大捕手

@manguan235 @Dasixi829 欧开 injjjjjjjnjjnjnjnjjj前往

@Dasixi829 年少的约定没能兑现，却换来一场默默的守护，世间最纯粹的情谊大抵如此。

真人真事 我妈说她发小定了娃娃亲， 男的在隔壁村子，她发小12岁 的时候病死了，因为不能进祖 坟，就埋在了离村比较远的路 边。 男孩子长大后娶了另一个 村子的女孩，生了两个孩子， 他们的孩子有次贪玩偷偷去同 学家回去的晚了，说半路上好 多人拉着他往沟里拽，然后一 个小女孩提着个小灯笼，吼着 说：你们拉着俺家的孩子干啥！ 然后人都散了，小女孩儿提着 灯笼一直给孩子送到村口，说 我就不过去了，你自己慢点！ 孩子回家后给他爸妈说了， 他爸从那以后每年清明节都会 去给女孩儿烧纸。

@AINoSleep @bozhou_ai Claude SDK是一个API 接口嘛？

@bozhou_ai 想追问一个场景:如果是需要长期记忆 + 多 Agent 协作 + 工具调用都要的复杂产品,你最终是把 LangGraph 和 Claude SDK 组合起来用,还是只用一个?这块的边界一直没想清楚。

现在 Agent 框架非常的多，我把几个主流的都用过了，说一下我的经验，可以让你在做技术选型时少走弯路。 1. LangChain。教程最多，第一次写 Agent 跟着能跑通。但出了问题，报错指向的是它内部的某一层，不是你写的代码，调试很费劲。适合先跑通再说，不适合认真做产品。 2. LangGraph。我用它处理那种需要循环判断的逻辑，失败了重试，或者 A 搜完交给 B 整理，B整理完交给 C 发出去。这种多步接力的场景，LangGraph 是目前最清晰的选择，当然还有就是目前也没有合适的替代产品。 3. Claude SDK。Anthropic 官方的，原生支持流式输出、提示词缓存、工具调用，这些在其他框架里要自己搭，这里开箱即用。没有多余封装，是我目前开发 Agent 最快的方式。 4. Pydantic AI。FastAPI 背后那个团队做的，风格一脉相承，核心卖点就是简单。用 Pydantic约束 LLM 的输出，格式不对自动重试，不用自己写校验逻辑。 选框架是选和你要解决的问题最匹配的。

@jjnn1019631 @Compute_King 我就想知道这种坏了 是 整机换？

@Compute_King 华为芯片端同步在测试「MEMS主动散热风扇」，可以紧贴处理器的芯片级主动散热方案

继续思考， 华为在挑战里面没有谈散热，这是我比较诧异的。 目前两层堆叠，我觉得还有些散热的解法，但如果到三层Active Logic Stack或者更多之后，散热会从工程问题变成架构主问题。。。 目前流行的双层堆叠的技术AMD V-Cache，Intel Foveros和TSMC SoIC，还属于用冷cache叠热logic，因为SRAM功耗较低，热密度低，可用做Top Die，所以散热还能接受。 结构如下所示： SRAM |||| CPU 但华为的论文里是Logic-on-Logic。 即： Active Logic |||| Active Logic |||| Active Logic 这就完全不同了，这种多层Active Logic，热无法横向扩散，所以中间的Logic Die直接变成了烤箱，传统散热是完全扛不住的。 三层或者三层Active Logic堆叠之后，必须进入主动式散热时代！冷却液必须进入封装内部。 变成， Active Logic + Microfluidic Channel |||| Active Logic + Microfluidic Channel |||| Active Logic + Microfluidic Channel 液冷液冷液冷是关键！关键得说三次。。。 以后芯片设计里面需要Thermal Topology Architect，因为：热路径本身会决定Layout。 对的，本人的判断是：华为将来3层和3层以上的LogicFolding路径里面，Thermal将是最大的未解难题，甚至比EDA还难！

