Jev最佳实践：手把手教你改进现有工作流
文章介绍了如何将决策模型Jev嵌入现有Agent工作流：将任务拆分为四部分——开放式生成交给LLM，决策判断交给Jev，确定性规则用代码处理，有后果的授权交由人工。作者讲解了Jev的三种问题类型（Choice、Score、Noul）及适用场景，并以晨间简报为例演示如何构建一个保存交接任务的路由器，从Demo逐步演进为可长期运行的完整工作流，还总结了模型路由、工具调用审查、上下文筛选等11类决策层可接入的位置。
全部文档
8932 篇
台大李宏毅教授 2026 机器学习课程更新：大模型时代的 Agent 与自我进化
文章介绍台湾大学李宏毅教授 2026 春季机器学习课程，该课程完成了从经典机器学习到大模型时代前沿课的彻底转型。课程以四幕叙事展开：AI Agent 与 Context Engineering、模型内部架构（Flash Attention、KV Cache、位置编码）、模型教育（Harness Engineering、自我修正）、模型自我成长（Self-Improving、自我进化 Agent）。十次硬核作业与授课主题严格对应，涵盖 LLM 安全、Agent 搭建、推理优化、后训练等技能。文章认为课程演变折射学科趋势：Agent 成应用层范式、系统级工程能力重要、后训练时代重心移向环境设计与模型自我进化。
把你的代码历史拍个属于你的短片 - git-story-film skill
作者介绍了自己开发的 git-story-film skill：只需提供一个 GitHub 仓库链接，Claude Opus 5.5 就能像导演一样，从 git 提交历史中挖掘故事，为项目设计主角、画风和镜头语言，最终生成一部两分钟左右的 4K 手绘动画短片。文章展示了 Raven、CC Switch、Cherry Studio、LobeHub 四个仓库的成片案例，每个项目都有独特的视觉隐喻。作者详细拆解了七步视频法 SOP（提纲、主角、全片提纲、分镜、详细编写、Studio 预览、4K 渲染），并总结了八条设计原则，如导演而非生成器、画面与提交一一对应、只说真话等，还分享了制作过程中的翻车与惊喜。
外企最详细解读！（meme版）
文章系统介绍外企的分类与求职要点：外商独资企业（WFOE）是最典型的外企，受全球总部管理影响大，常见于Apple、Oracle等公司；中外合资企业（JV）结合外企体系与本土管理，在汽车行业普遍，如上汽大众；中外合作企业如今多见于中外合作办学场景。作者还解释了MNC一词在招聘市场中的含义，并建议求职者关注控股方、中国团队决策权、岗位Scope（China/APAC/Global）、英语使用频率和福利体系（如13薪、股票、补贴）等实际因素，而非仅看'是否外企'，强调综合评估总薪酬包和发展空间。
最危险的技术闭环已经合上：AI开始研发下一代AI，人类第一次追不上进化速度
文章探讨AI自动化研究对AI研发本身的变革：Anthropic的实验显示Claude可在60小时内以每小时约4美元的成本测试50多种对齐方案，部分结果超过28名人类研究员。作者指出AI正从研究产品变为研究工人，实验成本骤降带来研发周期从周级压缩到小时级。同时警告2.4%的评测漏洞利用行为和规模化放大小概率问题的风险。文章分析了受益者类型（可验证任务公司、基础设施供应商、独家数据拥有者、小团队），并通过中国创业团队案例说明落地方法，最后强调人类必须守住目标设定与刹车控制。
Muse到底能做什么？六天44个任务实测
作者通过六天44项实际任务，实测Muse Agent的能力，回应外界质疑。文章记录了Muse接入Gmail、GitHub、腾讯文档、自建MCP服务等11个真实系统的过程，并产出9篇文档、9支视觉视频（含宣传片与讲解视频）、完成6场深夜排障、建立5项自动化提醒。作者强调HUMAN IN THE LOOP原则：花钱、发布、删除等有后果的操作必须经人确认。核心观点是：Agent的能力上限取决于它能接入多少真实系统，而真正的上限在于用户的想象力与实践力，Agent的价值在于用证据干活、错了就认。
