Lee Kuan Yew: 李光耀： Air conditioning was a most important invention for us, perhaps one of the signal inventions of history. 空调对我们来说是一项极其重要的发明，或许也是人类历史上具有里程碑意义的发明之一。 It changed the nature of civilization by making development possible in the tropics. 它让热带地区的发展成为可能，从而改变了人类文明的发展方式。 Without air conditioning you can work only in the cool early-morning hours or at dusk. 没有空调，人们只能在清晨或傍晚较凉爽的时候工作。 The first thing I did upon becoming prime minister was to install air conditioners in buildings where the civil service worked. 我就任总理后做的第一件事，就是为公务员办公的大楼安装空调。 This was key to public efficiency.” 这是提升政府行政效率的关键。

🚦 上头了，OpenRig 能让你一个人指挥一队 AI 同时写代码，Claude Code 和 Codex 还能编在同一队里 仓库今年 4 月才建，GitHub 上已经 1400 star，topics 里明明白白写着 agent-harness 和 multi-agent 同时开三四个编程 agent 的人都知道那种混乱：几个终端窗口来回切，谁在改哪个文件全靠脑子记，回头还得自己把结果对齐。OpenRig 的思路是把这一队人写成一份 YAML：有哪几个 pod、每个座位坐谁、谁的产出流向谁、断了要不要自动接上，写清楚就交给它调度，底层用 tmux 起会话，自带守护进程、命令行、终端界面和一个 MCP 服务器。 更省事的是它带了一批现成的队形，想要产品团队、流水线、两人结对、还是互相挑刺的评审队，直接拿模板开工，不用从零设计分工。 有一点要说清楚：它会往 ~/.claude.json、工作区的 .claude/settings.local.json 和 Codex 的 config.toml 里写信任设置和 hooks，装之前心里得有数；那个完全绕过权限的模式默认是关着的，要你自己显式打开。 AI 编程从一个人对一个助手，变成一个人管一整队。 GitHub：

Fable 5.1 的系统提示 内置了持久化文件记忆系统 分为身份卡（/profile.md）、领域话题（/topics/）、进行中项目（/areas/）、人物关系（/people/）及交互偏好（/preferences.md） 版权硬性红线：不完整输出 1929 年以后的歌曲歌词、诗歌、小说段落及知名艺术角色；用代码（如 SVG）绘制图形时，只要特征符合受版权保护的知名形象（例如索尼克、好饿的毛毛虫），就会直接拒绝并换成纯原创形象。

吴说获悉，美国纽约东区联邦地区法院对 NanoBit Limited、Radiant Horizons Limited、Sweet Karma Fashion Inc.、Zhao Tropical Deli Inc.、Jiajie Liu 及 Hua Zhao 作出缺席终审判决。SEC 指控称，被告通过虚假加密资产交易平台 NanoBit 实施“杀猪盘”投资诈骗，冒充金融从业人士在 WhatsApp 群组中获取投资者信任，并诱导其向所谓的 NanoBit 平台投资，同时谎称关联公司 NanobitUS Securities 为 SEC 注册券商。实际上，NanoBit 平台并未进行任何真实交易，超过 200 万美元资金被转入涉案人员控制的香港银行账户，另有价值数十万美元的加密资产被挪用。法院认定被告违反美国证券法反欺诈条款，对其发布永久禁令，并禁止其参与证券发行、购买、发售或销售活动，同时判令其支付非法所得追缴、判决前利息及民事罚款。

