美国清洁工 Ronald Read，92岁离世时，家人才发现他竟然有近800万美元。一辈子买了92只股票一直没卖过。宝洁、摩根大通、强生、富国银行、高露洁、CVS、GE…… 股息全部再投资，买了就一直拿着，数十年不动。结果，复利把他变成隐形股神。事实长期投资可以赚钱，可惜的是他没享受到这笔财富

推荐这篇文章，Flask 作者 Armin Ronacher 追踪 Pi 的 bug 发现了一个让人不安的事实：新版 Claude 模型（Opus 4.8、Sonnet 5）的工具调用在退化——不是变好了，是变差了。而且他找到了根因：RL 后训练过度适配了 Claude Code 自己的工具 schema，导致替代工具 schema 越来越"离群"。这是所有自己做 agent harness 的人都需要读的文章。 更好的模型，更差的工具调用 一个奇怪的 Pi issue 让我在过去两天掉进了一个深坑。简短版：新版 Claude 模型有时会在调用 Pi 的 edit 工具时，给嵌套的 edits[] 数组加上多余的、编造出来的字段。不是 Haiku 或什么小模型——是 Opus 4.8。编辑本身通常是正确的，但参数不匹配 schema，因为模型发明了不存在的 keys，Pi 拒绝工具调用并要求重试。 这不完全意外——模型偶尔会发出格式不正确的工具调用，特别小的模型。但让我意外的是，这在 Anthropic 的新模型中变得更糟了。Opus 4.8 和 Sonnet 5 都表现出这个问题，而之前的旧模型不这样。换句话说，这个模型家族的 SOTA 模型在某个特定工具 schema 上不如它们的旧兄弟。 工具调用就是文本 如果你没有花太多时间看 LLM 工具调用的内部机制，需要理解的重要一点是：工具调用不是魔法。模型收到一份转录文本、一个系统 prompt 和一个可用工具列表。服务器把这些搅成一个带有特殊标记 token 的大 prompt。因为模型用那个格式的示例训练和强化过，它在生成过程中某一点会发出被 API 或客户端解释为"用这些参数调用这个工具"的东西。 细节是：嵌套数组里面的 JSON 是序列化在 XML 标签里面的。基本顶层字符串参数在线显示，而对象数组通过 JSON 序列化实现。这很重要，因为当模型在一个几百 token 的转义字符串后面要决定 } 还是 ,"..." 时，这正是最高熵的点。 失败 Pi 的 edit 工具支持在一个调用中做多个精确字符串替换，所以参数里有一个 edits 数组。在失败的案例里，模型产生了这样的条目：额外加了 requireUnique: true、oldText2、newText2。反复测试中我看到了一整批编造出来的尾随 keys：type、id、kind、unique、requireUnique、matchCase、in_file、forceMatchCount、children、notes、cost，甚至一个 event.0.additionalProperties 在里面。 最烦人的是，实际 oldText 和 newText 负载在我检查过的无效调用里是字节级正确的。模型确实产生了正确的调用，然后在对象末尾加了垃圾。 这个失败也高度上下文依赖。全新的单轮"编辑这个文件"prompt 完全不会复现。有 agent 历史——模型读过文件、诊断了问题、然后写了多行编辑——就能复现。而且不是所有转录都会这样。打开 strict 工具调用在我的运行中完全消除了问题。 为什么在变差 我最强的假设是这不是随机退化，而是训练 artifact。 旧 Anthropic 模型训练时，它们训练了一些工具，但那个训练还没有 Claude Code 这样用户交付的 harness 作为明显目标。现代 Anthropic 模型大概率不同，因为它们的后训练包括了 Claude Code 或一个看起来非常相似的 harness。模型学到了在那个环境下什么样的工具调用是成功的。它也会学到那个环境容忍什么错误。 