美国工科 PhD丨斯坦福校友丨10后饲养员丨第三曲线中. Tifosi since 22' 每天手打一条AI 常识，因为发现我觉得是常识的事情还有人不知道。欢迎实操验证。
Joined June 2022
- Tweets3.1K
- Following2K
- Followers2.6K
- Likes1.9K
Pinned Tweet
又出了新模型，怎么才知道模型好不好用？
前两天Meta和Google相继发布新模型Muse Wonder和Gemini 4 Argon。每个模型都有一大堆的3D展示，震惊瘫坐，那么究竟哪个模型真的对你有帮助？
其实初步比较，看两个网站就够了：
1. artificialanalysis.ai/ 这里有最权威的模型榜单，分门别类，维度全面，想快速比较模型能力看Intelligence，想针对特定任务看Benchmark。
这个榜单的缺点是为了追求全面，有些比较老的评测标准也在上面。这些标准的题库是公开的，导致新出的模型可以刷分，评分饱和失去意义，却能排名靠前。因此有时候模型的排名和大家的体感不一致。
所以可以让AI帮你筛选下，哪几个评测标准更不容易作弊，看了后心里更有数。
2. arena.ai/leaderboard 这里有全球公开擂台。每个人都可以注册，然后用自己的提示词，对不同模型生成结果。在选择喜好前，你看不到模型名字。跟有题库的榜单比，更难作弊。
缺点是，这个网站不太好比较那些不容易一眼分辨的能力，例如纯后端能力；而且比较容易受人的偏好影响。模型结果可以看上去很讨喜，但不是真的有用。
接下来，到底要不要换模型？
如果比较模型只是为了选择用哪个订阅套餐，我建议你选择Command Code GOAT 或 Opencode Go Plan。相对于官方API都有不小的折扣。这两家是直接竞争对手，一个有活动，一个就来个更大的活动。总归是划算的。
如果是在具体工作中要比较模型，就复杂多了，不仅涉及模型本身，还涉及你用到的Agent Harness，运行环境，用于评测的标准……方方面面。关于这点，我正在开发一个能在真实工作中用于比较模型/Agent/Skill/Prompt的工具，希望能帮个人/小团队更好地比较不同的AI工具。可以先说说看，如果有这样一个工具，你有兴趣吗？主要关注哪方面？
X运营遇到瓶颈？有效流量不够？不知道怎么写长文？官方刚出了一个创作者指南，进去看看没准有你能用的建议。觉得对大家有用的部分我已经圈出来了，滑动可以看到图片。
不想看英文的丢给AI帮你看吧。希望看到中文区出现更好的内容。
X不鼓励搬运、博眼球、起暴论、水贴，小心努力半天后资格被取消啊
Deepseek V4.1 Flash 1017已经在Command Code中可用。OpenCode Go中同样可用了。模型名不用改。后者免费版也同步上线。
后知后觉的发现最近围绕grok bot的争议还挺大。一周前试用grok bot第一时间的体验就是下面引用的这则推文。现在正好来更新一下想法：
1. 关于交互：在试过不同的bot之后我认为grok bot的交互体验几乎可以算最优。尤其是群聊感觉不错。这是我继续用的一个核心原因。
2. 关于智商：之前吐槽过路由到Opus 5.5被拒绝翻译博客，所以Grok bot背后肯定有opus模型，这点不用质疑。但harness跟claude不同，提示词和可用工具不一样。
不能指定模型这点我肯定是不赞同的，但说实话目前并没有发现什么明显的降智行为。也可能是我容忍度太高了哈哈我之前用龙虾的时候曾用过minimax m2.1哈哈。其实一些事情你稍微提醒下就好。不是什么模型都像Fable那么有洞察力的。
3. 关于环境配置：这两天也有人问过我为何ta的grok bot没法用浏览器上网。grok bot作为一个开箱即用的bot，在安全和权限上肯定是有一些预设的，这个没办法避免。我的解决方案就是直接问他怎么办，有必要的话让他去拉文档看看。
