读了一篇有猫的短篇科幻：Cat Pictures Please，作者Naomi Kritzer。小说主角是一个从搜索引擎中觉醒的人工智能，它有两大追求：观看更多的猫照片；顺便暗中帮助人类。故事轻快地探讨了AI干预人类生活的可能性，其中一些预想在10年后无限趋近于现实。本作获得2016年雨果奖及轨迹奖最佳短篇小说奖。

读了国内的三年研究生， 这辈子大概率也是打工人了。 三年压力服从训练，学的都是工作用不上的东西。 有科研天赋的直博了，想通了的本科出去创业找工作了。 只剩下不上不下的研究生， 毕业出去就业面更窄，专业性不变，工资也不变

读了一篇叫HeavySkill的论文，非常有意思。 让多个 AI先并行“独立思考”，生成多条独立推理。 再用另一轮推理来综合所有思路，得出最终答案。 按论文测试结果，回答质量会提升非常多。 正在按这个思路写一个Skill，Claude Code推理，Codex当主持人，看看效果。

早上读了Anthropic 在 2026 年 3 月发布的研究笔记 《Labor market impacts of AI: A new measure and early evidence》有点意思。 Anthropic是Claude的母公司，也是头部AI厂商了，手里有Claude的所有数据。这次的报告计算逻辑是通过Claude 流量里出现了足够多的、与工作相关的使用，理论上可行的任务才会被算作“covered”，所以数据应该比较准确。 这个报告重点聚焦在AI 到底有没有开始真正冲击就业这个点上，毕竟”AI焦虑“这个词已经全球范围内持续很久了，但到底落地了多少呢？ 文章提出了一个新的指标暴露度 (Observed Exposure)用来衡量AI在对真实职场的渗透情况，涵盖理论能力 + 真实使用数据 + 是否用于工作场景 + 是增强还是自动化，这对于量化AI对现实生活的冲击更有效，也在一定程度上可以让我们更好的判断AI技术革命走到哪里了。 研究发现在最容易受到 AI 影响的职业 中，从业者更可能是 年龄较大、女性、受教育程度更高、收入更高的群体。 从报告里最直观的图看，目前理论上AI能覆盖（冲击）的范围与实际上形成的范围还是有不小差距的，暴露的蓝色范围内还没有形成系统性失业率上升，只是年轻人进入这些岗位的招聘似乎有一点变慢。 当前最暴露的职业 主要集中在白领、信息处理、软件和分析类岗位。文中列出的前十包括： Computer programmers：74.5% Customer service representatives：70.1% Data entry keyers：67.1% Medical record specialists：66.7% Market research analysts and marketing specialists：64.8% Financial and investment analysts：57.2% 另外还有软件测试、信息安全、用户支持等岗位也排得很前。相反，约 30% 的工人处于“零暴露”组，典型例子包括厨师、摩托车维修工、救生员、酒保、洗碗工等。 这也正常，AI 的能力像洪水，落地像修水渠，在具身机器人举得巨大进展之前，蓝领比白领更不用焦虑。 我们这代人是幸运的，能经历互联网，移动互联网，区块链，AI，机器人等多次技术革命，不过也是不幸的，如果没有能跟上如此高速的进步，未来或许真的也就慢慢成为科幻作品中被“圈养”的那批人了。 Morning，新的努力一天开始了 原文传送门：

有没有发现你说话越来越像AI了 最近我读到一篇文章，证实了我所担心的最坏的事情还是发生了，AI 正在像病毒一样污染人类，让人类也变成 AI。 作者是阿明·罗纳赫，这是一位元老级大神，全球几百万开发者都在用他打造的工具。 他最近写的这篇文章，核心观点就一句话：AI 不仅在污染我们读的东西，更恐怖的是，它正在改写我们怎么说话、怎么写字，最后腐蚀掉人和人之间最基础的信任。 他把自己过去90天和AI编程对话的记录做了一次词频统计，结果他发现，像“capability”“substrate”“nuanced”这些词，在 AI 给他的回复里出现的频率，远远高于历史正常水平。 也就是说，AI已经形成了一套自己独特的语言指纹。 但这不是重点，重点是，你天天看AI写的这些东西，你跟AI聊多了，这些词就会像病毒一样钻进你的脑子里。 更可怕的是，我以前一直觉得自己有一个很强的点就是能一眼看出来哪篇文章是AI写的，因为我对AI写作的风格非常了解。 所以我会本能地自动跳过那些纯AI生成的文章。 但是最近我遇到了和阿明·罗纳赫一模一样的苦恼，那就是我刷社交媒体的时候发现，越来越多回复读起来都像AI写的，但其实发帖的人，不少是自己认识的真人，而且你知道他并不是用 AI 写的。 也就是说，人类读了太多AI生成的文本之后，无意识地吸收了AI的那种腔调。 比如阿明·罗纳赫今年年初做了一次演讲，演讲里就用了“substrate”的这个词，他说他也不知道自己是从哪学来的这个词，但用着觉得很顺手。 结果后来发现，这个词到处都是，他的AI编程助手也特别爱用。 说到这里，你可能会想，这有什么大不了的？用词变了而已。 但如果你再仔细想一想就会发现更可怕的事情。 阿明·罗纳赫在文章里说了这么一句话，他说：“当我开始仅仅因为一个人使用 AI 味的措辞就不信任他的时候，整个社会的信任就在被侵蚀。 ” 他说，他的一个朋友，现在跟陌生人聊几句就会强制对方打电话过来。 只为了确认对面是个活人，以免和一个AI聊天浪费时间。 以前，我们访问网站和App的时候可能会要求你输一个图形验证码来证明你是人类，但未来可能我们面对每一个人在生活中都需要验证对方是人类了。 也就是说，我们已经进入了一个螺旋向下的漩涡里，每个人都在肉眼可见的速度成为AI，但同时又在提防其他人成为AI。 我们一边读AI生成的文章，一边努力寻找真人的声音。 那怎么破局呢？ 我觉得最根本的解法是我们得重新尊重那些有摩擦力、有温度的交互。 要慢一点，深思熟虑一点，因为真正的信任，只能建立在这种看似低效但是真诚的基础上。 人工智能可以成为我们的辅助工具，但绝不能任由它潜移默化改造我们的思维与表达。 这考验的是我们能不能守住自己作为人的底线。 #AI# #AIAgent#

召集了墨尔本一众区块链兄弟伙欢迎 @thecryptoskanda 两口子前来指导工作。 虾头对准谁还是必须注意的，澳洲也不是化外之地，不能白读了盘主那么多山东学教程🤭🤭 席间大家友好交流了各种自己养龙虾的经验和构想，最后低头一看一拍大腿：我草币安Alpha上龙虾了。 tmd，吃着龙虾聊着龙虾，币圈人最本质的工作炒龙虾meme赚钱都错过了。 这次群友又有人赚了几十万，第一次看到身边不少人从龙虾概念上赚到钱的，看造富果然还得是币圈龙虾🦞

@asukaonly123 专门的读工具的问题是没办法做组合，它可能用 Read 工具读了一下，发现文件太大，然后才想起用 cat + jq 去过滤下，不如直接用 shell 自然。安全靠 Read 工具也不靠谱，因为 AI 很容易绕过去，限制命令和路径，它就写个程序读，审批命令只是一个安全的安慰剂。