与「全越一丸」相关的搜索结果

ハーフタイムでNGT48の皆さんに「踵を鳴らせ！」をフルver.でパフォーマンスしていただきました✨✨ #Bリーグ# #アルビBB# #全越一丸# #踵を鳴らせ# #NGT48#

景甜更新了微博，等于承认了跟孙哥谈恋爱，但不承认是为了钱。 这下好了，Web2的也基本认识孙哥了，热度越来越高了，一刷抖音，全是吃瓜的。 这届网友，评论太好笑了，不过跟孙哥文笔比，还差得太远。 连AI短剧都刷到了，指甲刀都在打广告，所以景甜后面到底纹了啥。😂

你把 Claude 當跑腿的，還是當成能管一整份活的同事？官方第十課說，前面九課教的四樣東西，加起來纔是一份持續的責任。 四樣東西是：工具接上，它看見團隊用什麼、手邊有什麼資料；記性與頻道指示，它學會你們團隊怎麼想事情；不用艾特也能回，它知道什麼時候自己動手；定時活，它知道什麼時候不用人叫就開工。四樣齊了，它纔能在好幾個頻道裡自己跑，做以前要你一次一次提醒纔做的活。 四樣東西不是全頻道一套開關：每個頻道各有自己的設定頁，從它回的話下面的設定連結打開，頻道裡的正式成員都能打開，能改什麼看你們組織怎麼設。你在一個頻道裡教會它的記性、排好的定時活，不會自己跑到另一個頻道去。越驗越信，越信越敢放大：驗過它的活越來越多，開始信它做出來的東西，再把更大塊、牽涉更多持續工作與決定的活交給它。 你的角色也換了：以前一件一件交代，現在定一次目標、定一次標準，它管例行的情況，你只看重要的決定。限制你的不再是它能幹多少，而是你的注意力——所以請它把問題打包，每一個決定連它建議什麼一起帶回來。Anthropic 的團隊就是這樣做的：有限度地交活，重要的決定留給人判斷，它學會什麼管用就把做法改好。 信任要一步一步擴大，按活的種類來：從你會檢查的活，擴大到它自己跑的一份持續責任。練完之後，在一條它讀得到的頻道裡寫下來：這份責任歸它管，它能決定什麼、什麼要帶回來問你，界線畫清楚了再交。 S1哥觀點：說「AI 只能跑腿」的人，和說「交出去就不用管了」的人，錯的是同一處，都沒看懂第十課——四樣東西加起來，纔是一份持續的責任；交出去不是撒手不管，是標準你定一次、界線你先寫下來，例行的它管，重要的決定帶回來問你。你們團隊裡有沒有一份活，每週都要人提醒、其實可以讓它連著幾個星期自己跑？評論區說說。 收藏用清單（照著做）： 1. 先看四樣齊了沒有：工具、記性、自己回話、到點自己跑。 2. 挑一份持續的責任，在它讀得到的頻道裡寫下來。 3. 寫清它能決定什麼、什麼要帶回來問你。 4. 請它把問題打包，決定連建議一起帶回來。 轉給那個還在一件一件交代的老同事，定一次標準，它就能連著幾個星期自己跑。 #Claude中文教程#

第一個智能體不用自己寫迴圈，那程式設計師還剩下什麼？ 官方來源：Martin Bernaola Mendez，原文發表於 2026-11-13（1 天內，見文末核實）。原文標題直譯：《在微軟開發平台做你的第一個智能體，比你想的簡單》。先把反常識結論放前面：多數人以為做智能體要先學一堆新東西，新的框架、新的寫法、新的觀念，沒三個月下不來；真相剛好相反，你的第一個智能體根本不用學新東西，用你本來就會的主程式語言、你本來就熟的寫法，一個下午就跑起來了。智能體的本質一點都不神秘，就是模型加指示加工具加記憶，繞著圈跑到答案出來：模型先判斷要不要用工具、再叫你的程式去做事、拿到結果再寫答案，迴圈跑完才收工。關鍵在最後一句：這個迴圈不用你寫，框架全包了。你只剩三件事：給它一個名字與指示、給它一個工具、給它一段記憶。微軟的智能體框架就是幹這個的，底下還有一個聊天客戶端介面，幫你把不同模型的呼叫方式統一成同一套寫法。這篇只做一件事：照原文四步走，帶你從零做出第一個會查天氣、會記得你名字的旅行小幫手，最後再換成本機免費版，一毛錢都不花。先說清楚底線：前置條件是開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能的應用程式介面金鑰；沒有金鑰也沒關係，文末有本機免費版。 說清詞： - 智能體：模型加指示加工具加記憶，繞著圈跑到答案出來的程式，模型負責判斷、你的程式負責做事。 - 聊天客戶端介面：微軟擴充智能裡的統一介面，把不同模型的呼叫方式包成同一套寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面、專門加智能體功能的那一層，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 指示：你給智能體的工作說明，寫明它是誰、說話多簡短、什麼時候該用工具，寫得越具體、它做得越穩。 - 工具：就是你本來就會寫的普通方法，加上一句說明文字掛進智能體，模型看說明決定什麼時候叫它。 - 說明屬性：掛在方法與參數上面的說明文字，告訴模型這個方法是幹什麼的、參數是什麼意思，模型就靠它決定要不要叫、要傳什麼。 - 迴圈：模型決策、呼叫方法、結果回填、寫答案，四步轉一圈，直到答案夠好才停，框架自動跑，你不用自己寫。 - 工作階段：對話的記憶盒子，建立一次、每次跑都傳進去，智能體才記得上一句講過什麼。 - 串流：答案一個字一個字出現的跑法，像聊天視窗那樣慢慢印出來，整段等完才印是另一種跑法。 - 主控台專案：最簡單的那種程式，沒有視窗、沒有網頁，只在命令列視窗裡跑，做第一個智能體用它就夠了。 - 環境變數：存在電腦系統裡的設定值，金鑰放這裡，程式碼裡只讀它、不寫明文。 - 本機模型：裝在你自己電腦上跑的模型，不用連雲端、不用付按量費用，代表作是奧拉瑪接開源模型。 - 模型上下文協定：接現成工具伺服器的標準作法，原文只在展望裡提，叫你以後自己去接，不用現在學。 - 可觀察性：把每一次模型呼叫與工具呼叫都留下紀錄的作法，出怪事時靠它追查，原文只在展望裡提。 一個真實的例子：原文的第一個智能體叫旅行小幫手，做的事再小不過：回答去馬德里旅行的小建議。做法是拿開放智能的客戶端取一個聊天客戶端、指定一個支援工具呼叫的聊天模型，再把它轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，跑起來就完成了。問它去里斯本玩兩天怎麼排，答案一個字一個字慢慢印出來，那是串流跑法。接著給它一個工具：一個查天氣的普通方法，加上一句說明說這是查某個城市的天氣預報，方法本身只是回傳一段寫死的假天氣。問它去里斯本要不要帶傘，背後發生四件事：模型讀問題、發現需要天氣資料、叫方法去查里斯本、拿到結果寫答案說早上會下小雨、記得帶傘。迴圈你一行都沒寫，框架全包了。最後加記憶：建立一個工作階段、每次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本，再問要不要帶傘，第二問根本沒提城市，智能體自己用對的城市查天氣；再問我叫什麼名字，它答得出安娜。這三問跑下來，第一個智能體該有的東西全齊了：會判斷、會動手、會記得。 為什麼是框架全包，而不是你自己寫迴圈？因為迴圈裡最容易出錯的地方，全是重複的髒活：模型回傳要叫工具，你要解析它叫的是哪一個、參數對不對；方法跑完，你要把結果用對的格式回填給模型；模型又回傳要再叫一次，你要判斷這是正常接力還是無限鬼打牆；答案終於出來了，你要決定什麼時候停。這些事每一件都不難，但加起來就是幾十行容易寫錯的程式碼，錯一次、除錯半天。框架把這整圈包起來，你只寫三件事：指示寫清楚、工具掛上去、工作階段傳進去。11 月 12 日那篇手寫迴圈的教程立場剛好相反，叫你自己把迴圈寫出來、看懂每一圈在幹什麼；這篇的立場是先跑起來再說，迴圈交給框架，你先嚐到智能體動起來的滋味。兩篇沒有誰對誰錯，是先後順序：新手先照這篇跑起來，想搞懂底層再去讀手寫迴圈那篇，順序反過來很容易卡在第一圈就放棄。 再算一筆帳，讓你知道第一個智能體到底花多少錢。示範用的是開放智能的輕量聊天模型，特點是便宜、支援工具呼叫，跑幾十次問答常常不到一塊錢美金，練手完全不心疼。真正貴的不是模型，是你把正式環境的大模型、長上下文、高價輸出全開來練手，練十次就抵得上一個月的示範費用。所以練手的規矩只有一個：示範模型挑輕量便宜的，指示寫簡短，工具先用寫死的假資料，跑通了再換真資料、再換好模型。本機免費版更徹底：模型裝在自己電腦上跑，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行。先在本機版把迴圈、工具、記憶三件事都摸熟，上雲端花錢時才知道錢花在哪裡。 反方適用條件清單——以下情況，先別照本篇做第一個智能體，免得把本篇讀成保證： - 不想碰微軟開發平台、只用別的語言生態：本篇是微軟開發平台的作法，換生態等於整篇重寫。 - 沒有金鑰、也不想裝本機模型：兩條路都沒有，模型叫不動，智能體跑不起來，先選一條路再開工。 - 挑的模型不支援工具呼叫：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 想一次做多智能體協作、寫作者加審查者的流程：原文只做到單一智能體，多智能體是展望裡的下一步，現在做還太早。 - 想直接做正式上線的產品：本篇只到主控台示範為止，正式產品要另外做驗證、備份、錯誤處理。 - 指示寫得含糊、只寫你是個助理：指示越空、模型做得越飄，指示要寫明身分、語氣、什麼時候用工具。 - 除此之外，只要你會寫主程式語言、想親手跑一個會動手的智能體——這篇就是為你寫的。 一句定性金句：迴圈不用你寫，判斷不用你寫，你只剩三件事：給指示、給工具、驗答案。 一、翻車清單 - 金鑰寫進程式碼、貼進群組、傳進公開倉庫：誰拿到都能花你帳上的額度，正確做法是存進環境變數，程式碼裡只讀變數不寫明文。 - 開發平台軟體開發套件版本太舊：原文要第十版或全新的第十一版，舊版可能沒有智能體框架要的寫法，先升級再開工。 - 套件裝錯：開放智能版與通用版是兩個套件，雲端版裝開放智能那一個，本機版才裝通用版加奧拉瑪那一個，裝錯就接不上。 - 模型挑不支援工具呼叫的：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 指示寫得太空：只寫你是個助理，模型不知道該簡短還是詳細、該不該用工具，指示要寫明身分、語氣與用工具的時機。 - 工具沒加說明文字：模型看不懂這個方法是幹什麼的，永遠不會叫它，說明文字是工具能不能被叫到的關鍵。 - 工具方法寫了真的去查天氣：示範階段先用寫死的假資料，跑通迴圈再換真資料，一開始就接真服務，出錯不知道是迴圈錯還是服務錯。 - 忘記建立工作階段：每一次呼叫都從零開始，第二問不提城市它就不知道去哪裡，名字也記不住，記憶要靠工作階段傳進去。 - 工作階段建了卻沒傳進去：建立一次不夠，每一次跑都要傳，漏傳一次、那一次的對話就斷了。 - 串流與整段回傳搞混：串流是一個字一個字印，整段是等完一次印，兩種跑法的寫法不一樣，抄錯會編不過。 - 金鑰放環境變數卻沒重開命令列視窗：環境變數改了要重開視窗才生效，舊視窗讀到的是舊值，一問就說金鑰沒設。 - 本機模型挑不支援工具呼叫的：本機開源模型不是每一個都支援工具呼叫，挑之前先確認，否則工具掛上去也不動。 - 本機服務沒啟動就跑程式：奧拉瑪的本機服務要先跑起來，程式連的是本機位址，服務沒開就連不上。 - 把示範程式當正式產品：主控台示範沒有錯誤處理、沒有備份、沒有驗證，正式上線要另外補齊，示範跑通不等於產品做完。 - 一次給太多工具：第一個智能體先給一個查天氣就好，工具一次給五個，模型叫錯的機率立刻上升，出錯不知道是哪一個工具的問題。 - 指示與工具打架：指示寫不要用工具、工具又掛上去，模型左右為難，指示與工具要講同一套話。 - 名字與指示寫完就以為智能體懂了：名字只是名字，真正管行為的是指示，指示沒寫清楚，名字再好聽也沒用。 - 測試不跑就說通了：模型說帶傘不算數，程式真的跑起來、答案真的對、第二問真的記得城市，才算通。 - 換雲端平台就以為程式碼要重寫：聊天客戶端介面就是為了換模型不用重寫，雲端平台、開源模型、微軟雲端，全是換呼叫模型的那一行，其餘不動。 - 把多智能體協作當第一步：原文的展望是下一步，先把單一智能體跑通，作者加審查者的流程以後再加，一步登天一定摔。 二、替代方案＋理由 原文只給一條主路，理由很硬：先拿雲端輕量模型跑通，再換本機免費版——理由是雲端版最快驗證迴圈、工具、記憶三件事，本機版再把花費壓到零，順序反過來很容易卡在本機安裝那一步、還沒看到智能體動起來就放棄。雲端版的理由是套件裝好、金鑰設好就能跑，示範用的輕量模型便宜又支援工具呼叫，練手不心疼。本機免費版的理由是模型裝在自己電腦上，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行，適合想一直練、一直試的人。還有一條同理可推的路：雲端平台版、開源模型平台版、微軟雲端版，理由是聊天客戶端介面把模型呼叫統一了，換平台只是換呼叫模型的那一行，其餘程式碼全不動，適合公司已經有指定平台的人。順序只有一個：雲端輕量版先跑通，再換本機版或公司平台版，不要三種同時開工。 工具的作法也有替代方案，理由一樣硬：示範用寫死的假天氣，理由是先驗迴圈對不對，出錯只可能是迴圈錯；換真資料是下一步，理由是迴圈通了再接真服務，出錯只可能是服務錯。兩步分開除錯，永遠比一次全上、錯了不知道找誰快。記憶的作法也一樣：工作階段是原文給的正規作法，理由是框架幫你管記憶，不用自己寫對話紀錄；自己寫對話紀錄是另一條路，理由是想完全掌控格式的人可以自己來，但新手先不要，框架的版本先跑通再說。 三、目標形態 一個能對照的最小閉環：開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數；主控台專案已建好、開放智能套件已裝好；智能體已有名字旅行小幫手、指示寫明友善的旅行助理、答案保持簡短；問它去里斯本要不要帶傘，模型自己叫查天氣的工具、拿到結果寫答案說早上會下小雨、記得帶傘；第二問不提城市，它用對的城市查天氣；第三問問我叫什麼名字，它答得出安娜。三問全對、程式真的跑起來，才算通。一句話：先讓一個智能體真正動起來，再談多智能體。 這個最小閉環還有三個進階樣子，通了之後可以一個一個加上去。第一個是換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案裡的溫度與天氣要對得上真實預報，迴圈不動、只換方法裡面。第二個是換本機免費版：模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問，答案一樣對，帳單變零。第三個是加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問一個同時需要天氣與景點的問題，看模型會不會自己挑對工具。這三個樣子有一個共同點：一次只換一件事，換完立刻驗三問，驗不過就只退一步，不用整段重寫。 四、遷移步驟 1. 先備前置條件：開發平台軟體開發套件裝第十版或全新的第十一版，開放智能金鑰申請好、存進環境變數，不要寫進程式碼。 2. 新建主控台專案：用命令列工具新建一個主控台專案、進到專案資料夾，裝開放智能版的智能體套件。 3. 寫第一版主程式：拿開放智能客戶端取聊天客戶端、指定輕量聊天模型，轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，問一句去馬德里旅行的小建議，跑起來。 4. 換串流跑法驗一次：同一個問題改用串流跑法，答案一個字一個字印出來，確認兩種跑法都通。 5. 給它第一個工具：寫一個查天氣的普通方法、加一句說明說這是查某個城市的天氣預報，方法裡先回傳寫死的假天氣，掛進智能體。 6. 問它去里斯本要不要帶傘：看模型自己叫查天氣的方法、拿到結果寫答案，迴圈四步都發生了才算通。 7. 建立工作階段：建立一個工作階段，每一次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本。 8. 驗記憶三問：第二問要不要帶傘不提城市，看它用對的城市查天氣；第三問問我叫什麼名字，看它答得出安娜；三問全對才算通。 9. 換本機免費版：裝通用版套件加奧拉瑪套件，本機服務先啟動，模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問。 10. 換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案要對得上真實預報。 11. 加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問同時需要兩種資料的問題，看模型挑不挑得對。 12. 