内华达，一个来自越南的人站出来说：他来自共产主义国家，南越输给了共产主义。 他没有讲理论课，只讲一个国家翻过去之后，普通人会记住什么。 他的提醒很简单： “不要让这个国家变成共产主义国家。” “任何不给人民自由的共产主义国家，都不可持续。” 有些人把社会主义当成漂亮包装，摆在美国年轻人面前，像超市货架上的新牌子：更公平、更温柔、更便宜。 可从共产主义里走出来的人，看的不是包装纸。 他看的是国家被拿走之后，选票、财产、信仰、说话的权利，一样一样从人手里消失。 所以他最后说：不要共产党人，连社会主义者也不要。 没被烧过的人爱谈火的理想温度。被烧过的人，只叫你离远点。

Anthropic 工程师讲了一堂 FDE 入门课 Kevin Bai 现在在 Anthropic 的 Applied AI 团队，之前是 Rippling FDE 团队的创始成员，再之前在 Palantir 干了好几年。最近他做了一个 FDE 101 的分享，把前线部署工程师这个角色讲得很清楚，值得总结一下。 先说一个数据：在上市 SaaS 公司里，按平均合同金额排，Palantir 是 400 万美元，ServiceNow 120 万，Workday 60 万，剩下的没有一家能超过 50 万。Palantir 靠几千人做到了别人几万人做不到的客单价。靠的就是 FDE 模式。 FDE 到底在解决什么问题？ Palantir 的产品 Foundry 是一个应用构建平台，技术门槛很高，但买家是石油、消费品这些行业的非技术高管。你把一个复杂的技术平台丢给一个不会写代码的人，指望他自己搞明白怎么用，这不现实。 所以 Palantir 的做法是：客户买的既不是软件产品，也不是咨询服务，而是一个"结果"。你派工程师过去，深入理解客户的业务场景，在平台上给他们把东西建出来。客户关心的是货架上多了多少商品、产线效率提升了多少，他们不关心数据怎么组织的，也不该关心。 FDE 和外包开发有什么区别？ Kevin 特别强调了一点：如果你的工程师每次都从零给客户写定制代码，那你做的不是 FDE，是外包开发。FDE 模式能成立，前提是你有一个可复用的平台。工程师是在平台已有的基础能力上组装和定制，不是每次重新造轮子。没有平台，维护成本会吞掉所有利润，工程师也会因为要维护几十个毫无关联的代码库而跑路。 要不要搞 FDE？两个问题就能判断。 第一，你是不是必须把一个技术复杂的东西卖给非技术买家？如果你的客户本身就是工程师，比如卖 GitHub 或者 Datadog 的，不需要 FDE。如果你的产品本身就是开箱即用的，比如 Slack 或者 Jira，也不需要。只有你的产品很复杂、客户又不懂技术的时候，FDE 才有必要。 第二，你有没有一个可复用的平台？或者你愿不愿意投入去建一个？没有共享的基础组件，FDE 就是不可持续的。 2026 年的新变化是什么？ Kevin 的判断很有意思：软件行业做生意的方式本身变了，AI 让构建软件变得极其容易，几乎所有平台都在走向 Agent 化，这意味着几乎所有平台都变得高度可定制。后果就是：越来越多的客户搞不清楚你的产品到底能做什么。你把产品的成败交给客户自己去摸索，在 Agent 时代会越来越难走通。 这就把 FDE 从 Palantir 独有的小众玩法，变成了更多软件公司需要认真考虑的事情。 最后一个问题：什么样的人适合做 FDE？ Kevin 的回答很简洁：FDE 就是一个你信任到可以让他直接面对客户的软件工程师。技术能力是基本盘，但你还得放心让他代表公司去跟客户打交道。

今天上了一堂复旦MBA项目唐教授的创业课 他重点讲的是风险管理，如果创业失败，我们到底会失去什么？ 教授现场算了一笔账。假设一个项目每年亏50万元，连续亏3年，就是150万元。如果再把创始人和合伙人放弃原来工作的收入算进去，3年的实际代价可能接近480万元。 这个数字让我愣了一下。 以前说到创业成本，首先想到的是投了多少钱，却很少认真计算时间成本，更不会把那些本来可以拿到、最后没有拿到的收入算进去。但这些都是真实发生的损失。 创业当然需要信心，可有时候，创业者很容易把“投入多少”当成“决心多大”。办公室先租好，团队先招起来，公司的架子也尽量搭得像模像样，好像摊子越大，成功的可能性就越高。 但市场不会因为你投入得多，就更愿意买单。 与其一开始就把成本拉满，不如先用小成本验证需求。先看看有没有人愿意付钱，项目能不能靠自己活下来。有了收入，再考虑招人和扩大规模，会踏实很多。 我也重新理解了“低风险、高回报”。 更准确地说，是最坏的结果自己承受得起，而事情一旦做对，收益又有足够大的增长空间。 讲座后面还谈到了愿景、使命、合伙方式、期权池和公司控制权。这些东西听起来有点远，但都很现实。 为什么要一起做这件事？钱怎么分？意见不一致时听谁的？有人中途退出怎么办？ 公司顺利的时候，这些问题似乎都可以以后再说。真到了困难的时候，才会发现，很多矛盾早就埋在最初那些没说清楚的事情里。 听完以后，我并没有觉得创业应该变得更保守。只是以后再看一个项目，我会先问自己：最坏会发生什么？这个代价我扛得住吗？ 扛得住，再往下做。 先有收入，先把公司养活。至于更大的故事，等活下来以后再讲。

