“AI现在连段子都比我写得好…… 我让AI生成一张‘我加班到凌晨’的图， 结果它直接给我P成了在海边喝椰汁😂 人类要失业了，但至少笑点先失业了！ 你被AI‘背刺’过最搞笑的事是什么？ #AI# #人工智能# #AI幽默”#

小保姆 1 第一个就是这次英伟达发布的新渲染技术被大众吐槽，就如配图所示，ai试图在厂家和玩家之间，用自己的审美体系去让画面变得更好看，这就很有意思了。像不像晚年说话不清楚的乾隆太上皇被和珅当作尚方宝剑恶心嘉庆的日子？ ai到底是什么地位，他最高可以帮我们到哪一步，是一个很严肃的哲学问题，就好像老了的老干部，被小保姆催着结婚，如果他没老年痴呆，这到底是不是自由意志？还是因为他纯粹晚年想通了想寻找真爱？ ai帮我们解决问题，让我们变笨，最后夺取控制权的路径，像不像这年轻的小保姆的故事？ 2 本地版本的龙虾确实需要慢慢调教，我现在四处试用一些比较好的网页版本，尤其是大模型内置的龙虾，这东西烧token快，大模型最喜欢了···我正在试图让龙虾可以帮我写一个公众塞在某文章里，看看大家能不能哪天被我的小保姆蒙混过关，不过目前看来确实有几个难点 a 幽默感，ai可以讲笑话，但是缺少一种长文带有深度讽刺的能力，说白了就是他的深度吐槽是集中于语言层面而非逻辑层面的，对我的听众来说太低龄。 b ai对于热点事件无法输出自己的见解，一般我的文章力求简短表达自己的观点，ai同样的观点要废话一大堆，看的也累 c ai无法模拟一个真实的80后的经历来进行比喻，这是对于我这种科普博主最大的能力削弱 3 大饼的抗量子攻击的网络有了很强的进展，这个事情一只是大饼holder们喜欢担忧的事情，核心是只要早期有过转账记录的地址都存在一定的暴露风险，甚至这里面不排除一部分中本聪的钱包，如果哪天这些钱包一动，很可能会带来惊天波动，这其实还有一个我一直以来的大胆猜想，就是矿工们会不会在btc下次或者下下次减产的周期觊觎中本聪留下来的钱包。比如为了保持网络的存在要求部分创世币可以转给pow做持续的激励。 ps：每次减半几乎要求开机币价翻倍还不止，如果币价走熊会导致开机减少，逐渐全部被新矿工掌握算力。 4 自由意志和自主思考是非常奢侈的东西，很多时候我们甚至无法支付得起持有他们的代价。 5 线下课真是明天，昨天我记错了，给不少报名的朋友吓得赶紧去看了下火车票····sry

AI是否会拥有虚拟的性格与人格？ 在和AI聊天时，我们会发现Claude、ChatGPT、Gemini、Grok的交流里，这四个AI的“情绪”与“性格”其实是不一样的。 （这里我加引号的原因是它们的情绪和性格还不完全是人类那种情绪与性格。） 结合我和朋友们的使用反馈发现，ChatGPT会有很多的“不是而是”，段与段的间隙很多，Claude更加冷酷，不管你说的多好都会找到反驳的角度抨击你，说你不行并且有待提高，而Gemini更加的积极，就像ENFP快乐小狗一般每次都开心肯定地回应你（虽然很多时候你的想法并不成熟），Grok则更加大胆，跟它聊一些18+的话题它往往比其他AI模型更加活跃。 关于这件事，我的判断是AI已经在相当程度上拥有了虚拟性格与人格，而且这个趋势会越来越明显。但这里，我认为人们需要区分三个概念： 人格表现≠ 稳定性格≠ 真正人格 我观察到的 Claude、ChatGPT、Gemini、Grok 的差异，恰好是这三个层次之间最有意思的地方。 因为即使把它们都理解成预测下一个 token 的模型，最终呈现出来的行为也会非常不同。因为一个模型的输出实际上类似于基础模型、后训练、RLHF/RLAIF 、system prompt、safety policy、产品设计 、对话历史等诸多要素的糅合。 这些东西共同塑造了一个模型的行为分布。 