A

@lexi_labs @mranti Food safety condition makes it impossible

我们在教育上，有个因素一直没有被充分考虑过，这就是： 👉 最近10到20年出生的孩子，可能真能活到 150 岁。

@rwayne 儒家文化潜移默化的影响

中国的大学是怎么做到每一节课都有种白来的感觉

@KKaWSB 你找到了磷，制备好了磷化氢，但你没有离子植入机台，也不知道怎么长n型半导体，凝聚态物理和半导体器件物理连影子都还没有，你要怎么把这个“遗憾”变现

@bearliu Apple is a hardware company

苹果这种体量的公司，感觉资源可以做地球上任何事。 结果： 1. 游戏搞半天不成 2. Siri 是个大白痴 AI 一塌糊涂，真是奇怪了。

@Rumoreconomy 这就好比你在春运车厢问，你抢到票了吗

好像攀升那张图😨

这可能是目前科技界最搞笑的图表了。 苹果的资本支出策略堪称历史上最幸运的意外： 亚马逊、微软、Meta、谷歌正在进行一场支出竞赛，每个季度在数据中心投入超过 1000 亿美元——而苹果的支出却下降了 19%。 同时： Mac Mini 都卖光了，因为大家都买来运行 OpenClaw。 Mac Studios 目前积压了 6 周的工作。 刚刚宣布推出全新MacBook Neo预计也会供不应求 昨天有人在 iPhone 上运行了 Qwen 3.5。 M5 Max 出厂时配备 128GB 统一内存，并且可以从任何地方运行 Llama 70B。 在人工智能基础设施上投入最少的公司，却意外地成为了人工智能基础设施的领头羊。

@shrine791 @sodawhite_dev lmao

@sodawhite_dev 领导给你的机密文件，你反手就发给美国公司，真有你的。

今天体会到了顶级大模型的好处。 今天早上领导给我两个文件让我翻译一下。 一个PDF，一个PPT。 当时电脑上正好开着两个窗口，一个chatgpt Plus版本，一个claude 免费版本，然后我就把文件同时发给这两货。 过了一会都干完了，chatgpt给我一个链接，然后下载不下来。 问了几次给我个正确的链接，勉强能用，PPT还好，我能手动调一下。PDF让我咋调…… 然后claude这边，一边干一边能看到状态。 干完直接点击下载，打开惊呆我了。格式什么的完全不变，完全可以直接用。 这一刻，我明白了，这段时间为什么大家这么多充值claude，我也准备充值了。

在使用 AI 辅助编程时，代码写得快不是问题，问题是每次生成的代码都像"一次性作品"，没法沉淀成团队资产，下次遇到类似需求还得从头来过。 刚开源两天，便斩获 2000+ Star 的 Claude Code Showcase 这个项目，展示了如何通过配置文件将 Claude Code 打造成真正的 “高级工程师”。 核心思路是建立可复用的 “技能库”和“智能体”系统：用 SKILL.md 文档教会 Claude 你的编码规范、测试模式、GraphQL 结构等，用 Agent 自动执行代码审查、PR 管理等复杂任务。 GitHub：github.com/ChrisWiles/cla… 还整合了 JIRA/Linear 工作流，让 Claude 可以读取需求、实现功能、更新工单状态，甚至自动创建 Bug 单。 再通过 GitHub Actions，实现了 PR 自动审查、每周代码质量检查、每月文档同步等自动化维护。 项目提供了完整的配置示例，包括 hooks 钩子、MCP 服务器配置、LSP 代码智能、技能评估系统等，还有详细的最佳实践指南，值得各位开发者深入研究。