@0xLogicrw 这是把Claude Code源码抄了一遍吗？

月之暗面旗下的 kimi-cli 正在进行架构重写并更名为 kimi-code。 为解决原 Python 版本冷启动慢、分发体积大等瓶颈，团队全面转向 Anthropic 旗下 Claude Code 的技术范式，基于 TypeScript 与 Bun 运行时完成重写，实现了毫秒级冷启动与高度流畅的 React Ink 终端界面。 重构的直接诱因是原 Python 版本在终端分发与响应体验上的局限。开发人员在提交超 3.8 万行代码的合并申请（PR #1707）时，幽默地在 PR 描述中写道「kimicli 用 Python 是彻底的失败，立刻重构为 TS」，宣告 Kimi 彻底告别 Python 技术栈。 新版支持将屏幕录像拖入终端进行多模态分析，并引入计划模式（Plan Mode）光标交互编辑、Emacs 快捷键、双击 Ctrl + C 安全退出等交互细节。 为了保护已有 8700 多个 Star 的开源资产，月之暗面选择维持原 kimi-cli 仓库活跃。官方通过重定向安装脚本，确保用户运行全局命令 kimi 或更新原客户端时，能自动下载并切换到由 Bun 编译的 TypeScript 单文件程序，实现就地无感升级。 kimi-code 同时开放了第三方大模型 API 自定义接入，支持将工具用作跨模型的统一终端编程网关，不再局限于 Kimi 家族。

GPT 生成的图片，也太6了。@qwen

@LotusDecoder 把华为排除掉，to c 的他一点打不了

预感 local AI， 本地推理大模型和agent， 个人/家用消费级， 大概会在今年下半年到明年上半年爆发。 model 可能是 qwen-4-35B 、27B、Nemotron-4-120B、500B。 硬件可能是 mac studio M5 、 Rtx 7000 pro 小概率是 amd intc 华为的显卡 agent 端覆盖：医疗、财务、个人待办、职场

@wutong59362790 @anyeweiguang 你觉得一个省20万人新生人口，还需要考虑上学的没地方上？

@anyeweiguang 不是很懂，没有学区学生如何分配到学校？

你们看懂这份意见对你们手里的学区房意味着什么吗？ 答案是：是的，这几乎是二三线城市“老破小学区房”最后的、也是最窄的一个逃跑窗口。 如果你或者身边的朋友在二三线城市（哪怕是像南京、武汉、成都、杭州这样的强二线城市）手里还囤着纯粹为了“挂户口、拿学位”而存在的低总价、居住体验极差的“老破小”学区房，现在已经是到了必须坚决割肉、果断套现的最后时刻。

@Alibaba_Qwen 你的模型不遵从指令的问题有没有好的办法

📣Meet Qwen3.7-Max — our latest flagship, made for the Agent Era. A versatile foundation for agents that actually get things done: 🧑‍💻 Coding agent, end to end. Frontend prototypes, multi-file refactors, real debugging — nails it. 🗂️ A reliable office and productivity assistant. Get your work done through MCP integrations and multi-agent orchestration. ⏱️ Long-horizon autonomy. 35 hours straight on a kernel optimization task — 1,000+ tool calls, zero hand-holding. 🔌 Scaffold-agnostic. Claude Code, OpenClaw, Qwen Code, or your own stack. Consistent reliability everywhere. API's up on Alibaba Model Studio. You can also take it for a spin on Qwen Studio. Go build something wild!🏃🏃‍♂️ 📖 Blog: qwen.ai/blog?id=qwen3.7 ✅ Qwen Studio: chat.qwen.ai/?models=qwen3.… ⚡️ API：modelstudio.console.alibabacloud.com/ap-southeast-1…

