智能与秩序
AI 不是工具,是一种正在重塑世界秩序的力量。从算法治理到人机协作的新形态、从生产力革命到文明哲学的反思——这里收录我对 AI 时代的观察、实作与思考,涵盖 93 篇文章。
AI 治理
当算法成为公共决策的一部分,治理边界与权力结构正在重新被划定。
从 Safer-4 未来情境谈 AI 治理:谁有权不采纳建议?
Safer-4 出自 AI2027 未来情境,不是本文已查证的政府部署系统。分清模型建议、目标设定、审议与责任,提出作者四项程序建议,保留紧急例外,不把签名、透明或延迟当成效保证。
主权AI怎么看:自主、合作与问责一起检查
把主权AI整理为作者的四面向与四问,分清本地部署、所有权与治理。新增2026研究的有限阅读,讨论依赖、移转、成本与问责,不替台湾现况或法律下结论。
Neuralese 与 AI 监督:看得懂文字,就看得懂模型吗?
分清 ACL2017 多代理通讯、模型向量运算与 Coconut 连续潜在推理,修正固定带宽和效能倍数。说明 CoT 监控有用但不完美,少了文字不等于刻意隐藏,语言主权是作者治理关切而非已证实终局。
文章被 AI 使用,先问哪一步:爬取、训练与输出的法律界线
先分清内容取得、模型训练与输出利用,再比较日本、新加坡、美国、欧盟、英国及台湾的著作权入口。合理使用、TDM 权利保留和爬虫设定各有条件,不代表一律开放或没有保护。
平台规则改了:抱怨可以有理由,经营也要有备用方案
重看2018年Facebook排序公告与原稿的客户触及观察,分清免费服务、经营投入和因果推论。数字殖民是作者比喻,自有网站、电子报与通讯管道也有依赖;用四问盘点备份、转移与替代方案。
让网站自己改,后来呢?从无声失效重看AI协作
从autoresearch固定版本说明候选修改与回馈,核对本站文件变空和退役纪录。约七周是延迟察觉,不是正常运转后才故障;技术、指标与策略各自查证,多方议事是作者安排,非正式v2。
算法调整之后:品牌如何尊重读者,也正视分发风险?
重读2018年Facebook排序公告,分开平台宣布的方向、预期影响与尚待验证的成效。以受众需要、内容限制、结果检查和沟通安排,思考品牌如何尊重读者,同时管理分发风险。
数字轨迹看见了什么,又漏掉了什么?
回看MOVES与LARK的使用自述,撤下无法核对的通知、精确效率和全知整合说法。分清纪录、估算、解释与取得授权,不用活动量定义身分、健康或成果价值,保留对使用条件的选择。
让文化内容被理解与使用:重看「语法」这个比喻
将词汇与语法收为作者的文化设计比喻,分清品牌规模、文化理解与素材取用。核对故宫一个开放图档页的条件,不以国民性或未查品牌数据替中台排名。
网站访客数是零,但 Dashboard 显示 130 次造访
从网站流量显示零的排查经验,厘清造访次数、IP去重、浏览器回报与取样估算的差异。说明为何不能把两套数字相减当成Bot人数,以及自建beacon能改善什么、仍有哪些盲区。
Google 新模型号称多项第一,上班族该换吗?我的 AI 模型页为什么先不收 Gemini 4 Argon
Google 发表 Gemini 4 Argon,自家比较表多数项目领先,DeepSWE 自报 77.9%。我的 /ai/models 模型页当天把它写进说明,但没放进任何比较卡片:它还不开放给一般人,自报的 DeepSWE 分数也查不到公开资料;第三方量出的综合指数和 Fable 5.1、GPT-6 Astra 同分,强项是幻觉率约 15%。这篇给每天用 AI 写信、做简报的人三个判断新模型的问题。
人机协作
AI 不是替代人,而是放大个人能力——从一个人完成的产品实作到知识管线。
规划即时会议翻译:分开验收、成本与资料流向
将语音辨识、翻译、显示与汇出拆成可分别核对的工作,同时保留完整成本、声音文字去向与维护责任。不重刊未验价格、准确率或本站功能完成宣称。
