uz
Feedback

Firibgarlarga uchmang! Telemetrio bunday kanallarni topadi va belgilaydi 👉 Belgini ko‘rmoqchi bo‘lsangiz, obuna bo‘ling

5 564
Obunachilar
Ma'lumot yo'q24 soatlar
+167 kun
+6230 kun
Postlar arxiv
#人工智能 #世界观 其实上一篇文,核心想表达的是:新环境的变化,孕育着新的机会。以我文中的例子为例,我丝毫不怀疑:未来会有更多专门面向agent打造的硬件。 汽车、火车出现时,确实让马车夫的工作少了很多,但是相对应的:给火车造铁轨、铺铁路、给汽车造零件,等等,都是新出来的工种。以现在的AI时代为例,Agent就是现在最大的变量之一,为这个新物种打造环境,也许就是很多人的新机会。
24 Iyun, 00:58

#人工智能 我最近由于大量采用agent编程,现在可以并发开多个agent搞多个项目,这就对我家里的硬件提出新的要求:需要能够便捷查看多个agent的工作情况。 原先我的屏幕配置是:一个27寸显示器,加上14寸的MacBookPro,这样合起来就是双显示器。 我的新要求是:能够再多一屏,这样看多个agent的工作就更方便。于是,我需要从原先的27寸显示器升级到了32寸显示器,这样就能分三个屏(Mac一个,32寸显示器分两个)。这里又面临两个问题:由于显示器更宽了,导致要把眼睛和显示器的距离拉得更长才行;第二个问题是,如何快捷得给显示器分两屏。 第一个问题,肯定是要把办工桌换成更长的桌子。根据人体工学的理论,27寸的显示器桌子长度55cm,但是到了32寸的显示器就需要到75cm了。我家的书房摆满了东西,重新腾空、拆掉已有的书桌安装一个新的书桌特别折腾。我用了一个折中的办法,电商平台上买了一个给书桌加长的板子,这个方案凑合了一点,但是it is works! 第二个问题,我原先打算买有PBP(Picture By Picture)功能的显示器,这样可以在显示器上“物理模拟”出两个显示器来。但是这个方案并不靠谱,因为分屏操作在我的场景里是非常高频的操作,如果用PBP还需要手动调整显示器的分辨率。所以我选择了“软件分屏”的方案,我采用了Rectangle (开源软件),这个软件使用快捷键就能让软件的窗口缩放,非常方便。 现在折腾完毕之后,有三个屏幕,工作起来特别方便。 我这次折腾是很典型的:由于环境发生了变化(需要方便看多个Agent的工作),导致的配套基础设施也需要跟着变化。 类似的,由于Agent写代码更快,导致提交代码更频繁,最近一段时间Github也是频繁宕机。
23 Iyun, 23:56

#世界观 过去这一年最大的收获,是完成了对世界的‘祛魅’。曾经觉得高不可攀的人和事,扒开底牌,多半是勉力维持的草台班子。以前读《史记》里项羽那句‘彼可取而代之’,以为是狂妄;现在看,全是写实。既然大家都是赶鸭子上架,凭什么我不行?过去面对未知,第一反应是‘我不配’;现在的信条是‘试试看’。尤其在AI的杠杆加持下,试错的门槛已被踏平。简单粗暴点说:告别精神内耗,别怂,躬身入局就是干。
21 Iyun, 23:47

#开源项目 #人工智能 Career-Ops:AI辅助找工作的开源项目。根据候选人的resume,评估、过滤符合要求的岗位,提升找工作的效率,可以在各种agent中使用。
16 Iyun, 03:15

