🎂楊家宜生日快樂🎂 #HappyBirthday# #お誕生日おめでとう# 今天是家宜在TP的第一個生日呦！ 快來在下面留言祝福元旦寶寶家宜生日快樂🥰✨ #AKB48TeamTP# #TeamTP# #TTP# #HappyChiayiDay# #楊家宜# #樂樂#

《一起去瞳樂會》生日會回顧 謝謝大家的參與 一起來幫少瞳和家宜慶生吹蠟燭🎂 希望這份快樂能量有成功傳達到你們心裡～ 快來回憶當天的幸福瞬間吧💖 #TPE48# #張少瞳# #楊家宜# #生日會#

TPE48 第十一張單曲附錄曲《還會想想你》 「遇見你，一切開始充滿意義…💭」 ୨《還會想想你》Official MV ୧ 2026.05.25（一）20:00 TST #TPE48 ##TPE11thsingle ##還會想想你# #MVTeaser# #楊家宜#

🎂TPE48-2026 生日會《一起去瞳樂會》 蝴蝶結點綴的粉白色世界中，氣球和蛋糕已就緒。 雙倍的快樂能量就要交由你來親自點燃啦！ 你準備好與她們共赴這場瞳樂會了嗎？ 🌟壽星：張少瞳、楊家宜 ⏰時間：2026/3/1 (六) 13:30 🎫預購時間：2/12 (四) 12:00

#多國軍官遇見長征# 近日，#墨西哥# 軍官佩納·瓦萊·何塞來到長征落腳地 #延安，通過自己的所見所聞沉浸感知長征精神的力量。在楊家嶺毛澤東種過的菜地旁，何塞驚嘆於“毛主席竟然親自做這些事情”，並認為正是這種領袖以身作則、軍民同甘共苦的優良作風，讓中國共產黨和紅軍贏得了人民群眾的信任與支持。當得知毛澤東喜歡吃辣椒、種辣椒後，他更是一下子找到了中墨歷史文化的新共通點。“墨西哥菜不加辣椒簡直難以想象，”何塞說，通過商貿往來，“中國每天都在將這種食材送達數百萬墨西哥人的餐桌，希望今後雙方在農業領域繼續開展深入交流。”##長征勝利90周年# @StudyinNDUChina @MFA_China @MND_China @YananCHN @visitshaanxi @EmbChinaMex

此《杨氏家藏方》为南宋医家杨倓将其所收藏的方剂汇编而成。全书共二十卷，分诸风、伤寒、中暑、风湿、脚气、咳嗽、眼目、伤折等四十九类，收方千余首，包括内、外、妇、儿、五官各科病证的治疗。每方下详列主治、药物组成与治法。此为南宋淳熙十二年跋刊本。介绍下载：

在看《杨苡口述自传》，翻译家杨苡口述自家从清末发家到抗战胜利自己的经历。她写读西南联大时在昆明生活的时光。 九二八大轰炸，翠湖周边被炸的一塌糊涂，街上到处是联大的学生，人群里还有一身灰的闻一多； 昆明的天蓝的像马德里，但一下雨家门就成水帘洞； 云南大后方，没有抗战的氛围，多数人只吃两顿饭，米线和饵块； 云南抽鸦片的多，空气里都是鸦片的气味； 翠湖就像莫奈风格的油画，滇池的水像缎子一样的涟漪。 ........读着读着穿越到了当时的昆明。

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

马斯克最近四面楚歌？首先，知名投资人格兰瑟姆评价SpaceX：史上最疯狂IPO，终将沦为后世笑柄；其次，扎克伯格跑X发推，只为宣传Meta旗下最新的AI智能体模型Muse；第三，马斯克不断和OpenAI奥特曼对骂，互相指责对方是骗子；第四，Meta前首席AI科学家杨立昆，公开唱衰xAI是“失败者”。最精彩的发言是，马斯克说奥特曼“把诈骗提升到了一个全新的高度”，而奥特曼说马斯克“兄弟，你才是那个向公开市场投资者，兜售短期太空数据中心的人”。真正的骂战，其实还没开始…