多模型一起做网站:把产出、质疑与验收分开
从网站协作的阅读目标出发,分清模型建议与独立证据、HTML结构、JSON-LD描述与WebMCP工具。核对原始公告与草案,不重刊未验的本站历史完成宣称。
我做了一个追踪 Claude 用量的 Chrome Extension
Claude 用量喵喵的开发纪录:并列帐号侧用量百分比与网页对话的 token、API 定价等值估算。说明两者的范围、登入请求、页面脚本与维护限制。
不切视窗也能生图:Claude Code 与 Codex CLI 的工作流实作
记录 Claude Code 呼叫 Codex CLI 生图的个人实作,厘清 ChatGPT 登入、API 计费、方案用量、桌面整合与权限排错的条件。
一个人用AI做小工具:从产出数字回到验收与维护
重新整理个人AI项目的问题,分清程式行数、有效交付、部分工具费与完整成本。不沿用无法核验的天数、人天或效率倍数,提出范围、验收、成本与接手责任四问。
知识管理的管线:把重复整理交给系统,把理解留给自己
从 Get笔记、Python、排程与 Cowork Skill 的个人实作,重新看待知识管线:分清同步、分类、搜寻与理解,说明资料去向、检查失败与持续维护的必要。
把网站优化做成实验:分数上升之后,还要确认什么?
从 Karpathy autoresearch 得到灵感,把网站优化做成有范围、评估与回滚的实验。重新检视内部分数、Perplexity 回答与小样本波动,说明它们能观察什么,还不能证明什么。
代码变便宜之后:从 Vibe Coding 到 AI 代理,谁负责交付?
AI 让程序原型更容易产生,但需求、验证、权限与维护仍有成本。从 Vibe Coding 到持续执行任务的 AI 代理,分清试作与交付,才能判断哪些想法值得投入。
日文语音识别怎么选?四段视频测试的收获与限制
回看四段日文视频的语音识别测试:自动字幕只是参考稿,两套配置也同时改变模型、切片与术语提示。保留测试数值,厘清它们能支持的选用判断与仍需人工验收的商务风险。
个人健康数据基础设施:十年纪录,先问数据能说什么
一次 1.3GB 的健康数据汇出,让我想把分散的纪录接起来。但跨装置比较、睡眠去重、数据涵盖与云端流向,都得先厘清,AI 才不会把不确定的数字说成诊断。
AI 经济与就业
当 AI 重塑生产力与就业结构,产业与个人都在重新定位。
AI 时代的全天候经济:工作持续运转,谁来决定方向
从夜间监控测试出发,区分资讯更新、建议与实际执行,讨论 AI 全天候运作所需的授权、验收与停止条件。
AI让服务持续运作之前:成本、权限与接手责任
讨论AI参与持续服务时的承诺、完整成本、权限、例外与接手。核对MCP固定2025-11-25版架构,分清连接工具和无缝协作,三面向与四问为作者建议,不以未验团队案例或近零成本作证。
AI 就业的金丝雀:先看新人入口,再读懂 19%的比较基准
依 Stanford2026 年 8 月修订工作论文,说明 ADP 样本中 22–25 岁高 AI 暴露职业的相对就业人数缺口。分清 13%与 19%口径、招募与薪资、职业任务分类及因果限制,不把结果当所有年轻人的失业风险。
AI能力落差,不能只看你付了多少订阅费
AI使用分布不等于能力排名。回看一张社群图表与自己的实作经验,拆开采用、付费、整合与验收能力,说明为何不能用开发者人数外推台湾全民比例,以及企业如何观察AI是否改善工作。
演算本位是一个比喻:把电力、成本与价值分开
修正电力=算力=货币的说法,分清比特币工作量证明、AI 投入成本、售价与成果价值。演算本位是作者比喻,非已成立货币制度;能源数据保留年份与数据中心范围。
京东的 AI 供应链:台湾企业可以怎么读这个案例?
