标签: Claude

我不再迷信AI了

我不再迷信AI了

一位工程管理者在 2026 年 9 月 20 日发布的个人博客中,讲述自己从 Copilot 早期布道者到对 AI 产生怀疑的转变,起因是上司反复要求他“喝下 AI 这杯 Kool-Aid”,以及一次与人类同事通话时看到的疲惫。

Quote of the day by Figure AI founder and CEO Brett Adcock: ‘We’re building a new species here’ — an audacious vision to replace manual labor with humanoid AI

Quote of the day by Figure AI founder and CEO Brett Adcock: 'We're building a new species here' — an audacious vision to replace manual labor with humanoid AI

Figure AI 创始人兼 CEO Brett Adcock 在 Salesforce Dreamforce 大会上称公司正在"构建一个新物种",把具备机上智能的人形机器人定位为替代体力劳动的通用方案。这一说法把行业争论从"机器换人"推到"造智能物种"的层面,也让 Figure 的量产时间表更受关注。

最近做 APP 一直在用一个 Skill 叫 Apple Design,将 Apple WWDC 设计分享中的界面与动效原则整理成指导,帮助改善界面层级、反馈和整体连贯性。实践效果非常好,简单克制、很有苹果原生 App 的味道。 作者Emil Kowalski 之前在 Vercel 现在是 Linear 的设计师,Apple Design 是他整理的一组 AI Agent Skills 其中的一个,目的是让 AI 做界面时更有“设计品…

最近做 APP 一直在用一个 Skill 叫 Apple Design,将 Apple WWDC 设计分享中的界面与动效原则整理成指导,帮助改善界面层级、反馈和整体连贯性。实践效果非常好,简单克制、很有苹果原生 App 的味道。 作者Emil Kowalski 之前在 Vercel 现在是 Linear 的设计师,Apple Design 是他整理的一组 AI Agent Skills 其中的一个,目的是让 AI 做界面时更有“设计品…

设计师 Emil Kowalski 整理的一套 AI Agent Skills 在开发者社区走红,其中「Apple Design」把 Apple WWDC 的界面与动效原则变成 AI 可执行的指导,让大模型写出的界面更有设计品味。项目在 GitHub 上的 Star 数已接近 4 万。

一个特别好玩的提示词,把下图给你的 AI Agent 然后问它: “根据你知道的关于我的一切,把这个容器两面都填满” 会得到很有意思的一个结果 🤓 https://t.co/NtjWjdPkMg

一个特别好玩的提示词,把下图给你的 AI Agent 然后问它: “根据你知道的关于我的一切,把这个容器两面都填满” 会得到很有意思的一个结果 🤓 https://t.co/NtjWjdPkMg

一条关于 AI Agent 的提示词玩法在 X 上获得超过 54 万次浏览——用户给 AI Agent 一张容器图片,要求它“根据你知道的关于我的一切,把这个容器两面都填满”,得到的结果被描述为“很有意思”。这折射出一个越来越明显的趋势:AI Agent 正在把用户的历史对话和记忆当作真正的输入素材来使用。

📙🌉一部关于错位、反噬与代价的野果原创短剧《舔狗2应有尽有》,真实改编,爽感拉满,看完直呼解气又心酸。 《舔狗2应有尽有》真实改编🫣💦 💦 https://t.co/yDzbgtlC0f #舔狗2应有尽有 #AI短剧 #成人短剧 #出轨 #都市故事 #绿帽伦理🤧🪘 https://t.co/cObXFk5iNz

📙🌉一部关于错位、反噬与代价的野果原创短剧《舔狗2应有尽有》,真实改编,爽感拉满,看完直呼解气又心酸。 《舔狗2应有尽有》真实改编🫣💦 💦 https://t.co/yDzbgtlC0f #舔狗2应有尽有 #AI短剧 #成人短剧 #出轨 #都市故事 #绿帽伦理🤧🪘 https://t.co/cObXFk5iNz

一条在 X 上获得 42 万余次浏览的推文,把一部名为《舔狗2应有尽有》的 AI 生成短剧推到了大众视野。它用"出轨、绿帽伦理、真实改编"等标签吸引点击,同时也暴露出 AI 短剧在内容尺度和平台分发上的现实处境。

💥炸了!开源本地版 Laya 响应速度吊打 Jev ,毫秒级决策快到飞起! 左边 Laya 是本地 421M 开源决策模型,右边 Jev 1.13.0 是云端 API。 同一盘贪吃蛇、同一套 typed decision,30 秒自由跑下来: 🔹Laya:分数 46、长度 52,决策 86.5 次/秒,P50 约 9ms 🔸Jev:分数 1、长度 7,决策 3.2 次/秒,API 往返 317ms M5 Pro 实测中位耗时:本地 1…

💥炸了!开源本地版 Laya 响应速度吊打 Jev ,毫秒级决策快到飞起! 左边 Laya 是本地 421M 开源决策模型,右边 Jev 1.13.0 是云端 API。 同一盘贪吃蛇、同一套 typed decision,30 秒自由跑下来: 🔹Laya:分数 46、长度 52,决策 86.5 次/秒,P50 约 9ms 🔸Jev:分数 1、长度 7,决策 3.2 次/秒,API 往返 317ms M5 Pro 实测中位耗时:本地 1…

有开发者用同一套贪吃蛇决策任务对比了本地 421M 开源模型 Laya 和云端 API Jev 1.13.0,Laya 在决策频率和延迟上明显占优,本地推理的实时性优势被直接量化了出来。

这段时间我在做一个“蠢事情”,或者也是 AI 时代工程师非常不愿意做的事情,非常重复的事。 为了让 Mole 的卸载软件更加彻底,清理残余的能力更加厉害,我整理了国内外 300 多款 Mac 软件,下载下来差不多 100 多个 G,分成 30 组,让我的最强 Extra High Fast 模型每次 10 个借助 computer use 的能力去对应官网下载,然后依次安装到我的电脑,检查目录、检查软件更新 bundle、检查自启动、…

这段时间我在做一个“蠢事情”,或者也是 AI 时代工程师非常不愿意做的事情,非常重复的事。 为了让 Mole 的卸载软件更加彻底,清理残余的能力更加厉害,我整理了国内外 300 多款 Mac 软件,下载下来差不多 100 多个 G,分成 30 组,让我的最强 Extra High Fast 模型每次 10 个借助 computer use 的能力去对应官网下载,然后依次安装到我的电脑,检查目录、检查软件更新 bundle、检查自启动、…

开发者 Tw93 用 AI Agent 的 computer use 能力,把 300 多款 Mac 软件逐个下载、安装、卸载、扫残留,为清理工具 Mole 补规则、写测试。这件"笨功夫"揭示了 AI 落地的一条现实路径:让模型代替人做重复的脏活,再把结果沉淀成产品能力。