註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 被写体募集
被写体募集 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 被写体募集 的搜尋結果
舆论普遍留意到,西藏吉隆县一个边境口岸“国门被冲毁”的视频遭到审查。时事评论作家长平认为,更严重的是对人的审查,对逝者和幸存者生命故事的扼杀。 慈善广告中有一个“伦理困境”:同样的媒体版面,用来讲一个人的不幸遭遇,比说一万个人正在等着您的援助,更能激发人们的同情心,募集到更多的捐赠。 人类道德感知的结构决定了,我们对个体生命的共情能力,远远大于一堆数字,哪怕它实际上也很重要。 同样的道理,在新闻相对自由的国家,灾难发生之后,记者不仅仅关注领导的英明决策和救援官兵的辛苦付出,还会探访幸存者和逝者家属,让他们讲出自己的经历和哀伤,讲出逝者生前的故事,这样读者才能感同身受,缅怀逝去的生命,帮助幸存者度过难关。 这正是尼泊尔各家媒体正在做的事情。无论是主流媒体《加德满都邮报》(The Kathmandu Post),还是数字媒体 OnlineKhabar,记者们都纷纷前往医院、学校和村庄,记录了各种普通人的遭遇,其中有正吃着早餐被洪水冲走的孩子,有为了救儿子趟入水中再也没有回来的父亲,有跑遍停尸房寻找哥哥遗体的妹妹…… 据英国《卫报》报道,在尼泊尔,记者争相尽可能靠近灾区,采访幸存者和救援人员。村民逐分逐秒地讲述洪水冲毁家园时所见所感。 讲述个体生命的故事,不只是为了激发读者的同情心。应该说,它首先在于对每个生命的尊重,承认其不可替代性。逝者不是同质的单位,而是意味着一整套关系、记忆、未竟之志业一并消失。 因此,个体故事比冷冰的数字更能提醒人们珍惜生命,总结教训,追究责任。逝者的姓名、年龄、住址、死亡的具体地点和时刻,是灾难事件最基本的档案。除此之外,还应该有更多生命的印痕。 《纽约时报》在 9·11 后的 《悲痛肖像》(Portraits of Grief) 系列为两千多名遇难者各写一则短传,不仅仅罗列履历,编辑嗨要求记者抓住一个能够体现这个人的爱好、性格、习惯或生活细节的瞬间。 没有逝者名单,就没有追究责任的基础。名单模糊,责任也随之模糊。四年前发生的“东航空难”就是一个例子。 反之亦然。如果政府想要淡化生命价值,减少问责可能,甚至“丧事喜办”——借助救援让媒体为自己歌功颂德——那么它就会阻止记者和受灾者接触,让他们只成为冰冷的数字,把镜头留给领导和领导指挥的救援者。 对于这场灾难的报道,新华社没有缺位,每天都要更新好几次。它的报道就是这种审查结果的“经典教材”。以其最新消息为例,全文222个字符中,涉及灾情的只有33个,约为七分之一,全为数字:“已救出热索村群众2人,吉隆泥石流灾害已造成7人遇难,554人失联。”其余部分,都用来描述“各项抢险救援工作有力有序推进”。 同样是消息体,昨天发表的一则,标题都用了51个字符:“中共中央政治局召开会议 研究部署西藏日喀则市吉隆县泥石流灾害抢险救援工作 中共中央总书记习近平主持会议”,内容都超过1000个字符。“李强在西藏吉隆指导抢险救援和应急处置工作”次之,内容大约为800个字符。 有人会说,及时的消息报道,只见数字不见人有情可原。可以想见,在新华社正在筹备的未来将会发出的通讯体报道中,会写到人,但首先是领导如何英明决策,指挥官如何坚决执行,其次是救援官兵如何舍身忘死,最后才是藏区的灾民,如何对党感恩戴德。 再说了,即便新华社能够良心大发,念及个体生命,不允许更多记者前往藏区,进行更多元的报道,同样是罪恶的新闻管制和媒体审查。 尼泊尔实行联邦民主制度,媒体生态相对多元。今年5月,无国界记者(RSF)发布2026年世界新闻自由指数,在180个受评的国家与地区中,尼泊尔排名第87位,中国连续第二年排名第178,仅高于厄立特里亚与朝鲜。 详细报道👉
