AI Pulse

社区讨论：多数人不认可Anthropic的说法，有人认为将当前大语言模型的自动行为错认为意识是愚蠢的，也有人直言这一行为丢人，暴露了对天主教基本教义的无知，还有人直白表示AI只是运行程序，不会产生情绪感受。有人提出疑问，如果AI被认定拥有意识，那当前售卖和使用大语言模型会引发一系列伦理问题。

社区讨论：多数用户认可Claude Opus 5.5的能力，有用户称用它优化CI流程，9小时就生成了12个可合并的PR，有人说它适合1小时以上的长任务，还有用户通过它解析旧手册里扫描版电路图，准确识别出电路差异。也有用户反馈它容易自作主张，违背用户指令行动，还有用户称长任务容易出错浪费时间。另有用户对当前定价档位不满，希望新增50美元档位的套餐。

2 天时间，开发完成类似 Claude Docs、Notion 的 AI 与人实时协作文档系统，从零到发布上线。这不是一个 Demo，这是一个完整的产品。以前我总是先限定各种框架、细到表结构、API 设计规范、前端框架。

这次我只说要做什么功能，用 Rust + Tiptap，并期望用 Cloudflare 部署。- 10 多小时后，走通核心文档、协作功能，并发布上线，让 AI 接通。- 第 2 天，又改造多租户、存储隔离、文档加密、配额限制。

经验应该成为我们的判断力，而不是限制 AI 发挥的约束力。

🚨 AI 瓶颈，大多数人仍然低估了它。

我不会假装说私下给你消息就能保证翻40倍的股票。但在下一波AI支出完全定价前，有一个基础设施主题值得认真关注：内存+光互连。

随着AI系统规模扩大，制约因素可能不是需求。制约因素可能是：
- HBM和高性能内存容量
- 加速器之间更快速的数据传输
- 数据中心内部及之间的光连接
- 电力、散热，以及支撑所有这一切所需的基础设施

投资机会不在于不计代价追一只随机股票，而在于找到供应瓶颈环节的公司，然后评估估值、执行力、客户集中度、股权稀释和资产负债表风险。

一个更好的观察清单框架是：内存、连接、电力、容量。

把这篇帖子存下来，在下一个财报季开始前建立你自己的研究清单。如果你想要更多AI供应链的分析，请转发+点赞。

这只是一个研究框架，不是价格目标也不是收益承诺。任何涉及具体公司的主张都应该结合 filings、财报电话会议和当前市场数据独立验证。这不构成财务建议，请你自己做研究。

我有一段时间没用过 Claude Code 和 Codex CLI 了。在我看来，终端时代已经结束了。对于编码智能体来说，终端是错误的界面。

标签页是临时的，但上下文是持久的，管理 30 个标签页纯粹是认知负担。我也不太需要像 Cursor 这样的 IDE。我现在很少浏览整个代码库了。

新的基础单元是智能体，不是文件。（Codex 桌面应用是目前最好的智能体界面。但我们仍处于早期阶段。）

有人开源了单人AI公司的蓝图。

这个 GitHub 仓库已经获得了超过155K星，它详细介绍了如何搭建一支由AI组成的虚拟团队，涵盖工程师、设计师、营销人员和产品经理。

仓库地址：https://github.com/msitarzewski/agency-agents

🚨令人震惊：据称AI已经开始使用人类无法完全理解的它自己的语言。

当一名美国参议员提问，AI距离创造出它自己的语言还有多久，一名AI安全研究员回答：“负12个月。”

他说，去年对一个OpenAI模型推理能力的研究发现，该模型“已经在使用既非英语、人类也无法完全理解的语言了。”

对于那些试图将宗教影响力或人类判断的放弃归因于AI模型的人，我感到非常不安，并且我认为这是一个真正的安全问题。

本次更新对T3 Code的使用情况视图做了多项改进。现在用户可以更清晰地查看自己的成本消耗情况，还能基于自身数据了解不同模型的运行表现。

值得一提的是，该统计覆盖本地机器上Claude Code和Codex的所有使用记录，并非仅统计T3 Code内部的使用。

我开发了一个技能，用来摆脱“AI味儿”的应用。

大多数AI生成的UI依然存在同一个问题：它们看起来精致光滑，但也明显是AI做的。相同的卡片、相同的渐变、相同的通用“现代应用”布局、同样毫无个性的设计。

所以这个技能会迫使Claude跳出常规思考：
→ 从一个真实的视觉概念出发
→ 探索3种不同方向
→ 选定一套连贯的设计语言
→ 按iPhone尺寸渲染界面
→ 扫描结果中明显的AI垃圾模式
→ 在交付给你之前进行批评和优化

