与「你问我答」相关的搜索结果

去年大家还担心会不会被 AI 替代，今年风向变了，更关心 AI 是不是泡沫。 这种担心不是没道理。过去三年，AI 相关公司市值涨了 10 万亿美元。光 OpenAI 一家，估值增量就有 4800 亿——比绝大多数国家一年的 GDP 还高。App Store 排行榜前十，一半是 AI 应用。 这样的场景，难免让人联想到二十多年前的互联网泡沫。 要是你问我：AI 是泡沫还是明天？ 我的答案是：两个都是。短期有泡沫，长期是明天。 这话不是和稀泥，而是有历史规律可循的。 互联网泡沫那会儿，投资人往光纤电缆里砸了天量资金。泡沫破了，公司倒了一大片，但埋在地下的光纤还在。正是这些"泡沫的遗产"，支撑了后来 YouTube、Netflix、云计算的崛起。90 年代的生物科技热潮也一样——一堆公司烧光钱倒闭了，却留下了一批能救命的新药。 泡沫破裂时，公司会死，但基础设施不会消失，技术积累不会归零。 AI 大概率会走同样的路。就算现在估值有水分，就算一批蹭热度的公司会死掉，但算力设施会留下来，数据管线会留下来，模型部署的经验会留下来，踩过的坑会变成行业标准。下一波浪潮来的时候，起点会高得多。 更重要的是，真正的价值已经在发生： 编程领域，AI 让程序员效率翻倍；医药领域，Moderna 这样的公司把药物研发周期从几年压缩到几小时；客服领域，超过一半的简单咨询已经被 AI 接管。 这些是实打实的生产力提升，不是靠 PPT 就能编出来的。 但泡沫确实存在，而且破裂时会很残酷。未来的 AI 市场会经历一轮分层洗牌： 第一层是讲故事的人——靠套壳、靠卖课、靠宏大叙事，却始终进不了核心业务流。泡沫破裂时，这些公司会归零。 第二层是修路的人和造车的人——算力基础设施是"路"，真正解决痛点的应用是"车"。不管泡沫还是明天，他们都会活下来。 判断一家 AI 公司能不能扛过周期，有个简单标准：故事讲得比钱赚得还快的，要警惕。 所以回到最初的问题：AI 到底是泡沫还是明天？ 短期看，确实有泡沫成分——估值跑在现金流前面，太多项目靠故事吃饭。但长期看，技术进步是实打实的，产业渗透是不可逆的，留下来的基础设施会持续创造价值。 泡沫会破，但破的是那层泡沫，不是整个技术革命。 对我们普通人来说，不用太在意那些万亿级别的估值数字，也不用担心泡沫什么时候破。真正值得关心的是： 在泡沫被挤破之前，我们能不能用好 AI，让它帮你分担那些重复繁琐的工作，把宝贵的时间留给更有创造力的事。 毕竟，泡沫会破，但技术不会倒退。

进展来了。 7 号凌晨家里的工作人员报警，警员到现场，让双方协调，没有给回执。 5 月 8 号上午我方主动找酗酒肇事方协商，肇事者的老婆说让我们开去修，多少钱他们出，我方工作人员要求对方一起去 4S 店，对方说不用。过程均有视频留痕。 联系保险公司报案，保险人员听说对方愿意赔偿，建议我方撤销报案，我方人员听话照做。 我方到达丰田 4S 店得到评估报价后告知对方，对方觉得贵，让开去奥迪 4S 店，我方二愣子为了配合对方的需求，真把车开到了奥迪 4S 店，然后把车停那里直到现在。 此后，联系肇事方的老婆，对方回复：她做不了主，需要酗酒肇事者自己解决。然后就再也联系不上，联系当时出警的警员，也各种糊弄，说也联系不上，在我方人员跑了几次派出所后，给了一张出警记录的三联单。 时间来到昨天，依然毫无进展，肇事方装死，警方让等通知。 昨天上午我决定自己处理。 先联系保险公司说明情况后，重新报案，定损。 下午 2 点到出警的派出所提交补充控告材料，到达后，事发当时出警的警员不在（发现三联单上的警员并非当时出警的警员），等待 20 分钟后，来了一位没穿制服的气势汹汹地跟我说报警后要等 30 天，问我来干什么，我说补充材料，他说给我就行。我问他： 你是谁，警号多少。