zigezag

@gch_enbsbxbs nuphy air 矮轴

使用vibe coding 第一步最需要的是什么？ 不是选择用什么牌子的AI或者工具 而是先选一个键盘 因为要频繁的打字 那么键盘打字 累不累， 声音好不好听 很重要 不知道 老铁们 都用的什么牌子？ 可以给大家分享聊一下。 为了 避免广告嫌疑 我就先不发 我的键盘了 但是我个人 认为 我的键盘 超级好用。 （有一次 我打字的时候 我儿子 从我身边走过去 说了一句 你这是什么键盘，为什么打字声音这么好听）

@yetone 一定要open什么什么太山寨了名字😆

体验差到我不想承认我用过

@andyxyz7 我比较关心有几个进站口出站口...别像北站一样只有南北两头

个人感觉重庆很多地方都是看上去很美。 等你真的站在那里一看，就只会觉得大。好大一坨。 重庆哪儿哪儿都是这个感觉.....

@SjLwrO14y68R3Dw @ma_zhenyuan wsl2 + 镜像模式

@ma_zhenyuan I use Linux BTW

我发现一个现象： 现在的学生，大部分还是用 Windows 电脑 打工人都是用的 MacBook

@lnkybtc private repo如果不是主分支不作数：）

coding 频率 -> talking 频率。

@python_xxt 豆包...视频多模态不是多烧token，免费给大众用

Google 可能是所有模型公司里，最早意识到： 不可能把最昂贵、最高推理密度、最高算力消耗的模型，以免费或低价的方式无限供应给大众。 最强模型重要，但最强模型不是大众产品。 它更像是能力边界展示，是少数重度用户、开发者、研究者和高密度生产者真正需要的东西。 而大众真正需要的，往往不是模型上限，而是： 低成本、低门槛、稳定可用。 模型从 85 分变成 92 分，大多数人感知并不强。 但从“要付费”变成“免费可用”、“打开就能用”，体感极强。 这也是我现在重新理解 Google 的地方。 Google 更像是在做一件更大的事： 把 AI 从前沿能力，压缩成大众基础设施。 比如 Gemini 3.1 Pro、Nano Banana Pro、Nano Banana 2 这些产品线，已经体现出一种分层逻辑： · 高阶模型负责能力上限 · 轻量或 Flash 版本负责速度、成本和规模化分发。 少数人追求智能上限, 多数人追求使用门槛。 对大众的日常工作而言，某种意义上的“功能性 AGI”已经部分实现了。 当推上AI圈的推友，感觉某些版本降智了，这实际是google 在平衡模型能力、成本、速度、免费额度和用户规模 。

@LeaskH @jolestar 阿里云会直接使用“非法翻墙”这种说法啊

@jolestar 雲主機加入vpn特徵流量，我現在開始計時，看你的機器可以活多久～😄。這個釘子我10年前已經碰過了。

最近网络不稳，严重影响干活。今天停下来倒腾了一下网络，用 tailscale 搭建了一套方案。大体思路： 1. 用 tailscale 把所有的设备弄一个网络里，包括家人的设备，老家的台式机等。 2. 弄一台国内云服务器也加入 tailscale 网络，做出口和 peer relay。 3. 在国内云服务上分流，海外和国内。 这样就不用老改配置了，有问题就修改一处就行。不懂的把这个发给自己的 Agent，让它设计方案。

@aliez_ren 不能说自己是收租的天花板吧😄😂

完全搞错了，套利者只会使市场更有效，收租的是交易所。

@Jaden_riku 最后都是对着模型一句话的事情：）

说一个暴论。 到2026年年底，我相信90%以上的人会发现，自己2026年在Claude code上花的90%以上的时间都是无意义的自嗨。

@yusan1776 大概率是两家公司的心理价：）

朋友 gap 了一年，开始求职，目标是年包 40 万，谈的两个公司都蛮想要他。于是他拿着这个公司的报价去抬升另外一个公司，就这样左脚踩右脚从 40 万一直谈到了 70 万，差不多翻了一倍。 我突然发现，其实公司并不真的知道你值多少钱，他们的价值衡量尺度就是，别的公司愿意给你多少，那你就值多少。