今天凌晨 OpenAI 发布了 Businesses in ChatGPT，Google生态正在迎来一个强劲的对手，我看了下公告。 我觉得这次值得关注的，不只是多了一个商家后台，而是 OpenAI 开始把“商家为什么要来 ChatGPT”讲清楚了：这里有人在找产品、比较方案，你可以提供信息、承接咨询，也能看到一部分效果反馈。 第一，ChatGPT 和 small business 之间，有了更明确的获客关系。 过去商家关心的是，ChatGPT 会不会推荐我、有没有给网站带来流量。现在通过 Business Hub，商家可以认领企业、维护资料，再看品牌提及、网站点击和 Discovery Topics，也就是网站被引用时，对话里的共同主题。 平台开始给商家一个参与入口，商家也开始有理由持续投入：补信息、看反馈、调整产品表达。 我觉得这是 OpenAI 最近面向中小商家，把获客价值讲得很明确的一次。它争的不是 Google 某个单独功能，而是用户发现产品的入口，以及商家围绕这个入口投入的精力和预算。能拿走多少份额，还要看实际效果，但竞争方向已经很清楚了。 第二，承接不只是把人送到网站，而是让更多决策留在 ChatGPT 里。 商家资料页和 Business Agent，分别解决“了解这家公司”和“继续问具体问题”。用户可以围绕自己的需求，询问产品能力、价格和政策，再决定下一步。 Business Agent 也能作为 ChatGPT Ads 的落地目的地。这样广告点进去，承接用户的不一定是一张网页，也可以是一段对话。 我理解这里的野心是：从发现产品，到比较、咨询、判断适不适合，越来越多步骤都在 ChatGPT 里完成。商家不只是争一次网站点击，也是在争这段决策过程里的位置。 这不等于现在所有交易都能站内完成。目前 Agent 只向美国符合条件的电商和线上服务企业开放，认领不保证 Agent 资格；商家对话和广告也与 ChatGPT 的独立回答分开。 第三，GEO 开始有平台数据，而下一步最值得看的是“需求怎么被聚合”。 以前用第三方工具准备一组 prompt、反复问，观察的是自己选的问题下，模型怎么回答。现在有了平台内的提及、点击和发现主题，至少能开始用真实反馈校准判断。优化动作也才有更可靠的依据。 但目前 Business Hub 还不能等同于 Google Search Console 的生态位。GSC 能按查询词和页面分析搜索表现，也有抓取、索引和页面诊断。Discovery Topics 还只是聚合主题，不是逐条搜索词或用户原始 prompt。 不过我倾向于认为，随着需求数据和优化反馈逐步补齐，它会往 GSC 的生态位走，成为商家理解和优化 ChatGPT 获客的重要入口。不是把 GSC 的功能原样复制过来，而是接过“理解平台需求、持续优化获客”的角色：用户需要什么、自己的产品在什么需求下被发现，以及调整之后有没有变化。 下面这一点是我对下一步的推演，还不是已公布的功能。 关键词一直是一种把详细需求压缩后表达出来的方式。比如“AI presentation tool”，背后可能有完全不同的任务。 用户在 ChatGPT 里则可以说：“我们是一个小团队，想把现有销售资料做成英文演示，保留品牌模板，最后能导出 PPTX。” 这句话包含的不只是工具类别，还有团队场景、输入材料、语言和交付要求。对做产品和增长的人，这些差异很重要：同一个关键词下的人，可能需要完全不同的产品和承接方式。 我不觉得平台一定要把用户原始对话交给商家。更值得做的，可能是去掉可识别信息，把反复出现的需求提炼成商家能理解、能行动的需求组合。 这里会有一个 balance：太细，会带来隐私风险，也容易把个别需求当成市场；太粗，只剩“AI presentation tool”这样的分类，就又退回到了关键词，丢掉了场景、约束和交付要求。 如果这个平衡找得好，聚合后的 prompt 就可能成为比关键词更能表达细分需求的载体。商家可以据此调整产品说明、内容和 Agent；ChatGPT 也有机会更准确地把当前需求匹配到合适的产品和商家对话。 这才是我更期待的 targeting：匹配这次用户到底要完成什么，而不只是匹配一个词。不是把用户对话交给广告主，也不是说现在已经能按聚合 prompt 定向投广告。

欧洲加密交易所 Bitpanda 联创 Christian Trummer 将重新担任公司联席 CEO，与 Eric Demuth 共同领导公司；现任联席 CEO Lukas Enzersdorfer-Konrad 则将离职，并加入奥地利银行集团 Erste Group。此次管理层调整发生在 Bitpanda 持续扩展欧洲业务之际，Trummer 此前长期负责公司的技术和产品方向。（Trending Topics）

机器人圈也被 AI 的 scaling 卷麻了 截图是 ICRA 2026 一个数据统计，感觉蛮有意思的，分享一下。比如论文关键词的分布，中美加起来占一半以上的江山。 投稿 4947 篇，接收 1882 篇，接收率 38.04%。2021 年时候投稿量大概 4000 篇左右，机器人圈也在被 AI 的 scaling 卷麻。 Hot topics 是 Manipulation、Planning、Mapping/Perception 3D，SLAM/Localization，Object Detection/ Tracking。 author keyword top 是：Deep Learning for Visual Perception、Reinforcement Learning、Motion and Path Planning、Imitation Learning。 btw，这个数据不是 ICRA 官方做的，是韩国 DGIST 一个助理教授 Giseop Kim 做的，现在vibecoding一个东西变得无比容易。just do it… 想起来去年还写过一场 ICRA 2025 的 keynote 辩论，当时议题是“Data will solve robotics: True or false？” 转眼一年过去了……大家觉得这一年机器人领域的进展快吗？现在关于Data will solve robotics的争论，大家觉得有答案了吗🐶