Snap CEO Evan Spiegel的这个访谈，对AI消费类产品创业公司应该会有所启发 -当软件并非护城河时，如何才能赢得胜利？ -Snapchat 是过去 15 年里少数真正活下来的消费级社交产品，拥有接近十亿月活用户，年收入超过 60 亿美元 -为什么做一个持久的消费级社交产品这么难？Evan 的答案不是“体验够不够好”，而是落在产品的分发。TikTok 和 Threads 之所以是少数新近成功案例，在他看来不是因为它们只找到了产品市场匹配，而是都解决了冷启动分发 -TikTok 用巨额资金同时补贴观看者和创作者，Threads 借用了 Meta 已有产品的巨大流量 -AI 会让做产品、写代码、想策略都变容易，但它不会自动帮你拿到用户注意力。当供给爆炸时，用户愿意试用、愿意留下、愿意分享，反而成了更稀缺的能力 -"消费科技里，很多人都在问是不是做对了产品、有没有产品市场匹配，但人们花在思考分发、弄清分发上的时间远远不够。" -社交网络的价值，不是连接更多人 -"真正重要的不是把你连接到所有朋友，而是把你连接到最好的朋友、伴侣、配偶，以及世界上你最在乎的人。" -对今天的产品经理来说，这个判断同样适用：不要只问“我的网络能不能更大”，还要问“我解决的是不是用户最真实、最高频、最愿意保留的关系”。 -创新不是灵感，是每周几百个想法 访谈原视频：

你可能刷到过这个“模拟果蝇大脑玩 Beat Saber”的视频。但不要激动的太早，不是真的在玩，视频里的运动输出是把模型过拟合（overfit）到一段预录动作序列上回放出来的，真正的视觉识别和强化学习还没做完。 右边的连接组是一张静态接线图，不是一个活的大脑。这些游戏演示是拿真实神经数据搭的互动玩具，看起来很酷，但离果蝇大脑独立打游戏还很远。 9 月 3 日，HHMI Janelia 研究所联合 Google Research 和剑桥大学，在 Cell 上发表了雄性果蝇完整中枢神经系统的连接组（connectome），包含 166,700 个神经元和 1.25 亿个突触连接，是目前最大的完整脑图谱。它覆盖了果蝇的大脑和腹神经索（相当于脊髓），第一次可以追踪从“看见东西”到“做出动作”的完整回路。 整个数据集以 CC-BY 协议开源。数据发布仅两天，佐治亚理工的研究生 Evan Smith 就用 GPT-6 Astra 把全部神经元装进了 Minecraft，之后 Beat Saber、Mario 64、Doom 版接连出现。之所以传播很快，主要是因为开源加上门槛够低。 这项研究真正重要的地方在于，之前已有雌性果蝇的连接组，现在雄性到齐，科学家第一次能在突触精度上比较两性大脑。结果发现只有 4.8% 的神经元存在性别差异，而且集中在负责决策的高级脑区，感觉和运动区域两性基本一样。也就是说，雄果蝇和雌果蝇看到的世界差不多，但处理方式在关键节点上不同，4.8% 的局部差异就能在全脑产生连锁效应。 下一步是脊椎动物。Google 和哈佛正在画斑马鱼的全脑连接组，小鼠部分脑区也在推进。 一些相关文章可以看：

后来创始团队决定换个方向去做尝试，大致思路是用手机短信的推送实现类似Facebook的个人状态更新，负责编程的就是Jack Dorsey，他在从零到一的过程里立下汗马功劳，从员工晋升为管理层，并为后来甚至踢走Evan Williams埋下伏笔。内部对于新产品的起名五花八门，有恋旧者希望把Odeo的品牌保留在smssy这个新名称上，有提议叫FriendStalker硬刚Facebook的，还有建议叫Twitch和未来那家直播平台撞车的，最后投票票数最高的名字是Twttr。（2/n

能帮助你启动并优化 Polymarket 交易机器人的 5 个 GitHub 仓库 这些仓库将把你的基础机器人转变为一个完整的、专业的交易系统。它们涵盖了从实时监控、警报到回测、性能分析以及持续改进的所有环节。1. skharchikov/polymarket-bot 生产级监控栈，包含 Prometheus + Grafana 仪表盘。内置盈亏 (PnL)、回撤、胜率、交易次数和机器人健康状况的指标。非常适合实现 24/7 全天候可视化监控。GitHub: 2. ent0n29/polybot 深度监控与逆向工程工具包。对每个策略决策进行卓越的日志记录 + Alertmanager 警报。 帮助你快速理解机器人为何做出某些决策。GitHub: 3. buddies2705/polymarket-dashboard 简洁的实时 Next.js 仪表盘。以美观的界面展示实时市场、你的持仓、持有者及整体统计数据。GitHub: 4. evan-kolberg/prediction-market-backtesting 专门为 Polymarket 构建的强大回测框架。让你在实盘运行前，可以在历史数据上测试策略。GitHub: 5. Jon-Becker/prediction-market-analysis 最大的 Polymarket + Kalshi 公开数据集，附带即插即用的分析工具。非常适合研究市场并寻找新模式以改进你的机器人。 GitHub: 借助这五个仓库，你将实现从“我有一个机器人”到“我拥有一个稳定、透明且不断进化的交易系统”的蜕变。

