做菜日常 Daily cooking✌️ 喜歡打喜歡，不喜歡藏心裏☺️。 If you like it, say it, if you don't like it, just keep it in mind. Ps:隨意錄錄，又水了一則貼文，我真棒。 #肌肉##哥布林##做菜##日常#

「人妻的發情期」 「Taboo Wife」 噓... 小聲點，老公剛在隔壁睡著而已🤫 結了婚才發現，家裡的床再怎麼軟，也比不上被別的男人壓在沙發上。穿著最端莊的衣服，在老公隔壁被年輕肉棒幹到大聲亂叫，每一次都頂到子宮口💥 我故意叫得很用力，好幾次都以為他要開門出來了。那種心跳快到爆掉、下面瘋狂收縮的感覺，真的會讓人上癮耶🤤 Shhh... Keep it quiet. My husband just fell asleep in the next room 🤫 Married life made me realize something. No matter how soft the bed is, nothing beats being pinned on the sofa by a stranger. Wearing my most modest clothes, getting pounded by a y*ung cock right next to my husband until I’m screaming. Every thrust hits my cervix 💥 I purposely moaned so loud, thinking he might walk in any second. My heart is racing and my pussy is throbbing. It’s seriously addictive 🤤 @ToBulaer @ToBuerma @KawasawaSen @BulmaList

沉浸式翻译要凉了？这两个开源平替我已经悄悄换上了 用了沉浸式翻译好几年，最近真的越来越难受——功能越堆越多，界面越来越臃肿，AI翻译还在疯狂烧你的额度。说白了，它已经不是当初那个干净好用的工具了。 最近我找到两个开源平替，用下来体验出乎意料地好，直接给你们安利。 🥇 第一个：Read Frog（陪读蛙） 主打AI沉浸式翻译加上下文理解，这个"上下文理解"不是说说而已，翻译出来的句子真的更通顺、更有逻辑。支持Claude、Gemini、OpenAI随便切，还有Edge TTS免费朗读功能。看论文、刷YouTube字幕、读英文网页，体验非常丝滑。最关键的是它会智能批量请求，比很多插件省Token，长期用下来省的钱不是小数目。 🔗 链接: 🥈 第二个：KISS Translator 名字就说明一切——Keep It Simple。界面干净到有点极简主义，没有任何多余功能，完全开源，自建API支持非常完整。同样支持Claude、Gemini这些主流模型，网页翻译速度快，自接API的方式意味着你的数据不经过任何第三方，隐私这块直接拉满。 🔗 链接: 说真的，工具这东西不是功能越多越好。很多时候你需要的就是一个干净、快、省钱的翻译插件，而不是一个什么都想做的臃肿软件。这两个随便选一个，都比现在的沉浸式翻译香。