Claude Code 自己的工具相对扁平。普通 edit 工具不是 Pi 的嵌套 edits[] 形状，更接近 file_path、old_string、new_string 和一个可选 flag（replace_all）。看 Claude Code 的客户端非常有启发：它包含格式错误工具用的重试路径、参数别名、类型强制转换、Unicode 修复和未知 key 过滤。换句话说，Anthropic 自己的客户端似乎期望和接受相当数量的 slop，并修复它，大部分是静默的。 如果强化学习发生在这样的 harness 里，或一个模拟里，那么稍微格式不正确的工具调用仍然可以完成任务并得到奖励。harness 完全吸收了错误，几乎不存在惩罚"发明一个别名"、"加一个多余字段"或"用一个相近的参数名"的梯度。 更糟的是，模型可能变得极强地适应了标准 Claude Code edit 工具的形状。一个不同的 harness 可以提供语义相同但 schema 不同的工具。这样的工具会越来越离群。训练得更好的模型可能实际上更难对付你，因为它的先验更强。 这不算太意外，但这是一个变迁。Opus 4.5 发布时，它适应其他 edit 工具的能力异常好。我当时相当确信我们在一条好路上——模型只要指令好，更可能适应任何种类的工具形状。现在我有些担心我们在哪条路上。替代工具 schema 可能不只是不熟悉。它们可能被优化特定、宽容的工具生态的后训练隐式惩罚。而且那个生态没有文档。 Slop Harness Claude Code 是闭源的，但我们可以看压缩后的代码。老实说，它对输入数据非常宽容。 首先，Claude Code 检查模型可见文本里是否有泄露的 Claude# #Agent# #工具调用#

洛杉矶一家生物科技公司的高管，居然是一名潜逃了20多年的通缉犯。 被捕时，他正开着私人游艇，在海上悠哉悠哉。 他叫Ronald Fischer，原本是一名麻醉医生，2005年，他因一级性侵案受审，却在庭审期间逃跑了。 接下来的20年里，他使用过十多个化名，其中一个是Richard Graydon。 他号称自己拥有斯坦福大学的医学博士和哲学博士学位，曾在哈佛大学麻省总医院接受训练，还在默沙东和强生参与过七款获批药物的开发。 2017年，他还用Graydon的名字出版了一本癌症遗传风险书，2022年，一家研发乳腺癌药物的美国上市公司聘请他担任临时首席医疗官，今年3月，洛杉矶的Immix Biopharma又把他聘为了首席医疗官。 今年7月，美国法警收到一条关于他去向的新线索，不到48小时，调查人员便追踪到一艘登记在Graydon名下的游艇。 7月16日，美国法警和海岸警卫队在新泽西外海截停了这艘船，Fischer在船上被捕，没有反抗。 此时，他担任这家公司首席医疗官还不到四个月。

2026年世界杯即将开幕，我们也别只看AI啥的了，我们来看看竞技体育。 旧王落幕，新王崛起 Messi和Ronaldo的“最后一舞”，使得这届世界杯的看点拉满。同时今晚8:30美国5月CPI数据即将发布，对于股市的走向将是关键。 不评价哪支球队厉害，只想搞钱 大家都知道，每届世界杯都是球迷们的狂欢，也是赌徒的狂欢。 所以，球星们代言的产品，会随着比赛的表现、新闻等受到剧烈的波动 美股 $DKNG ：博彩龙头 $NKE：耐克，C罗、姆巴佩代言 $ADDYY：阿迪，FIFA官方伙伴，梅西代言 港股 申洲国际 ( 安踏体育 ( 裕元集团 ( 海信家电 ( 回顾历史上世界杯期间，体育与博彩股，在球星叙事、品牌曝光的影响下，股价波动很大。 个人看法 这类股票只能做短中期，后期不建议参与。 而且，有些事情不建议参与，稳当当的买点股票就挺好 同时对于球星的新闻，一定要重点关注，因为这会直接影响股价走势。 同时相关的产业和股票还有很多，大家可以多关注 最后 祝大家喜欢的球队和球星取得好成绩 一念天堂，一念地狱 DYOR #美股# #世界杯#

