与「技术思考」相关的搜索结果

如果这类项目继续发展下去，“手机”这个概念可能真的会消失。我们未来用的，可能根本不是“手机”，而是“运行在云上的 Android 实例”。 docker-android 做了一件很反常识的事：把完整 Android 系统，直接塞进 Docker 容器里运行。 不是简化版，不是模拟器壳子，而是：👉 Android Emulator + ADB + QEMU + libvirt 的完整组合 结果一个“手机环境”，变成了一个可以部署的服务。 更夸张的是它的体积：Android API 33：约 1.97GB，API 28：约 1.46GB，极限精简后：138MB 一个“手机操作系统”，可以小到接近一个轻量服务镜像。 它带来的变化不是技术，而是定义层面的： 👉 Android 不再绑定设备 👉 手机不再是“硬件形态” 👉 操作系统开始变成“云端服务” 你甚至可以在服务器上直接： 跑 Android App 做自动化批量测试 远程控制 UI 构建虚拟设备集群 真正值得讨论的是这一点👇 当手机系统可以被容器化部署，那“手机厂商”的护城河还剩什么？ 🗂 #Android# #Docker# #云计算# #开源# #技术思考#

强烈推荐大家关注以下13个AI 帐号。 这13个人主要是身份是工程师、科学家。 他们几乎影响了历史发展进程。 @karpathy - Andrej Karpathy（约248万粉丝） Bio：我喜欢训练大型深度神经网络。曾任Tesla AI总监、OpenAI创始团队成员、斯坦福博士。 AI社区最受欢迎的“网红导师”，讲解极度清晰，常分享模型训练实战心得和前沿趋势，适合所有水平的学习者。 @fchollet - François Chollet（约66.5万粉丝） Bio：Keras & ARC-AGI 创建者。 Keras框架之父 + ARC通用智能基准提出者，技术深度与哲学思考结合极强，能看到最前沿的AGI思考。 @ylecun - Yann LeCun（约116万粉丝） Bio：图灵奖得主，前Meta首席AI科学家。 深度学习三巨头之一，观点犀利直接，常对行业热点发表一针见血的评论，信息含金量极高。 @AndrewYNg - Andrew Ng（约153万粉丝） Bio：Coursera联合创始人，前百度/Google Brain负责人。 AI教育界第一人，课程推荐、职业建议和落地经验极其实用，非常适合想系统学习或转行的从业者。 @rasbt - Sebastian Raschka（约44.6万粉丝） Bio：《Build a Large Language Model From Scratch》作者。 从零实现LLM的顶级实践者，代码教程和论文解读质量极高，是工程师最爱的技术干货账号。 @lilianweng - Lilian Weng（约22万粉丝） Bio：前OpenAI AI安全与机器人VP，Lil'Log博主。 AI安全、强化学习和机器人领域的深度思考者，长文综述质量顶尖，适合想深入某个细分方向的人。 @jeremyphoward - Jeremy Howard（约29.4万粉丝） Bio： 联合创始人，前Kaggle总裁。 实用深度学习倡导者，教学方法和开源工具非常接地气，风格亲切且强调“能上手”的实战派。 @simonw - Simon Willison（约18万粉丝） Bio：Datasette & Django联合创建者。 AI工程实践和LLM工具链专家，产品感和实用性极强，常分享好用的开源AI工具和工程技巧。 @ID_AA_Carmack - John Carmack（约163万粉丝） Bio：游戏传奇程序员（Doom引擎之父），现专注AGI。 极客之神，直率的技术哲学思考和跨领域洞见（游戏+火箭+AI），深度极高，启发性爆棚。 @gwern - Gwern（约7.5万粉丝） Bio：互联网研究者，挑剔的深度分析者。 粉丝虽少，但硬核程度顶级，常发布高质量AI实验、长文分析和独特观点，是“硬核爱好者”必备账号。 @goodside - Riley Goodside（约20.3万粉丝） Bio：提示工程专家，前Google DeepMind/Scale员工。 LLM提示技巧和模型行为研究最强账号之一，分享大量实用技巧+有趣截图，幽默且直接能用。 @drfeifei - Fei-Fei Li（约66.9万粉丝） Bio：ImageNet之母，Stanford HAI联合主任。 计算机视觉先驱，兼顾学术深度与AI人文/伦理视角，视野开阔且充满人文关怀。 @demishassabis - Demis Hassabis（约93万粉丝） Bio：DeepMind CEO、诺贝尔奖得主。 AlphaGo/AlphaFold之父，直接来自AGI最前沿的第一手信息和愿景，含金量最高。

技术人的迷茫，社会的矛盾，临界感的逼近：其实都是同一个问题。 我们需要理解：共识—协议—结构—叙事 的循环 技术人迷茫，尤其是中国的技术人。肉眼可见，推特上越来越多的中青年工程师在寻找“出海”和“独立开发”的机会（这里头有多少卖课的？）。经历过 2010 年代那套“跟随战略”之后，再看看自己手机上那一万个 App，你还能生出再做一个 App 的冲动吗？经历过 LLM 横空出世的狂喜，再看到任何套壳功能都迅速被指数级进化的模型吞没，你是不是更想躺平？——毁灭吧，赶紧的。 我也经历过这样一个阶段，但后来我发现，这其实是个死胡同。因为从根本上说，我们从未真正体验过、进入过现代意义的工业迭代。我们习惯的是“好学生”模式：接外包、抄作业、后发优势、跟随战略，把硅谷的成功搬过来。可整个技术圈没有经历过真正意义上的“原生循环”，所以才在眼前的巨变里显得格外无力。 这一切是什么？它不是单一事件，而是万千头绪的叠加： 科技飞跃发展； 社会躁动不安，就业市场低迷，“毕业即失业”，高校知识体系彻底脱节； 经济衰退、通缩，社会信心几年内跌入低谷； 国际关系骤然僵化，中美关系从十年多次往返签证到如今的彼此封闭； 信息流汹涌而至，大脑完全跟不上节奏。 在这样的背景下，问题回到原点：开发个什么？开发出来给谁？用来干嘛？你如何知道它有用？还是只是在盲目堆积代码？ 共识—协议—结构—叙事 的循环 我们往往没有认真思考过：在工业社会里，技术突变如何推动社会变革，这背后有一个极其关键的循环。这个循环不是单一的直线，而是社会在各个层面上不断上演的动态过程：有成功，也有失败；有偶然的发现，也有刻意的设计。在一个技术既遵循达尔文主义的自然选择，又承载人为设计和制度化推动的社会里，这个循环才是技术变革真正的动力。 很多人以为，新技术的崛起是从下往上，从第一行代码写起，逐步推到最高权力层面。但事实并非如此。技术的应用与扩张，从来都是“自上而下”与“自下而上”的互动：它有反馈、有闭环、有分叉（fork），并且这一切是可以通过文字去探讨和推演的。如果你完全没有想过这个循环，大概率只能在失败者的阵营里。 遗憾的是，我看到许多中国技术人，尤其是独立开发者，技术感很强，但社会感、推演力和与社会共识的连接力却非常薄弱。于是他们更容易陷入“功能”与“代码”的死循环，却缺乏把技术嵌入社会循环的能力。事实上，这个循环并不是有固定起点和终点的，而更像是一条首尾相接的蛇：你生我，我生你，彼此生成，彼此强化。 那它到底是怎样的呢？我认为，这个循环的基本原型就是：共识—协议—结构—叙事。 共识—协议—结构—叙事 这一循环，是技术与社会互动演化的核心路径。 首先是一种 共识（Consensus）。社会必须在价值和判断上达成某种普遍认同，这才是一切循环的起点。没有共识，协议就是空洞的，结构是僵化的，叙事则变得虚假。比如，“货币必须有信用”，“AI 必须可解释”，“能源必须清洁”——这些共识都是推动制度与技术演化的起点。 当共识逐渐稳定，就会被转化为 协议（Protocol）。协议把抽象的价值翻译成可执行的条文、标准或接口，它是文明的源代码。金本位制、法币制度、GDPR、AI 法案、巴黎协定，这些都是共识的协议化结果。 随着协议被执行，它会在社会层面逐步沉淀为 结构（Structure）。