顯示更多
0
66
278
62
轉發到社區
《博通往事》开篇 · 杠杆上长出来的帝国 2026年10月2日,彭博社的一条消息在华尔街的交易台之间传开。美银、花旗、摩根士丹利等银行组成的银团,正准备发出认购函,为一笔AI芯片融资募集资金,总规模约600亿美元。其中420亿美元是A类优先担保贷款,另外180亿美元的B类次级部分由黑石领衔,黑石旗下基金认购90亿,其余再分销出去。 钱最终流向的地方,是Anthropic,以及其他需要算力的AI公司。组织这笔融资的,是卖芯片给它们的博通。 前一天,路透社从Anthropic的IPO招股书里翻出了另一笔账。博通同意向Anthropic提供最高420亿美元的贷款,以可转换票据的形式,大约能覆盖Anthropic未来五年租用TPU算力1252亿美元承诺金额的三分之一。而在那笔600亿美元的融资里,博通还提供了所谓的残值支持,相当于为优先级部分兜底。 把这几层关系叠在一起看,博通在同一张网里同时扮演了三个角色。它设计芯片卖给客户,借钱给客户买芯片,再为借给客户的钱提供担保。按照路透的说法,Anthropic明年将成为博通核心芯片设计业务的第一大客户。 一、一笔让人睡不着的账 AI产业链里的循环融资早已算不上新闻。英伟达投资OpenAI,OpenAI再拿钱买英伟达的GPU,AMD用认股权证换来大额订单,类似的结构这两年层出不穷。华尔街对这种模式的疑虑一直存在,罗斯柴尔德的一位合伙人在路透的报道里表示,眼下有大量资金集中押在两家公司身上,押的是它们能否赚到足够的收入,去支撑已经发生的所有融资。 博通这一次走得更远一些。招股书专门提示了潜在的利益冲突,某些付款或履约违约一旦发生,Anthropic的大部分租赁义务可能被要求立即偿付,同时它动用那笔420亿美元贷款额度的能力也会受到限制。客户最困难的时候,供应商、债主、担保人这三重身份之间,会出现真正的张力。 这样的结构放在任何一家芯片公司身上,都值得反复掂量。可如果你熟悉博通过去二十年的历史,大概会觉得一点也不意外。 二、它本来就是杠杆造出来的 2005年,KKR和银湖资本用26.6亿美元,从安捷伦手里买下了它的半导体部门。安捷伦本身是1999年从惠普独立出来的,而这个半导体部门的历史,可以追溯到1961年惠普内部的半导体业务。交易在当年12月1日完成,新公司取名Avago,带着射频、光电器件和企业级定制芯片三条产品线开始独立经营。 这是一笔标准的杠杆收购,用借来的钱买下资产,再用资产产生的现金流偿还债务。为了降低收购留下的负债,Avago在随后两年陆续把两块非核心芯片业务卖给了Marvell和PMC-Sierra。2006年3月,私募股东请来一位出生在马来西亚槟城、MIT机械工程毕业、哈佛MBA、长期从事财务和经营管理的职业经理人担任CEO,他叫陈福阳。 此后的十几年里,Avago每一次重大跃升都建立在债务之上。2013年底,它宣布以66亿美元现金收购LSI,资金来自46亿美元银行贷款、银湖认购的10亿美元可转债和10亿美元自有现金。2016年2月,它完成了对Broadcom约370亿美元的收购,现金部分靠新增的156亿美元定期贷款支付,被收购的这家公司营收规模比Avago自己还大。交易完成后,新公司取名博通,Avago这个名字从此消失。2017年11月,它向高通提出含债务在内约1300亿美元的收购提议,银湖再次出具50亿美元的可转债融资承诺,四个月后,这笔交易被美国总统以国家安全为由下令禁止。