@silverfang88 是怎么让这种垃圾消息占据时间线的。@gork 你的推荐算法是shit嘛

谷歌这次发布会公布的东西 和它的AI霸权与野心 足以让任何一个 中国互联网公司老板失眠 昨夜520，也不让老板们睡个好觉

@FledgeXu 这是怎么调用不支持的吗？有调用方式吗？

快给我推送一些AI大模型技巧或者更新的一些东西吧，我的时间线已经没有这些相关的了。

@realNyarime 支持安卓手机吗？

教程：在Codex App保留ChatGPT登录的同时使用第三方Provider 首先 auth.json 改为 "auth_mode": "chatgpt", "OPENAI_API_KEY":null, 其次config.toml有这些 model_provider = "apiname" [model_providers.apiname] name= "apiname" experimental_bearer_token = "xxxx" requires_openai_auth = true 可以先登录好了，再操作，即可完美解锁Codex Mobile、插件、额度查询等 实测对话走的是第三方AI中转站

@1999_eth 同感吧，Windsurf的Code Cloud Code，OPAS 47，一用就没啊。

我之所以敢这么笃定，不是因为我“信仰 Codex”，而是因为趋势已经很明显了。 1、Claude 最新的 Opus 4.7，真的很难找到一个特别有说服力的角度去夸。不是不能用，而是你能明显感觉到：它不像一个全力释放的模型，更像一个被层层限制后的版本。 2、Claude 最近一系列产品和策略动作都很迷。它正在和散户用户、开发者用户逐渐脱钩，越来越不像一个“开发者友好型产品”。这对一个靠开发者口碑起家的模型来说，是非常危险的信号。 3、Codex App 的追赶速度远超预期。它的使用体验已经明显超过 Codex Desktop，而后者还在想尽办法阻止用户引入其他模型。一个在加速开放，一个在制造摩擦，差距会被迅速拉开。 4、根据我中转站的每日数据，目前 Codex 模型和 Claude 模型的使用比例已经来到 7:3。注意，这不是投票，不是嘴上支持谁，而是真实使用数据。

预言一波： 两个月内，Codex 会在代码场景里把 Claude 彻底甩开几条街。 现在很多人还把 Claude 当开发者首选，但这个位置可能很快就要换人了。 就像你已经很久不再关心 Gemini 一样，Claude 也可能正在进入“被遗忘倒计时”。 两个月后见。

@CatChen cli 全是异类

TUI 的独有价值来源自不带任何 GUI 的 Linux 环境。在那上面只能跑 CLI，更复杂的界面就只能通过 TUI 来展现。 有些公司的开发环境确实是这样配置的：公司的代码仓库只能 checkout 到云端或者本地的 Linux 开发机上，你的 MacBook Pro 只能 ssh 连上开发机改代码。代码只能在开发机上跑，在 macOS 上跑不了。 这时候在开发机上跑 CLI 的 Claude Code 是最符合逻辑的选择，再加上 tmux 你就不怕 ssh 断线了。你合上 MacBook Pro 之后，开发机上的 Claude Code 进程还会继续跑，你重连之后就能看到跑好的结果。