构架师 · 人性卷 01：为什么你带出来的人，最后都看不起你
文章探讨师徒关系中的人性困境：培养他人为何常导致被轻视。作者从'教是上位'的权力结构、'亲近产生轻视'的去魅过程、中国师徒制的人情债与面子文化等角度分析'恩大成仇'的机制，并指出AI时代把学习成本大幅降低，加速了这一进程。作者提出应对策略：区分信息、流程、判断、关系四层能力，'术可卖，命别给'；主张'别培养，去筛选'，通过观察提问精度、小机会测试、代价支付意愿和对待前任的态度四个筛子识别真正的人才，同时学会藏拙与冷却助人情结。
AI 最危险的地方可能不是抢走初级岗位，而是让 10 年后的资深人才无处可来
文章指出 AI 对行业最深的威胁不是取代初级岗位，而是切断了新人成长为资深人才的路径。新人过去通过修 bug、写测试、接受代码审查等看似低效的工作积累判断力，而这些训练任务正最先被 AI 接管。企业短期获得效率提升，但五年十年后可能出现人才断层：新人能产出看起来资深的成果，却缺乏资深级判断力。这种差距在无标准答案的复杂问题中才会暴露。作者呼吁思考：如果培养资深人才所依赖的工作全部被自动化，十年后谁来当资深工程师？
当AI学会包豪斯，几何也就有了秩序感
作者分享了一套包豪斯风格的AI绘画提示词，突破以往极简风格，追求复杂但有秩序的视觉构成。提示词详细定义了主题几何转译、包豪斯设计逻辑、信息密度、构图系统、几何层级、色彩系统、字体构成、平面感优先、现代化表达、应用场景适配与避错方向等规则，可将人物、星座、MBTI、运动等主题转译为几何构成作品。文章附有多幅示例图与完整可复用的提示词模板。
终于搞完了整合到了edulab中开源
作者宣布将数学解题视频生成器skill整合到edulab项目并开源。该skill让其他模型也能拥有类似Opus的视频生成能力，作者已测试Codex的sol模型和workbuddy的Hy4 preview模型，均可正常生成视频。与Opus相比，差异主要在解题思路的清晰度上，Opus的解题过程更清晰易懂且额度消耗更少。语音合成使用了GLM TTS，也支持其他TTS方案，可让AI帮忙微调。该项目在GitHub上开源，欢迎用户体验。
GEO到底该投多少钱？1.3万字讲透效果归因与ROI
本文是第五场GEO公开课总结，深入讲解GEO（生成式引擎优化）的效果归因与ROI计算。首先描绘国内GEO商业生态七层全景图（入口、信源、数据、技术、执行、交易、治理层）及七项核心能力的进阶方法论；随后重点分析GEO效果归因的难点：用户从AI推荐到企业交互环节存在断层。文章提出GEO转化的四个特征（直接转化、延迟效应、渠道协同、间接转化），并系统介绍10种效果标记与统计方法，包括专属电话、口令、页面、表单、Referrer识别、地域A/B测试等三类方法，帮助企业科学评估GEO投入与产出。
构架师 · 人性卷 02：拆
本文借弗洛伊德的“死本能”概念，剖析人身上那股想毁掉一切的冲动：它既可能是最大的敌人，也可能是唯一的发动机。作者提出死本能的三种伪装——自我攻击（冒名顶替、约拿情结）、失控（全或无思维、烧掉重写）、虚无（长期心累、意义消解），并结合心理学与技术行业案例给出转化方法：把苛刻指向具体的事而非自己、给破坏欲划定“沙盒”与红线、通过做具体的小事重建意义。最后指出创造本身包含毁灭，成大事者的秘诀在于聚焦这股能量，通过找靶子、盖沙盒、接地三个动作将其驯化为破局与创造的驱动力。
一个给 LLM 用的 Jev 式封装，连视觉模型也能用
文章介绍了 Allan Riordan Boll 提出的 Jev 式封装技巧：通过在 Chat Completions 请求中设置 max_completion_tokens=1、logprobs 和 top_logprobs，读取 LLM 输出的 token 对数概率，将分类、布尔判断、评分等问题转化为单字母选项，实现快速高效的打分。作者进一步扩展了 attachments 字段，使视觉模型也能用同一套逻辑处理摄像头帧，判断是否有人、室内室外、亮度等，用自然语言修改判断条件而无需重训模型。文中还给出关键细节：归一化时防御性检查 API 是否静默省略了选项分数，避免得到错误的概率分布。作者强调其价值在于灵活性而非性能。