LLM 不只在污染我们读到的文字，也在重塑我们写的文字，进而腐蚀人和人之间的信任。 最近读 Armin Ronacher 的一篇 blog，他是 Flask 的作者，python 圈很老的人了。 Armin 这篇 blog 叫《Content for Content's Sake》，大概意思是：LLM 不只是在污染我们读到的东西，它正在改写我们自己怎么写、怎么说话，最终腐蚀掉人和人之间最底层的信任。 他扒了自己过去 90 天的 AI 会话记录，把中频词的使用频率跟 wordfreq（一个历史词频基准）对了一下。结果capability、substrate 这种词在 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 已经有一套自己独特的语言指纹。 这只是第一层。 第二层是这些指纹正在渗透回人类。Armin 说，他上推特、刷 HN 的时候发现，越来越多回复读起来像 LLM，但发帖人不少是他认识的真人。他自己也察觉到了，读了太多机器生成的文本之后，人会无意识地吸收那种腔调。 不是 AI 模仿他，是他在变成 AI。 这个我也有同感，很多时候，即使是我自己写的东西，我看着也像 AI 写的东西…… 然后是第三层。信任被腐蚀。 系统层面已经在崩：欧盟的投诉系统被 AI 批量投诉搞到接近瘫痪；开源项目的 GitHub issue 区被 AI 生成的伪 bug 报告冲烂；已经有公司专做“自动化发送 LLM 内容”的服务。 但最贴身的崩坏不是这些，比如他的一个朋友，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。 结尾更有意思 Armin 承认，这篇文章里的表，是他让 AI agent 帮他做的，爬 Google Trends 数据的代码也是 AI 写的。 他用来论证“AI 在污染我们”的图表和数据，本身就是 AI 帮他生成的。 整篇博客就是在说：我们已经被卷进这个漩涡里了，保持清醒已经很难，保持干净几乎不可能。 感觉是时候写一篇论文了：人与 AI 如何和谐共生😂

川普透露身高超过200公分的儿子巴伦（Barron Trump）超爱踢足球，还笑问他：「如果对手比你快怎么办？」巴伦自信回答：「他永远超越不了我！」 川普追问：「万一超越了呢？」结果巴伦直接不回答😂 谈到世界级球星，川普盛赞梅西（Lionel Messi）即使遭多人盯防，仍能瞬间找到空档，踢出「几乎完美」的致胜一击，这就是天生的足球天赋；他也提到C罗（Cristiano Ronaldo）同样拥有与生具来的能力⚽

又会踢球又长得帅是一种什么体验？盘点10位世界杯史上最帅球员 1. 大卫·贝克汉姆（David Beckham） 2. 卡卡（Kaká） 3. 德克兰·赖斯（Declan Rice） 4. 梅森·芒特（Mason Mount） 5. 加维（Gavi） 6. 裘德·贝林厄姆（Jude Bellingham） 7. 保罗·迪巴拉（Paulo Dybala） 8. 克里斯蒂亚诺·罗纳尔多（Cristiano Ronaldo） 9. 罗德里戈·德保罗（Rodrigo De Paul） 10. 内马尔（Neymar Jr）

终端编程 Agent（最接近 Claude Code） 1. OpenCode ⭐ 165k+ - 协议: MIT | 语言: Go/TypeScript - 免费: 完全免费开源，支持 75+ LLM 提供商 - 特色: - 事实上的开源 Claude Code 替代品 - 本地优先架构，支持本地模型（Ollama 等） - Provider-agnostic：同一会话可切换 Claude/Gemini/GPT/本地模型 - 精美 TUI 界面，支持桌面端和 IDE 扩展 - 中国讨论度: 低，国内媒体很少报道 - 🔗 2. Pi ⭐ 54k+ - 协议: MIT | 语言: Python - 作者: Armin Ronacher（Flask/Jinja2 