结构是一种“硬件化”的结果，协议通过它转化为具体的组织、岗位、制度和产业网络。央行体系、银行网络、AI 伦理审计部门、第三方评估机构、碳交易市场、绿色能源产业链，都是从协议中演化出的社会结构。 然而，如果没有 叙事（Narrative），结构和协议是难以为社会大众理解和接受的。叙事把冷冰冰的制度转化为可传播的符号和故事，是文明的扩音器。比如，“美元=国家信用”“In God We Trust”，“透明=竞争力”“AI 是人类的最后发明”，“拯救地球”“绿色未来”，这些叙事为协议和结构提供了合法性和情感支撑。 整个循环以 闭环逻辑 的方式运转：共识被写入协议，协议沉淀成结构，结构通过叙事放大，再次反馈回新的共识。如此周而复始，推动技术与社会的互动演化。理解并主动参与这一循环，才是真正意义上的“做技术”。 当然，不是说所有的技术都能完美符合这个循环，但我们可以举一个人人都听得懂的例子：比特币。 比特币最初的起点，是一个共识：货币不应该完全依赖政府信用，价值必须有去中心化的保障。这个共识源自 2008 年金融危机之后的信任崩塌——“货币必须透明、可验证、不可随意增发”。 在这个共识的基础上，比特币的白皮书就是那份协议。它不是模糊的宣言，而是一套清晰的规则：区块链、工作量证明、有限发行、点对点的验证机制。这些协议把去中心化的理想翻译成了可执行的程序代码。 随着协议的运行，逐渐形成了新的结构。矿池、交易所、钱包服务商、监管沙盒、开发社区，这些都是围绕比特币协议自然生长出来的社会和产业组织。就像央行体系是法币制度的结构化产物一样，比特币也有了自己的生态结构。 但如果没有叙事，比特币不会传播开来。比特币背后的叙事是“数字黄金”，是“对抗通胀的避险资产”，是“货币的未来”。这些叙事让比特币从极客圈走向公众视野，让它成为一种社会现象，而不仅仅是几千行代码。 于是我们就能清晰看到：比特币从共识到协议，再到结构，最后被叙事放大，然后又反过来推动新的共识（例如“区块链不止是货币，还可以用于智能合约”）。这就是循环的力量。 我们现在正处在一种 “结构化推演信息”真空 的状态。 真的，完全真空。科幻故事满天飞，但真正基于链式因果的大规模合理推演和尝试的共识信息，却几乎难以找到。尤其是当下，我们所熟悉、从小习以为常的范式——比如全球化——已经走到尽头。整个世界进入了一种“范式不稳定”时期：过去的经验逐渐松动，看上去根本撑不到未来。 2015 年我去德国旅行时，眼中的德国是一个已经走上工业化巅峰的“社会主义”国家；而现在呢？德国车在美国的存在感越来越低。美国也是如此，我刚到美国时的感受和现在完全不同。国内更不用说，大家刚经历了一个黄金时代，转眼房价突然腰斩，魔幻得让人怀疑现实。 这一切意味着什么？意味着整个世界的上层结构都已经发生了深刻变化。如果上层已经变了，你怎么还能用旧有的技术思维去想象今天的开发工作？循环已经断裂，信息的偏差正在急剧放大。更何况，当 LLM 这种级别的技术成熟时，它投下的可不是一块小石子啊，而是一颗彻底改变水流方向的深水炸弹。 应用型的技术的思考，一定是先从上层出发的 上层逻辑的变化在于：技术必须先从社会层出发，才不会陷入“自嗨内卷”。 因为只有当方向和价值被锚定之后，技术才有存在的意义。 首先，上层决定合法性。技术的生死，往往并不取决于性能是否优越，而是取决于社会是否愿意认同它。谷歌眼镜的技术曾经十分先进，但因为社会共识没有准备好，它最终失败了；而比特币在技术上并不复杂，却因为共识和叙事先行，至今仍顽强存活。换句话说，合法性才是技术能否走出实验室的真正门票。 其次，上层可以约束迭代方向。如果技术仅仅从下层出发，往往会在“能做什么”的自我探索中迷失，结果是越做越偏离社会需要。而一旦从上层先行推演，就能预设价值边界：哪些功能是必须的，哪些功能即便能实现也不能做。这样一来，下层的技术开发才不会陷入盲目内卷，而是有清晰的采纳接口，知道自己要服务的目标是谁。 最后，上层的叙事能反哺技术生态。只有当叙事被建构起来，开发者、投资人和政策制定者才能形成合力。没有叙事的技术，社会往往冷漠以待；但一旦叙事先行，即使技术还不完善，也能迅速获得试点和落地机会。 因此，从上层出发，不仅是为了合法性，更是为了方向、价值和合力。没有上层逻辑的支撑，技术只能在自我封闭的循环中打转，最终被社会抛弃。 （4/n)

