作者在生日之际回顾过去一年的经历：从加拿大到新加坡再到中国，从实习生到代理 CEO，再到创业未果后投身开源。他坚信 AI 时代的基础设施应围绕 agent 重新设计，尝试申请创业营但因对国内 VC 模式失望而放弃融资，转而 all in 研发 Ephemeral Sandbox。在田老师等人的帮助下，项目转向 FUSE 技术路线并演化为 LayerFS，于四天前发布 v1.0.0。尽管面对 90% 的质疑，他决心把这一底层基础设施项目长期做下去。
文章深度还原了2024年字节跳动视频生成模型Goku训练故障事件。团队经历数月无法解释的训练异常，上百名工程师参与排查，最终发现PyTorch代码被篡改、共享服务器上存在隐藏攻击代码，矛头指向实习生田柯宇。字节随后辞退并起诉田柯宇。两年后，田柯宇获近3000万美元融资并在播客中重提旧事，称自己出于“朴素的正义”，引发前同事公开回应与争议再起。文章通过多方访谈呈现排障细节、字节的处理过程，并探讨AI人才竞争中成果与手段的伦理问题。
红杉资本合伙人 Stephanie Zhan 宣布创立一只新的早期 AI 基金，专注于在公司成立之初就与创始人合作，押注于共识之前的大胆项目。基金 LP 包括红杉、Jeff Dean、Sachin Katti 等，她仍将保留红杉合伙人身份。她在斯坦福 Andrew Ng 实验室的经历塑造了她对 AI 的信念，并回顾了投资 Skild AI、Reflection AI、Ricursive AI、Linear 等公司的经历，强调在共识之前相信创始人、帮助其获得资本、算力与客户的重要性。
DeepSeek 发布 V4.1-Flash-1017 模型，性能更强、任务完成更快、输出更短，实现性能与成本的帕累托改进，已在官网、App 和 API 上线。模型通过强化学习自反馈优化端到端项目开发能力，覆盖游戏创建到 3D 建模等完整项目构建，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等工具优化。同时 Search & Fetch API 面向所有人开放，基于自研搜索引擎，每端点 $0.75/千次调用，已在 Hugging Face 和 ModelScope 开源。
文章梳理了曾因在字节跳动实习期间恶意篡改代码被起诉索赔800万元的田柯宇，如今创立世界模型实验室并获五源资本合伙人孟醒领投近3000万美元的事件。作者深入调查孟醒的十五年的职业履历，指出其在Orbeus、知图科技、滴滴自动驾驶等公司的经历存在时间线重叠与美化的痕迹：每逢商业化进入艰难阶段便抽身离场，却将留守团队多年熬出的收购成果包装为自己的'成功退出'。文章质疑这位自称把'价值观契合'放在最高优先级的投资人，为何领投中国AI行业职业诚信争议最大的年轻人，揭示了创投圈叙事包装与职业诚信的深层矛盾。
作者从数值仿真研究背景出发，探讨人工智能仿真与递归自我改进（RSI）之间的数学联系。文章回顾了非连续变形分析（DDA）在地震工程中的应用、二战德军潜艇狼群战术与英国兵棋推演的历史，说明仿真不仅是求解已知方程，更是发现未知数学关系的实践方法。作者认为RSI本质上是仿真及反馈过程的自动化：多智能体系统可模拟兵棋推演中的各方参与者，通过反复生成场景、评估结果并保留改进来提升能力。文章进一步讨论了运筹学、参数化与非参数化方法、接触理论及不等式系统在仿真中的数学基础，并强调RSI会同时放大改进与错误，验证与基准检验必须贯穿整个迭代过程，以防止未经验证的结果成为后续自我改进的基础。
文章介绍了10个循序渐进的 AI Agent 实战项目，帮助开发者从简单的工具调用进阶到自主智能体系统。项目包括：工具调用 Agent、ReAct 推理循环、多工具选择、记忆 Agent（短期与长期记忆）、规划 Agent（任务分解）、反思 Agent（自我评估与修订）、多 Agent 协作系统、研究 Agent、编码 Agent 等。文章通过架构图、技术栈（Python、OpenAI、LangGraph、Pydantic）和学习要点，阐述了智能体设计中的核心问题：工具选择、记忆管理、任务分解、错误恢复、自我验证及多 Agent 协调等。