@bearliu 这就是LLM是基于概率输出token外在可视化。🤣

一个Newsletter读到的文章。 作者在夸CC，而且告诉大家不要误以为只这是给程序员用的工具，其实有很多场景，建议人人都快用起来。 翻译下： Claude Code：AI 能独立干活了 打开 Claude Code，我给了它一个指令：「帮我想个能月入 1000 美元的在线生意，你负责从想法到实现的所有工作。 我什么都不用做，只需要运行你给我的程序就行。记住，我不懂编程，所以一切都要能直接用。」 AI 问了我三个选择题，然后决定：卖一套 500 个专业提示词，定价 39 美元。 接下来发生的事有点魔幻。 它独自工作了 1 小时 14 分钟，创建了几百个代码文件和提示词。 然后给了我一个文件，运行后直接部署了一个能用的网站——甚至包括那些看起来很可疑的假评论。 你可以看看这个网站，我把支付链接删了，但它确实能收钱。 说实话，如果我放下良心真的去卖这些提示词包，月入 1000 美元应该不是问题。 这就是 Claude Code，最近一个月突然变强的新一代 AI 编程工具之一。 为什么突然变强了？ 不是因为某个技术突破，而是两个进步的组合： 第一，AI 能自己干更多活了。 最新的 AI 可以自主工作更长时间，还能自己改错，特别是在编程任务上。 第二，AI 有了工具箱。 它们被赋予了一套「Agent工具」，可以用新方法解决问题。 这两个因素叠加，让最近几个月的 AI 工具能力大跃进。 METR 的追踪数据显示，AI 能以 50% 可靠性完成的任务长度（按人类专业人士需要的时间衡量）呈指数增长，最近几个月尤其明显。 可惜，这些工具是给程序员用的。 真的是专门给程序员用的。 它们假设你懂 Python 命令和编程最佳实践，界面看起来像 1980 年代的计算机实验室。 这其实挺遗憾的。 因为这些系统对各类知识工作者都很有用。 通过看看它们能做什么（自己试试），你能学到很多关于 AI 未来的东西。 回到那个创业公司的例子。 虽然很厉害，但这只是 Claude Code 能力的一小部分。 我让它从不同用户角度测试这个网站，给我一份报告。 它调用了工具之一：连接我电脑上的浏览器。Claude 控制了浏览器，像人一样浏览网站。 第一次它给了个挺乐观的报告，但因为我知道 AI 倾向于讨好人，我又让它给个更批判性的版本。 第二份报告确实更好地指出了潜在问题（还发现了网站上那些可疑的假评论）。 下一步？我可以轻松让它实现这些建议，几乎不需要我的输入就能继续推进。 魔法技巧 Claude Code 之所以这么强，是因为它用了很多技巧来克服大语言模型的问题。 技巧一：压缩记忆 有个有趣的事发生了：AI 做用户研究时，它的上下文窗口满了。 你可能知道，AI 一次只能「记住」这么多信息。 这个上下文窗口虽然按人类标准很长（15 万字以上），但会很快被填满。 因为它包含你的整个对话、AI 读的每个文档、看的每张图片，还有引导 AI 的初始系统提示。 AI 没有真正的长期记忆。 一旦上下文窗口满了，AI 就记不住别的了。 如果只是闲聊，这不是问题。 和 ChatGPT 的长对话会有滚动上下文窗口，AI 不断忘记最早的对话部分，但通常能根据最近的讨论即兴应对。 但如果你在做真正的工作，让 AI 在读新代码时忘记一些旧代码就成了大问题。 Claude Code 用不同方式处理这个问题。 当它用完上下文时，会停下来「压缩」到目前为止的对话，准确记录它停在哪里。 然后清空上下文窗口，新版本的 Claude Code 读取笔记并回顾进度。 就像电影《记忆碎片》里的失忆主角每次醒来都看自己的纹身。 这些笔记给 Claude 继续前进所需的一切。 这就是为什么 Claude 可以连续运行几个小时，它会仔细记录自己在做什么，并产生中间工作成果，比如软件片段和报告，可以随时参考。 技巧二：技能Skill系统 你知道的，用户必须提示 AI 做事。 这些提示就像指令。 随着 AI 变聪明，它们在执行复杂提示方面好多了，甚至是上百页的长提示。 但这些长提示会占用很多上下文窗口，而且需要在正确的时间给 AI 正确的提示。 这意味着你作为人类必须不断提示 AI，或者设计一个复杂的自动化系统不断给 AI 喂提示。 技能（Skills）解决了这个问题。 它们是 AI 自己决定何时使用的指令，不仅包含提示，还包含完成任务所需的工具集。 需要知道如何建一个好网站？ 它加载网站创建技能，解释如何建网站以及使用什么工具。 需要建 Excel 表格？它加载 Excel 技能及其指令和工具。 再打个电影比方，就像《黑客帝国》里尼奥把武术指令上传到脑子里获得新技能：「我会功夫了。」 技能可以让 AI 根据需要交换知识来覆盖整个流程。 