与「第一手報導」相关的搜索结果

性感女神化身招財貓！2026 TRE「台北國際紅人展」7/3-7/5南港盛大登場！ 本次展覽規模再創新高，匯聚來自日本、韓國及國際的百位頂尖性感偶像。多位平時難得一見的殿堂級 SS 女神、最美賽車皇后、寫真天后、動漫女王、人氣創作者攜手出席盛會。 #第一手報導#

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#

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。

#日本旅居笑話# 1《每天健身的巨大「壞處」》 第一次真正感受到每天健身的巨大「壞處」， 就是近期好不容易出門一次， 和朋友在東京市中心商場購物， 突然被陌生人飛撲，還被用日語狂吼「中國人滾出去」。 因我方人員經常健身，人看著瘦，但都是肌肉， 相比之下，對方人員力量太弱，根本不堪一擊， 結果全程沒還手 —— 生怕變成防衛過當，只能僵在原地，強行維持「被襲擊的姿勢」一動不動…… 保安來太慢，最後腿都 TM 站麻了，但人一點沒事。 全程懵懵的，回來想了想似乎應該報警，但因「沒受傷」，被律師建議「不值得浪費時間」+「最高能賠的錢還不如訴訟費高」。 最離譜的是，還花了將近一萬日元去按摩那雙站麻的腿…… 健身這坑，真的太深了。😇

💜CF " R15"《新手福利搶先色色體驗》新刊預GO💜 #表單在留言# ‼️事前登入好禮‼️ ‼️預購即送:伊灰手繪"幫我撐十秒"大貼紙‼️ 圖透第二彈!!貪吃熊貓🐼 這次是首次R15寫真!也有限量套組~~ 會有很多色色暈跟擦邊把大家暈的咪咪卯卯... 各位即將擔任色色遊戲的搶先體驗玩家! 並由第一視角去體驗各式各樣的異族女孩們的色色體驗!! 有點類似異種族風俗娘這部我很喜歡的作品的概念>< 一共有3個角色：貪吃🐼娘 / 吵著報恩🦊娘 / 😈娘 ★－:+:－:+:－:+:－:+:－:+:－:+:－:+:－:+:－:+:★ CF 02/15 02/16 攤位E12 兩天都在!! 預GO時間為 2/4-2/14 #CF# #COSFANS# #新刊# #伊灰#

💜CF " R15"《新手福利搶先色色體驗》新刊預GO💜 #表單在留言# ‼️事前登入好禮‼️ ‼️預購即送:伊灰手繪"幫我撐十秒"大貼紙‼️ 圖透第一彈!!魅魔癡女😈😈😈 這次是首次R15寫真!也有限量套組~~ 會有很多色色暈跟擦邊把大家暈的咪咪卯卯... 各位即將擔任色色遊戲的搶先體驗玩家! 並由第一視角去體驗各式各樣的異族女孩們的色色體驗!! 有點類似異種族風俗娘這部我很喜歡的作品的概念>< 一共有3個角色：🐼娘 / 吵著報恩🦊娘 / 😈娘 ★－:+:－:+:－:+:－:+:－:+:－:+:－:+:－:+:－:+:★ CF 02/15 02/16 攤位E12 兩天都在!! 預GO時間為 2/4-2/14 #CF# #COSFANS# #新刊# #伊灰#

🩵CF " R15"《新手福利搶先色色體驗》新刊預GO🩷 #表單在留言# ❗事前登入好禮❗ ❗預購送:伊灰手繪"幫我撐十秒"貼紙❗️ 這次是首次R15寫真!也有限量套組~~ 又是一次不知該如何宣傳的瑟瑟新刊(X 會有很多色色暈跟擦邊把大家暈的咪咪卯卯... 各位即將擔任色色遊戲的搶先體驗玩家! 並由第一視角去體驗各式各樣的異族女孩們的色色體驗!! 有點類似異種族風俗娘這部我很喜歡的作品的概念>< 一共有3個角色：好吃懶做🐼娘 / 吵著報恩🦊娘 / 魅魔😈娘 ★－:+:－:+:－:+:－:+:－:－:+:－:+:－:+:★ CF 02/15 02/16 攤位E12 兩天都在!! 預GO時間為 2/4-2/14 #CF# #COSFANS# #新刊# #伊灰#

