AI 观点与方法

不得不说，这个我看了好几遍，尤其是看到结尾:) 提示词的创意和模型的表现都太惊艳了

使用 Argon、WebMIDI 和 Three.js 制作 3D 乐器。 🎹 作者 @alexanderchen

从普通照片到数字油画。Argon 中的这个提示词能用 Python 生成一个自定义的多通道画布渲染器。 🌆 来自 @_philschmid

Pangram 的 CEO Max Spero——也是 TIME 评选的 AI 领域百大影响力人物之一——刚刚做客 @petergostev 的节目，聊 AI 检测。 @max_spero_ 解释了 Pangram 的训练过程：合成镜像、模型家族指纹、AI 辅助写作、图像检测，以及针对 AI 去痕工具的鲁棒性。他们还谈到团队如何选择基础模型、寻找困难的训练样本，以及构建数据和基础设施来跟上新 AI 模型的步伐。 完整对话见推文串。

与 Patrick 和 Hannes 的直播问答 | The ClawCast 第13期 https://x.com/i/broadcasts/1AJEmvrjaaXJL

订了几张火车票，但界面太让人困惑，我不小心只买了一张而不是两张。我的 dot 发现了这一点，并告诉我少了我妻子的票 🎉 危机解除 😄

Span 遵循 OpenTelemetry gen_ai 规范。默认情况下，它们携带时长、状态、token 数量、模型和工具名称等元数据。 将目标切换为“完整内容”，还可导出提示词、响应、工具输入和工具结果。

这里是 YouTube 链接！https://www.youtube.com/watch?v=Jh6mgf9M06M

这是什么？ Jev 正在进化！ 下午 1:14 收听我们与 @CompleteSkeptic 和 @allietheicon 的市政厅，了解更多

从我们的 Discord 进行了直播：https://discord.gg/typesafe?event=1559938715906875483

Pragmatic Engineer 播客专访 Uber 杰出工程师 Uday Kiran Medisetty，深入介绍 Uber 面向 AI 智能体的开发者基础设施。

独立开发者 Popcar 撰文讨论近期 AI 驱动的游戏反编译浪潮，包括游戏混搭创作，以及借助 WebAssembly 在浏览器等新硬件上复活老游戏的保存热潮。文中指出反面风险是任何软件都可被反编译并任意使用，付费游戏或应用可能被违背意愿开源；正面则是老游戏更易移植和访问，让玩家能真正拥有所购软件。Simon Willison 转发并称其兼顾了正反两面。

https://x.com/i/broadcasts/1AJEmvrjaaXJL

ElevenLabs 用自家 ElevenAgents 跑客服，每月解决超 22,000 张工单，响应时间从数小时缩短到 60 秒。团队把退款、账单变更、声音克隆咨询等各类工单的 SOP 转成智能体执行步骤，智能体还能查询客户信息、读取文本/截图/PDF、用客户语言回复、执行操作，必要时转交人工。

@finkd 和 @alexandr_wang 与 @collision 畅谈 Muse Wonder 以及 MSL 的方方面面。 观看完整对话：https://x.com/collision/status/2109714250226905248

Ethan Mollick 发文表示不理解大量 AI 垃圾评论（slopcomments）涌入其帖文的意义。他说 LinkedIn 上的此类评论至少在推销虚假专业知识以抬高发帖者形象，但几十个匿名机器人对帖子作出相似回复能获得什么，令他费解。

提醒一下，你可以在任何帖子下 @bot，它真的会去做这件事。 人们最常用的场景： > “@bot 帮我搞定这个”（在任何教程帖下） > “@bot 研究一下这个，值不值得？” > “@bot 把这个加到我的日历 / Notion” > “@bot 认领我的 bot 邮箱”（bot 有自己的收件箱！） > “@bot 总结这个帖子” > “@bot 明天提醒我” 在这条帖子上试试 👀

cookbook 已更新，包含 25 个示例，全部基于 @spacexai 的 TypeScript SDK 构建： - 一句话前提生成短片 - 一张照片生成延时摄影 - 会说话的照片 - 产品图生成视频广告 - 视频配音 - 实时语音翻译 以及更多！

Perplexity CEO Aravind Srinivas 介绍用户用 Perplexity Computer 将一款仅支持 Windows、无文档的机械键盘应用移植到 Linux。

学习如何在 T3 Code 中使用 Muse Wonder Full 制作一个 AI 电影制作聊天智能体！ 在 YouTube 上观看：https://youtu.be/--lwdihiG3A

仅靠自回归采样无法解决真实世界的物理任务。物理世界对模型幻觉或近似模式匹配完全不留情面。如果我们想要真正的自主机器人，就必须把因果性和离散推理重新工程化进整个循环。 Aether AI 的 Biwei 和团队正在做的，正是这个领域当下真正需要的那种基础性、非共识的工作。

