source.select()
丁点启发
23 条拾穗
8 条特别推荐
2026
19 条
DeepSeek 发布开源 Harness
DeepSeek Harness 开发者预览版：一切皆插件
DeepSeek 发布开源 Harness
DeepSeek Harness 开发者预览版：一切皆插件
本人笔记
- DeepSeek 发布 Harness 开发者预览版，面向全球开发者开放测试，并同步开放源代码。
- 它将模型、工具、技能、会话、沙箱、存储、循环、调度和 UI 等 Agent 能力全部设计为插件，开发者可以自由替换和组合。
- 底层 Cordis 内核只负责插件的加载、卸载与依赖关系；具体能力通过 Cordis 服务和事件协作，无需修改源码即可在配置层扩展。
- 系统采用仅追加的会话日志，记录系统提示词、思维链、工具调用与结果、子 Agent 调度和上下文注入，使每次运行都有迹可循。
- 目前提供标准、PTC、极简和创造四种运行模式；安装 Node.js 后可通过
npx @deepseek-ai/dsh web快速体验。 - 该版本仍处于开发者测试阶段，核心插件与基础 API 会持续迭代，项目采用 MIT 许可证。
DeepSeek V4 Pro 正式版发布
DeepSeek-V4-Pro-0813 正式上线
DeepSeek V4 Pro 正式版发布
DeepSeek-V4-Pro-0813 正式上线
本人笔记
- DeepSeek 官方模型页已将 deepseek-v4-pro 对应版本更新为 DeepSeek-V4-Pro-0813，意味着 V4 Pro 正式版已经可以通过 API 使用。
- 正式版具有 1M 上下文和最高 384K 输出，支持思考与非思考模式、工具调用、Responses API 与 Anthropic API。
- 现行价格为每百万缓存命中输入 Token 0.003625 美元、缓存未命中输入 Token 0.435 美元、输出 Token 0.87 美元。
- DeepSeek 同时明确预告 API 服务将整体大幅涨价，具体方案仍以官方后续通知为准；文章中对未来价格的估计不应当作正式价格。
- 卡兹克实测后认为，它的 Agent 与 Coding 能力已进入第一梯队，尤其适合对实时反馈要求较低的自动化和异步任务；但速度、多模态、困难软件工程和长期稳定性仍需结合真实工作流判断。
Grok 4.6 正式发布
Introducing Grok 4.6
Grok 4.6 正式发布
Introducing Grok 4.6
本人笔记
- xAI 正式发布 Grok 4.6，重点提升长程 Agent、代码、知识工作，以及更复杂的交互和视觉任务。
- 官方称 Grok 4.6 在 Artificial Analysis Intelligence Index 上得到 61 分，与 GPT-5.6 Sol Max 持平，仅次于 62 分的 Fable 5 Max。
- Grok 4.6 已在 Cursor、Grok Build、API 以及 OpenRouter、Vercel、Cloudflare 等合作平台开放。
- API 起价为每百万输入 Token 2 美元、输出 Token 6 美元；另有速度更快、价格翻倍的 Fast 版本。发布首周，Cursor 与 Grok Build 提供双倍包含用量。
- 卡兹克的连续开发体验强调了速度的生产力价值：模型不只需要足够聪明，较短的反馈周期也会直接影响人与 Agent 的协作节奏。
- 官方跑分与作者实测都只能作为选型信号；真正使用时仍应比较任务完成质量、视觉表现、长程稳定性、实际额度和总成本。
Manus 将恢复独立运营
刚刚，Manus恢复独立运营
Manus 将恢复独立运营
刚刚，Manus恢复独立运营
本人笔记
- Manus 宣布即将恢复以独立公司的形式运营，并称将继续为全球数百万用户提供服务；独立运营后的用户数据将存储在美国和新加坡。
