NVIDIA专为挖矿打造的CMP 170HX矿卡，采用与A100相同的GA100芯片，但出厂通过OTP熔丝、寄存器和PCIe限制被锁死显存、算力和接口。2026年8月，研究员Jon Pry利用Falcon安全协处理器的固件校验时间窗口漏洞，通过ROP链获取执行权并修改PLM寄存器，实现纯软件解锁，开源工具CMPUnlocker可将8GB显存解锁至64GB HBM2e。解锁后带宽媲美RTX 5090，跑LLM推理性能反超4090。MiniMax H3开源引发大显存需求暴涨，卡价从三五百涨至1.4万。但文章也提醒风险：无FP8、无NVLink、驱动受限、HBM颗粒不可维修、价格窗口已关闭。
本文详细介绍了如何使用 Codex 和 Hyperframes 搭建一套抖音爆款视频的拆解与复用工作流。作者提出完整的制作顺序：工具准备、旁白、TTS 配音、画面、字幕到成片。文章强调先拆解原视频结构（Hook、叙事、视觉、节奏），人工核验事实与表达，再把可复用结构抽成模板，一次生成多个 Hook 版本用数据迭代优化，最后固化成可重复调用的 Skill。作者建议先手动跑通 3-5 条视频再自动化，建立素材池与固定视觉风格，并将数据反馈喂回流程持续修正，目标是搭建一条能重复生产内容并不断自我优化的生产线。
本文从 LLM 基础原理出发，循序渐进讲解 AI Agent 的底层机制。作者首先解释大模型如何通过 Token 预测生成文本，说明无状态、幻觉和知识截止等现象的根源；接着阐述多轮对话依赖上下文拼接实现的原理；进而介绍工具调用如何让模型影响外部世界，以及模型结合工具反馈形成闭环后 Agent 的诞生。文章提出 Agent = Model + Harness 的工程视角，剖析 Harness 在上下文管理、记忆系统、上下文压缩等方面的职责，帮助读者建立对 AI 能力边界的底层认知，摆脱对新工具的 FOMO 焦虑。
作者批评国内许多自称 FDE（前台部署工程师）的人只是换了名字的售前、实施或驻场外包，没有真正的企业 AI 交付能力。文章分析了 AI Native 的本质：AI 进入具体工作流程并执行可审计的业务动作。详细解读了 Palantir 本体论（Ontology）——将对象、属性、关系、动作和权限构建成可操作的企业地图，强调只有名词没有动词不算本体论落地。通过发票争议、消费品公司替代原料等案例说明'五天交付'的真实含义是窄闭环验证而非全公司改造，并反推出一套 FDE SOP，指出 FDE 背后需要平台、产品、安全和业务的完整支撑，而非一个人单打独斗。
作者分享全家多年坚持做义工的经历：从孩子6岁起定期参加Food Bank、城市清洁等活动，孩子长大后从参与者变为组织者，在老兵医院做义工。作者认为义工既是美国大学申请中体现责任感与领导力的课外活动，但更重要的目的是让孩子理解社区、培养同理心和感恩之心，明白世界不只有成绩与竞赛，这些品质将让孩子一生受益。
本期早报围绕 AI Agent 的工程实践与产业趋势展开：一是 Addy Osmani 提出在遗留代码库中安全使用 Agent 的分区流程，强调人画分区、特征测试锁定行为、删净旧路径才算完成；二是 Vercel 复盘内部数据智能体四代演进，最终借助 Claude Code 与文件系统方案将评估分数翻倍，并将经验开源为 Eve 框架；三是 OpenAI 联合创始人 Greg Brockman 宣布 AGI 时代已至，探讨算力、安全与普及的同步推进。速览部分涵盖 PostHog 的 Bash 安全护栏、Recursive 的递归自我改进、腾讯的上下文工程参考、鹿客的 AI 原生组织改造及 AI 眼镜的集成瓶颈等内容。
作者用三周时间从零学习机器人学习（robot learning），从零复现了 ACT 和 Diffusion Policy 两个策略，在 PushT 基准上超越了所有公开的基于图像的 ACT 结果（65.6%），并在 MuJoCo 场景中训练机械臂以 99.95% 的成功率完成摆放酒杯任务。文中分享了超参数调优经验（如 n_action_steps 从 100 降到 16 的显著提升）、单变量实验原则，以及对 Moravec 悖论的切身体会：对人类简单的事情对机器人和 Claude 编程都很困难。作者还使用 Claude 生成 MuJoCo 场景和专家轨迹，发现遥操作可能比脚本化专家轨迹更高效。
