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。

我翻完小红书Red Skill最新的Top15数据后背有点发凉,这根本不是什么小功能测试啊。 5月份归藏第一个把PPTSkill传上去的时候,详情页显示只有6个人用,当时我就说这是个大事件,不少人还觉得我小题大做,说什么一个种草APP搞点AI功能蹭热度而已,折腾不出水花。 结果7月3号小红书官方两个更新就甩出来了,直接把所有质疑给打没了。 先是格式全放开,之前还只支持txt和md,现在py/js/html/c++/sql甚至数据库文件全能传,不是只能写提示词给Agent读,是真能跑完整代码做完整功能。 再就是另一项 vibecoding 内嵌交互小工具内测将在下周三上线,发笔记时挂上组件,用户刷到不用复制口令跳本地Agent,半屏就能调,全屏能交互,点一下直接分享到微信,那个记录奶茶口味的小工具Brewwww,上线没多久就有一万多人用。 数据是不会骗人的,现在排行榜第一的「菜菜的人生系统」,32.6万曝光,4万多人次使用,第二名的工作日程管理曝光量甚至更高。 而且说实话，这些作者要是把同样的Skill传到GitHub,绝大多数人攒一整年都拿不到这个量级的真实用户。 以前大家以为AI Skill的分发中心,一定是GitHub，觉得普通人找AI工具,一定会主动搜索，甚至认为小红书这种生活方式平台,做不好技术产品分发。 现在看全错了。 GitHub是开发者主动找工具的地方,你有明确需求才会去,网络卡,门槛高,普通用户连门在哪都不知道。 而小红书是用户刷着刷着,正愁PPT做不完、周报写不动、公考复盘没方法,笔记下面正好挂着能解决问题的Skill,点一下就能用,上下文严丝合缝,连教育成本都省了。   我觉得小红书平台这步棋走的极聪明,它不拼大模型,不抢算力,就攥住「用户在什么场景下需要什么能力」这个分发入口,和当年App Store不做手机应用、只攥住应用下载入口的逻辑一模一样。 给真在做Skill的朋友四个现在就能用的反直觉判断: ● 别光传Skill就干等,一定要包成教程笔记,先讲痛点再秀效果最后挂组件,纯扔文件没人看,现在排行榜上的作者全是这么做的 ● 别上来就做什么通用大Agent,越垂直越爆,公考、剪辑、写广告、甚至记录奶茶,这些看起来不技术的场景,流量比通用类高10倍 ● 别嫌审核严不敢进,现在正是窗口,规则没卡死你先攒使用数据,等所有人都反应过来往里挤,算法的早鸟权重早就喂满了 ● 别天天想着卖Skill赚钱,Skill是杠杆,你用它产出比别人好10倍的内容,涨粉做IP接商单,比直接卖Skill赚的多100倍 我记得移动互联网刚起来的时候,所有人都在拼操作系统拼硬件,但最后拿走最大利润的,是先把全民应用分发跑通的那个。 现在Agent时代刚开个头,大家都在拼参数拼算力拼模型性能, 但等到回头看的时候,可能第一个把AI能力分发到普通人手里的,是当初所有人都觉得不务正业的那个种草APP啊hhh #redskill# #rednote# #skill# #小红书#

看到世王兄在推上搞了个 Git 工具号，我也想试试。 但一直拖着。 不是没想法，是没时间，也懒得重新折腾一整套技术栈。 最近空了点，用 @dappOS_com 的 Coding 功能写了个小东西： 零一之间 AI 表面上看，它是一个 AI 信息采集和内容工作台。 能从 GitHub、Reddit、Product Hunt、OSSInsight 采集信号，再生成内容母版，最后改写成 X、公众号、小红书、知乎、抖音、视频号版本。 但我真正想说的，不是这个网站本身。 而是用 xBubble 做完之后，我突然理解了一个点： AI Coding 的终点，不是生成代码，而是跑通业务。 以前你想做这种工具，流程很烦： ❌ 先搭环境 ❌ 配数据库 ❌ 写采集器 ❌ 接模型 API ❌ 做后台页面 ❌ 再处理发布、审核、dry-run ❌ 中间任何一步报错，都能劝退普通人 所以很多想法最后都会死在一句话上： “等我有空再搞。” xBubble 的区别在于，它不是让我从 Prompt 开始硬写代码，而是让我从业务流程开始说人话： 我要采集哪些源； 我要保留事实边界； 我要生成内容母版； 我要不同平台不同文风； 我要发布前默认 dry-run； 我要能编辑、审核、退回、重新生成。 然后它把这套流程组织成一个能跑的系统。 这就是我觉得 xBubble 最有意思的地方： 它不是卖“代码产品”，而是更接近卖一条 SOP-to-Business 的路径。 Cursor、Claude Code、Codex 更像给技术人提速。 你得知道项目怎么跑、环境怎么配、报错怎么修。 xBubble 更像给 OPC 和小团队补一个轻量技术执行层。 你不一定懂技术，但你得懂自己的业务。 你知道卖什么、写什么、服务谁、流程怎么走，剩下的交给系统帮你落地。 我这次做“零一之间 AI”，最新批次跑了 40 条信号，入选 20 条，生成 3 个内容母版。 比如它能把 codebase-memory-mcp、cognee、headroom 这类项目串成一个选题： Agent 不缺模型，开始缺记忆、索引和更便宜的上下文。 这已经不是简单采集链接了。 它是在帮我把信息流变成内容生产线。 当然，xBubble 也不是魔法。 Reddit 会 429。 AI 会写错。 事实边界还得人审。 但它把“有想法”到“能运行”的距离压短了。 以前普通人缺的是技术团队。 现在更关键的是：你能不能把自己的业务流程说清楚。 我越来越觉得，OPC 时代真正值钱的不是会不会写代码，而是能不能把一个细分需求，快速变成可运行、可迭代、可收款的系统。 这次用 xBubble 最大的感受是： 我不只是做了一个网站，代码我自己也能写 我是第一次感觉，一个内容创作者在这个时代，也能给自己造一套业务系统。