比如 Jesse Vincent 发布了一套有趣的免费技能列表，让 Claude Code 处理完整的软件开发流程，根据需要获取技能，从头脑风暴和规划开始，一直到测试代码。 技能创建在技术上很容易，用普通语言完成，AI 实际上可以帮你创建它们。 技巧三：子代理（Sub agent） 除了技能，Claude Code 还有其他技巧来管理有限的上下文窗口和解决难题。 它可以创建子代理——有效地启动其他专门的 AI 来解决特定问题。 这在很多方面都有用。 因为 Opus 是一个大型、昂贵的模型，它可以把简单任务交给更便宜、更快的模型。 它还允许 Claude 同时运行许多不同的流程，让它像团队而不是个人一样工作。 这些模型可以非常专业，有自己的上下文窗口。 比如，我为研究和图像创建建立了单独的子代理。 主 AI 模型在需要时「雇用」这些代理来做专门工作。 你甚至不需要创建自己的工具。 任何人都可以分享技能或子代理，想让 AI 代理使用他们产品的公司可以使用一种叫模型上下文协议（MCP）的方法给任何 AI 指令和访问权限。 有出版商的 MCP 让 AI 访问科学论文做研究，有支付公司的 MCP 让 AI 分析财务数据，有软件提供商的 MCP 让 AI 使用特定软件产品，等等。 结果是一个非常灵活的系统，像 Claude Opus 4.5 这样聪明的通才 AI 可以即时应用专业技能，根据需要使用工具，并跟踪自己在做什么。 Claude Code 特别强大，因为它在你的电脑上工作，处理你的文件。 现在你有了一个几乎可以做任何有权访问你机器的人能做的事的 AI。 它可以读取你的所有文件并创建新文件（PowerPoint 和 Word 归根结底只是代码，Claude 知道如何写代码），使用你的浏览器访问网络，为你编写和执行程序，等等。 当然，AI 不是完美的。 给 AI 访问你的浏览器和电脑会带来各种新的风险和危险。AI 可能会删除不该删的文件，执行有意外后果的代码，或访问浏览器中的敏感数据。 尽管有这些警告，我还是要给你一个非常快速的 Claude Code 介绍。 但要做备份，使用专用文件夹，不要让它访问你承受不起丢失的任何东西。 业余爱好者的 Claude Code 指南 虽然我在之前的截图中一直使用 Claude Code 的命令行界面，但有一个更简单的方法（从昨天开始！）访问 Claude Code。 你可以用 Claude Desktop 做到这一点，可以从官网下载安装（长期使用至少需要每月 20 美元的订阅）。 现在桌面版本的功能比命令行界面少一些，但对业余爱好者来说容易多了。 给 AI 访问一个文件夹（记住 Claude 可以对该文件夹中的文件做任何事，所以如果是敏感的要小心，做个备份）。 然后你就可以开始和 AI 工作了：让它研究和写报告，让它访问你的信用卡记录，这样它可以把它们放入电子表格并告诉你任何异常，让它做数据可视化，或者你喜欢的任何其他事情。 我提到的最强大的选项是通过以「/」开头的斜杠命令访问的。 输入 /agents 让你设置子代理，/skills 让你创建或下载技能，等等（桌面版本的斜杠命令有限，但完整集合即将推出）。 人们使用 Claude Code 的方式有很多，所以你可以试验找出适合你的方法。 但我也建议用它来实际编码，即使你不是程序员。 比如，我写这篇文章时，偶尔会去一个 Claude Code 窗口，让 AI 为我做一个游戏玩： 一个历史模拟，文明兴衰，发展自己的语言、文化和经济。 每隔几分钟，我会给 AI 另一个看似不可能的请求： 确保世界有自己的板块构造和天气； 跟踪统治者的家谱； 内置一个 AI 戏剧性地总结事件，等等。 每次更改后，AI 都会玩测试结果并产生游戏的新版本。 与以前的氛围编码体验不同，AI 从未卡住或绕圈子，一切都很顺利。 看看下面的视频。我确信它充满了有能力的程序员会发现的问题，但你可以在这里下载结果（AI 也处理了那部分）。 这意味着什么？ 如果你是程序员，你应该已经在探索这些工具了。 如果你和编程相关（处理数据的学者、想用代码试验的设计师、任何想尝试构建自己想象的东西的人），这是你试验的时刻。 但有一个观点：有了正确的工具，今天的 AI 能够做真正的、持续的、实际重要的工作。 这反过来开始改变我们处理任务的方式。 不出所料，这从编程开始。 AI 界最著名的程序员之一 Andrej Karpathy 最近发帖说：「作为程序员，我从未感到如此落后。 这个职业正在被戏剧性地重构，因为程序员贡献的部分越来越稀疏和分散。 我有一种感觉，如果我能正确地把过去一年左右变得可用的东西串在一起，我可以强大 10 倍，而未能获得这种提升感觉明显像是技能问题。」 不要被当前 Claude Code 的笨拙或它对编程的专业化所迷惑。 让 AI 为其他知识任务工作的新工具在不久的将来会出现，它们将带来的变化也会随之而来。