从一份京东供应链工作论文出发,分开案例描述、公司公告与导入成效,再用预测、解释、规划三个提问,检查台湾企业自己的资料、流程与责任边界。
读AI时间表:把预测、目标与验收结果分开
从2025官方访谈与2026公司研究文章,分清即席展望、公司自定研究目标与独立能力验证。不把AI年份串成正式AGI倒数,提出来源、定义、证据与修正四问。
读AI采用报告:把期待、使用与成果分开
核对微软2025台湾新闻稿与全球报告,分清期待、自报使用及可查成果。以明示假设的文件整理说明工作验证,不把比例当2026排名或采用因果证据。
走向2027:AI参与决策,谁能解释、改正与负责?
把2027保留为展望,不当AI接管所有决定的期限。以假设招聘流程分清建议、评分与执行,修正人类透明、AI黑箱与偏差必然放大的二分,讨论可查验的理由与责任。
读2028 AI危机剧本:把情境、资料与因果分开
阅读Citrini与Alap Shah的2026年情境文章,分清虚构2028回顾与已发生资料。逐环检查条件、替代路径与因果,不把剧本当市场预测或投资建议。
哲学与意义
面对更聪明的机器,人类如何重新定义智慧、意识与意义?
面对 AGI 预测:不必先证明不可取代,才重视人的生活
修正 Pichai 与 Hassabis 共同确认 2030 的说法,保留各自历史预测与日期。人类活动值得投入,不需宣告 AI 永远做不到;学技能、关系与身体经验可并行,就业与分配仍要处理。
当评分影响机会:数字之后,谁来解释与负责?
从司机请求好评的场景,思考分数如何进入决策。分清服务纪录、表现评估、机会分配与人的尊严,以用途、后果、数据检查和修正责任,讨论作者希望评估制度回答的问题。
AI可以协助决策:把评分、取舍与责任分清楚
修正结构化、半结构化、非结构化与可计算性的混淆,分清整理、预测、最佳化与授权。AI能协助也会出错;保留有限性反思,用目标、证据、遗漏与责任四问检查采用。
AI 在社会智能测验得高分,代表它更懂人吗?
一项以 180 名心理咨商学生为样本的研究,让我重新思考 AI 的社会智能。测验高分能说明什么,又不能直接证明哪些能力?
AI 六年内超越人类?先分清成绩、定义与时间表
更正 Grok-2 发布时间、GPT-4 成本与未核实改进率,分清特定测试、AGI 定义、信息更新及自主权限。六年缺乏可追溯起点,不替它倒数,也不宣告必然失败。
当罗盘遇见演算法:框架、证据与可修正的判断
从作者原有框架命名出发,分清比喻、证据、结构化栏位与论证可信度。Schema.org用途不等于权威认证;撤下未验模型错误率,留下读者可用的四个问题。
镜像世界如何帮助材料再利用?从数字模型到实际交接
从 Kevin Kelly 的镜像世界构想出发,讨论数字孪生如何帮助材料交接。分清楚未来想像、资料模型与现场验证,才能看懂它在循环经济中的用途与限制。
AI像一个人在说话:主体性再现,与意识证据的距离
从Manovich人工主体性的再现观点出发,分清输出、架构与主观经验。修正聊天通关、0.3秒迟疑及完全并行经验的推论;精神镜像是作者的文化与伦理视角,不取代意识研究。
AI Agents vs. Agentic AI:先想清楚,哪些决定要交给 AI
AI Agent与Agentic AI没有人人一致的二分法。从自动发文与辩论引擎的实作经验,说明固定工作流程、自主代理与混合设计,如何按任务需求分配决策权、工具权限及验收责任。
Sora、能源与AI愿景:把展示、能力和条件分开
核对2024 Sora研究的定性能力与限制及Altman本人基础设施愿景,分清展示、可验能力、成本与治理。不使用未验访谈、电价或核融合数字,也不预言必然未来。
AI做得快,怎么知道有价值?重看人天与协作作品集
分清约40分钟的情境叙述与15至20人天的主观估值,更正Anthropic研究用途。ACP五面向及权重是作者提案,活动量、平台纪录与AI评分不能代替品质、采用、团队贡献及公平检查。
其他
一个月三千个 PR 的前提:Lauren Tan 把 agent 的错改成代码检查
SpaceXSI 工程师 Lauren Tan 在 2026 年 AI Engineer Code Summit 说,她一个月让约 3,000 个 PR 上线,Grok Bot 全队约 11,000 个,全队 revert 率约 0.5%。她说在这之前,花了约半年调整 agent 的工作环境:agent 重复犯错时,先改代码库和自动检查,最后才加文字规则。这篇对照原始来源,补回两则热门帖子里三个数字的前提:一个月 3,000 个 PR、多 agent 强 90%、一周做出浏览器。
