TypeSafe AI 发布了决策模型 Jev，不同于传统 LLM，它不生成文本，而是返回带概率的结构化决策结果，在路由、分类等窄任务上比领先 LLM 快 200 倍、便宜 400 倍，并具有一致性和可并行性。LangChain 团队认为这与其'prod, not god'理念契合：代码掌控工作流，AI 只处理需要语义判断的分支。文章介绍如何用 LangGraph 编排 Jev 决策，包括节点、状态和边的架构，以及持久化执行、人在环路和可观测性等可靠运行时能力，实现可靠、可测试的 AI 驱动生产系统。
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。
Alexandr Wang 宣布构建 Muse，认为大多数人从未说出自己真正想要的东西——梦想常在繁文缛节与犹豫中悄然消逝。他设想为每个人配备一个'第二心智'，像一个专属总经理，帮助人们明确愿望、制定计划、发邮件、打电话、寻找资金并持续推进，直到只剩下人类独有的'想要与梦想'这一部分。他指出，迄今为止世界只由少数狂热者塑造，而当八十亿人的能动性被全面激活、只需写下梦想即可开始行动时，世界将迎来前所未有的改变。Muse 旨在帮助人们构建自己想要的世界的旅程。
谷歌宣布其长期研究项目Project Suncatcher即将进行首次轨道测试，通过SpaceX的Transporter-18任务发射一颗原型卫星，验证TPU芯片在太空环境中的表现。文章介绍了三大工程挑战：一是硬件生存能力，卫星需承受发射时的剧烈震动和高达10倍重力加速度的载荷，TPU还须抵御太空辐射，测试显示Trillium TPU可承受超过五年太空任务的辐射总电离剂量；二是散热问题，太空真空环境无空气对流，团队开发了热管加辐射器的冷却方案；三是卫星互联，未来卫星集群需通过高带宽激光通信保持连接。2027年计划发射两颗卫星进一步测试。
本文介绍使用 Gemini 3.8 Live 和 Google Agent Development Kit (ADK) 构建实时保险理赔语音代理的四种核心模式：1）工具标记为 NON_BLOCKING，让代理在执行代码时保持对话流畅，重要信息可打断；2）通过独立记录所见、来电者所述及验证结果，并用第二个模型复核照片证据，避免盲从口头描述；3）一个模型负责通话，后台由七个步骤的 SequentialAgent 团队异步整理理赔文书；4）模型负责理解对话，Python 负责执行金额、日期、安全等硬性规则。文章包含完整开源代码和本地运行指南。
本文基于 Anthropic 经济研究所的工作论文《Economic Scenarios for Transformative AI》，分析 AI 对就业、教育、投资和社会的四种冲击。报告设定温和、显著、极端三种情景，极端情景下 2030 年认知岗位失业率高达 17.9%、认知工资下降 11.5%，而资本收入大增 81.4%，GDP 增长并未让劳动者多拿。文章指出学历正从避险资产变为贬值资产，白领认知岗位受冲击最大且最难转行；建议读者在 2027 年分化显形前做出职业与投资决策，并提醒平均工资等宏观指标可能掩盖真实的个体损失。
作者回顾了自己从本科时期进入A股，到学习量化交易、搭建完整量化系统的经历。在多年实盘运行后，他发现自己赚到的钱与投入的时间精力严重不成正比，且量化并未真正排除主观情绪的干扰。最终让他淡出A股的不是亏损，而是机会成本：同期纳斯达克100指数涨幅远超他的A股策略收益，而他作为拥有香港身份、可便利投资美股的人，完全没必要把自己限制在A股。作者感悟到投资并非努力竞赛，选对市场和资产比努力更重要，A股量化研究不再是他资产配置的重心。
作者被一位985博士安利了ScienceBuddy后，感慨现在的年轻人恰逢其时。ScienceBuddy是PhAILabs推出的免费AI科研工作台，集成了文献检索、数据库查询、组学分析等科研工具。作者重点介绍了两大功能：一是数据分析，上传数据后它会自动规划步骤、检查数据、运行代码，生成图表和分析脚本，全过程在轨迹中可查看可追溯，作者用Apple健康数据验证了效果；二是制定计划，能将模糊的研究或学习目标拆解为详细的落地路线图。文中还提到它与Claude相似，将多个领域的真实科研代码做成供AI Agent练习的环境，目前完全免费且响应速度快。