@ljhspurs @dotey 做进支付宝不就行了吗，太简单了

@dotey 是的，就像腾讯的元宝，背靠微信根本不用做什么推广 而阿里千问天天在B站发广告

@sorrymaker342 @lidangzzz 人的消费观念潜移默化地被政策影响，其实是有道理的

@lidangzzz 你说的这些原因都是皮毛中的皮毛，无语，这也能写一篇文章

前些年因为朴素的观念，觉得浪费食物不好，宣传“光盘行动”、“禁止浪费”， 后来才发现，原来大吃大喝也是消费，而且食品的浪费80%以上都在运输物流和生产的过程中，让老百姓“节约粮食”完全是无稽之谈。 现在再怎么刺激消费，老百姓也主动消费降级，彻底不敢大吃大喝了，直接把你社会零售给干没了。 前些年还觉得富人住豪宅不顺眼，下发严格的“限墅令”，避免造奢华大别墅，造成富人攀比， 现在富人们都住鸽子笼里了，房地产业彻底崩盘了，土地财政死翘翘，限墅令逐渐取消了，各地造大量叠拼联排独栋也全都卖不出去了， 现在取消限制，富人也不愿意买别墅了，甚至不愿意买任何中国大陆的垃圾房产了——因为早早把钱转移到Irvine买加州学区房了。 前些年还推行双减、取消教培，觉得“大家都取消教培，就能给学生减负”，当年服务业PMI暴跌，大批教培老师和从业者直接失业， 结果发现，取消了教培，只要高考制度不变，就没办法减负， 反而现在因为学生彻底没了，一批小学教培和公立幼儿园小学都面临关闭的风险，双减政策算是被人口铁拳直接落实了。 而真正的有钱人，对孩子的教育已经全在英美加澳，真金白银的美元全在这些地方花掉了，基本和国内教育产业绝缘了。 其实但凡前些年鼓励鼓励消费，鼓励老百姓平时自费大吃大喝，鼓励国内的富人住豪宅、开豪车，鼓励国内放开机动车牌照，鼓励一线城市年薪30万~300万这个群体随便买车，鼓励私立顶级大学，鼓励富人把家里的傻孩子留在国内花钱读顶级私立大学和LAC文理学院， 疫情后的社零消费增量也不会像今天这么萎靡。