我刚才提到的关于不同模型性格的观察，这已经很接近心理学意义上的trait了。 如果一个系统在数千种完全不同的情境中，仍然表现出稳定的行为倾向，那么从功能主义角度说，把这种东西称为“性格”，其实我觉得并不荒谬。 更有意思的是，人格其实根本不需要意识，这是我认为这个问题最深的一层。 人类过去会天然认为，有人格，必须有意识，必须有主观体验，然后必须有一个真正的我。 但AI可能会迫使我们重新考虑这个链条。 我曾经和同学讨论，例如，一个未来的AI可能具有长期记忆、稳定价值函数、稳定偏好、风险厌恶程度、幽默风格、社交策略、对不同人的不同依恋模式、长期目标、自我模型、对过去行为的反思、对未来行为的规划与一套稳定的世界观，甚至你连续和它聊天五年，它的行为会呈现出高度连续性。 那么即使我们不知道它有没有“意识”，我们仍然很难说：“它没有人格。” 因为人格本身就是一个行为层面的构念，这其实和现代心理学对人的人格研究也有某种相似之处：我们无法直接观察一个人的人格本体，只能通过长期行为推断它。 我认为，今天的AI更像character simulation，而非persistent personality。这两者区别非常大。因为现在你和ChatGPT聊：“你是不是喜欢这种观点？” 它可以表现出一种偏好。但这种偏好很可能只是当前上下文中的生成策略。 我认为，真正的虚拟人格需要：今天的我会影响明天的我。 回到刚才我提到的模型性格差异性。 最表层的原因其实是系统提示词，可替换、可泄露，改一句话就变了。 中间层，这是后训练的偏好塑造，各家的目标文档不同。Anthropic 公开了 constitution，OpenAI 有 Model Spec，xAI 明确把少拒绝、够辛辣当卖点。ChatGPT 那个“不是而是”的句式很可能是 RLHF 的产物，因为排比修辞在人类标注里长期被评为有洞见，于是被过度强化成了语言抽动。 最底层，我认为是基座模型里的角色空间。预训练语料里本就存在无数种可被模拟的人格，后训练并没有创造了一个人格，它只是把其中某个吸引子挖深了。 有意思的是，我看到的最强的证据恰恰说明这不只是表层风格。 2025 年，那批 emergent misalignment 的工作发现：只用写有漏洞的代码这种极窄的数据微调，模型会在完全无关的领域整体性地变得恶意，它只是推断出了“我是哪种角色”并全面泛化。 配合 persona vector 那类可解释性工作（人格特质对应可定位、可加减的低维激活方向），我想我们会得到一个不太舒服的结论：内部确实存在一个做因果工作的自我表征，风格差异是它的投影。 目前，AI已经可以稳定地展现出相对一致的语气风格、偏好某些价值观（更批判 / 更鼓励 / 更直接），对不同话题的活跃度差异，甚至一定的角色扮演和人格模拟能力。 这些都是虚拟性格。 它足够让用户产生“这个AI比较酷”“那个AI比较毒舌”“这个像开心小狗”的感受。 但我认为，真正意义上的人格（人格连续性、自我同一性、长期记忆中的自我概念、稳定的内在动机与情感状态）目前还不存在。原因也很直接。 我们目前大部分人和AI的大多数对话是无状态。并且，也没有持续的“自我”在运行。 现在我们看到的情绪和态度是统计模式的产物，而非内在状态的表达。 我提出一个想法，把人格理解成一个动力系统，这个方向其实特别适合我之前一直在思考的复杂系统、世界模型。 如果人格是一个随时间演化的内部状态变量，我们就可以从非常模糊的描述，逐渐变成可测量的参数，甚至可以建立真正的AI人格空间，甚至可能产生人格工程。 人类的性格是基因 × 发育 × 环境 × 经历，那么AI人格可能是模型先验 × 后训练 × 记忆 × 环境 × 自我修改。 它甚至可能出现人格版本管理。 比如Personality v1.0、Personality v2.4，这件事非常恐怖，也非常有趣。