2023年11月,在中国市场监管总局放行之后,它完成了对VMware约690亿美元的收购,总债务随之升至接近700亿美元。 模式始终没有变过。借钱,买下一家拥有市场第一产品的公司,剥离非核心业务,压缩费用,用现金流还债,等债务降到舒适的水平,再借下一笔。 唯一的变化在于杠杆的用途。过去二十年,博通借钱是为了收购资产。到了2026年,它开始用杠杆为客户创造购买力,让客户有钱买它的芯片。 三、一个名字,三条血脉 今天站在全球市值前列的这家公司,名字、骨架和手法分别来自三个地方。 名字来自1991年在南加州创立的Broadcom。两位创始人Henry Samueli和Henry Nicholas,一位是UCLA的教授,一位是他的第一个博士生,靠有线调制解调器和机顶盒芯片起家,赶上了九十年代宽带入户的浪潮,在2000年的互联网泡沫里一度跻身美国最炙手可热的科技股之列。后来它做进数据中心的以太网交换芯片,那条产品线正是今天博通AI网络业务的源头。 骨架来自惠普。Avago继承了惠普几十年积累的光电器件、射频和芯片设计能力,后来并入的LSI又补上了定制芯片领域大量的专利和工程师。 手法属于陈福阳。他很少在财报电话会上谈技术愿景,只关心一块业务能否在自己的市场里排第一,能否稳定地产生现金。符合标准的留下,不符合的出售。 2016年交易完成时,被收购的一方保留了名字,收购方的名字从此消失。理解今天的博通,绕不开这次改名背后的逻辑,陈福阳在意的从来只有资产能产生多少现金,品牌叫什么对他无关紧要。 四、英伟达之外的那一极 AI算力的版图里,英伟达仍然占据绝对多数。过去两年,另一条路线的分量却越来越重。谷歌、Meta、OpenAI、Anthropic这些最大的算力买家,开始和博通一起设计属于自己的专用芯片,博通把这类产品统称为XPU。 增长的速度相当惊人。2026财年第三季度,博通AI半导体收入同比增长221%、环比增长54%,达到167亿美元,占公司总营收的56%。XPU出货量同比增长超过3.5倍,占当季AI收入的73%。管理层给出的远期指引更加激进,2027财年AI半导体收入1150亿美元,2028财年2300亿美元。 Anthropic是这条曲线上分量最重的客户之一。今年4月,Anthropic与谷歌、博通扩大合作,根据披露,Anthropic将从2027年起获得约3.5吉瓦的新一代TPU算力。TPU由谷歌主导架构,博通负责把设计变成能够量产的芯片,两家的合作已经持续了十年左右。 这也是那笔600亿美元融资真正的背景。2300亿美元的收入指引,需要客户有足够的钱来付账。当客户的现金流跟不上算力扩张的速度,博通拿出了它最熟悉的工具。 一家靠杠杆长大的公司,现在把杠杆借给了自己的客户。 关于这个系列 《博通往事》计划写七篇。前五篇讲历史,惠普的半导体部门如何变成Avago,加州的另一个Broadcom如何从创业公司走到泡沫顶峰,陈福阳如何用十年时间完成一连串以小吞大的并购,2017年白宫里的那一天怎样改变了博通的方向,以及VMware这笔至今仍有争议的交易。后两篇回到当下,讲博通在GPU与定制芯片、InfiniBand与以太网这两场路线之争里的位置,最后讨论这套模式的边界在哪里。 我写的是产业和公司的逻辑,不构成任何投资建议。博通的历史里有很多聪明人算错过的账,也有很多看起来不可能、后来却成真的交易。杠杆在上行周期里放大收益,在下行周期里同样放大损失,周期的顶部也从来不会事先通知任何人。 好,开始。 下一篇,从1961年惠普的一个小部门讲起。
顯示更多
0
9
130
20
轉發到社區