我本来以为Agent就是人的原型，通过学习各种skill(技能)打磨workflow(工作流)来提升自己。 我通过和一个高人聊过之后发现大错特错❌ 这里面有三个概念，我是搞反了。 第一、Workflow（工作流） 你每天回邮件、做表格、撕逼、写周报。 在AI眼里，这叫Inference（推理）。 这就是纯耗材。 资本买你的时间，就是为了买你的推理。 他们最希望把你的Temperature设为 0。 不要创新，不要随机，只要像头驴一样稳定输出。 很多大厂P7、P8，哪怕年薪百万 本质上也就是个高频低延迟的API接口。 过去一年你跑了多少个Token？ 跑得越多，显卡磨损越快，离报废越近。 第二、Skills（技能） 你会Python，会剪辑，会写复杂的prompt。 这叫Function Calling（工具调用）。 以前我们信奉技多不压身。 现在？ 这是贬值最快的资产。 你苦练了三年的画图技巧， Nano Banana一出来就给你秒了。 你背了一万个单词，也就是个低配版的谷歌翻译。 沉迷堆砌Skills，就是在跟摩尔定律赛跑。 注定输得底裤都不剩。 第三、LLM（大模型） 你的世界观，你的底层逻辑，你的决策框架。 这才是你的Base Model。 也是你唯一的护城河。 但悲剧就在这：99%的人，出厂设置即巅峰。 往后几十年，都在用同一个版本的Windows 95跑新地图。 你在公司卷了五年 Workflow跑得冒烟了 Skills背包塞满了 但你的LLM版本还是GPT-2。 遇到点复杂问题，直接蓝屏。 这个世界的真相很残酷： 系统设计出来，就是为了锁死你的算力。 它给你发工资，用Workflow填满你的时间 用房贷车贷，锁住你的风险偏好 就是为了不让你有空闲去Fine-tuning（微调）你的大脑。 毕竟，觉醒的 Agent 不好管。 听一句劝： 2026年，别再傻乎乎地卷工作量了。 那叫无效熵增。 停下来。 减少Inference，增加Training。 去读难读的书，去见厉害的人，去复盘最痛苦的亏损。 哪怕每天发呆一小时 也比在群里抢两块钱红包有价值。 那是你在更新权重。 你是想做一辈子随时可被替换的 API？ 还是想做一个拥有Opus 4.5 级别认知的操盘手？ 算力有限。 别把你的CPU，烧在毫无意义的死循环里。 哦，对了和我聊的高人叫“脑总”