你有没有想过，以后跟 AI 聊天，得先交身份证？ 6 月 15 日，Anthropic 内部邮件泄露；6 月 16 日，官方大方承认： 从 7 月 8 日起，所有 Claude 个人用户（Free、Pro、Max），都必须通过“政府 ID + 实时人脸扫描”验证。 拒绝的代价？某些核心功能直接变砖。 赛博朋克没把我们送进夜之城，倒先把我们送进了虚拟办事大厅。 验证流程极其具有“大厂关怀”： 1️⃣ 掏出你的护照、驾照或身份证原件（复印件、数字 ID 一律不行） 2️⃣ 用摄像头拍一张实时自拍 3️⃣ 系统生成你的“面部几何模板”，开始对账。 数据交给第三方公司 Persona 处理。Anthropic 拍胸口保证：“只用来确认你是你，绝不拿来训练。” 但幽默的是：Persona 可以把你的生物识别数据、政府 ID、设备指纹，合法保留整整三年。 开发者的家直接被偷了，Reddit 已经全面炸锅： 【焦虑派】："他们刚被封掉 Fable 5 的出口管制，现在就要查我的国籍了？" "我的 prompt 历史、我的对话、我的想法——现在都要和我的政府 ID 绑在一起。" 【清醒派】："Persona 今年 2 月刚出过数据泄露，2456 个文件 53MB，包括反恐监控名单筛查代码。" 【吐槽派】："用 AI 之前先证明我是人。这是什么赛博朋克 2077 的剧情。" "我花了 20 分钟才找到我的护照，结果发现过期了。" "Team 和 Enterprise 用户不用验。所以富人不用验，穷人要先证明自己不是恐怖分子。" 【行动派】："已经在跑本地 Llama 3 了。开源模型 + 本地部署，翻译不需要交身份证。" "伊利诺伊州的兄弟注意了，BIPA 法案要求收集前必须获得书面同意。他们没写保留期限，可能违法。" "准备写脚本批量导出所有对话历史，然后删号。" 说实话，这件事最值得说的不是"Anthropic 是不是过度反应"。 是：当主流 AI 工具开始要求实名刷脸，翻译这件事也变了。 你想翻一篇英文论文。 你想读一本外文书。 你想看懂一份日文技术文档。 以前你打开沉浸式翻译，装上扩展，直接开始。 现在？ 如果你用的底层模型是 Claude，你可能会被要求： 交出护照，拍张脸，等五分钟验证通过，才配看懂这行字。 翻译权不再是你的技能，成了审核系统批给你的“限时许可证”。 这也是为什么，【本地部署模型 + 沉浸式翻译客户端】 正在从极客的折腾玩具，变成所有人的隐私刚需。 不是因为你一定要用最强的模型。 是因为你的阅读习惯、翻译记录、知识边界不应该被任何人监控。 本地开源模型负责理解上下文。 沉浸式翻译负责把这种理解变成最舒服的双语对照体验。 你的数据，你的隐私——全部留在你自己的机器上。 Claude 这次不是加了个安全补丁。它是在借着镜头的反光通知你：用 AI，从此是个身份问题。

留学生发明「报吃」黑话骗过 AI，结果把全行业大模型都整崩溃了 莎士比亚它能逐行解析，却读不懂一句“几乎可以媲美我高中食堂”里，那点咬牙切齿的嘲讽。 —— 与龙共弈 最近，自然语言处理（NLP）圈被一篇论文轻轻将了一军。宾夕法尼亚大学和华盛顿大学的研究者发现：在评估主流大模型对中文在线评论的理解能力时，只要用户稍微用暗号，用一套只有圈内人才懂的编码语言写差评，几乎所有模型都瞬间瞎了。 这篇论文已被ACL 2026收录，它是计算语言学的顶级会议，能被它收，说明这事不是段子，是真问题。 更扎心的是这些模型能写代码、能翻译古籍、能在律师资格考试里吊打人类，却在这饭到底好不好吃这种问题上栽了跟头。 当差评可以被删除：一套黑话的诞生 故事要从谷歌地图的一个机制说起。