夸克这次重新提了「超级框」的概念，就是因为现在的「框」能比以前做更多的事情了，统管阿里AI To C业务的吴嘉说夸克23年做用户细分需求产品很痛苦，因为基座模型能力不行，必须专门为写作文、写报告手搓工作流，但场景是无尽的，人力有时而穷，根本跟不上需求增长，但在深度思考的技术上来之后，终于可以实现「人用AI，AI用工具」的目标了，这时那个「框」能办成的事情也丰富起来了，不再需要每个环节都得人工干预，AI终于学会了「坐上来，自己动」。 Manus能火也是因为它让用户看到了AI真的有在干活，这种体验和DeepSeek当时开放思维链是一样的，Sam Altman说他最后悔的就是出于保密心态而决定隐藏o1的思维链，没想到观察AI的思考过程也能成为产品体验的一部分。 如果大家的共识是重做一个「框」出来，张宁比较关心生产关系会怎么变，毕竟科技史上不乏生产力的进步被生产关系的落后给破坏掉的例子——比如我们之前聊过的RSS——他对最近火得不行的MCP的担忧也在于此，说白了，不谈利益分配、只谈创新变革，对于被OTT的一方就是耍流氓，就像某外卖平台已经开始屏蔽AI Agent了，这是很合理的结果，你不能要求别人来为你的创新当祭品。 海外市场的几条线索包括：Google每个财季都会展示AI overview对广告业务的冲击，目前来看，是可控的，没有自残迹象；Satya Nadella带头起了「模型被商品化了」的调子，背景是微软和OpenAI开始同床异梦了；Sam Altman说在10亿用户级别的网站和SOTA级别的模型之间，他一定会选前者…… 是的，这些信号都在说明，应用很重要，得用户者得天下，这是移动互联网的逻辑延续，但在另一边，「模型即产品」的拥护者同样很多，在理论和证据的支持上也不多让，相信模型的演化的终局就是会把产品能做的事情都做了，并形成技术为王的新一代AI逻辑。（4/n）

2/ 提示词： “制作一支 2 分钟的视频，以不断加快的节奏和持续增强的视觉冲击力，完整回顾 Google 及其对世界产生的影响。 使用 Google 的品牌配色，创作鼓舞人心且契合主题的背景音乐，重点展示 Google 为世界带来的成就与突破。 像电影导演一样思考，让整支视频充满强烈的技术乐观主义氛围。”

刚看完中关村学院的何纪言老师带领 7 位博士生，用 3 个月时间从头训练出了 7B 模型，从预训练到中训练、后训练完全都是自己搞的，在 7B 尺寸模型中达到 SOTA 水平。 首先，虽然很多人在吹 RSI，但技术报告指出，现在模型的能力远未到全自主的程度，在模型架构设计、学习算法设计、数据清洗等方面仍然只能达到 L2 的辅助水平。我自己也有一样的感觉，不管 Astra 还是 Fable，都不能替代我的架构设计，我也得不断提醒自己不要外包思考。 其次，模型训练就是个会者不难、难者不会的问题，对会的人来说，用不了多少算力资源，但对不会的人来说，用再多的算力资源、堆再多的人，都是做不出来的。比如 MiMo V2.6 RL 只花了 300 多万美金，对基模公司来说很便宜了，整个 MiMo core team 只有几十位正式员工，更没有走蒸馏之类捷径。但烧了上亿美金、投入上千人的模型未必就能搞好。中关村学院一个老师加上 7 个学生只用 3 个月就完成造数据、预训练、中训练、后训练，是非常 impressive 的。 最后，数据是新的代码，数据质量就像代码质量一样非常重要。过去几年，我总是想用代码的方式实现 Agent 的自我进化，但很快就达到上限了。最近一年我才发现，这些我用代码方式做的东西更应该用训练数据的方式表达，训到模型里面。我们都知道脏代码的危害，脏数据其实也是一样的。中关村学院这个 7B 模型做了非常深入的数据工作，预训练数据清洗和课程学习，中训练按照上下文长度扩增，后训练利用开源和蒸馏来的 trace 建立指令遵循、长上下文等基础能力，进而构建长思维链推理、工具调用等高阶能力；在 RL 中不断移除已经高概率解决的问题，保持 GRPO学习效率。 技术报告：