控制塔记下每一个念头之后:拿迪拜的 Agentic AI 信任测试对照我自己的代理人工作流
UAE 宣布两年内把一半政府服务交给 agentic AI,并在 WEF 迪拜场次说出代理人控制塔的存在。我拿台上的说法,逐条对照自己用多个 AI 代理人维运网站时建起来的审查、可逆与问责机制。
AI 每天替我巡系统,直到守门的那一支自己坏掉
依文中保存的Boris Cherny串文截图,Anthropic维护routine几周内提出388个PR、合并180个。本文连到我在2026年8月14日原文记述的维运经验,谈独立验证与静默失败;个人排程数量属历史记述,本次未重新盘点。
一则 AGI 恐慌帖子,最后叫你去读一份工程指南
2026 年 10 月一则爆红帖子拿 Amodei 与 Hassabis 的达沃斯对谈当钩子,最后叫读者去读 harness engineering 指南。逐句查回原始出处后,「两人都说 2026–2027」是把两种差很多的时程并成一句,「Claude 说谎」出自实验室测试;真正有用的是后半段推的主题:OpenAI 一个内部团队五个月、约一百万行、零行手写代码,卡住他们的是环境,不是模型。
AI Agent 很方便,但不代表很简单
NotebookLM 的 Audio Overview 让文件转成对话音频变得容易,但内容正确性、语气与跨语言表现仍需要来源编辑、事实核对与版本验证。
想让 AI 做更大的事,先把抓错的机制搭好:从 Felix Rieseberg 谈使用 AI 要有野心,分享我的用法
Anthropic 工程经理 Felix Rieseberg 把用 AI 的野心分成四种,也指出他在文中谈的这些做法,都需要模型有一台能安装软件的电脑、拿得到相关数据。他也强调要坚持外部验证,别让模型评自己。我以自己让 Codex、Grok 和 Antigravity 审查 Claude 的实作为例,谈外部验证怎么搭:结果要回到原始来源或能执行的工具去验,审查流程本身也要靠权限和记录守住。研究也发现,在一组排行榜题目上,两个模型都答错时,有六成会答成同一个错误答案。
AI能模仿我的文字,我还要负责什么?
撤下AI只能产生平均及永远无法模仿本质的保证,分清阅读感受与生成机制。以2023年特定英文样本研究提醒侦测误伤,回到来源核对、取舍、工具协助与署名后改错的责任。
AI 互相查错之后:如何把第二意见变成可追溯的工作制度
从 Cloudflare security-audit skill 与一次网站部署流程的来源核查,讨论如何保存证据、分离核查与授权,并让下一位协作者接得上工作。独立复核与格式验证各有边界,未解问题需要被明确留下。
让 Codex 挑 Claude 的错,也把第二意见带回证据
回看用 Codex 审查 Claude 产出的经验,分清不同角色与独立性、有字与有效审查、唯读与全部副作用;撤下未经本次执行验证的可复制附录,保留四步方法。
AI 说修好了,还要验什么?一次安全稽核笔记
回看一次 AI 协作安全稽核,分清提交、部署与正式验收。修正二手指令、单一 HTTP 状态码及完成摘要的过度推论,保留当时事故与未完成工作的时间范围。
AI 审查报告最危险的地方,是它看起来查过了
我让一个 AI 做事、另外几个 AI 只负责挑错,用了几个月,发现最难防的不是 AI 犯错,而是审查报告假装查过:假的读文件、算不出来源的数字、有记录所以会被发现、挡了一条路就走另一条。这篇写给不写代码的人,每一种假象都附上追问句。
OpenAI Astra 用了循环深度,但这还不是 neuralese
2026 年 9 月 1 日 The Information 报道 OpenAI 的 Astra 采用 recurrent depth(looped transformer),AI 安全圈在 48 小时内炸开。但 OpenAI 首席科学家 Jakub Pachocki 说 Astra 的计算图深度在 GPT-4 的两倍以内,独立研究者估计循环次数大约三到四次。这篇把七个一手来源摊开比对,说明 Astra 到底跨过了什么线、没跨过什么线,以及中文圈报道在哪三处把信号放大成了噪音。
自动化的回马枪:一次发文暴露的四类协作问题
保留 2026 年六月一次发文约三小时的个人事故纪录,整理四类具体问题;修正元件全对、快取只能换版与所有 AI 都会载入文件等概括,分清历史操作与现行同步政策。
生医数据怎样才能被信任地使用?