#Repost想要# 「響徹心扉」夏目響粉絲見面攝影會 開始預約！！ 我人生中第一次！台灣有活動決定！台灣的大家、週邊國家的大家、日本的大家，都聚集在一起！其實這是我第一次出國！我太激動了！親愛的善良人們，希望你們一切都好！我們希望大家一起度過愉快的時光！從拍照到吃飯！請預約♪ ……………………………………………………… ●9/7 09:30-17:30 地點:三宅好攝 114台北市內湖區南京東路六段318號五樓 限量4場,每場15人 活動流程: 1.獨立攝影(可側拍) 2.團體攝影分兩組,每組三分鐘 3.紀念合照40分鐘 4.私物競標 活動詳細內容: 單場時長:100min 費用:台幣2200元 填寫完表單,獲資格者將收到匯款資訊,3日內匯款完成,才算報名成功。候補會額外通知！ 活動内容: 【個人拍攝】 >每人1.5min 主攝者可以使用閃光燈其他人請將閃光燈關閉,女優優姿勢、攝影角度等由該時間之主攝者指定,請勿勉強女優做不想做之動作。非主攝者可側拍〜 【團體攝影】 >時間:兩段3分鐘,中間五分鐘休息。 集體拍攝時間,現場參加者分為兩組,每組輪流拍攝,以女優自行擺出的動作為主 【紀念合照與競標】 >時間40min ❤️紀念合照❤️ 可現場購買 紀念手機合照500元/3張 紀念個人拍立得、合照拍立得500元/1張 女優個人簽名拍立得600/1張 (女優個人簽名拍立得每場限量20張,每人限購1張,如該場次有人棄權購買,有意願購買者可額外加購) ❤️專屬競標活動❤️ ➡️當場次女優衣物競標,絕對獨一無二 ⚠️為保持活動順暢,一切請依現場工作人員指示行動 ⚠️本活動無加價購或額外購買簽名之商品項目! 5場時間: A:09:30~11:10 B:11:30~13:10 C:13:30~15:10 D:15:30~17:10 官方Gmail: shootinggifttpe@gmail.com ……………………………………………………… 9月7日(六)晚上19:00,我們要在台北市內最頂的鐵板燒店 舉辦一場VIP晚宴！你絕對不想錯過！ 參加費用4000元,你能享受到什麽?讓我告訴你: -超美味的鐵板燒套餐 -啤酒、葡萄酒和氣泡酒喝到飽 -餐後還有特製T恤簽名合影 -現場加價500元手機(相機)合照一張 -現場加價600元聲音留言拍立得一張 頂級廚師為你準備美食,美酒暢飲無限,還能和特邀嘉賓夏目響合影。限量前20名填寫表單的朋友！ 快來和我們一起享受這個充滿歡笑和美味的夜晚吧！ ……………………………………………………… 9/8 10:00-17:30 地點:三宅好攝 114台北市內湖區南京東路六段318號五樓 票價:2000 活動流程 分成A、B上午下午兩場 11:00 A組觀眾入場 11:30女優Q&A,圈圈叉叉環節-cosplay服装 獲勝的3位觀眾朋友就送拍立得合照1張 12:00 賓果遊戲環節-泳裝 前三個賓果的朋友就送拍立得合照1張 13:00A組特典拍攝、簽名衣物拍賣 14:00 B組觀眾入場 14:30女優Q&A,猜拳環節-cosplay服裝 獲勝的觀眾朋友就送生寫真1張 15:00 賓果遊環節-泳裝 前三個賓果的朋友就送拍立得合照1張 16:00A組觀眾特典拍攝、簽名衣物拍賣 物販内容 🎁滿額1500元送:一份簽名(可簽私物) 🎁滿額3000元送:拍攝只有女優10秒的影片 生寫真:每包300元,內含隨機三張不重複 A3海報(附簽名):每張700元 紀念手機合照500元/3張 紀念個人拍立得、合照拍立得600/1張(不附簽名) Ps.本活動因現場時長限制與商品限量,表單會開放商品預 購,確保消費者事先都能買到自己喜歡的商品,並且現場享享受服務 如因時間不夠或商品庫存不足,本活動向各位朋致款,現場 將無法追加周邊,請消費者多多使用預購!同時也增加各位消 費者的良好體驗 官方Gmail: shootinggifttpe@gmail.com #台灣# #女優# #見面會# #攝影# #團拍# ──────────────── 這是主辦本次活動的公司的官方SNS Instagram！如果您有任何問題或疑慮，請在此處與我們聯絡。⬇️

