听说某个程序员大 V，来推特了，用 AI 运营推特，洗稿，然后被投诉到炸号了。 玩推特，发推，是乐趣，这样才能长长久久，如果就为了刷存在感，搞个 AI 辅助运营，是没啥用的，不需要多久就会被淘汰掉。 我之前说做社群三年，熬死了很多竞争对手。 我的秘诀，无他，就是勤奋，就是真的爱这个，愿意花时间进去。 我可以周六日也不下班，就待办公室里，一周七天，早上10点到晚上12点，大概都在办公室了。 就为了把社群干好，同时做做网站赚钱。 而我的很多竞争对手，是做不到这么投入的，于是他们慢慢就懈怠了，停更了，社群也就慢慢冷了。

刚才在群里说，AI干活和《经济学人》一样，非专业的人觉得这是全球最牛逼的，一旦它碰到你的专业，你就立刻觉得平庸了。

Young people actively hate AI. My two younger daughters are 19 and 18, both at universities - one in the UK the other in Italy. Through them, I happen to know quite a few kids their age. And ALL OF THEM seem to universally hate AI. To them it's "something old people invented that we now have to deal with... as if climate change wasnt enough" AI is cringe. When they introduce me to their friends, they literally say "heyya, meet my dad, he's a software engineer but nonono, NOT IN AI, dont worry, hahah". They hate it for flooding their social feeds with slop, ruining music, taking phone scams to the next level, also destroying careers & devaluing their hobbies - why become an architect, this skill is about to become worthless? Why learn a musical instrument if session musicians are already obsolete? The outcome is interesting, though - they're spending less and less time on public social, meeting up IRL, moving their online lives into private group chats with actual verified friends. TikTok and Reels are increasingly cringe-something for old dudes. Which, I guess, might be a net positive after all...

🚀 Introducing DeepInfer, our in-house inference framework, now fully open source! Powering DeepSeek-V4.1-Flash at scale with high throughput and low latency. We’re sharing our production stack to help the community lower compute costs, reduce energy use, and make AI more affordable. 🔗 github.com/deepseek-ai/DeepI… 1/4

今天和我爸聊电报的历史。他给我讲文革时期武汉天津路有个老电报大楼。当时长途电话需要人工话务员通过长途电路一段一段地向目的地叫号转接，武汉天津路是一个重要枢纽。人工语音握手，对方先询问目的地，这边回报“天津路”，握手发起“毛主席万岁”，需回复“万万岁”。他在旁边听就是“天津路……万万岁”

我希望有一天如果我生病了，我只要打个车去医院从我肛门的 USB8.0 接口接入 Claude mythos 8.0 模型给我的身体做一个全盘检查出报告，通过每次体检的上下文做对比，找到我身体内的异样处，最后用视网膜刷医保缴费，Claude 就帮我治病，去除我体内的 bug ，没过多久，我就可以蹦蹦跳跳的走出医院了继续去公司加班了。

我们写了这么多年 TypeScript，所有的类型标注在编译那一刻全都被无情擦除（Type Erasure），最后还得靠笨重的 V8 引擎在运行时去猜类型。 但 Vercel 刚刚在 vercel-labs 开源了一个极其野心的底层实验项目：scriptc（已狂揽 6.2k+ Stars）。 它不做套壳打包，而是直接利用 TypeScript 的类型检查信息，把你的 TS/JS 代码和 npm 依赖编译成真正的原生机器码（Native Executable）。不需要安装 Node.js，甚至不需要 V8。🧵👇

评价这么高有点震惊了。 github.com/metasequoiaime/ch…

钱包 Seed 使用 Math.random() 生成...这个年代居然还会用 Math.random() 这种超弱随机数生成方式...

so… what happened to toon?

AI 再聪明，写代码时我还是更信 GitHub 上成熟仓库里验证过的解法 AI 还没爆发的时候，我就经常参考这些仓库来写代码，质量也很好 现在有人把这套方法做成了工具，叫 XERJ： 帮 AI 下载相近的开源仓库，把代码整理成可搜索的资料，动手写之前先查相关实现 效果怎么样？ 项目方用专门构造的陌生代码库做了对照测试： 两组都通过了 16/16 次运行，用 XERJ 的组比用 grep 搜源码的组，生成的文本量少了约 62%（按 token 计） 挺高兴看到自己以前的做法，有人把它做成工具，还测了效果 github.com/xerj-org/xerj