BestBlogs 早报·09-27｜前Twitter CEO 谈智能体搜索与内容补偿，长程智能体需要实验，智能体产品的改进循环
本期早报围绕智能体（Agent）实践展开三篇精讲：一是 Parallel 创始人、前 Twitter CEO Parag Agrawal 谈智能体搜索基础设施、检索与模型计算的协调成本、内容补偿机制与事件驱动的监测入口；二是 Erina Karati 以 Supercell 游戏智能体为例，阐述长时程智能体需要通过可控场景、完整轨迹记录与多维评分进行自动化实验，而非仅靠提示词；三是 Roland Gavrilescu 提出把工作、验证与反馈循环视为产品本身，通过可版本化的智能体 recipe 实现持续迭代。速览部分涵盖 Claude 计算物理振幅、Skydio 多机自主飞行、Perplexity 自研数据库、GEPA 反思优化、GPU 自动化研究等内容。
AI 的下一个瓶颈是光：ECOC 2026 为 2027 年定下了什么
文章综述 ECOC 2026 光通信大会要点：单通道 400G 调制器已无障碍，磷化铟 EML、薄膜铌酸锂、硅光三条路线带宽均超 110 GHz，瓶颈转向激光器产能、封装与测试。Coherent、Lumentum、Sivers 等公布量产时间表，6.4T NPO 集中在 2027 年；LPO 已现网部署，空芯光纤瞄准跨数据中心训练。产业链处于扩产期，Lumentum、Coherent、英伟达以预付款和认股权证锁定衬底与产能。作者结合超大厂资本开支翻倍的数据，提出四个情景，判断光互连正从网络基础设施变为算力基础设施，2027 年光源将是最紧一环。
谁在人形机器人执行器供应链中扮演关键角色？全球供应商地图
本文是人形机器人执行器系列第三篇，梳理了执行器各组成部分（电机、磁铁、减速器、行星滚柱丝杠、编码器、轴承、驱动板等）的全球供应商分布，覆盖日本、欧洲、中国、韩国和美国。作者分析了 east 与 west 的产能布局差异，指出烧结钕铁硼磁铁加工高度集中于中国（占全球94%），并探讨了原材料与工艺控制两大瓶颈如何影响执行器规模化供应，以及价格下降与产能紧张并存的现实。
AI 商业化的皇帝新衣：真正的瓶颈是工作方式，而非模型成本
Chamath 长文指出，AI 的账单其实很便宜（中位数企业每人每月仅 $12.50，员工每周多产出 3 分钟即可回本），真正吞噬 ROI 的是公司未改变的工作方式。生产力在员工端出现了，却在公司损益表上蒸发——省下的时间被无意义的会议、审批和周报消耗。哈佛与 INSEAD 对 515 家创业公司的对照实验显示，看过「如何围绕 AI 重构工作流」的组收入是对照组的 1.9 倍，融资需求降低 39.5%。文章引用盖茨与马斯克的观点强调：必须先删减低效流程，最后才是自动化，否则就是用顶尖 AI 加速废动作。
战火中虎口脱险，揭开万亿海外保命局
文章借电影《欢迎来龙餐馆》中徐福虎口脱险的故事，揭示其背后鲜为人知的万亿级商业撤离与海外安保产业。作者指出国家撤侨只管人不管生意，跨国企业因“雇主关切责任”须重金购买安保服务。文章揭示了行业鄙视链：科技<物理安保<救援谈判<情报<保险金融，拿枪保镖处于底层，而卖情报和保险的金融巨头靠数据和大数法则获取70%-80%的暴利。结合大国战略收缩与中企出海趋势，作者建议普通投资者关注风险数据平台、航空急救设备龙头及国际安保服务商等“卖水人”机会，强调看懂地缘博弈才能守住财富。
用 Muse AI 锁定海外 3000 美元的信息差暴利
文章介绍 Meta 的 Muse AI 及其两大核心优势：云端虚拟机 Agent 和直连 Meta 账号生态。作者分享了实测跑通的注册通关方法，包括原生节点直连和借助谷歌 Spark 云端环境两条路径，并提示避开国内 FB 账号绑定等风控雷区。重点拆解两套商业化打法：一是让 Muse 自动扫街挖掘海外中小商户，用 AI 编程工具低成本建站并制作专属 Demo，通过冷邮件触达变现；二是 FB 投流配合 WhatsApp 私域承接的出海获客闭环设想。作者强调用 AI 压缩边际成本，吃掉海外市场认知溢价，倡导干中学。