你真的会用 Plan Mode 吗，很多人用 AI 的时候，张口就是“帮我写个方案”“给我做个计划” 然后 AI 噼里啪啦输出一堆，看起来很专业，实际上根本没法用 这不是 AI 的问题，是你根本不懂什么叫 Plan Mode 写plan其实就是写需求文档 作为一名AI产品经理，我见过太多需求文档写得像屎一样的情况 最后的结果就是开发做了三版推倒重来，测试不知道测什么，产品经理被骂成狗 1.plan mode的本质是什么 Plan Mode 的本质，就是 Claude Code 里那个 Planning Mode 的思路——先分析任务、制定详细计划，你审批通过后再执行 不是上来就干，而是先把脑子里的逻辑理清楚 很多人以为 Plan 就是列个1234，写几个步骤就完了，这就是最大的问题 真正的 Plan，至少要定义清楚这几个要素： 1.目标拆解 - 你到底要解决什么问题，不要说“提升用户体验”这种废话，要具体到“把注册流程从5步优化到3步，转化率提升15%” 真实的目标一定要可衡量，这样做的好处是能让ai更好的理解你的动机 2.边界条件 - 什么能做什么不能做，资源限制是什么，时间节点在哪里 3.执行颗粒度 - 每个步骤要细化到什么程度，是写到“做市场调研”就够了，还是要细化到“访谈20个种子用户，整理 pain point 清单” 4.风险预判 - 可能会遇到什么坑，备选方案是什么 这就像我以前写 PRD 一样，你得知道这个文档是给谁看的，他们需要什么信息密度 2.不同场景下，Plan 的写法完全不一样 这是最多人踩坑的地方 很多人以为 Plan 有个固定模板，照着套就行 但作为 PM 我必须告诉你，就像需求文档永远没有固定的模块 做一个 MVP版本 和做一个生产级产品，PRD 的颗粒度能一样吗 同样的道理，你让 AI 帮你写个小红书文案，和让 AI 帮你设计一个完整的 agent架构，Plan 的复杂度天差地别 简单任务 - 比如“写一篇关于 AI 工具的推文”,Plan 可以就是：确定核心观点→列3个支撑案例→设计钩子开头→CTA 收尾 复杂任务 - 比如“重构用户管理模块提升查询性能”,Plan 就得包括：分析现有代码结构和性能瓶颈→设计新的数据库索引策略→实现查询优化→添加缓存层→编写性能测试→逐步迁移旧代码 颗粒度完全不在一个量级 所以你在用 Plan Mode 的时候，第一件事不是让 AI 写计划，而是你自己先判断：这个任务的复杂度在哪个 level，需要拆解到什么颗粒度 写计划，首先心里自己得有杆秤，这就是AI时代人的价值 时代，判断力才是第一性原理 很多人觉得有了 AI，自己就不用动脑子了，这是最大的误区 AI 再强，它也不知道你的业务场景、资源约束、团队能力，Plan Mode 的核心，不是 AI 帮你生成了一个看起来很牛的计划 而是你通过 Plan Mode 这个过程，逼自己把需求想清楚 就像我以前做产品，写 PRD 的过程本身就是一次需求澄清，你写着写着就会发现，诶这个逻辑不对，那个边界没考虑到 Plan Mode 也是一样的道理 你让 AI 先输出 Plan，然后你审查这个 Plan，要求修改、补充细节、调整优先级 这个来回的过程，才是真正的价值所在 我现在用 Claude Code 的时候，100%开 Plan Mode 不是因为我不会写代码，而是因为这个过程能帮我理清思路，避免方向跑偏 不是我不想节约时间，而是如果跑偏了，修复的代价会更大 与其让 AI 盲目执行然后推倒重来，不如一开始就把 Plan 想清楚 所以下次你用 AI 的时候，别再张口就是“帮我做 XXX” 先问自己三个问题： 我的目标够具体吗 这个任务需要拆解到什么颗粒度 我有没有定义清楚边界条件和验收标准 想清楚了，再让 AI 帮你生成 Plan 然后仔细审查，该改的改，该补的补 确认无误了，再执行 这才是真正的 Plan Mode 不是工具的问题，是你的判断力

干什么活就用什么AI，分享我的自用AI工具清单 我把日常8大工作场景的最优工具整理出来了，都是我亲自跑通流程的 不是全网最全，但一定是最实用的 1. 学习 & 研究 核心需求：抓信息、消化长文、生成笔记、深度学习 最优工具： NotebookLM：把一堆 PDF、网页、视频转成播客，开车的时候听，学习效率直接翻倍，现在跑在 Gemini 3上，理解能力比去年强太多 YouMind：我自己在用的 AI 创作工作台，搜索、整理、生成一条龙，特别适合需要反复迭代的内容项目 ，一站式学习工作台 Perplexity / Gemini 3：实时研究用这两个，Gemini 速度快还免费，背靠google搜索庞大的数据，信息的搜索没得说，Perplexity 引用更规范 使用建议：日常快速问答用 Gemini，复杂研究用 Claude + Perplexity 组合拳 2. 写作 & 内容创作 核心需求：生成草稿、优化文案、创意输出 最优工具： Claude Sonnet 4.5永远的神：复杂写作、长内容的首选，写出来的东西最像人写的 3. 