有女友就好好談戀愛很難嗎？ 偷拿女友手機密別的女生 還裝成是本人想約人出去 要裝還不裝像一點🙄 講話方式還有語氣 完全不像我姐妹平常會講的話 真的不要把我當18歲的年輕小女孩 隨便騙一騙我就會上鉤 #現在的套路越來越扯# #差點以為自己在演八點檔#

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

第一次這麼沉迷在傳教士的世界裡 差點以為自己真的要淪陷了⋯⋯ — 👦：蕭 相信我 我會讓妳愛上傳教士 ：每個人都這樣說 👨：我不畫大餅 等等妳就知道 ：好啦好啦 我才不信～ 結果最後打臉的居然是我自己 (⁄ ⁄•⁄ω⁄•⁄ ⁄) 原本以為只是普通的一次約會 沒想到那種被牢牢掌控節奏的感覺 讓人完全無法分心 等回過神的時候 腦袋裡只剩下： 『 原來傳教士也可以這麼上頭 』 #錯過真的會捶心肝# #傳教士#

第一次這樣沉迷在後入的世界 差點以為要迷失自己了🫠 ——— 👨：薇 相信我 我會讓你享受最完美的一次後入 ：不要跟我開玩笑了啦 我怕是你享受我的女上 👨：我從來不畫大餅的 妳等等就知道了 ：你們說的我愛信不信 ㄌㄩㄝ～ 最後真的被他那強大的撞擊 跟毫無底線的拍打 沈迷在後入的世界裡⁄(⁄ ⁄ ⁄ω⁄ ⁄ ⁄)⁄ 感謝祭活動火熱進行中⬇️ #慾望小少女# #感謝祭不參加你會後悔#

狗子以為自己要被賣了 跪地痛哭 最近微博瘋傳一段讓人鼻酸的影片，吸引了超過 36 萬人觀看。一隻體型龐大、體重高達 60 公斤的拉布拉多犬，因為食量太大被原本的飼主嫌棄，竟然直接聯絡當地的狗肉業者，準備將牠變賣。 當狗狗被帶到交易現場時，牠似乎察覺到了氣氛不對勁。面對工作人員的抓捕，這隻胖乎乎的拉拉明顯抗拒，不斷試圖躲避。但因為體型實在太胖了，笨重的身軀讓牠根本無法靈活逃脫。 眼看逃跑無望，這隻拉拉竟然直接趴跪在地上，不斷發出害怕的嗚咽聲，頻頻轉頭向飼主求救。無奈的是，飼主全程冷眼旁觀，就這樣看著曾經朝夕相處的毛孩被強行塞進狹小的鐵籠裡，準備載往屠宰場。 就在這個絕望的瞬間，奇蹟的轉折出現了。 附近一名路過的大哥實在看不下去，不忍心一條生命就這樣消逝，當場掏出錢將拉布拉多買了下來，並決定直接帶回家自己收編。這個舉動，讓這隻差點被登出人生的胖狗狗，終於逃過一劫。 這段讓人心碎又鬆了一口氣的畫面曝光後，大票網友紛紛湧入留言痛批：「狗自己養胖了自己負責好嗎」、「都沒看到狗狗害怕難過的求饒嗎，養這麼久都不會有感情？」、「簡直不是人，我都開始懷疑是跟狗肉販串通好的」。

🇨🇳這個電影居然是網友AI手搓出來的⋯我差點以為是上線的院線電影。 90分鐘的電影預計大概花費了四百萬積分，不過還是挺划算的吧？🤔