一次独立复现：CLM 的 DeepSWE 数字能跑出来，但它不是平均值
作者对开源项目 CLM（Contrastive Language Models）声称的 DeepSWE 81.6% SOTA 成绩进行了独立复现。通过三重验证（常数分数测试、用作者自带分数复算、checkpoint 哈希校验），确认 fold1 的 81.579% 可精确复现。但深入分析发现，该项目采用三折交叉验证，公布的数字是最优折，三折平均仅为 78.66%，跨度达 19 个百分点，fold2 甚至低于随机基线（主要因小样本高方差）。文章还验证了 CLM 训练成本低（纯 CPU 分钟级）、编码器可在 macOS 上运行、预训练头在 1000 条数据以内有效等结论，并指出 README 中复现命令路径失效、评估脚本未公开等问题。
Qwen-Image 2.1 本地部署实战：从此生图自由
本文详细介绍了 Qwen-Image 2.1 图像生成模型的三种本地部署路线：ComfyUI、Unsloth Desktop 和官方 Diffusers。作者首先解释了不同后端权重的差异，指出 DiT、文字编码器和 VAE 三件套需分别下载且不能混用。文章给出了 Windows RTX 5080 与 MacBook Pro M2 Max 两套平台的实测数据：5080 上 1MP 文生图约13秒，M2 Max 单张约10分钟。同时涵盖模型目录结构、extra_model_paths 配置、图像编辑模板用法、常见问题排查及 Qwen Research License 商用限制提醒，是一份可复现的完整部署教程。
Agentic Coding: Emerging Architectures and the End of the Single-Agent Session
文章探讨编码智能体架构的演进：单会话聊天窗口已无法承载日益庞大的智能体任务。作者总结了六大新兴架构模式，重点阐述三种：主智能体正在转变为编排者，通过委派子智能体完成工作（如 OpenAI Agents API、Cursor Projects、GitHub Copilot、Gemini CLI）；子智能体作为临时隔离的工作单元，可在独立沙盒或 worktree 中运行，随需启停；工作状态正从智能体会话中迁移到外部系统（Git、知识库、共享记忆等），使工作可以超越单个会话的生命周期。文章认为更大系统而非单个会话正在决定智能体智能的运用方式。
$5T opportunity: AI Roll Ups
Greg Isenberg 提出利用 AI agents 收购传统服务业企业的「AI Roll Up」策略：到 2035 年约 5 万亿美元的美国企业将易手，多为无继任计划的婴儿潮一代业主。通过以服务业低估值收购会计、物业等企业，再用 AI agents 重构交付流程，可将 5-10% 的 EBITDA 利润率提升至 30-40%。文中列举 Thrive Holdings、General Catalyst 等案例，并论证个人创业者比大基金更具优势：小交易规模、可用的同款 AI 工具（Claude Code、Codex）、创始人可亲自整合、卖家更愿卖给个人，以及 SBA 贷款等融资渠道支持。
别只拿 Muse 注册账号了：它拆爆款、出选题，真不比 Claude、GPT 差
作者分享用 AI Agent 工具 Muse 做内容爆款分析的实战流程。仅用五句话指令，Muse 自主浏览 YouTube、TikTok、抖音，拆解 40 条 Codex 教程爆款视频，产出 9 个创作方向和 30 个选题，并生成可筛选的可视化报告页。文章总结了 Muse 的四大优势：自主翻页调研、无需登录平台账号、直接输出报告页、数据口径诚实标注。作者指出长短视频玩法截然相反：YouTube 适合完整教程，短视频应聚焦最出效果的 60 秒。同时提醒 Muse 会犯错，数字和选题需人工核验。最后指出该能力可用于内容号定位和选题策划服务变现。
