与「基础爵士」相关的搜索结果

做预测市场，真正的竞争可能不只是看谁能吸引更多用户，而是看谁能把底层基础设施做好。 发现@sight_hood 的思路有点不一样。 他们早期在 Robinhood Chain 上探索短周期涨跌预测和多选市场，现在又开始推进自己的 SightEVM。简单理解，就是不满足于只做一个预测市场应用，而是想从底层打造一套更适合预测市场运行的基础设施。 为什么需要专门做一套？其实很好理解。 比如一场足球比赛，开赛前有人看好主队，比赛中途比分发生变化，市场赔率也会跟着波动。用户可能需要随时查看行情、买卖仓位，甚至短时间内连续交易。如果网络拥堵、Gas费用突然上涨，交易体验自然会大打折扣。 SightEVM 想解决的正是这类问题。它并不是简单复制一条通用EVM链，而是围绕预测市场的高频交互进行优化，同时保留熟悉的 Solidity 开发环境，以 SGT 作为原生 Gas，并计划配套跨链桥和 DEX。 当然，基础设施最终还是要靠应用和用户来检验。技术路线再好，如果没有开发者愿意接入，没有真实交易需求，也很难形成生态。 所以我对 SightEVM 后续的发展更关注实际表现：交易速度能否稳定、成本能否控制，以及能否吸引更多预测市场项目加入。 预测市场的想象空间很大，但想真正做大，光有前端产品还不够。@sight_hood 选择从基础设施入手，这条路值得持续关注。

Cursor 公布安全事件调查结果 1. 发布情况 北京时间 11 月 14 日 09:13，Cursor 官方账号发帖，公布此前一起安全事件的调查经过和补救措施。[1] 博客文章的落款日期为美国时间 11 月 13 日。Cursor 曾在 10 月 29 日通报，正在调查一起安全事件，事件涉及 Cursor VS Code 扩展市场中出现的一个恶意、未经授权的 Anthropic Claude Code 扩展副本。[2] 2. 攻击经过 2.1 从服务商处泄露的密钥 根据博客，这次攻击始于第三方训练和推理服务商 Fireworks。Cursor 曾向 Fireworks 签发一把访问密钥，这把密钥从 Fireworks 一方泄露。攻击者借此复制了一个用于向 Fireworks 共享数据的只读存储桶。[2] 2.2 泄露的数据及后续访问 存储桶中有数量有限的编程智能体运行轨迹，主要来自 2025 年，均为未开启隐私模式、并允许用于模型训练的会话。其中少量轨迹含有未脱敏的凭据，API 凭据因此泄露的客户不到 0.01%。攻击者用这些凭据进入了 Cursor 使用的部分 SaaS 工具，进而访问了以下数据：[2] 部分已归档的非生产源代码仓库，其中一些包含商务联系信息。 有限的客户支持数据和邮件往来。 产品使用指标和联系方式。 部分编程智能体对话的摘要。 用户发给支持团队的部分凭据。 2.3 恶意扩展 10 月 29 日，攻击者利用窃取的凭据，把一个经过恶意篡改的 Claude Code 扩展直接放进了 Cursor VS Code 扩展市场的缓存。这个副本不是 Anthropic 发布的，此事也不属于 Anthropic 产品的漏洞，该恶意软件从未出现在上游来源 Open VSX 中。10 月 29 日请求过特定缓存版本的用户中，最多约 5000 人可能收到了恶意构建，这个版本存在约 11 小时后被移除。涉及的版本是 Anthropic.claude-code 2.1.312 和 2.1.313。Cursor 提示，仅仅卸载扩展可能不足以消除影响，受影响的用户应按安全通告中的步骤处理。[2] 3. 影响范围 3.1 受影响的用户 Cursor 表示，绝大多数客户没有受到影响，公司已经逐一直接联系了受影响的客户。在未开启隐私模式的用户中，编程智能体轨迹遭到泄露的不到 0.05%，没有收到通知就说明自己的数据不在其中。[2] 3.2 未受影响的部分 以下部分均未受到影响：[2] 开启隐私模式的用户的提示词和代码。 目前发送给 Cursor 的数据和实时流量。 生产系统和基础设施。 Cursor 应用及其官方更新。发布流程使用一套攻击者没有接触过的独立代码托管系统，签名密钥也没有泄露。 面向团队的云端智能体、Grok Bot 及其他 SpaceX SI 产品。 扩展市场中的其他扩展，以及从 Cursor 插件市场下载的插件。 客户的代码仓库和正在进行中的推理请求。 Cursor 称，最后一次观测到攻击活动是在 11 月 1 日，当时已被拦截，因此判断事件已经得到控制。[2] 4. 补救措施 Cursor 已经采取以下措施：[2] 把全部推理流量迁出 Fireworks，停用相关密钥，并切断 Fireworks 对所有共享数据集的访问。 按风险高低依次轮换所有已发现的泄露凭据，并预防性地轮换内部系统中所有在用的凭据。 核验并重建 VS Code 扩展市场。 在各服务商那里收紧网络访问限制，让泄露的凭据无法在预定位置以外使用。 在所有代码仓库和其他内部数据源中增加密钥扫描。 预防性地重新部署全部生产基础设施。 聘请外部取证专家协助调查。 如有安全问题，可以发邮件到 security@cursor.com。[2] 注释与来源 [1] Cursor 原帖
[2] Cursor 博客《An update on our recent security incident》