无聊的时候可以看看DeepSeek V4.1 Flash 1017的思考链 你将会知道什么叫雷霆大思考🤣🤣🤣🤣🤣🤣 看得我已经笑到肚子疼了，我艹🤣🤣

黄奇帆被查原因基本摸清，儿子、情妇、铁杆部下、彭静、泰达币、栗家一样不少。 第一，重庆国资海外并购巨亏的“历史旧账”，直指家族利益输送。 在关系图的右上方，被隐去的关键字对应的是“重庆钢铁”与“重庆粮食”。当年黄主政重庆国资期间，力推重钢集团赴澳洲收购铁矿石、重粮集团远赴巴西买地种大豆，这两个百亿级项目最终均以惨重巨亏、国有资产严重流失收场。 图中明确将“儿子黄”与这两大海外败局直接挂钩，并串联起已落马的原重钢高管董荣华、董林，直指其家族成员利用跨境并购充当掮客，在国企海外投资中“吃里扒外”、掏空国资。 第二，“渝富系”金融老部下沦陷，与港股 IPO 跨境资本腐败引爆新雷。 在金融证券线上，图中被抹去的“西南证券”与“渝富集团”曾是黄运作重庆国资资本化的左膀右臂，其核心干将廖庆轩（原重庆国资委主任、西南证券董事长）、吴坚、等人的牵出，撕开了本土金融腐败的口子。 更致命的是左下方的“方星海（原证监会分管境外上市的副主席）”分支与聊天记录的呼应——黄的儿子被曝利用父辈在金融监管层和地方政商界的影响力，隐身香港和加拿大（枫叶国），深度参与了多达29个港股IPO项目的利益分成。近期随着茶百道等港股上市企业被查，这根连接内地权贵、监管高层与香港资本市场的暗线被彻底引爆，波及沃特股份、魏桥集团等关联企业。 第三，政商女掮客牵出重庆官场连环窝案，惊现巨额加密货币洗钱。 关系图的右下方揭示了案件从“退居二线老领导”向“现任地方高官”蔓延的传导路径。重庆知名女律师彭静在图中扮演了核心“政商白手套”与桥梁角色，她一头连着黄老板，另一头直接牵出胡衡华、罗蔺以及其兄肖陵的落马。 尤为罕见的是，图中曝光该窝案涉及高达“3,080万 USDT（泰达币，约合人民币2.2亿元）”的虚拟货币利益输送与跨境洗钱，相关涉案人员已被留置，这也成为纪检部门顺藤摸瓜、全链条打掉该利益集团的关键铁证。 第四，核心财务白手套与隐秘的家族私生活败露。 在图表的左侧与底部，则勾勒出其庞大的外围白手套网络与私生活乱象。以“贾会计”为核心财务总管，通过“联合投资公司”、“重庆建工”等平台运作资金；而在个人作风上，不仅在聊天记录中被曝出拥有“75年、76年两个情妇并育有两儿一女”，关系图中更是直接点明“云南情妇私生子黄”及关联人“栗某”，并将资产与亲属向香港和加拿大转移。 整张图谱呈现出一个典型的“期权腐败、全家腐败、政商勾连与跨境洗钱”交织的复杂大案。

马斯克又整活了，飞行汽车。今后再拍007，这个估计用得上。

I've actually stopped using the word "harness." I now think in terms of two things: agent runtimes and agent applications. Agent runtimes should be very small. Their core job is to connect an LLM API to an execution environment. That environment could be a full OS or a language VM, like a JavaScript runtime. Almost all that matters here is robustness. An agent runtime must be able to keep an agent running forever. Literally forever. Agent applications are everything else. Yes, literally every piece of software in the world. If software isn't built for agents, they use it through computer use or browser use. These capabilities can be built into the agent runtime or provided by another agent application. If software is agent-native, agents should be able to use it directly. The experience of an agent using that software—what we call "agent experience"—needs to be carefully designed, at least for now, to make efficient use of both time and tokens. Another key piece is agent identity. Agent applications should recognize each agent individually, rather than just the browser or computer it's using. This allows each agent's actions to be recorded in detail and audited in real time or after the fact. Everything we're building at @botiverse follows from this view.

Anthropic把自己内部的Git换掉了，原因是Claude写代码太快，传统版本控制系统已经跟不上Agent的产出速度 5月份Anthropic每天合并约2500次代码变更，9月突破3 万次，4个月增长12倍，Git逐渐成为最大的开发瓶颈 于是Anthropic自研了一套版本控制系统：Scion，7人团队用Claude5个月完成了系统开发、配套代码审查工具 Antique，以及整个Monorepo从Git到Scion的迁移，目前属于Anthropic内部系统 效果： 基础设施CPU和内存占用降至原来的1/200； CI和研究任务的代码检出速度提升100倍，从分钟级缩短到秒级 CI节省约25%的CPU容量 Scion的核心设计：不再要求Agent把整个仓库及其历史搬到本地，而是假设客户端始终在线，由服务端负责提交、合并、历史查询，客户端按需获取代码 底层采用增量Changeset、内容寻址存储、分布式缓存和按需检出，服务端可水平扩展，许多CI操作甚至不需要真正检出代码 这条路线与Google Piper、Meta Sapling等大规模代码管理系统有相似之处，不同的是它从一开始就针对AI Agent 高并发、始终在线、海量代码变更的工作负载设计的 这也说明了AI Coding的瓶颈在从代码生成，转向代码合并、测试、审查、权限治理、部署等 过去软件工程基础设施围绕人类开发者的工作速度设计；未来可能需要围绕成千上万个并行工作的Agent重新设计 #代码理管 #git #Scion