Jason Chao @Think.As.Model
2.6K posts
Jason Chao @Think.As.Model
@qianli
// 用 AI 解决只有人类才有的问题 // 从前头部信用科技联创到中老年 AI 创业者 // 造晴芽有方：帮抑郁症青少年的家长撑过冲突后10分钟
Katılım Mart 2007
1.1K Takip Edilen527 Takipçiler
用 Claude Code做复杂项目时经常会用到多个作者的Skill，就会遇到个头疼的问题：不同 Skill 各自为战，进度追踪完全割裂。比如 brainstorming skill 把计划写在 docs/specs/ 里，gstack skill 写在自己的~/.gstack/目录中，ce:work又有自己的进度记录。一个项目会用到3-4 个 skill，进度散落在四五个文件里，再加上我时长会插入新的想法，时间久了，自己容易忘记"现在做到哪了，下一步要做什么"。这时候，试验了一个简单的解法，在 CLAUDE.md 里加一条强制规则：
===
所有 Skill 生成的任务，必须同步写入
tasks/todo.md
各 Skill 可以保留自己的计划文档，但可执行的 task items 必须在 todo.md 中有对应条目，且标注来源 Skill：
- [ ] 实现冲突检测引擎 [skill:ce-plan]
- [x] 设计 API 接口 [skill:writing-plans]
===
本质上就是给 AI Agent 立了个"制度"：你们可以各干各的活，但进度汇报必须交到同一张表上。 目前看效果还不错，再也不用在多个文件间来回跳了。
中文
我应该是在一开放GPT PRO就付费的😅，可我现在真的不怎么用了
宝玉@dotey
OpenAI 给 ChatGPT Pro 早期订阅者送了个小礼物：一支限量版纪念笔。 这次福利面向前 4000 名填表申领的 Pro 用户，填表不保证资格，部分国家可能无法配送。
中文
一个判断：在模型能力增强的同时，Skill将取代软件成为我们完成任务的主要接口，而Skill的复杂度也会随之越来越高
中文
@vista8 如果只用linux终端程序，不装桌面，直接orbstack创建一个虚拟机非常方便，速度也很快，如果装桌面，也可以试试lume
中文
想 Mac 上跑个 Linux 程序，结果要么装个虚拟机（慢得要死），要么用 XQuartz（界面丑到让人怀疑人生）。
Cocoa-Way 想解决的就是这个问题：
它能让 Linux 应用能像 macOS 原生应用一样，直接显示在你的桌面上。
传统方案都有各自的痛点：
① 虚拟机：要跑整个操作系统，延迟高，资源占用大
② XQuartz：基于老旧的 X11 协议，HiDPI 支持差，窗口管理也很别扭
③ VNC/远程桌面：全屏模式，没法和 macOS 窗口混用
Cocoa-Way直接实现了 Wayland 协议（Linux 下新一代的显示协议）。
通过 Unix socket 和 Linux 应用通信，然后用 Metal/OpenGL 在 macOS 上渲染。
自己不用Linux，但感觉这个工具可能有朋友需要，Github见评论区。
中文
Serious question: Is it time to start charging for Agent Skills? 🧵
I believe monetization is totally justified in these 3 scenarios:
1️⃣ The "Secret Sauce": Skills built on personal experience and tacit knowledge. They offer high-moat, differentiated value that’s hard to replicate. (If @garrytan charged for Gstack, I’d pay in a heartbeat.)
2️⃣ Vertical Solutions: Industry-specific tools that solve niche professional pain points. These are basically "Micro-SaaS" for specific sectors.
3️⃣ Data-Driven Services: Skills tied to premium data sources. If the underlying data has a cost, charging for the service is only logical.
What’s your take? Is the "Free Skill" era coming to an end?
English
大多数语音输入法都在变得越来越臃肿：
要登录、要订阅、要联网、要加一堆新功能，要学习一堆新交互。
世界，不应该这样。
输入，就应该专注。
于是我们做了 TypeNo。
TypeNo 是一款面向 macOS 的极简语音输入法：
- 永远免费，永远开源
- 本地模型，保护隐私
- 轻量模型，节省内存
按下 Control，开始说话；
再按一次，自动转录，自动粘贴到当前应用。
一切极简，再无其他功能。
没有账号。
没有订阅。
没有多余 UI。
没有“为了 AI 而 AI”的复杂感。
Typeless 每月 30 美金。
TypeNo 免费。
如果你愿意，欢迎试用，也欢迎给个 star：
项目地址：github.com/marswaveai/Typ…
中文
@lifesinger @zhang_benita @sainingxie 人在成为智能生物之前肯定就知道手放到火上烤会痛，这个例子不能说明视觉触觉之类的和智能有必然关系，动物都有视觉触觉，只有人才有复杂的语言系统
中文
听小珺 @zhang_benita 访谈谢赛宁 @sainingxie 的播客，太过瘾了。太多感触，说几个印象最深的点：
1. 世界模型远大于语言模型。我们每个人脑子里都有一个世界模型，比如知道把手放到火上烤会很痛，由此就不会把手放在火上烤。让你不会无缘由把手放在火上烤的模型，就是世界模型。
2. 世界模型是：Next state = M(state, action）。这个 M 就是世界模型。M 不是预测 next token，而是预测 next state. 比如：手很痛 = M(手不在火上, 把手放在火上)。世界模型的预测能力，可以让拥有世界模型能力的生命知道不做什么或做什么。
