nifengfei

@Kling_ai 跑步的节奏很统一

Kling AI Debuts at Cannes — RAPHAEL RAPHAEL, a 100% AI-generated feature film project, is a large-scale production being developed in collaboration between Mateo AI Studio and MBC C&I’s AI Content Lab, a leading force in AI video production in Korea. Currently in production with the goal of a theatrical release in 2026, this project is leveraging Kling AI’s powerful video model throughout the production process to maximize distinctive visual effects and deliver a differentiated cinematic experience. It proves the industrial viability of pure AI filmmaking and marks a new trend for AI-native theatrical cinema.

看完了 Sundar 在 I/O 2026 的开场演讲，做了个总结： 1、开场 Google I/O 2026 主旨演讲，一句话总结：「Agentic Gemini 时代」正式开场。 2、规模 跨产品月处理 token 一年涨 7×：从 480T 跳到 3.2 Quadrillion+。 13 款十亿用户产品里，5 款破 30 亿。AI Overviews 25 亿 MAU，Gemini App 一年翻倍到 9 亿。 3、基础设施 2022 → 2026，Capex 从 $31B 涨到 $180-190B（约 6×）。 第八代 TPU 首次双芯片：TPU 8t 训练 · TPU 8i 推理，每瓦性能翻倍。 4、模型 Gemini Omni：从「预测文本」走向「模拟现实」。 Gemini 3.5 Flash：智能 × 速度独立一档，价格不到同级前沿模型一半——内部团队估，仅切 80% 工作负载即可省 $1B/年。 5、智能体 Gemini Spark = 你的 24/7 个人智能体，跑在 GCP 专用 VM 上、无需开机。 Search 也进入代理时代：信息代理 + 生成式 UI + 持久迷你应用，为每个问题现场搭一个界面。

@GoogleAI This feels like another definitive break from traditional search. Moving from an 'answer box' to an active, agentic workspace completely rewrites how we interact with information.

Today, we launched a brand-new intelligent Search box. Here's what that means: An upgrade to the Search experience with our most advanced Gemini 3.5 models, bringing with them our latest agentic capabilities You can ask across modalities (text, images, files, and videos) and Search can reason across them all We're combining AI Overviews and AI Mode into one, seamless AI Search experience. So you can ask follow-up questions, build context, and received even more tailored and personalized responses This new AI Search experience is live today across desktop and mobile, worldwide.

@MaxForAI 法拉利老了还是法拉利

Anthropic已经不招聘技术专家以下程序员了👀 OpenAI的研究员Suvansh今天提到了一个传闻： Anthropic已经停止了招聘L6级别一下的人。 这件事如果是真的，其实个非常强烈的信号。 因为前段时间已经有一批原来CTO、CEO的人，去了Anthropic做Member of Technical Staff。 比如原Workday的CTO Peter Bailis，之前还是Google VP Engineering、Stanford CS教授、Sisu Data创始人。2026年3月/4月去了Anthropic，职位是Member of Technical Staff。 还有Mike Krieger是Instagram联合创始人、前CTO 2024年先以Anthropic CPO身份加入，2026年1月转去Anthropic Labs，title变成Member of Technical Staff，和Ben Mann一起带Labs，方向是Claude能力前沿上的实验产品。 特别是Niki Parmar，他是Transformer论文作者之一，前Adept AI联合创始人兼CTO，后来联合创办Essential AI。2025年初加入Anthropic，职位是Member of Technical Staff。 换句话说，Anthropic现在要的不是「便宜的Junior」，而是能直接站到模型、RL、Agent、infra火线上的老兵。 这就是现在CS就业最残酷的事情：初级工程师没有人需要了。 以前一个团队需要很多Junior写代码、补测试、接需求、做边角料。 现在这些事情，一个强工程师，带着一堆Claude Code、Codex、内部Agent，可能就能顶掉过去一个小组的产能。 所以问题来了：如果连Anthropic这种公司都觉得L6以下的人招进来性价比不高，那普通公司的Junior岗位还能剩多少？ AI先干掉的，可能不是程序员这个的职业。 而是各个行业里最依赖「有人带、有任务拆、有重复劳动练级」的那一层。 也就是刚毕业的那些人。。。 祝我那些在读硕士/博士的朋友们好运🙏 哦对，L6相当于⬇️ 阿里：大概P7 腾讯：大概T3-3 字节：大概3-1 百度：大概T7 美团：大概L8 华为：大概17

@KevinNaughtonJr 感谢先生大意

I was fired from Anthropic today. I was the engineer responsible for shipping the latest dev/claude-code npm package. Wanting to improve the debugging experience for the team, I decided to include source maps in the release. This resulted in our entire internal codebase being publicly exposed including thousands of files with every agent command, all system prompts, the complete query engine, Undercover Mode, Bypass Permissions Mode, and our internal telemetry configuration. I take full responsibility. I genuinely believed the safeguards Claude Code had built for me would be adequate and it was a serious miscalculation on my part. My actions have unintentionally open-sourced major parts of Claude’s architecture well ahead of schedule. I apologize to the team and to Claude.