Anthropic 工程师 Barry Zhang 在 AI Engineer 工作坊上的一个分享 “如何构建有效的 Agent”，其中印象最深的一个观点：Don't build agents for everything，反过来理解就是别做什么都能干的 Agent，那是我们大模型要干的事情😆 构建有效 Agent 的三大要点： 1. 明智选择应用场景，并非所有任务都需要 Agent； 2. 找到合适的用例后，尽可能长时间地保持系统简单； 3. 在迭代过程中，尝试从 Agent 的视角思考，理解其局限并提供帮助； Barry 主要负责 Agentic System，演讲内容基于他和 Eric 合著的一篇博文，下面详细总结他们的核心观点，以及对 Agent 系统的演进和未来的思考。 Agent 系统的演进 - 简单功能： 起初是简单的任务，如摘要、分类、提取，这些在几年前看似神奇，现在已成为基础； - 工作流（Workflows）： 随着模型和产品成熟，开始编排多个模型调用，形成预定义的控制流，以牺牲成本和延迟换取更好性能。这被认为是 Agent 系统的前身； - Agent： 当前阶段，模型能力更强，领域特定的 Agent 开始出现。与工作流不同，Agent 可以根据环境反馈自主决定行动路径，几乎独立运作； - 未来（猜测）： 可能是更通用的单一 Agent，或多 Agent 协作。趋势是赋予系统更多自主权，使其更强大有用，但也伴随着更高的成本、延迟和错误后果。 核心观点一 并非所有场景都适合构建 Agent (Don't build agents for everything) - Agent 主要用于扩展复杂且有价值的任务，它们成本高、延迟高，不应作为所有用例的直接升级。对于可以清晰映射决策树的任务，显式构建工作流（Workflow）更具成本效益和可控性。 - 何时构建 Agent 的检查清单： 1. 任务复杂度 ： Agent 擅长处理模糊的问题空间。如果决策路径清晰，应优先选择工作流； 2. 任务价值： Agent 的探索性行为会消耗大量 token，任务的价值必须能证明其成本。对于预算有限（如每任务 10 美分）或高容量（如客服）场景，工作流可能更合适； 3. 关键能力的可行性 ： 需确保 Agent 在关键环节（如编码 Agent 的编写、调试、错误恢复能力）不存在严重瓶颈，否则会显著增加成本和延迟。如有瓶颈，应简化任务范围； 4. 错误成本与发现难度： 如果错误代价高昂且难以发现，就很难信任 Agent 自主行动。可以通过限制范围（如只读权限、增加人工干预）来缓解，但这也会限制其扩展性； - 编码（Coding）是一个很好的 Agent 用例，因为它任务复杂（从设计文档到 PR）、价值高、现有模型（如 Claude）在许多环节表现良好，且结果易于验证，例如单元测试、CI。 核心观点二 保持简单 (Keep it simple) - Agent 的核心结构： 模型（Model）+ 工具（Tools）+ 循环（Loop）在一个环境（Environment）中运作。 - 三个关键组成部分： 1. 环境：Agent 操作所在的系统； 2. 工具集： Agent 采取行动和获取反馈的接口； 3. 系统提示： 定义 Agent 的目标、约束和理想行为； - 迭代方法： 优先构建和迭代这三个基本组件，能获得最高的投资回报率。避免一开始就过度复杂化，这会扼杀迭代速度。优化（如缓存轨迹、并行化工具调用、改进用户界面以增强信任）应在基本行为确定后再进行。 - 一致性： 尽管不同 Agent 应用（编码、搜索、计算机使用）在产品层面、范围和能力上看起来不同，但它们共享几乎相同的简单后端架构。 核心观点三 像 Agent 一样思考 (Think like your agents) - 问题： 开发者常从自身角度出发，难以理解 Agent 为何会犯看似反常的错误； - 解决方法： 将自己置于 Agent 的“上下文窗口”中。Agent 在每一步的决策都基于有限的上下文信息（如 10k-20k token）； - 换位思考练习： 尝试从 Agent 的视角完成任务，体验其局限性（例如，只能看到静态截图，在推理和工具执行期间如同“闭眼”操作）。这有助于发现 Agent 真正需要哪些信息（如屏幕分辨率、推荐操作、限制条件）以避免不必要的探索； - 利用模型自身： 可以直接询问模型（如 Claude）：指令是否模糊？是否理解工具描述？为什么做出某个决策？如何帮助它做出更好的决策？这有助于弥合开发者与 Agent 之间的理解差距。 个人思考与未来展望 - 预算感知 Agent (Budget-aware Agents)： 需要更好地控制 Agent 的成本和延迟，定义和强制执行时间、金钱、token 预算，以便在生产环境中更广泛地部署。 - 自进化工具 (Self-evolving Tools)： Agent 或许能设计和改进自己的工具（元工具），使其更具通用性，能适应不同用例的需求。 - 多 Agent 协作 (Multi-agent Collaboration)： 预计今年年底将在生产中看到更多多 Agent 系统。其优势包括并行化、关注点分离、保护主 Agent 上下文窗口等。关键挑战在于 Agent 间的通信方式，如何实现异步通信，超越当前的用户-助手轮流模式。

喜欢我的超大屁股么？没有约到大鸡巴，只能用假阳具不停的抽插，最后失禁 Do you like my super big ass? I didn't make an appointment with the big dick, so I could only keep inserting it with a dildo, and finally I lost my incontinence. #伪娘# #cdm# #男娘# #肉便器# #mtf# #sissy# #bbc# #bwc#

看得我泪流满面😭🥹💔就凭这一点，难道中国人还能再吃狗肉吗？ A Belated Tribute to China’s Wenchuan Earthquake Rescue Dogs. This is a tribute that comes years too late. On October 2, 2021, the last search-and-rescue dog that had served in the 2008 Wenchuan Earthquake, Bingjie, passed away. With his death, all 67 rescue dogs that answered the call during one of China’s darkest disasters had completed their final roll call. This isn’t about whether you love dogs or keep pets. It’s about heroes. Back in 2008, when mountains collapsed and entire cities were reduced to rubble, these dogs charged into places no human could safely enter. At a single whistle from their handlers, they disappeared into twisted steel, shattered glass, and unstable concrete without hesitation. Their paws were ripped apart by broken rebar and jagged debris. They bled with every step. Many worked until the pads of their feet were raw and infected. Yet the moment they caught even the faintest scent of life beneath the ruins, they refused to leave. They barked. They dug. They kept digging. For them, every signal they gave meant another chance for someone to survive. That wasn’t simply bravery. It was something even purer. A complete trust in the person who guided them. A trust so absolute that it stood above fear itself. Bingjie was barely a year old when he was deployed to Wenchuan. Still little more than a puppy, he clawed through what had become a living hell and helped save 13 lives. The first little girl he rescued is now a university graduate. The future she was able to live began with a wet black nose finding her in the darkness… and a pair of tiny paws digging until they nearly gave out. If she remembers that moment, then she remembers who reached her first. No matter how you measure it, humanity owes these dogs a debt that can never truly be repaid. There was also Shenhu, another legendary rescue dog. By the time he retired in 2019, nearly fourteen years old, he had helped save 15 lives. His handler couldn’t bear to part with him, so he brought Shenhu home and stayed by his side until the very end. Today, a statue stands in his honor. But the truth is… Dogs don’t understand medals. They don’t understand monuments. They don’t care about titles or glory. A gentle pat on the head. A favorite tennis ball. A few words of praise from the person they trust. To them, that was worth risking everything. If called again, they would have done it all over without a second thought. People often speak of loyalty. These dogs never spoke a word. They carved loyalty into their bones. Now they have all returned to the place people lovingly call the Rainbow Bridge. Perhaps they’re together again, sniffing one another, wagging their tails, healthy and full of life, just as they were back then. To the silent heroes who gave everything so that strangers could have another tomorrow… Thank you. You will never be forgotten.