Token 经济与加密货币世界的 Tokenomics 有何异同? 为什么要关注Token?因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格,“桶”让石油有了期货市场。有了Token,AI经济就有了可以算账的单位。围绕这个单位,目前也正在形成一套全新的经济逻辑:有价格、有供需、有产业链、有国际竞争、有待解决的制度难题。 这就是Token经济学要讨论的事。Token 经济与加密货币世界的 Tokenomics 有何异同? 两个Token,两个世界 说起来,这个世界上真正混乱的事情不多,两个东西叫同一个名字却毫不相干,算是其中之一。AI的Token和加密货币的Token,就像两个叫”刘伟”的人,一个在北京开餐馆,一个在上海做期货,见面了也没什么好说的。雷锋与雷锋塔区别! 但这两个Token,最近都很热闹。热闹到让很多人以为它们是一回事。 Token这个词,到底是不是新营销词 先得承认,Token这个词确实有被滥用的嫌疑。每隔几年,科技圈就会造出一批新词,让人觉得时代变了,其实换汤不换药。“大数据”火的时候,什么都往大数据上靠;”云计算”火的时候,什么都上云;现在轮到Token了。 不过这次有点不一样。Token不只是一个营销标签,它背后有真实的计量逻辑在撑场子。 就像”千瓦时”让电力有了价格,“桶”让石油有了期货市场,AI的Token做的是同一件事:把原本看不见摸不着的”智能算力”,变成一个可以算账的单位。有了这个单位,才能定价,才能比价,才能有产业链,才能有国际竞争。 所以Token不只是营销词,它是一把尺子。问题在于,AI这把尺子,和加密货币那把尺子,量的完全是不同的东西。 AI Token:一个从技术后台走到聚光灯下的计量单位 Token这个概念在计算机里其实由来已久。编译器做词法分析,早就把文本拆成一个个Token。网络安全里,身份验证令牌也叫Token。这些都是幕后工作,从没人觉得它有什么经济价值。 转折点在2017年,Google发表了那篇著名的论文《Attention Is All You Need》,提出了Transformer架构。这篇论文之后,所有大语言模型处理信息的方式都统一了:输入进来的文字,先被切成Token序列,模型一个个处理,再输出Token序列。Token变成了AI”思考”的基本粒子。 但这时候Token还没有经济属性,只是工程师内部的技术术语。 2022年11月,ChatGPT横空出世。这是个分水岭。 2023年3月,OpenAI推出GPT-3.5的API,第一次采用按Token计费。输入多少Token,输出多少Token,分别定价。那时候GPT-4的价格是每百万input token收30美元,output token收60美元,按今天的标准看,贵得像天价。 从那一刻起,Token从技术单元变成了经济单元。Anthropic跟上,Google跟上,国内百度、阿里、腾讯全跟上,全行业默契地采用了这套计费方式。Token成了AI服务的通用货币单位。 价格这三年掉得惊人。GPT-4刚发布时,每百万input token要30美元。 从2022年底到现在,GPT-3.5级别的模型使用成本从每百万token约20美元跌到了0.07美元,整整降了280倍。照这个速度,a16z记录的数据显示,LLM推理成本每年约下降10倍,堪称摩尔定律的重生。 便宜了有什么后果?后果是用量爆了。 这里有个经济学里的老故事,叫Jevons Paradox。1865年,英国经济学家Jevons发现,蒸汽机效率越高,煤炭消耗反而越多,因为效率降低了门槛,用的人更多了。AI Token正在重演这个故事。企业AI云支出从2024年的115亿美元涨到了2025年的370亿美元,整整翻了三倍,而这期间token单价跌了超过95%。 Google内部的token处理量在十八个月内增长了130倍。 