本文探讨递归自我改进（RSI）在企业蓝领 AI 场景中的应用价值。作者认为，与科学发现领域相比，企业运营因其流程确定性、文档化、可审计的特点，更适合 RSI 立即产生价值。企业积累的海量 SOP、工程规范和监管文档可同时充当知识来源、执行约束和验证基准。文章提出企业 AI 需满足高精度执行和自助式自动化两大要求，主张由领域专家（SME）直接监督 AI 系统，实现从工作流发现、PoC 到生产部署与持续演化的自助式开发。核心架构是共享前沿模型加面向具体工作流的本地 RSI 小模型，配合动态脚手架和群体智能体协同，并遵循版本管理、回滚、审计等企业治理实践。
文章以Khosla Ventures两位合伙人Khosla与Rabois因AI编程公司Factory顾问Degnan跳槽至竞争对手Cognition而公开争执为切入点，揭示了硅谷一级市场的现实逻辑：资本可以同时下注多家竞对公司，但关键资源（如顶级销售高管、企业客户、信息通道）永远是排他的。文章剖析了两家公司快速膨胀的融资与估值、VC圈层化的人脉网络、投资人与高管身份的切换，以及股东兼客户的利益冲突，指出创业者所期待的忠诚从未在合同中被承诺，资本最优化配置往往意味着牺牲个别被投公司的利益。
BoardRepo 宣布为 PCB 设计推出版本控制功能。借助 KiCad 插件，用户可在 KiCad 内一键推送、拉取项目并添加变更说明，无需终端或 Git 命令。所有版本的原理图、布局及相关文件集中保存，可随时回溯到任意历史版本并查看谁在何时做了什么改动。其可视化 diff 功能支持并排对比两个版本，变更直接高亮显示在电路板布局上，解决了文本 diff 对 PCB 文件意义不大的问题。该工具已支持 Mac 和 Windows。文章指出，AI 正在加速 PCB 设计并降低门槛，硬件领域需要类似 GitHub 的版本管理方案。
DeepSeek 发布 Harness v0.2 预览版，推出 macOS 和 Windows 桌面应用。新版本改进了文件显示、内容预览和代码变更展示，简化定时任务的设置与管理。核心亮点是插件系统：新增插件管理器，无需终端命令即可安装、禁用或卸载插件；实验性创作者模式允许用户用自然语言描述需求，自动创建插件。官方数据显示 Harness 是 DeepSeek API 用户中最广泛使用的编码 Agent。未来计划改进沙箱与安全、Agent 团队、长期记忆、浏览器自动化、远程访问，并建设官方插件市场，完善插件 API 兼容性。
文章指出仅掌握基础的'chat with PDF'式 RAG 流水线（分块、嵌入、向量检索、LLM）不足以构建真实生产系统，并推荐 10 个进阶项目：混合检索（BM25+向量）、元数据过滤、重排序、上下文分块、SQL+向量混合、知识图谱+向量、纠错式 RAG、自感知 RAG、多模态等。每个项目均说明要解决的问题、系统架构、技术栈（Python、pgvector、LangGraph、Neo4j 等）及学习要点，帮助开发者从语义相似度走向关键词匹配、结构化过滤、关系推理与检索质量反馈等生产级能力。
文章讲述了 Jamie Beaton 的故事：31 岁已获得哈佛、斯坦福、牛津、清华等 12 个顶级大学学位，同时创立并经营估值超 6 亿美元的教育公司 Crimson Education。作者借此探讨 AI 时代大学教育的价值变迁：知识因 AI 变得越来越便宜，但名校的文凭、筛选机制和圈层认证反而更贵。Jamie 把学校当作基础设施，看重的是教授、同学、研究环境和跨学科训练，而非单纯的知识获取，揭示了教育与认证的分离趋势。
文章讲述了DeepSeek与华为两条看似毫无交集的技术路线如何走向深度结盟的故事。幻方量化创始人梁文锋早在2019年就囤积算力（萤火一号、二号），而华为通过海思备胎计划在实体清单后推出昇腾芯片。在英伟达对华禁售后，DeepSeek以极致工程能力用低配H800训练出V3和R1，震撼硅谷并引发英伟达市值暴跌。2026年，梁文锋押上200亿元，联合华为将下一代旗舰模型迁移到纯国产昇腾底座，并在内蒙古规划16万颗昇腾芯片的超大型数据中心。这是一场被地缘封锁逼出来的、别无选择的技术突围。
