中国风投生态运作机制
文章分析了中国风险投资生态的独特性，指出尽管中国在开源AI、生物技术和机器人领域具有优势，但其资本市场对创始人更为严苛。文章解释了为何中国初创公司倾向于IPO而非被收购，并详细介绍了人民币基金、美元基金和外资基金这三种资本池的特点与差异。
🏷️ 人工智能
50 篇对话姚颂：不想 boring，那就继续开心地 suffering
本文专访了正行创新创始人姚颂，回顾了他从清华本科毕业创立深鉴科技，到3亿美元卖掉公司，再到投身商业航天和物理 AI 的十年创业历程。姚颂分享了对技术创业、战略取舍、人生状态以及硬科技发展的深刻思考。
2026年普通人都能上车的AI风口：DeepSeek 创始人梁文锋3小时演讲精华提炼
文章提炼了DeepSeek创始人梁文锋关于AI未来的演讲精华，强调“克制”的重要性。梁文锋指出，想拿得多的人会被想拿得少的人打败。他为AI发展制定了清晰的路径，并建议普通人不要盲目追逐风口，而应注重提升“把话说清楚”和“长期沉淀”的能力，通过行业深耕和AI应用找到属于自己的机会。
Making a Billion Intelligent Machines
文章介绍了Applied Intuition公司如何通过提供仿真、数据和操作系统工具，从自动驾驶领域的非主流选择发展为物理AI应用平台，并成功拓展到国防、建筑等多个行业。
Inside Kimi: 100 Hours of Observation
本文讲述了作者深入 AI 独角兽 Moonshot AI（Kimi 母公司）内部进行 100 小时的观察记录。文章回顾了公司从早期的营销挣扎到面对竞争对手 DeepSeek 突围时的战略调整，展现了这家年轻、高估值且充满内向天才员工的神秘企业文化。
FDE：年薪百万的AI前沿部署工程师详解
文章介绍了科技领域最热门的角色 Forward Deployed Engineer (FDE)，其年薪可达15万至100万美元。FDE 负责在企业内部部署 AI，连接业务流程与模型。文章提供了30天行动计划，涵盖流程理解、判断、构建部署及人际应对，强调实战经验的重要性。
我开始怀疑：完全不用 AI，也可能是一种偷懒
文章探讨了在写作中使用 AI 的态度。作者指出，完全不用 AI 可能是逃避将模糊直觉转化为清晰判断的思考过程。真正的关键不在于工具本身，而在于作者是否能承担选择和责任，确保作品反映真实的思考。
关于复杂性与涌现的数学思考
本文探讨了复杂性与涌现的数学本质，强调不连续性在系统跃迁中的关键作用。作者提出“堆叠流形”概念，解释神经网络如何通过无属性激活和满秩变换处理高阶非线性，指出涌现是数学上可预期的结果。
WorkBuddy vs Codex：从微信与代码生长出的AI Agent路径之争
文章深度对比了WorkBuddy和Codex的产品基因，指出Codex源于代码仓库，擅长可验证的软件工程；WorkBuddy源于腾讯生态，擅长抵达中文办公场景。两者在通用工作Agent领域扩张，真正的战争在于谁能成为默认的工作环境。
《前沿人工智能框架与新时代的曙光》雄文解析
文章解析了关于通用人工智能（AGI）的前沿框架，将其比作电与火的“文明级重启”。文章探讨了AGI带来的风险与机遇，提出了建立类似FINRA的标准机构来监管前沿模型的方案，强调了在技术竞速中保持审慎和国际合作的重要性。
前沿人工智能框架与新时代的曙光
Demis Hassabis 探讨了通用人工智能（AGI）的临近及其对人类社会的深远影响。文章提出建立一个由公私合营的前沿 AI 标准机构，负责评估模型能力、制定安全标准，并建议在保持创新的同时，通过国际合作应对潜在风险，确保技术造福全人类。
聊聊今年涌进Anthropic的N个巨佬
