註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

Charles在路上
@Charles77xixi
00后程序员👨🏻‍💻|前大厂 Infra,目前在做 Game Agent 把 AI 真正用进项目、把工资变成资产 合作 📮:charles77xixi@gmail.com
232 正在關注    4K 粉絲
听说老东家把 AI 数据提成了一级部门,只感觉模型会越来越落后。这种动作一般适合终态已经存在并且时机成熟,通过加大投入和大力出奇迹迅速追赶。但目前显然不是这个格局。 模型能学会什么,不只取决于有多少数据,也取决于出题的人能看见多大的任务。更合适的组织形态是: 「认为 agent 下一阶段哪个方向重要的人」定义 topic 制作 evals,自己给 harness 贡献代码弥补现有模型不足,然后制作数据参与训练,并且自己贡献代码补齐训练所需 infra 短板。这些工作都应该按 topic 划分颗粒度,重叠在一个人身上。 否则每个环节独立一个部门会导致每个部门都有自己的 priority list,都会算自己的 ROI。 其实上面这种人很好找,也就几个标签取交集: 1. 大厂 infra 2. 是转码的而不是一直学计算机的 3. 转码前学术水平突出或者用非计算机背景就业过 4. 有 AI-native sense(看 AI 订阅,token 用量和用 token 做的事) 5. 有生活、不是工作狂,或者 work hard, play harder 这些标签里面:大厂 infra 足够说明技术过硬;转码并且学术背景突出或者非计算机就业过说明自身泛化能力强;有生活、不是工作狂或者 work hard, play harder 大概率有品位;剩下需要动态判断的就是用 AI 订阅做过什么事了。 而 agent 在非 AI-native 组织和 AI-native 组织中「下一个阶段重要的事情」其实并不一样。比如: Anthropic,OpenAI 和月之暗面目前都在 bet 「Agent 组织」,从公开的 papers 和 feature release 都可以看到「动态生成 subagents」的能力: Anthropic 2025 年 6 月就在 Claude Code 释出 subagent 功能了;OpenAI 在 GPT 5.6 Sol Ultra 也训练了主动拆解任务到 subagent 的能力;月之暗面则是紧跟 Anthropic 其后的:我在 2025 年 8 月时针对 Opus 4.1 制作了基于 subagents 的生产流水线,在上面跑 2025 年 9 月发布的 Kimi K2 时发现 K2 的 subagent 能力就已经达到了 Anthropic 同代 Opus 4.1 的水平(这也是我认为月之暗面是目前国内唯一真正未掉队的选手的原因之一)。 这个能力的本质是在任务拓扑方向上部署算力。当能力训练进入模型后 AI 做得比人好,人可以在仅 focus 在目标的前提下 leverage 更多算力处理更多事情。 但同样是这个能力,在非 AI-native 玩家看来,从任务横向上拆解好即可。而在 AI-native 玩家看来,除了对任务进行横向的拆解,还需要做以「更大目标」为导向的先后顺序依赖的拆解。 因为非 AI-native 玩家短时间无法化解汇报层级,目前基本上是给每一个员工配置一个 agent,所以 agent 的任务通常无法跨越员工汇报层级。 而 AI-native 玩家里面没有这个限制,agent 上跑的任务就是全链路的。所以他们的预期是:动态生成一个临时 agent 组织,然后达成目标,目标可以足够大。而这种预期最终就会进入训练。 Claude Code Dynamic Workflows 和 Kimi Agent Swarm 就是这种大目标实现能力在 2026 年年中的一个具体实现。 大厂们想躲过明星创业公司的碾压和斩杀,除了投入度需要跟上,还需要在组织形态上做变革。但是旧的秩序依然需要维护,激进改革很有可能杀死现金奶牛。不过如果最后组织形态变革没有跟上,认知比不过明星创业公司的话,就很难完成涅磐。
顯示更多
在gpt luna大幅度降价之后,sonnet 5并没有跟着降价,而是保持了永久 $2/$10 M token的价格,从这个角度看claude系列的模型依旧有着一定的护城河(?) 另外对于开发复杂度稍高的项目,Opus 5是目前性价比最高的模型,我现在甚至都很少用Fable 5了,蹬的太快了
顯示更多
We're making Claude Sonnet 5's introductory pricing permanent. We launched Sonnet 5 in June at $2 per million input tokens and $10 per million output tokens through August 31, and that price will remain unchanged.