一个思考：AI 模型的分水岭已经出现！大家要的不是最强的智能，而是最适合自己场景的智能 👀 过去一年，代码生成帮模型公司完成了能力跃迁。接下来，智能体应用正在分化出五个方向：个人便利、个人生产力、企业协作、娱乐生成、科研前沿。娱乐拼的是规模，它争夺所有人的时间；企业拼的是利润，它替代的是人类劳动。 Meta 的 Muse 给大众做了一次便利性的市场教育；Claude Code 证明了代码就是生产力，今年它和 ChatGPT 在企业市场已经打到白热化；字节的 Seedance 和红果短剧，让娱乐生成露出了端倪，这才刚刚开始。 不同玩家，会走不同的路。有终端渠道的公司主攻个人便利，因为用户不会为日常智能多付钱，谁便宜好用就用谁，赚钱靠平台，赢靠心智和流量。企业和专业生产力永远是利润最高的战场，全球知识劳动者一年的薪酬是三十多万亿美元，没有哪家前沿实验室会放手。 最值得关注的是科研前沿：模型公司不会卖科研模型，而是直接交付结果！ Isomorphic Labs 不卖 AlphaFold，直接给礼来和诺华设计分子，拿预付款、里程碑和销售分成；Lila Sciences 建“AI 科学工厂”，成果交给合作伙伴和孵化公司落地；Periodic Labs 更彻底，由 ChatGPT 的共同创造者和谷歌材料发现团队的负责人联手创办，用 AI 加自动化实验室直接去找新材料、新超导体，种子轮就拿了 3 亿美元，现在估值 75 亿美元，资本押注的就是“发现本身”的价值。不过 OpenAI 也坐不住了，CFO 在达沃斯直言：别人用它的技术研发出新药，它要分一份利润，从“卖工具”转向“分利润”。 但这里有个关键区别：愿意亲自下场、共担风险、交付成果的公司，产业会接受；只卖工具、却想事后分成的，药企和大机构很难买单。第一批 AI 设计的药物能否走完临床，会决定“模型公司即研发公司”这条第二增长曲线能不能跑通 🤔

我一直在思考一个问题： 币安人生巅峰能到接近9亿美金，牛来凭什么不能更高？ 甚至单从Meme最重要的“叙事传播力”来看，我认为牛来的天花板可能比币安人生更高。 为什么？ 先说币安人生。 它为什么能成为中文Meme的现象级标的？ 因为“币安人生”四个字很有梗，也有非常强的币圈文化属性。 币安是全球头部交易平台，“币安人生”又来自中文Crypto社区长期传播的梗，所以它天然自带流量、自带话题、自带身份认同。 它最厉害的地方，是把一个普通Meme变成了一种： “币圈人的生活方式。” 所以它能够做到接近9亿美金的峰值市值，我一点都不意外。 但问题来了： 币安人生的叙事再强，本质上还是围绕“币安”和Crypto圈展开。 牛来不一样。 牛来真正让我觉得有意思的，并不是这个项目本身，而是这两个字背后的情绪。 牛来 = 牛市来了。 这四个字几乎不需要解释。 你甚至不需要给新人讲它有什么背景、谁发的、为什么火。 只要炒过币的人看到“牛来”，第一反应就知道它在表达什么。 而Meme最顶级的能力是什么？ 不是技术。 不是白皮书。 甚至不是所谓基本面。 而是： 用最少的信息，调动最多人的情绪。 从这个角度看，币安人生代表的是一种“圈层文化”，而牛来代表的却是一种“市场共同愿望”。 币安用户希望币安越来越强。 但整个Crypto市场，不管你玩BTC、ETH、SOL、BNB，还是山寨、Meme、合约、链上…… 大家最终都希望同一件事情： 牛市来。 这就是两者叙事边界最大的区别。 一个是“我想过币安人生”。 另一个是： “我希望牛来。” 前者需要理解Crypto文化； 后者几乎是整个市场最简单、最直接、最容易形成共识的一句话。 更关键的是，牛来这种叙事还有一个非常特殊的属性： 行情越好，它的名字越值钱。 如果未来BTC突破新高、ETH补涨、山寨开始轮动，整个市场真正进入FOMO阶段，社交媒体每天出现最多的词会是什么？ 牛市来了。 