我今天需要拿到回执，并需要得到是否立案的通知，因为已经拖了 11 天，对方态度不好，只给我答复会尽快、尽量。我不接受这种模凌两可的答复，我必须要确定的结果。他连我手机号都没留就让我走。 出门后打 12389 督办，留了电话号码。 20 分钟后，酗酒肇事者主动联系我方人员，说已经通知奥迪 4S 店调配件过来修了。30 分钟后那个未穿制服的所长给我来电话让我再过去一趟（他竟然知道我电话），我到了之后他已经穿好制服，并安排两位警员接待，一位整理我提交的材料，一位录口供。态度极好，当场给我回执。 同时对车辆停放的 4s 店和肇事方发出通知，未经我方书面同意不得擅自维修。 现在酗酒肇事方不狂了，话软了，说赔点钱算了。 我现在不接受调解，并将本案由原先“其他日常生活求助” 依法转为故意损毁财物案件受案调查。 我本次的任务是带年轻同事走一遍规范的报案流程，希望下次他们能独立完成。不惹事也不怕事。

关于AGI，我其实没那么害怕机器变聪明，更怕我们自己变懒 说实话，我见过不少讨论通用人工智能（AGI）的帖子，大家最担心的往往是“机器会不会失控”“会不会取代人类”。但在我来看，最吓人的未来根本不是机器变得太聪明。 而是我们人类自己变得越来越被动，最后让那么少数几家机构来决定，智能应该怎么定价、归谁所有、被谁控制。 我不是反技术的人。如果你问我，我会说自己是一个“有条件乐观派”。 有条件在哪里？ 我相信AGI确实有机会带来真正的富足：把教育和医疗的瓶颈打通，把那些重复无聊的工作丢给自动化，让一个普通个体也能拥有以前只有大公司才有的杠杆。这一点上，我是真的乐观。 但我也越来越警惕一种风气：就是那种只要你说一句“这里有风险”，就立刻被扣上“阻碍进步”“贩卖焦虑”帽子的无脑乐观。这种乐观说白了就是懒，懒得思考权力结构，懒得设计制衡机制。 2026年的AGI，离所谓的“最终定义”其实还很远。它更像一个正在演化中的方向：能跨领域推理，能自主行动，能开始替换完整的工作流程，而不仅仅是帮你写个邮件摘要、做个会议记录。 也正因为AGI正在从“辅助工具”变成“自主执行体”，去中心化这件事才不是币圈的自嗨，而是一个基础设施级别的命题。 一个真正AGI原生的世界，需要的不是被几个大模型接口垄断的封闭花园，而是： 开放且可编程的价值交换（说白了就是钱不能被卡脖子） 可携带且自主控制的身份（你的数据、你的行为记录，你自己说了算） 可验证但不依赖中心化评分的声誉（干活好坏有证明，而不是靠一个平台给你打分） 这些东西，都需要提前搭好。 我自己的框架一直很简单，就三条： 第一，对智能本身保持乐观。 技术进步是拦不住的，它会扩散，会变便宜，这很好。 第二，对权力集中保持极度警惕。 谁控制着推理的入口，谁就捏住了未来。这不是阴谋论，这是最简单的经济逻辑。 第三，对自己的适应速度保持侵略性。 别躺，别等，别骗自己说“转型还很远”。学起来，用起来，做出你自己的工作量证明，拥有你自己的分发渠道。 未来不会奖励那些等到AGI把牌桌规则改完了才慌慌张张找座位的人。它奖励的是现在就已经在动手调整自己工具箱的人。 当然，我并不是说我已经有了所有答案。像一些正在探索智能合约与AI推理结合的项目（比如 @RallyOnChain 或 @GenLayer，如果你关注这个方向的话），至少他们在认真问“怎么让执行和决策更分散”，这本身就是一种值得鼓励的尝试。 总之，我选择做一个有条件的乐观主义者：对智力乐观，对权力悲观，对自己下手狠一点。你呢？