換公司平台驗一次：雲端平台版、開源模型平台版、微軟雲端版挑一種，換呼叫模型的那一行，其餘不動，確認聊天客戶端介面真的統一了寫法。 13. 記帳：示範用的輕量模型跑幾十次常常不到一塊錢美金，練手用輕量模型、指示寫簡短、工具先用假資料，跑通了再換真資料、再換好模型。 14. 排定主力與備胎：主力一種平台每天用，備胎一種放在旁邊，主力出問題、換專案時立刻換備胎頂上，不用臨時翻文件重學寫法。 15. 每月回頭對一次官方文件：智能體框架還在長大，多智能體流程、模型上下文協定、除錯工具都會變，每月花十分鐘對一次，才不會拿著舊地圖走新路。 跑完這十五步，真正拉開差距的不是你會幾種平台，是你給指示的方式。指示寫得含糊，模型就做得含糊；指示寫得具體，模型就動得具體。好的指示有三個要素：先說身分，再說語氣，最後說用工具的時機。身分是你是誰，例如友善的旅行助理；語氣是答案多長，例如保持簡短；用工具的時機是何時該查資料，例如需要天氣資料時就用工具查。三個要素寫進每一次設定，模型的命中率立刻不一樣。反過來最差的指示是只寫你是個助理，模型不知道你要它簡短還是詳細、不知道什麼時候該動手，只能憑感覺猜，猜錯了你還要花時間收拾。框架是硬體，指示是軟體，硬體接好了、軟體跟不上，一樣跑不快。 問問題也有一個進階技巧：一次只問一件事。請模型同時排行程、查天氣、再訂機票，它常常三件都做得半調子；拆成三輪，每一輪只做一件、每一輪都驗收，總時間反而更短，因為返工最花時間。還有一個習慣值得養：每一次請模型動手之前，先請它用一句話說出它理解的任務是什麼，它說對了再讓它動手，它說錯了先糾正理解、不要讓它帶著錯誤的理解去叫工具。這兩個習慣加起來，模型的出錯率會掉一大截，你花的檢查時間也會跟著掉。 五、團隊共建分工 做第一個智能體是小事，但三個角色別一個人全扛： - 你自己管金鑰：金鑰只你經手，存進環境變數、不寫進程式碼、不貼進群組，誰要用就請他自己建一把。 - 審查者核對帳單：每週對一次用量，示範用的輕量模型跑幾十次常常不到一塊錢美金，大模型、長上下文、高價輸出的帳單先抓出來看。 - 紀錄者留對照表：把每一次實驗的模型、指示、工具、工作階段、驗收結果寫進本篇贈品驗收表，換人接手時不用重讀原文，換模型時照表改名字就好。 - 守門員管範圍：每一次請模型動手之前，先說清楚哪些工具能叫、哪些資料不能碰，正式環境的設定一律列入禁區，模型動手之前先對一次範圍，叫錯工具的代價比多問一句話貴得多。 - 新人先跑最小閉環：新加入的人不要一次做多智能體，先照本篇第四節跑一遍最小閉環，三問全對、程式真的跑起來，通了才算入門，通不了先找守門員對設定，不要自己硬湊。 六、官方工具包 - 微軟擴充智能：聊天客戶端介面，統一不同模型的呼叫寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 開放智能版套件：雲端版裝這一個，示範用輕量聊天模型，支援工具呼叫。 - 通用版套件加奧拉瑪套件：本機免費版裝這兩個，接本機開源模型，其餘程式碼不變。 - 示範模型：輕量聊天模型，支援工具呼叫，練手便宜。 - 本機模型代表：駱馬三點二，裝在自己電腦上跑，一毛錢都不花。 - 同理可接的平台：雲端平台、開源模型平台、微軟雲端，換呼叫模型的那一行就好。 - 展望裡的下一步：多智能體流程、模型上下文協定、智能體對智能體、可觀察性、除錯工具，現在先知道名字就好。 - 前置條件：開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能金鑰或一台裝好本機模型的電腦。 結尾收束：原則比框架多重要——智能體框架不是魔法，是把迴圈包起來的那一層。可重複的動作規則只有一條：每次換模型、換平台、加工具之前，先回到那個最小閉環——三問全對、程式真的跑起來——通了再往下走。今晚就能做的事：先備好金鑰、建一個主控台專案、問它一句去馬德里旅行的小建議，答得對，這條路就是你的了。 最後再提醒一次最容易被低估的事：第一個智能體真正的成本不是金鑰、不是套件，是你願不願意把指示寫清楚。指示寫不清楚，模型做得再快也是亂做，你還要花更多時間收拾；指示寫清楚了，迴圈、工具、記憶三件事立刻各就各位。這筆帳，比幾十次問答不到一塊錢美金重要得多。今晚先跑三問，明天上班第一件事就拿一個你真正的工作問題去問它，問完看它會不會自己挑對工具，挑對了，你就知道這條路值不值得走下去。 本篇贈品：微軟智能體首次落地驗收表 開通之前逐項打勾：1 前置——開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數、沒寫進程式碼；2 專案——主控台專案已建好、開放智能版套件已裝好；3 第一版——智能體已有名字旅行小幫手、指示已寫明友善的旅行助理與答案保持簡短、問去馬德里旅行的小建議已跑通；4 串流——串流跑法已驗一次、答案一個字一個字印出來；5 工具——查天氣的方法已寫好、說明文字已加上、方法裡先用寫死的假資料、問去里斯本要不要帶傘已看到模型自己叫方法；6 記憶——工作階段已建立、每次跑都已傳進去、第二問不提城市已用對的城市查天氣、第三問已答得出安娜；7 本機版——通用版套件加奧拉瑪套件已裝好、本機服務已啟動、模型已換成本機開源模型、三問已重跑全對；8 真資料——查天氣的方法已換成真的天氣服務、答案已對上真實預報；9 第二工具——第二個方法已掛上、指示已寫明什麼時候用哪一個、同時需要兩種資料的問題已驗過；10 帳單——示範用的輕量模型跑幾十次不到一塊錢美金的算法已知道、練手用輕量模型與假資料的規矩已立好；11 維護——每月回頭對一次官方文件、換平台只換呼叫模型那一行的作法已驗過；12 指示——每一次設定已寫明身分、語氣、用工具的時機三個要素，一次只問一件事，模型動手前已先用一句話說出它理解的任務。 S1哥觀點 別再問「做智能體是不是很難」了——難的不是智能體，是你以為迴圈要自己寫。還在觀望的人，花的時間不是學習，是猶豫；照這篇跑起來的人，一個下午就有一個會查天氣、會記得你名字的旅行小幫手，迴圈框架全包了，你只剩給指示、給工具、驗答案。更值得問的是：你現在每天重複做的那件小事，是查資料、還是回覆、還是整理？那一件，就是你第一個智能體該先接的理由。還有一個更扎心的問題：你上一次說要學智能體，結果三個月過去、連第一個主控台專案都還沒建，是什麼時候？這種拖延，跑起來一次就治好了，因為跑通的那一刻你就知道，原來第一步這麼小。你第一個智能體想讓它先幫你做什麼？評論區說說。