最近openclaw泛滥，发一个龙虾大会合集 深圳： （3.06 🦞硬件）luma.com/t4nsz3qh （3.08 Web4 深圳站）luma.com/u9pldxxd （3.07 OpenClaw 聚会深圳）luma.com/t4d64k9z （3.08 深圳 Meetup）luma.com/whbt1o1h （3.08 Demo Day）luma.com/yj2yxiag （3.07 Demo Day）luma.com/openclawsz （3.07 AI meetup）mp.weixin.qq.com/s/XSuaOZ-msvbK… （3.14 EasyCLaw 深圳）luma.com/n8vyqn07 （3.15 EasyCLaw 深圳）luma.com/wy7tospf （3.24 Tintin 深圳）luma.com/tjcf47kf 北京： （3.14 EasyClaw 龙虾局）luma.com/29cdysjx （3.14 养虾社）mp.weixin.qq.com/s/UL80akANNY-3… （3.15 EasyClaw 龙虾局）luma.com/8i1lbsg4 （3.14-15 清华AttraX）mp.weixin.qq.com/s/NU1jXTEUBqEQ… （3.21 Tntin 北京站）luma.com/2m9qhiez 杭州： （3.06 杭州站- 已经报满）mp.weixin.qq.com/s/ol-S00hykPd0… （3.07 杭州开发者之夜）luma.com/openclawhangzh… （3.08 龙虾π｜赛博养虾者聚会）huodongxing.com/event/78503805… （3.15 Tintin杭州站）luma.com/event/evt-N6UG… （3.24 杭州 AI 大会）mp.weixin.qq.com/s/4ZYbv0drBCP4… （3.14 OpenClaw / OPC Meetup ）luma.com/bgiwebj6 香港： （3.07 Web4 香港站）luma.com/gul9ivv7 成都： （3.08 AWS）hdxu.cn/1FerA （3.14 Web4 成都站）hdxu.cn/1Fbns （3.08 龙虾大会 需要微信直接搜索）#小程序://粗门/z6t6zCKJai0Alcn 上海： （3.08） Openclaw （上海）luma.com/yygelhia （3.14 Tintin上海站）luma.com/9utfgguu （3.15 ADG 举办）huodongxing.com/event/88502601… （3.21 EasyClaw 上海）luma.com/6k5z2zo6 （3.22 EasyClaw 上海）luma.com/bgiwebj6 澳门： （3.14 Web4 深圳站）luma.com/0lckk1cb 线上： （3.05 有录播）mp.weixin.qq.com/s/bvcJ5ap6pWa7… （2.28 -3.05 有录播）mp.weixin.qq.com/s/jbu5Da6grGTb… （3.06 飞书 AI 大会）mp.weixin.qq.com/s/DytOGaQQHxQA…

Openclaw养龙虾的注意了，强烈推荐今天OpenAI发布的新模型 GPT-5.4，编程能力和Agent通用能力都大幅提升，API价格是Opus的一半，更重要的是支持使用Codex里面的额度

看到这篇文章思考很多 之前给企业做RAG的时候，是要将企业/行业的文档做成知识库，外挂给大模型形成行业专家。但是一直有一个疑问，很多经验和知识是存在专家身上，这些东西需要持续和他们互动，而且效率很低。不明白这些东西如何才能落地。A社在这方面还是很超前的，通过3个层级： 第1层级：如何落地垂直行业大模型？ 没有想着这么把这些专家经验装进知识库，也不是微调进模型中。想想专家的经验和知识是通过什么传达的，是通过语言，言传身教而来，这个就是 skill.md 中的说明，需要的资料和工具。行业专家写 skills，说给大模型听。 第2层级：用技术解决技术问题，也用技术解决与人的协作问题 mcp统一了工具调用的接口，但是安装和设置都需要很强的技术能力，同时上下文需要常驻内存，造成浪费。 为了让行业专家能参与进来，agent框架集成了Sandbox，它其实就是一个安全的程序运行时，python运行时，node运行时。大模型可以写代码调用，同样也可以运行预置的脚本/代码。为skills的运行创造了空间，而解决了运行时的安装和部署。 渐进式披露解决model context的问题，也是人在解决问题时探索的路径。 有没有发现，到这里行业专家只需要通过语言/文字就可以落地一个个专业的技能。 第3层级：skills解决一切 skill-creator的更新进一步解决了专家和Agent的磨合，功能型skill何时已经不需要了？偏好型skill是否严格遵循了工作流？这是一个测试专业skill的融合。 所以往后想想，往前看看，mcp好像越来越鸡肋，skills才是未来，而且越来越强，接近终极形态。