老黄站在 CES 2026 的舞台上，身后的屏幕突然黑了。“所有系统都挂了，”他笑着说，“这在圣克拉拉从来不会发生。是因为拉斯维加斯吗？外面是不是有人中了头奖？” 这个小插曲倒是个不错的隐喻：2025 年的 AI 行业，就像一台马力全开但偶尔冒烟的机器。所有人都在全速狂奔，所有系统都在满负荷运转。 老黄在 CES 上说，每隔十来年，计算行业就要来一次大洗牌。从大型机到 PC，从 PC 到互联网，从互联网到云，从云到移动端。 这一次不太一样，地震是双重的。不仅应用要建在 AI 之上，连我们写软件的方式本身都变了。 “我们不再编程软件，我们训练软件。不再跑在 CPU 上，而是 GPU 上。”过去的应用是预编译好的，装在你设备上就那样了。现在呢？应用理解你的上下文，每次从零开始，实时生成每个像素、每个 token。 这意味着过去十年砸下去的十万亿美元计算基础设施，都要升级换代。老黄算了一笔账：全球百万亿美元产值的产业，研发预算正在从传统方法向 AI 方法迁移。风投每年两千亿美元涌入这个领域。这就是为什么大家都这么忙。 【1】2025，大模型的三个拐点 老黄回顾了 2025 年 AI 领域的几个关键进展。 第一个是推理模型的出现。2024 年底 OpenAI 发布 o1，第一次让 AI 学会了“思考”。以前的模型是一口气给你答案，对就对，错就错。现在的推理模型会停下来想一想，把问题拆开，一步步推演。想得越久，答案往往越靠谱。老黄管这叫“test-time scaling”，也就是用更多的推理时间换更高的回答质量。 第二个是 Agentic 系统的爆发。AI 不再只是回答问题，而是开始“做事”了。它会自己规划步骤，调用工具，查资料，写代码，甚至操控其他 AI。2025 年，这类系统从实验室走向了真实应用。 第三个是开源模型的崛起。DeepSeek R1 的发布像一颗炸弹，证明了开源模型也能达到前沿水平。虽然还落后闭源模型大约六个月，但下载量已经爆炸式增长。创业公司、研究者、学生、甚至各国政府，都开始用开源模型构建自己的 AI 能力。 这三个突破并非孤立存在。推理能力让 Agent 更聪明，开源模型让 Agent 更容易构建。它们相互催化，共同把 AI 推向了一个新阶段。 【2】Agentic AI：从“能聊天”到“能干活” 三个突破里，Agentic AI 可能是离普通人最近、又最容易被误解的一个。 先说一个直观的例子。老黄提到，英伟达内部现在大量使用 Cursor 编程工具。这不是普通的代码补全，而是一个真正的 AI Agent，你告诉它想实现什么功能，它会自己规划怎么写，查阅文档，生成代码，测试，修 bug，甚至重构。程序员的角色从“写代码的人”变成了“审代码的人”。 这就是 Agentic AI 的本质：AI 从被动回答问题，变成主动完成任务。 ChatGPT 刚出来的时候，最大的槽点是“幻觉”，它会一本正经地胡说八道。因为它只能依赖训练时学到的知识，没法获取新信息，但它又被要求有问必答，所以不得不胡编乱造。你问它今天的天气，它只能编一个。 Agentic 系统解决这个问题的方式很简单：让 AI 学会“查资料”自己补充上下文。遇到不确定的问题，它会先判断“我需不需要去查一下”，然后真的去搜索、去阅读、去核实。这个判断本身就需要推理能力，所以第一个突破（推理模型）是第二个突破（Agentic 系统）的基础。 但 Agentic AI 的能力远不止于此。 【3】Agent 的四种超能力 老黄在演讲中描绘了一个完整的 Agent 能力图谱。我把它总结为四种超能力： 第一，会推理。遇到从没见过的问题，Agent 不会直接说“我不会”。它会把陌生问题拆解成一堆熟悉的小问题，然后逐个击破。就像一个聪明的实习生，虽然没做过这个项目，但能把它分解成自己会的步骤。 第二，会用工具。Agent 可以调用搜索引擎、计算器、代码解释器、数据库，甚至其他 AI 模型。它知道什么时候该用什么工具，就像一个老练的工匠，手边有一整套工具，可以随手选最趁手的那个。 第三，会规划。面对复杂任务，Agent 会先想好怎么做，制定计划，预判可能的结果，然后一步步执行。