兄弟别他妈再窝在家打飞机了，想免费操逼就直接去按摩会所应聘男技师。老子上周刚入职一家店，里面几乎全是女客：下班憋坏了的职场骚货、老公出差或者常年不碰的宝妈、还有专门点男技师来挨操的熟客。第一天就被安排进VIP包厢，客人是个三十出头的少妇，穿着单薄，躺下后只盖着一条薄毯子。我按她腰和屁股的时候刚一用力，她就忍不住哼出声，屁股主动往我手上送。按到大腿根内侧，手指隔着那层薄布就能感觉到她逼已经湿透了，阴唇软乎乎地贴着我指节。她突然抓住我手腕，声音发颤却又急切地说：“下面也按……师傅，我老公三个月都没操过我了，逼都痒死了。”老子二话不说直接掀开毯子。她下面根本没穿，阴毛修得干干净净，阴唇已经微微张开，淫水顺着会阴往下淌，把床单都弄湿了一小片。两根手指直接撑开她的逼，拇指重重按上阴蒂来回揉。她立刻夹紧大腿，腰猛地往上挺，嘴里压不住地叫出声。没按几分钟，她就受不了，翻身跨坐上来，自己扯开我的裤子，握着鸡巴对准自己湿滑的洞口一屁股坐到底。里面又热又紧，把鸡巴裹得死死的。她一边上下猛骑一边喘着粗气骂：“师傅……再深点……用你这根大鸡巴狠狠干我……我真的好久没被这样操了……”包厢隔音烂得一批，外面都能听见她压抑却越来越浪的喘息和肉体啪啪撞击的声音。干完她脸红得像要滴血，多塞了不少小费，还低声问下次能不能专门约我继续操。 后来我才发现，原来店里不少女客都是这德行——表面说来按摩放松，实际上就是想被男技师用手抠、用嘴舔、用鸡巴把逼操烂。有的进门连按摩都不装了，直接说：“今天别按了，直接脱裤子干我吧。”

黄仁勋被英伟达董事会逼下台后，硅谷和华尔街开始反扑了。 华尔街基金打响第一枪 先看资本这边的动作。两家重仓英伟达的知名科技基金 Altimeter 和 Atreides，手里一共管着超过 250 亿美元的资产。他们率先联名发表公开信，要求英伟达董事会恢复黄仁勋的 CEO 职务。 这两家基金在英伟达占的股份比例其实很低，加起来还不到 0.1%，但他们在华尔街和硅谷的号召力极强。2022 年扎克伯格死磕元宇宙，一年烧掉上百亿美金，导致 Meta 股价暴跌。当时就是 Altimeter 发了一封公开信，逼着扎克伯格大裁员，砍掉元宇宙开支，全面转向 AI。 当然，真正能一锤定音的，还是华尔街对英伟达持股最多的三家大股东：先锋领航（Vanguard）、贝莱德（BlackRock）和富达（Fidelity），这三家加起来握着英伟达大约 20% 的股份。这种金融巨鳄平时很少像硅谷投资基金那样公开发信骂街，但现在激进、有号召力的小弟已经打响了第一枪，这三大巨头后续会不会表态支持黄仁勋回来，非常值得关注。 马斯克带头，硅谷大佬集体站队 硅谷的一批创业大佬也开始集体站队。马斯克，还有 Uber、Shopify、Replit 和 Vercel 这些公司的创始人，全都公开发帖支持黄仁勋复职。硅谷知名投资人 Naval 直接说，黄仁勋就是英伟达的乔布斯，无人可以替代。 马斯克昨天一天之内更是连续表态了 5 次。早上他还只是回一句 Hmm 围观，中午回 Indeed 表示认同，到了下午就直接宣布自己也要签复职请愿书，晚上又转发大股东公开信、赞同黄仁勋是乔布斯的说法。短短一天，他已经从最初的认同，变成带头向董事会施压的领头大哥了。 内部员工九成力挺黄老板回家 英伟达内部也一样。有老员工在公司内网发帖抗议，一下子涌进来 1600 多条评论，都在喊话让董事会把老大请回来。在硅谷匿名社区的英伟达员工投票里，接近 90% 的人力挺黄仁勋，支持董事会赶他走的只有 1%。员工跟着他干了这么多年，全靠英伟达的股票发家致富，大家心里只认这一个老板。 这件事才刚刚开始。接下来，英伟达董事会里那些反对黄仁勋的人，面对来自员工、股东、合作伙伴和客户的压力只会越来越大，直到他们妥协让步。 美国两党政治斗争产物，华尔街最后拍板 这两天 X 中文社区盛传一种种族歧视论，说黄仁勋是因为华人身份才被搞下去的，这其实是背后有外宣任务在推动带节奏的舆论。黄仁勋这件事，真正的原因根本不是什么种族问题，而是美国两党政治斗争的结果。 在这之前，黄仁勋一直在积极游说华盛顿，想让美国政府放宽对中国出口芯片的限制。他当时敢这么高调，底气主要来自两边：一边是更看重做生意赚钱、讲究实用的川普，对这事基本是睁一只眼闭一只眼；另一边则是华盛顿内部那些支持放松对华芯片限制的力量，比如商务部长霍华德。财长贝森特就公开抱怨过川普跟黄仁勋走得太近。 但中期选举之后，华盛顿的风向彻底变了。随着民主党重新掌控参众两院，那些在对华芯片禁运上态度强硬的鹰派开始占据话语权，而且民主党里本来就有很多人直接喊话要搞大科技公司。而在一众科技和华尔街大佬里，一直冲在最一线游说对华卖芯片的黄仁勋，理所当然就成了他们最先开刀的对象。 所以说白了，黄仁勋这次下台，根本上就是美国两党政治斗争的产物。但最终结果如何，还是要取决于华尔街最后怎么站队拍板。不管美国两党如何斗得你死我活，最终还是资本说了算。