Meta 新成立的AI 部门内部濒临“造反”。。 绝了，Meta 现在是真的乱…刚刷到一个，这周他们一场员工内部直播演示被人劫持，有人爆粗口情绪崩溃，要求在场的人替他转告某位Meta AI 高管，他是“a piece of sh*t”，台上演讲那位直接用手捂脸 🙂 基本就是这个成立才三个月、6500 人的新部门，把积压的愤怒第一次公开爆了出来。 为什么这么压抑 强征入组：很多人是通过一封突然的邮件才得知自己被调入，过程被形容为相当随机。理由是 Meta 的 AI 模型在编程等技术任务上还赢不了人类，需要用真实案例训练模型，理解人到底怎么用电脑干活。 没有选择：只能加入或离职，员工自嘲是“draftees（被征召者）”。被分配的活儿是生成谜题和编程题来训练 AI 模型。有人对 Wired 说“这简直是古拉格（gulag）”，大多数人觉得这活儿磨灭灵魂。 Zuckerberg 的理由更绝（泄露的内部会议录音）：与其用外部承包商，不如用自己员工。首席 AI 官 Alexandr Wang（把数据标注公司 Scale AI 以 143 亿美元卖给 Meta 后出任此职，领导 Meta Superintelligence Labs）熟悉数据标注，而且 Meta 普通员工的智力“显著高于”第三方承包商。 啧。花 143 亿买回来一个最懂数据标注的人，再让他带着 6500 个被强征的高智商工程师，去做标注。 而且最讽刺的还不是这个。又想起来之前，Meta 内部流行的 tokenmaxxing，比谁烧的 token 多，搞排行榜，CTO Bosworth 当时说 Keep doing it. No limit。结果现在因为成本飙升转向 tokenminimizing，开始追踪每个人烧了多少。 闹的也不止这一个部门。之前就有全公司有 1600+ 名员工联名请愿，抗议另一个监控他们鼠标点击和键盘敲击、拿去当 AI 训练数据的项目。气氛差到首席产品官 Chris Cox 这周不得不在员工电话会上回应这种“残酷（brutal）”的环境。 背景大家可以细品。Applied AI 这个部门由 Maher Saba（12 年老兵，曾任 Reality Labs 副总裁，就是在元宇宙上烧掉 830 亿美元的那个部门）领导，向 CTO Andrew Bosworth 汇报。 Zuckerberg 周五发内部备忘录承认近期变动“造成了痛苦”、说公司犯了错并打算改正，还重申“Meta 的北极星，是成为全球最有才华的人施展影响力的最佳之地”。 Alex Wang：你们太聪明了，去喂 AI 吧🙂

你不要一直壓頭啦…想要人家會加快速度 等一下忍不住噴出來…我還要怎麼壞壞🥺 𝐷𝑜𝑛’𝑡 𝑝𝑢𝑠ℎ 𝑚𝑦 ℎ𝑒𝑎𝑑 𝑡𝑜𝑜 𝑚𝑢𝑐ℎ… 𝑖𝑓 𝐼 𝑐𝑎𝑛’𝑡 ℎ𝑜𝑙𝑑 𝑖𝑡 𝑏𝑎𝑐𝑘, ℎ𝑜𝑤 𝑎𝑚 𝐼 𝑠𝑢𝑝𝑝𝑜𝑠𝑒𝑑 𝑡𝑜 𝑘𝑒𝑒𝑝 𝑏𝑒𝑖𝑛𝑔 𝑛𝑎𝑢𝑔ℎ𝑡𝑦🥺 #下次輕撫我的臉我就知道ㄌ#

又是一个适合我的肉腿角色莱莎🫶🦵 感谢Raychel拍拍～ Another character Ryza I fitted for the thighs haha!!! Keep training these days too 🦵🦵 The full set is available in my k0F1 or G4nk, do check it out 🫶🫶 Photo: @raychelyzr #atelierryza# #ryzacosplay# #atelierryzacosplay#