AI 观点与方法

定制化智能体，配定制化知识库、定制化指令、定制化工具集，当然还有 Jev 的定制化路由 让你的 goon 成为你专属的！

梅西让 ChatGPT 教他一个符合自己风格的象棋开局。它建议了 Goat Horns 🤘

True

如今AI实验室都在承受两年前做出的算力押注，而两年前没有哪家公司能预见AI算力需求会变得多大。 > “我不认为今天世界上会有哪家公司坐下来跟你说，你知道，他们两年前的决定做对了。” ——桑达尔·皮查伊 ---- 完整视频见“Sources Podcast, Alex Heath (@alexeheath) and Sundar Pichai”YouTube频道

使用经 AA-PersonalityBench 评估的人格特质，构建你自己的自定义人格套件

外面的情况相当糟糕（网络攻击方面）。 人们抱怨 AI 写出垃圾代码。但我们的软件和互联网基础设施，靠的是人类 50 年来写下的垃圾代码在运转。 如今连笨拙的 AI 模型都在变成强大的黑客工具。 竞赛已经开始：防守方需要用 AI 抢在攻击者之前找到并修补漏洞。

我有个朋友开始用“agi”和“agiiiii”这样的说法，来代替“awesome”或“that's dope”这类表达基本热情的短语，我觉得我还挺喜欢的

Laika 新片《Wildwood》导演兼 CEO Travis Knight 称生成式 AI 与工作室理念"完全相悖"，认为技术应由艺术家掌控，AI 代劳创作则是"盗窃"、缺乏人性。这部定格动画耗时五年，动用 230 多具木偶、49 名动画师，全片参与艺术家超 1000 人，影片于 10 月 23 日首映。Knight 表示不反对 AI 在医学、科学等领域的应用，但担忧其被滥用。

学习新知识时，没有专家资源不再是瓶颈。你可以让 AI 为你制作一段 5 分钟的视频来学习任何内容。这里有一个关于晶圆厂如何制造芯片的视频。

NVIDIA 技术博客介绍如何用 AI 智能体教 Microduck 机器人在仿真中学会越障行走：Hermes 和 Nemotron 3.5 Bolt 在 RTX Spark 上把提示词转为项目计划。

当前 AI 热点，聚合 1 个独立信源、28 条信号。

邵猛用 Coding Agent 十多分钟复刻了大学时 Moto E770 上的第一个游戏「打砖块」，还模拟了手机外壳。他回忆大一攒了一学期才买到这部手机，如今手机早已在搬家中丢失。此前他提到这类小游戏现在 Claude Code / Codex 几分钟就能搞定，并想重做儿时失传的小游戏给儿子看。

n8n 博客对比了有状态与无状态架构在 AI 智能体构建中的取舍：有状态应用保留对话历史、认证信息等跨请求状态以维持连续性，无状态应用则让每个请求独立处理，更易在实例间分发、扩展和容错。LLM 本身不会在两次推理请求间自动保留对话，智能体的记忆需由系统在模型外存储并检索状态，再注入后续请求的上下文。n8n 中可按状态存活时长选择 memory 节点或 state store。

黑石集团总裁乔恩·格雷反驳肯·格里芬的 AI 泡沫论，称 AI 领域是边建产能边追赶需求，与上世纪 90 年代电信泡沫截然不同。他以黑石与 Anthropic 共同成立的 AI 咨询公司 Ode 为例，表示客户需求近乎呈抛物线式增长，公司根本跟不上。

Dwarkesh Patel 花两天参观 Intel 最先进晶圆厂并采访其技术高层，制作动画讲解 gate-all-around、背面供电、CFET、hybrid bonding 等下一代芯片技术。

比尔·盖茨在接受 The Verge 采访时表示，人们要为 AI 带来的二十年颠覆性变革做好准备，这段时期可能非常痛苦，甚至将社会分裂成乐于接受前沿科技与拒绝两派。他认为 AI 过去一年在编写代码、发现网络漏洞、生物学推理和颠覆就业市场方面进步惊人，过渡期会有输家和赢家。他还称届时人类将拥有可建造房屋、种植食物、进行手术的机器人，绝大多数商品和服务不再需要人类劳动力。

我们的 CEO Pete Florence 做客 The Generalist 播客，畅聊机器人以及我们如何为物理世界构建。 @mariogabriele @thegeneralistco 收听完整对话——链接见下方评论

作者用 1505 条覆盖 11 类的 cases 在 12 个 Personal Agent 上实测后提出，判断好坏的关键不是底层模型，而是与已有账号和应用的重叠度，并给出五边形标准：记忆、信息获取、Computer Use、主动性和多端联动。

红十字国际委员会法律战争团队负责人 Laurent Gisel 在联合国会议期间接受 404 Media 采访，称 AI 正以更高速度和频率生成并打击目标，放大战争破坏和人道伤害。