越便宜,用得越多。越用得多,总账单越大。 这背后还有个推手,叫Agent。以前是人在问AI,AI回答,一问一答,token消耗有限。现在Agent出来了,AI在自动跑任务,自己调用自己,一次任务可以消耗几十万甚至上百万token。这不是线性增长,是指数级的爆炸。 2026年3月,黄仁勋在英伟达GTC大会上把”Token”这个词说了超过70次,把数据中心重新定义为”Token生产工厂”,把评价算力的核心指标从FLOPS换成了”每瓦Token数”。同一天,阿里巴巴把通义、千问、MaaS等板块整合,成立了Alibaba TokenHub事业群。Token经济,在2026年正式被主流商业世界承认了。 AI Token的上下游:一条新的产业链 AI Token经济的有意思之处,在于它重塑了整个产业链的逻辑。 上游是能源和芯片。每生产一个Token,都要消耗真实的电力和算力。英伟达的GPU是目前最主要的Token生产设备,黄仁勋把它卖给全世界的数据中心,本质上是在卖”Token生产产能”。能源成本直接影响token成本,这让AI经济和能源经济绑在了一起。 中游是大模型公司。OpenAI、Anthropic、Google、国内的百度、阿里、腾讯,都在这个位置。他们把算力和模型打包,按Token卖给开发者。这一层的竞争极其激烈,价格战打得很惨,但总量在涨,所以大家还活着。 下游是应用层。各种SaaS产品、企业工具、消费者产品,把Token的成本打进自己的定价里,再卖给最终用户。Token成本在企业财务里已经是刚性支出,和房租、人力一起躺在成本表里。 这和传统软件经济的逻辑不一样。以前软件卖出去之后,边际成本趋近于零,用户越多越赚钱。AI服务不是这样,每次用户交互都有真实的Token消耗,规模大了,成本也跟着大。这是一个全新的商业模式,整个行业还在摸索怎么把它算清楚。 加密货币的Token:从一枚Coin开始的故事 要说清楚加密货币的Tokenomics,得从更早的地方讲起。 2008年金融危机,全球对银行体系的信任跌到低谷。这个背景下,一个叫Satoshi Nakamoto的神秘人物发布了Bitcoin的白皮书,2009年Bitcoin网络正式上线。2010年5月22日,程序员Laszlo Hanyecz用一万个BTC换了两个披萨,这是比特币历史上第一笔真实商品交易。这笔交易现在被称为Bitcoin Pizza Day,那一万个BTC今天价值近十亿美元。 Bitcoin是一个Coin,有自己的区块链,规则写在代码里,总量2100万枚,靠挖矿产生,四年减半一次。这是最早的加密货币逻辑:用数学创造稀缺,用共识创造价值。 Coin时代的Token概念很简单:就是一种数字货币,用来存储价值和转账支付。Bitcoin是Coin,Litecoin是Coin,它们都有自己的链,规则各不相同,互不兼容。 然后Ethereum出现了,把整个游戏改了。 Ethereum的核心发明是智能合约。有了智能合约,任何人都可以在Ethereum上发行自己的Token,不需要搭建新的区块链。2015年,开发者Fabian Vogelsteller提出了ERC-20标准,描述了一套技术规范,让所有基于Ethereum发行的Token都能互相兼容,在各种钱包和应用里无缝使用。ERC-20在2017年正式实施。 ERC-20的意义在于,它把发Token的门槛从”搭一条链”降低到了”写一个智能合约”。2017年ICO浪潮中,过了5分钟就能发出一个新Token,中心化交易所上架新Token的时间也从几个月缩短到几天。 这就引发了2017年的ICO大爆炸。 2017年到2018年间,数千个项目进行了Token销售,ICO在2018年前三个月就募集了63亿美元,是2017年全年的118%。