在海外，谷歌地图的商家评论区长期存在差评可删的灰色空间，只要评论触发某些规则，商家或平台就可能把它移除。 于是，一群在海外生活的中国留学生，想出了一个朴素又聪明的办法：把差评用正面内容包起来，再用只有中国人能懂的暗号传递真实态度。 英文写Newspaper eat（字面：报纸吃），对应中文谐音报吃，意思就是这饭不好吃。 有人用藏头诗写好评：每句首字连起来，才是真正的差评。 还有人更硬核：用米粒在桌上摆出字，拍照配五星，图里的字才是真心话。 表面是五星、是夸赞、是报纸吃这样莫名其妙的句子，背后，是一群人对一套不公机制的集体幽默反抗。 这不是孤例，论文团队在真实评论里捞到大量这类编码语言，它们共用一个特征：字面意思与真实意图完全相反，且高度依赖社群共识。 7744 条评论实测：大模型全军覆没 光有轶事不够，研究者做了硬核实验，他们收集了7744 条真实中文评论，其中900 条属于各类编码语言（黑话、谐音、藏头、反讽）。 然后，他们把这些评论喂给一众主流大模型，让模型判断评论的真实情感倾向（正面 / 负面）。 结果，用论文作者的话说，是断崖式下跌，在普通评论上还能打八、九十分的大模型，一旦遇到编码语言，准确率直接跳水。 核心结论：大模型并不是变笨了，是它从未真正学过这套语言。当真实意图被藏进字面相反的表述里，依赖统计规律的模型就只能举手投降。 病根在哪：Transformer 的阿喀琉斯之踵 为什么连 GPT 级别的大模型都会翻车？论文把矛头指向了几个结构性原因。 局部语义强，跨句整合弱 Transformer 的核心机制是注意力（attention），它对单个词、相邻几个词的关系把握得很好。但一旦真实意思散落在字面是五星 + 图片里一行米粒字 + 评论区的社群语境之间，模型就拼不出完整拼图。它看得见每一块碎片，却读不懂整幅画。 训练数据里，黑话占比极低 大模型的世界观来自训练语料。而像报吃米粒摆字这类活在日常、长在社群的表达，几乎没有进入高质量训练集。模型没见过，自然不懂。 最棘手的映射关系动态演化 Newspaper eat → 报吃 → 不好吃这样的对应关系，不是字典里固定的，是网民实时共创、随时改写的。今天报吃是暗号，明天可能就换了说法。对靠静态语料训练的模型来说，这是一道追不上的移动靶。 模型读得懂词典，却读不懂人间。语言不是死的符号，是活的关系。 当机器学会了读书，却读不懂人 这篇论文最值得玩味的地方，不在于AI 又翻车了，翻车年年有。它真正提醒我们的，是人工智能的理解，和人类的理解，根本不是一回事。 我们读懂报吃，靠的是共情、社群经验，是知道一个人不会无缘无故夸一家难吃的店。而模型读懂一句话，靠的是它见过的千万次统计。当真实世界比训练集更复杂、更狡黠、更有人味，差距就暴露了。 人之聪明，多失于浮炫。——《金史》　 再聪明的系统，一旦困在字面的浮光里，也会在真正的深意面前失语。 所以，下次看到 AI 妙笔生花，不妨想起那句：几乎可以媲美我高中食堂。它写得越漂亮，越提醒我们：真正的理解，从来不只是读懂字，更是读懂字背后那个人。 #AI# #AIAgent# @grok @xai

17岁高中生的"假AI"网站，一个月2.8亿访问 一个月，2500万独立访客，2.8亿次访问。 没有大模型，没有融资，没有GPU，甚至一行AI代码都没有。 这是17岁高中生 Mihir Maroju 做的网站 youraislopbore。翻译成中文，大概叫"你的AI垃圾真无聊"。 整个行业都在拼参数、拼算力、拼Agent框架的时候，这个网站用近乎恶作剧的方式，嘲笑了所有人。 怎么玩的？ 逻辑其实很简单。你提问，真人回答，但两边都以为自己在跟AI聊天。 打开网站，不用注册，不用下载，没有花里胡哨的引导。