本文是'从零重建Redis'系列的第一篇，作者Temi通过亲手重建Redis来深入理解其工作原理。文章首先介绍Redis作为基于内存的持久化存储的特点和应用场景，随后深入讲解网络通信基础：socket的概念、Unix文件描述符，以及两种主要socket类型——提供可靠有序字节流的TCP流式socket和不保证送达但延迟低的UDP数据报socket。作者还用Python实现了第一个基于TCP的client/server回显程序，并分析了当前设计的局限性，如服务器一次只能处理一个客户端、TCP不保留消息边界等问题。
作者鱼总是一位8年经验的出海产品经理，他用半个月时间将一个沉睡6年、粉丝仅160的推特僵尸号盘活，实现单条推文24万曝光、8小时涨粉1200+、72小时涨粉3000+的成绩，并接到首笔商单。文章复盘了冷启动的5个关键步骤：优化个人主页建立信任、寻找成功案例建立信念、拆解爆款自我介绍的共性（真实、有情感、讲故事、有数据）、用AI辅助将简历打磨成真诚的故事、以及通过请教前辈、预约大V转发、择时发布和及时互动来借力传播。最后总结出准备、价值、借力、心态四大核心心法。
作者以亲身经历阐述产品管理的本质是讲故事而非写规格文档。他从在RealNetworks做工程师讲起，回顾LinkedIn面试时Reid Hoffman提出的经典问题：产品经理的核心产出物是什么？他当年答'规格文档'，后来意识到答案是故事——讲述用户将如何使用产品以及它为何重要。AI时代使构建成本骤降，产品开发从'先写规格再开发'反转为'先快速构建原型再设计'。但判断力成本并未降低，决定做什么比以往更重要。原型近乎免费，但真正的产品仍需打磨，产品经理的核心问题从'是否排期'转向'是否符合产品愿景'。
作者将前沿 AI 实验室呼吁“放慢 AI”的言论与 20 世纪初美国制造业历史类比。福特早期靠廉价劳动力导致高流失率和质量问题，后来通过提高工资、接受严格监管改善了局面，但也使无力承担合规成本的小工厂被淘汰。作者认为，如今 OpenAI 和 Anthropic 等巨头要求更多安全评估、监控和监管限制，虽有安全考量，但客观上抬高了进入前沿 AI 竞争的门槛，挤压了小型创业公司。同时，实验室内部也出现失衡：真正推动技术进步的人精疲力竭，而围绕他们的组织不断膨胀。作者担忧哪个失衡会先爆发。
文章介绍了 Theoric Labs 的 LeanDB 实验，旨在将形式化方法与 AI 智能体结合应用于数据库领域：用 Lean 语言描述数据及其属性，同时使用 SQL 数据库进行存储和查询。文章通过咖啡菜单示例系统讲解了 Lean 的类型系统，包括归纳类型（如 Temperature、MenuItem）、细化类型（如限制浓缩咖啡份数为 1-4 的 ShotCount 子类型）、依赖类型（杯型大小依赖于冷热温度的 CupSize 索引族），以及元类型（FieldSpec 宇宙设计模式，用数据描述类型）。作者认为，强类型能让编译器在运行前阻止非法数据写入，将验证结果显式化，从而构建无 bug 的软件系统。
本文是 pstack 指南第二部分，介绍作者用 agent 进行调研、规划、原型和架构的工作流。核心观点是通过 /teach、/recall、/how、/why 等 skill 建立并保持对代码库的心智模型；用「readme 驱动开发」和 /technical-writing skill 以代码和文档形式规划；用 prototype 剧本并行生成多个方案让 agent 以实证回答开放问题；用 /architect 多阶段流程跨模型家族竞争设计并交叉评判。作者强调抽象计划只给人进步的幻觉，应让 agent 通过原型和验证自己回答问题，从而每月将数千个 PR 推进生产并保持高质量。
文章解释了 Agent 的自我学习不能依靠推理时实时微调参数，原因在于算力成本极高且会导致灾难性遗忘。真正的经验积累靠上下文工程搭建的外挂认知系统，分为三层：执行后的反思复盘提炼经验、经验的持久归档（如 Claude Code 写入 CLAUDE.md 和 memory 目录、Codex 写入 SQLite）、动态检索注入（Claude Code 的极简索引与 OpenClaw 的向量化混合检索）。此外介绍了 Claude Code 的 AutoDream 机制，模拟人类做梦时的记忆整合，在后台空闲时扫描会话日志、合并重复经验、淘汰过时策略，保持记忆库精炼，从而让 Agent 持续进化且不被冗余记录拖垮。