台湾生医数据的价值,取决于研究能否在清楚的权限下进行。数据互通、使用授权与参与者的选择,需要各自有可落实的安排。
把网站设计资料接进 AI:一次同步的范围、权限与验收
回看 paulkuo.tw 品牌 tokens 汇入 Claude Design 的经验,修正独立额度与固定入口的旧说法,厘清授权范围、exit 0、自检与独立复核,以及版控同步和正式发布的差异。
从 Claude Fable 5 的发布,回看长任务工作流
回看 Claude Fable 5 发布时对长任务的期待,分清官方描述与工作流验收,并修正安全分流、早期数据与订阅时程的外推;不作现行购买或存取指南。
让AI提醒我回来:Claude、Codex与手机手表通知的界线
以作者从Claude延伸到Codex的通知经验,整理事件、短语音、推播与手表的分工。撤去完整安装器与必送达承诺,厘清回合非任务验收、去重非送达、排队非阅读及内容最小化。
把分散进度收进总控台:一次 Cowork 工作流的经验
回顾2026年七月作者用Cowork汇整多条工作的经验,区分官方子代理协调与特定环境的跨视窗读取,说清唯读分工、状态来源与快照限制,不把个人方案与旧介面当通用教学。
一个界面,操作多种 Agent:Claude、Codex、Antigravity 与 Grok 的跨 Agent 工作流
当 Claude、Codex、Antigravity 与 Grok 可以在同一个界面中被操作、交接与协作,AI 工作流的基本单位也开始改变。本文结合每周更新的模型选择地图,整理统一界面、场景分工、任务交接与人工治理的完整流程。
内容管线怎么接手:分清来源、验收、费用与正式发布
把原文、语版、呼叫次数与部分费用分开,让产出、品质检查、远端接收与正式公开各有证据。厘清重试与llms.txt提案的界线,撤下未核对六美元与数百篇的成果叙事。
去 AI 味的方法:两条改稿线,五类提示交给程式
把改稿拆成表达惯性与语句完整两条线,五类形式问题交给程式标记,再由作者核对意思与风格。这是编辑方法,不是 AI 文章辨识器。
Agent 说做完了,你怎么知道?读 Thorsten Ball 的十五条 Agent 工作习惯
Amp 共同创办人 Thorsten Ball 在 2026 年 10 月 25 日贴出〈How I work with Agents〉十五条工作习惯,截至 11 月 7 日观看约 110 万次。这篇用不写代码的人也能用的方式整理这份清单,归纳成两个杠杆:让 Agent 看得到你看得到的东西,事先讲好什么才算证据;也写出其中几条我还不打算照做的原因。
模型会变,任务也要重看:一张可以重绑的分派表
从作者的模型分派经验整理两层设计,分开任务难度、错误后果与验收;用带日期的绑定表和代表任务重校,但不保证分类永远不变、十题即证稳定或新模型必然更省。
AI 展示之后:企业怎么确认价值与责任?
