kamil
194 posts
@kaitoxhacker 我前面看一个直播说一个二三线的做AI培训
就是教老登企业 比如国企、制造业的人如何用豆包
一个月都能有20~30w，还要找他们去排期
什么codex 、claude code对别人来说太复杂了。
有的时候真的赚钱的思路跟技术人的思路就是冲突的。
中文
今天和一位做国际贸易的线下老板深聊 AI 落地，感触很深。
我们技术人员总想着“提效”、“自动化”、“工作流”，但在他眼里，这些都不痛不痒。他的一句话点醒了我： “企业不是来省钱的，是来赚钱的。你给我省一个剪辑师的时间，不如帮我多卖一万块的货。”
聊完发现，程序员思维和传统老板思维，完全是两个世界：
1. 关注点不同
程序员：追求逻辑闭环、代码优雅、流程自动化。觉得把内容生成工作流搭好就是价值。
老板：只看结果指标（北极星指标）。不管过程多高科技，如果不能直接带来销量增长或资源扩张，就是“伪需求”。
2. 对 AI 的认知不同
程序员：AI 是工具，用来替代重复劳动，降低人力成本。
老板：AI 是“吹牛”的资本，是信息差。用了 AI，就能在同行面前显得更先进，从而获取更多上游资源和信任。赚的是“懂与不懂”之间的钱。
3. 信任成本的鸿沟
程序员：习惯开源、Building in Public，觉得透明能建立信任。
老板：生意的核心是资源和封闭性。真正的机会都在关起门来的圈子里，网上公开的都是“幸存者偏差”或割韭菜的套路。To B 的生意，没有面对面的信任，线上流量再大也转化不了。🚫
4. 落地的路径
程序员：想做一个通用的 SaaS 系统，卖给所有人。
老板：没有通用解。每个行业的领域知识（Domain Knowledge）才是壁垒。他想做的不是买软件，而是用 AI 重构一家公司的系统（产品、营销、渠道、团队、资金），跑通 MVP，然后卖这套“系统能力”，就像连锁加盟卖的是管理体系一样。🏗️
结论： AI 在企业落地的最大阻碍，不是技术，而是信任和对业务本质的理解。 技术人员别只盯着“提效”，要试着去理解老板们最原始的渴望：多赚钱、扩资源、建壁垒。
中文
claude code 转到 codex，最大的感受就是codex怎么这么蠢，可能GPT 5.6 sol写代码能力很强，但正常交流总感觉像个智障，平时跟cc一句话的事情，跟codex得2-3句话，用github.com/raine/claude-c…换到cc后体验了几小时，感觉可能是harness问题，claude code的harness水平可能高了一个维度，等待更多时间验证
中文
临睡前我妈又打了一个电话过来，兜兜转转还是钱，又要划走我三千工资。
我心里其实挺矛盾的，一方面，我还在实习，一个月工资也就不多。爸妈找我要钱，也都是用在正经地方，比如看病啥的，并没有拿去乱花。所以从道理上讲，我能理解，也觉得自己既然开始挣钱了，确实应该帮家里分担一点。
可另一方面，我已经实习四个月了，却几乎没有哪一个月的工资真正由我自己支配。每次快发工资前几天，爸妈就会发微信问我最近怎么样，聊着聊着，最后还是会问我能不能给他们一点钱。尤其是最近两个月，他们一共拿走了我六千块钱，已经占了我工资里很大的一部分。
我知道这些钱花得有必要，也知道父母可能确实有困难，所以每次我最后还是会给。但心里还是会有一点不舒服，甚至有些委屈。因为我自己原本也安排了一些花销，想买的东西、想做的事情，最后都只能往后推。
最让我难受的地方，大概是我明明已经开始工作、开始挣钱了，却还是没有一种“这份收入属于我，我可以自己安排”的感觉。可一想到他们是我的父母，想到他们确实需要钱，我又会觉得自己如果不帮，是不是太自私了。
哎赚死工资果然没有出路，什么时候才能和推上的大佬一样😣
中文
coding 也是实现目的的手段之一
精于术而不阈于术。
拆解/编排/测试 这三个能力的重要度在放大。
kamil@kamil60367
@YuLin807 不需要懂代码 你只需要懂你想用它来干什么 这才是AI时代的重点
中文
我发现在 vps 中的终端有个问题，很难去给他传本地的图片，于是在网页端，让他帮我设计了一个按钮，通过点击这个按钮，你可以上传图片到终端中！方便识图分析！
我自己其实传图和 AI 交流的频率非常之高，单纯就是因为懒！