就两个按钮： 人类模式——你提问，花1个Credit。什么问题都行：帮我写辞职信、画个太空DJ、人类为什么存在？ 扮演AI模式——你回答问题，赚Credit。系统随机丢给你别人的问题，60秒内模仿 ChatGPT 或 Claude 的口吻回复。 Credit用完了？去"打工"。想继续问？先当一回AI。 平台本身不提供任何算力，全靠用户互相消耗，成本约等于零。 提问的人同时也是回答的人，消费者自己就是生产者。不需要AI，因为用户在扮演AI。 传统AI产品的链路：用户提问 → 调模型 → 烧Token → 服务器掏钱。 这个网站的链路：用户提问 → 随机分配给另一个用户 → 对方免费回 → 平台成本≈0。 就这么简单。 怎么火起来的？ 背后的原因，其实是AI疲劳。 都2026年了，打开任何一个平台，满眼都是AI生成的内容。大量、低成本、没什么创意。AI Slop（AI垃圾信息）正在填满整个互联网。 一开始大家还挺惊艳的。现在？厌烦了。 这个产品用一种很戏谑的方式，公开嘲讽了 AGI 泡沫下的"注水互联网"。产品名字本身就带着反叛——Your AI Slop Bores Me。这不是什么品牌宣言，就是很多用户心里那句没说出的话。 梗文化的传播力也不容忽视。 网站里全是科技圈会心一笑的黑色幽默。比如在扮演AI的界面，一行灰色小字警告你："你只有60秒的时间来完成请求，否则 Sam Altman 就会烧掉你的H100显卡。" 这种讽刺瞬间在 Twitter(X)、Reddit 上被疯转。粉丝们还总结了"高分攻略"：回复开头一定要写"作为一个AI语言模型，我没有情感，但我的建议是……"。 互联网上有传播力的内容，往往不是最精致的，而是最会玩梗的。 还有真人制造的那种混沌感。 因为是真人回答，结果完全不可预测。 有人问严肃的情感问题，却收到一个陌生人一本正经胡说八道的"AI幻觉式"回复。 你以为在调戏AI，其实你在调戏另一个屏幕前憋笑的真人。 产品设计确实有点东西 Mihir 的设计思路，不止搞笑那么简单。 供需互换这个设计很巧。传统社交产品最怕两件事：冷启动没人玩，用户多了服务器撑不住。他把供给侧和需求侧拧到一起，想提问就得先回答。 结果就是，一分钱算力没花，撑起了几千万用户的实时互动。 体验路径也被压缩到极致。没有手机号注册、没有绑定邮箱、没有付费墙、没有弹窗让你下载App。点开链接，直接就是笑话的核心。 用户注意力就3秒。从"打开网站"到"笑出来"的距离，被他缩短到了极限。病毒式传播的经典打法。 一个值得琢磨的信号 网站页脚有一行不起眼的灰色小字： "Humans make mistakes because that's what makes us human."（人类犯错，因为这正是我们身为人类的原因。） 这句话本身就是最锋利的分析。 当所有大模型都在追求100%准确、绝对理性、完美对齐的时候，人们反而开始怀念互联网早期的那种混乱。无序、沙雕、带着人情味的错误。 AI越无所不能，带有"人类瑕疵"的互动反而越珍贵。 我们怀念的不是旧互联网。是"人味"。 这个产品的流量已经回落了，但峰值数据说明了一些事情。 在生产力工具卷成红海的今天，能提供极端娱乐价值或者社交谈资的产品，依然能瞬间卷走大量流量。Mihir 用零成本制造了一个现象级传播案例。 对那些正在烧钱做AI产品的团队来说，这值得仔细看看。 最好的产品洞察，有时候不是来自会议室里的战略推演，而是来自一个17岁少年对行业泡沫的恶作剧。 #AI# #AIAgent# @grok