作者Ringo分享初学交易一个半月资金翻2.5倍的心得。核心纪律包括：坚决避免情绪交易，不因亏损急于回本；重视入场位置，好的位置带来高盈亏比并弥补技术不足；严格设置止盈止损，配合合理的仓位管理，减少交易中的变量，新手尽量不加仓；坚持右侧交易，运用高2、TBTL、双底双顶等二次测试思维确认行情充分性；只做趋势不碰反转，用stop order挂限价单等待成交。作者强调承认自己的无知，'怂'是最大的武器，通过减少变量和耐心等待实现稳定盈利。
作者以60张图解的方式，从零开始在CUDA和少量PTX上构建B200的dense attention kernel，最终达到FlashAttention-4在4K/8K/16K序列长度下94.4%的性能。文章从baseline kernel讲起，逐步介绍每个优化，包含14个kernel的渐进式实现，重点分析Blackwell硬件上softmax与tensor core不对称扩展带来的瓶颈，并通过将softmax开销降低和与matmul重叠来优化。最后将kernel接入视频生成模型作为capstone项目。代码开源，适合GPU kernel研究入门。
本文是构建 Agent 记忆系统系列的第四篇，聚焦读取路径：如何检索已保存的知识并加以利用。文章首先强调根据问题类型选择检索方式——精确查找、相似案例识别或项目概览各有不同需求。接着对比了四种搜索方法：关键词匹配、语义搜索、图遍历和 Agentic 检索，指出 Agentic 检索能综合运用其他方法并随信息获取调整调查策略。文章还强调检索结果应具备可操作性，一条包含复现步骤和验证方式的笔记远比泛泛的描述更有价值。最后提醒要注重精确度，避免给 Agent 返回过多无关信息造成干扰，因为它可能将小问题扩大成大改动。
Tiago Forte 介绍了其 AI Second Brain 课程的构建思路：以 Master Prompt 为起点，依次通过连接器与集成（模块1）、本地文件系统的 PARA 整理（模块2）、笔记捕获工作流（模块3）、AIRPORT 框架与 AI Advisor（模块4-5）、高级 AI 功能（模块6）及面向未来的思考（模块7），构建一个层层递进的整体系统。他分享了筛选教学内容的三条原则：聚焦80/20、做本身就有价值的工作、构建具有持久价值的系统，强调不被 AI 炒作周期裹挟，着眼长期成长。
作者花了 7999 元加入一个 X（推特）中推流量社群，账号从几百粉涨到五六千粉后退群。文章复盘了这段经历：社群确实帮助快速起号，提供了人脉、可复制的路径和互推氛围，但代价是每天投入 3-5 小时的高频互动、违心的夸赞，以及选题逐渐被流量逻辑绑架。在创作者收益暂停、工作变忙后，作者主动降频并退群。他认为这段经历让他对流量的运作祛魅，明白了爆款背后的拆解逻辑，最终选择按自己愿意长期投入的方式做账号。
文章探讨当 AI 能编写几乎所有代码时，工程师的角色将如何演变。以 PostHog 为例，其 monorepo 中由 agent 发起的 PR 已从 20% 升至 70%。作者认为工程师不会消失，而是转向四项核心工作：一是监控全局，通过构建 standup bot、repo scout 等系统及时获取信息并确定优先级；二是设定方向，综合经验、用户价值、技术可行性和竞争格局做出取舍，避免被 AI 轻易生成的功能带偏；三是决定如何构建与实现，凭借对代码库和实现细节的理解确定范围、提出正确问题；四是评估 agent 的工作产出。工程师的价值从写代码转向监督、决策与系统设计。
作者以命理师视角探讨自由意志与命运的统一性，认为两者并非对抗关系，而是都源于人对自然规律的'不知'。文章从西方Calling（天命）概念的宗教与世俗双重含义出发，结合斯宾诺莎、赫拉克利特、尼采与王阳明的心学思想，论证天赋、天才与命运皆是后置的判断。作者提出个体生命系统的'反身性'概念——在变化中守住本质，通过演奏自己独有的乐段与宇宙共鸣。最终主张命运无法被方法论掌握，只能作为认识论被看见，呼吁人们提升知性、如其所是地生活，走一条仅供自己走的无竞争之路。
作者针对素材散落各处、写作效率低的痛点，实操搭建了一条内容自动化流水线：公开视频经飞书妙记转写，素材存入飞书多维表格，WorkBuddy 每日定时读取表格并推荐选题，作者在 Obsidian 完成写稿与审校，再通过自制插件将文章送入 X Article 草稿箱。文章详细记录了飞书账号连接踩坑、多维表格字段设计、定时任务配置与权限最小化原则，并强调自动化只处理重复劳动，发布与最终决策仍由人完成。数据回写环节尚未实测。