要同時出現多少個巧合, 才能讓全球最高市值的CEO 短短72小時內走到下台 我花一整天閱讀大量資料, 拼湊出前因後果 這應該是最接近真相的事實, 大家當故事看 「我跟你說, 下週Nvidia的CEO會辭職」 這不只說出去沒人信, 連拍成電影都會被罵爛尾 跨黨派的鬥爭, 全在7天內引爆, 首先是誤區： 1. 外遇 & 間諜都是障眼法 2. 兇手不是民主黨或共和黨, 而是兩黨的對中鷹派 3. 川普是最不希望黃仁勳離開的人 4. 這群跨黨鷹派也沒想過火燒這麼大, 黃仁勳辭職 事件開始 📍第一個巧合：關稅、黃樂、美伊戰爭 早在半年前盧比歐就曾二度向川普示警 要求關注黃仁勳與 Megaspeed 的往來 川普知情晶片可能被轉運, 但始終沒有積極處理 一方面想和習近平維持談判空間 另一方面, 美伊戰爭已佔據大量政治資源 （當中還穿插中美元互訪, 這半年真的很忙） 川普也許是相信黃仁勳自己能摸清界線 也許想順便摸清中國依賴GPU的程度, 就睜隻眼閉隻眼 總統忙就算了, 該列貿易黑名單的商務部長 Lutnick 半年0動作, 此舉使共和黨內的對中鷹派越來越不滿 他們在意的事情, 白宮始終沒有全力推進 📍第二個巧合：期中選舉大敗、內閣開始分裂 美伊戰爭拖太久, 讓川普付出巨大的政治代價 內閣原本就存在主戰與停戰兩派 選舉失利後, 矛盾進一步浮上檯面 共和黨開始找戰犯, 原本支持川普的人開始各自盤算 連副總統JD都開始與切割 “內閣中還有誰挺我？” 此刻川普自己也不清楚 📍第三個巧合：川普的個性, 卻逐漸失去控制力 川普的性格一直是擇善固執, 想幹嘛就一意孤行 （美伊戰爭說過若沒人支持, 他照樣打, 願意當壞人） 但這次選舉失利, 讓他政治籌碼大幅縮水 內閣大難臨頭各自飛, 這時黨內對中鷹派有了機會 此刻再不處理中國晶片, 幾個月後改朝換代 參眾兩院不在掌控之下, 屆時更無法保證事件走向 於是鷹派跳過川普, 釋出黃仁勳相關的負面消息 將間諜、叛國敏感議題帶入, 好快速推動閉門聽證 此刻這件事也驚動民主黨的對中鷹派 原本政治立場不同的兩群人, 突然有共同目標 民主黨也加入戰局, 一起深挖更多外遇, 更多花邊新聞 ‼️注意：川普一直把黃仁勳當朋友, 始終沒有切割‼️ 此時面對媒體追問, 他還多次逆風替黃仁勳說話 (就和當年麥可傑克森相同, 川普是真兄弟, 我都要哭了） 📍第四個巧合：黃仁勳低估了華盛頓的遊戲規則 黃仁勳白手起家, 從餐廳洗碗工一路走到今天 他相信的照規則做事, 乖乖繳稅就不會被找麻煩 但美國政治是真的很髒, 你就算今天和總統是朋友 卻不代表能避開 “深層政府” 的政治鬥爭 黃仁勳非常聽川普的話, 還會給一堆情緒價值 川普自然把黃仁勳當成朋友, 願意替他說話 紐約時報稍早證實： 川普前一晚曾致電, 勸黃仁勳「保住CEO, 別離開」 但當總統無法控制自己的內閣時, 如何提供政治保護？ 黃仁勳前天主動打給川普, 我想也是這個原因 黃希望弄清楚出了什麼事, 但川普無法給出任何承諾 大家紛紛跳過自己去揭發Nvidia 若要黃仁勳先認罪去蹲, 再幫忙特赦, 風險太大 在最後一晚, 得不到任何承諾的黃仁勳 也許自知敵不過這群鷹派, 身心俱疲, 最後選擇離開 事已至此, 川普對外也不好再明說, 只能引導輿論 挑相對最聽話的CEO當樁腳, 那就是Tim Cook 📍 第五個巧合：事件後期, 所有平行線交會 黃仁勳離開 這真的是兩黨對中鷹派想看到的結果嗎？ 我相信絕對不是。 他們真正想要的, 是一個更願意配合華盛頓的黃仁勳 而不是只聽川普的話的黃仁勳 更不是讓他直接離開 NVIDIA 因為接下來的問題更大： - 新 CEO 能維持 NVIDIA 的技術領先嗎？ - 新團隊會比黃仁勳更聽華盛頓的話嗎？ - 美國失去黃仁勳, 能讓自己的 AI 產業更強嗎？ 把整件事 zoom out 黃仁勳完全是美國政治鬥爭下的犧牲品 1. 外遇讓事情有了切入點 2. 晶片轉運讓鷹派有了政治武器 3. 選舉失利讓鷹派著急+川普失去保護能力 幾條原本不相干的線, 最後全部交會 33年, 從社洗碗工, 到全球T0的科技領袖 社會底層逆襲, 這個故事就是美國夢最好的代表 更何況他還是會配合政府的科技領袖 只可惜兩黨把NV當成核武, 趕在下台前先納入控制 控制的途中意外導致CEO離開, 事情更糟, 計劃全亂 也因此司法部這群狗雜種 “瞬間” 開始放緩用詞 「我們還沒說是間諜/還不能確認/部分誇大」 我相信閉門聽證會有好的結果 就算晶片真的轉運中國, 司法部也會和黃仁勳達成協議 檯面上讓媒體看到 “好的結果”, 檯面下控制 Nvidia 這種事情搓一下就過去了, 對深層政府而言真的不難 Stand with Jensen 我認為黃仁勳明年就能回到CEO職位。 以上資訊我花了大量時間整理 若喜歡別忘記點個追蹤, 有任何細節歡迎留言討論 #standwithjensen# #bringjensenback#