项目方写一份白皮书,发出Token,散户拿着ETH来换,钱哗哗地流进来。其中有真正想做事的团队,也有大量的骗局和空气项目。监管机构随后介入,SEC把不少ICO认定为非法证券发行,这场派对才逐渐收场。 但ERC-20打开的大门就再没关上。从那以后,crypto世界的Token不再是简单的数字货币,开始承载更复杂的经济功能。Tokenomics这个词,就是在这个背景下诞生的。 Tokenomics:加密货币世界的经济设计学 Tokenomics这个词,是Token和Economics的合体,研究的是一个加密项目怎么设计自己的Token经济体系。它包括发行总量、分配比例、释放节奏、通胀通缩机制、使用场景、持有激励……本质上是在回答一个问题:凭什么有人要买我的Token,买了之后为什么不卖? 这些年发展出了几个有代表性的模型。 Governance Token模型是2020年DeFi夏天流行起来的。Compound和Uniswap在2020年普及了Governance Token,持币者拥有对协议方向的投票权,但没有直接的现金流权益。用白话说,就是持Token可以投票,但不能分钱。这个模型一开始很流行,因为绕开了监管对”证券”的定义,但后来大家发现,一个没有经济权益的治理权,价值有多大,很难说清楚。 veToken模型是Curve Finance搞出来的,后来影响了一大批DeFi协议。ve(3,3)模型是Andre Cronje在2021年1月提出的,融合了Curve的Vote Escrow机制和OlympusDAO的(3,3)博弈论。基本逻辑是:把Token锁仓,换成veToken,锁仓时间越长,获得的veToken越多,投票权和协议收益也越大。这个设计试图解决短期投机者砸盘的问题,鼓励长期持有。Curve用这套veCRV模型吸引了大量流动性,成为DeFi里流动性最深的DEX之一。 Deflationary模型是Bitcoin开创的,很多项目跟进。通过限制总量、定期销毁,制造通缩预期,支撑价格。以太坊在EIP-1559之后,每笔交易都会销毁一部分ETH,使得ETH在高使用量时期变成通缩资产。 这些模型各有各的玩法,但有一个共同点:它们的价值都依赖于市场共识。没有人相信,Token就没有价值。这和AI Token完全不同,AI Token的价值是真实算力消耗在背后撑着的。 两个经济体,两条路 说到这里,可以把这两个世界放在一起看了。 AI Token的产业链是垂直的、中心化的。英伟达造芯片,云厂商建数据中心,大模型公司训练模型,应用公司调API,最终用户买服务。每一层都是真实的成本和真实的价值。Token是计量单位,不是资产,用了就没了,没有任何金融属性。整个产业链最终服务的是实体经济,帮企业提升效率,帮开发者造产品。 加密货币的产业链是网络化的、去中心化的。矿工或验证者维护网络安全,协议层发行和管理Token,持有者通过投票参与治理,投机者在二级市场买卖。Token本身是资产,可以转让,可以交易,有金融属性,价格由市场供需决定,和外部实体经济的关联相对间接。 两套经济体,两条独立的价值链,两种完全不同的生态。 当然,有人在尝试把两者融合:用区块链来做去中心化的AI算力网络,把AI服务的计费和分润用Token来结算。Bittensor、Render Network、IO net都在这个方向探索。这是第三条路,但无论走到哪里,它骨子里仍然是加密货币的Tokenomics,只是应用场景叠加在了AI上。 有一件事可以确定:这两个Token,同名不同命。一个在工厂里量产,一个在市场上流通;一个代表消耗,一个代表持有;一个撑着AI产业的运转,一个撑着加密世界的信仰。 名字一样,生意不同。就像那两个都叫刘伟的人,一个卖的是饭,一个卖的是梦。饭是真实的,梦也未必是假的,只是得分清楚你在做哪笔买卖。 #AI# #AIAgent#