#杂 说一个这几天才知道的“冷知识”。 前几天微信短视频给我推荐了朋友圈一个朋友点赞的视频,视频应该是他小孩在广州广雅中学高三毕业的纪念视频。视频里面有一个学生名字墙,看到了好几个维语名字(见图)。要知道,广雅中学在广州是最好的公立高中之一,所以我看
#杂 说一个这几天才知道的“冷知识”。 前几天微信短视频给我推荐了朋友圈一个朋友点赞的视频,视频应该是他小孩在广州广雅中学高三毕业的纪念视频。视频里面有一个学生名字墙,看到了好几个维语名字(见图)。要知道,广雅中学在广州是最好的公立高中之一,所以我看到这些名字后下意识的第一反应是:这几个小孩家里的背景,应该非富即贵。 但是,由于我看了这个视频,后面系统又给我推荐了几个相关的视频:包括也同为这一届广雅高三毕业的新疆学生自己拍的视频,也包括在内地其它地方就读的新疆孩子高三毕业后的视频。 我这才反应过来,前面非富即贵的印象可能是我的误解,查了一下应该是“新疆班”,这个政策从2000年就开始了,根据维基百科的描述是:
新疆高中班毕业生高校招生录取工作由教育部内地新疆高中班招生工作领导小组办公室具体负责组织,新疆维吾尔自治区教育厅负责配合。录取工作使用“内地西藏班新疆高中班招生工作领导小组办公室”印章。[3] 内地新疆高中班生源为新疆户口学生,通过统一考试选拔,录取后随机分入内地办班学校。内地办班学校多为沿海城市,也有中部城市,如武汉、郑州等。东北地区亦有办班学校。 1999年,国务院办公厅发布《加强少数民族教育》文件,表示将从2000年秋季开始在指定的内地城市计划招收1000名左右学生,其中80%要求是少数民族农牧民子女,接受纯汉语教学。[2] 2000年,北京、上海、天津、南京、杭州、广州、深圳等12个城市的13所学校开设了新疆班,招收1000名学生。2013年,新疆班的招生规模在已超过9000人,遍布45个内地城市,截至2020年,累计已有超过12万名学生在新疆班接受了高中教育。其中70%的学生为维吾尔族。
13 Iyun, 00:06

#开源项目 ghostty-blackhole:一个 Ghostty 终端的着色器 (shader),会在终端里生成一个小黑洞。黑洞会在屏幕上漂浮,并且产生类似“引力透镜”的效果,让文字看起来被扭曲。 工作时间越长不休息,这个黑洞就会逐渐变大,直到几乎遮挡屏幕,逼着你停下来。黑洞会慢慢缩小,恢复正常。 可惜只能用于Ghostty 终端。
12 Iyun, 00:33

#杂 stonkrider:选一家上市公司的股票并在走势图上骑摩托 🏍
12 Iyun, 00:30

#编程 历年国际C语言混乱代码大赛(IOCCC, The International Obfuscated C Code Contest)获奖作品集合,可以看到比赛从1984年就有了。 在AI时代,这可能是一束碳基人类手写代码的微光了。
10 Iyun, 23:27

#开源项目 很多人以为不给 App 定位、不登录账号,App 就不知道你是谁,实际上 App 仅通过语言、时区、屏幕、电池状态、已安装应用等公开不需要经过用户确认的数据,就能组合出一个相当稳定的设备指纹。 Loupe 是直接调用 iOS 公开 API,把 App 能获取到的各种信息原样展示出来,可以直观看到自己的设备究竟暴露了哪些信息。 项目完全开源,App Store地址。
08 Iyun, 23:47

#杂 知道高考成绩和录取去向后的高三暑假,本应该是人生中最无忧无虑的日子。可我竟全然想不起自己做过什么,甚至早在多年前,这段记忆就仿佛被按下了彻底删除键,再无半点痕迹。
07 Iyun, 23:35