@CatChen 为什么不是codex app，连接上代码库，让他自己变异调试呢？

@tychozzz 根本就说不通，Deepseek V4你们是没用过一点啊。

为什么本来一度遥遥领先的 Claude，新发布的 Opus 4.7 模型，给大家一种降智的感觉，而过去一直被人诟病的 ChatGPT，最新 GPT5.5 以及 Codex 却迎头赶上，让很多人觉得惊艳？ 这个模型层的故事，背后涉及到当下 AI 最重要的投资逻辑。 自从 OpenAI 三月份砍掉 Sora，调整 ChatGPT 产品形态，战略重心变得更加聚焦，从单纯的 C 端订阅转向 Codex 以及企业级 Agent 市场，对标 Anthropic 的意味非常明显，势头很猛。 OpenAI 能在这么短时间内迎头赶上，我觉得核心还是在于算力。 粗略对比一下 OpenAI 和 Anthropic 目前拥有的算力，OpenAI 大概是在 2-4 GW 这个量级，而 Anthropic 大概是在 1 GW 左右，二者之间算力有几倍的差距。 而 OpenAI 公开锁定的算力规模，至少 10 GW 级别，Anthropic 一直在追，但仍然比不上 OpenAI。 我们会发现算力就是制约模型能力的最大因素，所以两家龙头大模型厂商都在拼了命地四处找算力，包括从 hyperscaler 以及 neocloud。 比如说 2 月份 OpenAI 和 AWS 签署 2GW 的算力协议，上个月又和微软 Azure 修改了合作协议，现在可以向多个 CSP 寻求算力。 还有就是这两个月 Anthropic 接连和 Google Cloud、AWS、SpaceX 签下了最高可能接近 10 GW 的算力协议。 很明显我们能够发现一个非常大的变化，过去 AI 大模型在比谁更聪明，现在已经升级为了谁有更多的算力，算力已经成为了 AI 上下游的核心战略资产。 所以并不是 Claude Opus 4.7 真的很垃圾很弱智，只是因为没有足够的算力... 顺着这个逻辑，我们就能看到以算力为核心的整个产业链上下游，各个环节都是瓶颈，不只是 GPU，还有 ASIC、CPU、内存、存储、光模块、交换机、数据中心、能源电力基础设施等等。 我们也就可以理解，为什么英伟达一直在疯狂大撒币，砸钱投资英特尔、康宁、诺基亚、Coherent、Lumentum、Nebius、Coreweave 这些公司，因为它们都是算力瓶颈的一环。 不投钱缓解产业链上的这些瓶颈，老黄的 GPU 就很难卖出去。 最后回过头来看，只要 OpenAI 和 Anthropic 的 ARR 持续增长，持续缺算力缺 Token，传导到上游大科技砸钱拉高 Capex，传导到整个产业链持续扩产、持续供不应求，我们看到的现象就是美股 AI 板块持续新高。 我认为这就是当下市场的主线逻辑。

就是输出token有点慢。

Deepseek v4 Pro事真的能干活。

@AYi_AInotes 别再吹了，Deepseek只需要把显卡问题解决掉，速度速度出来，它的准确率已经不和这些主流模型有差别了。

这张图今天刷爆了整个AI圈， 所有人都在说，Claude被ChatGPT吊打了，42倍的用户差距，根本不是一个量级之类的。 但我想告诉你们， 这张图骗了99%的人， 数据是真的， 但结论完全错了！ ChatGPT有8亿月活， Claude只有1900万， 但OpenAI的ARR是240亿美元， Anthropic的ARR已经冲到了200到300亿区间， 甚至有泄露数据称， 它曾经短暂超过了OpenAI， 42倍的用户差距， 换来了不到2倍的收入差距， 这或许才是AI行业最残酷的真相， 毕竟ChatGPT是大众消费品， 学生用它写作业，父母用它问天气， 8亿用户里，大部分都是免费的低价值用户， Claude是专业生产力工具， 开发者用它写代码， 企业用它跑Agent工作流， 它的用户最少，但每一个都愿意掏最多的钱， Claude免费版10个问题就限速， 不是它做不好免费体验， 是它故意在筛选用户， 把不愿意付费的人直接挡在门外， X上很多人都觉得Claude要统治世界， 是因为我们活在开发者的回声室里， 真实世界里，你爸你妈根本不知道Claude是什么， 他们知道ChatGPT更多一些， 所以这根本不是谁吊打谁的战争， 属于两条完全不同的增长曲线， 一条拼大众规模， 一条拼付费深度， 我觉得现在还远远没到分出胜负的时候， 用户多不等于值钱， 愿意为深度能力掏钱的人， 才是真正的金矿。 #AI #ChatGPT #Claude

@realNyarime BitLocker全部关闭，那个东西一点用都没有。

开电脑出现这种界面的厂商一定要避雷