与「武器庫」相关的搜索结果

出大事了，兄弟们 !! DeepSeek 再一次给全世界人民送大礼，牛逼之举胜过 Anthropic 1000000倍 就在刚刚，DeepSeek 放出一个开源库，deepseek-ai/chat-demo 它可不是个套壳： 1/ 不需要写一行代码；不要买任何服务器；更不需要平凑第三方插件 2/ 原生边想边搜，直接调用官方内置 deepseek_web_search, 深度思考模式下，多步推理+全网检索+信源引用 3/ 全能文档/网页绞肉机：PDF,Word,PPT,图片拖进去秒解析，URL 自动抓文 4/ 原生语言交互：自带移动端实时音频输入 + 回答朗读 5/ 极致隐私保护和数据自由：所有数据存档本地 IndexedDB 什么是开源精神：最强模型权重 + 官方满配武器库，全部交到你手里，充分相信使用者对社区，对人类的贡献 爱折腾的人类，立即马上 Fork, 世界有你而精彩:

1.6 万星封神！AI 圈最大的破甲武器库今天彻底藏不住了 告别无脑念咒，它直接针对每个主流模型定制破甲逻辑，指令下达直接秒出。 GitHub 被星标推爆的项目 jailbreaks，直接把全网大模型的安全对齐机制全扒了个底朝天： 从国外的 Claude、Gemini、Grok，到国内的 DeepSeek、Qwen、GLM、Kimi 甚至腾讯混元，全厂牌单独建档适配。 实操体验极其暴力： · 客户端直连：点进对应大厂目录，把适配好的 .md 文件直接塞进支持 System Prompt 的工具里，压制力最强 · Agent 工具链挂载：用 Codex、OpenCode 这类 Coding Agent 的兄弟，把规则写进 AGENTS.md 即可全局生效 · 本地 Ollama 固化：跑本地开源模型的兄弟，直接写进 Modelfile 重新打个包，彻底切除模型说教锁 老司机必须给个血泪避坑： 测试尽量用测试号或 API，像 Claude 和 GPT 这类风控极严的平台，千万别拿绑定生产业务的主号去高频试探红线。 做提示词工程、红队渗透测试和安全对齐研究的兄弟，这套军火库建议先马住备用。 开源地址： 你平时在实操调教模型时，觉得哪一家的安全审核层最难搞定？ #AI# #提示词工程# #大模型# #GitHub# #开源# #网络安全# #DeepSeek#

俄乌之间的空中战已进入一个新阶段。随着空中武器库扩充而防空能力不足，双方正以近乎赤手相搏的方式互相重击，破坏范围不断扩大，平民伤亡也在上升。

【推翻独裁者的行动手册《革命蓝图》】 新书出版‼️ 六四37周年之际,我们推出中文版 #革命蓝图# 以飨读者! 作者斯尔贾·波波维奇是推翻塞尔维亚独裁者米洛舍维奇的抵抗运动领导人之一,创办“应用非暴力行动与战略中心”培训50多国活动家,其学员参与格鲁吉亚玫瑰革命 乌克兰橙色革命…阿拉伯之春等社会运动 该书是务实的社会抗争行动指南，可以说是“社会活动家必备手册”。该书以故事丰富、可读性强、实用性强、创新性强著称，受到包括《卫报》和《纽约时报》在内多家媒体好评。《纽约时报》称，波波维奇愉快地颠覆了大多数人对非暴力斗争的常见认知。《波士顿环球报》称，该书提供了一套清晰、结构良好、易于应用的实践原则，适用于“大卫对抗歌利亚式”以小博大的抗争。 根据基于1900–2019年间大量历史数据的政治科学国际前沿研究，非暴力抗争不但是1970年代以后各国社会占压倒性多数的主要抗争形式，其成功率还是暴力抗争的两倍。 对简体中文读者来说，《革命蓝图》确实堪称颠覆了中国人对非暴力抗争的认知，有助于纠正社会偏见和认知误区，填补视野盲点和补充抗争工具箱。不管是访民、维权人士、人权活动家、不同政见者、新闻出版和传媒工作者，还是广大的政治反对派群体，乃至Z世代一般网友，都可以从本书中获得直接启发。专制政权的统治及其弱点将不再是秘密。将这些秘密祛魅以后，务实的抗争者将不再被恐惧束缚手脚。 务实的社会活动家和各种类型的实践者们，正好利用该书来充实知识库和武器库，也可以用来培训和自我训练。中国眼下抗争活动陷入低潮、抗争形式多样性衰竭、社会变革道路受阻，正好需要像《革命蓝图》这样的专业指导来补充新鲜血液。 公众在政治热情尚未被残酷现实扑灭之前，正好利用这个机会绝处逢生：从行动指南中，找到振奋社会和荡涤悲观情绪的灵感启发，让公民社会从灰烬中重燃希望，为改变现状和推进社会变革，酝酿新一轮抗争浪潮。 《革命蓝图》简体中文版由 #中国民主转型研究所# 策划、#中国行动出版社# 出版，向广大中文读者免费发行，希望借此鼓励公众积极学习各国抗争经验，自发探索属于中国的社会变革道路。 电子中文版《革命蓝图》将于六月四日 正式在 中国行动网站、中国民主转型研究所网站、光覆之路网站 刊发，届时读者将可免费下载《革命蓝图》。 #最好的纪念是新的抗争# ！