ByteByteGo 作者 Samuel Wong 撰文讲解 LLM 应用中两类缓存如何分工并叠加使用：Prompt Caching 复用共享前缀的 KV 计算以降低输入成本，Semantic Caching 复用语义相近问题的整条答案，可完全跳过模型调用。

Bill Gates 在 The Verge 的 Decoder 访谈中表示，人们需要为大约 20 年的 AI 动荡期做准备，这一时期可能让社会分裂为接纳技术前沿与拒绝技术两类人。

哈佛数学家对正确的 AI 证明是否需要人类理解产生分歧，起因是 OpenAI 的纳维-斯托克斯方程主张。 一个证明做两件事：它表明一个陈述为真，并教给其他数学家一种可复用的方法，而 AI 证明往往只做到第一件。 数学家看重证明有两个原因：确定性和技巧，而一个无人理解的 AI 证明给了他们确定性，却扣留了技巧。

我还不知道这算不算互联网规模的灾难，但这绝对是我们迄今最大的一次压力测试。

SF Compute 创始人 Evan Conrad 在 Latent Space 播客中指出，一张 B300 跑推理满负荷一小时可收约 40 美元，而市场买价仅 5 到 6 美元，两个数字必须有一个变，说明算力至今未被真正定价。

作者实测12个Personal Agent后提出五维评测框架，认为判断好坏的关键不在模型，而是账号与应用能否通过skill、MCP、CLI等方式接入。

Anthropic 最新模型（含 Claude Mythos 5.1、Claude Opus 5.5、Claude Sonnet 5.5 等）的所有文本输出都内置 AI 水印，覆盖 Claude Desktop、Claude Code 和 API，目的是遵守欧盟 AI 法案。

Pydantic AI 官方文章宣布 E2B 成为原生沙箱提供方，向 agent 加入 E2BSandbox() 后，所有 shell 命令和文件操作都在隔离的 E2B microVM 中执行，本机环境不会进入沙箱。

越来越超现实了 👀 #Kling4 #KlingAI

一个超赞的提示词。💜 #Kling4

Philipp Schmid 分享一段可复用的只读安全排查提示词，用于检查本地仓库、容器和环境在 10 月 21-22 日安全披露中的受影响情况。

吴恩达在 DeepLearning.AI 的 Andrew's Letters 中提出，同一项 AI 工程任务在 0 到 1 早期项目和成熟产品里正确做法完全不同，按项目阶段选择打法是最难也最重要的能力之一。

这篇教程在 Apple M4 的 CPU 上实测 Cactus Compute 的 16.9 MB 语音转写模型 Whistle，用配对说话人聚类 bootstrap 加 Holm 校正与 Whisper tiny 和 base 对比。

斯坦福 CS 329Z《Engineering AI Agents》第 9 讲给出 Agent 优化方法选型：优化前提是数据、系统和评估指标齐备，一般先做便宜的上下文优化（prompt 与 few-shots），不够用时再改权重。

安全团队在经历一天不间断的安全事件后辞职，并把每个仓库的 root 访问权限交给 AI：

作者解读 Cloudflare 工程师分享的 AI 代码审查优化：单次成本从 $2.43 降到 $0.77，审查耗时中位数从 4m9s 缩短到 1m32s，代码质量类真实发现基本没少，约 4 成降幅来自工程改动、约 6 成来自换模型和调整推理强度。

当前 AI 热点，聚合 2 个独立信源、16 条信号。

邵猛转述 Netflix 资深研究科学家 Cameron Wolfe 在 AI Engineer 大会演讲整理的评测方法论，给出主观任务的可靠评测路线。核心是三步走，人工评测定质量标准、离线 LLM 评审校准后代理人工、线上监控加 A/B 测试，并用功效分析、置信区间、重复采样等统计工具降低噪声，评测集按多样、真实、够难、有区分度、准确五个标准筛选。

作者解读 NVIDIA OpenShell 参考架构，主张 Agent 安全治理应放在 Agent 碰不到的基础设施层。

Ethan Mollick 转发并评论一天内集中爆发的网络安全事件：PHP 两个未登录即可远程执行代码的关键漏洞细节在补丁发布前泄露，Censys 称约 150 万台服务器无补丁，NSA、FBI、CISA 及日本首相等多方呼吁系统下线，荷兰议会、维基百科、Archive.org 等相继下线。同日还有 GitLab CVSS 10.0 漏洞、LiteLLM 1.107.0 供应链投毒、TiDB Cloud 入侵等事件；作者认为这是 AI 圈自 Mythos 发布以来所警告的攻…

NVIDIA RTX Spark 与拥有自己 AI 的理由 @NVIDIAAI 的 Apoorv Chaudhary 与 @hrudolph 和 @Pat_Erichsen 一起讨论本地 AI、隐私、硬件限制，以及云端模型仍有其用武之地的地方。 观看或收听 The ClawCast 第 14 集： https://openclaw.ai/podcast/episode-14