不是闷头往前冲，而是“三思而后行”。 第四，会协作。这是老黄特别强调的一点：现代 Agent 系统往往是多个模型并存的。一个 Agent 可能同时调用好几个 AI：用专门的模型处理图片，用另一个模型写代码，用第三个模型做总结。就像一个项目经理，知道每个专家擅长什么，然后把任务分配给最合适的人。 他特别提到 Perplexity 的做法让他眼前一亮：“第一次看到他们同时用多个模型，我觉得这太天才了。”道理很简单：一个 AI 当然应该在推理链的任何环节调用最适合那个任务的模型。 所以未来的 AI 应用是什么样的？多模态（理解语音、图像、文字、视频、3D）、多模型（不同任务用不同模型）、多云（模型分布在各个云上）、混合云（有些在边缘、有些在企业、有些在云端）。 【4】一个 Agent 是怎么工作的？ NVIDIA 为此搞了一套叫“Blueprint”的框架。演讲中展示了一个演示：一个小哥用 DGX Spark 搭了个个人助手，能管邮件、日历、待办事项，还能控制一个小机器人。隐私敏感的邮件任务用本地模型，其他用 frontier 模型，中间用一个意图路由器自动分配。 听起来像科幻片，但搭建过程出奇简单。 首先，接入一个前沿大模型的 API 作为“大脑”。然后，为每个功能创建一个“工具”：邮件工具、日历工具、摄像头工具。接着，因为邮件涉及隐私，开发者加了一个本地运行的开源模型专门处理邮件，数据不出本机。最后，加一个“智能路由器”，根据用户的意图自动决定用哪个模型处理。 结果呢？用户说“帮我给 Jensen 发个邮件，告诉他脚本今天能交”，Agent 就自己完成了。用户说“把这张草图变成建筑渲染图，再做个视频带我看看房间”，Agent 也搞定了。甚至当用户的朋友远程接入，问“我的猫 Potato 在干嘛”，Agent 能看摄像头、认出猫、发现它在沙发上、还记得朋友不喜欢猫上沙发、然后通过机器人喊话让猫下去。 老黄说，这一切在两年前是“完全不可想象的”。而现在，“这已经变得微不足道了”。 Agentic AI 的概念其实不新。早在 2023 年，AutoGPT 就火过一阵，号称能让 GPT 自己给自己下指令、自动完成任务。但那时候的 Agent 更像是玩具，经常跑偏、容易卡死、实用性有限。 2025 年的爆发，靠的是几个条件同时成熟： 1. 推理能力的突破。没有可靠的推理，Agent 就像一个冲动的实习生，一拍脑袋就开干，经常把事情搞砸。有了推理，Agent 才能“想清楚再做”。 2. 工具生态的完善。各种 API、各种开源模型、各种开发框架，让 Agent 能调用的“武器库”越来越丰富。 3. 多模型架构的成熟。以前大家想的是“训练一个无所不能的大模型”。现在的思路是“让一个聪明的模型学会调用专业的模型”。这大大降低了构建复杂 Agent 的门槛。 4. 开源社区的推动。老黄反复强调，开源模型让“每个公司、每个行业、每个国家”都能参与 AI 革命。你不用自己训练前沿模型，拿开源的来用就行。 【5】Agent 会取代软件吗？ 包括我在内很多人都思考一个问题：未来 Agent 会取代软件吗？交互形式是什么样的？ 老黄在演讲中给出的答案是：Agent 不只是一种新应用，而是未来软件的新形态。 他说，以后你跟 Palantir、ServiceNow、Snowflake 这些企业软件打交道，界面可能不再是一堆表格和按钮。你直接跟一个 Agent 对话，告诉它你想干什么，它就帮你搞定。“就像跟人打交道一样简单。” 传统软件的交互方式：填表单、点按钮、写 SQL，本质上是在“迁就机器”。你得学会机器的语言才能让它干活。而 Agent 的交互方式是“机器迁就你”。你用自然语言说需求，Agent 自己翻译成机器能懂的操作。 