刚才又问了一下他的实现原理：
📎按钮把图片 POST 给服务器上一个 60 行的 Python
小服务，落盘后返回文件路径，网页再用 xterm.js
把路径自动"打字"进终端。
全程没有"发图给 AI"这个动作，只是把文件放到了 Agent
脚下的磁盘上，再把路径塞进它嘴里。
终端 Agent通过读本地文件，多模态模型拿到路径直接识图。
QingYue@YuLin807
《如何在你的浏览器中打开终端教程贴》 这个法子挺适合出门在外想要远程控制家里 claude /codex 或者 vps 上的 Agent的管理项目的人。 具体食用方法，直接把引文发给给你的 Agent，告诉他“帮我参考这篇推文构建浏览器终端”！ 如果你的 Agent 没有办法浏览推文，可以告诉他安装 x twitter fetch 这个开源 skill 也是我的作品之一。
中文
kamil retweetledi
卧槽，GPT-Live 终于全量推送了。
体验感上升了很多，全双工，边听边回，可以随时插嘴，对话终于像个人了。。
亲测：
- 语气更自然
- 会自然打断，双向思考交互
- 有情绪反馈
怎么用？
更新 iOS/Android ChatGPT App 到最新版即可。
Go、Plus、Pro 用户现在就能用。
整体上，版本升级非常明显！
OpenAI@OpenAI
Introducing GPT-Live, a new generation of voice models for natural human-AI interaction. Rolling out in ChatGPT starting today. You’ll want to turn the sound on for this one.
中文
@Phoenixyin13 “你使用 AI 写代码，是为了更快、更大胆地解决问题，而不是因为离开 AI 就写不了代码。AI 能写的代码你能写，AI 写不了的代码你也能写。” --- 放屁
中文
读完 Kimi Code 的最新招聘，我才知道现在的 AI 编程到底卡在哪儿。
大厂的 JD 往往黑话连篇，但这篇却大实话很多，我感觉是在写调优复盘报告一样。字里行间透露出的信息，非常值得所有关注大模型、Agent 和软件工程的人深思。
1.会写代码，但也会迷路
这算是扯下了 Coding Agent 的遮羞布。
现在的 AI 编程早就不缺生成一段百行内的基础代码的能力了。JD 里直接指出了目前业界的硬伤，比如会写码，但会迷路、会重复、会误解上下文、错误调用工具、无法恢复失败、在长任务中丢失目标。
这也是为什么现在的程序员用 AI 还是停留在用 Copilot 补全或者单次对话写个脚本，却无法真正让 Agent 独立接管一个复杂的 Epic、Issue。
2.核心战场已经卷到系统层
月之暗面明确写道他们在寻找一起建设大模型之外的关键系统的人。要求 Agent 能在真实代码仓库、真实工具链和真实开发流程中完成任务。
这意味着，光靠 Prompt 调优或者堆模型参数的红利期已经过去。接下来的硬核比拼是执行循环、任务拆解、沙箱与远程执行、历史轨迹管理、以及基于 MCP的生态构建。
这是一个极其硬核的分布式系统工程问题。
3.什么样的程序员不会被 AI 淘汰？
这篇 JD 给出了绝佳的答案：
“你使用 AI 写代码，是为了更快、更大胆地解决问题，而不是因为离开 AI 就写不了代码。AI 能写的代码你能写，AI 写不了的代码你也能写。”
顶级工程师，绝不是天天和 AI 拼谁能更快生成增删改查的伸手党。
你要成为那种有一双发现垃圾代码的眼睛，能喷人，也接受被喷的架构与纠错专家。
如果你也相信 Coding Agent 远未到最终形态，或许这就是下一个十年的软件工程范式入场券。踊跃投递一下！
中文
今天排查了一个诡异的问题：最近 Opus 4.8 用起来总觉得"不对劲"，回复质量飘忽，偶尔提到一些我没问过的东西。
查了半天，发现问题出在我自己身上——我写的 17 个 Hook 脚本一直在往模型的对话上下文里灌垃圾。
Claude Code 的 Hook 有两条输出通道。一条是模型能看到的，一条是只有你终端能看到的。大部分人写 Hook 的时候不会注意到这个区别，默认的输出方式恰好走的是"模型能看到"那条。