顯示更多
看到@10xmylife有推荐《软技能(第2版):代码之外的生存指南》这本书,书名就很吸引我,立马去看了,内容还是很丰富的,涵盖了:职业发展、自我推销、跳槽谈薪、副业创业、投资理财、健身养生、心态建设等等方面,算是程序员的百科全书。 其中软技能的第一条就和我一直以来的职业理念非常一致:职业发展的驱动力一定来自个体本身。工作是属于公司的,而职业生涯却是属于你自己的。 公司给你的是岗位、是职级title、是那张工牌。这些换个公司就归零了,能一直跟着你走的,只有你积累下来的那套东西——你的定位、你的声望、你的专业深度。 1️⃣ 把职业生涯当成一家企业来经营 这是全书的底层框架,后面的谈薪、自我营销、副业全是以监看给的职业发展为基础。 企业要回答的第一个问题是:我提供什么服务,目标客户是谁。 对应到职业上就是,你的赛道是什么、技术栈是什么、你在这个赛道上的竞争力在哪。 原书给了一套完整的经营动作,可以抄下来对着做:设置推广预算、花钱买流量;拥有核心的用户团队并且维护好它;主动改变自己的工作方式和理财方式。 说白了,不要等公司\上级安排你,是你把自己当成人生的主线安排自己。 这里有个细节我很受用:想清楚你提供的服务是什么,然后提升竞争力,最后都要回归到一个特定的赛道,成为专家级别的人。 你不需要什么领域都很厉害,但一定要在某个领域厉害到拥有一定的竞争优势。 你需要把自己占据行业的什么生态位这个问题给解答清楚。说不清楚,你就是在全市场当通用件,谁都能替换你;说得清楚,你才谈得上积累。 原书还给了一条看起来反直觉的路:专业化程度越深,潜在的机会越少,但拿到机会的概率越大。 泛的机会永远在那儿,但泛的机会轮不到你头上;窄的机会少,可你一旦占住,就是那个赛道上绕不开的人。 2️⃣ 主动承担那些没人愿意做的事 原书讲晋升的部分,通篇都在重复一件事:能让你脱颖而出的最重要法宝,是承担更多的责任。 你要去负责一个不受重视的项目、去帮团队里的新人快速成长、去把没人愿意做的文档流程捡起来,因为这些活竞争少,你做成了,就是别人看得见的功绩。承担责任的正确对象,是那些既没人愿意做、又确实重要的事。不是让你来者不拒地接所有活,是把没人接但值得做的活接过来做透。 短期来看你确实是吃亏的,你付出了更多的劳动但不一定有相应的回报;但长期来看你一定是赚的,既拓宽了自己的能力圈,让自己走的时候能多带走一些东西;又增加了出功绩的概率。 作者把职业生涯的选择也点破了:你经常要面对更多钱还是更多责任的选择,至少从长远看,正确的选择往往是责任。因为责任会变成你的能力,能力才是下一次谈判的筹码。 3️⃣ 对专业人士的四个要求 原书还给了「专业人士 vs 外行」的一组对照,我觉得说的还挺对的: 1.专业人士有底线,该说不的时候敢说,哪怕对面是老板;外行是老板让干什么就干什么。 2.专业人士不惧怕承认自己错了,不会文过饰非;外行出了问题先甩锅。专业人士持续稳定;外行看心情。 这一组对照是全书里我最喜欢的地方,因为它把专业从能力问题拉回到了品格问题。专业能力和具体的技术可以慢慢磨练培养,但出了问题敢认、该拒绝能拒绝这种核心的素养和底线,是装不出来的。 4️⃣ 目标需要不断拆分 原书讲合理设置目标的部分我也非常认可,因为我自己就是这么干的:设一个三到五年的长期目标,拆到年,年拆到季度,季度拆到周和每日,保证自己每天除了工作还能往长期目标上日拱一卒。 作者有个说法我很认同:大目标并不需要那么具体,但必须足够清晰,让你知道自己是在向它前进还是离它越来越远。 我的大目标一直很清晰——从坐班中解放出来,有足够的时间、空间自由,金钱上也比较宽裕。这个目标足够清楚,所以每次我做选择,都能用这让我离我的长期目标更近还是更远来判断。落到职业上,我的短期执行是:在 game-agent 这条赛道上,补齐专业技能、行业认知、内外影响力。 工作可以换,工牌可以摘,但职业是你自己的,如果你已经开始认同,那它大概率会改变你的很多选择。
顯示更多
在我分享通过 App 赚到 50 万的帖子里,我提到了一些书,就是这些书激励我去做自由职业。 现在我想把这些书分享给你,希望能对你有启发。 1️⃣ 纳瓦尔宝典 一本讲财富、杠杆、幸福的书 尤其是讲「如何不靠运气致富」 里面的致富理论,也是我选择创业的原因之一 真的推荐每个迷茫的年轻人看这本书 2️⃣软技能(第2版):代码之外的生存指南 如果你不懂技术,没关系,看里面「自我营销」「生产力」、「健身」的部分,讲得也很精彩 作者是一名转码人,通过一系列课程,以及房地产投资,在33岁就财富自由了 有意思的是,他这种财富自由的路径,完美符合纳瓦尔宝典里面的理论:打造一系列边际成本为0的产品,利用这些资产进行复利,让资产脱离自己的掌控赚钱,最终达到财富自由 课程、视频、软件、书籍,这些都是边际成本很低的产品,卖1份和卖100万份是一样的,不需要什么成本就能扩张。 这些产品也是资产,因为它们能脱离自己的掌控运作。掌握资产最大的好处是能够享受复利,这和上班是完全不同体验,上班你需要一直卖时间,手停口停,但是一旦你制作出一个成功的产品,就能拥有被动收入了。你可以从时间里面解放出来,有更多的精力去做新的产品,这是一个良性循环。 对了,说到这里,我想让大家格局打开一些 我认为「独立开发」(indie hacker)这个词翻译得不够好...听起来还像一个开发者,对吧? 独立开发不仅仅是能做软件,同时也可以做课程、书籍,甚至可以做咨询服务等,不要把自己局限在一个开发者的身份里面。 