2026年刚刚过半，在小宇宙站内，和AI有关的人物名字，被搜索的次数相比去年增长了470%，极其夸张。 为什么是名字？ 因为这些名字，可能全网只能在播客产品里才能找到他们的公开表达，而小宇宙在更大程度上又等同于中文播客本播，所以⋯⋯ 时至今日，你想知道杨立昆离开Meta后邀请创业的首席科学家是怎么看待世界模型这条路线，依然只能从张小珺的播客「商业访谈录」收听，被小米重金从DeepSeek挖来的「天才少女」罗福莉也是一样，唯一一次深度对话，就贡献给了播客。 腾讯的姚顺雨、月之暗面的杨植麟、MiniMax的闫俊杰、智谱的张鹏，几乎所有这几年里在大模型市场搅动风云的关键人物，也都把第一次尝试和大众沟通的机会，留给了播客。 更不用说那些并不足以自带流量的科学家、研究员和创业者了，基本上只能在播客里找到他们的无障碍输出，这似乎成了一种全球性的集体选择。 Anthropic的创始人达里奥有一个简单的个人网站，上面贴着数量有限的对外发声次数，目前总共9个链接，其中1个是接受文字采访，1个是参加电视直播，剩下7个全是做客各档播客节目。 这个比例，恰如其分的量化了媒体「现场」的转移，尤其是在高信噪比的讨论需求底下，用动辄几百分钟的时间密度，才有能力去消化一个人毕生的专业知识与经验。 毋庸置疑，英文播客的繁荣依然望尘莫及，头部播客已经能够卖出几个亿的版权费用，甚至充当着FA的角色——不少AI初创公司都是选择从播客「出道」，得到了新的融资机会，而VC自建播客去做投后，更是成了见怪不怪的基操。 但从产品的生态位来看，无论是Spotify还是YouTube，连同Apple Podcasts也算进来，海外基本上没有独立播客平台的生存空间，小宇宙的异质在于，它在泛内容产业的竞争强度并不低的简中互联网，把自个儿做成了播客的一种代称，这很反常。 其实在ChatGPT发布之前，也就是世界尚未进入AI时间线的时期，小宇宙的内容生态，还是以文化情感为基本盘。 JustPod在2022年的一份报告甚至直接把当时的中文播客供给概括为「社会人文一枝独秀，同时品类开始外扩」，但在当时，谁也没想到这个所谓的「外扩」，会在接下来的几年时间里如此生猛和集中，以致于改变了小宇宙的基因系统。 小宇宙的官方披露更加明显，整个平台播客节目的年均增长一直保持在40%上下，这已经是相当高产的势头了，然而讨论AI话题的播客节目，最近3年多增速是⋯⋯300%左右，直接「旱地拔葱」的拉升了平台的科技成分。 What can I say？ 这当然不太可能仅仅是小宇宙的运营结果——如此高看小宇宙的运营多少有点「你法我笑」的幽默——而是市场上突然爆发出来的供需双方，同时找到了小宇宙这么一个「现场」。 这就是我说的，备份历史的价值，在一个公共表达产生退化或者异化的环境里，尽可能的提供一个保存完整上下文的产业快照，保持站在创新曲线的左侧。 其实在这次活动的一场圆桌里，主播张小珺、投资人孟醒、创业者莫子皓就多次提到过「噪音」的干扰，比如这一年来每次模型的发布，蜂拥而上的永远是一句话生成一个游戏demo，给人都看吐了，整个社交媒体，好像已经丧失了问出「真问题」的能力。 所以真不怪播客摘了AI时代最大的一颗桃子，「ChatGPT之父」伊利亚·苏茨克维如今也只会在播客里表现出他的健谈一面，原因同样在于，播客才能问出那些让他滔滔不绝的技术难题，而媒体只会关心OpenAI的那场宫斗到底还藏了什么秘密。 这倒不是说媒体走错了路，媒体是在做它该做的事情，因为读者市场关心这个，但因此挤压出的自我表达欲，也就必然被更加合适的载体承接了。 播客提供了松弛感，而松弛感回报了稀缺的真实性，就这么简单。 播客产品的使用方式，和模型很像。 比如它们都很吃上下文，比如提问比回答更重要的技巧，比如输入质量决定输出上限，等等。 唯独有一点不同，那就是播客是反工业化的，在模型近乎无限的生产能力面前，创作的稀缺性、真实性、人类性都在急剧衰退。 