作者在34岁生日之际进行人生复盘，分享了多年来在事业、成长与生活中的感悟。他提出'没有人会来救你，因为你已经是大人'，强调不要等待完美的准备，要大胆开始、全身心投入；感恩身边的幸福与至交，认为可以一人创业但不能孤身生活；决定全面拥抱海外市场，敢于'像个傻子一样'开口练习英语；倡导认真做事、公开成长，用作品说话；回顾公众演讲如何塑造了自己，从第一次被看见到创立'社会大学'般的演讲俱乐部，总结出'敢于上场、暴露缺陷、承受反馈、迭代升级'的成长算法，并领悟失败只是反馈而非人生判决。
作者回顾2025年7月三个改变其职业认知的事件：一是仅凭AI便完成一个完整SaaS应用；二是在Tinder用一段2000词的指令（Skill）让AI在10分钟内完成原本需要6-8小时的复杂线程库迁移且结果正确；三是目睹CFO和健身馆老板等非技术者用Claude构建出复杂的金融和健康平台。作者认为编码只是门槛，真正核心的是执行能力，而AI让执行几乎免费。超专业化曾被视为安全选择，如今反成风险。文章呼吁工程师直面身份焦虑，思考当执行不再稀缺时，自己真正价值何在。
作者分享了用 Codex 从一篇口播稿出发，结合自己的 IP 形象和授权音色，自动完成配音、字幕对齐、分镜、动效与渲染，产出一条 2 分 54 秒 1080p 知识视频的完整实操过程。文中介绍了三个 Skill 的分工（流程管理、字幕分镜、镜头语言库），复盘了声音误用、字幕机械切分、时间轴错位等踩坑与修正，并沉淀出样片前置检查、Sol/Luna 多代理分工、按环节整理的提示词模板等经验。整个核心制作约 3 小时完成，文章强调自动化的关键在于明确分工、逐轮人工确认与检查前置。
作者分享了在企业一线做FDE的实战经验：面对需求又多又散、会议低效的问题，利用飞书机器人+AI Agent构建需求管理方案。通过“四要素追问”机器人（客户、场景、痛点、预期效果）过滤伪需求，再用评分机器人建立需求池与版本立项机制。方案秉持大道至简理念，落地成本极低（不到50元token费用），最终每个版本节省5次会议，并发现30%新需求与历史功能重复。作者总结了关键踩坑教训：企业内部落地应先从小单点突破跑出效果，而非毕其功于一役。文章最后阐述了FDE的核心要义——解决问题优先于炫技，交付的是结果（RaaS）。
文章拆解了抖音「异地开播/跳人脸」技术服务的生意链条。作者将这门生意分为四层：卖绕过人脸核验、卖云推流、卖排班与中控、卖合规咨询。指出其暴利源于断播损失远高于服务费用，客户决策快、客单价高。同时警示：跳脸、代刷脸属于黑灰产，面临封号和法律风险。真正可持续的路径是卖合规的远程推流基建、技术值守、数字人补位和咨询服务。文章给出定价、获客方法及三条铁律：分清客户要的是「稳」还是「假」，只卖可审计的交付，把红线当竞品而非业务。
本文是一篇 Vibe Coding 网页动效教程（上篇），旨在帮助读者用准确的术语向 AI 描述网页动效。文章先介绍 UI、UX 和 Vibe coding 的概念，提出网页动效的四层结构：技术工具（CSS、Motion、GSAP、Three.js 等）、触发方式、动效类型和 UX 规则。上篇重点讲解触发方式（悬停、焦点、点击、指针、视口、滚动、手势、页面加载、状态变化、定时）及动效类型的基础部分（Easing、Duration 等），每个词条配有可直接使用的提示词示例，帮助读者清晰表达脑中的动效效果。
文章介绍如何用 AI 把学生的错题照片整理成可复用的复习资料，而非让照片沉睡在相册中。作者提出以 10 道题为一份基础包的轻服务模式，包含错因表、知识点卡、7 天复习安排，测试价 9.9-29.9 元。流程强调：拍题前标注学科、原答案、错因三个字段；用豆包、ChatGPT 等工具将错题分为概念、审题、计算、表达四类；AI 解析必须经教材或老师核对；交付以 PDF 题卡加可编辑复习表形式进行，并明确不代写作业、不承诺考试结果。文中还提醒注意版权与隐私边界，建议先从自己的错题跑通全流程再服务他人。
LangChain 分享了其付费媒体 Agent 的构建经验。该 Agent 运行在 Slack 中，每周整合广告平台数据与业务管道数据，自动生成分析报告并提出优化建议。核心设计理念是将 Agent 视为知识工作者：为其提供配备沙箱、软件、业务文档的工作空间；用代码处理计算和规则以保证一致性，用模型专注判断与建议；围绕完整工作流设计，包括提案、人工审批与验证环节。借助 Deep Agents 作为 Agent harness 和 LangSmith 沙箱，六个月内付费媒体贡献了 20% 的营销管道，CPL 下降 30%，报告工作流成本降低 40 倍、速度提升 13 倍。项目已开源。