吴恩达刚发了今年最狠的一堂Agent课，两小时，从单代理一路讲到完全自动化，硬核到足以把你今年收藏的所有AI Agent教程全淘汰了！ 整门课刚好两个小时，五个时间节点卡得特别清楚，九分钟带你搭出第一个能干活的代理，三十三分钟讲循环工程怎么让代理自己纠错迭代，一小时零两分正式开讲图工程，一个半小时讲能自我重写的代理，最后四十分钟直接放完整的可运行图系统。 很多人学Agent最大的误区，就是把能跑通一个对话循环当成了终点，实际上单代理再聪明，也扛不住长任务里的上下文丢失，状态混乱和失败不可追溯，图工程干的事，就是把决策和控制流从模型的黑盒里拉出来，变成可检查可复用可并行的固定拓扑，模型只负责节点里的判断，路径由人提前设计好。 这也是为什么同样的模型，同样的token，用单代理跑和用完整图系统跑，一周下来的完成度能差出好几倍，前者还在反复重试同一个失败步骤，后者已经把多个分支并行跑完，自动汇总成最终结果了。 想真正搞懂Agent自动化的兄弟，这门课真的值得抽两个小时完整刷一遍，别再停留在单代理的玩具阶段了。

🎁 Hugging Face 把一整套 AI Agent 课程免费开源了，从原理一路带到自己做出一个能跑的智能体 GitHub 揽获 3.1 万 stars，课程署名作者是 Ben Burtenshaw、Joffrey Thomas、Thomas Simonini 和 Sergio Paniego。 想入门 agent 的人最常卡在同一个地方：教程东一篇西一篇，看完一堆概念，还是不知道自己该动手做什么。这套课把顺序替你排好了，从智能体和大模型基础起步，中间过函数调用微调、可观测性与评估、智能体式 RAG，最后是游戏里的智能体。 框架不是只讲一个，smolagents、LlamaIndex 和 LangGraph 三套都带你走一遍。收尾是一个真项目：自己建智能体、测试、跑自动评估，通过了发认证，还能上学员排行榜。前置要求只有 Python 基础和对大模型的基本了解。 学 agent 最难的从来不是看不懂，是不知道下一步该学什么。 GitHub：

Apodex ：一个能把复杂任务从原始材料推进到可检查交付物的科研 AI Agent 系统。 这两天用它完成不少任务，无论内容准确性、交付质量都超预期，比如： ① 生成了一套 8w 字讲如何在现实生活中应用讲故事技巧的课程。 ② 为最近 X 最流行的 Linux 操作系统 Omarchy 生成了一份6w字的学习手册。 ③ 调研分析了100个最热的 Obsidian 插件，生成了一份 PDF 白皮书。 ④ 上传美国人口和婚姻调研数据 CSV，数据清洗、研究后给出洞察结论。 这个产品会调 Agent 拆解任务，写代码处理原始文件（CSV/Excel/PDF/图像/实验数据），有详细执行链路和中间产出文档可核验完整链路。 把推理能力延伸到真实任务的执行过程中，是这个AI工具的最大优势之一。 所有产出文档和使用教程见后几条。