作者） - 免费: 完全免费开源 - 特色: - 系统提示 < 1,000 tokens，极简设计 - "Lazy Skills" 机制：技能按需加载 - 专为 fork 和二次开发设计 - 增长速度惊人（短时间内突破 54k stars） - 中国讨论度: 极低 - 🔗 3. Crush ⭐ 25k+ - 协议: FSL（2年后转MIT）| 语言: Go - 团队: Charm（Bubble Tea 团队） - 免费: 免费使用 - 特色: - 终端美学标杆，极其流畅的 TUI - 多模型支持，会话中可切换模型 - 原生 LSP 和 MCP 支持 - 适合追求终端体验的开发者 - 中国讨论度: 低 - 🔗 4. Qwen Code ⭐ 25k+ - 协议: Apache-2.0 | 语言: TypeScript - 免费: 免费，配合 Qwen 模型有免费额度 - 特色: - 阿里巴巴出品，Gemini CLI 的开源 fork - Gemini CLI 6月停服后，这是其开源延续 - 专门优化 Qwen-Coder 模型 - 国内用户访问友好 - 中国讨论度: 中等（但远低于其价值） - 🔗 --- 通用 Agent 框架 5. OpenClaw - 协议: 开源 | 免费: 完全免费，云版待定 - 特色: - 自托管 AI Agent，50+ 原生集成 - 零外部 API 调用，隐私优先 - 连接 Slack/GitHub/Notion 等无需第三方 API - 支持 Docker 部署 - 中国讨论度: 低 - 🔗 6. Agno - 协议: 开源 | 语言: Python - 免费: 开源免费，平台版 $99/月起 - 特色: - 2 微秒 Agent 运行时间，极致轻量 - 内置记忆、存储、多模态工具 - 生产级 Python 框架 - 适合需要高性能的场景 - 中国讨论度: 极低 - 🔗 7. Hermes Agent ⭐ 60k+ - 协议: 开源 - 免费: 开源免费 - 特色: - 2个月内突破 60k stars，增速最快 - 持久多层记忆：长期语义记忆 + 工作记忆 + 情景日志 - 云优先架构，独立于本地设备 - 30天学习期后能理解用户工作模式 - 与小米 MiMo V2 Pro 合作 - 中国讨论度: 中等（小米合作有报道，但产品本身讨论少） - 🔗 --- MCP 生态工具 8. MCPX (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - MCP 网关，统一管理多个 MCP 服务器 - Tool Groups：不同团队看到不同工具子集 - Agent 访问控制 + 实时 Prometheus 指标 - 支持 Cursor/Claude Code/VS Code/Copilot 等 - 中国讨论度: 极低 - 🔗 9. ContextForge (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - 联邦化 AI 网关，跨多集群 Kubernetes - 支持 MCP/A2A/REST-to-MCP/gRPC-to-MCP - 40+ 插件 - OpenTelemetry 追踪 - 中国讨论度: 极低 - 🔗 --- 多 Agent 编排 10. Microsoft Conductor ⭐ 新项目 - 协议: MIT | 版本: v0.1.1 - 免费: 完全免费开源 - 特色: - 微软出品，GitHub Copilot SDK + Anthropic Agents SDK - YAML 定义工作流 + Web 仪表板 - 适合企业级多 Agent 场景 - 中国讨论度: 极低 - 🔗 11. Agent Skills (by Addy Osmani) ⭐ 43.8k+ - 协议: 开源 - 免费: 完全免费 - 特色: - 23 个生产级工程技能 - 7 个斜杠命令覆盖完整开发生命周期 - 编码 Google 工程文化（Hyrum's Law、trunk-based development） - 渐进式披露设计 - 中国讨论度: 低 - 🔗