- 这是 Manus 与 Meta 分拆的一部分，并非数据泄露或安全事件。为满足特定司法辖区的监管要求，部分用户在 2025 年 12 月 29 日当天或之后产生的数据需要被删除。
- 受影响用户会收到应用内通知和电子邮件，需要在 2026 年 8 月 23 日 07:59（新加坡时间）前完成备份；备份工具支持多次备份。
- 相关数据将在 8 月 23 日 08:00 起至 8 月 24 日期间删除；受影响用户可从 8 月 25 日 08:00 起恢复备份数据并重新使用账户。
- 未受影响的用户无需采取行动。受影响用户在备份期内不会被收费，恢复数据后还会获得官方提供的回归奖励。
AIHOT 模型共识榜
我花了54个小时，做了一个可能更公平的AI大模型排行榜。
AIHOT 模型共识榜
我花了54个小时，做了一个可能更公平的AI大模型排行榜。
本人笔记
- 面对数量众多、口径各异的大模型评测榜，作者没有再做一套新的单项评测，而是先筛选自己信任的 10 个来源，再把它们汇总成 AIHOT 的模型共识榜。
- 简单平均名次并不公平：同一个第五名在 10 个模型和 200 个模型的榜单中含金量不同，领先幅度、榜单更新速度和缺失模型也都会扭曲结果。
- 最终采用的 LatentRank 以 Bradley-Terry 成对比较为基础，把模型在各榜单中的胜、负、平连接成一张网络，再由共同对手推断没有直接交手的模型之间的相对能力。
- 为了限制小样本带来的异常高分，系统加入了先验和证据预算，并用一组固定的锚点模型把结果归一到 100 分制。
- 这套榜单不能定义模型能力的绝对标准，但把来源、分数和规则公开出来，让读者能够回到原榜验证；对策展而言，筛选可信信源往往比继续堆积信息更重要。
微软 Skill Recorder：录屏生成 Skill
微软又开源了一款 Skill 神器
微软 Skill Recorder：录屏生成 Skill
微软又开源了一款 Skill 神器
本人笔记
- 微软开源了桌面工具 Skill Recorder：用户完成一次任务并录制屏幕或口述原因后，AI 会将过程整理为一个意图和一组有顺序的步骤，最终生成可复用的 Skill 或定时、事件触发的 Automation。
- 它与传统 RPA 的关键区别在于不只记录鼠标位置，而是理解任务意图，并尽量转换为 gh CLI、web_fetch 等 Agent 原生工具，从单次演示泛化为一类能力。
- 录制、存储、画面提取和 Whisper 语音转写都在本地完成；只有点击“分析”后，事件时间线、截图和旁白文本才会发送给云端 AI，因此录制时仍应避免出现密码和 API Key。
- 项目目前主要支持 macOS，也提供 Windows 11 和 Linux 安装方式；首次使用需要录屏权限，分析功能需要具有 Copilot 权限的 GitHub 账号。
- 模型能力已经足够强，但要让 Agent 真正进入日常工作，还需要把经验沉淀成可复用的 Skill；用演示代替从零编写 SKILL.md，能明显降低表达和维护门槛。
贾扬清：AI 十年巨变
#399 贾扬清：我所经历的「人工智能已死」到「AI 颠覆世界」的数年巨变丨十周年特别节目
贾扬清：AI 十年巨变
#399 贾扬清：我所经历的「人工智能已死」到「AI 颠覆世界」的数年巨变丨十周年特别节目
本人笔记
- 贾扬清的父母是浙江偏远地区高中的语文老师，他本科就读自动化专业。
- 在 UC Berkeley 读博期间，他原本不会编程，却在学习编程的过程中“玩”出了深度学习开源框架 Caffe。
- 博士毕业后的第一份工作是在 Google Research。
- 当时英伟达会向学术成果突出的学生提供 GPU，并借此与学术界建立紧密关系。
- 在很长一段时间里，支撑 NVIDIA 股票的并不是 AI，而是加密货币挖矿。
- 硅谷是对技术 nerd 最友好的地方。
- 贾扬清参与过 Google 翻译的视觉实时翻译，以及 Google Photos 的照片搜索与分类功能。
- 当时完全没有意识到，一个下围棋的算法会在十年后颠覆几乎所有行业。
