DPS Main

Anthropic 的这张图正好说明了这点

大开眼界的一期节目： 1. 墙的存在并不是为了封禁所有人，而是为了提高翻墙的成本，这样就能过滤掉大量人； 2. 墙的存在其实也变成了一种牟利方式，国企，阿里云，腾讯云都从中获利颇丰； 3. 当然做翻墙生意真赚钱； 4. 远洋捕捞也成了一种产业，特别是北方的县级公安特别喜欢这种方式，当然一线城市的公安也好不到哪去，暗示送钱，罚没之后不记录在案； 5. 人肉翻墙也有各种方式，嘉宾找朋友一路从武汉开车到钦州，中途不曾下车。然后进入越南，又去友谊关打点，获得另纸签。然后飞到新加坡，再飞欧洲。 6. 总之永远不要放弃希望。 https://overcast.fm/+ABO6eQuuJ5M

Jeff Su 最近的一期视频正好聊到这个： https://youtu.be/msFxQ7OYPj8

最近近距离观察一些朋友使用 AI 的方式，发现了很明显的代际差异： 1. 朋友 A 用了 Gemini / Grok / Claude Desktop 等多个工具，但仅限于使用他们的对话框界面，一个对话可能承载了所有历史； 2. 朋友 B 使用了 Claude / Chatgpt 等对话框工具，也使用了 Claude Code。用 Claude code 一半是对话，一半是用 agent 调用工具，解放了不少生产力； 3. 朋友 C 只使用 Claude Code 和 Codex，只有一小部分对话，绝大部分都是 agent。 举个最简单的例子，比如你的电脑出了问题，如果使用 A 的方式，可能就是不断地问 AI，然后贴截图，再按照它的回答拿鼠标去点；如果使用 C 的方式，基本上就是问答之后确定方案，然后让 AI 代劳。 尽管 Claude Code 和 Codex 名字里都带着 code，但它们不仅适用于写代码的场景，在很多非代码场景里也可以极大地解放生产力。

终于找到了完美的会议摄像头配置： 1. 大疆 Osmo 手持云台 2. iPhone 后置摄像头，有线接入 Mac 尽管只是 16e，但非常清晰，比市面上其他专用的 4k 会议摄像头要清晰得多，而且没有延迟。

用 Astro 重写了网站，替代了原先的 Ghost。开放了所有内容： https://letters.acacess.com/

去年年初见一个正在创业的朋友，他说自己在用 $200/m 的ChatGPT Pro，我自己当时还在用 $20 / m ChatGPT Plus。他当时介绍了自己怎么用 那么多，我当时心疼钱，没舍得升级。 四月的时候因为 Lenny podcast 赠送 cursor 等会员，我买了，但是没兑换到，后来自己花钱买了 $20/m 的 cursor。五月的时候先买了 $20/m 的 claude ，后来升级到 $100/m 的 claude max。 中间因为 token 不够用，升级过一两次到 $200/m 的 claude max。最近变成了 $100/m 的 claude max 和 ChatGPT pro。 用 paseo 在服务器上跑这两个 agent ，然后用 pi 在本地跑一个 qwen 3.6 27b 的模型用户简单任务。 总之，在力所能及的范围内用最好的模型，可能是这个时代最划算的投资。

跑去见高中的校长，和他聊了不少。 尽管他是老师，但年长我不多，所以我们交流比较随意。 我举的例子是，比如备课这件事和写代码其实很像。他们有多年教学经验的老师，积攒了大量的课件。如果有新教材出来，其实可以让 agent 学习之前的课件，了解老师的风格，为新课程准备课件。老师审核之后，作出相应修改，就可以拿去教学了。就好像让 agent 进入一个 repo，学习了上下文，就可以写出更好的代码一样。 他也觉得这事有可能。但这样一来，学校和老师的地位都有可能动摇。因为学生可能有更强的 AI 学习技能，而老师能教授的可能还不如 AI 多，还不如 AI 快。这样一来，学校的意义是什么？老师的意义是什么？ 如果脑机接口进一步普及，那是不是只要接一个脑机接口，就能升级知识？那么考试的意义又何在？他还说现在那批在国外留学的学生，有不少都在研究脑机接口。可能未来会有更快的发展。 我的理解是： 1. 这样的变化只会越来越快，当然深处其中，我们很有可能会焦虑，这也在所难免。也许回头来看，这些都好像自然而然。就好像我们当时看到 devin 发布的时候，觉得 AI 写代码是天方夜谭，现在再一看，有几个程序员不用 AI 写代码？ 2. 回头来说老师和学校的作用，我觉得可能会逐渐变化成 mentor 的角色。具体的知识点可能由 AI 来完成教学，但学什么方向，怎么学可能需要老师来指点。当然老师本身也需要具备更强的技能，更宽广的视野。他基本认同这一观点，但是要有破局者来作出改变，在现行环境下，极其困难。 3. 当然也许过几年回头来看，这些都是毫无意义的讨论，可能所有的发展都和我们想象的不一样。

昨天在国内一个高校分享了这一年多来的编程体验，我的理解是差不多经历了现金支付，信用卡支付再到移动支付三个时代。 所谓的现金支付阶段，是指开着一个 AI 聊天窗口，问一个问题，AI 生成一段代码，然后把代码带回 IDE 里跑一下，如此往复循环； 而到了信用卡支付阶段，开始在终端里跑 agent，agent 可以了解整个 repo 的上下文，对整个项目有更全面的了解，进而有更强的自主性，人的角色也慢慢变成了参与者； 现在到了移动支付阶段，agent 可以根据上下文，根据需求制定计划，人审核之后，agent 可以拆分子任务交给不同的 subagents 执行，执行完还可以调用其他模型审核代码。人的角色慢慢变成了架构师。 当然这些都在极速变化，我们可以 keep calm and catch on。 来听讲座的大概有二三十位数学系/统计系的同学，除了个别几位用到了移动支付阶段的 AI 编程，剩下的大部分都还停留在现金支付阶段。

原来王家卫把《花样年华》的结尾放在吴哥窟拍，就是因为不可能。

一开始还以为这期视频很蹊跷，结果看了评论才知道，李雨峰是真热心肠。给 UCSD 捐了几千万美金: https://www.youtube.com/watch?v=o8Ds3LxCE3U https://en.wikipedia.org/wiki/Aiiso_Yufeng_Li

最近几天盯着 Google Search Console 的数据优化 SEO。 前几天都是跑去后台手动下载数据，然后丢给 Claude / Codex 分析，再根据结果改进。 今天早上想想这么太累，就问 Claude 有没有 API 可以直接拿到 GSC 的数据，答案是有。然后我们就确定了方案： 1. 在 Google Cloud 上设置好权限，开启 GSC API； 2. 在 GSC 里添加 GCP 里的用户，给定权限； 3. Claude 在本地开发好脚本，部署到 Cloudflare Workers，数据存储到 KV，定时任务用 Cron Triggers。 加上各种调试，前后不过两小时。如何没有 Claude，估计读 GCP / GSC / Claude 的文档都不止两小时。