文章盘点了今年上半年加入Anthropic的9位行业巨佬，包括Andrej Karpathy、诺贝尔奖得主John Jumper等。他们放弃了顶尖职位押注Anthropic，展示了AI成为各学科公共地基的趋势，被视为人类黄金时代的前夜。
什么是信息论？它和AI是什么关系？
文章深入浅出地讲解了信息论的起源、核心概念及其与人工智能的关系。内容涵盖香农在1948年奠定的信息论基础（如熵、比特、信道容量定理），回顾了奈奎斯特、哈特利及玻尔兹曼等前人的贡献，并探讨了交叉熵、KL散度等概念如何成为衡量AI模型误差的关键工具。文章指出，尽管信息论为AI提供了度量语言，但在解释智能本质上仍有局限。
WorkBuddy保姆级指南（1/N）｜万字教程
本文是一篇WorkBuddy Agent产品的深度实战教程。作者详细介绍了WorkBuddy的核心功能区（助理、项目、专家、自动化），讲解了任务场景选择、三种工作模式、模型匹配策略及Skill的使用方法。文章还通过真实案例演示了如何利用WorkBuddy进行深度调研，并强调了固定工作目录和权限管理的重要性，旨在帮助用户降低Agent上手门槛，提高工作效率。
人工智能的工程全景（下）：Agent 全解
本文是《人工智能的工程全景》系列的下篇，深入探讨了2025-2026年AI行业的竞争焦点——Agent工程层。文章从Agent定义的演变出发，区分了Workflow与Agent的本质差异，解析了ReAct架构与关键能力清单。重点介绍了Function Calling的工业化起点、MCP协议带来的工具调用标准化，以及Context Engineering与Harness Engineering在Agent系统构建中的核心地位。
体验完微信Agent以后，我觉得这就是微信有史以来最大的更新
文章详细介绍了微信“小微”的内测体验，涵盖了其功能架构、底层模型、交互逻辑及与微信原生能力的打通情况。作者指出，虽然受限于算力成本和安全风控，目前的Agent策略偏向“只读不动”且需频繁确认，但在小程序调度、聊天记录上下文理解及AI生成工具方面表现出色。作者认为这是微信有史以来最大的更新，标志着平台级AI应用的正式落地。
构建生产级 AI 系统必须掌握的 6 个核心概念
本文由作者因遭遇 AI 智能体失控产生高昂费用的经历引出，旨在阐述构建生产级 AI 系统必须掌握的核心概念。文章提出了 AI 系统的通用公式：记忆（RAG）+ 思考（LLM + Tokens）+ 行动（Agents）+ 测量（Evals）。文中重点解析了 Tokens 与上下文窗口的成本与限制、嵌入向量与语义搜索的原理、RAG 检索增强生成的正确姿势、智能体循环中的工具使用与停止条件等关键技术细节，帮助开发者从“调参侠”进阶为真正的 AI 工程师。
什么是具身智能？它跟 AI 的关系是什么？
文章深入解析了具身智能的定义、历史渊源及发展现状。作者区分了具身智能与传统机器人，指出其核心在于感知-行动闭环与物理世界的实时交互。文章回顾了从符号主义、行为主义到深度学习、Transformer时代的技术演进，分析了VLA模型如何继承大模型能力来突破泛化难题，探讨其与AI的本质关系及未来前景。
为什么你学了很多 Agent 工具，还是做不出真正可用的 Agent？
文章指出许多人学习 AI Agent 时陷入了“工具焦虑”，盲目追逐 LangChain、MCP 等框架，却忽视了 Agent 的本质是一套围绕目标运行的系统。作者强调，真正的难点在于系统设计——理解工具调用、记忆、反馈修正及工程化约束，而非仅仅跑通 Demo。文章推荐 GitHub 项目 agent_learning，主张从 LLM 基础、Prompt 等底层原理开始，逐步构建从基础到工程化的完整知识体系，最终实现 Agent 在真实环境中的稳定运行。