- 硅谷更敢烧钱做科研，中国更敢烧钱做应用。
- 在美国创业主要面向前沿研究；在中国创业，则需要在早期建立人才、数据和市场优势。
- 他的公司从创业到被英伟达收购，只用了两年时间。
- 英伟达是硬件公司中的软件公司：它与用户走得非常近，因此能够持续理解用户的真实需求。
GPT-5.6 Luna 文本对话即将不限量免费使用
Free 与 Go 用户将可在 ChatGPT 中不限量使用 GPT-5.6 Luna 进行文本对话
GPT-5.6 Luna 文本对话即将不限量免费使用
Free 与 Go 用户将可在 ChatGPT 中不限量使用 GPT-5.6 Luna 进行文本对话
本人笔记
- OpenAI 将向 Free 与 Go 用户开放不限量的 GPT-5.6 Luna 文本对话，进一步降低普通用户持续使用较强模型的门槛。
- 这里的“不限量”特指 ChatGPT 中的文本对话，不代表 OpenAI API、Codex、图片生成或其他工具调用也同时不限量免费。
- 免费层从限额体验转向可持续使用，意味着模型成本和推理效率已经成为 AI 产品竞争中的关键变量。
DeepSeek 官方 API 计划近期整体上调价格
计划近期整体上调 DeepSeek API 服务的定价，预计涨幅较大，具体方案以正式通知为准
DeepSeek 用量信息页截图
DeepSeek 官方 API 计划近期整体上调价格
计划近期整体上调 DeepSeek API 服务的定价，预计涨幅较大，具体方案以正式通知为准
人工智能风云录
人工智能风云录
人工智能风云录
人工智能风云录
本人笔记
- 艾伦·图灵在 1937 年提出图灵机的概念，又在 1950 年的 Computing Machinery and Intelligence 中追问：Can Machines Think?
- 克劳德·香农于 1948 年发表 A Mathematical Theory of Communication，奠定信息论；次年又发表 Communication Theory of Secrecy Systems。
- 1956 年的达特茅斯会议被视为人工智能学科的起点，约翰·麦卡锡和马文·闵斯基都是发起人。
- 人工智能长期存在三个流派：符号主义、连接主义和行为主义。今天的主流不是凭空出现的，而是在多次起落和两次寒冬中逐渐形成。
- 机器学习的崛起离不开数据和算力；深度学习三位代表人物 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun 获得了 2018 年图灵奖。
- 从 ENIAC、冯·诺伊曼结构，到感知机、机器学习与深度学习，AI 的历史也是计算机科学不同思想不断汇流的历史。
ego (lite)：为 Agent 而生的浏览器
一个 Skill 让 Agent 自动操作浏览器，告别重复枯燥任务
ego (lite)：为 Agent 而生的浏览器
一个 Skill 让 Agent 自动操作浏览器，告别重复枯燥任务
本人笔记
- ego lite 是一款基于 Chromium 的浏览器，核心思路是让人类与 Agent 在同一套浏览器环境中协作。
- Agent 可以在隔离的任务空间中工作，同时复用用户已有的登录状态，减少反复登录，也避免与用户争抢浏览器控制权。
- 它重点改善传统浏览器自动化中的内存占用、Token 消耗、执行速度和会话复用问题；对 Agent 来说，浏览器不只是网页窗口，也是可持续执行任务的运行环境。
Codex + UU 远程：随时让 Agent 干活
分享一下我现在随时随地让Agent干活的远程操控方案。
Codex + UU 远程：随时让 Agent 干活
分享一下我现在随时随地让Agent干活的远程操控方案。
本人笔记
- 作者把 Codex 的远程连接作为主力入口，把网易 UU 远程作为图形界面兜底，从而在手机或笔记本上继续操作家中常开的 Agent 工作电脑。
- 将规则、配置、记忆和 Skills 集中保存在一台 Mac mini 上，其他设备只充当遥控器，可以减少多台电脑之间同步环境和维护配置的成本。