4. 关于云端和本地：必须在本地机器运行grok bot app才能让云端bot（手机，网页）也连到本地机器执行命令。一般来说他还是优先在云端执行。指定好计算机名称，不会搞混就可以。有技术能力的加一个tailscale也能多个途径互通。我因为有vpn的缘故有些地方要多折腾两遍，但是把问题描述清楚他自己都会去解决的。
5. 关于要不要折腾：我个人是发现围绕grok bot有很多agent最佳实践是我没考虑过的，加上poteto小姐姐实在是太优秀，确实期望多一些体感，希望能领悟到一些之前没想明白的事情。
Grok Bot的官方market有很多宝藏bot. 拿来就用也是一种捷径哈哈。
#每日AI常识 AI订阅太多，记不住各个套餐消耗情况？记不清什么时候重置？不知道按现在的使用情况还能用多久？
免费 Mac 应用 CodexBar 可以让你一目了然查看自己的几乎所有订阅的使用情况，如图所示。虽然名字叫CodexBar但是可以同步数十个AI订阅的额度（我只展示了我自己的配置）。再也不用担心忘记蹬浪费啦
哈哈！我终于跑通了用Grok Bot指挥自己电脑上的Claude Code, Codex, dsh, pi的全流程！不是终端开个Codex会话写代码那种跑通，是跟Grok Bot 指挥自己的bot差不多的双向对话。坑实在太多了，后面详细写个教程。
看来看去，还是搞IT的人在用。渗透率必然不高。大家都散了吧
我去，读了网易 LobsterAI 刚刚发布的《中国办公 Agent 用户行为报告》
不少结论太反直觉了，跟 X 上大家 Agent 用法不一样。
比如：
① 微信竟然是最大办公 Agent 入口
② 办公 Agent 的最大场景还是（泛）编程
③ 73.6% 普通用户仅用一个模型
下面展开说说：
很多人把办公 Agent 接到微信、飞书、QQ 等 IM 里用，微信占比最高 77%，飞书 14.3%排第二，然后是 QQ。
微信跟国人绑定太紧了，也最顺手，上午 7-11点给 Agent 派活很多，看起来像上班路上用？
交给 Agent 的工作中，泛编程/IT 最多，是最大的使用场景。另外，设计/影视/创作使用量上升飞快，感觉这两大类任务都是模型能力的甜点区。
从报告里看，感觉普通用户不怎么切模型，默认给啥用啥，73.6% 普通用户只用一个模型。
普通用户人均使用 1.6 个模型，重度用户是 2.4 个。
最常见两种组合：DeepSeek Flash 系列 + GLM 5.3 Flash（14.0%），DeepSeek Flash 系列 + V4 Pro（12.4%）
梁圣 DeepSeek 缓存有黑科技，性价比一直超高。
这数据用的是 V4.1 Flash 旧版，新上的 V4.1-Flash-1017 能力又大幅提升，接近GPT 5.6 sol，感觉又要杀疯了。
还有一些有趣的观察，见第二条
如果有一个AI，完全明白你关心什么，每天在做什么，不仅帮你执行，还能替你获取即时信息，甚至把未来需要的东西都准备好；能接住你的各种想法，情绪，也能督促你学习、进步；把你最佩服的人的能力带给你，也是你磨练思维的伙伴和导师，你会不想要吗？
那你愿意花多少钱？
看到这一幕的时候有点恍惚觉得像生活在未来世界。虽然年初自己就接了个ESP32硬件做的Openclaw语音助手，也设计了各种表情包，但是音频延迟太高，只能当玩具或者消息播报。Grok Bot的语音模式本来就反应巨快，搭配这样一个会动的硬件真的太科幻了
Groki （ESP32 驱动的 Grok bot硬件）迎来史诗级更新！！！X 博主的 24 小时桌面助手来了！
现在 Groki 可以直接调用你@bot 的原生语音功能。不需要接任何第三方语音中转 API，直接用你 Grok 订阅自带的语音额度。