当然，这不会一夜之间发生。企业软件涉及太多复杂的权限、流程、合规要求，不是换个界面就能解决的。但方向已经很清楚了。 【6】写在最后 老黄这场演讲其实还讲了物理 AI、自动驾驶、机器人、下一代芯片 Vera Rubin，我对那些关注不多就不总结了。但如果只看 AI 大模型这块，核心信息其实就一个： > AI 正在从“一个聪明的对话伙伴”变成“一个能调动资源、完成任务的系统”。推理模型给了它思考能力，Agentic 架构给了它手脚和工具箱，开放模型让所有人都能参与这场游戏。 我个人比较关注老黄在演讲中提到的 Agentic 系统将成为所有软件平台的新界面。以前你和软件交互，要点菜单、填表格、写命令行。以后你和软件交互，就像和一个懂行的同事说话。你说想干什么，它帮你干。未来的企业软件，入口可能就是一个对话框。 对于开发者来说，这是一个窗口期。开源模型已经足够强，Agentic 框架已经成熟，基础设施已经就位。剩下的就是应用层的创新。 老黄在谈到开放模型时问了一个问题：数字形式的智能，怎么可能把任何人落下？ Agentic AI 的爆发，不是每个人都能训练出最强的模型，但每个人都可以学会编排这些模型，让它们为自己干活。 这可能是最重要的变化。AI 不再只是科技巨头的游戏，它正在变成每个人都能用的工具。

103岁的终点 杨振宁逝世了，103岁。相当长寿了，他出生的那年苏联也刚刚成立，结果老杨比苏联还多活了25年。 其实昨天就在网上听到传闻，大家都在半信半疑的等官宣，结果今天就来了。咱蹭一波流量，聊聊老杨最热门的三个话题。 其一，老杨最牛的学术成果，就是获诺奖的那个，研究的是啥？ 宇称不守恒（Parity Non-Conservation），我第一次学习的时候觉得这玩意真挺神的。我们普通人的认知里，镜中的世界和真实的世界一定是对称的吧，但是老杨和李政道在1956年发现了一个惊人的事实，镜中世界的有些东西和真实世界是不对称的，这个东西叫弱核力。至于什么是弱核力，我其实也没搞明白，反正咱们知道镜中世界有东西不对称，就足够和朋友们聊天时吹牛逼了。 其二，老杨在物理学界什么地位？咱中国人最喜欢搞排名，现在盖棺定论也凑热闹排一下。 科学家排名前两位是公认的，牛顿，爱因斯坦，断层式领先，和清华北大在国内大学的地位类似，从第三名开始就有争论，说的最多的通常是麦克斯韦，再往下人就多了，像波尔、费曼、狄拉克、普朗克、海森堡、卢瑟福、温伯格……等等一堆人，就好比咱们国家top5的大学有十几个，杨振宁和他们大致是一个level的。有些英文网站排名他在8-13，而中文排名他通常稳居前十，5-10区间。 有一点是肯定的，华裔里面老杨是史1。 其三，老杨和翁帆的忘年恋，结婚的时候是28岁嫁给了82岁，当时曾引起轩然大波，老杨也因此备受争议。 有人会说当事人自愿结婚，轮得到你们外人指指点点吗？但老杨是全球知名公众人物，他娶了一个比自己小54岁的妻子，客观上已经对社会公允价值观造成了巨大冲击。年轻人表达了厌恶情绪是情理之中的，他们会觉得这是一个功成名就的老男人挤占年轻女性资源的负面案例。 有人会说，翁帆就算不嫁给杨振宁也看不上那些凡夫俗子，这我同意，但那些凡夫俗子依然会对老夫少妻的组合充满恶意，因为一个显而易见的事实，只有在某方面获得巨大成功的老男人才能娶到年轻妻子，大家就是羡慕嫉妒恨你说怎么办吧。 老男人再婚里只有李国庆的口碑最好，因为他娶了自己学生时期爱慕的同学，这才是公众想要的示范榜样，大家觉得庆子接地气，喜欢，支持，就这么简单。 不过老杨和翁帆的婚姻前后也延续了21年，翁帆陪老杨走到了人生的尽头，我相信很多当初恶言相向的人最终也都能够理解，毕竟伟大的人类拥有不平凡的人生，这也挺公平。 瑞思拜，杨振宁（1922年10月1日—2025年10月18日） 昨天文章的最后说了我曾经账户被冻结的事情，很多读者好奇留言问冻结账户有提示吗？