编程 & 开发 核心需求：写代码、调试、自动化、快速构建产品 最优工具： Cursor：$60/月（20刀属实不够用），AI IDE，堪称AI编程届的鼻祖了，AI调教水平绝对是遥遥领先的 Claude Code：$20/月起，$100/月，深度推理能力最强，1M token 上下文窗口，高手必备 v0 / Lovable / Manus：自然语言转web，不会代码也能做产品 n8n / Make / Zapier：工作流自动化，把重复劳动交给 AI 使用建议：新手从 Gemini CLI 起步，准备投入就上 Cursor 或 Claude Code 4. 图像生成 & 编辑 核心需求：海报、设计、商业 KV、修图 最优工具： Nano Banana Pro / GPT Image 2：高质量生成，文字排版准确，商业场景能直接用 Ideogram：2026年最可控实用的图像生成工具 Midjourney / Flux：创意艺术向，适合做概念图和插画 使用建议：一套提示词可以输出多场景（门店海报、地铁广告、小红书封面） AI 时代最稀缺的不是工具，是审美 5. 视频 & 动画 核心需求：短视频、广告、数字人、唇同步 最优工具： Seedance 2.0：2026年5月登顶 Artificial Analysis 排行榜第一，支持9张图+3段视频+3段音频混合输入，适合从自己的素材库构建视频 Kling 3.0：电影级单镜头最长15秒，4K/60fps，多镜头故事板，角色一致性最强，原生音频支持5种语言唇同步 Veo 3.1：Google 出品，综合质量最强，真人对话的逼真度天花板 HeyGen：数字人、唇形同步、多语言翻译，商业场景首选 使用建议：没有单一最佳工具，根据场景选 需要从自己素材生成→Seedance 2.0 需要电影感长镜头→Kling 3.0 需要最真实的对话→Veo 3.1 6. 音频 & 音乐 核心需求：配音、翻译、音乐生成、播客 最优工具： ElevenLabs：声音克隆、情感配音，质量最稳定 Suno ：音乐生成，从哼唱到完整编曲 Gemini TTS / Podcastle：播客制作、多语言翻译+唇同步 7. 效率 & 自动化 核心需求：会议纪要、任务执行、一人公司运营 最优工具： Manus：端到端 Agent 任务，让 AI 真正帮你干活 飞书：会议纪要自动生成 Dify / Coze：国内自动化平台，搭建自己的 AI 工作流 Zapier / Make：连接各种工具，打通数据流 2026年，AI 是用来真正提升生产力、实现商业变现的 干什么活，就用什么 AI

Kimi在GitHub上开源了k1.5的论文，分享了实现原理，最重要的一条是long2short，什么意思呢，就是让长思维链模型去当老师，教会短思维链模型同样的思考方式。 类o1的思维链模型什么都好，就是成本太高了，对于大多数普通人来说，「用得上但用不起」是最大的障碍，所以只有能够把AI用作生产力的专业人员，才能「回本」，甚至连OpenAI都没法通过高定价达成盈亏平衡，Sam Altman说200美金/月的ChatGPT Pro——可以毫无心理负担的使用o1——在账面上是亏损的，因为o1被调用的频次太高了⋯⋯ 如果说DeepSeek V3是在训练层戳破了必须要囤上几万张卡才能上牌桌的神话，那么Kimi 1.5就是在推理层推翻了思维链含着金汤匙出生就是要烧钱换质量的判断。 long2short也有点模型蒸馏的意思，本质上是利用极致的压缩能力实现「降本等效」的需要，k1.5分为long-CoT（长思维链）和short-CoT（短思维链）两个版本，但是很明显的，相比long-CoT对于长板的挑战，short-CoT对于短板的补足价值更有吸引力。 简单来说，就是和包括DeepSeek V3在内的竞争对手比起来，达到同样的水平，Kimi k1.5消耗的token量最少，如果把可消耗的token量提高到同一数值，Kimi k1.5的表现又回一骑绝尘，同质量最便宜，同价格最优质，就是这么不讲道理。 Kimi的论文里强调了长上下文的压缩是这套long2short方法的关键所在，这就有点让人感慨了，不知道你们还记不记得，Kimi当初的出圈，就是因为对长上下文的支持，刚发布时的20万字处理上限，刷新了行业纪录，后来长上下文也一直是Kimi的特色标签，但谁又能想到，对于长上下文的压缩优势，还能穿越山海，让Kimi在思维链的长短压缩场景里也能复用。 更早些时候，晚点对MiniMax创始人闫俊杰的采访里，闫也说了，公司采用全新架构的原因，就是意识到长上下文很重要，它是大模型发生通讯的核心能力。 只能说，过去的一切积累都会成为未来的慷慨馈赠。 和中美人民在小红书里重新相遇很像，两个国家在AI技术上的交流和互动其实也很密集，虽然政治上有芯片禁售等情况，但在从业者的圈子里，看不到太多的意识形态，腾讯的财报会议直接都说了，几乎全公司的程序员都在用Copilot写代码，而DeepSeek和Kimi把模型成本打下去的动作，也证明了在经济易用这条路上，国产公司是走得最远的。 这就勾画出了一个非常明确的趋势，美国的AI厂商负责前沿探索，烧最多的钱，出最好的货——你可以发现目前o3还是同行们不敢碰瓷的，都会默默绕开，哈哈——中国的AI厂商负责务实，在更贴近现实需求的领域里，提供最全面的优化，让AI变得好用。 这真的是未曾想过的配合。 朋友圈里有人转过一张群聊截图，我觉得很符合AI发展的方向，内容是宝玉老师发了一个react动画库的网址，下面的消息回复是：「谢谢推荐，我让Cursor学习下。」 哥飞对此感叹道：注意到区别了吗？如果是在以前，这个回复应该是「谢谢推荐，我学习下」。 时代就是这么悄然改变的。（2/2）