构建递归智能体系统：扩展 Composer 训练规模
本文介绍了 Cursor 如何构建一个包含数千个 Agent 的递归系统，以加速 Composer 模型的训练。系统通过主 Agent 管理子 Agent 的“健康”状态，实现并行实验的自动化监控与故障修复。该架构将研究员的效能提升了数量级，使大量计算资源能像企业组织一样协同工作。
普通人怎么用AI进短视频赛道赚钱
文章以武汉某公司利用AI将视频生产成本从500元降至5元、实现单条视频最高300万曝光的真实案例为切入点，剖析了“AI负责执行，人负责判断”的短视频工作流。详细介绍了AI在脚本生成、辅助剪辑、私域引流及客户维护四个环节的应用，并指出选题判断和数据复盘是核心。最后为普通人提供了三条变现路径：做垂类账号、帮实体老板搭建系统或寻找行业合伙人。
什么是控制论？控制论是AI的上辈子吗？
文章深入探讨了控制论的起源、发展及其与人工智能的深厚渊源。作者指出，AI中的梯度下降和强化学习本质上是控制论中“负反馈”与“修正差距”思想的延续。从Wiener在二战期间对防空火炮的研究，到Macy会议的跨学科讨论，控制论曾试图用统一数学解释机器、生物和社会。随着符号AI的兴起，控制论作为独立学科逐渐消失，但其核心思想已融入现代AI的底层逻辑之中。
从「帮我做」到「做完记住」：Agent 记忆升级实录
本文记录了作者将 MemOS 2.0 本地插件集成到 Bloome Agent 的实战过程。通过引入「执行即学习」的记忆操作系统，解决了传统 Agent 仅依赖上下文窗口导致记忆丢失和经验无法积累的痛点。文章详细解析了 MemOS 的四层认知资产架构、云端沙箱的部署踩坑解决方案（如 ngrok 内网穿透）、历史记忆的迁移方法，以及跨 Agent 记忆共享的配置，展示了 AI 助手如何从被动工具进化为具备主动记忆能力的智能体。
如何将 Claude Code 打造为投资研究分析师
文章讲述了作者如何利用 Claude Code 这一编程工具，成功转型为个人的投资研究分析师。通过将其与 Obsidian 知识库及浏览器自动化工具集成，作者构建了一个能够自动筛选数据、抓取信息、建模并撰写报告的工作流。文章指出，与普通的聊天机器人不同，Claude Code 能够独立执行复杂的任务链条，极大地提高了金融研究的效率。
廉颇老矣，尚能饭否：现代数学史（下）
本文回顾了1970年代之后现代数学的发展历程。随着物理学进展放缓，数学失去了最大的外部“客户”，导致代数几何、朗兰兹纲领等结构化数学分支陷入内循环和高塔化。与此同时，计算机科学与AI的崛起为数理逻辑和形式化证明带来了新的机遇。文章探讨了在基础物理停滞和计算机加速的背景下，纯数学界面临的“象牙塔”困境及AI是否会成为新的推动力。
何恺明和字节Seed跳到同一条河流：连续扩散语言模型的范式转移
文章深度解读了2026年5月何恺明MIT团队与字节Seed团队前后发布的两篇论文（ELF与Cola DLM）。两者殊途同归，挑战了主流的自回归（AR）生成范式，主张将语言模型的生成过程从“离散Token预测”转变为“连续空间的潜变量扩散”。这种“先思考后落字”的铅笔模式，不仅提升了效率与效果，更可能引发LLM底层架构、评估标准及多模态统一范式的新一轮变革。
最重要的 AI 创业方向不是 Agent，而是 AI 记忆
本文深入探讨了当前 AI 行业被忽视的“痛点”：AI 缺乏长期记忆。作者认为，比单纯追求更聪明的大模型或自主 Agent 更重要的是构建“持久认知层”。文章以 GBrain 为例，阐述了它如何超越传统的检索生成（RAG），通过自建知识图谱和“梦境周期”维护，实现对信息的真正理解与关系连接。这种能积累上下文、提供确定性智能的“记忆基础设施”，将成为未来 AI 的真正护城河。