这周 GitHub 上涨星最猛的 AI 仓库，前十都在这了👇： 1. security-audit-skill 可以把代码安全排查分几步交给 AI agent。查出的问题都会先核实，再交给你。 2. astryx 把界面设计组件整合在一起的开源基础库，能按自己的想法改，AI agent 也能直接用。 3. Agent Skills（anthropics） 一套公开的组件，用来让 AI agent 学会新的操作步骤，需要的能力可以往后加。 4. agent-browser 把浏览器操作交给 AI agent 来做的工具，打开页面、输入、点击都能替你完成。 5. graphify 程序和资料会变成一张能顺着关系查的地图，AI agent 可以问哪里有什么。 6. claude-mem 能把和 AI agent 的交流记下来，带到下一次对话里，接着上次记住的内容继续聊。 7. Claude-Code-Game-Studios 能把 Claude Code 整套变成一个游戏开发团队，不同分工的 agent 一起往下做。 8. herdr 给写代码的 AI agent 用的运行环境。连接断了，正在干活的终端也不会消失，再连回去还是原来的布局。 9. gstack 可以直接用上 Garry Tan 那套 Claude Code 配置。从经营到质检，各角色要用的工具都齐了。 10. claude-quickstarts 用 Claude 做应用时能马上上手的示例合集，从能跑的模板开始试，再慢慢改成自己的。

摩根大通目前预测，到2028年，超大规模科技企业的资本支出将超过2万亿美元： • $AMZN 约4700亿美元 • $GOOGL 约4700亿美元 • $SPCX 约3700亿美元 • $MSFT 约3300亿美元 • $META 约2900亿美元 • $ORCL 约1000亿美元 尽管增长速度可能会有所放缓，但预计即使在2028年这一“增长放缓”之年，相关支出仍将增加3210亿美元。 因此，仍有巨额资本涌入人工智能计算、网络、存储和电力基础设施领域，而下一代人工智能系统尚未问世。

- 汤姆张的“三阶段”模型有一定观察价值，但它把复杂的认知变化简化成了线性进步：很多人从“粉红”到“反贼”再“去魅”，并非必然更清醒，而是可能只是换了一套叙事框架。真正稳定的判断通常不来自“阶段升级”，而来自对具体制度绩效、激励结构与信息环境的持续比较。 - 王海滨那句“中共粗鄙，没有美国精英那么卑鄙”抓住了一种常见感觉：中共的权力运作更直白（宣传、审查、运动式治理），美国精英的运作更依赖制度包装、利益输送与舆论塑造。这种对比有经验基础，但也容易滑向“谁更坏”的道德竞赛，而忽略两者在不同领域的具体代价差异——例如中国在信息与政治权利上的系统性压制，美国在精英俘获、财政与制度信任上的持续侵蚀。 - 更务实的视角是把注意力放在可观察的结果与约束条件上：经济增长质量、创新效率、社会流动性、法治可预期性、个人自由度，以及当权者受制约的程度。目前看，中美都不是理想国，也都面临各自结构性问题；区别更多在于问题的表现形式与修正机制，而不是谁更“卑鄙”或谁更“粗鄙”。

Anthropic 首席执行官 Dario Amodei 刚刚解释了整个 AI 行业面临的最大问题之一。 根据 Dario 的说法，计算资源是 Anthropic 目前面临的最大商业困境，而这归结为一个简单的问题：当你几乎完全不知道公司两年后将产生多少收入时，你如何规划数十亿美元的基础设施支出？Anthropic 的收入在 2024 年增长了大约 10 倍，在 2025 年又增长了 10 倍。这是惊人的增长，但即使是 Dario 也承认，他们对下一年会是什么样子几乎没有可见度。 与此同时，公司必须在实际需要它们的一到两年之前就锁定 GPU、数据中心容量、电力和网络基础设施。而且这些并不是小承诺。我们谈论的是可能高达数百亿美元的支出，这些支出必须基于需求预测来承诺，而这些预测可能完全错误。这就是事情变得有趣的地方。如果 Anthropic 购买了太多计算资源，而收入没有如预期增长，公司就会面临财务过度扩张的风险。但如果购买得太少，后果可能更糟。 它不仅会难以服务现有客户，还可能在开发下一代 AI 模型方面落后。而这可以说是一个更大的风险，因为今天正在训练的模型将决定公司未来六到十二个月的竞争地位和收入潜力。换句话说，Anthropic 不能简单地等到需求显现后再投资基础设施。到需求变得明显时，可能已经太晚，无法获得竞争所需的计算资源。这就是 AI 基础设施建设与其他大多数传统行业如此不同的原因。公司们被迫在今天做出巨大的资本配置决策，这些决策基于技术进步和未来收入，而这些都极难预测。 @龙虾量化