#人工智能 #分布式 在编写《图解分布式系统原理》的过程中,我用的是Mac上的画图工具Omnigraffle。现在文档要翻译成英文版,对应的需要把图片中的文字翻译成英文。一开始很头大,因为图片数量巨多,有几百幅自己手画的图片。后面一想不如问问AI,于是AI三下两初二就给我写了一个翻译 .graffle 文件(Omnigraffle 特有的二进制文件)的中文为英文文字的脚本。美中不足的是,还需要Omnigraffle Pro版本才能实现命令行将 .graffle 文件导出为png文件,导出为png图片这一步需要自己手动完成。不过关系也不大,我正好每个都自己审核一遍再导出。 这个过程里,需要给自己新植入的意识是:如果一件事情觉得为难,可以先描述清楚提问AI,也许能给出新的思路。以这个问题为例,虽然整个流程没有完全自动化,但是AI已经省去了这个任务里80%的图片文字翻译工作量了。
07 Iyun, 00:14

#人工智能 kimi code开发的一条推特:https://x.com/real_kai42/status/2062507087822000356 从描述里的“花了几千刀的 token”来看,大概率用的不是自家的Kimi模型。做其它类型的产品还好,但是自家就是做编码模型的,不用自家的编码模型来迭代,自己都不吃自己的狗粮,怎么都有点说不过去。 BTW:虽然Python写的kimi-cli已经暂停开发,转向了TS写的kimi code,我依然用kimi cli,目前对我而言功能已经足够了。
05 Iyun, 03:56

#世界观 #人工智能 《伯克利 CS 课程挂科率激增:AI 滥用与数学能力下降成主因》 我们曾用PC互联网打破信息孤岛,用移动互联网抹平地理边界,如今,人工智能又帮我们走完了获取知识的捷径。但这里潜藏着一个致命问题:信息触达和空间跨越可以交给技术去代劳,人类的‘大脑’也能被完全外包吗?当获取答案变得毫不费力,当深度思考被算法大规模接管,逐渐丧失思考本能的我们,最终会被这个时代塑造成什么样的新物种?
04 Iyun, 23:58

#世界观 最近看了一部有意思的国产剧《低智商犯罪》。 里面有一个有意思的桥段:大老板派出小弟开车接送送礼对象来现场勘验文物,路上小弟的车意外和另外的人发生剐蹭,小弟由于和对方讨要费用(因为这辆车是小弟借出来公司的用车,出了事故得自己掏钱),导致这次接送任务没有在规定时间完成,耽误了大老板的大事。 我从这个桥段里抽象的一个结论:在很多情况下,一个组织里,发号施令者的目标,和底下实际执行者的目标,在很多时候并不一致。例如,老板想的是星辰大海,可能底下员工思考的是自己家里的房贷、车贷,也就是怎么迅速拿到绩效。这就导致在任务布置和实际执行的时候,很多时候会发生极大的偏离。 这些思考在看了视频《我被Meta裁员了……又火速上岸了》更加坚定了,在这个视频里也吐槽了Meta现在的激励机制导致了员工追求那些快速可达的目标,没有人去承担风险。 这部剧里还有另外一个场景让我思考一个组织的结构。还是这个老板(王传君饰演),他所有关于外部的信息,都来源于底下人转述,自己从来没有到过一线考察,这就会导致:到自己的信息可能已经被转述多次发生了变形(甚至是南辕北辙方向性的错误),也可能对一线到底什么情况没有觉察。这就是所谓的“CEO成了最后一个知道公司要完蛋的人”。
04 Iyun, 04:05