未来两年物理AI股票alpha抓取深度研究
本文旨在探讨未来两年内“物理 AI”（机器人和自动化技术）领域的投资 Alpha 机会。作者明确指出，最确定的需求不在于“人形机器人”的故事，而在于已经开始产生现金流的物理 AI 基础层，如车载感知、边缘计算和仓储自动化。文章重点分析了 Ambarella、Mobileye、Symbotic、Intuitive Surgical 等公司，认为利润将流向高附加值、高切换成本的环节，并给出了具体的买入排序和交易策略。
Claude Code 在大型代码库中的运作方式：最佳实践与入门指南
文章深入探讨了 Claude Code 如何在大型代码库（如单体仓库、遗留系统）中高效工作。与依赖过时索引的 RAG 工具不同，Claude 采用代理式搜索遍历本地文件系统。文章指出，工具链（包括 CLAUDE.md、钩子、技能、插件、MCP 服务器和 LSP 集成）对性能的影响往往大于模型本身。通过建立正确的上下文层次和渐进式采用策略，团队可显著提升开发效率。
终极指南：Attention 机制、QKV 与 KV Cache
本文深入剖析了 AI 领域核心的注意力机制。文章回顾了 Attention 从早期神经机器翻译到 Transformer 架构的演变历史，详细解析了其解决固定长度向量瓶颈的原理。同时，通过图文并茂的方式，逐步拆解了从 Embedding 到上下文表示的过程，重点阐述了 Queries、Keys、Values (QKV) 机制的运作逻辑及其在现代大模型中的关键作用。
对话时代正在终结：AI 助手的未来演进
作者 Peter Yang 认为传统的 AI 聊天模式（如 ChatGPT）正在被 Codex、Claude Code 等 Agent 工具取代。虽然普通用户不想学习复杂的技术设置，但未来的 AI 必须将执行能力与极致的易用性结合，演化为拥有深度上下文理解、能主动完成任务的“个人代理”，而不仅仅是聊天机器人。
大厂正在秘密开发的下一代架构：状态空间模型 SSM
本文探讨了科技巨头如 NVIDIA、Meta 和 Microsoft 正在秘密研发的状态空间模型（SSM），旨在解决 Transformer 架构在长序列处理中的计算和内存瓶颈。文章详细介绍了 SSM 的线性复杂度优势，并列举了 NVIDIA Nemotron-H 和 IBM Bamba-9B 等混合模型如何通过替换 Attention 层来提升推理速度和降低内存消耗。此外，文中还回顾了 S4 和 Mamba 等 SSM 架构的演变，展示了 SSM 在大模型未来的巨大潜力。
如何让 Claude 变身天才：8 个实用技巧
针对近期 Claude 表现下降的问题，作者提供了 8 个修复技巧。文章首先强调了工具选择的重要性，区分了 Claude Chat、Cowork、Code 和 Projects 的使用场景。接着介绍了模型选择（如 Opus 用于深度推理）、设置系统提示词、优化提示语结构（先给背景再指定格式）、使用 XML 标签以及利用 Claude 内置工具等方法，旨在通过具体的操作指南帮助用户释放 Claude 的最大潜力。
一文搞懂 Agent Harness：如何给 AI 大脑装上身体
本文基于对 ShareAI 创始人新璐的访谈，深入解读了 Agent Harness 的核心概念与架构设计。文章指出，Harness 是模型之外赋予 AI 行动能力、记忆与协作能力的“身体”。通过剖析 Claude Code 的三层结构——执行层、记忆层与治理层，作者阐述了从“流程驱动”向“模型自主决策”转变的工程实践。文章强调，优秀的 Harness 应提供类 UNIX 的稳定环境与结构化的记忆机制，从而释放模型的潜能，使其成为真正的智能合作伙伴。
