the fly can 大赏:一个果蝇大脑,被全世界安排了各种活
Google 开源完整雄性果蝇大脑图谱(16.6 万神经元)后,X 上掀起「the fly can」热潮:果蝇大脑被接入 Minecraft、逃生游戏、比特币交易、YMCA 舞蹈、Figma 设计、Doom、Beat Saber、发币、发布视频等场景,甚至小鼠视觉皮层也被用来炒股。文章梳理了这些荒诞又硬核的案例,并指出其爆火源于数据开源、Agent 工具高效与荒诞感传播,同时引出关于意识与伦理的严肃讨论。
Google 开源完整雄性果蝇大脑图谱(16.6 万神经元)后,X 上掀起「the fly can」热潮:果蝇大脑被接入 Minecraft、逃生游戏、比特币交易、YMCA 舞蹈、Figma 设计、Doom、Beat Saber、发币、发布视频等场景,甚至小鼠视觉皮层也被用来炒股。文章梳理了这些荒诞又硬核的案例,并指出其爆火源于数据开源、Agent 工具高效与荒诞感传播,同时引出关于意识与伦理的严肃讨论。
文章汇总了果蝇大脑开源后的多个创意应用,信息密度高且案例新颖,时效性极强,但缺乏深度分析和实操指导。
作者认为大量阅读 AI 论文是入门 AI 领域的极佳方式,并以朋友韭二老师爆肝 60 篇论文后入职盛大 evermind 为例。同时指出在 X 上分发论文解读是一种起号方式,该赛道仍有空白。针对论文小白,作者推荐一体化 AI 科研工作台 Open-Science:内置科研 skills 的 Agent 可检索文献、梳理方法并输出报告;支持灵活接入 Codex、Claude 等模型;研究过程可回溯审核;支持动手复现论文计算与分析。复现 5 篇以上即可深入掌握 AI 领域知识,项目已开源。
谷歌联合HHMI Janelia发布首个成年雄性果蝇完整中枢神经系统连接图谱MaleCNS v1.0,识别超16.6万个神经元、约1.25亿个突触。图谱开源后,开发者围绕其展开各种创意实验:接入《我的世界》《Doom》《Beat Saber》等游戏,让果蝇刷短视频、决定央行利率等。加密社区也迅速跟进,有人让果蝇自主发币、炒Meme币和比特币,甚至发行Meme币FLYBRAIN,市值一度突破5500万美元。这项神经科学成果从实验室走向大众娱乐与链上实验,成为热门话题。
文章面向 FDE(深入客户现场做 AI 落地的工程师),介绍微软开源的长期 Agent 运行框架 Argus 如何与 GPT-6 配合完成 AI 长任务交付。通过一个企业周报工具项目案例,讲解 Argus 规划者、执行者、评审者的角色分工,如何发现并修正跨周退款统计口径错误(差 4000 元问题)、如何用第二周样例验证规则处理而非只修当前样例、客户追加按店铺拆分需求时如何保留进度继续开发,以及项目交接时的信息留存检查。文章强调 Argus 的价值在于跨阶段任务组织、进度保存与按需评审,减少 FDE 传递要求与恢复状态的组织负担,并通过 Flash Linear Attention 的公开 PR 案例佐证其成果。
作者分享了其搭建的AI跨境电商指挥中心系统的完整架构与实践。系统涵盖客户发现、调研、SEO、客服、报价、订单分析等模块,通过统一的AI网关接入多个AI项目,实现成本、Token、延迟、错误率的统一监控,并提供预算预警、Prompt版本管理和API Key安全等能力。文章还讲解了电商财务模型(毛利、获客成本、复购)和业务流程拆解方法,强调把AI项目从黑盒变成可管理、可复盘的经营数据,最终形成一套每天自动运转的电商业务机器。
花叔开源了名为huashu-excel的AI数据处理分析skill,用户丢入Excel或CSV即可用自然语言完成体检、清洗、对齐、分析、对账、交付、验图、质控八步流程,输出HTML/Excel/Word等格式报告。该skill针对大模型算错不报错的缺陷设计了合计对账、外部基准校验、独立agent复核等机制,并借鉴Anthropic角色激发研究提升分析质量。经十份真实公开数据(106万行电商明细、纽约市政预算等)压测,能独立拆解辛普森悖论、识别脏数据并给出可审计的业务结论。兼容Claude Code、Codex等多种agent,MIT协议开源。
OpenMontage 是一款开源的 Agentic 视频制作系统,集成了 100+ 工具和 10+ 流水线。它将研究、脚本、配音、合成等环节交由 Agent 执行,并提供全程可审计的生产看板 Backlot,适合追求成本可控与流程透明的专业视频创作。
本文对比了构建AI智能体的三个开源框架层级:Deep Agents、LangChain和LangGraph。它们提供不同层级的控制力与抽象程度:Deep Agents是开箱即用的智能体套件,专注于最佳上下文工程实践;LangChain是高度可定制的智能体核心抽象与集成框架;LangGraph则是基于图的底层运行时,适用于混合确定性与动态步骤的复杂工作流。三者完全可组合,开发者可在自主性与确定性之间灵活平衡。
Auto Quant V2 发布,旨在将通用 Coding Agent 转换为全自动推进量化研究的 Quant Agent。它不绑定特定模型,通过 Harness 架构为 AI 提供长期工作的量化研究环境,支持自我进化,解决了 AI 编写代码但难以持续追踪量化研究的问题。