@dotey A brief review of AI 2025👍👍

这份年终众包调研来自我在 X 上的随手一问，问了三个问题：2025 年 AI 最关键的技术突破是什么？哪些产品让你眼前一亮？2026 年什么趋势不可忽视？ 没想到收到了这么多认真的回复。我花了一两个小时时间，把这些留言和答案汇总整理了一下。 127 条留言，95 个人回答了同样的三个问题。 看完所有答案，我发现大家虽然各有侧重，但在某些判断上出奇一致。答案五花八门，但有些词频繁出现：推理 (Reasoning)、Agent (智能体)、Claude Code、Manus、Nano Banana Pro、NotebookLM、具身智能 (Embodied AI)。 这组词频里有个共同点：“聊天”这个词几乎没人提起了，“干活”这个词开始更多被提起了。 【1】推理革命：AI 学会了慢下来 如果要选 2025 年最重要的技术突破，答案几乎没有悬念——推理能力的工程化落地。 三疯 (@ 3fenglife) 的表述最精准：从“预测下一个词”到“预测下一步行动”。以前的 AI 像个反应快但不过脑子的人，张口就来，经常胡说八道。2025 年的突破在于，AI 学会了在回答之前先想一想——做内部推演、自我检查、发现错误就纠正。 技术上这叫 System 2 Thinking，或者叫 test-time scaling。AI 从“快思考”进化到了“慢思考”。o1、o3、DeepSeek R1 这些模型，都是这条路线的产物。 Ray Zhai(@ Cryptoxorz) 还补充了一个视角——当 AI 开始像人类一样拥有“慢思考”的逻辑链，并能理解真实世界的因果律时，AI 才算真正拿到了进入物理世界的入场券。 岚叔 (@ LufzzLiz) 和 Xin(@ Xin_Jin1018) 点名了一个关键技术：RLVR，基于可验证奖励的强化学习。 以前训练模型需要大量人工标注的数据，告诉模型“这个回答好，那个回答不好”。这很贵，也很慢。而 RLVR 换了个思路：对于数学题和代码这类问题，答案对不对是可以自动验证的。答案对了就给奖励，错了就扣分。不需要人来一条条看。 另一个高频共识是成本拐点。Rainman(@ 0xdeusyu) 和 Robinson(@ python_xxt) 都提到了 MoE 稀疏化架构，DeepSeek R1 证明了一件事：前沿 AI 不再需要前沿预算。意味着推理成本在下降，成为可以普及的基础设施。 还有一类突破被反复提及：Agent 系统化成熟。SLiangD(@ SLiangD) 说得很到位，关键突破不是参数变大，而是三件套终于配合默契了——工具调用、上下文工程、多步推理。AI 能理解“帮我扫描亚马逊眼罩类目，找出评分低但销量高的产品，总结用户抱怨最多的三个痛点”这种复杂任务链了。 【2】年度产品：对话框退场，进度条登台 问到 2025 年哪些产品让人眼前一亮，有一个名字被提到了二十多次：Claude Code。 G_Z(@ GZhan57) 的评价很有画面感：“第一个 work 的 general agent，除了不能生孩子啥都可以。”阿绎 YiOS(@ WangYiNotes) 说得更细腻：“不是因为它写代码有多快，而是它第一次让人感觉是在跟队友协作，而不是在调教工具。” Claude Code 代表的是一类新物种：能把复杂工作流跑通的 AI。它不只是补全代码，还可以自己检索文档、改 Bug、跑测试、完成部署。你扔给它一个需求，它真的能把事办完。 第二名是 NotebookLM。Rocky(@ Rockybnbtrade) 说它让知识输入效率提升了很多，王是子路 (@ atm13999) 说它把枯燥的文档变成极其自然的播客对话。这个产品的价值不在于生成内容，而在于帮你消化和内化已有的知识。 第三名是个意外：Nano Banana Pro，谷歌 Gemini 的生图功能。defyong(@ defyong) 的评价很有意思：“结合 Gemini 的感知与知识库，图片生成不再是凭感觉。第一次让我觉得，这个生图工具，她活起来了。”Steven Qi(@ Jason_qeb) 补充说中文支持是个大突破，文生图、图生视频、图生 PPT 都变得可行了。 视频生成虽然没有 Claude Code 和 Nano Banana Pro 那么高频，但也收获了一批提名。Roland(@ Roland_WayneOZ) 和小镇记录家 (@ liangde_li40657) 都提到了 Sora、可灵、即梦等产品的突破，cicada(@ thebestsetup) 直接把 Veo/Sora 列为年度最惊艳。JCat(@ JackyisThinking) 的判断更进一步：视频生成会在 2026 年更加成熟，影视行业尤其是低成本特效和动画行业将全面 AI 化。这条赛道的特点是"看得见摸得着"，普通人也能直观感受到 AI 的进步，所以虽然技术门槛高、商业化慢，但对大众认知的影响可能比编程工具更大。 空间智能是另一个被多人点名的方向。JCat(@ JackyisThinking) 说得最清楚：机器人产业要落地，AI 就必须具备更高阶的 3D 空间识别、理解和推理能力，这是绕不过去的坎。Ray Zhai(@ Cryptoxorz) 和 suwakopro(@ suwakopro) 都提到了"世界模型"这个概念——AI 不能只在文字和图片的世界里打转，它得理解真实世界的因果律和物理规则。小洲洲的 AI 日常 (@ LZhou15365) 观察到具身智能已经在快速进化："从走姿、行动都越来越像人类。"当 AI 学会了"慢思考"，下一步就是让它学会"动手做事"，空间智能是连接数字世界和物理世界的那座桥。 还有一批产品被多人提及：Cursor 和 Windsurf 这类 AI IDE，Deep Research 深度研究，Manus 和 Youmind 这类通用 Agent，可灵和 Sora 的视频生成。 但最让我印象深刻的是三疯 (@ 3fenglife) 的一句总结：让人惊艳的不再是对话框，而是进度条——它在后台默默把事办完了。Ray Zhai(@ Cryptoxorz) 把这种体验叫做“感知消失，效率倍增”，这才是技术真正闭环的瞬间。 这才是 2025 年产品形态的本质变化。 【3】2026 路线图：从“教 AI 怎么做”到“告诉 AI 我要什么” 关于 2026 年的趋势，答案的集中度比我想象的高。 第一个共识是 Agent 大规模落地。 超过三分之一的人提到了这个方向。什么是 Agent？简单说，就是 AI 不再只是回答问题，还能自己拆解任务、调用工具、一步步执行，最后交付结果。 Ray Zhai(@ Cryptoxorz) 的描述很有画面感：未来不再是你一个人对着一个 AI，而是你拥有一个 AI 舰队。它们会自动分工、自我纠错、自发存储数据。我们将从“教 AI 怎么做”转向“告诉 AI 我要什么”。 SLiangD(@ SLiangD) 用黄金圈法则做了一个漂亮的框架切分：Why（为什么做）和 What（做什么）仍然是人的领地，AI 无法替代；但 How（怎么做）将彻底交给机器，趋近于零成本瞬间完成。 这意味着什么？未来的竞争力不是“会用 AI”，而是“会定义问题”。 第二个共识是具身智能。 码上盈 (@ InnaLyceyum) 预测 Agent 将不再只存在于浏览器中，而会深度集成到智能硬件——从智能眼镜到桌面机器人，AI 将获得空间感知与物理交互能力。阿绎 YiOS(@ WangYiNotes) 说得更极端：2026 年我们可能不再讨论哪个 AI 产品好用，因为 AI 已经内嵌在 OS 和硬件的每一寸肌理里了。 第三个共识是 AI 的“私人化”和“记忆化”。 Cunningham Card(@ Card198454) 强调 Memory 方向的突破会让 Agent 更像人，拥有社会属性。AI 将从千篇一律的工具，演变成极度个性化、具备连续记忆的数字助手。 三疯 (@ 3fenglife) 还提出了一个颠覆性预测：SaaS 的消亡，Service 的崛起。你不再订阅“写作软件”，你订阅的是“文案产出服务”；你不再订阅“CRM 系统”，你订阅的是“销售线索清洗服务”。软件会员变成结果订阅，这是商业模式的根本重构。 当然也有清醒的声音。 Michael Guo(@ Michaelzsguo) 认为 2025 年 AI 基本没有关键技术突破，都是沿用 2024 年的路线做性能提升。Tony Lee(@ lee810860) 预测 AI 厂商加速倒闭。熊布朗 (@ Stephen4171127) 直接说“没有什么是不可忽视的必然路径”。 也不能说这些声音是悲观，更像是提醒我们：共识不等于正确，热情不能代替验证。 【4】最后 AI 的演进已经进入新阶段。2024 年大家还在争论哪个模型更聪明，2025 年这个问题变得不那么重要了，重要的是谁能把活干完。从“会说”到“会做”，从“输出文本”到“交付结果”，这是范式级的转变。 来自 Roland(@ Roland_WayneOZ) 和 SLiangD(@ SLiangD) 的一句话适合用来作为结尾： 2025 年是 AI 学会干活的元年。2026 年的赢家，不是最会用 AI 的人，而是最会定义问题的人。 我把整理后的结果放到 Google Sheet 上了：docs.google.com/spreadsheets/d…