Vibe Coding 时代：为什么 AI 不会取代软件工程师
本文深入探讨了“Vibe Coding”和 Agentic AI 的兴起对软件工程行业的深远影响。文章指出，虽然 AI 降低了编程门槛并替代了大量初级外包岗位，但同时也将工程师的角色从“代码编写者”转变为“AI 管理者”和质量把关人。迪拜正押注这一转型，构建 Agentic AI 的规则体系。作者强调，未来的核心竞争力在于理解力、审美判断和制定标准的能力，而非单纯的语法记忆，软件工程师将在新的技术分层中找到立足点。
AI时代职场生存白皮书：如何续签2030年的合同
本文是一份面向互联网从业者的AI时代职业生存指南。文章基于麦肯锡、高盛等权威数据，分析了生成式AI如何重塑2.2亿个中国岗位，指出高薪知识工作者面临比蓝领更高的替代风险。白皮书不仅揭示了客服、初级程序员等岗位的消失趋势，更提出了AI协同能力、复杂问题解决、跨领域整合等2030年必备的五大核心生存能力，旨在帮助职场人从“被替代者”转型为“驾驭AI的决策者”，实现职业寿命的延续。
郭宇：Agent 时代人最后的优势是不按常理的想象力
郭宇分享了关于 AI 与人类关系的思考。他提出逼近智慧的两条路：靠算力跑实验的 Agent loop，和靠直觉抓答案的洞察力。随着 Agent 将执行成本降至接近零，人类的护城河从行动力回归到了想象力，尤其是那种不按常理出牌、打破概率预测的独特洞察。文章还通过扫地机器人、自动育种等案例，展示了 Agent 的应用边界，并探讨了在科技加速背景下选择何种生活方式。
DeepSeek新论文解读：用“手指着图片思考”的多模态推理框架
DeepSeek发布新论文，提出一种名为“视觉原语”的多模态推理框架。不同于业界卷分辨率的趋势，该模型通过在思维链中嵌入边界框和坐标点，模拟人类用手指着图片思考的过程，有效解决了语言在空间指代上的局限。DeepSeek-ViT配合LLM将视觉Token压缩至竞品的十分之一，但在空间推理、计数和迷宫导航等任务上性能超越GPT-5.4等顶尖模型。
AGI 前夜：智力进入接口、成本表和工作流
文章分析了 AGI（通用人工智能）临近时的现实特征，指出其冲击力不在于机器像人，而在于智力成为一种可复制、可计价的基础设施。文章探讨了 OpenAI、DeepMind、Anthropic 等巨头对 AGI 的定义与路径，强调 AGI 首先是劳动力供给的冲击。同时，文章从任务链路、接口、稳定性、成本四个维度定义了 AGI 的现实门槛，并揭示了算力战争背后的能源与地缘政治博弈。
DeepSeek新论文解读：让AI像人一样“用手指着图片思考”
文章详细解读了 DeepSeek 关于多模态推理的新论文。该研究提出一种“视觉原语”框架，让模型在推理过程中直接输出坐标和框，像人类用手指指物一样进行空间思考。这种方法仅用传统模型十分之一的视觉 Token，就在计数、拓扑推理等任务上达到了超越 GPT-5.4 和 Claude-Sonnet-4.6 的效果。文章还深入分析了模型在迷宫导航和路径追踪等任务上的数据合成与训练策略。
Agent 时代必读书单：27 本构建认知地基
文章推荐了 27 本构建 Agent 时代认知地基的书籍，涵盖底层范式、认知科学、决策理论、多智能体协作、组织管理及哲学对齐六大板块。作者强调 Agent 时代的盲区在于认知层，建议按需阅读，认为读完这些书能看穿当前 90% 的 Agent 创业本质是在重复旧思想。
谢赛宁对LLM的判断：从Sora关停到世界模型的崛起
文章从OpenAI关停Sora切入，深入探讨了Sora核心架构DiT创造者谢赛宁对大语言模型（LLM）的根本性质疑。谢赛宁认为LLM只是在模仿语言的统计规律，而非理解世界，语言是“鸦片”。文章详细阐述了基于抽象表征空间的预测架构（JEPA）和世界模型才是通往通用智能的正确路径，并指出未来的AI架构中，LLM将退化为仅用于交流的界面，而表征层才是真正的基石。