文章解读小米罗福莉关于 MiMo-V2.6 的 RL 复盘，探讨 RL 能否像预训练一样规模化。MiMo-V2.6 单次更新抽取 1568 个任务、每任务 16 条 rollout，一个 Step 生成约 2.5 万条 Agent trajectory。文章指出 Agent RL Scale 的三大难点：需要 7000 多个 RL Task Environment 供模型进入；将 Harness 混入训练实现跨 Harness 迁移能力（You Only RL Once）；以及需要强大的 Grader 评估轨迹质量并对抗 Reward Hacking。作者认为未来模型公司的核心能力是建造 Experience Factory，让模型通过大量真实经历实现下一轮 Scaling。
文章梳理了彼得·蒂尔2026年的一系列动向：在阿斯彭公开批评教皇列奥十四世的AI全球监管通谕；四处讲授"敌基督"理论，将其反监管立场包装成神学叙事；公开指责Anthropic借安全名义扩张权力；重注推理芯片公司Etched；举家迁往阿根廷，投资米莱政府治下的页岩油公司Vista，并支持其激进去监管政策。作者剖析了蒂尔的局外人处境、吉拉尔摹仿欲望理论的影响，指出他嘴上谈形而上学、掌心落下的全是资本与权力布局，其自由观最终只能在旧大陆之外寻找落脚点。
Skild AI 创始人 Deepak Pathak 宣布公司实现 1 亿美元 ARR，并阐述部署为何是机器人研究的隐藏支柱。文章指出机器人无法像 LLM 那样先研究后部署，演示视频会掩盖真实准确率，部署中必须同时考虑速度、精度和对变化的适应能力。这些实践催生了 S1 模型——通过单视频上下文学习即可掌握新任务而无需微调。作者还探讨了演示文化与部署文化的冲突，并提出物理 RSI（递归自我改进）路线：将各专业部署的数据反哺通用基础模型，形成持续改进的飞轮。
DeepSeek 发布新架构家族中最小的模型 V4.1-Flash，具备原生视觉理解能力。该模型采用非对称因果编码器-解码器架构，552B 参数 MoE，仅 8B 激活参数用于输入、16B 用于输出，通过新预训练方法和大规模 RL 后训练，性能超越旗舰模型 V4-Pro。KV 缓存仅需前代 1/4 的 HBM 和 1/8 的 SSD 存储，大幅降低 Agent 成本。模型已上线 DeepSeek API，支持多模态，API 价格下调，非高峰时段费率为峰值的 50%。官方将与开源社区合作推进推理支持，模型已在 HuggingFace 开放。
本文介绍深度流形框架，一个旨在揭示神经网络数学结构的理论体系，由四大支柱构成：学习作为反问题（解释了学习的适定性与锯齿智能现象）、范畴论（神经网络学习的是数据间关系而非数据本身）、堆叠分片流形（学习发生在层与迭代形成的演化几何结构中）、不动点理论（描述学习在变化边界条件下的推进方式）。文章阐述了神经网络方程、训练动力学、模型推理的数学原理，指出网络能力源于计算的无属性性与满秩性。该框架旨在为神经网络建立严谨的数学基础，实际意义在于实现更高效的学习、更好的对齐和更小的模型。
文章整理了 Lenny 播客中多位行业专家（Mayur Kamat、Jason Shah、Matt MacInnis 等）关于职业早期发展的 10 条建议：优先选择高速成长、人才密度高的团队；优化学习复利而非初始工资；先证明可靠执行力再谈战略；探索职业方向要有假设；尽早找到强项并补充互补能力；选择能提供反馈的经理；建立可讲述、可验证的职业故事；主动建立关系而非索取式 networking；以及不必一开始就决定是否成为高管。核心观点是职业早期应重视学习速度、执行工艺和优势积累。
