AI 观点与方法

我的 AI 智能体在做主动客户服务：有人发邮件告诉我，订阅我的 Substack 后，他们被自动订阅了其他内容（这不应该发生） 在我没有要求的情况下，我的 Dot 自己跑了测试，通过尝试复现这个错误，弄清了发生了什么。

人们把 Artificial Analysis 指数及其各项得分看得太重了。

有人用 GPT-6 Astra（reasoning effort 设为 High）配合 Codex 和 T3 Code，把一台第 10 代 Kindle Basic 越狱并改造成照片相框，项目名为 KindleCTL。

每个 Claude Code 会话开始时只有系统提示词和工具。 但你可以通过 Claude.md（或 Agents.md）文件设置仓库级上下文，并且默认情况下自动记忆是启用的，这让 Claude 能够记住并从与你的交互中学习。

https://models.dev

非常感谢 models.dev 的 800 多位贡献者。

马东锡 NLP 提出 AI Native 公司的两个核心问题：AI 越聪明研发是否越快、产品迭代能否随之提速；以及资源有限时如何管理 AI Agent 牛马以最大化效益。

Muse Wonder 和 Muse Code 接入 fal 后，生成图像和视频的体验更加出色。来我们最新的 YouTube 视频了解具体方法！ https://youtu.be/cKzu7phvcs0?si=uFtOGBqRfknrd8e9

Perplexity CEO Aravind Srinivas 宣布每个 Perplexity Project 都是一个 Git 仓库，团队为此构建了面向智能体的 Git forge。每个智能体在自己的短期沙箱中工作并提交到 S3 上的共享仓库，提交冲突低于 2%。智能体用 `ls` 和 `grep` 检索，在金融文档分析任务上答案准确率 63% 对 37%，优于语义搜索。

阅读我们的方法论详情：https://cognition.com/frontiercode

🐐 注意！

https://learn.chatgpt.com/docs/annotations-extensibility

@freestyle_dev @humanlayer_dev @benswerd 感谢 @p3pijn_jasper 带来这个出色的主机统计视图

把你的智能体会话迁移到 @freestyle_dev 的强劲开发机上，并用 @humanlayer_dev 来管理，这里面有巨大的 alpha（我听说 @benswerd 给 YC 创始人准备了一个相当丰厚的优惠）

提前拿到了 Muse Wonder 的早期访问权限，但还没机会大量使用，不过从有限的测试来看，它似乎是个不错的模型 也许更令人印象深刻的是，对比我那个被水淹没的 neogothic 城市 twigl shader 测试自 4 月以来的进展。Meta 在短时间内进步非常快

🍉

. @krea_ai 有新东西即将登陆 fal。敬请期待。

这就是我们如何将 Perplexity Projects 背后的文件系统构建为面向智能体的 Git forge。 每个智能体在自己的沙盒中工作，并提交到共享仓库，人们和其他智能体可以在跨会话中基于其工作继续构建。 阅读更多：https://www.perplexity.ai/hub/blog/building-shared-workspaces-for-people-and-agents

https://luma.com/aibuilders_techcrunch

明天和我们一起 Jev 的最后机会！ Disrupt 为 AI 乐观主义举办的 happy hour builders，别让未来从你身边溜走，报名 👇

今天我的 X 时间线： - 软件已死 - 技术护城河已终结 如果这是真的，那每家芯片公司都可以 vibe-code 出 Nvidia 的 CUDA，每家车企都可以 vibe-code 出 Tesla 和 Waymo 的自动驾驶。 技术护城河没有死。浅层的技术护城河才死了。

Lauren Tan 回应 AI 生成 slop 代码的争论，认为工程师并非无能为力。她提出两个要点：给 agent 提供验证自身工作的方式，以及把代码库当作 agent 的记忆，将观察到的错误模式逐步转成约束，并通过类型系统、缩小架构选择空间或自建框架（如其为 grok bot 打造的框架）重构代码，让 agent 反模式在结构上不可能出现。

从重建我们的基础到推进前沿，仅用14个月 🚀

一种不同的窗口。

Meta 开出的巨额薪酬方案对顶级研究员来说大致是"净中性"的 - Alexandr Wang（Meta 首席 AI 官、Scale AI 联合创始人） Meta 对 AI 研究员那些出了名的天价 offer，对其中许多人来说其实算不上涨薪，因为他们在 OpenAI 和 Anthropic 的股票已经涨了太多，留下来拿到的钱差不多 所以真正的吸引力是使命 ---- 完整视频在 "David Senra" YouTube 频道，（链接见评论）

有人用 Python 3.15 的新性能分析器，让 Codex 中的 GPT-6 Astra Extra High 对 PyPI 上的 web-edit 应用做分析，生成了火焰图和源码热力图示例。

如果你还没确保在所有账户上开启双重认证，还没和家人共享密码以防接到冒充你索要钱财的语音电话等等，现在正是时候。 AI的进步意味着，用复杂攻击大规模针对个人的成本正在下降。

NVIDIA 发布 cuDF skills for Apache Spark，用 AI Agent 把 Spark UDF 自动改写为 GPU 加速版本，几分钟内完成测试、基准到集成。

走进一幅杰作。 这是空间计算与 AI 3D 生成结合后的精彩展示。 很自豪看到 Tripo 为这个沉浸式世界提供 3D 资产支持。

一张展示 Claude 模型不同 effort 等级的可视化图。 我发现自己 80% 的任务用 medium，约 15% 用 high，偶尔在处理超级复杂的事情时会用到 xhigh 或 max，但 Opus 5.5 配 medium 我觉得对大多数编码工作来说堪称完美。

聊得很开心！感谢邀请我 @MollySOShea！

有东西要来了。 谁想要抢先体验？👇

Muse 给我下单了 🍉 真贴心！

META 🔥：Meta 即将推出的 "Watermelon" 模型已被预告！ 感觉如何——这是否意味着训练已经完成了？ 快了？👀

SemiAnalysis 创始人 Dylan Patel 与技术团队成员 Jordan Nanos 在 Big Technology Podcast 上表示，AI 算力需求持续超过供给，外界流传的基础设施规模数字仍然偏低。

作者提出“大AI理论”，用三个阶段调节模型推理档位：第一步用最高推理加计划模式，以语音、图片、视频把所有想法倒给AI生成计划；第二步降到中档推理快速执行，前提是需求描述足够详细。

Google Labs 主管 Josh Woodward 转发 Lenny Rachitsky 对他的访谈要点，共十条心得。要点包括好点子多来自小团队痴迷的洞察而非头脑风暴、最强的早期 PMF 信号是用户看到原型时眼睛发亮、实验室需要结构独立和明确使命、Google Labs 同期并行约 20 到 30 个实验并以季节化节奏平衡冲刺与探索。

前 Google CEO Eric Schmidt 称 AI 的真正限制不是能源而是现金，按每吉瓦约 500 亿美元计算，10 吉瓦就是 5000 亿美元，能承担万亿级资本投入的公司和国家极少。

影视飓风Tim演示了字节最新世界模型，并讲解其五类实际用途：造一个世界并与之互动、把老电影当世界模型随意控制运镜、打开任意门进入梦想中的世界、让机器人在虚拟世界学习操作（含自动驾驶）、戴VR眼镜供医生等职业模拟学习。

https://share.pix.video/template/428700826929698