普通家庭还要不要送孩子出国？AI 时代的新答案
文章探讨了在 AI 时代和国内就业竞争加剧的背景下，普通家庭是否应投资留学的现实问题。作者指出，单纯的“学历工程”已贬值，留学不再是逃避或镀金的保底符。真正值钱的留学，是帮助孩子建立语言能力、社会网络、职业资产和选择权资产。文章详细分析了日、港、新、德、美等地的留学逻辑，并劝诫学生警惕低质量留学，通过主动融入当地社会和职业规划，实现能力结构的重建。
这份X顶级账号清单：全球趋势与信息源指南
本文整理了一份X（推特）平台上的顶级关注清单，涵盖全球政治人物、AI核心领袖、宏观经济专家、投资大神及商业思想者。旨在通过追踪关键节点的发言，帮助读者直接获取一手趋势信号，建立高效的信息路径，缩短认知差。
干掉“人类中间件”，如何打造一家真正的 AI 原生公司？
本文基于 YC 合伙人 Diana Hu 的观点，探讨了如何构建 AI 原生公司。核心在于将 AI 从辅助工具转变为驱动公司运转的“操作系统”，通过全流程数字化构建闭环系统。文章介绍了“AI 软件工厂”模式，即由人类编写规格说明，AI 负责代码生成，从而实现“1000 倍工程师”的效率。此外，公司架构应剔除作为信息传递中介的“人类中间件”，转变为由独立贡献者、直接负责人和 AI 创始人构成的精简组织，最终追求 Token 消耗最大化而非员工人数增长。
离职字节后，北大教授泼了盆冷水：中国AI的真实差距，可能正在拉大
北大教授、前字节跳动算法专家张驰分析中美AI现状。他指出国内大模型存在“应试刷榜”、基础算力设施薄弱、高质量数据飞轮断裂等问题。因国产模型体验差距，顶尖开发者纷纷流失至美国产品，导致数据反馈闭环恶化；过度依赖模型“蒸馏”也限制了原创能力。尽管在硬件和具身智能领域尚存优势，但在纯软件领域的整体差距恐将持续扩大。
人类最后的职位：上下文耕作
文章探讨了 AI 时代企业与人类角色的根本性转变。随着“代理微公司（AMC）”的兴起，传统的层级制企业将被拥有“公司大脑”的小型团队取代。人类的核心工作不再是执行或决策，而是作为“上下文耕作者”，为 AI 提供高质量的信息环境。文章指出，构建可组合的全球性上下文基础设施将是未来的万亿美元级机会。
AI/ML 所需的线性代数知识（完整路线图）
本文旨在消除从事 AI/ML 工作对数学博士学位的恐惧，提供了一份精准的线性代数学习路线图。文章分为五个阶段：从标量、向量、矩阵等基础概念，到特征值、SVD（奇异值分解）等核心机器学习数学工具，再到连接微积分的梯度与雅可比矩阵。作者强调了掌握这些概念对于理解神经网络、PCA、推荐系统及 LoRA 微调等技术的重要性。
The Definitive Guide to Harness Engineering
本文介绍了软件工程的新支柱——Harness Engineering（挽具工程），将其定义为一种通过系统化约束和引导，将 AI 模型转化为可靠、可控的“精英表现者”的工程哲学。文章提出了 R.E.S.T 框架来评估生产级 Agent 系统，并阐述了从“执行者”到“架构师”的工程师角色转变，以及如何通过工程化的“硬约束”解决 AI 系统的随机性与可靠性问题。
逻辑报废：算法时代，只剩10%的人还在思考
本文犀利地指出，在算法时代，90%的AI培训只是让人变蠢，将思考能力外包给概率模型导致了大脑的“逻辑报废”。作者批判了AI对认知的窄化、教育的失真以及商业上的伪落地，强调AI只是杠杆，而思维逻辑才是核心支点。文章呼吁创业者与个人夺回“逻辑主权”，从被算法驯化的工具操作员进化为能够定义系统、交付确定性和洞察复杂人性的架构师，做那坚守独立思考的10%。