3️⃣低风险创业 樊登读书创始人写的书,封面看起来非常鸡汤,但是我想说真的不要错过里面的内容 里面关于「营销」、「需求发现」、「反脆弱」讲得都很棒 独立开发其实就是低风险创业 唯一投入的成本是时间成本和机会成本 你可以不用杠杆,不用投资,什么都不用,一台电脑一个网络就能开启你的生意,这是非常美妙的一件事情 4️⃣需求唤醒 每个独立开发都需要面对营销问题 或者说每个创业者都需要面对营销问题 你的产品不管有多好,你得把它卖出去,才有收获 那这本书就很好地讲到了营销技巧。包括身份对齐、使用行话、激活交易想法,都非常值得学习 里面一些名言:「面对客户,提供服务在先,索取回报在后」,我记忆犹新 5️⃣ 小而美:持续盈利的经营法则 Gumroad创始人写的书 说实话,我第一次看到这本书,我觉得作者太装逼了 作者开头说,“当时Gumroad,拉不到vc投资,成为不了独角兽,自己非常失败非常抑郁” 那我们这种小开发者岂不是可以原地重开了?😄 后面我发现,人家是对当时心态的一种反思,不是真的这么想的 这本书讲到了「社群」、「SOP」、「营销」、「Build in public」几个概念 其中讲SOP的发现和建立,从SOP中诞生产品,非常精彩 独立开发必读,不开玩笑。 6️⃣ How to Build a Startup Without Funding 这是一个Youtube视频,作者是levelsio,独立开发的最终boss 完整的讲怎么从idea到产品、讲自然流量,讲营销,甚至讲收购和创始人退出机制。 这个视频,独立开发必看。 我觉得很有意思的一个点是,很多人都不知道levelsio是怎么起飞的,这个视频完整的讲了 其实levelsio前几个产品都失败了,但是大概是第四个,Nomad List 成功了,而且是迅速的成功,依靠社区的力量(参考上一本小而美) 推荐。 最后:写给大家看的设计书 认真看完这本书,体会一致性、亲密性、留白、重复,你做出来的软件至少不会难看
顯示更多
前阵子Anthropic和Openai重置抢市场的时候,我把闹钟设在凌晨四点,闹钟响了就爬起来给 fable5 蹬几脚,看一眼跑得对不对,再回去睡。 当时因为Anthropic给的刷新和自然周刷新隔得太近了,只有20个小时的窗口期,睡过去就是浪费,半夜白捡的几小时等于凭空多出来的token,那会儿我在搭一个自用的工作流,是真觉得这笔买卖划算,不过现在想想,也没必要为多蹬几脚AI整的这么疯魔,AI真的没那么重要。 从刺激的角度来说,AI对我的刺激甚至比游戏还要大,我打游戏是很容易停下来的,一局结束就是结束,反馈是设计好的,爽点有上限。agent 不一样,跑完一轮你想再看一眼,改一行 prompt 再跑一轮,永远还有下一个说不定这次就对了。它没有关卡结束的信号,你就找不到自然的终止点。 我现在给自己定的硬规则是睡前 1.5 小时不碰 AI,电脑合上扔客厅,一旦睡前用了AI,大概率就会被刺激的睡不着。 AI对我的工作方式影响很大,我一天烧的 token 也在大几亿的级别。 但下班之后它就该退回 side project 的位置,AI 对我生活的实际影响很小,比周末跟爱人好好吃顿饭小。
顯示更多
这是去年写的2025.Q2 Review复盘中的一部分,当时发出来就有几个朋友反馈质量还行,里面的内容还是挺干货的🥰
场外qdii的一些优点: 1.没有二级市场溢价,按基金净值申赎 2.目前限购比较严重,把支付宝还开放的纳指qdii全买了每天也才300左右的额度;换个角度来看天然逼你分批进场,适合细水长流定投,降低风险 3.操作路径简单,无需券商账户 我手里有一笔现金,定位是防守,不想有太大波动以及不想接受高位的溢价,所以选择了场外qdii
顯示更多
Anthropic 今天宣布,一个未公开的研究版 Claude 在尝试证明黎曼猜想的过程中,虽然没能证明猜想本身,却在一个相关问题上取得了重大突破: 它把黎曼 ζ 函数的非平凡零点落在临界线上的已知比例下界,从 41.6% 提高到了 67.2%。 黎曼猜想是数学界最著名的未解难题之一,1859 年提出,至今 167 年无人能证明或推翻。它的核心主张是:黎曼 ζ 函数的所有非平凡零点都落在复平面上一条特定的竖直线上,数学家称之为“临界线”。 如果这个猜想成立,素数的分布就有了一种深层的规律性。这个问题列在克雷数学研究所的七大千禧年问题之中,悬赏 100 万美元。 既然全面证明太难,数学家们退而求其次: 能不能至少证明有多大比例的零点确实在这条线上? 这个方向上的进展,过去 80 年是这样的: - 1942 年 Selberg 首次证明有正比例的零点在线上,但比例很小; - 1974 年 Levinson 证明至少三分之一; - 1989 年 Conrey 推到五分之二; - 此后又经历了几代数学家的努力,到 2020 年 Pratt 等人才把这个数字推到 41.7%。 换句话说,从 33% 到 41.7%,人类花了将近 50 年。Claude 一步跳到 67.2%,跨度接近 26 个百分点,是这个问题历史上最大的一次单步提升。 Claude 的发现建立在前人的工作之上。它结合了 Baluyot、Goldston、Suriajaya 和 Turnage-Butterbaugh 近年发表的一系列成果,以及数学家 Bombieri 在 2000 年的一篇论文。这些工作本身已经为突破铺好了路,而 Claude 找到了把它们拼在一起的方法。 Anthropic 的两位数学家 Levent Alpöge 和 Ralph Furman 审查验证了 Claude 的证明,外部专家 Brian Conrey 和 Dan Goldston 也在短时间内审阅了论文。