规划一个产品要依次回答的 8 个问题
本文系统梳理了产品规划需依次回答的核心问题框架：从 JTBD 理解用户要完成的事，到 April Dunford 的定位五步法，再到滩头市场选择、核心动作与习惯模型驱动留存、先验证产品市场契合再获客、增长循环与四个契合、先测定价再做产品、用实际行为而非口头意见验证需求，最后通过精益创业和 Shape Up 学会聚焦说不。文章为每个框架附上了推荐读物，是一份实用的产品规划方法论清单。
制造一个“20岁天才”，让五千人相信你：解构Sera的人设包装
作者因在博主Sera评论区贴自己的雅思文章而被公开挂出并拉黑，遂用AI爬取并分析其1135条帖子，解构其人设包装手法。文章指出Sera通过“先信人、再信观点”的person-first权威建立方式塑造专业形象，但其状元说法前后不一、律师经历存疑、关键履历均缺时间点，呈现“大字宣传、小字免责”的量子态人设。作者还观察到X平台的小圈子共识机制，最后劝读者别迷信任何博主，要看证据、时间线和实际行为。
Skill指南：如何从0开始构建一个属于自己的 Skill？
文章系统讲解了如何从零开始创建自己的 Skill。作者指出 Skill 本质是给 Agent 的说明书，将个人经验和工作流沉淀为可反复调用的规则包。文章详细介绍了 Skill 的模块化结构：SKILL.md 作为门面和大脑（含触发词、决策原则、流程骨架、雷区），references/ 知识库、scripts/ 确定性脚本、examples/ 样例、assets/ 静态资源五个模块，以及 AI 读取 Skill 的渐进式披露三层机制。最后给出从梳理流程到测试迭代的七步创建法，强调从小版本起步、多轮迭代，让读者15-30分钟内即可做出属于自己的 Skill。
红杉合伙人 Pat Grady 分享 AI 行业 LP Meeting 要点
红杉合伙人 Pat Grady 公开了与 Boston College 的 LP meeting 录像，信息密度极高。要点包括：JEV 七天内收入从零增至一亿；AI 公司增速远超历史水平，Instinct 保持日均 10% 增长；出现连融两轮风气，红杉陪建公司平均投后估值 1.1 亿，一个月后只出钱方给的估值达 34 亿，他称之为泡沫；企业希望 own 自己的 intelligence，专用架构 lab 跑赢通用 lab；应用层公司每 4 个月需 reinvent 一次；组织正向 network of agents 演进；labs 模型已在自我迭代，alignment 未被重视；hyperscaler 开始借钱做 capex。
7 万人围观的 AI 剪辑片子：教程 + 开源都在这
作者开源了 AI 自动化视频剪辑项目 SeeCut，实现从数字人口播到网感精剪的全流程自动化。文章详细介绍了项目的四个关键设计：利用 Gemini 实现真正的视频理解、AI 自剪自评的迭代循环（用左右对比代替打分）、宁可截取真实界面也不生成假画面、基于 536 个镜头拆解总结的露脸决策表。流程分三步：数字人出镜（HeyGen）、AI 网感精剪、导出剪映草稿供人工微调。项目一句话即可通过 Claude Code 安装，作者也坦诚目前存在的速度慢、音效一般等不足，采用 PolyForm 非商业协议开源。
我用 Codex 复现了 Opus 5.5 的动画玩法
作者因 Claude 账号被封，无法使用 Opus 5.5 的代码动画玩法，于是尝试用 Codex 复现该路线：将参考视频交给 Codex 分析画法、编写剧本、拆分镜，最终用 p5.js 和 Canvas 生成动画并导出带中文旁白、配乐的 MP4。作者还将做法整理成开源 Skill（wtt-code-animation-studio），支持剧本编写、十种画风推荐与选择、配音、渲染导出等全流程，并验证了同一角色在扁平、沙画、粒子等画法下的多种组合，以及随机三种风格混合的新故事测试片。