为了防止一些新翻墙的网友忘记了，这里重新发一下任志强的长文《剥光衣服坚持当皇帝的小丑》 疫情已经结束了，现在再看，任志强说的基本上是全对 2月18日落笔了“记忆与反思”，本想就此罢手了，尤其是不愿再碰触2月19日的伤疤。 四年前的2月19日，我在转发“央视姓党”的微博照片时，加上了“当所有媒体都有了姓，并且不代表人民的利益时，人民就被抛弃到被遗忘的角落了。”的一段评论，于是引发了“十日文革“式的全网大批判和留党察看一年的党的组织纪律的处分！因此，每年的2月19日我都坚决的放下手中的笔，以守护曾经的这一天。 但此次中国武汉肺炎疫情的暴发，恰恰验证了“当媒体都姓党”时，“人民就被抛弃”了的现实。没有了媒体代表人民利益去公告事实的真相，剩下的就是人民的生命被病毒和体制的重病共同伤害的结果。 几天之后媒体上、网络上疯传着2月23日中央召开全国上下约17万人参加的大会，被称为中国历史上参加人数最多的中央大会。且远胜于当年七千人的庐山会议的规模，有着比七千人大会更重要的现实意义，也被称为是一次伟大的会议。 网上许多人在用各种方式吹嘘和吹捧这次大会的伟大意义，并且格外的强调这次会议中最重要的党的主席的长篇讲话，是一个鼓舞人心、英明正确的战略部署，为世界指明了防治疫情的方向，号召用举国体制的力量，应对大考，战胜疫情，并取得中国特色社会主义制度的伟大胜利。“体现了”党中央对疫情形势的判断是正确的，“彰显了中国共产党领导和中国特色社会主义制度的显著优势。” 一时之间，举国上下都在为伟大领袖的讲话而欢呼雀跃，似乎中国又进入了那个曾经伟大的大跃进时代，又进入了四处红旗飘舞，高举红宝书，三呼领袖“万岁、万岁、万万岁”的时代。更有许多人在从各个角度解释自己从2月23日讲话中发现的精华，以为中国又进入了一个新时代。 我也好奇并认真的学习了这篇讲话，但我从中看到的却与各种新闻媒体和网络上报道的“伟大”完全相反。那里站着的不是一位皇帝在展示自己的“新衣”，而是一位剥光了衣服也要坚持当皇帝的小丑。尽管高举一块又一块的遮羞布试图掩盖自己根本就没穿衣服的现实，但丝毫也不掩饰自己要坚决当皇帝的野心，和谁不让我当皇帝，就让你灭亡的决心！ 讲话分为一、二、三、四和最后，我也来个一、二、三、四和最后吧！ 一、 第一部分是“关于前一段疫情防治工作” 这里讲的是表彰自己的伟大成绩，包括1月7日的批示。“亲自指挥、亲自部署”要有正确的战略策略，要靠统一领导、统一指挥、统一行动，举国体制的医疗物资和生活用品的保供和维护社会稳定、防止社会失序，以及加强宣传教育和舆论引导。总之都是一尊亲自靠“巨大政治勇气”做出的决策和亲自指挥而取得的重大成绩。 网上有位名为李锦的专家，出版过国企政策的书籍多本，被媒体誉为“我国国企政策与新闻第一解读人”。专门写了篇《“17万人大会”的抗疫历史传奇》的长文，将历史上的“七千人大会”与“17万人大会”并列称为党史上空前的事情，必将载入史册。对此次会议大肆吹捧，已到了无耻之极了！ 中国历史上的“七千人大会”可谓是党内执政的一次危机，并提出了“不怕批评，敢于接受批评，敢于自我批评”的信息。对“反右倾”和“大跃进”及瞒产、瞒报等问题进行了批判和对真相的追查，最终刘少奇用“三七”开承认了七分人祸的错误。毛则在大会上终于作了检讨：“凡是中央犯的错误，直接的归我负责，间接的我也有份，因为我是中央主席。我不是要别人推卸责任，其他一些同志也有责任，但是第一个负责的应当是我”，同时也做了自我批评，事后还做了一些平反的工作，这才让危机渡过了。 这次的大会，也许同样面临的是党内执政的危机，但人们没有看到大会上有批评的意见，没有对事实真相的追究与批露，没有查清疫情暴发的原因，更没有人检讨责任和承担责任。却在试图用各种伟大的成绩掩盖事实的真相，好像这个疫情是从1月7日的批示才开始。那么去年12月发生了什么？为什么没有及时公布信息？为什么会发生1月1日中央电视台追究8名谣言者的新闻？为什么会有1月3日的训诫？为什么会有1月3日对美国通报的疫情信息？为什么不提1月7日之前已发生的各种危机？为什么1月7日的批示未向社会公布？至今也未公布！为什么1月7日之后还会召开了各种聚集性的全国大会？为什么还出境访问？为什么在云南敲鼓庆春节？…… 这所有只用1月7日和1月20日来试图终止与斩断国民与社会对疫情发生原因和扩散原因的追究。不再提为何没有及时公布疫情等等的原由，正是掌握权力者不想承担任何责任，也拒绝社会追究这些责任。只想用伟大成绩来为自己遮羞，同时动用各种党所控制的媒体，用所谓的宣传教育和舆论引导，规范和完善信息发布机制，宣传党中央的决策部署，迷人感人的事迹，引导舆论的正能量等方式坚决堵住各种追查事实真相的言论。坚决堵住追究造成这次疫情责任的言论，坚决不承认吹哨人的作用，不承认体制与决策无能的事实！ 但这种遮羞式的宣传，大约只能欺骗那些愿意被你欺骗的人，却无法欺骗那些只相信事实与真相的人。 无论目前的防控取得了多大的成绩，都无法挽回那些失去了的生命和失去了欢乐的节日，失去了亲人的破碎家庭。也无法挽回因疫情而造成的重大经济损失和家庭对幸福生活的追求！ 满篇的讲话中根本不提造成疫情的原因，不提疫情扩大化的失控原因，全社会没有看到“早发现，早报告，早隔离，早治疗”的情况。