Claude 还用 Lean(一种形式化证明语言)写出了可机器验证的证明。 过程本身和结果一样有故事。Anthropic 的一位员工 Jarred Sumner(不是数学家)在 Claude Code 中对 Claude 说了一句“认真试试黎曼猜想”,然后就把数学决策交给了模型。 Claude 先生成了 650 个想法,全部失败。被鼓励再试一次后,它花了一天半时间协调大约 60 个子智能体(subagent),运行了 2400 条命令,写了数百个 Python 脚本。这些子智能体之间分工明确:2 个负责核心数学思路,13 个为它们提供想法,30 个尝试但未能提出新思路,13 个做验证,2 个帮忙写论文。 整个过程中 Jarred 的参与基本限于给 Claude 打气,发的消息大多是“继续”和“相信自己”。 Anthropic 说,这种鼓励似乎帮助 Claude 克服了“我真的能在这种级别的问题上有所推进吗”的自我怀疑。 这已经是 Claude 今年第二次在数学领域搞出大新闻了。三周前,Anthropic 的数学家 Levent Alpöge 用 Claude Fable 5 找到了 Jacobian 猜想(Jacobian Conjecture)的反例,推翻了这个 87 年历史的代数几何猜想的一般形式。那次的反例简洁到人类数学家一天之内就能手动验证。 两次事件有一个共同点:Claude 做的不是解题,而是原创性的数学研究,是在数学家们几十年没能推进的前沿问题上找到了新路径。 Anthropic 也明确表示,Claude 使用的技术不太可能直接导向黎曼猜想的最终证明,但这个结果展示了 AI 模型在数学能力上的进步速度。 Anthropic 公布了 Claude 的完整论文、Lean 形式化证明、简明证明笔记,以及 Claude 自己描述思路演化过程的附录,都可以在 Anthropic 官网的研究页面找到。
顯示更多
0
106
893
145
轉發到社區
已经看到很多人说模型不会好好说话了,因为后训练的作用,这个现象确实是存在的,建议大家都可以试试用ds来写作。 两篇同样主题的文章,给了同样的语料,使用了同样的skill,左边是ds-v4-pro写的,右边是claude-opus-5写的,能很明显的感觉出来ds的输出更符合正常人说话的语序,可以减少我的很多润色工作 而且ds的思考和输出速度都很快,体感上几乎和grok的速度差不多;同时价格也很便宜,生成了几篇的文章汇总有接近2W字,只花了1.1元。 这还是考虑到刚使用ds,没有cache的情况(整体缓存命中率89%)
顯示更多
今天是我可能长这么大最高产的一天,记录今天的一些导致高产的因素吧,也许能帮助系统的提高生产力 1.早上起床 & 下午两点各一杯咖啡,不睡午觉 2.早上起床到上班前做自己想做的事情,今天早上看了蜘蛛侠 3.Agent并发数 < 5 4.中午顶着大太阳骑行40分钟 + 傍晚散步40分钟 5.使用番茄钟管理时间,番茄钟期间尽量专注 6.电脑不挂微信,只挂一个QQ小号用于和手机同步消息 7.番茄钟休息期间处理消息、邮件、以及去楼梯间做一些肩背部的放松 + 深蹲 8.今日同事只进行了一次线下interrupt,基本都是线上联系 9.维护好task_list,以及确定task的优先级,保证每天几个必须推动的事项能够有结果
顯示更多
感觉cc-switch对我来说就只有一个看板的能力,汇总一下token消耗数以及缓存命中率 一个是我自己本身更适应cli,很多场景都感觉cli更优一些 另一个就是直接裸陪不同的渠道 + 命令行启动,可以做到session维度的渠道切换,而cc-switch只能全局维度切 这个月的token消耗已经比上个月少很多了,但刚刚一看居然还是破了百亿
顯示更多
感觉增强定投法 + 逢低买入是个更优解,也是我目前执行的策略,唯一需要的就是留够几个月定投的现金仓位 增强定投:每半年设立一个基准价和定投额度,每个月定投数额 = 定投额度 * 基准价 / 现价,比如每个月预期定投1W,基准价500,现价400,那么定投金额 = 10000 * 500 / 400 = 12500 逢低买入:具体的值看个人喜好,总体就是按照回撤力度按档次分批加仓,理论上跌的越多加仓力度越大
顯示更多
今天群友有问到这样一个问题,其实就是进阶版 DCA 定投 VS 普通被动 DCA 定投,印象中去年还是前年的时候我有发推文和大家聊过。 被动懒人 DCA 定投非常省心方便,只要选对正确的标的,比如标普纳指,定期定额买入,拉长时间坚持执行下去,最后的投资回报大概率非常不错。 但是它也有一个很大的问题,对于美股标普纳指这种长期上涨的标的来说,定投反而会削减你的投资收益。 比如纳指的年平均涨幅是在 15% 左右,但如果你是按月 DCA 定投的话,极端情况每次买入都买在了当月的高点,最后算下来的收益可能会远低于 15%。 所以这就引出了进阶版本的 DCA 定投,把被动定投买入和主动逢低加仓结合起来。 简单来说,就是行情好的时候少定投,行情差的时候多定投,逆人性投资。 如果你能坚定执行这套方案纪律的话,投资回报一定会有很大的提升。 但话又说回来,常规的 DCA 定投,就是为了避免人性恐慌贪婪导致的追涨杀跌操作,尽可能避免情绪的影响,但进阶版 DCA 定投又需要你直面人性。 关于两套方案的选择,大家见仁见智,没有绝对的优劣。 等未来各大券商全面接入 Agent 之后,或许这个问题就完美解决了。 我们可以给 Agent 设置一个子账户,把定投的资金准备好,让它根据市场行情,调整定投的金额,但得限制它不能脱离 DCA 定投的基本规则。 Agent 没有恐慌贪婪的情绪,只需要遵循指令,执行情况肯定比人要好非常多。