今天Anthropic对skill-creator()进行的了更新，代表了他们对最近agent skills的观察和未来演进的方向。 1、将Skills分为两类，代表了它们各自的测试重点 能力提升型 (Capability uplift)： 赋予 Claude 原生模型不具备或不稳定的能力（如复杂的文档创建）。测试重点在于观察原生模型进步后，该技能是否仍有必要。 偏好编码型 (Encoded preference)： 将特定团队的工作流（如 NDA 审核）标准化。测试重点在于验证其是否严格遵循了既定流程。 2、Skill-creator主要更新 2.1. 引入Evals（评估测试）： 作者可以定义测试提示词和预期结果，检查技能在模型更迭后是否出现“质量退化”（Regression）。 2.2. 基准测试模式 (Benchmark mode)： 自动运行标准化评估，追踪通过率、耗时和 Token 消耗。 3、未来展望 随着模型能力的提升，未来的skills可能只需一段自然语言描述“做什么”，而无需详细说明“怎么做”。这里的意思是模型能力的提高，它知道“某个技能”是什么 claude.com/blog/improving… agentskills.so/skills/anthrop…

将mdx项目编译到CF workers过程中就会报错，第一反应肯定是让AI来解决，在cursor里试了一圈大模型，改了N次都没办法解决。 最后自己研究后的解决方案是，把 MDX 的解析和编译提前到构建阶段，而不是在每次请求时再做。 下面是完整的NextJS配置： 1、next.config.mjs import { createMDX } from 'fumadocs-mdx/next'; const withMDX = createMDX(); export default withMDX(nextConfig); // createMDX() 是 fumadocs-mdx 提供的 Next.js 配置包装器。它返回一个高阶函数 withMDX，用来修改 Next.js 的构建配置，使项目支持 fumadocs-mdx 的内容流程。 // 模块加载（next.config.mjs 被 Node 读取） // ↓ //const withMDX = createMDX(); // 调用一次，得到包装函数 // ↓ //export default withMDX(nextConfig); // 每次 Next 启动时执行 2、source.config.ts export const posts = defineDocs({ dir: 'content/posts', }); //内容源配置 3、package.json "scripts": { ... "postinstall": "fumadocs-mdx", ... } //pnpm install 或 npm install 后会执行 fumadocs-mdx，根据 source.config.ts 扫描 content/posts 并生成 .source 目录。 4、source.ts import { docs, logs, pages, posts } from '@/.source'; // Posts source export const postsSource = loader({ baseUrl: '/blog', source: posts.toFumadocsSource(), i18n, icon: iconHelper, }); //创建 postsSource //baseUrl: '/blog'：博客基础路径 //posts 来自 source.config.ts 的 defineDocs 5、代码使用 const mdxPost = await postsSource.getPage(slug);

MDX格式的文件和轻松部署在NextJS项目中，但是在Cloudflare中就不行。因为NextJS支持完成NodeJS的API，包括文件系统fs的读写，而CF不支持。 因为最近需要将Docs/Blog系统集成到自己的项目中，一般我们会采用从DB中读取markdown格式的文章然后通过react组件渲染在页面上。但是文章的撰写和预览就比较麻烦，但是通过MDX格式就可以轻松实现。 MDX是什么格式？MDX = Markdown + JSX 在 MDX 里可以混用 Markdown 和 React 组件，这是普通 Markdown 做不到的。