3. 从世界模型的视角再看大语言模型，就会发现语言的核心是沟通。沟通就意味着存在监督：说出来的，往往是加工过的。LLM 是毒药，Vision 才是无污染的。
4. Scaling law 是吞数据的能力。数据越多，效果越好。LLM 需要 Scaling law，可世界模型不一定需要。这是最有意思的部分，也是最难的部分。谢赛宁头大中，期待某种玄学的力量，突然某天能点连成线，灵光开悟。那样，就可以开始造生灵。
5. 用非机器人的方式，或许能真正解决机器人的困境。机器人领域，可能正在经历 LLM 领域曾经的 Bitter Lesson. 比如春晚的机器人炫技，或许只是曾经 CV 领域的识别猫猫狗狗。
6. 硅谷陷在 LLM 的述事里。硅谷之外的地方，对世界模型非常感兴趣。真正的智能，还在黑暗的探索期。语言很重要，然而整个宇宙的历史里，如果压缩到一天，有语言的时间，才几秒。
7. 人依旧很重要。比如 research taste、比如做研究实验时的 choices 等等。《金刚经》能提升人的独立思考性和研究品味。
8. Impact 不重要。奔着 impact 去做事，是一种自私。分享出来，让读者有启发，激发读者去做些事，这才是发 paper 的价值。
谢赛宁太可爱了。听完后，特别期待小珺下一期采访恺明。
张小珺 Xiaojun Zhang@zhang_benita
和@sainingxie 一起挑战7小时播客！他刚和Yann LeCun踏上“世界模型”的创业旅程（AMI Labs）。这是他第一次Podcast、第一次访谈。 2026年2月雪后的一天，我们在纽约布鲁克林，从下午2点，开启了一场始料未及的马拉松式访谈，直到凌晨时分散去。 这篇访谈的中文标题叫做《逃出硅谷》，但他又不厌其烦地枚举了影响他学术生涯的每一个人，并反反复复口头描摹这些人的人物特征（侯晓迪、何恺明、杨立昆、李飞飞…）正是这些，让这篇“逃出硅谷”的对话充斥着人性的温度。 By the way, 下面是访谈的YouTube版本，我们提供了中英字幕。 And yes, 我们是在用播客给这个世界建模😎 A 7-hour podcast with Saining Xie. He has just begun a new journey on world models with Yann LeCun at AMI Labs. This was his first podcast appearance and his first long-form interview. A day after the snowfall in February 2026, in Brooklyn, New York, we started recording at 2 p.m. What followed became an unexpected marathon conversation that lasted until the early hours of the morning. The Chinese title of the interview is “Escaping Silicon Valley.” Yet throughout the conversation, he patiently listed the people who shaped his academic life, repeatedly sketching their personalities in vivid detail: Hou Xiaodi, Kaiming He, Yann LeCun, Fei-Fei Li, and others. These portraits are what give this “escape from Silicon Valley” conversation its human warmth. By the way, the YouTube version of the interview is below, with Chinese and English subtitles. And yes, we are using podcasts to model the world 😎 A 7-hour marathon interview with Saining Xie: World Models, AMI Labs, Ya... youtu.be/rIwgZWzUKm8?si… 来自 @YouTube
中文
@chunxiangai 你是对的，不过从你下面的回复中能看到，很多人还没意识到这种趋势，随着AI能力却来越强，软件的生产方式和形态正在发生颠覆性变化，传统软件的基座是操作系统，形态是一套代码，而AI时代的“软件”，基座是大模型，形态是“Skill"（或类似形态的东西，但可能更为简化）
中文
最近一个月，不是我销声匿迹了，是AI编程的时代已经结束了。
工程师的架构经验、巧思、前瞻、代码坏味道直觉，以及最重要的——在软件大方向上的定调和指挥的价值，正在呈断崖式下跌。
最近一个月，最常用的提示词是：顺着你的新思路走。因为在接收到大量启发式反问之后，我越来越感到，"爹味先验"和"自信的人择"，正在限制AI的能力。
最近一个月，越来越多地看到人们轻而易举地制作出自己想要的工具，一夜之间，一小时，不再是一个可以被嘲讽的自媒体噱头。人人都自恋，使用自己的工具，打磨自己的工具，这件事情开始像短视频一样杀时间。
最近一个月，我开始意识到，软件诞生所需的时间，和它的生命周期一样，越来越短暂。接下来的日子，软件不需要被迭代，只需要被不断生成。所有的版本都是临时版本，就连最终版本也是"重新生成"，而非迭代而来。
当"重构成本"，这个过往使软件必须始终如一地发展下去的引力基石，在成本上被瓦解。意味着AI开始像霍金辐射一样蒸发着人类在软件工程上的一切经验所凝固而成的黑洞。一切都变得柔软而不再重要了。
人们没有那么多时间再陪着AI闹了，他已经开始满场跑，不停地扣篮。在短短一年时间里，人先是在场上，让AI给他传球。后来，把球传给AI。
再后来，人心想，做教练。
教练做了两个月，人回到了观众席。坐在观众席，背后凉凉的，那是因为背后就是球馆通道，吹来了阵阵的冷风。
走在江边，江水，草地，人群，变得比往日更加鲜活，动人。他们是唯一不可以生成的东西了。
中文