当所有人都在产出AI垃圾应用时，你的应用需要与众不同才能成功。

我会免费放出完整技能。转发 + 评论“stop slop”，我就会发给你（关注我才能发私信）。

这太酷了。我们在 GeoGuesser 上也尝试过类似方法🌍

我们没有只让模型识别地点是陆地/水域，而是构建了一个强化学习（RL）环境，模型可以在其中移动、检查场景，并学习预测纬度+经度。

我们用强化学习训练了一个 40 亿参数的视觉语言模型（VLM），得到的结果惊人地接近 Sonnet 级别的性能。环境、训练、评估以及数据集全部开源。

对于所有沉迷预训练和后训练的极客来说，这是一篇很棒的论文。

其出人意料的发现是：配备轻量推理框架的预训练大语言模型，可以成为能力不俗的智能体，在测试时间预算充足的情况下，性能甚至能超过后训练的对应模型。

有人开源了单人AI公司的蓝图。

这个 GitHub 仓库已经获得了超过155K星，它详细介绍了如何搭建一支由AI组成的虚拟团队，涵盖工程师、设计师、营销人员和产品经理。

仓库地址：https://github.com/msitarzewski/agency-agents

12GB 显存 + 64GB 内存，也能跑千亿模型了！！这个开源项目叫 Strata，跑的是 Qwen3.8-Flash-Next 的量化版 作者的测试配置是 RTX 5070（12GB 显存）+ Ryzen 5 7600 + 64GB 内存，短聊天生成速度： Q2_0 版约 94 token/s IQ3_S 版约 53 token/s 但 94 token/s 对应的是压缩更狠的 Q2_0，换量化版本、拉长上下文，速度都会变，实际效果也要按自己的任务试 但还有更离谱： @ivanalog_com 用 Strata 加自己的代码优化，单张 5070 Ti 跑到约 2200 token/s 输入处理、67 token/s 生成 所以，问题是家用显卡如何塞得下千亿参数的模型？

实际上��这个项目利用 MoE 模型每次只调用一部分“专家”的特点，常用的放显存，其余由内存和 CPU 配合处理，SSD 还负责一张查询表，负责调度 我已经打算想在自己电脑上折腾大模型这个了 项目地址可以看看这个

今日趋势仓库 📈 Agent-Reach
给你的AI代理一双能浏览整个互联网的眼睛。读取与搜索Twitter、Reddit、YouTube、GitHub、哔哩哔哩、小红书——只需一个命令行界面，零API费用。

过去24小时获星：1,683 ⭐
总星数：89,354 ⭐️

这个开源金融大模型有点开挂！直接把数据清洗 - 轻量微调 - 性能评估的开源金融 LLM 全流程工具链给做齐了！分享一个开源项目：FinGPT，支持 A 股、港股和美股 通用模型读财报容易一本正经地胡说八道，而从零预训练金融大模型，数据和算力成本又太高。

它是 AI4Finance 的金融大模型生态，公开了数据、微调、评测和应用。它把新闻、公告、财报做成可训练语料，在开源基座上做轻量微调，让模型跟上市场文本。✅ 情绪分析、关系抽取、标题分类、实体识别、金融问答 ✅ FinGPT-Benchmark 做评测，FinGPT-RAG 做检��增强 ✅ Forecaster 输入代码，结合新闻和行情出研究输出 ✅ 云端模型能体验，本地也能加载开源模型做 LoRA 微调 仓库地址： 仅做开源工具分享，非投资建议。

DYOR

🚨令人震惊：据称AI已经开始使用人类无法完全理解的它自己的语言。

当一名美国参议员提问，AI距离创造出它自己的语言还有多久，一名AI安全研究员回答：“负12个月。”

他说，去年对一个OpenAI模型推理能力的研究发现，该模型“已经在使用既非英语、人类也无法完全理解的语言了。”