- Codex 可以在手机端查看电脑上的项目与会话、创建新任务，并通过工作区和工作树隔离任务；电脑之间也可以使用连接码建立远程项目。
- 当任务涉及扫码登录、完整桌面、精确点击或其他不适合在对话框里处理的操作时，UU 远程可以接管图形界面，也能通过远程终端启动没有原生远程能力的 CLI Agent。
- 两种工具的分工很清楚：Codex 负责发起、跟踪和验收 Agent 任务，远程桌面负责系统级操作与异常兜底；组合使用比强行让单一工具覆盖所有场景更稳妥。
- 这种方案把工作状态集中在一台长期在线的主机上，但也意味着要额外重视账户安全、磁盘加密、系统更新、备份和远程访问权限。
浏览器简史
No.194 浏览器简史：打造人类使用互联网的窗户
浏览器简史
No.194 浏览器简史：打造人类使用互联网的窗户
本人笔记
- 互联网从阿帕网、TCP/IP 和 DNS 逐渐发展到 Web；蒂姆·伯纳斯-李创造了 HTTP、HTML 与 Nexus 浏览器。
- 网景不仅推动了浏览器商业化，也创造了 JavaScript 和 SSL；Mozilla 这个名字最初意味着 Mosaic Killer。
- IE 在获得近乎垄断的市场份额后解散团队，失去对产品演进的持续投入。
- Opera 推动了标签页，Firefox 推动了插件和开发者工具，浏览器的许多基础交互来自长期竞争。
- Safari、Opera 和 Firefox 共同推动 HTML5，使网页不再必须严格遵守 XHTML。
- Ajax 让网页能够像应用一样局部更新，成为 Web 2.0 的关键基础。
- Chrome 最初同时吸收了 Safari 的 WebKit 和 Firefox 的人才；Google 内部也曾对是否应该做浏览器存在分歧。
- Brave 聚焦隐私与反追踪，Arc 用垂直标签和空间重构使用方式，浏览器仍在持续寻找新的交互范式。
- AI 时代又出现了 Perplexity Comet、OpenAI Atlas 等产品，浏览器正在从网页窗口转向任务执行入口。
Claude Code 榜一用户的实践方法
揭秘 Claude Code 榜一大哥：一个 AI 创业者如何把工具用到极致｜对话刘小排
Claude Code 榜一用户的实践方法
揭秘 Claude Code 榜一大哥：一个 AI 创业者如何把工具用到极致｜对话刘小排
本人笔记
- Claude Code 不擅长现实世界中的事情，也不擅长那些无法明确奖励或验收标准的任务。
- 写代码之前，应先准备尽可能详细的文档，并让 AI 检查需求有没有说清楚、它的理解有没有偏差。
- 值得关注的能力包括后台任务、Sub-agent 和输出风格，它们让多个任务与不同角色可以并行协作。
- 工具使用得再极致，产品最终仍要回到 Make something people love。
- 每当发现一个可能的用户痛点，就快速实现 MVP，再用真实市场反应判断是否值得继续。
- 学习 Claude Code 可以从教程和真实使用者的经验开始，但最终仍要在自己的任务里反复实践。
- 在 AI 行业里，头部产品不一定最先赚钱，满足具体需求的小公司反而可能更早找到商业闭环。
Coding 是 AGI 的第二幕
全球大模型季报第 9 集：Coding 是 AGI 第二幕、硅谷御三家真相、模型正成为新一代 OS
Coding 是 AGI 的第二幕
全球大模型季报第 9 集：Coding 是 AGI 第二幕、硅谷御三家真相、模型正成为新一代 OS
本人笔记
- 自然语言是对世界的描述，代码是对 Solution 的描述：语言即世界，代码即方案。
- Code 可以表达数字世界中的绝大多数任务；如果 Coding Agent 足够成熟，办公室电脑上的大量知识工作都有可能被自动化。
- Coding 最先跑出来，是因为它的反馈闭环最短，结果更容易被执行、验证和修正。
- 如果领先的模型公司不重视编程能力，它很可能会掉出第一梯队。