支持原生语音控制 Bot 的所有工具——比如创建新 Bot、设个定时任务、调用 X tool use 等等。
项目完全开源，手头只要有带麦克风和喇叭的 ESP32 设备都能刷，直接体验原生的 Grok 语音系统～
不爱上班的同学看过来！
之前有一个大神曾经说过，人的天性是需要运用自身努力控制事物的发展。当被迫用虚假的目标代替真实的目标的时候，就会像小动物被囚禁一样，出现各种刻板行为。然后，消费主义就被发明出来，让我们用购物掩饰内心的空虚了。现代社会的工作中，我们所做的事情都是别人指定的，根本不是自己的真实目标，因此上一天班后看似是时间长觉得累，实际是心累。
我认为，AI 在执行任务这件事上如此擅长，其实提供了一个机会，就是我们又能够自主掌控自己的时间和目标了。也许暂时生产关系还不会因此发生变化，但是多多少少是为我们打开了另一扇门。
当然还有一种可能的未来，就是 AI 被资源所有者用来压低人类劳动的价格。那将会是多么悲惨的倒退啊。
#每日AI常识 对AI Agent搜索出来的内容不满意？也许是你没配置专属AI搜索引擎。现在的AI搜索引擎不仅通过过滤大量格式字符以节约上下文token，而且支持语义检索和垂直领域检索。例如AnySearch，不用注册也可用，配置对应MCP即可，可以指定金融、学术、代码搜索。其他免费AI搜索工具有exa，tavily等。
觉得自己X内容转化率不高？其实因为你理解错了“转化率”！以下内容让你5分钟搞懂有效曝光转化！
首先声明：以下都是公开信息，可以验证的，不是独家秘方，只不过现在以讹传讹太多了，我来根据官方信息澄清下，让大家少走弯路
在9月的原创新规之后，真正和原创奖励相关的曝光是：500K Verified Home Timeline impressions；这个数据只有在次日的东八区上午10:30左右才会在我们的Original Content Rewards中出现。
所以，大家为了提前知道自己的有效曝光，只能去Analytics里面根据实时数据的曝光情况猜测。但是默认的Overview里面显示的曝光包含了：
(1) 你发表的内容在蓝V的 Home Timeline曝光（并且要求50%以上可见，多次出现只统计一次）
(2) 你发表的内容在非蓝V的 Home Timeline曝光
(3) 你发表的内容在所有人搜索内容、点击主页、阅读内容细节时在其他页面（而不是Home Timeline）的曝光
(4) 你在自己/别人帖子下面回复的曝光
其中第4条的曝光可能因为你所回复的别人的帖子爆了而数量很高，但是它是完全不计入你的“有效曝光”的！有效曝光只包含第一条！
所以，你看到的有效曝光少，不是“转化”的少，是(2)、(3)、(4)在Overview界面未被剔除造成的！
这就好像系统只统计在苹果手机上的曝光，但是你看的统计数据是包含了电脑端曝光，苹果手机曝光，安卓手机曝光的总和，你能说是“转化到苹果手机的曝光率”低吗？
如果你要获得更准确的统计数据，我建议你固定时间到Content里面，把最近的Post统计数据导出，每天做总曝光量变化对比。虽然这依然不准，因为包含了(1)+ (2) +(3)，而且是以帖子为单位，而不是以日期为单位，每日的增量只能手动计算；但是比包含了大量不在你控制范围的[4]要有用太多了！
以上仅代表本人理解哈，如果我理解错了请纠正！@grok 帮我核实。如果这条对你有帮助，欢迎留言点赞，让更多小伙伴看到～
AI Agent使用的时候，检索资料、查文档什么的都需要用到实时搜索。过去高质量的搜索其实都不便宜，而且国内的搜索可以说是被少数几家垄断的。所以昨天群里小伙伴们都在感叹ds自己做搜索这件事，不确定为什么他们非要自己做。而且一上来就做这么便宜。
不管动机如何，我感觉百度又危险了。
大家最近的关注点都在 DeepSeek 的模型上，可能忽略了它的搜索 API，这个也有点杀疯了。一不小心可能把同行都干垮了。