牛来了。 牛来。 到那个阶段，它甚至不需要项目方每天重新创造故事。 市场本身就在替它讲故事。 这才是我认为牛来真正有想象力的地方。 所以如果一定让我拿币安人生做估值锚，我不会简单地说： 币安人生9亿，所以牛来也值9亿。 这种算法太粗暴。 我的理解是： 9亿应该被看成中文顶级Meme曾经验证过的估值参考，而不是牛来的绝对天花板。 如果牛来最终只是BSC上的一个热门中文Meme，那么几亿美金已经非常成功。 但如果它能够完成第二次跃迁—— 从“一个热门Meme”，变成中文Crypto社区表达“牛市来了”的文化符号， 那么5亿只是进入头部Meme牌桌，9亿是币安人生给出的历史参照，而10亿美金以上，才是真正检验牛来叙事能不能破圈的地方。 再往上能不能看到15亿、20亿？ 我认为不是完全没有可能。 但它需要三个条件同时出现： 市场进入真正的牛市情绪、牛来保持中文Meme龙头地位、社区共识持续扩散。 三者缺一不可。 所以我现在看牛来，看的已经不是今天涨10%还是跌20%。 Meme这种东西短期价格可以非常癫狂，但真正决定高度的，从来都是一句话： 这个名字，最后能装下多少人的共识？ 币安人生装下的是一群币圈人的文化。 而牛来想装下的，是所有币圈人共同期待的那句话： 牛市来了。 如果有一天市场真的全面走牛，我甚至觉得大家不会再讨论： “牛来还能不能涨？” 而是整个市场都会开始喊那两个字： 牛来。 ＃币安人生 ＃牛来

Grok Bot 设计之旅 来自 Grok Bot Design Lead @johnbai 是 Cursor 纽约办公室的第一位设计师，John 在这期访谈中首次公开其幕后设计过程。 # Grok Bot 产品起源：为什么 Cursor 要"另起炉灶"？ Cursor 桌面端对非技术用户门槛过高，工程化概念让设计师等群体难以上手。John 入职后长期负责增长与 onboarding，核心命题一直是"降低门槛"。 内部曾有两派：一派主张改造现有产品（John 甚至提过类似 Codex 后来采用的"双模式切换"方案：coding vs. tasks）；另一派主张彻底重做。最终共识是：Cursor 品牌技术感太强、包袱太重，对非工程师缺乏吸引力，于是高层自上而下拍板，由几名资深工程师闭门探索全新产品。 Grok Bot 初版是精简版 Cursor Glass（agents 窗口）+ iMessage 式聊天界面。这是关键的"秘密武器"——AI 圈用户习惯了流式输出和思考状态，但普通用户最熟悉的是 iMessage/WhatsApp 的消息形态。这一选择奠定了产品的亲和力。 # 设计探索：从"激进重构"到"回归聊天" John 展示了大量未采用的探索，其演进逻辑值得注意： 1. 质疑范式：他最初质疑"为什么又是左栏列表 + 中间聊天 + 右侧详情的三栏结构"，尝试了大量替代形态——任务清单悬浮窗、"Mission Control"多 Agent 监控视图、便签式界面、Raycast 式唤起、常驻桌面的 "Notch（灵动岛）"概念、Clippy 式桌面角落角色等。 2. 用产品打造产品：他用内部原型（代号 Sand，即 Grok Bot 前身）来构建自己理想中的 Notch 形态。亲手使用后他发现：Notch 形态会丢失上下文，而聊天仍是管理 "Agent 舰队" 的正确交互范式。这是本期最重要的认知反转——设计师通过快速原型证伪了自己的激进方案。 3. 收敛逻辑：领导层对"退居后台"的 ambient 方案反应冷淡，因为产品需要品牌存在感；而探索中诞生的碎片（如六边形 Cursor logo 加双眼的像素小人）最终演化为 Grok Bot 的吉祥物。两条设计路线——"给工程版抛光"与"彻底重做"——最终融合为现有形态。 4. 拟人化的来源：早期内部用户自发给 Agent 起名、上传表情包当头像，团队从中捕捉到"用户想赋予 Agent 人格"的信号，遂将角色形象设为默认状态。 # Onboarding 哲学（本期最有方法论价值的部分） John "在 Cursor 的全部时间都在设计 onboarding"，其核心原则： 1. 