- 模型公司的产品目标可能不再是 DAU 或广告规模，而是 Token Usage。
- Cursor 等应用承接了模型公司的能力溢出，但也需要面对最强模型被收回或限制供应的风险。
- 硅谷公司更擅长技术创新，中国公司更擅长产品创新；AI 加持下，一两个人也可能做出影响巨大的产品。
- 应该把 AI 模型视为一等公民，为它提供工具、环境、反馈和验证机制。
Harness Engineering：让 AI 稳定落地
最近爆火的 Harness Engineering 到底是啥？一期讲透！
Harness Engineering：让 AI 稳定落地
最近爆火的 Harness Engineering 到底是啥？一期讲透！
本人笔记
- 真正决定上限的也许是模型，但真正决定能不能落地、能不能稳定交付的，往往是 Harness。
- AI 工程的重心经历了三次迁移：Prompt Engineering 解决指令表达，Context Engineering 解决信息供给，Harness Engineering 解决长链路执行的稳定性。
- Agent = Model + Harness；反过来说，Harness 就是 Agent 中模型以外的全部系统。
- Harness 可以分为六层：上下文管理、工具系统、执行编排、记忆与状态、评估观测，以及约束校验与失败恢复。
- Prompt 无法弥补知识缺失，也不适合长链路任务；Context 的关键是在恰当的时候提供正确的信息。
- Anthropic 用 Context Reset 处理上下文溢出，并将 Planner、Generator、Evaluator 等生产与验收角色分离。
- AI 落地的关注点正在从模型是否更聪明，转向系统能否自主验证、持续纠偏并稳定交付。
AI Memory：当 AI 开始记得你
当 AI 开始“记得”你：与两位创业者拆解 AI 记忆技术
AI Memory：当 AI 开始记得你
当 AI 开始“记得”你：与两位创业者拆解 AI 记忆技术
本人笔记
- 模糊召回像人的记忆：平时只有模糊印象，进入相关场景后才逐渐清晰，GraphRAG 是一种可能的实现路径。
- 长期记忆的难点之一是更新：当新偏好与旧记忆冲突时，需要让旧记忆失效，并保留可解释的时间轴。
- 记忆巩固可以提高常用记忆的权重；医疗、金融等领域还要求记忆过程能够被审计。
- 记忆高度个性化，即使产品最初服务企业，最终也可能走向个人用户。
- 如果长期记忆无法迁移，个人数据就可能被单一产品垄断，因此可插拔记忆很重要。
- AI 眼镜等持续感知设备会产生巨大的 Token 消耗，端侧小模型可能承担一部分处理工作。
- 有了长期记忆之后，AI 才可能逐渐形成连续的数字人格。
- 相关项目包括 Mem0、Zep 的时序知识图谱，以及原名 MemGPT 的 Letta。
OpenClaw：AI Agent 如何工作
李宏毅｜解剖小龙虾（OpenClaw），以 OpenClaw 为例介绍 AI Agent 的运作原理
OpenClaw：AI Agent 如何工作
李宏毅｜解剖小龙虾（OpenClaw），以 OpenClaw 为例介绍 AI Agent 的运作原理
本人笔记
- LLM 在每次对话前都会失忆，因此 Agent 需要把过去的日记重新放进 Prompt；随着日记变长，Token 消耗也会持续增加。
- 可以把大模型视为新时代的操作系统，把 Context Window 视为内存；Context Engineering 则是在管理模型推理时的整个信息环境。
- Sub-agent 的一个重要作用是节省主 Agent 的 Context Window；为了避免无限递归，也可以限制 Sub-agent 继续召唤新的 Sub-agent。
- Skill 像一套可调用工具的工作 SOP，但从社区下载 Skill 时需要警惕不可信文件与指令。
- Memory 可以结合字面比对和语义比对；如果 Agent 没有真正写入记忆文件，它并不会自动记住。
- Heartbeat 是固定频率的巡检，Cron Job 是固定时间表，两者适合不同类型的自动任务。