本文是 Agent 记忆系列第二篇，基于普林斯顿的 CoALA 认知架构框架，将 Agent 记忆分为四种类型：工作记忆（当前上下文）、语义记忆（事实性知识）、情景记忆（带时间戳的具体事件）和程序性记忆（Agent 自行从重复经验中学到的规则）。作者强调仅靠厂商记忆功能只覆盖语义记忆的一小部分，完整的生产级 Agent 还需理解记忆的六阶段生命周期：提取、存储、检索、注入、更新与遗忘。文章为后续动手构建带记忆的 Agent 系统奠定概念基础。
本文提供了一份从零到可就业的 AI 工程师分阶段学习路线图，区别于单纯的技能清单，每个阶段都附带经过验证的优质课程、文档和书籍。路线涵盖六个阶段：软件工程基础（Python、API、Git）、LLM 工作原理（Karpathy 课程、3Blue1Brown）、提示工程与 API 掌握、RAG 检索增强生成（最具就业价值的技能）、Agent 与编排（LangGraph、MCP）、以及评估与生产部署。作者建议用 8-12 个月完成学习，并强调构建真实项目组合和公开写作是获得雇佣的关键。
本文提出“Agent体验工程”（AX）这一新概念，指设计易于智能体使用的产品，使LLM更愿意采用。作者认为智能体正成为软件的主要购买者，传统UI的粘性优势消失，产品需通过API、MCP服务器、CLI等接口优化智能体体验。同时，原先的“上下文工程师”角色被AX工程师吸收，UI从操作层转变为监督层。文章最后给出实践建议，并预测AX工程师将成为未来品牌必备角色。
作者分享了使用生财MCP的体验，认为它相当于一个庞大的知识库系统。文中列举了五种常见玩法：根据项目赛道让AI搜索关键词并生成30天执行手册；将方法论提炼沉淀为语录和内容创作素材；利用文章框架进行内容创作；快速找到相关资源和人脉；以及利用风向标信息源进行行业机会分析和社群运营。作者还提到生财内部已上线许多新功能，认为其价值很高。
作者kepano探讨了生物、个人、产品、组织和网络如何在竞争环境中获胜并建立护城河。文章指出成功的事物往往在一组狭窄且独特的策略组合上优化能力，并系统梳理了80种竞争策略，按积累、价格、时间、独特性、进攻、防御、欺骗、时机、认证、协作等大类分组，每条策略均附有生物学与商业案例，如网络效应、专业化、威慑、模仿、先发优势、垄断声望与共生等，是一本跨越生物进化与商业竞争的思维框架手册。
本文基于曹原访谈，探讨数学、逻辑与物理世界的区别及AI在科学发现中的局限。AI擅长演绎推理，但跨越物理边界面临挑战。真正的科学智能需要从封闭学习空间转向开放式自我演化，通过实验反馈不断重构关系结构。
本文深入探讨了 AI 领域中备受争议的“蒸馏”技术。文章追溯了蒸馏从最初的模型压缩方法到如今被用于“蒸馏攻击”的演变过程，分析了其技术原理、规模化实现方式以及引发的伦理与竞争争议。通过访谈多位研究员，文章揭示了蒸馏并非简单的复制，而是涉及复杂系统工程，且不构成长期壁垒。同时，文章也讨论了蒸馏与数据飞轮的关系，以及行业对黑盒与白盒蒸馏的不同态度，呈现了这项技术背后的商业、伦理与竞争图景。
本文详细记录了在RTX 3060 Ti 8GB最低配显卡上本地部署运行MiniMax H3音视频大模型的全流程。涵盖ComfyUI安装、39.6GB量化模型下载及排坑（如文件截断断点续传）。实测验证了该配置的生成耗时、分辨率与帧数限制。文章总结了生成画面的两条硬规则及结构化提示词的三字段写法，并意外发现模型对中文字体渲染极佳，为低显存用户提供了一套可实操的保姆级教程。
作者分享了使用 Seedance 2.5 模型制作超写实 AI UGC（用户生成内容）视频的完整工作流。该模型能生成30秒无偏移的连贯短片，有效避免了传统AI视频的虚假感。文章详细展示了两个产品推广视频的提示词构建，涵盖镜头、视听风格、人物及分镜脚本。核心步骤是先在 TikTok 等平台寻找已获成功的真实营销视频作为参考，再通过纯文本提示词生成高质量短剧视频，为产品营销提供新思路。
文章探讨了在产品开发日益容易的当下，分发和销售成为关键瓶颈。作者详细分析了X(Twitter)和YouTube两大渠道的运营策略，包括主页设置、细分领域选择、算法机制及从0到1的增长技巧，强调内容价值与外部助推的重要性，并指出高价值细分领域的变现潜力。