在大学的时候，上《创新管理》这门课，老师曾提到他的老师克莱顿·克里斯坦森，提出颠覆式创新的管理学大师 无意间看到了克里斯坦森，去世前的最后一次演讲《你要如何衡量你的人生》 他讲这些的时候，自己已经确诊了癌症，还扛过一次心脏病发作和中风 等于一个正在直视死亡的人，在教你怎么衡量这一生。2020年1月23日，他因白血病并发症去世，享年67岁 他把研究 公司为什么死 的那套理论，反手用在了人身上，问学生一句话：如果你继续按现在这样分配你的时间，你最后会活成一个什么样的人？ 视频一共 19 分钟，精彩的几个片段 "成就的即时反馈" "当你多出一点点精力，或者多出三十分钟，你会本能地、无意识地，把它投到生活里能最快给你'成就证据'的那件事上。" 工作和家庭回报的时差 "我们的职业给的是最直接、最看得见的成就。成交一单，发一个产品，做完一个汇报，升职，拿钱。而我们对家庭的投入，短期内什么都看不到，孩子天天不听话，一遍又一遍。你得等到二十年以后，才能双手叉腰说一句：我们养出了好孩子。" 同学聚会 "第五年聚会回来，一个个春风得意。可到了第十年、十五年、二十年、二十五年，天啊，我的同学们回来时，一个个都不快乐，很多人离了婚，孩子被后爸后妈养着，远在国家的另一边，跟父母形同陌路。我敢保证，我们班没有一个人，在毕业时计划过要离婚、要生出一个恨自己的孩子。可我们班一大票人，最终执行的，恰恰是他们从没计划过的战略。" 公司为什么死，也是你为什么废 "成功的公司为什么会死？因为它们把钱投在能最快、最直接看到成就的地方。而它们视野这么短，是因为管理它们的，就是你和我这样的人。我们把同一套思考方式，原封不动用在了自己人生上，结果很惨。" 全场的题眼 "你要如何衡量你的人生？"（How will you measure your life?） "上帝不雇会计" "我得出一个最奇怪的结论：上帝不雇会计，也不雇统计学家。……等我跟上帝做临终汇报的时候，他不会问我爬到了谁的架构图多高，也不会问我死的时候银行里剩了多少钱。他会说：来，聊聊那些因为你，而变成了更好的人。" 收尾 "你正在做的这件事，你当然应该把它做好。但它不会是你人生的衡量标准。"

美股给全世界上了一课。道指创下收盘历史新高，纳指猛涨2.13%，七巨头指数单日狂飙3.6%。谷歌市值超越苹果，亚马逊冲破3万亿美元，微软三天涨了25%——仿佛一夜之间，AI最赚钱的宝座，从卖铲子的英伟达，交给了卖服务的云厂商。 这背后是华尔街叙事的一次彻底翻转。以前市场讲的故事是：云厂商疯狂采购GPU，资本开支惊人，折旧像黑洞一样吞噬现金流，AI回报遥遥无期。所以英伟达每次震荡，都会带崩一片。 可现在，微软Copilot、亚马逊Bedrock等AI服务付费转化速度大超预期，Token用量指数级增长，云厂不仅增收增利，还胆敢上调资本开支。逻辑变成：AI应用加速→云厂多赚钱→更敢砸钱采购→光模块、DCI、服务器需求爆发。 于是Lumentum涨9%，铠侠ADR涨14%，闪迪涨6%，连带着费城半导体指数日内深V反转。硬件的朋友，终于等来了云爸爸的订单。然而，就在市场最狂欢的时刻，亚马逊创始人贝佐斯动手了。他提交监管文件，在股价历史新高盘后，抛售了价值40.7亿美元的股票。消息一出，盘后股价跌近2%。历史高位，流动性最充裕，情绪最亢奋，走得毫不拖泥带水。 这剧本是不是很眼熟？兆易创新朱一明，在股价奔向500元途中套现44亿元，随后股价冲顶846元后暴跌57%。建滔集团张国荣家族，在AI铜箔概念最火时套现近200亿港元，股价后来从150港元跌到40港元。叙事可以是火热的，但大股东的账户永远是冷静的。 A股又要开盘了。很多人急着喊“抄作业”，希望光模块、算力来一次共同富裕。但理性想想，中国的微软、亚马逊——阿里巴巴、腾讯，都在港股，7月恒生科技确实领涨全球。A股这边纯正AI云应用标的少得可怜，更多是映射和题材驱动。 如果你真相信云服务商将引领AI下半场，那就按照“要信早信”的原则，控制好仓位，趁分歧时布局，而不是在情绪高点替大股东接盘。肉就那么多，去晚了不但吃不到，还容易买单。记住，市场里最贵的三个字，永远是：这次不一样。

抽象概念想讲透，光靠 ppt 和板书总差一口气：学生看得累，你讲得也费劲。 我最近在 GitHub 挖到一个开源工具：AetherViz Master。只要输入教学主题，就能自动生成一套完整的 3D 交互式教学网页，打开浏览器就能用。 它基于 Three.js + SVG 混合渲染，会自动识别学科类型，匹配更合适的配色和可视化表达，把“难讲的”直接变成“看得懂、能操作”的演示。 GitHub： 覆盖物理、化学、生物、数学、天文、编程等多个方向： - 输入「牛顿第二定律」：生成 3D 小球运动模拟 - 输入「三角函数」：生成可交互的函数波形图 每个页面还自带学习目标、原理讲解、公式渲染和小测验；支持滑块调速、单步演示，也适配触摸设备。 不管你是老师想做更有说服力的课件，还是学生想把知识点“立体化”来理解，它都值得试一试。