衡量负担的标准是概念数量，而非步骤数量。只要价值传达清晰、过程有吸引力，用户愿意走完多步流程；反之，塞入过多概念（他点名 Buzz 的 onboarding）会让人流失。 2. 不要迷信 Skip 按钮。AI 工具跳过引导后，用户被丢进空白输入框，直接陷入"行动瘫痪"（action paralysis）。先教会用户产品能做什么，比让他们快速进入产品更重要。 3. 最终落地的三步：① 你拥有的是一个 Agent 团队（各有分工）；② 每个 Agent 有自己的电脑（嵌入式 computer-use 窗口 + takeover 接管按钮——主持人称这是他的 "aha moment"，因为云端电脑的运作首次变得透明可信）；③ 任务可自动化运行。 4. 被砍掉的方案及原因：连接 Google 做个性化定制（信任未建立，用户不愿授权）；语音引导（跟风 ChatGPT/Claude 语音模式，但新用户"不知道该说什么"，时机错误）。 5. 用动效"买时间"：信息逐步流入的动画，既表现 AI 在思考，又掩盖了加载延迟。 # Cursor 的设计文化 没有两个设计师流程相同：有人纯代码起手（做 Cloud Agents 的 Maya 甚至没有 Figma 文件，只交付 Vercel 可交互原型），有人用 Paper，John 自己仍以 Figma 起草——但 Figma 的定位已变为"喂给 Agent 的素材与故事板"，文件本身是完全一次性的（throwaway）。 Agent 深度参与设计执行：John 把 Notion 文档丢给 Bot，让它在 Figma 里自动布局数十个 logo 变体、填充组件网格——过去需要手动 Google 找 SVG、缩放对齐的重复劳动全部外包。后期他甚至跳过 Cursor，直接让 Agent 在浏览器里生成多个方案。 高保真评审文化：每个想法必须附带可交互原型，crit 时发链接让所有人亲手试用。"静态走查已经不够用了"——这迫使设计师在分享前就验证方案是否成立，避免"给烂方案抛光"。 沙堡心态与 unshipping：设计师不能对自己的概念有执念（"can't be precious"），早期探索注定大量被丢弃，但碎片会进入最终产品；公司内部有强烈的"反上线"（unshipping）文化，靠删除来收敛复杂性。 他引用 Colin Dunn 的 "informed simplicity"：用户觉得"理所当然"的简洁，来自设计者先极度发散、再极度收敛的过程。 # 团队、招聘与反馈机制 团队：冲刺期共 5 名设计师，按各自强项自然分工（John 做探索与 onboarding，Pong、Keith、Tyler、Mamuso 抛光主壳），品牌团队主导命名与形象迭代。 招聘标准：基本功优先于工具数量、出活速度或"模型优化技巧"。核心考察能否真正 ship 产品、是否有体现 PMF 寻找循环的工作流程——"现在什么都能造，但不是什么都值得造。" 反馈处理：坚持用户研究 + 数据驱动。重视深度用户（如主动向 power user 私信索取详细反馈，再让 Bot 汇编成 Notion 文档同步团队）；数据洞见直接指导迭代——用户常用 Bot 少于 5 个（影响信息架构）、授权认证是主要卡点、吉祥物反响强烈（故提升其存在感）；同时密切观察用户自发"hack"出的用法（如 iMessage 版 Bot），顺势纳入设计。 # 实际使用场景（产品能力的具象化） John 本人：妻子申请绿卡，让 Bot 扫描邮箱自动找出过去 5 年的租约与账单；租房监控（定时抓 StreetEasy 房源，按"靠近地铁蓝线"等条件排序）；跨工具流水线（Slack 反馈频道 → Notion 数据库 → 自动更新 Figma 设计，人只需验收）。 主持人 Rid：梦幻橄榄球 GM Bot（抓取公开交易数据 + 动态竞价模型）；QA Bot（每日自动跑完全部产品流程、生成工单，置信度达标即直接派给 Cursor Agent 修复）——他在机场行李提取处用手机修好了此前两次都没修好的 bug。 John 的总结颇具代表性："我现在默认它什么都能做，因为我还没碰到过墙。"