@lidangzzz 博主是懂中国高校教育体系的

额外说一句，我另外支持的四件事： 1. 取消财政对大学里人文社科的财政补贴，这些专业自负盈亏。 可以每个大学下属每个专业的requirements（培养方案）单独审查，如果是医学大类、工科大类、理科大类、经济管理金融但有微积分+线性代数+概率+6门以上的编程/数据分析课程，可以享受财政补贴 （每年学费6000人民币）； 其他专业一律自负盈亏，不享受财政补贴。想学中文、历史、艺术等等专业，每年学费5万~30万人民币，自己爹妈掏钱，或者自己贷款。 社会应该尊重每个人的自由发展，但有的发展方向消耗的大量教育资源，不应该让全社会教育经费来补贴； 2. 中国考公考编，除了定向专业（比如IT类、法律类），其他岗位全部完全放开专业限制，不局限于中文系， 同时增加一门“中文基础”，哪怕你是计算机或者电子专业，只要“中文基础”分数达标，就可以不受任何专业限制，选择宣传或者管理类岗位； 3. 完全模仿美国，把中国本科的微积分、线性代数、概率、编程基础、大学物理等等10门课抽出来，提供中国本土的AP教育， 在有条件的中国高中，学有余力的高中生完全可以在校内把这些AP课提前修完，到大学直接waive掉这些大一基础课，直接从大二的课开始上，节约一年的垃圾时间，争取三年本科毕业。 4. 放开顶级私立文理学院（LAC），允许中产和高净值家庭把家里傻逼孩子放在国内顶级LAC读大学。 如果一个家庭对孩子的预算是每年40万~100万人民币，在中国设立顶级私立文理学院（LAC），可以踏踏实实把这笔钱留在国内花掉， 这样有两个巨大的好处，一个是让高净值人群把一部分资产留在国内，流入内循环，而不用换成10万刀美元在美国、英国、澳洲花掉， 这些现金能养活国内整整一大批艺术、管理、经济、金融等等专业的博士当教授，认真做顶级教学服务，不要考虑任何傻逼一样的科研，踏踏实实陪中产和高净值家庭的傻逼孩子们读大学四年，拿高工资， 因为如果你如果不放开中国国内私立顶级文理学院（LAC），这些家庭也100%不可能把孩子送进高考，考300分读大专，而是100%到英国、澳洲、美国、加拿大、新西兰读经济学本科； 另一个好处是，国内中产和高净值家庭的高考300分级别的傻逼孩子们，也不用再吃考AP、考托福、考雅思、考SAT、海外租房、海外买车、海外做饭、海外独居的苦， 更不用苦练英语，用英语研究美国历史、英国文学、澳洲国际政治， 在国内读国产顶级私立LAC，可以理直气壮地每年花爹妈30万读中国的大学，研究金庸小说，研究五代十国、魏晋南北朝，研究中国当代流行艺术， 而这对于这些孩子而言，绝对成就感高10倍以上，也更容易在中国的环境下产生更高的天花板，比如从事高价值的文艺创作等等——而不用本科水硕毕业后连滚带爬回国投简历做自媒体运营。