作者分享了使用 Claude Opus 5.5 直出生成程序化动画短片的完整提示词。目标是用代码构建一部 25-30 秒、具备电影质感的全程序化动画短片，串联角色、神经元、三棱镜色散、几何色彩、向日葵、螺旋星系、黑洞、宇宙隧道、地出等多个视觉意象，并要求场景间通过形状渐变、粒子过渡、镜头推进等方式自然形变衔接，形成连贯的意识流。技术栈选用 Vite、TypeScript、Canvas 2D 与确定性时间轴系统，避免 React 与重型依赖，风格为手绘插画质感的科普动画，附完整配色、场景与转场细节规范。
本文介绍如何使用 Gemini Live API 构建具备自然对话体验的实时语音 AI Agent。与传统的单向 TTS 不同，Gemini Live 采用音频到音频的双向通信，能感知语气、停顿并支持随时打断。文章详细讲解了系统架构：浏览器客户端通过 WebSocket 连接 Python 后端，再与 Gemini 建立持久双向会话，并实现发送、接收、播放的并发核心循环。针对打断延迟问题，作者提出本地立即静音的 barge-in 技巧，并结合内置 VAD 实现即时响应。最后通过工具调用（function calling）与异步确认模式，让语音 Agent 能够播放音乐等实际操作且不产生尴尬停顿。完整示例代码已在 GitHub 开源。
本文是针对 Claude 新用户与被封过用户的万字指南。作者首先介绍 Opus 5.5 发布后的价格与速度变化，厘清网页版、Claude Code 和 Console API 的区别与计费方式；随后系统讲解使用环境配置，包括地区资格、代理节点选择、DNS 检测、断线回退、时区与浏览器环境等常见误区，并分享多款代理工具的实际使用体验与选择标准；最后分析 Anthropic 官方公布的账号停用原因，强调正常使用订阅、避免凭据中转和转售，并给出注册邮箱、付款信息和身份验证的安全建议，帮助读者理性配置、降低封号风险。
文章介绍三种在提示词中追加描述、让 AI 生成视频更接近实拍效果的方法：手持镜头的轻微晃动增加现场感和呼吸感；前景遮挡与过肩镜头构建前中后三个层次、增强纵深；明确主光源位置和明暗关系以提升立体感。作者强调通过对比测试逐项验证效果，保持其他生成条件一致，并注意删除与追加描述相冲突的原有提示词。三种方法可叠加使用，按镜头、构图、光线顺序书写，且只保留经测试有效的描述。
作者回顾了自 1979 年以来的专家系统开发经历，介绍 TypeSafe AI 于 2026 年 9 月 15 日发布的首个公开 System One 模型 Jev。Jev 由前 OpenAI 研究员 Diogo Almeida 创立的公司打造，获 4000 万美元种子轮融资。与聊天型 LLM 不同，Jev 是“反聊天机器人”：它接收状态和类型化问题，在 70-500 毫秒内返回概率、置信度的决策结果，输出仅有 Choice、Score、Noul 三种原语。其训练方法为面向校准决策的强化学习（RLCD）而非 RLHF。作者认为 Jev 代表下一代操作系统形态，是将可靠的机器决策嵌入软件内核的缺失原语。
本文深入解析了 OpenAI GPT-Live-1 全双工语音模型的架构原理。文章回顾了语音系统的三代演进：级联设计（ASR+LLM+TTS 串联，存在信息丢失和延迟叠加问题）、轮次式端到端语音模型（保留语气情感但依赖 turn detector，容易不自然）、以及全双工架构（模型同时监听和说话，沉默也是一种 token）。GPT-Live 通过将思考从说话中委托出去，保持语音模型小而快以实现毫秒级响应，同时依赖服务端系统的低延迟优化。文章还讨论了全双工系统的评估方法与实时系统工程经验。
文章批评'不再读代码、不再写代码'的行业风气。作者指出代码可维护性和好架构难以即时度量，其恶果需要数月甚至数年才显现，而有经验工程师依靠长期实践积累的直觉来嗅出代码异味。AI 因缺乏可度量的奖励信号，无法理解什么是可维护的代码，且从质量低劣的野生代码中学习模式，在简化代码、定义可复用函数上表现糟糕。更危险的是，依赖 AI 写代码和读代码的开发者将永远无法达到精通，因为他们不再从错误中学习。作者认为 LLM 只是工具，预言未来会有公司以'无 AI'政策作为竞争优势。