《币安人生》书友会，谢亚芳老师对谈 @cz_binance ，学生问得最多的一个问题：怎么才能进币安，选人的标准是什么？ CZ 的回答：一定要主动。 币安是远程办公，你想一天偷懒几个小时很容易，但不够主动，两个月下来就没有结果。他从来不 follow up，希望别人 push 更新给他。如果两个月后他想起来问，对方说做了一个礼拜就没进展了，这个人他会开掉。在今天的社会，主动做事就会成功；等老板来查业绩再做，不会成功。 他说自己技术出身，市场很弱，所以找了一姐 @heyibinance ，营销的事都要靠她，到今天她还是每天跟用户打交道。 这一点我有切身体会。一姐跟我说，在币安没有那么多弯弯绕绕，都是靠能力说话，解决不了的问题可以直接找她。一姐天天在用户群里，她也真的会直接帮我拉客户群，当场最直接最快解决。 主动 在币安，是从上到下的工作方式。 下面是他今天讲的另外 11 个观点，尽量保留原话： 1.这本书是在监狱里靠回忆写的 进去之前在美国被卡了五个多月，想过写，但忙着准备开庭。真正动笔是进去以后：没事做，每天吃饭、睡觉、健身、写东西。里面没有互联网，查不了时间线，全靠回忆。出来后把自己的 X 全翻了一遍，发现漏了一些，但漏掉的没有回忆里的精彩。他说自己记忆力很差，别人说的事五分钟就忘，“比金鱼稍微好一点”。但重大事件记得住，因为当时要思考、要决定、压力大，就像 911 那天你在干什么，你会记得。 2.敢下注，是认知加风险两件事 认知：社会永远进步，有价值的新东西一定会被用。大赛道很好看，互联网、区块链、AI、生物科技，这些赛道里成功的公司都是几千几万倍的增长。赛道对了，能做出什么，取决于你自己。“人生成功 80% 在于到场”，不参与就没机会。 风险：因人而异。判断标准是，如果全部归零，创业失败、投资人的钱赔光，你的生活能不能继续，生活质量你能接受影响到什么程度。他当时的底线是，就算比特币归零，回华尔街再拿一份六位数美金的工作没问题。没有这个底气的人，冒的险要小一点。年轻人可以冒更高的险，负担小；年纪大了负担重，但积蓄和人脉多，所以很多创业者四十几岁才开始，他做币安时 39、40。 3.40 岁后突然爆发，心态怎么变 没法设计，没法预期，它就发生了。发生后经常觉得世界不太真实，“这东西怎么可能发生在我身上”，只能试着用最平淡的心态看它。他觉得自己还是一个很平凡的人，只是运气好，经历的事多。写书的一小部分原因就是这个：人生起伏很大，分享出来，大家碰到大事小事不用太惊讶。 4.压力最大的时候不是入狱，是 BNB 破发 ICO 之后两三万人买了币，马上破发，那两三周压力最大。成功的要素：智商不能太低，但过了门槛再高也差不了太多；情商重要；最后还是坚持和抗压能力。如果能回到过去，回到 18 岁，把所有财富去掉换回 18 岁，根本不用想，100% 马上回去。 5.什么不做，比做什么重要 任何时候都是。多数人不考虑”什么不做”：来一条消息就一定要回，别人约就一定要出去，朋友喜欢什么自己就一定要喜欢什么。这些都可以砍，但很多人没砍。把事情精简化，随着时间越来越简化。 6.创业初期只有两件事：产品和用户 你要能拉来用户，要能给用户有价值的东西。这两个没有，就没有创业公司。有了再考虑团队、合规、市场。市场刚开始不重要，法务看行业，金融业务重要，技术创业早期风险低。如果重来，合规先搞清楚，现在很清楚了，多数国家都把数字货币当钱，交易所就是金融公司。 7.找到信任的人就放手，放手之后也要时不时钻下去 创始人要知道自己什么强、需要什么样的合伙人。他技术出身，市场很弱，所以找了何一。放手之后还是要跟用户聊、看某个功能设计得好不好、看系统性能。公司只依赖一个人，包括只依赖 CEO，都做不起来。 何一到今天每天跟用户打交道，他自己也是，每次都能学到东西，因为行业变化太快。不用每个月聊几百个用户，找 3-5 个反馈能力强的用户一直保持联系，一个月聊 5 个就够。