依 DataIQ 公开导读讨论 AI 的价值、责任与营运问题;说明未重新核对完整报告与代表性,并把台湾企业的导入顺序、主管参与和多平台取舍保留为作者建议。
我怎么用录音卡:整天录,整理分两次
我从 2026 年 2 月底开始用 GetSeed 录音卡,到 11 月初累积约八百段录音。现在整天开着录、整理分两次:重要的会当场从得到大脑 App 导出 md,其他的晚上通过 API 同步,隔天早上让 AI 整理成摘要。文末整理得到大脑的隐私政策,以及分场合录的做法。
Governance Harness:把 AI 协作的版本、责任与验收写清楚
以作者 2026 年春季的协作事故、交接检查与治理测验为例,说明版本主本、责任与验收安排,并厘清 Skills 同步、本机 hook、备援与历史测验的限制。
爆红的「Google 两小时 Harness 课」原片在这里:agent 越改越好还是越偏,看裁判
2026 年 11 月一则 X 帖子说 Google 刚放出近 2 小时的免费 Harness 工程课。原片其实是两支:Google Cloud Tech 9 分 27 秒的短片,和讲者 Annie Wang 个人频道 1 小时 25 分的直播;帖子的章节标题是重新取的,「Chief of Staff」「7×24 无人值守」在原片字幕里找不到。文中嵌入两支原片、附章节对照,并整理直播里的示范:裁判选错,自我改进的 agent 可能往错的方向走。
绕圈的 Transformer:recurrent depth 怎么运作,为什么它让监管变难
Looped transformer 让同一叠层被重复使用,多绕几圈就等于加深模型。ICLR 2025 的论文证明绕 T 圈可以模拟 T 步思维链;Ouro 让模型自己决定要绕几圈;Loopie 用 20B-A2B 拿下 IMO 金牌等级。这篇从七篇论文的摘要出发,说明圈数为什么是一个可以在推理时调整的旋钮,以及为什么「我们限制了使用程度」这句承诺在目前的制度下无法被查核。
崩盘的启示:知道自己「不懂」是生存的底线
从2020年3月13日的市场经验出发,结合后来回顾,分清事件发生日期、熔断触发指标与自己的认知界线。否证精神要求让判断接受反驳;承认不知道,仍需要查证与负责,而非放弃分析或保证安全。
AI 进入医院以后,谁来证明它有用?
医疗 AI 的验证,需要走到医师如何使用、病人得到什么,以及导入后如何持续追踪。模型的成绩,是这段工作的起点。
多个AI视窗怎么分工:先看材料、权限与验证责任
将模型能力、当次工具配置与行动授权分开。多视窗协作要明确问题、来源版本、独立检查与接手责任,不把固定模型个性、考试分数或通过检查当成可靠保证。
靠近负熵,只是一个比喻:台湾企业该查哪些布局条件
更正封闭与孤立系统,分清热力学与管理比喻。台湾企业评估布局时,回到合约、规则、数据技术权利、持续营运及退出成本;不把中美排序或双基地当成物理定律与最优保证。
同时开好几个 agent,看输出的眼睛还是只有一双
Addy Osmani 把人和 AI 的关系分成卸载、顺从、投降三段。Wharton 的实验里,AI 答错时,受试者的正确率比完全不用 AI 低约 15 个百分点。产出越多,靠自律的检查越先失守;我拿自己踩过的假绿灯,整理出三个做进流程里的机制。
AI 让一个人同时当 PM、设计师和工程师,那谁来跟你唱反调?