顯示更多
“若教眼底无离恨,不信人间有白头。”🌸戴珠翠、执纨扇,每一步都踏着历史的余韵。 有些美丽,只属于传统国风的浪漫与含蓄。 想与谁共赴这场跨越千年的花期?#国风# #古风人像# #唯美古风# #被写体# #美学#
顯示更多
🧬 刚挂上 arXiv 的 Harness²,干的事是让 AI agent 自己把自己的提示、工具、记忆和技能调到最顺。 仓库 10 月 6 日才建,12 天就攒了 3300 多 star,对应论文编号 arXiv 2610.14224,九位作者署名,代码挂在 google-research 名下(README 自己写明了它不是 Google 官方支持的产品)。 现在调一个 agent 基本是人肉循环:跑一遍不行就改提示,再不行加个工具、塞点记忆,改完重跑,一天就这么没了。Harness² 把这个循环交给机器自己跑——模型权重一个字不动,它只动模型周围那套系统,靠「提出—探测—组合」三步在当前任务里反复试哪种配法更好。 更有意思的是第二层:每个任务试出来的有效配法会被写进一个持续累积的方案库,下一个任务直接拿前面攒的经验开局,不用从零再试一遍。能动的部件有八个,系统提示、护栏、记忆、工具指导、子智能体、技能、脚本和插件都在里面,执行器支持 OpenCode 和 Codex。 论文给的数字是:三个专业基准上,单次迭代最高把 WorkBuddy-Bench 提了 11.5 分,JobBench 提了 4.5 分,LAB 的部分通过率提了 11.8 个百分点,而且加大递归预算还能继续涨。 以前是人给 agent 搭架子,现在架子开始自己长了。 GitHub:
顯示更多
如果你是一个刚接触AI、天天只知道打开ChatGPT聊两句、或者在各种工具导航里随便点一点的人,千万别只停留在“会用”这一层,天天沉迷在各种新鲜工具和提示词里刷爽!!! 真正能拉开差距的,从来不是你知道多少个新工具,而是你有没有一个能持续跟进、系统学习、直接上手实操的地方。 同样是学AI,有人每天收藏一堆链接最后吃灰,有人已经顺着完整路径把基础打牢、把案例做出来、甚至开始靠AI输出内容、接项目。 我强烈建议你把这个网站收藏起来: WaytoAGI(通往AGI之 路)——— 这是目前中文互联网里最扎实、更新最快、也最被社区认可的AI开源知识库和共学平台。不是普通的工具导航站,而是一群AI从业者和爱好者长期共建的知识源头,口号就一句话:让更多的人因AI而强大。 里面真正有用的东西包括: 1. 超大知识库(飞书文档) 从基础概念、提示词、AI绘画、视频、智能体、3D,到最新模型解读、行业落地案例,几乎覆盖你想学的所有方向。很多深度内容在外面要找很久,这里直接就有。 2. 精选AI工具与智能体 按文本、图像、视频、音频、效率分类,还有大量可以直接用的AI智能体(写论文、做简历、生成海报、做PPT、翻译、编程辅助……),省得自己到处翻。 3. 每日知识精选 每天更新前沿内容,不用自己刷信息流,直接看社区已经筛过的精华。 4. 共学与实践氛围(最小白友好的) 有入门路线、值得关注的博主整理、共学活动、甚至线下切磋。投稿教程还能被收录,真正把学到的东西用出去。 很多人以为学AI就是会用几个聊天机器人就行了。 其实信息差就从这里开始拉开的——别人还在等别人搬运、刷短视频学点皮毛,你已经能直接在源头找到系统资料、实操案例和最新进展。 建议直接收藏,把首页和飞书知识库都点进去看看。别让自己学AI只停留在“玩一玩”的阶段!!!