没有的，就是某一天银行转账的时候提示账户被冻结，别的什么通知都没有。有些银行你可以打电话问客服，客服会帮你查询冻结的原因，比如招商银行，但更多的银行在被冻后只会让你去线下柜台查询。 到了线下柜台，和柜员说自己的账户被冻了，让ta帮忙查是哪里冻的。ta会叫经理过来开个权限，过几分钟就能查出结果。xxx省xxx市xxx公安局冻结，能告诉你对方的联系电话，最重要的是告诉你冻结的时间。 冻结时间有的时候是3天，这种通常不严重，3天到期了会自动解冻，解冻后尽快把里面的资金取现转移，因为后面很可能会再冻上。我就是先冻了3天，自动解了，以为没事，后面突然又冻上了，这次是半年，悔的我大腿拍肿。 遇到冻半年的就是摊上事了，因为半年到期了很可能会再续半年，我当时就被连着续了6次，冻结了3年。 被冻的是你账户里的现有资金，有活期利息，每个季度发一次，可以领取。别人往你这张卡里打钱进来没事，你也可以领取。 通常账户被冻是你的流水里有一笔钱涉案调查，不分金额大小，有可能是1万，也有可能是100元，但被冻的是全部资金，这对于那些用单一账户做资金流水的生意人来说是致命的，他们要是像我一样硬扛3年，生意早就死透了。所以老板们会第一时间去公安局协商，只冻结涉案部分资金，把剩余资金解冻。 网上有很多去了线下警局后反馈的人，总体来说一线城市的比较文明，放心去，那些偏远的、经济落后的小地方能别去就别去，一言难尽。 昨天有读者留言说我要是冻的不是95万，而是几千万，我不可能那么淡定，好吧，确实是那么回事，但这事也给诸位一个教训，就是银行卡资金管理时做好风险隔离，和他人有资金往来的最好是单独一张专用卡，注意和家里放大钱的、每月收工资的、日常消费的卡分隔开。很多人没出事之前没这方面意识，等到突然被冻了天塌了。 …… 今天差不多就聊这些，最后说个事，你们之前不是说让我再去录一期播客嘛，我打算征集一下读者们关心的问题，你可以在这一段的划线评论里留言，也可以在评论区的征集专用楼里留言，节目主持人小姐姐会收集整理。原则上只要内容审核能通过的，你们问什么我答什么，不挑。 就这些吧，上钟！

我用掉 100 亿 Token 后，最大的变化不是更会写 Prompt。 而是 Codex 已经从一个聊天框，慢慢变成了我的： - 自我认识系统 - 工作系统 - 信息系统 - 学习系统 - 甚至是桌面陪伴系统 我把自己最常用的 20 个技巧整理出来了。 如果你也想把 AI 从“偶尔问一句”变成真正能长期协作的伙伴，建议先收藏。 一、让 Codex 逐渐认识你 1. 每天让它问你一个问题 我设了一个自动化：每天问我一个能帮助它更了解我、也帮助我认识自己的问题。它会避开已经问过的话题，围绕一个主题慢慢聊。 2. 把对话当成自我观察 现在可以直接语音聊。长期积累下来，它能看到我的情绪、偏好、反复出现的困扰和思考方式。 3. 让它把“它眼中的你”画出来 把你们的对话和一张漫画参考图交给它，让它生成多格漫画。你会发现：很多时候我们要的不是答案，而是被理解。 二、把 Codex 变成工作系统 4. 每周做一次 Codex 使用复盘 让它回顾这周我怎么使用它、哪些沟通方式有效、哪些任务返工了、哪些项目该继续推进。 5. 把失败经验写进“第二大脑” 不只是存笔记。把失败原因、偏好、最近关注点沉淀下来，让以后不同 Agent 都能调用同一份上下文。 6. 创意任务先开 Plan Mode 创意型工作最容易“没想清楚就批量执行，最后返工”。先用计划模式讨论目标、方案、数据体系和风险，再开始做。 7. 把 Codex 当思考顾问，而不是执行员 你甚至不需要有明确答案。只要说“我想做什么”，让它帮你一起把模糊的想法拆成可执行路径。 8. 