Gemini 4 Carbon 写作确实牛逼 让它总结了 Next Token 过去 9 期 30 条 AI 领域的核心认知： 1. Token 就是新货币；买一台本地机器跑模型，本质上是在家里铸币。—— 橘子 2. AI 没有泡沫，只有受制于物理基建的供给不足。—— 歸藏 3. 在 AI 时代，别羞于承认自己是卖 Token 的——你不卖 Token，还能卖什么？—— 橘子 4. 好应用不必让用户每次打开都烧 Token；用品味把大量 Token 一次性凝结成无数人能反复消费的作品，边际成本才会降下来。—— 向阳乔木 5. 对大多数人来说，Vibe Coding 不是生产力，而是自由度最高的创造类游戏；充进去的 Token，就是新时代的游戏充值。—— 歸藏 6. 只要 AI 把一件事的起跑线拉到六十分，六十分就是零分。—— 橘子 7. 当一件事靠一句话就能搞定时，凭什么它是你的壁垒，又凭什么它是我的？—— 歸藏 8. 软件和游戏正在网文化：平台不再卡发布，只卡推荐；谁都能上架，但没流量就无人看见。—— 歸藏 9. 按昨天的标准做出来的东西，今天 99% 都只算自用工具；市场扩大了一百倍，但依然只有最头部的 1% 配叫商业产品。—— 杨攀 10. 产品未必是一个 App；只要跑通“发现需求、创作、分发”的闭环，一篇文章、一档播客也是产品。—— 歸藏 11. 当开发只要十分钟、打包签名却要半小时，真正的瓶颈就不再是智能，而是旧世界的交付规则。—— 橘子 12. 过去是软件把 Agent 塞进自己的界面；未来是软件放弃自己做 Agent，主动变成 Agent 调用的插件。—— 杨攀 13. 传统软件思维喜欢把每条路径写死；AI 原生思维只留一个循环，把剩下的交给模型。—— 杨攀 14. 软件上的按钮越少，离 AGI 越近。—— 橘子 15. 面对超级助理，人只该负责说话，不该负责管理会话；需要人手动翻找线程，只说明模型还不够强。—— 橘子 16. 工具随时会换，上下文必须归自己所有——劫持所有 Agent 的记忆，把过程和产物沉淀回自己的仓库。—— 歸藏 17. 人类团队正在向一人闭环演进，别反过来让多 Agent 学人类开会内耗——人类在走向 AI Native，别让 Agent 退回 Human Native。—— 橘子 18. 上一代生成模型在卷“理解”，死磕最后百分之一的物理还原；新一代模型赢在“创造”，一句话把意图编排成完整的故事。—— 歸藏 19. 输出格式不报错，只代表不用重试，不代表判断正确——别把“结构稳定”偷换成“没有幻觉”。—— 杨攀 20. 不能调工具、不能动电脑的所谓 Skill，本质上还是一段提示词润色。—— 歸藏 21. 今天限制模型上限的往往是人自己——你写进提示词里的前提假设，恰恰锁死了模型的发挥空间。—— 杨攀 22. 注意力是今天最稀缺的资源；开源的提示词、Skill 乃至软件，唯一的商业价值都是成为流量入口。—— 橘子 23. 跟模型拼技术注定会输；唯有人与人之间建立的信任与个人品牌，不会被技术进步吃掉。—— 橘子 24. 品牌的本质，是用真名、露脸和沉没成本作抵押，降低别人相信你的成本。—— 向阳乔木 25. 所有生意都在建立信任：To B 让企业信你，To C 让大众信你，To A 让 Agent 信你的信源；三者皆无，就只剩悦己的 To Me。—— 橘子 26. 在公网上主动留下关于自己的真实一手信息；你不定义自己，AI 的幻觉就会替你定义你。—— 歸藏 27. 今天最不缺的就是没有性格的内容；持续输出有变化但一致的“人味”，才是稀缺品。—— 歸藏 28. 还按设计、前后端、QA 切岗位的算不上 AI 原生组织；真正的 AI 原生组织里每个人都是全栈闭环的一人公司，而且它是磨合生长出来的，不是 HR 设计出来的。—— 歸藏 29. 大厂把员工拆成稳定的螺丝钉，也就亲手杀死了长出全局架构师的土壤——架构感是操盘练出来的，不是分工分出来的。—— 歸藏 30. 帮企业做 AI 转型，最该做的不是改造基层流程，而是去培训一号位。—— 向阳乔木 以上内容来自：@oran_ge @op7418 @vista8 @ericyangpan @nexttokentv

今天 GitHub 被「浏览器三巨头 + 安全扫描 + 代码审查」大厂联军屠榜了！ 5 个星标暴增最狠的项目，专业拆解下！ 1. GoogleChrome/modern-web-guidance-src Modern Web Guidance 的源码仓：把 Web 平台最佳实践和浏览器兼容数据做成技能，直接塞进你的编程 Agent，让它别再写过时套路；一行 npx 就能安装、搜索指南、扫描旧代码。由 Chrome、Edge、Firefox 和 MDN 团队共同维护。 🔗 直达： AI 写前端最大的毛病就是「十年前的 Stack Overflow 味」，这回浏览器厂商亲自下场补课。1,875 星一天，含金量拉满！ 🟢 2. openai/codex-security OpenAI 官方的 Codex Security 命令行和 TypeScript SDK：扫描仓库或 Git 改动、验证漏洞、生成补丁并复核修复，还能导出 SARIF/JSON/CSV，接 Linear、Jira、GitHub 和 CI。 🔗 直达： 找漏洞、验漏洞、修漏洞一条龙，安全工程师多了个不下班的搭档。754 星一天，总星 1.3 万+，AppSec 正式进入 Agent 时代！ 🟢🟢 3. tailscale/tailcat Tailscale 官方的「不用 Tailscale 的 Tailscale」：像 netcat 一样在两台机器间开 WireGuard 端到端加密隧道，自动打洞直连，不需要账号、不需要 root，纯用户态命令行和 Go 库。 🔗 直达： 一个短地址就能把两台机器连起来，穿透 NAT 像喝水一样简单。324 星一天，网络老炮狂喜！ 