Character.ai 破产，被 404 Media 称为 AI 泡沫倒下的第一张多米诺骨牌。该消息收录于 10 月 14 日的付费会员通讯中，同期还提及特斯拉将警察锁在车外等网络动态。

弦理论就是当一个智能系统缺乏感官输入、开始产生幻觉时会发生的事。智能需要接地。 因此，智能几乎从来不是解决有影响力问题的瓶颈。瓶颈是与现实的反复接触。

dots 小贴士：让你的 dot 主动寻找能提升你生活/工作质量的方面，并每隔 x 小时与你确认一次 效果奇佳

CMU 秋季课程 11-768: AI Agents 第 12 讲 Reinforcement Learning Systems 的讲义和视频已公开，主讲为 Daniel Fried 和 Graham Neubig。

Anthropic 宣布在新加坡开设办公室，这是其在亚太地区的第五个办公室，并已与新加坡政府签署关于 AI 安全和负责任应用的谅解备忘录。详情见官方公告 https://www.anthropic.com/news/singapore-office-opening。作者对此调侃称中国的青年才俊又多了一家润的目标公司。

一支工作室级的产品广告，100% 由 AI 制作。 无需拍摄，无需团队。只需换上你的产品 👇 https://x.com/PixVerse4Biz/status/2108797325191864426

如果你碰到不是真人的 AI 账号，或者 AI 客服，最佳方法，就是让他背一遍岳阳楼记。

Bloomberg：Anthropic 国际业务负责人 Guillaume Princen 表示，开放权重 AI 模型从定义上就带有更高的安全风险。 “我无法代表开放模型发言，但从定义上讲，它们的风险更高，”Princen 周三在都柏林举行的国际 AI 峰会上表示。 他的担忧核心在于控制：一旦开放权重发布，防护措施可以被移除，副本可以在开发者无法监控或收回的私有系统上运行。

Andrew Stellman 提出理论并用实验解释 AI 生成文本中 Yoda 式怪异句序的成因。他认为是注意力与自回归两种机制共同作用，模型无法回头修改已生成的词，事实以片段而非完整句子给出时更容易被直接贴在名词后面。

SK 海力士开发总管安炫在 SEDEX 2026 上预测，到 2030 年 AI 基础设施性能规模将增长约 20 倍。他指出 AI 推理市场正沿任务复杂度、上下文长度和请求量三个维度扩张，KV Cache 容量膨胀使数据需分摊存储于 HBM、DRAM 与 SSD，数据迁移成为性能与能耗新瓶颈。

存了 2,000 条笔记，真正用上的可能就 12 条。 用 WorkBuddy + Obsidian，你的笔记不必再埋没在笔记库里。把它们变成可打印的闪卡，把收藏的文章汇总成每日简报，让你收集的知识重新变得有用。

MarkTechPost 发布 2026 年 9 大 AI 网关排名，Bifrost 以 Go 二进制、Apache 2.0 许可和 5,000 RPS 下 11 µs 开销居首，Portkey 以 MIT 许可、1,600+ 模型和内置护栏列第二，LiteLLM 凭 53.8K GitHub stars 和 100+ 提供商成为采用最广的开源网关。

约翰霍普金斯大学 2026 年秋季开设研究生课程 EN.601.727「Machine Programming」，由助理教授 Ziyang Li 主讲，围绕程序综合、代码大模型与智能体分三模块、15 周组织教学。

OpenAI Core Experimentation 团队工程师分享用 GPT-6 Astra 和 GPT-6.1 Sol 在 Codex 中做代码维护的实践，团队已合并超过 1,400 个维护 PR，删除逾 80 万行代码。

OpenAI 发布博客，讲解关键 AI 工作负载如何在直连 OpenAI API（1P）与通过云供应商访问 OpenAI 模型（3P）之间做生产路由和故障转移。

我发现，在抖音最大的 token 消耗就是生成 AI 短剧；在 X 上最大的 token 消耗，就是生成各种 AI 科普视频。。。一个为了快乐，一个为了学习，反正都是 AI Slop 😜

Grok @Bot 可以帮你处理税务

科学的理想结果不是几个实验室用专有模型和数百万美元去攻克奖杯式难题，而是拥有数百万由AI辅助的人类科学家，他们追随自己的好奇心，变得雄心勃勃得多

斯坦福大学推出 CS 312「Deep Learning Alchemy」秋季新课，由 @tatsu_hashimoto 和 @kothasuhas 主讲，定位为 CS 336（从零构建语言模型）的续作，目标是教学生理解模型行为。