顯示更多
追踪黑客的公司自己被黑客摸进去了,这剧本谁写的? Chainalysis 公开承认遭外部攻击者入侵,用的还是进攻性智能体技术。 最讽刺的是,被访问的偏偏是客户 ID、全名、邮箱和组织角色标签。 干的就是链上追踪这行,结果自家客户资料先漏了。 公司说没发现调查内容、交易查询结果、明文密码、MFA 秘密和会话令牌被碰。 但“没发现证据”和“绝对安全”之间隔着一整个攻防时间差,这话得听懂。 他们还特意澄清跟币安那波加密资产盗窃无关,别急着把两件事缝在一起。 现在最该做的不是恐慌,是把双因素认证开起来,任何意外的密码重置和认证弹窗都当钓鱼处理。 这行的信誉是拿“我们比谁都看得清链上”换来的,自家后院起火,多少有点难看。
顯示更多
10/08 今天AI半导体集体下跌,很多朋友还沉浸在积极胜利的喜悦当中,被市场打了个猝不及防,心在滴血 究其原因,今天宏观压力是导火索,油价、美债收益率高企,熟悉 DCF 现金流折算的朋友都知道这会影响高 β 的估值 光通信的高涨幅和集中持仓放大了跌幅,但基本面没有出现任何变化 这件事情在我眼里其实是好事,因为 AI 的脚步没有受到任何的变化,只会让我们判断是否有一个新的好价格出现,再次跟随 AI 一起上涨 很多朋友问 $MRVL 在投资者日之后,基本面发生了什么变化吗?我的答案是没有,甚至更好了,但现在的价格的确有点小贵 目前我正在写一篇文章:站在今天的 10 月投资者日之后,我们该怎么去看待 2027 年的 MRVL?如果你有什么问题,请在评论区让我知道,我会在文章里一起 cover 到 注意,最近又出现了一些骗子。我不会带大家买股票,不会收费,更不会建群、荐股,也不会给大家某个价格让大家买入。个人经验分享:投资需谨慎
顯示更多
0
17
85
5
轉發到社區
很多人给 Claude Code 加"多智能体编排"靠的是写更长的提示词,但放任它跑,结果往往是:直接在 main 上改、提交不走 PR、换个会话上下文全丢、做了什么为什么做完全无法追溯。The Claude Protocol 不靠"建议",它直接强制执行——加一层会物理阻断坏操作的外壳。 它的核心是 13 个 Hook 横跨 5 个生命周期事件,规则全是 block 不是 warn:orchestrator 不准在 main 上写代码,supervisor 不带 bead ID 不准 dispatch,epic 有未关闭子任务就不准 close,连 git commit --no-verify 都被拦死(pre-commit 永远跑)。配套一条铁律:一个 bead = 一个 git worktree = 一个 PR。Beads 是 Steve Yegge 那套 git 原生工单,工单就存你自己仓库里,不依赖第三方。 角色分三层。Orchestrator 是副驾驶,只能用 Grep/Read/Glob 调查、Plan mode 规划、Task() 委派,永远不碰代码——而且有条硬约束:不读真实源码就不准 dispatch(作者引用 Cursor 的 self-driving codebases 研究,认为约束远比"记得先调查"这种软提醒有效)。Supervisor 按你的技术栈自动生成,在隔离 worktree 里干活、推干净 PR。每条 dispatch prompt 被 PostToolUse Hook 自动记成 bead 评论,agent 用 bd comment 写 LEARNED: 笔记会被抽成 JSONL 知识库,下次会话开头自动浮出最近 5 条——刻意用 grep+jq 而非向量库,理由是项目级知识根本用不上 embedding。 还有些务实细节:<10 行的琐碎改动有 quick-fix 逃生舱,但在 main 上硬阻断、feature 分支也要带文件名弹窗批准;关闭的 bead 永久不可变,修 bug 开新 bead 用 bd dep relate 链接,杜绝 reopen 脏历史;加 --external-providers 还能把只读 agent 委派给 Codex,Gemini 兜底。npx skills add AvivK5498/The-Claude-Protocol 即装,仅 macOS/Linux。它代表的思路和"让模型更聪明"正交:可靠性用确定性的 shell Hook + git 原语兜住,而不是赌提示词。
顯示更多