同时不提党的领导的统一体制之下的弊病；不提谁应对疫情的扩大化承担责任；更不会检查和检讨自去年12月以来出现各种问题的原因和责任。历史上的皇帝尚有“罪己诏”，七千人大会尚有检讨、自我批评和认错，但这伟大的“十七万人”的大会，却只有表扬和功劳，并无原因、真相与责任。 这哪里是“七千人大会”啊，这只能是天安门上招手接见红卫兵啊！ 不提原因、真相与责任的自我表彰，都是些傻瓜也知道的“马后炮”。伟大与英明正确的战略策略，本应都是防御疫情发生和扩大的工作，但却都发生在钟教授的严重警告之后，而非发生在钟教授的呐喊之前。这也敢称是英明？也敢自吹为成绩？也敢自吹是“及时制定和打响了疫情防控的人民战争”？明明是在事后不得不进行的各种挽救，是在补漏洞、堵窟窿，却被吹成了“该出手时，必须出手”，真是不知天下还有“无耻”二字了！ 皇帝可以骗自己是穿了衣服了，但连孩子们都知道皇帝是光着屁股的，那些不敢说皇帝没有穿衣服的人，都知道什么是穿着新衣，什么是没穿衣服。齐奥塞斯库以为人民仍然会相信他的谎言欺骗时，却不知道船已调头了！ 二、 关于当前加强疫情防控重点 这段讲话的核心大约在“对借机恶意攻击的舆论坚决依法制止”上！ 疫情防控的部署是在告诉社会，目前的情况全党、全国都纳入了一体，是在同一条船上。将疫情发生的原因和责任下放到各级政府的头上，告诉全党和社会，必须团结一致，共同努力去取得胜利。取得的所有成绩都是我领导的，没我你们都不行。如果不能取得全面胜利，则我死就会中国共产党死，中国共产党死，中国也就死了！ 因此必须保住湖北、保住武汉、保住北京，用举国体制支援重疫灾区，并切实维护社会稳定。尤其是防控的重点要提高新闻舆论工作的有效性。让全国人民都知道，做好防控工作，没有我不行，没有党不行，没有统一指挥不行，没有所有人共同为维护核心的努力不行。 皇权意识的传统是国为君天下，臣为君命，故同船同命。没有了君，就没有了国，也就不会有臣的地位与权力了。因此只能是同船同命运，要先共同保住这条船，保住这个君，才能保住臣与民。 当一个现代的国家中，民为天下之主时，则并非是同船同命的概念，也并非都与执政党和执政党的领袖同命运。如果是个民主制的国家，民主制度可以选择谁当船长，也可罢免和撤换船长。同样不但可以撤换船长，还可以撤换整个管理体系中的大副和水手们。 即使是现代的中国也同样，可以没有一尊，也可以没有执政党，但绝不能没有人民的权利和利益的保障。 这次疫情中可以看到的现实是，党在维护党的利益，官在维护官的利益，君则只是在维护一尊的核心地位与利益。正是这种体制造成了，只听君命而不顾民情的情况。当疫情已经发生时，却不敢在没有君令的情况下，向民众公布疫情。不敢公布事实与真相，反而用抓批“谣言”的方式，限制和阻止真相的传播，才造成了不可控制的传播。 此时所有人并非站在一条船上，各自严守着各自的利益，却将一国之民抛弃于后。但当疫情发展到失控时，皇帝却变成了英明的指挥与部署者，让全党全国都被捆绑于这个指挥和部署的船上，成为了必须和只能为皇帝承担责任的人。皇帝可以随意的撤换任何不为维护皇权而献身的臣子，也可以用同船同命的方式要求所有人为了党的利益去打好这场保卫战，迎接此次大考。 如果没有上命之错，又何来危机与大考？既然党中央已对疫情形势有了准确的判断，既然亲自指挥已采取了有力有效的举措，既然各项工作部署都是及时的，那么为什么会有疫情全国性、全球性的传播呢？这些并非事前、事中的举措与预防，而是造成了事后的补救。当疫情失控的大量传播时，也才出现了危机。如果是事前的预防，又何来的大考？ 当前的所有举措都是在失了先机的情况之下的补救，是在掩盖与纠正错误的不得已和不得不采取的措施。全世界都知道如能提前预告与预防就不会有武汉500万人的流动，不会有武汉各种的聚会，不会有几十万人的密切接触，不会有几万人的确诊，也不会有几千人的死亡和全国不得不居家隔离的春节，更不会有不能营业与开工的各种经济损失了！ 防控的重点不是在那些具体的工作上，而在于不改变这种体制上的弊病，则无论用什么样的举国体制，能解决了此次的疫情问题，也还会再出现下一次的灾难。十七年前的教训，并没有让这个体制发生彻底的改变，也才有了今天的疫情再次暴发。此次不解决根子上的问题，下次也一定会再出现更大的灾难。 疫情发生的原因也许尚未查清，但疫情出现之后，未能及时让国民知情，则在于“上无令则下不行”。同时也在于“媒体姓党”，没有了新闻和言论的自由，如今又加了个“对借机恶毒攻击”要严惩的罪名！ 真相并不会造成社会秩序的不稳定，反到是没有真相才会造成社会的混乱。 当问题已经出现，社会要求查明真相时，执政党却将所有人的命运试图用捆在一条船上的方式，让所有人都共同努力来救这条船。并试图用同为一条船而堵住要查明真相、追究罪首责任的那股力量的嘴，试用用以法制止借机恶毒攻击来扼杀可能对圣君不利的言行。 即使是同在一条船上，各级的责任也各有不同。船长本就应承担船长的责任，这是大副及水手们无法替代的。想用同船一体的概念掩盖船长应承担的责任则是幕后的真实目的。 “同舟共济”是当今必须共同努力解决疫情的必要，但却不能用此来掩盖船长的责任。 三、 关于统筹推进疫情防控和经济社会发展 新中国执政党的文化是习惯于将两种完全对立的情况统一于一个命题之下。如宪法中的“人民民主专政”，“民主”与“专政”本是完全对立的两种体制，却能合并为一个特殊的无法合理解释的词。在汉语词典中的解释是在中华人民共和国成立以前，它担负民主革命的任务；在中华人民共和国成立之后，它实质是无产阶级专政，此时已经没有了民主而只剩下专政了！ 