@yanhua1010 明明是两个坏消息和四个好消息

对独立开发者来说，一个坏消息，一个好消息 🔴 坏消息：机会变小了 Before：做一个小而美的SaaS，卖给初创团队 Now：现在这些团队自己造了，你的市场在萎缩，尤其是那些"效率工具"、"工作流工具"类产品 竞争格局变了 Before：独立开发者 vs 大SaaS公司 → 你有机会赢在灵活性 Now：独立开发者 vs AI加速的内部团队 → 他们更快更懂业务 🟢 好消息：新的机会窗口 1. 卖工具给不会造的人 AI原生团队是少数，绝大多数公司： •没有内部开发者 •不想自己造 •依然需要现成工具 你的目标用户变了：从"前卫团队"变成"普通公司" 2. 做"造工具的工具" 既然大家都在造内部工具，那： •开发框架/模板 •内部工具的快速搭建平台 •专门给非技术团队用的"低代码+AI"方案 3. 垂直领域的深度定制 内部团队造工具，但： •他们只懂自己的业务 •对行业最佳实践了解有限 你可以： •做某个垂直领域的"最佳实践工具包" •把行业know-how打包成可定制的产品 •让他们不用从零开始 4. 做AI的AI 内部团队用AI加速开发，但： •每个团队都在重复踩坑 •缺少标准化流程 你可以： •把"如何用AI快速造工具"的方法论产品化 •卖的是经验，不是代码 💡 我的建议：别跟趋势对着干 1. 如果AI原生团队都要自己造工具了： •别试图说服他们买你的SaaS •他们不是你的用户了 2. 找到新的人群 •传统企业转型 •中小团队（养不起内部开发） •非技术创业者 3. 或者，换赛道 如果工具产品这条路变难了： •做内容/知识付费（教别人怎么造工具） •做咨询/服务（帮他们造） •做基础设施（API、组件库） 一句话总结： 以前你卖的是"工具"，现在你可以卖的是"工具的能力"或"造工具的方法"。 独立开发者不会被淘汰，但得换个思路。

@xiaohu 以改变世界为目标的创业就不傻了吗

今年开始 所有以App和SaaS为目标的创业 都看似很愚蠢

第二步，配置分流 为什么要配置分流呢，可以有效降低延迟，对本地流量直接访问，对特定流量经过代理访问，也可以降低流量消耗。 1、在Profile中右击之前修改的机场订阅文件，点击Edit Rule，如图1所示，在这里可以添加你想要的规则匹配和经过的Proxies Group，这也就是为什么第一步中我们要将住宅Proxy加入的Group的原因。同时规则匹配完全匹配，也可以后缀匹配，选择DOMAIN-SUFFIX. 2、如图2，按照图中1-5操作，同样住宅要在后面，这样就完成设置了。 Tips：设置完成后，默认是浏览器中启用了代理设置，如果我们要在软件中使用，就要配置软件的proxy，一般都提供配置。如果是终端，我们需要按照如下配置： export http_proxy="http://127.0.0.1:7897" export https_proxy="http://127.0.0.1:7897"

第一步，配置链式代理 当我们购买了静态住宅IP后，我们如果直接在Clash Verge上配置是连接不上的，可能特征比较明显被拦截了，所以我们需要采用的是链式代理模式。 1、如图1，将我们购买的IP配置上来，包含ip，端口，账户名和密码，存在一个yaml文件中，然后推拽到Profile中，就是2了。其中的1是可以导入我们其他的机场订阅。 mixed-port: 7890 allow-lan: true mode: rule log-level: info proxies: - name: "Proxy-cheap" type: socks5 server: xxx port: xxx username: "xxx" password: "xxx" udp: true 2、试了很多次，直接使用上一步中yaml是无法连接成功的。所以需要配置链式，也就是通过一个机场节点绕开限制，然后再连住宅IP就可以了。具体步骤如图2，右击一个机场的profile，点击Edit File，在打开的机场配置中，加入我们住宅ip的配置，同时加入一个你需要Proxy Group中，如图3 3、如图所示，按照1-5步操作，其中IP住宅节点必须放在机场节点后面，选择了Global模式是让所有的流量都通过代理，完成这些步骤，也就可以“有质量的”访问外网了 Tips：机场梯子和住宅IP最好选择在同样的国家或区域，减少延迟。

一文搞懂出海网络，关键在于机场梯子+静态住宅IP，可以实现Antropic，google，Openai等API和产品的使用。把代理的模式，配置，原理搞清楚。 如图所示，以Clash Verge为例，代理有三种模式。 下面讲清楚配置和原理

@AppSaildotDEV 这个功能有什么用

好像很多朋友都用不了 Let Chrome browse for you ，按钮不可点击 我有个猜测：可能是因为使用了教育优惠？所以会出现那个 This setting is managed by your administer 有使用教育优惠然后能 控制 Chrome 的推友吗

我是google的粉丝，也是Cloudflare的粉丝。不要问为什么，如果你在AI/出海/全栈领域待得足够久就自然会懂。 今天解决的一个问题是当severless遇上耗时任务生成时，比如AI Video生成，可以参考下面的设计。当然也是基于CF的

@canghe 真正的西部世界