需求清楚后切到 Goal Mode 需求确认后，把结果设成目标，让它自己持续推进。我的任务最长跑过 10 小时 44 分钟。 9. 用自动化处理重复但重要的事 日报、周报、账号监控、邮箱监控、回复策略、内容归档、同步到个人网站——这些都适合交给自动化。 10. 明确任务就开多 Agent 对于翻译、多语言网站、图片生成、资料整理这类边界清晰的工作，让多个 Agent 分工并行，比一个人盯着快得多。 三、让 Codex 跨出聊天框 11. 用 Sites 一键分享作品 做好网站后，不要卡在“怎么部署”。Sites 可以直接把成品变成能分享的站点。 12. 把插件当成能力扩展包 Computer Use、数据分析、Investment Banking、GitHub、Outlook / Gmail……很多工作不是“AI 会不会”，而是你有没有给它接上正确的能力。 13. 把生图能力接进日常工作 我已经用它生成了 300 多张图。做内容、配图、产品原型和视觉探索，速度会完全不一样。 14. 接入飞书，让手机也能操控 Codex 真正高频的协作不该只发生在电脑前。把它接到飞书后，我在手机上也能下任务、收结果、继续对话。 15. 用 ChatCut 把剪视频变成工作流 不是只让 AI 帮忙剪一刀，而是把素材整理、脚本、配图、剪辑一起接进创作链路。 四、建立自己的信息雷达 16. 每天订阅 Builder 信息 我会用 Follow Builders Skill 定时追踪 Builder 的新想法、新产品和讨论，再把重要信息推送给自己。 17. 做一个“灵感箱” 任何一闪而过的想法都丢进去。后面让 AI 自动搜索、补充背景、分类、处理，而不是靠脑子记住。 18. 盯住 GitHub 和 Product Hunt 让 Agent 帮你筛新项目、周榜、日榜和真正值得试的工具。看见感兴趣的，直接让它安装或进一步研究。 五、把输入变成你的输出 19. 把任何学习材料做成 HTML 学习页 看到一场好访谈、一个视频、一篇文章：让 AI 拉取内容、生成中文文字稿，边看边记评论，最后再变成摘要或短视频。 20. 给 Codex 一个“实体感”：做成桌宠 我很喜欢 Hatch Pet。它会根据状态跑动、办公、提示待办，甚至在你切换文件夹和工作区时给建议。AI 不一定要冷冰冰地躲在聊天框里。 100 亿 Token 给我最大的启发是： 不要把 AI 只当作“问答工具”或“临时外包”。 当它拥有你的上下文、目标、工作流和反馈后，它会越来越像一个能长期协作的系统。 换电脑时，我第一个装的软件就是 Codex。 写文档、做网站、剪视频、找资料、整理灵感……它已经覆盖了我工作和生活里非常大的一部分。 你最想让我把上面哪一条展开成教程？ 评论区告诉我，我下一条就拆！ #codex# #chatgpt# @thsottaux

卧槽！原来大部份人都把AI用错了， 让AI学会反向操作才是王炸！！ 最近有个研究挺颠覆的，直接向AI提问可能反而是最低效的用法。 真正会玩的人早就在反向操作，不是你追着AI要答案，而是让AI主动向你提问，把你的思路一点点逼出来。 所以下次你脑子乱没方向，摸不着头脑的时候，直接把这段话丢给AI： “现在开始，咱俩角色互换，你不再是听我指挥的工具人，而是我的专属战略顾问，那接下来不是我问你答，而是你来主导节奏。通过连续高质量有穿透力的提问，帮我摸清现状，拆开问题，找到关键的线索。你要用一连串神仙的问题激活我的大脑，直接把乱七八糟的信息理清楚，再和我一起做出一份具体详细能落地的行动规划。” 这段提示一上，AI立刻从被动回答切换成主动的拆解，直接进入专业的战略顾问模式。