Search 和 Fetch 都是 5 元 / 1000 次成功请求，一次半分钱。Search 还能直接返回网页正文，不用为了读内容再补一次抓取。
让 Hermes Agent 实际调了一轮官方 API，第一轮 7 个请求都拿到了内容，包括 Ethereum 官网、X 搜索、账号主页和 Vitalik 的单条推文。最开始测的 3 次搜索大概 0.8–0.9 秒，2 次网页抓取大概 4.5–5.4 秒。
对比一下目前几个国外搜索 API 的公开单价，不算免费额度，每 1000 次搜索大概是
DeepSeek 5 元
Exa Instant 4 美元，约 27 元
Brave 5 美元，约 33 元
Exa Auto / Fast 7 美元，约 47 元
Tavily Basic 按量付费 8 美元，约 54 元
粗算只有这些档位的 1/5 到 1/11。当然，各家的检索能力和返回内容不完全一样，这里先比调用单价。
限制也测了一下，主要分两块。
一个是时效性。我让它找自己最新的推文，主页抓取拿到的第一条其实是快两天前的。查了归档数据库，后面已经有 15 条更新的帖子和回复。所以查资料可以，找最新动态、实时盯推文还得留意。
另一个是一些中国特色的敏感内容，这轮搜索测试就别想了，限定相关境外来源的几组查询都没搜到。
但至少外网的内容是能拿到的，Twitter 也能读到。很多真正有用的信息和知识，国外的一手资料，不用只看别人转述了。
我觉得这已经是一件非常好的事情。就我这轮查外网资料的体验，比百度好太多了。
api-docs.deepseek.com/zh-cn/…
订阅了的，或者订阅过的，都去查一下自己的邮件
呃，OpenCode 后台好像被黑了😶用 Opencode Console 的兄弟们赶紧去把自己的 ApiKey 换了！
OpenCode 官方现在已经承认确实被黑了：他们的一个快下线的旧系统被人摸进去，1.4% 的 Console 用户存的 OpenAI、Anthropic 等 key 可能泄露，如果收到了邮件，那就是中招的。
底下评论区都炸了，有人一觉醒来被刷了 400 多刀，还有人说 1700 刀。Anthropic 已经先把一批受影响的 Claude key 吊销了。
官方说这事跟"大规模蒸馏攻击"有关。按目前大家的理解：拿你的 key 去薅模型做蒸馏，账单你来付 🤡
本地跑的 OpenCode 不受影响。中招的赶紧：吊销重建 key、查用量、设消费上限 ⬇️
AI FDE 简直是概念炒作的巅峰之作。
Gartner预测：到2028年，70%由FDE部署的AI智能体将被弃用。
详细报告大家可以去看原文。
我的观点：真正的企业AI转型难度不亚于甚至远远超过数字化转型，用当下国内的FDE方式强行上AI只是痴人说梦。FDE概念的提出者Palantir做的是国防这种垄断、强关系行业，项目金额千万美金起步。国内这种几万几十万搞的FDE都是吃力不讨好，最后活下来的都是靠经营关系。问题是你一个搞技术的，真的明白怎么经营客户关系吗？过去几年做过toB生意的已经踩过无数的坑，有了AI，不代表这些坑不用再踩一遍。
如果有机会去大厂当所谓的FDE，值得尝试。初创和小团队，可以接点活就当是高级外包了。反正现在生意不好做，多少算个事儿。但是请别再包装成什么AI时代高薪岗位，用FDE培训圈钱了。
gartner.com/en/newsroom/pres…
#每日AI常识 DeepSeek v4.1 flash的最划算方案是10美元换80美元用量的OpenCode GO plan 或Command Code的 GOAT plan。今天DS的模型更新尚未官宣，但按照以往规律，北美区开始上班后就会宣布上新了。
同时他们也有非直连官方的方案。有免费的也有付费的。有需要的话可以让自己的agent帮忙查一查。