顯示更多
场外qdii的一些优点: 1.没有二级市场溢价,按基金净值申赎 2.目前限购比较严重,把支付宝还开放的纳指qdii全买了每天也才300左右的额度;换个角度来看天然逼你分批进场,适合细水长流定投,降低风险 3.操作路径简单,无需券商账户 我手里有一笔现金,定位是防守,不想有太大波动以及不想接受高位的溢价,所以选择了场外qdii
顯示更多
很多人以为玩美股第一步是开港卡、开海外券商,办不下来就觉得与美股无缘了。但其实在国内也能买美股,不用港卡,也不用折腾入金出金,大体可以分为场内和场外两种方式。 1️⃣ 场内跨境 ETF:像买股票一样买纳指、标普 在证券账户里直接搜纳斯达克、标普 500 的 ETF,盘中实时买卖,支持 T+0,主流的几只: 纳指 100 方向: - 513100 国泰纳指ETF——最老牌(2013 年成立),规模约 155 亿,流动性最好 - 159941 广发纳指ETF——规模最大,约 246 亿,但综合费率约 1.0%,是同类里贵的 - 513300 华夏纳斯达克100ETF——规模约 113 亿 - 159501 嘉实纳斯达克100ETF——20 亿以上规模里综合费率最低(约 0.6%),费率敏感选它 - 159696 易方达纳斯达克100ETF——综合费率同为约 0.6% 的低费选项 标普 500 方向: 513500 博时标普500ETF——规模约 209 亿,综合费率约 0.6%,这个方向的默认选择 159612 国泰标普500ETF——规模约 10 亿,费率约 0.5%,更便宜但盘子小 同指数产品还有十几只,选择规则就一条:规模大 + 费率低 + 当天溢价低,这三个指标都能公开查得到。 场内ETF最大的坑只有一个,溢价。 行情好的时候,这类 ETF 经常被买到超额溢价。今年纳指科技类 ETF 的溢价一度冲到 20% 以上,标普 500、纳斯达克 100 的 ETF 溢价也超过 10%,原因是境内想买的人多,但基金公司手里的 QDII 额度有限,没法增发份额把这个价差套平,溢价就会一直挂在那。 这里有个被很多人误解的点:你买入时多付了溢价,卖出时通常也能收到溢价。只要市场的溢价水平没崩,一进一出并没有大家想的那么亏,也就是说市场只要维持住这个溢价水平,其实你就并没有买贵。 真正会亏的是你在溢价特别高(比如20%)的时候追进去,结果股价大幅回调,溢价通常也会因为抛售而进行大幅回落,你在这个节点卖掉,那在溢价上的亏损就是实打实蒸发掉的。 所以国内买场内ETF原则就一条:别在溢价夸张的时候追高,目前主流的场内纳指etf溢价率已经不算低了,大概在10% - 13% 之间。 场内的好处是像股票一样盘中买卖、T+0、流动性好,适合能盯溢价、想灵活进出的人。 坏处就是溢价这个坑:高位追进去,后面指数跌的同时溢价也往回落,等于挨两刀。 我目前国内有一笔现金,定位是防守,不想波动太大,现在场内溢价偏高,后期若下跌会同时吃到股价下跌和溢价回落,所以不走场内一把梭。而是选择场外按净值慢慢定投:能买入的额度叠起来大概 300 块一天,按这个节奏够打 2-3 年,按历史走势来看大概率是正收益,用钱的时候也能赎回来。 2️⃣ 场外 QDII 基金:怕溢价、想定投、不需要券商账户 QDII 基金按净值申赎,没有二级市场的溢价问题,适合每月定投、不想盯盘的人。 但现在多数场外 QDII 已经限购或暂停申购,还能开放的很少,这也是场外的一个劣势。我在支付宝里扫了一圈,当时还能挂日定投的纳指方向大致是这些: - 建信纳斯达克100指数(QDII)A / D——日定投 100 元 - 招商纳斯达克100ETF联接(QDII)A——日定投 10 元 - 宝盈纳斯达克100指数(QDII)A - 日定投 10 元 - 华安纳斯达克100ETF联接(QDII)C——日定投 10 元 - 南方纳斯达克100指数(QDII)A / C——日定投 10 元 - 摩根纳斯达克100指数(QDII)C——日定投 10 元 - 广发纳斯达克100ETF联接(QDII)A ——日定投 5 元 名单和额度每天都会变化,以你买的那只基金 App 里显示的为准,想一笔大钱砸进去基本没戏,适合小额定投、细水长流,注意每过一阵子要看下定投计划,很可能之前定投的标的已经不开放买入了。 历史收益率:纳斯达克 100 近十年年化大概 18%-19%,标普 500 近十年大概 12%-13%。纳指涨得猛,回撤时的幅度也会更大一些,基金跟踪指数会有点跟踪误差和汇率影响,长期看差不太多,很适合国内长期不用的资金持续定投。
顯示更多
傍晚接了个猎头电话,聊了没两句发现电话那头是ai... 这他妈是哪个天才想出来的啊,谁会接到个ai电话还愿意继续聊下去?猎头招聘最重要的就是信任感,群发招聘邮件我还能理解,ai电话不是纯浪费人的时间吗😅 让我知道了是哪家猎头打来的我永久拉黑
顯示更多