🟢🟢🟢 4. alibaba/open-code-review 阿里内部用了两年的 AI 代码审查工具开源：读 Git diff，交给带工具调用的 Agent 去翻全文件、搜代码库，输出精确到行的结构化评审意见；README 称同模型下精确率和 F1 明显高于通用 Agent，token 只用约九分之一。 🔗 直达： 数万开发者、数百万缺陷练出来的审查官，现在人人能请。206 星一天，总星 5 万+，大厂内功直接外放！ 🟢🟢🟢🟢 5. ChromeDevTools/chrome-devtools-mcp Chrome DevTools 官方给 Agent 的接口：MCP 服务 + 命令行，让 Claude、Cursor、Copilot 等编程 Agent 直接操控、检查一个真实 Chrome，录性能 trace、看网络请求、截图、读控制台。 🔗 直达： Agent 终于不再「盲写前端」，能自己打开 F12 找 bug 了。145 星一天，总星 5.5 万+，浏览器调试彻底交给 AI！ 🟢🟢🟢🟢🟢 ⚠️⚠️ 总结： 今天的榜单写满了一个信号：大厂开始把自家内功直接喂给 Agent（Chrome 的 Web 指南和 DevTools、OpenAI 的安全扫描、阿里的代码审查）。工具越来越像「给 AI 用的」，谁先把 Agent 武装到牙齿，谁就站在下一波生产力的 C 位。

# 模型缩小四倍还不翻车？不是压得够狠，是量得够准 先说结论：大多数人以为量化是把模型压小一点、省一点显存，压得越狠、省得越多，这个想法只对了一半。量化真正值钱的地方不是省显存，是省钱加变快，模型缩小两到四倍之后，小批次推理常常反而更快，因为瓶颈不在算力，在记忆体频宽，搬的位元组少了，每秒吐出的字元单位就多了。作者第一次把大模型推到真实使用者面前，七 B 模型用十六位元载入，光权重就吃掉十四 GB 左右的显存，帐单难看得很，有人随口问一句要不要试试量化，她当晚掉进一堆缩写的兔子洞，才整理出这篇指南。 先说清楚底线：十六位元每权重两位元组，七 B 模型约十四 GB、十三 B 模型约二十六 GB。压到八位元，七 B 模型约七 GB、十三 B 模型约十三 GB。压到四位元，七 B 模型约四 GB、十三 B 模型约七 GB，模型缩小两到四倍。作者打了一个很准的比方，量化就像把照片从巨大原始档压成调校过的压缩图，手机上看起来几乎一模一样，体积却只剩一小部分。权重就是模型的照片，十六位元是原始档，四位元是压缩图，压得好，大多数人看不出差别，压得不好，细节先糊掉。关键在压得好不好，不在压得多不多。 怎么做？顺序只有一个，先用五分钟实验确认方向，再挑上线或随处跑的格式，最后拿自己的提示词量过再灰度发布。五分钟实验用四位元载入工具快速试，零校准资料、零转换步骤，一个下午就能知道显存占用下降约七成、模型还能不能讲话。显卡上线用服务引擎带量化参数直接起一个相容接口，热门模型在模型仓库里已经有现成的四位元检查点，不用自己压，没有就用压缩工具自己做一个。随处可跑的路是转成通用格式再量化，中央处理器、笔电和苹果晶片都能跑，四位元中档是尺寸与品质的甜蜜点，更保险就往上走五位元或六位元。 小心三件事。第一，压完只跑几个提示词就上线一定翻车，作者就是这样翻车的，结构化资料输出偶尔格式损坏，两天后才被使用者抓到，通用评测完全没抓到。第二，只看困惑度就放行不够，困惑度看起来没问题，任务品质可能已经悄悄下滑，它只能当参考，不能当唯一的验收标准。第三，别以为压完就一定变快，一种格式只有在服务引擎有对应的最佳化核心时才会真的变快，没在你自己的机器上实测过，纸上变快不算数。还要记住，键值快取不随权重量化缩小，长上下文服务照样可能爆记忆体，瓶颈在这里要另外看。 再往上加东西也有顺序：先写五十到一百条真实提示词，对照十六位元基线一条一条比，刻意去测最先崩的几类任务，长上下文、结构化 结构化资料 与函式呼叫、数学、程式码、非英文。验收不是打分数，是找变差的任务集中在哪里，集中在 结构化资料格式就升那类任务的位元，散在各处就整体升一档。真实负载下测延迟与吞吐量，不是空闲显卡上跑一条请求。最后先切一小部分流量灰度发布，没问题再全量，出问题立刻切回十六位元版，不要等到全部使用者都中奖才动手。 一句话：量化不是免费压缩，是一场交易，你只有量得够准，才有资格拿这场交易去换更小的帐单。今晚就能做的事：挑一个你正在跑的模型，用四位元载入工具跑一次五分钟实验，看看显存占用下降约七成之后，它回的第一句话还像不像它自己。 S1哥观点：别再问量化是不是把模型压坏的便宜行事，压坏模型的从来不是量化本身，是你压完只跑几个提示词、看一眼困惑度就敢上线。作者的教训就摆在那里，结构化资料输出偶尔格式损坏，通用评测完全没抓到，两天后使用者才回报。量化真正值钱的地方也不在省显存那一行，是小批次推理反而可能更快，因为瓶颈在记忆体频宽，搬的位元组少了，每秒吐出的字元单位就多了。更值得问的是，你现在跑的那个模型，是卡在帐单、卡在显卡太小，还是卡在速度？那个卡点，决定了你该挑哪种格式、压到几位元。你第一个想压小上线的模型是哪一个？评论区说说。 收藏用清单（照着做）： 1. 先算帐再动手，七 B 模型约十四 GB，压到四位元约四 GB，模型缩小两到四倍，再留键值快取和执行开销的位置。 2. 挑对格式再压，快速实验用四位元载入工具，显卡上线用四位元的两种主流方法，笔电用通用格式，新款卡用八位元浮点。 3. 跑五分钟实验，确认显存占用下降约七成、模型回复正常，再写五十到一百条真实提示词对照十六位元基线逐条比。 4. 刻意测最先崩的五类任务，真实负载下测速度，先切小流量灰度发布，没问题再全量。 转给还在为模型帐单头痛的朋友，压小两到四倍再上线，量得准才不会翻车，他今晚就能先跑五分钟实验。