这也是我一直思考的问题，AI发展至今，我认为提高的是认知效率，而不是智力 而提高认知效率的前提是使用者有一定的专业认知，在某个领域有专业认知的人，使用AI可以提高认知效率，提高工作效率，但是这并不意味着非专业人士可以在借助AI在某个领域提升独立思考的能力 如果一个人过度依赖AI提供的结论，自己的大脑却不在主动推理，想象，验证，反思与质疑，那么反而会让使用者的判断能力下降！ 其次，AI虽然提高了效率，提升我们在一定时间内的分析效率，但是在长期时间的积累下，也会让错误的基础总数变多 简单来说，我用AI计算一个问题，将原本分析时间从1小时提升为10分钟，并且将分析成功率从90%提升为98%，确实解决了问题 但是此类问题如果长期计算，因为AI的效率高，原本1小时会出现5个错误，那么使用AI则一小时可能会产生30个错误，长此以往积累下，错误的基础会更多 AI并非是100%正确，这是很多人的误区，更重要的是AI的错误会被规模化广泛传播，这才是致命的！ AI被视为人类新的工业革命，但是也同时引发很多人对行业冲击的压力！ AI代替人类，成为一个很多“普通人”的职业噩梦，尤其是在AI时代的初始阶段，大量初级工作被AI代替，其实也是因为人们对AI过分的信赖与信心导致 但是随着时间推移，人类会发现AI提供的是辅助而非代替，起码现在是如此，而辅助的前提是有需要被辅助的“人” 而当AI越来越多，错误的基础也越来越多的时候，如何判断AI错误？如何纠错？如果修正？这些问题依旧需要有“人”来解决 所以，以目前的视角来看，AI提高的事我们的生产效率，是工业革命，但是却无法完全代替人类，甚至可能因为AI效率的提升，创造更多的岗位 当然对于“打工人”的你我来说，最大的压力应该是——AI高效之下我们的工作压力会更大！

十七大定接班人的时候，各派博弈得很厉害，最后习成了各方都能接受的人选。 早先江看重的是陈良宇，原本打算在十七大把他推进最高层当接班人培养。 但陈在上海主政时作风强硬，经济政策上多次跟胡温中央顶着来。 2006年胡温出手，查了上海社保案，陈良宇落马，被判18年。 这一下把江派原来的接班梯队彻底打乱了。 陈倒台后，胡派倾向把有共青团背景的李克强培养成总书记接班人。 李当时主政辽宁，是团派骨干。 江派不想让团派把大权全握在手里，仓促调整策略，转向红二代里找能制衡李克强的人，最后看中了当时低调、各方都能接受的习。 曾庆红在十七大前夕极力向江和胡举荐习，理由是他在政治光谱上中立，各派系都不排斥，是“最大公约数”。 习是习仲勋之子。 党内传统观念里，红二代被认为天然有政治忠诚度，“把权力交给自己的孩子更放心”。 这个身份让他同时拿到军方元老、党内保守派以及江胡两派中元老势力的信任。 十七大前夕党内高层摸底搞民主测评，习因为作风低调、在福建和浙江任内跟各方关系融洽，认可度很高，票数领先。 有了这个结果，江派推举他的理由更硬，胡派也没法强行违背测评结果。 习低调、务实、不锋芒毕露，没有明显的派系烙印，也不像其他竞争者那样露出强烈锋芒。 江派看他属于同一阶层，胡派觉得可以接受。 各方都认为他“安全”、“无害”、能维持大局稳定，最后达成平衡的妥协方案： 习出任总书记、国家主席，江派力挺，胡派也能接受。 李克强出任国务院总理，胡派全力培养。 这种双接班安排，既保证权力平稳过渡，也照顾了两大派系的根本利益。 江派早期支持习，某种程度上是“两害相权取其轻”的权宜之计。 江派内部有些人比如周永康，更看中作风强硬、利益捆绑更深的薄熙来。 当时的打算是让薄在十八大先入常、执掌政法委，以后找机会夺更高权力。 2012年十八大前夕爆发了“王立军逃馆事件”和随后的“薄熙来案”。 薄高调的“唱红打黑”路线和政治野心让高层特别是胡温体制强烈警惕，下决心迅速拿下薄。 这清除了习接班前夕最大的潜在政治威胁，也促使党内高层形成高度共识：必须全力支持习稳接班，稳住因大案而动荡的政局。 十八大上胡做了一个关键决定：全退，同时卸任总书记和中央军委主席，不学前任保留军委主席。 这一举动客观上终结了“老人干政”，把党政军大权第一时间完整交到习手里，为习随后迅速巩固权力、次年正式当选国家主席打下最坚实的制度基础。

ChatGPT 里有个不太起眼的功能叫 Learning Mode，很多人没注意到。 用它学东西，可以像请了个一对一私教：从基础讲起，一步步往深走，不会一上来就被信息量砸晕。 下面 5 段提示词，能把它的教学模式调出来：