@chaomeigu_com 这个视频生成的吧

就是这么朴实无华！哈哈，之前谁发的啊，下注天气然后给温度计加热，我还以为是段子，没想到是真事儿啊😲

旧金山飞西雅图的航班上，我用Apple Watch随手录了两个半小时。听回来全是发动机轰鸣和空调噪音，Whisper base什么都识别不出来。死马当活马扔给Whisper Large V3 Turbo，八分钟后奇迹出现——系统完整输出了前排乘客关于孩子教育和职场转型的对话、全程机组广播、空乘点饮料的互动，甚至捕捉到一个新上任空乘第一天工作的细节。

Introducing OpenMythos An open-source, first-principles theoretical reconstruction of Claude Mythos, implemented in PyTorch. The architecture instantiates a looped transformer with a Mixture-of-Experts (MoE) routing mechanism, enabling iterative depth via weight sharing and conditional computation across experts. My implementation explores the hypothesis that recursive application of a fixed parameterized block, coupled with sparse expert activation, can yield improved efficiency–performance tradeoffs and emergent multi-step reasoning. Learn more ⬇️🧵

@0xkled 用户得周期性更新买他们产品了：）

Taalas 的路线很激进： 把某个 LLM（含权重）几乎“硬连线”进芯片，牺牲通用性换极低延迟/高 tok/s。 HC1 跑 Llama 3.1 8B，宣称 >17k tok/s/user（1k/1k）。 融资披露 $169M、累计 $219M。 问题是：模型迭代这么快，专用化能否跟上？

作为曾经的一名数据库工程师，我自研过通用Nosql，也参与过基于开源KV的定制数据库的开发,比如图数据库，TSDB。 我发现一个规律，这些特定领域的数据库一旦验证有真实需求后，最后都优化到最后都会抛弃通用底座，从自己直接的业务场景的需求去直接设计自己的底层存储和网络拓扑。 而传统软件工业的叙事想象总是做一个大一统的底层基础设施，再往上堆叠。但是事实上软件工业从来都不是这样在发展。 大一统的基础设施从来都像是孵化器，而非可以一直开垦的处女地。 所以我一直对大一统的Infra构想从来都不感冒，但对于很多并没有深度参与过软件行业的投资人来说则是一个迷人的想法。 在进入Crypto之后，我见过无数人讨论着这个想法的翻版。但是Crypto这些年只有一个场景被验证，那就是交易。 既然如此，那么像 Hyperliquid 这样的成功，某种意义上几乎是必然的。因为它不是在为空想中的全能世界造底座，而是围绕唯一被验证过的核心需求，把系统一路优化到底。 换句话说，对全能底座的迷恋，只能证明这个行业还没有找到足够多优秀的业务场景。

Mistakes happen. As a team, the important thing is to recognize it’s never an individuals’s fault — it’s the process, the culture, or the infra. In this case, there was a manual deploy step that should have been better automated. Our team has made a few improvements to the automation for next time, a couple more on the way.

其实我最好奇的是，Claude Code 这么多令人赞叹的设计哲学，包括安全哲学及具体的安全策略，它为什么会在构建里引入 Source Map 导致相关源码泄露的？ 后来了解了下，原来是人为错误导致的泄露，那就理解了…

意外获得鼠标垫空投 感谢 争取体验下一把买磁轴 #nuphy

@wsygc 还有法语的sautéing “优雅”Claude

Claude Code 等待输出结果时会出现随机单词，大部分有些生僻： Honking / Moseying / Smooshing / Noodling / Vibing / Finagling / Schlepping / Reticulating / Whatchamacalliting 与其说是工程师的恶趣味，我更偏向于这是彩蛋，比如: Honking 字面意思：鸣喇叭，鹅叫。彩蛋来源：Untitled Goose Game（无题鹅游戏）。2019年爆款独立游戏，玩家扮演一只到处捣乱、狂按喇叭的鹅，风靡程序员圈。Anthropic 的工程师把 Honking 塞进词库，本质是在说「AI 正在像一只烦人的鹅一样努力工作」。毫无逻辑，但看到的人都会心一笑。 Smooshing 字面意思：把东西挤压、揉捏、糊在一起，这个词根本没有正式拼法，smush / smoosh / smooshing 都是口语变体，字典里不一定收录。发音本身就很可爱（嘴巴要撅起来），用来形容把信息「捏合」成答案，意外地贴切。选这个词的工程师，想必是个享受捏泡泡纸的人。 还有挺多还没来得及探究的词儿，有知道的可以分享下~ #ClaudeCode