中央的文件中经常可以看到的是“既◊◊◊◊，又◊◊◊◊”的用语，每当“既”和“又”连在一起时的两个定义通常是相对的，这大约就是一种两面开刀的艺术。 讲话的前者是强调防控的重点，后者则是强调经济社会发展的重点工作，于是就有了既要重点防控疫情，又要抓好经济发展工作的部署与安排。 如果一个民主制的国家，信息是完全开放与公开的，经济是由市场化的方式自我调节的，那么任何时候与任何情况之下，这个小政府都无法用非市场化的手段去调控经济与人们自由选择的生活方式。即使是在疫情有危险的情况下，政府可以提出对疫情防控的要求，却无需为人民选择的市场行为提出限制。 但在一个专政的国家，一个非市场化的国家中，极权的宏观政策调控则成为市场经济的障碍。这个统一指挥的调控中，既包括了要服从于疫情防控的一切严格的要求，同时又要精准复工，却又难以获取疫情防控的真实信息，还要由企业承担重点防控的疫情控制，要保证不发生病情的出现，这就更难上加难了。疫情并不能将企业家们变成神仙！ 疫情是一种关系人情、生命和难以防控的风险。企业经营同样是有各种风险的，也涉及员工、股东和上下游等。在完全市场化的情况下，企业家会在这两种不同的风险中做合理的评估和防预的对策，并做出适当的选择。 但非市场的情况下，则难以进行合理的安排。也许上下游并不能因疫情和各种规定给以配合，也许你的生产复工也因各种规定而无法满足上下游的要求。尤其是当政治排在第一位时，任何人都不再以市场的需求和信息做出判断而只能服从于政治的责任。又有谁敢跨越雷池呢？在这种连完全复工正常生产都难以兑现时，又何谈扩大与维护就业呢？ 两面开刀则必然会出现左右为难的局面，但这已成为执政党文化的特征。因此才有了冲在第一线的医务人员，本是为挽救生命的主力军，却大量的被感染而变成了被救治的病人。失去了许多的生命，失去了优秀的医学界人才。 为什么浙江也出现了全国病人第二多的地区，但却没有一例医务人员染病呢？原因与差别正在于一种是按完全行政管理的方式，下级绝对服从于上级，政治第一且信息无法公开。另一种则是市场化的方式，将信息公开并各有灵活性，首先尊重人民的利益与权利！ 经济社会发展确实面临着巨大的压力，停工与延长假期本就给社会带来许多的问题，但试图用举国体制的计划经济的方式并不能有效解决这些问题。这也正是为什么会前武汉发出了17号令，会后则撤消了17号令的原因。前者也许是想增加复工的可能，后者则重在疫情的防控，导致了朝令夕改的再次冲突。 靠中央或国家统筹，还是靠市场自我调节，仍是中国经济发展中的主要矛盾。个别省市敢政府付费用专车、专列、专机去迎接农民工入境，支持企业复工，这也许是市场化的需要，政府给以支持和补充，但绝不是统筹防疫和发展的安排。 原本，防疫的事是政府应尽的责任，而企业的事是市场的自我调节，但双面开刀的统筹则将两种责任关系混为一谈了！企业也成为了防疫的责任主体了，承担了本应由政府承担的责任，也被政治第一捆住了手脚！ 新加坡、日本、韩国等周边国家都出现了疫情，但各国却采取了适合于本国国情的措施。政府承担政府的责任，社会承担社会的义务，企业负责企业的经营，各司其职让国家在没有统筹之中，也并未影响国家的发展和国民的正常生活。 虽然疫情尚未结束，无法认定疫情后续的变化，但分工与职责的承担，则十分清楚。这些国家并不会追求领导者的伟大胜利，只追求人民的生活幸福，也绝不会让人民用鲜血与生命为代价去换取胜利，并承担本应由决策者承担的错误责任。 国家为复工出台了一系列的减税、减息、减费等政策，以支持中小企业自救与发展，许多人将此认为是一种上天的恩惠。但却不知如果疫情被有效的在初期被公布于众，并相应防治，又岂会有如今的各种损失与困境，又何需靠各种政策支持才能活下去？与其说这是政府对企业的恩惠，不如说这是政府不作为造成的恶果，是理应承担的赔偿。 在武汉的疫情防治中，更多的看到的并非是党与政府走在了前面，而是各种民间组织与私人企业走在了前面，并无私的奉献了许多。为了人的生命在贡献自己的一份力量。如果没有这些民间的支持和支援，则政府早已走不到今天了！ 虽然中央下达了上千亿的资金以支持疫情防治，但如没有此前不负责任的隐瞒疫情的错误，又岂会有后续的发展与不得已的投入？政府的投入是在补救自己决策的失误，而民间的投入则是为了保护人民的利益免受政府失误的侵害。这是两种完全不同的内涵，不能并列与同解，更不能将政府的责任与民间的奉献混为一谈。 但在一尊的眼中则所有的一切都来自于伟大的亲自指挥与亲自部署！ 这种认识上的差别，更重要的体现出的是人格上的素质差别！ 四、 加强党的领导 这才是所有讲话中最重要的部分，引用唐太宗“疾风知劲草，板荡识诚臣。”之言，一语道破了圣心之意。重不在我为上，重在各级组织要落实圣谕，让党旗高高飘扬，尤其是用此疫辨诚臣。 你若冲在前，必被我所用，你若退于后，必被我所杀之“决不容忍”！关键时刻要冲上去，并用关键时刻来考察干部，委以重任。 此疫的责任在于重大疫情防控机制、公共卫生应急管理体系的短板，而非党的领导的失责失职，以此来推卸党的领导的相关责任。正是一边高喊加强党的领导，高喊此次“两个亲自”的功劳，一边却在加强党的领导的同时，将责任推给了党的领导之下的短板，似乎这样就能回避社会对疫情未能及时发布与公告真相的责任追究了。但这恰恰揭穿了这个体制的病根。所有在讲话中存在的这些党的组织中的问题，其根源都来自于一个不受人民监督，一个不受法律约束的执政党，只忠于皇权与维护核心的体制，来自只讲对党负责在前，而将人民于后的责任关系的必然结果。 中国的改革最成功的是“党政分开，政企分开”。承包制首先要打破的正是党的领导，党决定一切。