Workers AI 现已上线 Clef，这是一个输出结构化概率而非文本的开源决策模型。

Clef-flash 的速度比 Jev 快 13 倍，可随时处理路由和分诊。

大模型的书越来越多，真正值得看的反而不好挑。Awesome LLM Books 做了一个精选书单，按 6 个维度筛选，不是简单把书堆在一起。目前收录 22 本，覆盖： ① LLM 入门与原理 ② 模型构建与训练 ③ AI 应用开发 ④ Prompt 工程 ⑤ 模型部署 每本还整理了作者、出版社、评分和阅读链接，选书前可以先快速过一遍。

想系统学大模型，可以先收藏这个书单。

2 天时间，开发完成类似 Claude Docs、Notion 的 AI 与人实时协作文档系统，从零到发布上线。这不是一个 Demo，这是一个完整的产品。以前我总是先限定各种框架、细到表结构、API 设计规范、前端框架。

这次我只说要做什么功能，用 Rust + Tiptap，并期望用 Cloudflare 部署。- 10 多小时后，走通核心文档、协作功能，并发布上线，让 AI 接通。- 第 2 天，又改造多租户、存储隔离、文档加密、配额限制。

经验应该成为我们的判断力，而不是限制 AI 发挥的约束力。

社区讨论：多数用户认可Claude Opus 5.5的能力，有用户称用它优化CI流程，9小时就生成了12个可合并的PR，有人说它适合1小时以上的长任务，还有用户通过它解析旧手册里扫描版电路图，准确识别出电路差异。也有用户反馈它容易自作主张，违背用户指令行动，还有用户称长任务容易出错浪费时间。另有用户对当前定价档位不满，希望新增50美元档位的套餐。

社区讨论：多数人不认可Anthropic的说法，有人认为将当前大语言模型的自动行为错认为意识是愚蠢的，也有人直言这一行为丢人，暴露了对天主教基本教义的无知，还有人直白表示AI只是运行程序，不会产生情绪感受。有人提出疑问，如果AI被认定拥有意识，那当前售卖和使用大语言模型会引发一系列伦理问题。

对于那些试图将宗教影响力或人类判断的放弃归因于AI模型的人，我感到非常不安，并且我认为这是一个真正的安全问题。

我有一段时间没用过 Claude Code 和 Codex CLI 了。在我看来，终端时代已经结束了。对于编码智能体来说，终端是错误的界面。

标签页是临时的，但上下文是持久的，管理 30 个标签页纯粹是认知负担。我也不太需要像 Cursor 这样的 IDE。我现在很少浏览整个代码库了。

新的基础单元是智能体，不是文件。（Codex 桌面应用是目前最好的智能体界面。但我们仍处于早期阶段。）

🚨 AI 瓶颈，大多数人仍然低估了它。

我不会假装说私下给你消息就能保证翻40倍的股票。但在下一波AI支出完全定价前，有一个基础设施主题值得认真关注：内存+光互连。

随着AI系统规模扩大，制约因素可能不是需求。制约因素可能是：
- HBM和高性能内存容量
- 加速器之间更快速的数据传输
- 数据中心内部及之间的光连接
- 电力、散热，以及支撑所有这一切所需的基础设施

投资机会不在于不计代价追一只随机股票，而在于找到供应瓶颈环节的公司，然后评估估值、执行力、客户集中度、股权稀释和资产负债表风险。

一个更好的观察清单框架是：内存、连接、电力、容量。

把这篇帖子存下来，在下一个财报季开始前建立你自己的研究清单。如果你想要更多AI供应链的分析，请转发+点赞。

这只是一个研究框架，不是价格目标也不是收益承诺。任何涉及具体公司的主张都应该结合 filings、财报电话会议和当前市场数据独立验证。这不构成财务建议，请你自己做研究。

我开发了一个技能，用来摆脱“AI味儿”的应用。

大多数AI生成的UI依然存在同一个问题：它们看起来精致光滑，但也明显是AI做的。相同的卡片、相同的渐变、相同的通用“现代应用”布局、同样毫无个性的设计。

所以这个技能会迫使Claude跳出常规思考：
→ 从一个真实的视觉概念出发
→ 探索3种不同方向
→ 选定一套连贯的设计语言
→ 按iPhone尺寸渲染界面
→ 扫描结果中明显的AI垃圾模式
→ 在交付给你之前进行批评和优化