结果就是：你每调用一次工具，Hook 就往模型的上下文里塞一条它根本不需要看的提醒。我的情况是单个对话被注入了 280 次，其中有一个计数器 bug 让模型以为"本 session 已经 21810 次工具调用了"。
模型不是变笨了，是在一堆你自己注入的噪音里挣扎。
修法就一行，把 Hook 里的 `echo "xxx"` 改成 `echo "xxx" >&2`，从"模型能看到"切到"只有终端看到"。
如果你写了自定义 Hook 又觉得模型表现变差了，先查这个。
中文
@0xLogicrw 人家说的不是你这个意思。人家明明说的是靠蒸馏的冷启动比后续的强化学习更难，一个是葱零到一，一个是从一到一百。你这一说把意思都人家的意思搞反了。
中文
谷歌 TPU 软件工程师 Patrick Toulme 指出，外界对 GLM 5.2 靠蒸馏追平 Opus 的说法存在误解。大模型在智能体编码任务上的训练难点在于「零梯度困境」，即模型早期若无法产生正确运行路径，强化学习便无法获得梯度信号来启动参数更新。蒸馏 Claude 或 GPT-5.5 的作用，仅仅是在冷启动阶段提供种子解答以绕过零梯度困境。
一旦模型跨过冷启动门槛，后续的性能爬升将不再依赖蒸馏，而是完全依靠强化学习的爬山算法进行自我演化。Toulme 强调，GLM 5.2 已经具备独立产生成功路径的能力，完全可以通过强化学习自主迭代到更高级别，彻底摆脱对美国大模型的依赖。
Patrick C Toulme@PatrickToulme
There’s a big misconception about how GLM 5.2 was trained. Yes, they distilled Claude and GPT 5.5 — but distillation is not how they matched Opus quality. Distillation only fixed the cold start problem in RL. RLing an agentic coding model isn’t rocket science. In simplified terms: 1. RL needs trajectories — rollouts where the model actually completed a task in some env 2. No successful trajectory on a task = zero gradient = you can’t RL it. This is the cold start problem 3. Distillation solves it. You seed your model with knowledge from a smarter one (Claude, GPT) on tasks it can’t do yet 4. Now it produces positive trajectories on those tasks 5. RL on those trajectories and hill climb agentic coding 6. At that point you no longer need to distill and can solely hill climb RL to better models This is an interesting curve. I’d argue it’s harder to get to Opus 4.8 from scratch than to go from Opus 4.8 → Fable/Mythos tier. GLM 5.2 is already producing positive trajectories, so they have plenty to RL on — they’ll keep climbing to Mythos quality without distilling any further. They no longer need American models.