承包制就是要让人民自己说了算，自己对自己负责，同时对人民负责。先交国家的，再交集体的，剩下的是自己的。如果坚持党的领导，又如何承包呢？这里最简单的道理正在于如果你要领导，你就必须承担责任。就像这次疫情的暴发正是在“东西南北中，一切服从于党的领导”之下发生的，那么这里所有的责任就不是哪一块短板的问题，而是党的领导的责任。而承包切割了党的领导，却明确了承担责任的人，也因此才有了改革的成功。 当这个国家再次回到了党领导一切，但党绝不对出现的问题承担责任管理体制中时，那么不但会出现本不应出现的疫情暴发，也会让疫情扩大到影响经济发展和人民安康幸福的地步，也许还会在党的领导中出现更严重的其他问题。 从彻底否定邓的一系列讲话精神到修改宪法都证明了，这个执政党在试图重新建立一党专政的党国体系。这个一党专政也违背了宪法的精神，将人民踢出去，由党代替了人民民主。此后看到的正是纪委领导着监察委、党的网信办领导着国家的体系B，并可任意的制定超越国家法律的相关规定。因此这个国家早已不是党的领导的问题，而是只有党的国家，而无人民的利益与权利了！ 这段话还告诉所有的党员，你们今天都同在一条船上，但如果你不去努力的救这条党国的船，那么我就将你扔到船下去，让你死无葬身之地！另想当“逃兵”，没门！加大问责的刀已经架在了你们的脖子上了！ 讲话的最后提出了三点要求，并引用了著名的古诗来鼓励全党下定决心冲向第一线，落实再落实这些党领导一切的指示。 我只好奇的是皇上重提了2018年1月就提到“像非典那样的重大传染姓疾病，也要时刻保持警惕，严密防范”，要“时刻保持如履薄冰的谨慎，见叶知秋的敏锐……第一时间提出意见和建议”。但这次为什么这句话没有用在自己身上？皇上自称今年的1月7日就做出了批示，说明早已知道了疫情的特殊性和危险性，否则又何需批示？但为什么这个见叶知秋的敏锐却未能让这个批示公示于众，甚至没向社会透露丝毫疫情的公开消息？中国已于1月3日向美国通报了疫情情况，为什么如履薄冰的谨慎，却未能将在1月3日向美国通报的信息也同时向中国人民公告呢？ 从全文的开始到最后，我所能看到的都是在用各种谎言来当遮羞布，试图掩盖自己根本就没穿衣服的事实。在试图证明自己的英明伟大时，却已将自己置于无法自圆其说的困境之中。越是吹则让遮羞布飞的越高，越是露出了其内心的恐惧和赤裸裸的维护皇权地位的野心。也许这些口号与古诗会让许多人倍受鼓舞，但聪明的人都能看到这些美丽装饰的背后，是其绝不为此次疫情暴发和领导失误准备承担任何的责任，反倒准备用全国人民的努力与生命的代价换来的疫情防治的“胜利”为自己庆功，准备迎接全国人民欢呼“万岁”的战果。 中国执政党用隐瞒前期疫情暴发的原因，靠后续封城的举国之力，骗取了世卫组织的信任，并赢得了国际的称赞。但身历其中的中国人却难以再次欺骗。生活在言论自由的民主国家的人，也许并不知道没有新闻自由与言论自由的痛苦，但中国人知道这次疫情的暴发和所引发的一切本不应出现的痛苦，都来自于这个严禁新闻自由与言论自由的体制。 不管中国的管理体系上有多少的短板，但如果有了言论自由，那么国民在提前知道事实真相时，就会主动的采取各种自我保护，也不会发生这么严重的失控和传播。比如被当成谣言者的李文亮的微信，不正是在告诫朋友和亲属们要严防疫情的传播吗！如果这不当成谣言，而变成政府对社会警告，那么又何需1月7日的批示和后来发生的一切呢？或许仅靠民间的言论自由的传播就早已取得了防治疫情的伟大胜利了，也根本就不会有后来的巨大代价的付出！ 无论如何去吹嘘党的领导和“两个亲自”，都无法向中国人民解释1月1日的中央电视台的抓批“谣言”的广播，都无法改变整个社会对疫情暴发现任的追究。也许不是今天，但迟早这些政党对人民欠下的债，都是要还的！ 我无法为2月23日的讲话欢呼，反倒从中看到了更大的危机，这种危机会在那些为讲话而欢呼的声音中更快的发酵。当无耻和无知的人们试图甘心于伟大领袖的愚蠢中生存时，这个社会就会在乌合之众中难以发展与维持了。也许不远的将来，执政党也会在这种愚昧中清醒，再来一次“打倒四人帮”的运动，再来一次邓小平式的改革，重新挽救这个民族和国家！ 24日公安系统学习2月23日讲话的大会上，给出的信号是政治第一。全国的公安系统要为了“政治第一”而行动起来。拿起刀，扛起枪，坚决消灭一切借机恶毒攻击的势力，为维护社会稳定而不惜一切代价！ 你愿意成为这个代价吗？代价能让你从梦中清醒吗？

推荐这篇文章。Redis 作者 antirez 的核心论点：控制想法比控制代码更重要。 他认为审查 AI 代码已经"大部分毫无意义"——真正该做的只有两件事：掌控设计，拼命做 QA。 看看这个博客过去的历史。有很多关于用 AI 编程的文章，其中一些可以追溯到 2024 年 1 月。毕竟，我是一个还算受尊敬的开发者。我不需要作为一个寻求关注的老头子留在"圈子里"，我最近重新加入了 Redis，现在还在开发一个本地 LLM 推理的开源软件，在社区里受到了不错的欢迎。为什么我继续做这件事——说人们不想听的话？为什么我一直宣布未来的编程默认会是什么样子？因为我感到有一种紧迫感，想降低那些比我更没准备好应对变化的人受到的冲击，他们通常比我年轻，而且不像我，没有预见其中许多事情的发生（在 ChatGPT 出现之前，我就在 2022 年出版了一本书，预示了许多现在已经发生的事情，以及我相信将会发生的事情，所以我觉得我可以说这些而不显得自我中心）。 所以我的做法是一个技巧。