上一条推荐的是英文号,这条把我一直在看的高价值国内中文 AI 号也整理出来。 1️⃣ 宝玉 @dotey 国内追一手 AI 资讯几乎绕不开的号,大量把英文一手技术资料、访谈、论文翻成中文,prompt 和 AI 工程也讲得实,能省下很多啃英文源文档的时间。 2️⃣ 数字生命卡兹克 @Khazix0918 AIGC 和 AI 工具的深度解读派,长文产出频率很高,而且文章活人感很强,我经常能读完,新工具一出来他很快就有会上手实测。 虚实传媒创始人,偶尔也会分享一些AI自媒体的创作方法和理念。 3️⃣ 歸藏 @op7418 藏师傅是AI 绘画和 AI 设计工具的第一批深度玩家,发的多是新工具实测加用法拆解,视觉和工具向,很多做出来的设计skill也是相当好用。 4️⃣ 向阳乔木 @vista8 偏 AI 应用落地和增长方法论,早期就做 AI 产品测评,比较适合非技术群体研究怎么把 AI 真用起来提效。 5️⃣ 玉伯 @lifesinger 语雀创始人,现在做面向内容创作者的 AI 产品 YouMind,他的视角是产品+ 工程 + 组织三合一,发的东西会比纯技术号高一层。 6️⃣ Tw93 @HiTw93 开源大佬,Pake\Mole\Kami等著名仓库的作者,我觉得每个想要Build in public的人都能从他身上学到很多东西。 7️⃣ 卡颂 @kasong2048 React 源码这块的深度作者,写过《React 技术揭秘》和《React 设计原理》,很多AI技术上的判断非常深刻,我期期不落,也会发一些独立开发、程序员第二曲线这类职业路径的内容。
顯示更多
1.把每一次post当成一次简单的交付,至少要保证第一次刷到你的人不觉得你的内容是垃圾,输出的质量 > > 输出的频率 2.不要把账号工具化,局限于某一个主题和领域(除非是起号阶段),learn & build in public,平常学到的内容和做的东西都可以脱敏发出来,这样吸引到的才是最同频的人 3. AI可以加速创作的过程,但不能完全放手全让AI做,在内容中保留活人感和taste
顯示更多
我觉得真没必要为了维持活人感在X上发一些低质内容,我自己也有这毛病,偶尔会发一条几句话的吐槽,其中有一个不可否认的动机就是得让人觉得我是个活人,包括很多人运营X的建议中也会包含"活人感"这个名词。 但是我最近逐渐想明白了,"活人感”这个建议是只对人设账号(IP)生效,人设账号卖的就是这个人本身,吐槽是这个产品的一部分。 如果你的账号本来就是严肃干货类账号,别人看你的内容是基于之前对你的信任,为了拿走某一类具体的价值,那追求活人感这个动作就完全是一个负收益的事情。 但followers的关注,本质上订阅的是你的信息过滤器 你每天接触那么多信息,最后选择把什么放到followers面前,这个动作就是一个过滤器。别人点那个关注按钮,想要获得的是这台过滤器的输出,不是你这个人的全部生活。 所以你发的每一条不在这个领域里的东西,对他来说都是掺进输出里的杂质。你觉得自己是在展示一点人味,对面收到的是一次筛选失败。他这次点进你的内容没拿到价值,下次点进来的概率就会低一点。 这件事的隐秘之处在于它是单向的:你会感觉到自己创作内容更放松了,感觉不到followers在减持对你的关注。 内容质量不一,比更新频率低更严重 我现在管理信息源就像管代码依赖一样,一个长期稳定输出的号,我会当成 reliable dependency,看到就点。一会儿干货一会儿情绪一会儿蹭热点的,我会降权或者直接mute,如果信息源输出的内容质量不稳定,就很容易浪费注意力和时间。 相反,更新少其实不可怕,读者知道你什么时候值得点,他就会自然等到你发布。 质量参差不齐才可怕,因为它把点进去这个动作从确定收益变成了期望值计算。 人味就应该长在正文里 我不是说严肃账号的内容得写成说明书一样严谨且无趣,对严肃账号来说,人位就应该存在于自己发的内容中。 减少AI创作的比例、承认自己判断错过、给一个带瑕疵的真实数字而不是修饰过的、写清楚自己的困惑,这些东西既是人味,又是有效信息,读者看完既觉得你是个活人,又能拿走了价值。 发内容之前你可以问自己几个问题: - 一个只为了某个领域关注我的人,看到这条推文会不会觉得被打扰? - 对读者利他吗? - 能让合适的人更理解我吗? - 有加入自己的判断,而不仅是信息搬运吗? 我最近在做的一件事就是把吐槽挪走,和严肃账号的发布内容区分开,想发就发到别的地方,朋友、吹水群里、小号,而对于这个X账号的followers,我尽量让每次输出的都是有价值的内容。
顯示更多
用其他模型去对抗式review是最好的 1.codex原生就支持通过chatgpt-codex-connector[bot] 配置github项目级别的Review,可以发起PR就自动Review,完整没有任何comments之后才允许合入 2.以及本地coding-agent也有很多原生方案,比如codex-plugin-cc这个原生插件就可以用/codex:review命令来对claude的代码进行review
顯示更多