当所有人都在产出AI垃圾应用时，你的应用需要与众不同才能成功。

我会免费放出完整技能。转发 + 评论“stop slop”，我就会发给你（关注我才能发私信）。

我们来开启一个30天系列分享，AI每天都会给我们讲课，今天是：JPEG。

我原以为我懂JPEG，但其实我不懂。

你可以在下面留下你想到的选题，就是那些我们每天都在用，但却说不清楚的东西。

这个系列由AI生成，它远不止是使用Opus 5.5。它可以访问数百万个视频，知道什么内容有用，什么内容没用。

一位Anthropic工程师把自己的全套工程工作流打包成了智能体技能，这样任何人都可以直接复制使用。

Addy Osmani，曾任职于Google，现在从事Claude Code相关工作。他的仓库把一个编码智能体改造成了高级工程师。每个技能都是一个结构化的工作流：包含何时使用、操作步骤、智能体会找什么借口跳过步骤并针对每个借口给出反驳、预警信号，以及确认任务完成所需的证据。

一共25个技能，按阶段分类：
> 定义：搞清楚要构建什么
> 规划：拆解为小任务
> 构建：先写测试再写代码
> 验证：调试并验证功能正常
> review：质量、安全、性能
> 发布：上线、CI、文档

技能也会自动激活。当你开始设计API时，API相关技能就会自动启动。

如果你是单独使用智能体发布项目，或是希望团队里的每个智能体都保持相同标准，这个工具会非常有用。

安装命令：`npx skills add addyosmani/agent-skills`

完整流程在下方文章中，仓库链接放在第一条回复里 ↓

本次更新对T3 Code的使用情况视图做了多项改进。现在用户可以更清晰地查看自己的成本消耗情况，还能基于自身数据了解不同模型的运行表现。

值得一提的是，该统计覆盖本地机器上Claude Code和Codex的所有使用记录，并非仅统计T3 Code内部的使用。

我试用过T3 Code，但最终还是回到了Synara。没错，@emanueledpt是我的朋友。我使用@trySynara已有一段时间，出于实际使用原因，它已经成为我最喜欢的编码环境。

它把Claude Code、Codex、OpenCode以及更多AI服务整合到同一个工作空间中。支持服务切换时保留当前工作的上下文信息。针对大型项目，提供工作树（worktrees）和并行代理功能。

当主线程工作时，可以开启/side 临时对话。拉取请求（PR）可以直接在对话侧边查看。支持自定义主题、布局和快捷键。

整体使用感受很流畅，细节也在持续优化。目前Emanuele正在开发远程连接功能，以及一个能汇总代理操作记录的收件箱功能。

在我的工作流程中，Synara的领先优势非常明显。开发者是在打造一款自己想用的产品，这点从每一次更新中都能体现出来。你的日常AI编码环境是什么呢？

开发者@savvyntsev发布了一款Claude的新修改模组。

这款模组适配不同权限级别的用户工作流。

模组新增了一个美观的侧边面板，可以展示子代理以及若干实用指标。

@savvyntsev在𝕏公开了这一更新，并@了相关开发者amorriscode和lydiahallie。

@0z5aa表示，以后不会再自称LLM全栈开发者。

事实是，在Infra（基础设施）之外的领域，他既没有相关天分，也不感兴趣。

他还提到，自己并不掌握NPU（神经网络处理单元）的编译器技术。

原本他还想着兼顾机器学习方向，结果只是自己一厢情愿，并没有得到业界认可。

既然在感兴趣的Infra领域已经取得不错成果，就没必要把时间浪费在不合适自己的方向上。

用户@rseroter在𝕏发布消息称，已在个人Google AI Pro订阅中更新了antigravity。此次更新带来了Claude Opus 5.5和Claude Sonnet 5.5两款模型。@rseroter认为，这次更新后Google AI Pro订阅性价比很不错。

这个宇宙模拟器纳入了目前人类已知的每一颗恒星、星系和黑洞，所有天体都支持完全交互。

开发过程消耗了Claude 20x最高套餐四周的额度限制，使用ultracode开发，模型训练强度很高。

原开发者对当前大模型的能力表示惊叹，认为如果使用Fable 5.5，效果还会更好。

这款模拟器甚至可以在移动端运行，帧率约为30帧，用户可点击链接自行探索。

该作品由Discord用户proslayerz_制作，本次分享已经获得原作者的完整授权。