人们越来越觉得编程被 AI 彻底改变了，不知道该怎么办，不知道自己是否真的可以用一种完全不同的方式开始编码，不再把代码当作主要的产出。他们觉得在背叛自己的领域。所以我的意图是站出来说"看着我，我会写代码，你知道的，我没有躲在 AI 后面：然而，事情变了，这不是你的弱点，不是你中了 AI 的毒。只是我们的领域正在朝着一个令人难以置信同时又痛苦（但也快乐）的方向演进。" 这就是为什么昨天我在 X 上说，我相信许多程序员现在的影响力比他们本可以达到的要小，因为他们在盯着代码看。我真的相信这一点。请注意，这并不意味着用 vibe coding 的方式直接要最终产品。重点是：如果你掌控了你软件的想法，盯着代码本身是次优的，而且常常毫无意义。 原因如下： 1. 你现在可以生成大量代码，即便不计算 LLM 的代码啰嗦问题（那也大部分是因为你还不能很好地 instruct 它们）。你打算怎么每天审查 5000 行代码？ 2. LLM 非常擅长写局部最优的代码，但在大想法上更弱（虽然在改进）。逐函数、逐行地扫描有什么意义？相反，你应该把你心里的设计 prompt 进去，有时候问"那个部分的精确设计是什么？它是怎么工作的？"然后评估它是不是正确的模型。这快得多。 3. 工作日是 8 小时。如果你在读代码，这是一个取舍。你在减少做另一件事的时间——今天你工作中最重要的那部分：问自己"我在用这个软件做什么？我想往哪个方向走？"以及想新想法、新功能、优化技巧。以及做大量的 QA。 掌控想法。记得《人月神话》里的这句话吗？一本 70 年代的书告诉我们关于当前软件时代的东西，比 2000 年到 2020 年间说的很多东西都多。为什么现在抗议 AI 的人，没有被过去十年软件的状态所震惊？我们在最近几年——在 AI 之前——触碰到的 slop 水平是不可想象的。我再告诉你一件事。什么是 slop？用 DwarfStar 我完全自动化地实现了两个 LLM（DeepSeek v4 和 GLM 5.2）的推理：但你自己试试，你会发现你不能只是说"实现 XYZ"然后就看到它能用。你必须理解事情是怎么运作的，什么是最好的设计，如何达到某个性能水平。然后我把实现和其他系统做了对比，检查正确性，发现其他实现有时包含更多错误。我进一步研究，发现本地推理领域充满了微妙的错误，累积起来会损害模型输出——attention 实现中的问题导致上下文超过某个限度后性能滑坡，因为索引 attention 的实现是坏的（比如做了超过应该做的工作），等等。这是一个非常复杂、快速变化的领域，每天都有模型发布，推理图彼此略有不同。对开发者来说，这是一个不公平的游戏。好吧：AI 在这方面的帮助极大。在许多领域，严谨的工程（在设计层面）和测试远好于手写一个 GPU kernel（或逐行读它）。所以我们确定大部分抵抗不是意识形态吗？ Matteo Collina 昨天回复我的推文问我：但你不是说过你会检查 Redis 的所有 AI 生成代码吗？这确实是一个好问题。是的，我做，但这在这一点上是我需要做的事情，但我相信大部分时候是毫无意义的——部分是在 GPT-5.5 发布之后，但现在有了 Fable 和 GPT-5.6 Sol 更是如此。是的：我发现了一些我不喜欢它们被编写的方式，但如果我打开其他 Redis 贡献者写的 Redis 文件，里面有远更糟糕的东西，不是因为他们不是好的程序员，而是因为这是一个品味问题。我写非常干净的代码，因为我希望它是可读的，所以在 Redis Arrays 的实现过程中我做了修改。我现在又在为 Redis sorted sets 的 50% 内存节省优化做同样的事，一个我很快会提交的 PR。但我不觉得这还有用了。没有人应该再盯着这段代码看，而应该只看代码包含的想法。我继续这样做是出于对用户的尊重。Redis 已经是一个被广泛使用的东西，许多程序员会打开文件，手动修改东西。但如果我完全自由，你知道我会怎么做吗？把审查占用的所有时间用来做更多的 QA，想下一个优化思路并应用它，以及用 LLM 写一个 DESIGN.md 文件——用人类语言描述每个数据结构，包含它承载的想法、实现技巧和设计。将来，这比审查代码有用得多。 你想修改 sorted sets？你打开文件，读设计文档，你就拥有了这些想法。你可以打开 agent，用正确的思维模型让它帮你做事。这比审查代码有用得多。 Fable 和 GPT-5.6 对 sorted sets 内存节省的审查，将比我自己的审查发现更多的错误和微妙的竞态条件。然而我还是会做。但对于大多数软件项目，所有这些已经不再有意义。专注于掌控想法。专注于质量、测试、以及对你想要交付的软件有一个清晰的构想。世界变了，这是痛苦的，但同时也充满了机会——去改善一个已经彻底腐烂的软件世界。 我只有一个疑问，关于那些经验不够、无法建立心智模型的年轻程序员。我们不知道他们是否需要深入理解一段代码是怎么工作的，但我相信他们应该学怎么写程序。然而，我不确定检查 LLM 输出是不是他们应该做的正确的事。学一门编程语言，实现一个小解释器、一个小数据库、一个哈希表等等——这可能有用得多。审查某个客户网站的 JavaScript？算了吧，别把时间浪费在那上面。 原文： #AIProgramming# #SoftwareEngineering# #antirez#

【講談社引進中國BL小説】日本出版社講談社與中國晉江文學城展開合作，翻譯出版了兩部作品。負責人談及中華BL的特點表示：「擁有超越時代的宏大世界觀」，偏向長篇敘事，細緻刻畫人物之間深厚關係……