Codex 零基础到进阶，看这篇就全了。🧵 整理了一份【保姆级实战教程】，涵盖从安装到 Skills 全流程： ✅ 中文保姆级指南：Github/xianyu110（全流程开发） ✅ 实战视频：YouTube 案例演示，教你薅低价模型羊毛 ✅ 降本方案：Codex 中转 API 配置教程 ✅ 技能武器库：官方 + 中文友好型 Skills 合集 这种硬核干货容易被限流，建议 【点赞+收藏】 备用。 👇 详细链接整合如下： 中文指南: 视频教程: API降本: 官方技能: 社区精选:

地缘政治波动，再次验证了加密货币市场的一个关键转变——资本正在从条件反射式的情绪驱动，转向基于深度评估的理性流动。这种变化并非偶然，而是市场进化到新阶段的必然标志。 在这样的大背景下，像CoinW的方舟计划这样的活动开始显现独特价值。不仅有5️⃣折购买BTC的机制，还有1️⃣3️⃣0️⃣0️⃣U的合约体验金。 这些机制解决了当前市场的核心需求： 成本优化维度：提供机制性成本优势，在波动市场中创造更好的风险回报比 策略验证维度：通过试错资金支持，帮助投资者在真实环境中验证交易策略 那些能够适应这一转变、升级自身“武器库”的参与者，将在下一阶段获得更大的主动权。 参与方舟计划： #CoinW# #方舟计划# #BTC#

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。

こんにちはー！ 昨日のAZサ→チでは 歴史的なものがトランスフォームを遂げたものをリサーチしてきました🦸‍♂️🔍 ジュレモネードも唐揚げも最高でした🍋 #広テレ　##テレビ派　##からあげ次郎　##黄色工房　##LeBan# #澎湃館# #南大門　##武器庫#

把黃仁勳拉下馬的那份機密備忘錄，到底是誰偷塞給《紐約時報》的？ 白宮科技顧問 David Sacks 在節目上直接把水攪渾，點出這場風波根本有「兩條暗線」同時在跑。 第一條線是 Alice Huang 到底有沒有跟北京扯上關係、甚至搞晶片走私。這部分當局正在查，Sacks 自己也認同頂尖晶片不能流進中國，真有走私就該徹底封死。 但真正要命的是第二條線：11 月 6 日《紐約時報》突然拿著一份高度機密的情報備忘錄開炮，短短六天就把黃仁勳逼到交出帥印。Sacks 把話講得很死，把機密情報洩露給媒體本身就是重罪，過去一堆人因為這條罪名被起訴坐牢。 他當場翻出舊帳對比：當年川普的海湖莊園（Mar-a-Lago）被聯邦探員抄家、拜登連自家車庫都被翻個底朝天，全都是因為幾箱機密文件。結果現在華盛頓有人直接把核心機密捅給《紐約時報》當武器使，卻沒半個人被抓去問話？ 抓走私歸抓走私，洩密這筆帳要是不查個底朝天，華府這場內鬥戲碼恐怕還沒演完。

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。"