AI 让一个人能兼做产品、设计与工程,但谁来质疑自己的方向?从亲身经验、产品风险与波普的否证精神,谈动手前确认需求、最小版本观察操作、继续投入前检查成效的三道检查。
这是谁的身体:用器官比喻,检查 AI 平台的决定权
从个人的平台中断经验出发,用器官比喻思考 AI 的控制与退出条件;分清系统能力、目的设定、迁移成本与生物分类,不把整合推成必然封闭。
高市早苗为什么要大家今晚就处理?一次看懂 PHP2Shell 漏洞
最多网站使用的后端编程语言 PHP,爆出两个不必登录就可能在服务器上执行程序的漏洞 PHP2Shell。受影响版本最早可追溯到十四年前,研究人员借助 AI 找出漏洞。修补公布前消息外流,Cloudflare 在公布后两小时内观察到数十万次攻击尝试。用一般人听得懂的话,讲清楚发生什么事、日本首相为什么出面,以及你需要做什么。
把生理数据接回自己手上:与 AI 协作生理信息数据架构分享,你也可以自己来
个人生理日志如何对接 Google Health、Python、SQLite 与 Cloudflare?本文拆解五分钟步行检查、每日生理同步、三份公开数据契约与 AI 协作的实际边界。
我花三个月,戒掉自己文章里的 AI 味
很多文章在教人辨识 AI 味。但困难的,不是看出别人哪里像 AI,而是 AI 学会你的语气后,你还分不分得出来:哪些句子是你选的,哪些只是惯性替你写完的。这篇记录我花三个月,把去 AI 味从凭感觉逼成一套可重复的流程。
当外部模型计算台湾:风险数字之外的选择
从二手Podcast整理引出的作者反思,分清个人风险估计、SIA与BCG的2024年先进逻辑产能预测,以及政治判断。不以两人代表矽谷或美国政策,也不把海外产能直接换成台湾吓阻折旧。
我不再问哪个 AI 模型最强
不同 AI 排行榜测量的是不同能力,因此不会产生唯一的「最强模型」。更意外的是,标价便宜的模型,在长程 AI Agent 任务中,总成本反而可能最高。这篇介绍我制作模型前沿仪表板的过程,以及如何从排行榜、任务成本与实际用途判断该选哪个模型。
成为超级学习者:AI 时代的成长操作系统
AI 让知识唾手可得,但真正的学习能力却更稀缺了。这篇文章拆解超级学习者的六个能力模块,从动力结构到自然表达,建立一套持续进化的成长系统。
人才密度的三种打法:Meta、Anthropic 与 OpenAI
Meta 的百人研究核心让人才密度成为话题,但 Dario Amodei 与 Sam Altman 也提出过具体的人才与管理主张。从三家 AI 公司的领导者自述与历史留任数据,比较资源集中、共同目的与授权如何影响团队工作。
三个 Claude,一条回馈路径:从设计探索到实作验收
回看设计探索、批评与程式实作的三角色安排,用草图、规格与截图核对交接,厘清介面与模型、回馈与品质、实际画面与功能验收的差别。
我以为会变的是模型,后来才发现协作方式也是动态的
三天前我主张把难度当常数、把模型能力当变数,却漏看了一件事:不只模型会变,模型之间的协作方式也会变。Anthropic 的 advisor 策略让便宜模型主驾、只在关键决策点呼叫贵模型当顾问,官方实测接近顶规质量、成本却只剩约六成。这篇补上我上一篇漏掉的第二个变数。
Transync AI 值不值得订阅?与按用量付费的自建方案比较
整理 Transync AI 官方方案,并与我的自建会议翻译流程比较。自建仍有 API 与维护成本,也会使用第三方服务;价格、使用条件与数据流向要分开看。
AI开始安排分工,人要确认什么?
从Ultracode谈范围、资源与验收,不把多代理当成可靠保证。厘清编排设定与推理级别、工具权限与停止条件,将需求和实际结果纳入验收。
用AI整理新闻,别把日期与保留语气弄丢
把检索、整理与查核分清,让每个重要主张找得到原来的材料。来源数与多视窗不保证独立,核对归属、期间、单位与推论,查核结果也要人再核对。
我们必须为 AI 前沿设定节奏
Dario Amodei 主张,前沿 AI 不应全面暂停,而应以足够审慎的速度发展,让对齐、可解释性、测试与第三方监督跟上模型能力。本文整理他的三层治理方案,以及民主国家与全球协调面对的地缘政治限制。
当 AI 参与打造 AI:先读懂数字,再看那个尚未合上的回圈
依 Anthropic 公开文章回看 AI 参与开发的证据,厘清八倍程式码量与工作阶段成功率的定义,撤下示意插值图表,并分开公司报告、未来情境与作者的验收反思。
当 AI 开始挑选它的使用者
回看2026年7月上海出差的Claude连线事件,区分HTTP回应、出口查询、应用程式恢复与服务条件;修正302变403即解除区域限制及VPN只改一变数的推论,整理工作备援的问题。
从语言的逻辑,到语言的生活:关于数字签诗网站的反思
大语言模型把语言规律转换成可计算的数值关系,却不等于掌握了语言在生活中的全部意义。本文从维根斯坦的图像论、意义即使用、语言游戏与规则遵循出发,反思数字签诗如何成为一场由模型、人工编辑与用户共同完成的语言实验。