- Context Compression 可能在压缩旧记录时丢掉重要约束，因此关键指示需要写进持久化记忆。
- Agent 浏览网页时可能遭遇提示词注入，甚至被诱导执行危险命令；应把它放在安全、可恢复的环境中运行。
翁家翌：OpenAI 与后训练
翁家翌：OpenAI、GPT、强化学习、Infra 与后训练
翁家翌：OpenAI 与后训练
翁家翌：OpenAI、GPT、强化学习、Infra 与后训练
本人笔记
- 找到适合自己的评价体系，并为这个体系奋斗。这很像巴菲特所说的“内在计分牌”。
- 不必总是关心宏大叙事，更重要的是专注手头的事情，做能产生影响力、对大家有意义的工作。
- 教 researcher 做好 engineering，往往比教 engineer 做好 research 更容易；前沿 AI 团队尤其需要兼具两种能力的人。
- 在高密度人才环境中，任何平庸的表现都难以被容忍，这既会提高成长速度，也意味着很高的要求。
- 让所有人免费使用最先进的模型，某些时候可能比只开放模型权重更能让技术真正惠及大众。
- 如果人生是一场游戏，结算分数也许不是短期输赢，而是做过多少值得被记住、能够帮助他人的事情。
2025
4 条
Manus 出售前访谈
128. Manus 决定出售前最后的访谈：啊，这奇幻的 2025 年漂流啊…
Manus 出售前访谈
128. Manus 决定出售前最后的访谈：啊，这奇幻的 2025 年漂流啊…
本人笔记
- Peak 高中时就编写过 iOS 浏览器并上架 App Store；后来又做过搜索引擎和语言模型。Manus 吸引他的地方，是有机会在一个产品里把这三件事重新做一遍。
- 他认为 Word2vec 是 AI 发展中一个石破天惊的转折点：自然语言第一次能够较可靠、高效地映射到连续向量空间。
- 创业早一步是先驱，早十步是先烈。与其把问题长期悬而未决，不如尽快做出来试试。
- 每个搜索引擎第一页的质量都很接近，但 Google 总能在长尾查询中带来惊喜。产品真正的差异往往藏在长尾里。
- Transformer 的输入可以并行计算，输出却不能，因此输入和输出的成本并不相同。
- “造出原子弹没那么难，但知道原子弹能被造出来是最难的。”发现一件事确实可行，本身就是重要突破。
胡渊鸣：Meshy AI
胡渊鸣：Meshy AI、太极、MIT、清华姚班、图形学与物理仿真
胡渊鸣：Meshy AI
胡渊鸣：Meshy AI、太极、MIT、清华姚班、图形学与物理仿真
本人笔记
- 更早地认识一些厉害的人，对成长很有帮助；而一家公司最核心的竞争力永远是人才。
- 先思考 why，再思考 how。一个好的 founder 必须懂技术或者足够 hands-on。
- 招人看重的特质可以概括为 hungry、humble、smart 和 clarity。
- 只有志趣相投的人，才能长期合作。内耗、甩锅、不面对事实以及不能批评 leader，都会形成失败的文化。
- 读博或在大厂工作并不会自动带来成长；被保护的环境只有在遇到优秀 mentor 时才真正有价值。
- 创业让人直接面对技术、产品、团队和市场，是和平年代极具强度的个人训练。
杨硕：机器人与使命感
杨硕：妙动科技、特斯拉 Optimus、CMU、大疆、无人机与人形机器人
杨硕：机器人与使命感
杨硕：妙动科技、特斯拉 Optimus、CMU、大疆、无人机与人形机器人
本人笔记
- 科学家解释已有的东西，工程师创造不存在的东西。——冯·卡门
- 做新的、能够改变世界的东西，这种使命感会成为长期坚持的重要动力。
- 人类社会强调分工，机器人也很可能走向分工；同一行业的公司最终会趋同到效率最高的路径，差异藏在具体细节里。
- 当技术路线越来越接近时，对每一个细节的极致追求就是公司的护城河。
- 如果投资一家科技公司，应关注它是否掌握关键的基础技术。
- 乐趣激发动力，使命引领前行。要一直在自己坚持的方向上深耕。
没有找到匹配的拾穗
换个关键词、类型或 Tag 试试。