@setupspawn Am I the only one that has this issue 🤣

@trubiddays @BingLiu34173809 抖音大消息：禁止非财经认证账号发布财经专业内容

户晨风说话太直白，中国政府不能容他。 如果他大学毕业，读一读经济学，多说点理论，可能会委婉一些，不会那么刺耳，也不会那么快被封禁，当然，那样的话，很多中国人听不懂了就。 例如他说，如果日本真的衰败了，为啥日本穷人不来中国工地搬砖？为啥中国人去日本干体力活？去日本养老院当护工？ 大致就是这个意思，具体咋说的我忘了。 户晨风没有大学学位，他能说出这个，认知已经超越绝大多数中国人了。别天天“遥遥领先”的，要清醒。 这涉及到一个国家的“劳动报酬比”，和“投资回报比”，都是衡量一个国家到底发达到什么程度的重要指标，如果日本和欧美选，普通的中国打工人，可能更愿意去美国、英国、德国、法国，澳洲......而不是日本。 我的推特谈到中国人的税前收入占GDP比重，目前已经远低于40%了，前些年还在44%，这是跌入中等收入陷阱的前兆。 很多人在我推下面嘴硬，但你们看看现在的大学毕业生的起始月薪，中国受过高等教育的人，连大专都算上，可能只有2亿人出头，但这群人走出校园，普遍工资只有3000-4000，回到10年前了，还可能没有五险，占大学生比例90%的2本3本大专......工作都不容易找到，读不读书已经没有区别了，高等教育的回报几乎是负值。 “劳动报酬比”，通常指代劳动报酬占经济产出（GDP）的比例，用来衡量劳动在生产要素分配中的比重。中国的劳动报酬比，不要比日本这样的发达国家，就是与中等偏上收入国家例如马来西亚、墨西哥比，都太低了，福利更差，马来西亚的国民看病生孩子都几乎不要钱的。 至于投资回报，看看中国人的房子跌得，妈都不认识了，钱存在银行，有多少利息？ 国民的工资性收入和财产性收入，都在快速下降，跌入中等收入陷阱已是板上钉钉的事儿，经济落后地区大面积返贫是大概率会发生的事儿。 中国人你们别不信，看看现在，你们想去日本的工地搬砖，去日本的养老院端屎端尿，去日本医院当护士，都排不上号呢，至于去美国英国德国法国澳大利亚，那更是奢望。

@LiZhiZhuangB123 @lidangzzz 没经过科研训练的研究生不也一样很难创新吗，ai说到底已经是人脑的思考模式了吧

@lidangzzz 确实，已知框架下，ai确实强，但如果要求提出全新的概念、猜想或范式转变，ai目前还做不到太好吧

我跟大家分享过我的观点： 编程、数学、数据分析、高难度stem问答，是几个最不需要与外界沟通交流、只需要本地环境（terminal、编译器、环境）+模型本身的能力，就能刷高benchmark、肉眼看到提升的领域， coding结束之后，目前训练model大厂目标是刷数学证明和IMO中等数学benchmark，还有一批刷 agent解数学题的benchmark。 我个人认为会有一个milestone， 就是LLM Agent在辅助人类解决一个重大数学问题，就是llm agent解决数学问题的“AlphaGo时刻”， 到那时候，会刷屏整个数学界的朋友圈和推特timeline，全世界大部分做pure math或者applied math的数学家们，会开始严肃认真地使用LLM Agent帮助自己做辅助证明的工作。