天这个包含 40 栋手绘建筑、汽车追逐、恶犬扑咬、动态天气与报纸排行榜的成熟游戏, 靠的全是这套极其冷血的工业级分工: 1️⃣ 绝不让单一模型包揽全场: Astra 写核心玩法和物理碰撞是天才,但拿它捏带脸的主角,烧光额度做出来的也是个僵尸木偶。 作者极其务实地拉了一条混合流水线: 玩法与物理逻辑交给 Astra; 角色概念图交给 ChatGPT; 带脸的 3D 角色网格,花 8 美元丢给专门的 Meshy 刷出来; 最后再拉回 Astra 绑上 23 根骨骼、消除自行车骑行穿模。 工具各司其职,成本直接缩减几个数量级; 2️⃣ 机制流与资产流物理隔离: 作者在开发日志里最痛的领悟:“房子难看时,千万不要在同一段对话里跟模型吵抛物线物理!” 他把工作彻底劈成两半: • 机制流:一个 Prompt,去浏览器看一眼,提交一次 Commit; • 资产流:让 Astra 写 Python 脚本,直接在后台无界面(Headless)跑 Blender 批量生成建筑群的 GLB 模型。 两套逻辑互不污染,手感出了问题绝不去改屋顶; 3️⃣ 用渲染图代替形容词审查: 别对着对话框说“把动作改得更自然点”,大模型根本听不懂这种玄学! 作者搭了一套自动抓取脚本:让骑手在场景里做动作,每次自动保存正、侧、后以及黏土材质转面图。 指着具体某一帧截图对 AI 说“帽子第 3 帧没遮住头发”,改动成功率直接飙到 70%; 4️⃣ 真正的壁垒全在细节打磨: 碎玻璃特写运镜、雨天轮胎打滑的水印、终点自由练车的公园、整套做成复古报纸的结算 UI…… 这整整 39 个工时里,80% 的时间是在做这些极其繁琐的手工活。 大模型只能替你完成第一晚的 Demo 狂欢, 它降低的是把零件拼出来的门槛,但能不能把零件磨成一件让人愿意玩第二次的作品, 全看创作者自己带进来的品味与工程克制。 拆任务、建测试、隔离实验, 人类的品味,���然是这个充满廉价生成的世界里,唯一无法被代工的护城河。 https://t.co/RkRs5VyVHV