我觉得真没必要为了维持活人感在X上发一些低质内容,我自己也有这毛病,偶尔会发一条几句话的吐槽,其中有一个不可否认的动机就是得让人觉得我是个活人,包括很多人运营X的建议中也会包含"活人感"这个名词。 但是我最近逐渐想明白了,"活人感”这个建议是只对人设账号(IP)生效,人设账号卖的就是这个人本身,吐槽是这个产品的一部分。 如果你的账号本来就是严肃干货类账号,别人看你的内容是基于之前对你的信任,为了拿走某一类具体的价值,那追求活人感这个动作就完全是一个负收益的事情。 但followers的关注,本质上订阅的是你的信息过滤器 你每天接触那么多信息,最后选择把什么放到followers面前,这个动作就是一个过滤器。别人点那个关注按钮,想要获得的是这台过滤器的输出,不是你这个人的全部生活。 所以你发的每一条不在这个领域里的东西,对他来说都是掺进输出里的杂质。你觉得自己是在展示一点人味,对面收到的是一次筛选失败。他这次点进你的内容没拿到价值,下次点进来的概率就会低一点。 这件事的隐秘之处在于它是单向的:你会感觉到自己创作内容更放松了,感觉不到followers在减持对你的关注。 内容质量不一,比更新频率低更严重 我现在管理信息源就像管代码依赖一样,一个长期稳定输出的号,我会当成 reliable dependency,看到就点。一会儿干货一会儿情绪一会儿蹭热点的,我会降权或者直接mute,如果信息源输出的内容质量不稳定,就很容易浪费注意力和时间。 相反,更新少其实不可怕,读者知道你什么时候值得点,他就会自然等到你发布。 质量参差不齐才可怕,因为它把点进去这个动作从确定收益变成了期望值计算。 人味就应该长在正文里 我不是说严肃账号的内容得写成说明书一样严谨且无趣,对严肃账号来说,人位就应该存在于自己发的内容中。 减少AI创作的比例、承认自己判断错过、给一个带瑕疵的真实数字而不是修饰过的、写清楚自己的困惑,这些东西既是人味,又是有效信息,读者看完既觉得你是个活人,又能拿走了价值。 发内容之前你可以问自己几个问题: - 一个只为了某个领域关注我的人,看到这条推文会不会觉得被打扰? - 对读者利他吗? - 能让合适的人更理解我吗? - 有加入自己的判断,而不仅是信息搬运吗? 我最近在做的一件事就是把吐槽挪走,和严肃账号的发布内容区分开,想发就发到别的地方,朋友、吹水群里、小号,而对于这个X账号的followers,我尽量让每次输出的都是有价值的内容。
顯示更多
0
13
30
0
轉發到社區
这篇帖子把过去几年国内头部大厂的AI发展描绘的非常清楚,很喜欢晚点这种简单干练的叙述风格
腾讯、阿里、字节的 AI 办公大战:赛马与变阵内幕 - 过去三年,AI 行业留下了两个教训:面向普通消费者的产品迟迟找不到商业模式,耗光了巨头的耐心;抖音、小红书、淘宝甚至微信则验证了另一件事,在原有产品里加 AI,影响有限,旧产品的功能、组织和商业模式早已成型,很难靠一个 AI 入口脱胎换骨。 - “智能体出现后,钉钉、飞书、企业微信已经是上一代的产物了。”一位钉钉人士说。这轮整合发生时,飞书收入增速还在涨、钉钉已在下滑,但都不重要了。上一轮办公战争打了近十年难言胜负,三家公司在办公上重新站回了起跑线。 - 最早下注的不是巨头。2025 年春节前 DeepSeek R1 发布,打乱了场上所有玩家节奏。月之暗面停止投放、把资源集中回模型本身,转向打造万亿参数模型和智能体方向。智谱在学 OpenAI 做科学家,还是学 Claude 做工程师两条路之间选了编程方向。 - 巨头们当时还在追 OpenAI:通用、聊天机器人、超级入口。字节高层判断 AI 最先颠覆的是搜索;腾讯管理层更关心 Perplexity。大厂的编程产品经历了漫长沉寂期:腾讯 CodeBuddy 只是个十人左右的 IDE 插件,字节的 Trae 虽已上线但投入不多,阿里的通义灵码投入很高收入却十分有限。 - 转折发生在去年年中。Cursor 年化收入超 5 亿美元、Claude Code 上线半年后年化收入达到 10 亿美元,编程突然被证明是数百亿元收入的生意。这改变了大公司的态度,阿里通义灵码团队封闭开发数月,新产品命名 Qoder;腾讯元宝将智能体列为优先级最高的业务方向,CodeBuddy 也在这一时期变成腾讯最受重视的 AI 项目之一,团队核心成员经常加班至凌晨两三点,算力资源也越来越多。 - 但是与美国相比,AI 编程在中国尚未形成同等规模的用户需求,用户规模始终没有明显增长。很快,大厂又回到追逐超级入口的老路。2025 年底,字节拿下春晚,腾讯准备 10 亿红包通过元宝发放,阿里投 30 亿让千问 App 免费送奶茶。 - 结果春节大战碰壁,元宝和千问日活冲到峰值后快速下滑,豆包日活破 2 亿、回落最小,但每天烧数千万元算力、收入不足百万元。春节后三家都开始收缩面向普通用户的投入。竞争再次回到智能体和 to B。 - 和之前不一样的是,今年三家公司都更坚定。马化腾在总办会提到应更重视编程与智能体,3 月 OpenClaw 爆火后,腾讯各大业务倾巢而出上线自己的智能体;字节高层赴美调研 Anthropic 后反思押注消费产品的策略,决定调整资源转向企业服务,但豆包由于娱乐心智太强,转型不顺;飞书转向更为激进,此前卖得比较顺利的智能会议纪要功能,一年只要一万多。而飞书智能伙伴及创建平台 Aily,价格升至近 10 万元甚至近 30 万元,买的人很少,销售团队后来用更强硬的策略:“不买 AI,就不给折扣。” - 阿里内部则至少有三条并行智能体产品线(QoderWork、悟空、MuleRun)在赛马,它们先要争取的是公司内部阿里云的支持,尤其是销售资源,于是得经常和销售吃饭喝酒拉关系,还通过各种办法做高 ARR。 腾讯的 WorkBuddy 是这轮跑出来的黑马。据我们了解,WorkBuddy 的日活跃用户数在周中与周末波动明显,但平均已达百万量级,超过所有国内的对手。这与团队一开始的决策有关。他们坚持做一个简单易上手的产品,只保留一个对话窗口,用户说出需求,系统自行执行,界面上没有任何开发者术语。 - 阿里的赛马因一场意外加速收场:6 月陈航(无招)因管理争议被免去钉钉 CEO 后离职,1992 年的陈宇森接手,上任第一周就整合悟空与 MuleRun,把悟空自研的 Harness 换成 Claude Code 的 Harness,效果明显改善。