《經濟學人》：特朗普是否在出賣台灣？ 「軍售變籌碼？」特朗普一句話，讓台北政壇瞬間炸鍋 大家好，您現在看到的是《明鏡郵報》。這兩天，台灣政壇最刺耳的一句話，不是北京說的，而是來自美國總統 Donald Trump 特朗普本人。他在北京與中國國家主席 Xi Jinping 習近平會談後，竟然公開表示，價值130億美元的對台軍售案，「可能批准，也可能不批准」，還說這是「非常好的談判籌碼」。這句話一出，台北很多人恐怕連咖啡都喝不下去了。 《經濟學人》這篇文章的標題相當直接：《特朗普是否在出賣台灣？》。老實說，這種英國式標題，已經算很克制了。因為特朗普這次不是「暗示」，而是幾乎把美國過去四十多年對台政策的底牌，直接拿到談判桌上公開展示。自1979年《台灣關係法》生效後，美國歷屆政府都刻意避免把對台軍售與中美談判綁在一起。甚至1982年，前總統 Ronald Reagan 里根還曾向台灣作出「六項保證」，其中之一，就是不會事先與北京協商軍售問題。 結果特朗普一句：「80年代已經過去很久了。」哇，這句話在北京聽起來像香檳開瓶聲，在台北聽起來則像空襲警報。 更敏感的是，特朗普不只是談軍售。他還把台灣領導人 Lai Ching-te 賴清德描述成可能把美國拖入戰爭的人。他說，美國不希望有人因為「美國支持我們」，就跑去宣布台獨。這其實已經不是單純「戰略模糊」了，而是開始出現「責任轉移」——也就是說，如果未來台海爆發危機，美國可能會說：「是你們自己太衝動。」 這種語氣，跟拜登時代完全不同。過去幾年，美國政界主流對台灣幾乎形成「政治正確」式支持。共和、民主兩黨競相比誰更挺台。但特朗普顯然不是這種玩法。他的思維更像房地產交易員：台灣不是價值同盟，而是一張可以交換利益的牌。今天能換農產品採購，明天能換稀土出口，後天甚至可能換伊朗問題上的合作。 但《明鏡郵報》老編認為，《經濟學人》也有點故意放大了「特朗普賣台」的戲劇效果。因為特朗普真正的邏輯，不是「親中」，而是「交易優先」。他對所有盟友其實都差不多。從北約、日本、韓國，到烏克蘭，特朗普一直都認為：「安全保護不是免費午餐。」所以他現在對台灣的態度，本質上是：「你們得證明自己值得我保護。」 問題是，台灣現在偏偏正在大幅增加軍費。文章裡提到，台灣立法院剛通過約250億美元的補充國防預算，就是為了支付美國軍售。結果台灣這邊剛刷完卡，美國總統那邊卻說：「我先放著看看。」這種感覺，很像剛付完訂金，房仲突然告訴你：「房子可能不賣了，看隔壁鄰居願意出多少。」 北京這次顯然是有收穫的。從特朗普描述來看，習近平幾乎整晚都在談台灣，而且效果不小。特朗普甚至說：「我聽了他的話。」這句話在外交語言裡很危險。因為它代表，北京已經成功把「台灣問題」重新塑造成「中美避免衝突的核心議題」，而不是單純的民主與安全問題。 對台灣內部政治來說，衝擊也很大。國民黨現在一定會抓住這句話猛打民進黨：「你看，美國根本不可靠。」尤其2026地方選舉、2028總統大選臨近，這種「疑美論」會迅速升溫。北京其實最希望的，不一定是立刻武統，而是慢慢讓台灣社會開始懷疑：「如果真的開戰，美國到底會不會來？」 但另一方面，北京也未必能完全放心。因為特朗普有個特點：他今天可以把軍售當籌碼，明天也可能突然翻臉加碼。他對外政策最大的特徵，不是親中，而是不確定性。這也是為什麼很多中國學者其實對特朗普既期待又害怕——期待他削弱美國盟友體系，又害怕他哪天突然加倍出牌。 原文來自英國《經濟學人》： 《Is Donald Trump selling out Taiwan?》 網址： The Economist 原文報導 最後，《明鏡郵報》想問大家一個問題： 如果有一天，美國真的把對台安全承諾變成「可談判商品」，那麼台灣未來最大的風險，究竟是中國的武力，還是美國的不確定性？