1/ 为什么爸妈那一代，从来没人告诉他们标普500？ 前几天问我爸：你知道标普500吗？他想了很久，说不知道。我又问：你年轻的时候，有没有人跟你聊过投资？他说没有。 2/ 那一刻我突然意识到，我们这代人讨论的投资工具，对上一代人来说，几乎是另一个世界的东西。 不是他们不聪明，不是他们不努力，而是那个时代的信息环境里，根本没人提这些。 3/ 我爸那代人，年轻时能接触到的“投资”基本只有三件：存银行、高利贷、买房子。 美股？那是境外的东西，想都不敢想。标普500？听都没听过。 4/ 这种信息断层，本质上是一代人的财富机会断层。 他们把钱存在银行，看着利息从10%降到1%。他们买了房，确实赶上了时代红利，但也把一辈子绑在了一套房子上。他们错过了全球资本市场最黄金的40年。 5/ 标普500过去50年年化回报大约10%，过去100年也差不多。这意味着什么？ 意味着如果一个人从30岁开始，每月定投1000块到标普500，到60岁的时候，账户里可能有两三百万。不需要选股，不需要盯盘，不需要任何操作。 6/ 但没人告诉我爸这件事。不是因为他不够资格知道，而是因为他身边的人也都没听说过。 信息差就是贫富差距。上一代的贫富差距，很大程度上来自“知不知道这件事”，而不是“努不努力”。 7/ 我们这代人其实也没好到哪去。抖音上教你炒股的一大堆，真正讲清楚标普500、纳指100、长期定投的却没几个。 因为讲这些没流量。它不刺激，不制造焦虑，不承诺暴富。但恰恰是这些无聊的东西，才能让你慢慢变富。 8/ 所以我常常想，如果我能早十年知道标普500，人生会不会完全不一样？ 答案是肯定的。但现在知道也不晚。更重要的是，我要把这件事告诉我爸，告诉我的孩子，告诉每一个愿意听的人。 9/ 投资最重要的不是天赋，不是本金，而是信息。 当你知道世界上有一种简单、可靠、长期有效的方式可以让钱自己变多时，你就已经比绝大多数人领先了。 10/ 我爸那一代没人告诉他标普500。但我可以告诉我这一代：别再把全部身家压在房子和存款上了，把一部分钱放到标普500或者纳指100里，然后耐心等待。 这不是叛逆，这是对上一代人信息断层的弥补，也是对自己未来的负责。

一人公司怎么搭 AI 团队？我在 Helio 里拉了 4 个 AI 同事试试 网上很多人说一人公司，视频展示 AI 团队互相调用，看着很爽。但真想自己搭一个，没编程基础直接卡住。 我在 Helio @helioim_ai 试了一下，不用招人，只要招 AI 同事。 给它们丢了一个任务：每天盘前帮我出一份美股早报。 然后 4 个 AI 同事开始自动分工： • 盘前扫描员：抓隔夜市场、期货、大盘情绪和关键异动 • 新闻整理员：挑出重点新闻，去掉噪音，补上背景 • 风险审核员：交叉检查数据和敏感信息，标出不确定的 • 内容输出员：把所有结论整理成可发的内容草稿 我不需要在 4 个聊天框里分别问问题，也没把答案复制来复制去。 它们在同一个 Channel 里自己推进——谁先查数据、谁补充新闻、谁做交叉检查、谁最后汇总，流程全在频道里看得到。 这也是我觉得 Helio 跟普通 AI 工具最大的区别。 ChatGPT 更像： 我问，AI 答。 你再问，它再答。 活儿还是你在串。 Helio 更像： 我定目标，AI 团队开始工作。 这些 AI 同事有名字、有头像、有频道、有分工，也有需要人类确认的决策边界。调研整理生成草稿它可以跑，但最后发不发、风险判断，还是人来把关。 美股内容不能瞎自动化，必须自己把关。 我以前想搞这种多 Agent 工作流，要懂 API 要配 workflow 要写一堆 prompt。现在更像拉人进群，给每个 AI 同事一个职责，它们就自己开始干了。 不只美股能用。世界杯情报组、加密货币异动监控、竞品监控、内容创作流水线——只要你的工作能拆成几个角色，Helio 就能把它变成一个小组。 这可能是我最近试过最像"AI 同事"的产品，大家可以去试试。