文章介绍了 sweety-image-art-direction，一个用于提升 AI 生成图片质量的图像美术指导 Skill。作者指出 AI 图片的“廉价感”源于缺少可信度、取舍和审美一致性，如塑料皮肤、假 HDR、无逻辑细节等。该 Skill 充当构图师、摄影师和修图师的“兜底”角色，可检查和修改已有图片，适用于人像、海报、信息图和手绘等场景。它遵循统一的透视、光影、材质和排版逻辑，保留用户明确要求，并提供默认美术模板。文章还介绍了安装调用方法和人像、海报、水粉插画等实际案例。
本文是 zx_loro 在 local-first 线上会议分享的文字版（上篇）。作者团队从 CRDT 库 Loro 出发构建了 local-first 团队 AI agent 控制面 Lody，并在实践中总结出'CRDTs are not enough'的观点。文章介绍了本地优先软件的理念（秒开、离线可用、多端协作、数据归用户所有），指出统一同步引擎应吸纳请求失败、权限管理、持久化等必要复杂度，并分析了 CRDT 库（Loro、Yjs、Automerge）只覆盖纯计算而不涉及网络与持久化的局限。作者分享了团队自研新 CRDT Flock 实现目录级 metadata 同步，以及在浏览器本地存储、全文搜索、端到端加密等方面的实践经验。
文章探讨金融科技产品在资金到位后的下一阶段发展，提出赚、花、借应纳入同一产品对话。Blend 提供非托管账户基础设施，支持平台通过自身产品提供收益，每个用户拥有独立链上账户。文章围绕三个用例展开：Earn（将余额投入合适的收益策略）、Spend & Earn（连接收益余额与日常支付，如 Aave 与 MetaMask Card 的消费即赎回模式）、Borrow & Spend（以抵押借贷获取流动性而无需卖出资产）。文章引用 Circle USDC 流通量达 733 亿美元、代币化美债规模约 148 亿美元等数据说明市场规模，强调产品团队应围绕真实客户行为构建，并注意清算风险与资金时序问题。
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。
文章介绍了如何制作 AI 角色设定板（Character Sheet）以实现人物一致性控制，这是打造 IP 和提升作品留存率的关键技能。作者将角色卡视为一张角色视觉定义图，分四个步骤讲解：一是通过正面、侧面、背面多视角固定角色的脸部特征与整体造型；二是通过表情、微表情、姿态和手部动作增强角色表现力；三是补充发型、服装材质等细节说明以提升质感；四是结合图像生成工具与完整提示词模板进行实操。核心原则是所有小图都服务于中心主形象图，为 AI 提供一份'角色说明书'。
作者分享了一个用于去除文本AI痕迹的Prompt，可在ChatGPT、Claude、Gemini及CodeX、CC等工具中使用，效果尤以Gemini为佳。该Prompt通过两大原则实现：一是删除典型AI写作模式，包括夸大重要性、动名词假深度、广告语言、AI高频词、滥用系动词、否定式排比、三段式结构、被动语态及聊天机器人套话；二是注入真实人声，通过变换句式节奏、表达个人观点、允许矛盾与口语化表达让文字更自然。Prompt要求执行三遍重写流程并支持按写作样本校准语气。
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。
本文探讨如何通过循环工程降低自主编码 Agent 的 Token 成本。以一个 5 轮 PR 修复任务为例，未优化的 Harness 消耗 81,000 tokens（$1.53），而优化后仅需 12,050 tokens（$0.042）。核心机制包括：稳定的系统前缀以最大化 KV 缓存命中；基于 AST 的工具输出压缩，仅提取代码骨架；沙箱确定性工具预检与自动修复，避免浪费 LLM 推理；MCP 工具 Schema 的按需懒加载与 Code-Mode 执行；以及双层级模型路由（Workhorse 处理机械性任务，Frontier 处理复杂规划），并定义了四种确定性升级触发条件，实现亚角级（sub-dime）任务成本。