#投资 #世界观 《Serenity启示录》,这个投资方式很有意思,但是对个人的要求也很高:需要对某一个行业的所有链条非常了解,前期需要下特别多的功夫,然后开出那一枪。
后来,Serenity索性独创了"瓶颈点投资法 (Chokepoint Investment)"。 如其名,这个方法的核心逻辑就是找刚需: 第一步,寻找不可替代性:在AI供不应求的背景下,寻找产业链中像"霍尔木兹海峡"一样绕不开的环节,如特定材料、设备或技术。 第二步,下注隐形冠军:专注于那些深藏供应链、被主流资金忽视的"螺丝钉"型企业,而非英伟达、谷歌等明星巨头。 第三步,做先行者:在市场尚未形成共识时,抢先于机构投资者和研究报告之前布局 而具体操作上,还可以细分为四个步骤: 初始研究 (Thesis):从研读学术论文、分析产业物料清单(BOM)开始,拆解和绘制全球供应链地图。 转化执行 (Execution):在识别到瓶颈点后,迅速将研究转化为实际交易。 后续尽调 (DD):交易的同时进行深入尽职调查,验证投资逻辑。 动态轮动 (Rotation):不采取"买入并持有"策略,而是动态捕捉"当下最活跃的瓶颈"进行轮动,以提高资金效率。
这位投资者的推特。
27 May, 23:53

#开源项目 #人工智能 开发者想找知名开源项目进行贡献时,会花时间贡献代码,但是提交之后,可能这个开源项目并不太接受社区的贡献,这样时间精力都浪费了。 GitSense 项目,可以根据开源项目的pr合并和回复时间等,判断是否适合给项目进行贡献。例如图
#开源项目 #人工智能 开发者想找知名开源项目进行贡献时,会花时间贡献代码,但是提交之后,可能这个开源项目并不太接受社区的贡献,这样时间精力都浪费了。 GitSense 项目,可以根据开源项目的pr合并和回复时间等,判断是否适合给项目进行贡献。例如图中给的vllm的分析。可以看到 vllm pr的回复和合并时间很长,过期(stale)的pr也很多,这样的项目就不适合去贡献你宝贵的时间和精力了。 GitSense 还有更多其它的玩法,可以基于AI帮助开发者找到适合自己贡献的开源项目,具体参看项目的readme。
26 May, 00:17

#开源项目 #人工智能 开发者想找知名开源项目进行贡献时,会花时间贡献代码,但是提交之后,可能这个开源项目并不太接受社区的贡献,这样时间精力都浪费了。 GitSense 项目,可以根据开源项目的pr合并和回复时间等,判断是否适合给项目进行贡献。例如:
λ gitsense radar vllm-project/vllm --out radar.md GitSense Radar ┏━━━━━━━━━━━━━━━━━━━┳━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━┳━━━━━━━┳━━━━━━━┳━━━━━━━━━┳━━━━━━━━━┓ ┃ Repo ┃ Score ┃ Action ┃ Merged ┃ Open ┃ Stale ┃ Merge ┃ Reply ┃ ┡━━━━━━━━━━━━━━━━━━━╇━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━╇━━━━━━━╇━━━━━━━╇━━━━━━━━━╇━━━━━━━━━┩ │ vllm-project/vllm │ 74 │ Watch │ 2755 │ 3014 │ 2444 │ 4.9d │ 8.4d │ └───────────────────┴───────┴────────────────┴─────────┴───────┴───────┴─────────┴─────────┘
可以看到 vllm pr的回复和合并时间很长,过期(stale)的pr也很多,这样的项目就不适合去贡献你宝贵的时间和精力了。 GitSense 还有更多其它的玩法,可以基于AI帮助开发者找到适合自己贡献的开源项目,具体参看项目的readme。
26 May, 00:13
26 May, ~00:17

#杂
#杂
25 May, 01:03

#投资 #人工智能 我以“假如AI Agent大爆发,会发生什么,哪些行业和公司会因此而受益”来提问AI,几个大模型(Kimi、DS-v4、Gemini)都没有回答出CPU和存储会因此受益。看来,这条演化路径本来就在现在AI的预测范围以外。 我的第一反应是:即使现在AI已经很强,但是个人的基础能力也不能落下。 我仍然坚信这个公式:AI工具的输出效果 = 个人能力 x AI模型能力。
22 May, 00:16

#杂 在线看山西临汾隰县的小西天 3DGS 数字存档
20 May, 09:03