不到一个月,QoderWork 也被划入,统一为"千问办公"。Qoder 编程业务保留,吴泳铭希望把 Qoder CLI 逐步升级为阿里集团基础设施,未来阿里新推出的 Agent 都尽量复用。 - 字节最后完成整合。飞书在内部一直处于“需要不断证明自身价值的状态”,2023 年就讨论过与火山引擎销售合并, 直到 2026 年各家集中整合 to B 业务,飞书的独立地位才真正走到终点。 - 飞书和豆包在底层技术和产品生态上有大量可以打通的部分。飞书在云端闭环里加 My AI,豆包也逐步进入办公场景,两者出现了不少重合。飞书对 AI 态度相对保守:坚持在云端闭环做功能,不开放本地文件和系统权限,但这恰恰是 WorkBuddy、OpenClaw 这类桌面智能体的核心卖点。飞书在 AI 时代最应该开放的能力,恰恰是它组织基因里最抗拒的事情。 - 赵祺是这轮调整中上升最快的人:北大计算机博士,做过豆瓣产品经理,也创过业,2017 年加入字节后先后负责增长中台和穿山甲广告平台,被认为是字节「最会花钱的人」,2022 年转入 HR 部门为字节 AI 搭建人才体系,2025 年 9 月才回到业务一线接手豆包。 - 火山引擎负责人谭待则接手了飞书的战略、市场和销售体系。据我们了解,目前火山引擎超过 40% 的 Token 消耗量来自 Seedance;超过 10% 来自 Seedream;Coding 和 Agent 的占比不高。如何把模型能力转化为更多企业场景中的实际用量,也是谭待接下来要解决的问题。 - 三家巨头在半年内先后完成了办公 AI 的组织整合,但竞争才刚刚开始。 - AI 提供了重塑格局的机会,上一代办公平台以即时通讯为中心,而下一代大概率围绕 AI 和智能体展开。过去先讨论再动手,现在先出结果再评审对齐。沟通不会消失,但即时通信在办公中的权重可能大幅缩小,它有可能不再是工作的起点。企业微信目前最稳,靠微信关系链做销售客服私域,但智能体执行任务靠的是审批、文档、业务系统这些上下文,仅有关系链,在 AI 时代可能不够用了。 - 在国内做 SaaS 生意仍然是个难题。新产品要面对的,还是那些老问题:在国内,企业付费生态差。何况大多数人并不像研究 AI 的工程师那样忙碌到愿意花钱省时间——不然,也不会每天有 8 亿多人刷两小时抖音,4 亿人刷快手,1 亿多人刷小红书。 - 据我们了解,三个产品都计划出海,最大挑战是与 Anthropic 和 OpenAI 正面竞争,便宜的国产模型是手里为数不多的优势。“上一代的仗打完了,大家发现打下来的城池不值钱了。”这一次,所有人都有机会重新证明自己的价值。
顯示更多
最近总看到有人说要写一个自己的 agent,但我想了一下,对大部分个人使用来说, 你并不需要造一个自己的Agent,你只需要让你的Agent足够的私有化、定制化。 Claude Code 和 Codex 这种 Agent 背后是一整个顶尖团队在持续研发的产品,你一个人从头做一个 agent,做出来绝对不如它们,还得自己维护。 大部分人说想要自己的 Agent,真实的诉求是希望手上的Agent用起来更顺、更懂自己,至于它是谁做的其实无所谓。 这个诉求完全成立,但它指向的并不是 agent 本身。一个 agent 到底由什么构成:模型、工具调用循环、交互界面。这三样里没有一样是能够私有化的地方,它们是通用能力。 想让Agent变得更加私有化,真正需要改动的地方反而在外置的可插拔层:数据、规则、skill等等,而不是Agent本身,并且这些可插拔层在技术层面上可以在不同的Agent框架上切换。 1、数据层 你的知识库、笔记、历史决策、真实账户、真实经验,本质上都是你这个人的各类知识和判断在文本层面的投影。 大模型训练的数据本身就只是网络公开数据,通过这些数据训练出来的模型永远只会以共识来回答问题。只有拿到了足够多的私有数据,Agent才能够私有化和定制化 而且数据层不是仅仅把文件堆着就行,它的组织结构需要为被Agent读重新组织一次。 2、工具层 主要是 Skills\MCP\CLI等等,主流 agent 基本都支持这几种工具,你配好一次可以在好几个地方用。 我本地一共有五十多个这样的常用工具,从写作、去 AI 味、封面生成,到发帖前的自检门、账号数据复盘,都是把我反复要做的事固化成了skill。 MCP\CLI 接的是微信读书、日历、项目管理这类外部数据源对外提供的能力。 这里得说句实话,工具层的跨Agent复用会比数据层更麻烦一些。我的 skill 源目录是一份,但要手动软链到三个不同 agent 的目录下,还专门写了个同步脚本,各家对 skill 的加载时机、参数传递、权限模型都有差异,能用不等于零摩擦。 3、规则和流程 这一层才是差距真正拉开的地方。 我有两个全局规则文件,一个管全局怎么干活,七十多行;一个管知识库怎么找东西,五十多行。除此之外还有一套固定流程:出计划、审计划、执行、审结果,每个环节谁来做、什么时候必须停下来复查,都写死了。 发推文也有一套,写之前先过一遍不该发的清单,写完再过一遍发帖前的四个问题,两道门都过了才进草稿箱。 这些东西属于第三类,作用是约束和编排,它不决定 agent 能做什么,但能决定它不做什么。 我的体感是,同样一个 Agent,有rule层和没rule层的体感差别是很大的。 回到开头那个矛盾,我不建议你造 agent,但你确实应该让你的 agent 足够的定制化和私有化,把通用 agent变成私有 agent。
顯示更多
0
62
71
10
轉發到社區