文章为零基础小白提供了一条不花钱买课的 AI 入门路线图。作者梳理了 AI 的四类核心能力（理解表达、生成内容、处理信息、调用工具），解释了 AI 输出不稳定的四大原因，并强调提示词即任务说明，需包含目标、材料、边界和完成标准。文章还介绍了知识库的适用场景、工具/Agent/API/MCP 的区别，以及何时把流程沉淀为 Skill。最后通过七天案例带读者做出一份可持续更新的学习包，并附上可直接使用的入门教练提示词，以及小白最常问的 10 个问题解答。
作者指出FDE岗位对国内大部分普通人难以落地，但Palantir的Deployment Strategist（内部称Echo）更值得关注。文章以车企营销日报项目为例，详细拆解Echo的工作内容：把模糊的客户需求拆成业务规则和开发任务、在开发过程中管控规则变更、用旧日报逐项验证系统输出、交付后持续跟进业务使用情况。最后给出普通人向Echo靠拢的路径：练习追问需求、输出规则清单等文档、善用AI工具，从手头重复性工作入手，把它变成AI可参与且可检验的流程。
本文介绍了 AI 圈新火的模型 Jev——一个不做文本生成、只返回带概率判断的决策模型。文章讲清了它的三种用法（是非判断、选项选择、打分），提供了四种 30 分钟内可上手的接入方式（官方 Skill、Vercel、OpenRouter、SDK），并整理了 8 个可直接复用的真实案例：7 秒订机票、代码审查、工单分流、简历初筛、语义搜索、AI Agent 路由、RAG 重排、动态 UI 拼装等。还总结了 5 个反直觉要点（不写字、零幻觉指格式而非正确性、不会拒绝等）、官方自曝的雷区（不会算术、不懂日期先后、易被提示词注入），以及不适合使用的场景。
作者天策记录了与北哥畅聊后对AI时代个人生态位的思考：确立自媒体+线下活动+海外FDE的方向。文章阐述了AI视角下的行业逻辑——skill、agent和AI产品本质上都在为Token打工，关键是扩大应用范围卖出更多Token。作者介绍了合作的AI平台Creao，提供低成本使用顶尖大模型的机会，使其能按想象力开发产品并利用最顶尖大模型套利。作者感叹AI让00后、05后超级个体涌现，一人即一家公司，认为这是最好的时代，鼓励大家顺势而为在AI时代收获财富。后续将专注前端流量，后端承接已稳定。
作者介绍了其所在的二次元 AIGC 顶尖团队的 Infra Team，职责涵盖 SRE、Data Infra、推理与训练基础设施建设、安全及 AI Infra 等。团队定位为偏 Infra 的 Product Engineer，与业务深度协作，目标是让服务变得更好。作者分享了地狱周成果：完成全服务 Service Mesh 化、迁移至 Istio Gateway、搭建 1:1 测试集群并完成压测和故障演练，零事故完成机房维保。团队注重效率与沟通，反对纯 AI 生成文档，招聘 SRE、推理、研发效能三个方向的校招到 Senior 人才。
作者分享了一个用于生成电视外景记者现场图的完整 Skill。用户只需将文章和人物照片发给具备生图能力的 Agent，即可生成台风、火山、沙尘暴、农村山区、音乐节、公园街访等场景的记者报道图，人物、服装和字幕均可自定义。默认输出横版 16:9、简体中文字幕，含 LIVE 角标、话筒和新闻标题。文章详细说明了使用方法、参考图用途区分、各场景提示词模板，以及 Skill 的完整规则，涵盖构图版式、环境光照设计、成像风格、中文字体、生成与修正流程，并默认添加「AI 生成·情景演绎」标识以防止滥用。
本文介绍 TypeSafe AI 发布的新模型 Jev，一种名为 System One 的非传统 LLM 模型。Jev 不生成文本，而是通过 RLCD 强化学习训练，对给定状态快速返回结构化决策（Choice、Score、Noul 三种问题类型）及概率，推理速度最高快 200 倍、成本低至 1/400。文章展示了如何通过 LangChain 的 TypeSafeClassifier 集成 Jev，并给出两大应用场景：模型路由（根据任务复杂度自动选择低成本或高性能模型）和 Auto Mode（对危险工具调用进行分类守护，提升 Agent 可信度）。Jev 适合作为 LLM 的补充，在 Agent 循环中承担快速、低成本的分类决策。