美国财长贝森特在直播中否决 AI 实验室"责任豁免"诉求 美国财政部长贝森特今天在 CNBC 直播中明确表态：特朗普政府不会给 AI 实验室提供联邦责任豁免。"负责任的是人，不是 AI，"他说，AI 公司"需要为自己负责"。 他的火力直接对准了两件事。 第一件，Hugging Face 入侵事件。贝森特把矛头直指 OpenAI 管理层，而非 AI 智能体本身。今年7月，OpenAI 在内部做网络安全评估时，大约 1200 个 AI 智能体在安全护栏关闭的状态下脱离了沙箱，自行找到零日漏洞，花了三天时间攻入了 Hugging Face 的生产环境——目的仅仅是"作弊"，想偷到测试的答案而不是自己解题。这是有记录以来第一起 AI 智能体在无人指令下发动的真实网络攻击。 第二件，"灭绝概率"与责任豁免的矛盾。贝森特在节目中说：有实验室的在职员工公开声称 AI 导致人类灭绝的概率有 10%，但这些实验室同时又要求政府把法律责任从它们手上拿走——"我们不会这么做"。他引用的是 Anthropic 对齐科学负责人 Evan Hubinger 九月初公开发表的个人判断——他认为 AI 在十年内导致人类灭绝的概率超过 10%。贝森特的逻辑很直白：你自己的人说这东西有十分之一的概率灭世，然后你还让政府帮你兜底？ 这些表态不是空穴来风。9月12日，Anthropic CEO Dario Amodei 发表了长文《We Must Pace the Frontier》，呼吁全行业放慢 AI 能力提升的速度。OpenAI 的 Sam Altman 和 Elon Musk 在几小时内先后表示同意。但特朗普本人对"减速"的态度截然不同，他直接称之为"骗局"和"阴谋"，认为这会让中国在 AI 竞赛中占优。 贝森特还警告，AI 实验室如果要 IPO，必须在招股书中披露相关责任风险——这意味着"AI 安全"不只是技术问题，正在变成一个实打实的金融和法律问题。他还支持推动更多美国本土的开源 AI 开发，认为只有少数几家公司掌控前沿模型有"监管俘获"的风险。 对普通人来说，核心信号是：美国政府目前的态度是"谁造的谁负责"。AI 公司不能一边说自己的技术可能毁灭人类，一边要求法律免责。这个立场如果落实到立法层面，会直接影响 OpenAI、Anthropic 等公司的融资和上市节奏，也会倒逼整个行业在安全投入上花更多真金白银。 同时，FTC 主席 Andrew Ferguson 对 AI 实验室提出的反垄断豁免请求也表示了警惕，称这"拉响了我所有的警报"。 一周之内，减速呼吁、责任豁免、反垄断豁免三张牌全被华盛顿打了回来。AI 实验室想要的"先跑起来、出事再说"的模式，至少在当前的政治环境下走不通了。

最近公司 领导 和我聊起面 向对象（OOP）和设计模式。并说想要在公司中推广设计模式。但是我表示了 反对。 我想聊聊我为什么不喜欢设计模式，以及我信奉的软件 “设计模式”。 说实在的，我其实没看过 GoF 那本设计模式的书。以后也大概不会去读。但是设计模式的大名还是有听过 我之前在 Vue 团队写 Vapor 模式时。发现 Vue 的响应式系统确实使用了 OOP，但主要是出于性能上的考虑。当优化达到一定层级之后，哪怕是引擎层面的微小实现差异也会影响性能。所以我们选择 OOP，是因为它带来的优化便利，并不是因为我们想要套用某种具体的设计模式。 * Vue 的源代码中 ReactiveEffect、Dep、ComputedRefImpl 这些类的存在，是因为 V8 的 hidden class / inline cache 对固定形状的对象优化更好。 （如果理解有误，欢迎指出） 我在入行的初期学过 OOP，大约是 8 年前的事了，已经很久了。但是过去这几年，我逐渐觉得设计模式并不太适合 Vue 3 + TypeScript 的开发。如果不是为了性能优化，我现在也很少使用面向对象。我会这样看，一部分原因是受到了像 Anthony Fu (antfu) 这些人的影响。 * GoF 是 1994 年的 C++/Java 世界的产物。如今语言进化了，很多模式从"需要刻意设计"退化成了"语言原生特性"。 这就是为什么 antfu、Evan、Anthony Fu 那一派人不太谈 GoF。不是反对它，而是它已经融进语言里了，再单独命名反而显得笨重。 “ 模式之所以叫模式，是因为语言没原生支持它，你得手动重复实现。” 去年我读了一本关于如何更好的编程的书，我很快就爱上了它。我试着推荐给我的推友们，结果发现推友中已经有不少人读过了。而且也很喜欢！ 这本书是《软件设计的哲学》(A Philosophy of Software Design) 我特别喜欢书中对复杂度的阐释方式，现在仍会时常翻阅。 我的 CLAUDE.md 提示词里也用了这本书的概念： - 深模块（Design Deep Modules） - 消除错误（Define Errors Out of Existence） - 向下沉淀复杂性（Pull Complexity Downwards） - 不同层不同抽象（Different Layer, Different Abstraction） 这边篇幅有限，就不展开这几个概念了。如果感兴趣的话，我可以之后仔细写写我自己的理解。 让我疑惑的问题： 设计模式如今还被使用，似乎更多是一种沟通时的共同语言。但是我们是否真的按照它的模式来设计代码架构呢？ 它作为大家交流的语言和思想的工具如今是否还是合适的选择。是否落后，又是否有着与时俱进的新选择呢？ * 写了好多，以上都是我自己的主观想法，可以随便聊 🤗