Raycast 刚出了 2.0 beta，语音输入在 beta 期间完全免费，快快体验。 之前说 @raycast 最打动我的地方，不是某个大功能，而是它对 dev 日常 flow 里那些极小动作的尊重。 这次最关注的，其实不是 “Raycast 也做了语音输入”，而是 Raycast + Dictation 这件事在我看来本身几乎是完美组合。 现在大家都在讲 Computer use，讲 AI 直接替人操作电脑。但我越来越觉得，真正好的 AI native 产品，不应该让人失去“手感”，而是把人的 flow 放大。 语音输入也是一样。 如果 Dictation 只是一个悬浮窗、一个输入法、一个 speech-to-text 工具，那它当然有价值，但它仍然是一个外挂。但 Raycast 不一样，它本来就在系统入口、应用切换、剪切板、搜索、命令、快捷键这些最贴近日常 workflow 的位置上。 当语音输入长在这个位置上，它就不只是“把声音转成文字”了。 它可以有 Custom Instructions，告诉系统我的听写应该偏正式还是偏口语，要不要自动分段，怎么处理格式；可以有 App Context，根据当前我是在写代码、写邮件、写文档，去理解不同的专业词和上下文；可以有 Vocabulary，把 Raycast、公司名、同事名字、产品名这些专有名词稳定识别出来。 更重要的是，它可以有 Styles。 同样一段话，在邮件里应该像邮件，在 IM 里应该像消息，在会议纪要里应该像纪要，在 todo 里应该像任务列表。Auto Styling、Create Style、Email / Messaging 这些东西，听起来都是小功能，但实际上都在解决同一个问题：语音输入不应该只是转写，而应该理解“我现在在哪个工作流里”。 这就很 Raycast。

设计狮狮你好，@EverMind 招 UI/UX 设计实习生 🟡 如果你看过某些 AI 产品，心里默默想过 「这玩意儿明明可以好看十倍」，欢迎来跟我们一起做。 会 Figma，对 AI 好奇，审美在线就行。年限不是门槛，品味才是。 简历 + 作品集 👉 yanbing.li@evermind.ai

突然发现在 @raycast 的剪切板里面，选中要粘贴的内容后，用 option + enter 粘贴的话，原剪贴板的窗口不会被关掉，这样即可直接选取另一个剪切内容，太走心了。 这个软件在面向 dev 的使用习惯上打磨得真夸张，各种细节都强到有点可怕。 哎，如果有一天，大家都用 Computer use，而感受不到对于人类 flow 里面的细节之美的走心设计，会失去不少乐趣。

锤这篇是我最近看到讲 Agent 记忆讲得最清楚的中文文章。 利益相关，文章里那个 EverOS 就是我们 @EverMind 做的，补三个点： 1. 那个 93.05% 的 LoCoMo 准确率不是论文宣传数字，是开源仓库里就能跑的脚本，谁都能复现。 2. Skill 自进化第一次喂轨迹只出 case，要跑够几次同类任务才会蒸馏出 skill，很多人接进去看不到 skill 以为是坏了。 3. 彩蛋：月底有酷炫产品上线，弱不酷炫，我包红包🧧。

OpenAI 凌晨上了一个叫 Daybreak 的东西。4 小时 1M 浏览，不过讨论区基本没在讨论这到底是什么。 整体看下来，关键不在 「OpenAI 发了一个新产品」，而在 「OpenAI 在 cyber AI 这个最敏感的话题上，终于跟 Anthropic 划了一条清晰的线」。 1. Daybreak 不是一个产品，是一把伞 Greg Brockman 自己 (@gdb) 在回帖里给出了官方解释，「umbrella effort for defensive acceleration」。 底下放的是 OpenAI 的几个 frontier 模型，Codex，加一票安全合作伙伴的整套防御能力。所以严格说 「Daybreak 是什么」 这个问题答不上来。它是一个 「OpenAI 在 cyber 这一格里的所有动作」 的统称。 这个 umbrella framing 本身值得玩味，留到第 4 点说。 2. Anthropic 和 OpenAI 在 cyber 这件事上走了两条岔路 过去两年 Anthropic 反复强调 cyber 能力的 dual use 风险，是他们 frontier 模型里最克制释放的部分。 OpenAI 这次的回答是 「我打包成一个面向防御方的产品给企业」。 评论区里 @kimmonismus 写了一段戏仿，意思是 「Anthropic 关门做研究说能力太强不能放，OpenAI 已经发布了一整套 verified access 的产品线让你扫 repo 找 bug」。戏仿夸张，但抓得对。 两种处理方式都站得住: Anthropic 派，默认锁死，dual use 没法验意图。 OpenAI 派，默认放出，用 「verified tier」 加监管验身份。 接下来三年的 AI 政策辩论，基本都会在这两个立场之间往复。 3. 「Burning down security backlogs」 这个 framing 戳穿了真实痛点 每个开发团队都有一份 「迟早出事，但现在没人管」 的 security 待办。CVE 一大堆，依赖升级拖了 6 个月，配置漂移没人查，老代码里埋着 5 年前的 SQL injection。 Daybreak 真正在卖的，不是 「我帮你防黑客」，是 「我帮你清这堆破事」。后者比前者实在 10 倍，共鸣也强 10 倍。 每个 security team 的 PM，看到 「burning down backlogs」 这句话的瞬间，预算就开始动了。这是 OpenAI 一贯的本事，用 product manager 的语言写公告，不用 researcher 的语言。 4. 真正的护城河在攻防训练集 回到第 1 点那个 「umbrella」 的设计。它不是一个产品名，是一个收数据的容器。 你把你的 codebase 让 Daybreak 扫，OpenAI 看到的不只是你的代码，是 「这家公司的代码长这样，有这些 vulnerability pattern，patch 成这样就修好了」。 这是世界上最稀缺的训练数据，比所有开源代码加起来都值钱。 Anthropic 用 「不释放」 换安全声誉。OpenAI 用 「释放 + 收数据」 换攻防飞轮。两边都在算大账，只是账的方向不同。 小总结 Daybreak 把 cyber AI 这件事，从一个政策问题变成了一个产品问题。

老板急得亲自发帖招人了，伙计们可以接着投递哈 1. 技术型产品经理，Agent 产品经理，C 端 B 端都看看 2. Agent 开发工程师，解决方案架构师，前后端，全栈 3. 运营，增长，开发者关系都需要 现在也考虑招兼职和各种实习

我们在这 4 个地方招人，职位很多，活儿很多，如果你能用 AI 武装自己成为小小全能手，请大胆投递简历。 P.S. 最近事儿比较多，之前投递的简历会陆续安排面试，表急表急。 借用了 @dotey 老师的提示词

我们昨天在 arXiv 上发了一篇新论文，填补了一个一直没人做的空白：多人、多群组场景下的记忆测试。 简单科普一下为什么这件事重要 之前测 AI 记忆能力的 benchmark，基本都是"两个人聊天"的场景： LoCoMo（2024）：最早系统测试多轮对话记忆，但本质上就是两个人对话，上下文约 16K tokens，规模偏小 LongMemEval（2024，ICLR 2025）：把规模推到了 115K–1.5M tokens，定义了五个核心记忆能力，但仍然是一对一对话 问题是，现实世界不是这样的。你同时在多个群聊里，跟不同的人聊不同的事，AI 能记住谁在哪个群说了什么吗？ 这就是 EverMemBench 要回答的问题。 下图是我用 @claudeai 最新功能生成的，你还别说，挺好看。