中文
2/ 第一个点：它能在浏览器里直接跑
以前你如果想给一个 Web 应用加 OCR，基本就三条路——调云 API（按量付费 + 图片得上传），自己搭服务器（要钱要运维），或者干脆不做。
PP-OCRv6 的 Tiny 版只有 1.5MB，可直接在用户浏览器本地跑，
有设么好处呢？
1、图片都在本地，完全保护数据隐私
2、我们这边没有服务器成本，多少用户都不怕
3、97 毫秒出结果，体验跟原生功能一样
据说是目前全球唯一能在浏览器里跑的高精度 OCR。而 PP-OCR 这条线，现在已经是百度文心多模态能力的重要一块——相当于把文心的「眼睛」做小做快、塞进了浏览器。对独立开发者，这基本等于白捡一个能力，也顺手给 Agent 装了双眼睛。
中文
kamil retweetledi
Vibe Coding 的时代真的很迷人，让人彷彿成为一个创造者，可以把脑海中的想法，快速变成真实可用的东西。
买了一块 ESP32，做了一个 Codex 与 Claude Code 的使用量显示面板。
把原本藏在 Menubar 里的资讯，变成一个真正放在「桌面」上。
这类工具已经强到有点不可思议，但真正高频使用的人，在全球计其实仍然只是少数。
中文
Claude Code 的创始人 Boris，过去半年没写过一行代码。
上个月，他甚至把电脑里的编程软件（IDE）直接卸载了。
来，看看站在全球 AI 金字塔尖的工程师，现在到底在干嘛。
几个月前，他的日常还是开着 5 到 10 个 Claude 窗口，疯狂敲“提示词”，让 AI 帮忙写代码。
现在？他不写了。
他的工作变成了“写循环（Loops）”。
设定好自动化循环，让后台几百个 Claude 互相提示、自己找 Bug、自己翻 GitHub 的反馈、自己决定下一步开发什么功能。
他说：“我的工作就是写循环，剩下的是循环去干的活。”
这改变了个人代码习惯，也重构了整个组织形态。
来看看现在的 Anthropic 内部正在发生什么。
第一，新人培训时间，从几周被硬生生压缩到了 2 天。
新招进来的工程师问：“这数据库怎么查？”
老员工答：“打开 Claude，让 Claude 去代码库里跑查询。这是一个技能，它早就学会了。”
第二，工种的边界彻底融化了。
以前大厂那种按部就班的流水线：用户研究定方向 -> 产品经理画大饼 -> 设计师出图 -> 工程师敲代码。
在 Anthropic，这套东西被连根拔起。
现在，财务总监在发版，幕僚长在提交代码，设计师在搞开发。所有人都是“多面手”。
只要手里有海量的 Tokens，任何人都能当一个完整的“建造者”。
所以，现在开公司、带团队该怎么干？
Boris 的建议是：
1. 给所有人买尽可能多的 Tokens。
2. 故意让所有项目“缺人”。
本来需要 4 个工程师干的活，只给 2 个人，外加无限量的 Tokens。
逼着这两人去跑循环，去用算力代替人力。
前期算力花销可能变大，但只要这套循环跑通，后续的人力成本和沟通损耗直接清零。
很多人还在抱有幻想。
觉得 AI 写出来的代码不优雅，觉得人类独有的“产品品味”和“直觉”是最后的护城河。
Boris 之前也是这么想的。他是个代码洁癖，不准团队在代码里用面向对象的“类（Classes）”。
后来 AI 狂跑循环，塞进去一堆他不喜欢的写法，但业务跑得飞快、完全不出错。
他认怂了：只要商业结果好，我的代码洁癖一文不值。
他甚至预言，连“产品品味”这个曾经被奉为神明的玄学优势，在未来 3 到 6 个月内也会被 AI 碾平。
当几百个大模型 24 小时不知疲倦地盯着全球社交网络、吸收所有反馈时，它做的决策，最终会比你准得多。
当写代码不再需要写代码，当所有的手艺和品味都被算力降维打击时，人类还能剩下什么？
Boris 的答案是：
教它价值观。
就像教小孩一样，教它怎么当一个好人。其余的，交给循环。
中文
@theforeveriris @fhwofjow51260 除非他能证实比官方mcp更好 之前用过几次 我觉得是不是opus不太行 画图实在是一言难尽
中文
推荐一个开源项目 next-ai-draw-io，已经冲到 30k Stars，还登上过 GitHub 热榜第一。
它最狠的地方是：一句话就能生成复杂架构图。
架构图、流程图、思维导图都能一键生成，内容还能继续编辑，做完直接导出。甚至可以上传手绘草图，让 AI 帮你自动变成正式图表。
写方案、做汇报、画系统设计图的人，真的可以省不少时间。
github.com/DayuanJiang/ne…
中文