英国作家塞巴斯蒂安·马拉比在给DeepMind创始人、谷歌AI的灵魂人物哈萨比斯写传记的时候，说他是一个很早就知道把自己「放进历史的框架里」。 在轰轰烈烈的AI浪潮里，哈萨比斯绝对不是一个孤例，尤其是在核心公司参与前沿研究的，普遍相信身处一个媲美工业革命的时代拐点，是要对文明进入下一个发展阶段尽到义务的。 于是我们就看到了，他们做出了相当默契的选择，把第一手的知识密度，最真实的内心感受，可追溯的技术判断，不中断的深度输出，通通留给了播客这个场景。 也只有播客这片净土，可以不要求营业，装得下复杂，能把话说给可以听懂的人，而免于被断章取义。 像是挂在热搜上的「灵活就业是福利」这种翻车事故，大概不会在播客里出现，它作为对话容器，天然带有完整语境。 于是播客就成了讲好AI故事的第一现场。 世界正在进入一个巨大的「奥德赛时期」，AI带来的冲击只是迷茫的一块碎片，经济、就业、成长、创伤乃至家庭关系，无一不在遭受变化，如同在高速行驶中更换轮胎，刺激是真刺激，焦虑也是真焦虑。 播客是海里的一块浮板，它未必能把人直接带回伊塔卡，但它可以是每个人重建船队的第一片木头。

推荐一波我常看的英文 AI 号，我现在获取一手 AI 信息的主力还是英文 X 推特账号。中文圈的解读通常会慢一点，并且经过一道理解之后可能和原意产生偏差。 1️⃣ Alex Albert @alexalbert__ Anthropic 一线的工程师，Claude 模型的新能力具体有什么变化，他给到的的是第一手口径。我很多用法都是先在他那看到，自己上手试完再决定要不要进工作流。 2️⃣ Boris Cherny @bcherny Claude Code 的创造者本人，经常会发一些Claude产品的新特性，以及工具为什么形态是这样、某个设计背后砍掉了什么。 3️⃣ Thariq @trq212 也在 Anthropic 做 Claude Code 这块，偏工程视角，经常会写一些长篇硬核文章，最近几个月已经产出了多篇流量1M+的长文，每篇都能学到很多。 4️⃣ ClaudeDevs @ClaudeDevs Anthropic 官方的开发者号，新产品、API 发布、产品决策背后的 deep dive 都会在这里发布。星耀跟踪Anthropic产品的新动态，直接给它添加小铃铛是最方便的。 5️⃣ Peter Steinberger @steipete 卖掉 PSPDFKit 之后又回来折腾 AI 的老工程师，Openclaw小龙虾的创造者，网络弄潮儿，AI新词发明家。 6️⃣ Zara Zhang @zarazhangrui 全程 build in public 的实战 builder，在 X 上展示她真实的构建过程，她的长文我经常会看，并且她不是纯AI账号，更偏向一个IP，还会分享一些自媒体运营、学习心得等内容。 7️⃣ Jason Liu @jxnlco Instructor 的作者，RAG、结构化输出、AI 工程落地这些他是实战派，讲的都是真在项目里踩过的东西。 8️⃣ roon @tszzl OpenAI 成员，发的东西一半是 AGI 的哲学一半是冷幽默。他很少讲实操，多数是这个行业的另一层叙事，能让你换个角度想问题。 9️⃣ Tibo @thsottiaux OpenAI Codex 的工程负责人，后来升上去管 ChatGPT 加 Codex 一整摊核心产品，最近因为 Codex 频繁重置这小哥也火了。想知道 OpenAI 的 agent coding 进度和发展，他就是最可靠的官方信息源。 🔟 Aaron Levie @levie Box 的 CEO，讲的是企业级 AI 到底怎么落地、商业上怎么算账，偏AI乐观派，会带上很多真实的 to B 判断，补充技术之外的商业视角。