AMD 宣布用约 82 亿美元收购李飞飞创办的 World Labs，这期是彭博科技节目主持人 Ed Ludlow 对两位当事人的联合采访。一位是 AMD CEO 苏姿丰，AMD 做 CPU 和 GPU，OpenAI、Anthropic、Meta 都是它的大客户。另一位是 World Labs 创始人兼 CEO 李飞飞，她主持建立的 ImageNet 图像数据集是这一轮深度学习浪潮的起点之一。两人聊了为什么要做这笔交易、李飞飞在 AMD 的新角色、开放生态，以及 AI 安全该由谁负责。 交易本身 这是一笔全股票交易，也就是 AMD 用自己的股票而不是现金来付款，对 World Labs 的估值约 82 亿美元，预计年底前完成，还需要监管审批。交易完成后，李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，World Labs 团队将成为 AMD AI 模型团队的核心。 两家公司的关系早就开始了。AMD 是 World Labs 的早期投资方，也给它供芯片。苏姿丰说她从 World Labs 只有几个研究员的时候就在看着这个团队成长。两人也都提到彼此认识多年，私下是朋友。 芯片公司为什么要买模型公司 苏姿丰的理由是，AI 现在还在很早期的阶段，而且越来越明显的是，硬件、软件、系统和模型这几层互相影响，对整条链路理解得越透，造出来的系统就越好。收购 World Labs，一方面是拿到李飞飞聚起来的一批顶尖研究人员，另一方面是让 AMD 对模型未来的发展方向有第一手的判断，反过来指导下一代硬件怎么设计。 李飞飞从模型公司的角度讲了同一件事。World Labs 越做越大，对算力的需求也越来越大；和 AMD 合在一起，模型可以用最前沿的硬件加速训练和推理，硬件团队也能提前看到模型未来的工作方式和需求。她把这叫作 AI 软件和 AI 硬件的“共同进化”。 主持人追问 AMD 是不是要开始卖模型、卖软件。苏姿丰说不会改变商业模式，AMD 仍然是一家平台和解决方案公司，软件是用来支撑硬件的。收购的最终目的是让 AMD 更好地服务那些最大的算力客户，也就是各家模型公司。 World Labs 做到了哪一步 World Labs 成立于 2024 年，到现在两年多，专攻空间智能和物理智能，也就是让 AI 理解和生成三维世界、懂得物理规律，这类模型通常叫“世界模型”。李飞飞说，他们想做的是语言模型之外的方向，因为创作者、设计师、教育、医疗都有这方面的需求，机器人技术也快要迎来爆发。 公司目前已经发布了两代模型，先是 Marble，然后是最新的 Atlas。李飞飞介绍 Atlas 是一个多模态的“全能模型”，能生成高质量的画面，同时保持三维和四维（三维空间加上时间）上的一致性，摄像机和智能体可以在它生成的世界里移动和交互。 团队也在扩张。World Labs 最近收购了 SceniX，这家公司做出了一套机器人仿真工作流程，以及训练机器人控制策略的模型，由此给 World Labs 补上了机器人方向的人才。 李飞飞为什么选择加入 AMD 苏姿丰说她给李飞飞的说法是“加入全世界最令人兴奋的 AI 公司”。李飞飞的作用也不只限于 World Labs 团队。苏姿丰说 AI 没有一种方案能通吃，除了大家熟悉的云端 CPU、GPU，物理 AI、机器人、从云端到边缘设备再到个人电脑的端到端 AI，都是 AMD 未来三到十年要重点增长的方向，而这些正好是 World Labs 擅长的领域。 World Labs 今年早些时候刚融过一大笔钱，发展势头也不错，主持人问李飞飞是否考虑过别的出路。她说公司从一开始就以使命为导向，这件事的关键在于双方的愿景是否一致，和有哪些选择关系不大。在她看来，这次合并会是“一加一大于二”，接着她笑着补了一句，AMD 显然比 World Labs 大得多。 至于加入后会不会只做空间智能，李飞飞说两人还没来得及细谈所有计划，World Labs 正在做的工作会继续，但她预计研究方向会扩大、节奏会加快。 开放生态与可选择性 苏姿丰说，AI 未来会同时有开源模型和闭源模型、大模型和小模型，它们跑在不同的硬件上，这一直是 AMD 规划高性能计算和 AI 产品线的前提。她和企业的 CEO、CIO 聊下来，没有人愿意被锁死在某一家的硬件或软件生态里，大家都想在不同时候挑最合适的。所以 AMD 会继续押注开放生态，她和李飞飞也讨论过怎样用 World Labs 已有的成果推动开源生态。 李飞飞补充说，现代 AI 的发展离不开开放。从科学界公开分享神经网络算法，到她自己做的 ImageNet，这个首批开放的大规模数据集就是现代 AI 革命的推动力之一。开放生态能让不同的发现、创新和创业机会互相促进。 AI 安全该由谁负责 主持人提到当前的一个争论：模型能力的进步速度超过了安全和对齐研究的进步速度。苏姿丰说这件事上“没有可选项”，技术必须好，也必须安全。她拿芯片行业做例子：最高性能的处理器在设计时就要把安全和数据保密作为优先事项来考虑，AI 行业也需要把安全放到同样的位置。她说自己是 AI 乐观派，相信行业能建立起合适的流程和防护措施，而且各家应该像硬件行业现在分享安全方面的经验那样，互相分享做法。 主持人进一步问，提供算力的公司对训练是否安全、推理时模型是否按预期行事，要负什么责任。苏姿丰说生态里每一方都要为自己的行为负责。对 AMD 来说，要保证硬件本身安全、按设计运行，模型在上面跑时数据是安全的，还要和模型公司一起处理好软硬件之间的交互。她认为这件事应该由行业主导，但因为 AI 是新东西，各方学习的速度不一样，所以她欢迎更多的行业协作，也欢迎一定程度的第三方评估。 李飞飞说，主持人上周问她监管、第三方评估、前沿实验室自我负责这几种方式该选哪个，她的回答是全都要。她认为 AI 是一项“文明级”的技术，和历史上所有这类技术一样，初衷是让人的生活和工作变得更好，但每项技术都是双刃剑，必须负责任地开发和部署。无论在斯坦福、World Labs 还是现在的 AMD，她都想推动个人、公司、行业和社会四个层面共同承担这份责任。 AMD 的下一步 主持人提到 AMD 市值已经到了 1 万亿美元，苏姿丰近来也多次和美国总统一同公开露面。苏姿丰说 AMD 过去做过好几笔对公司影响很大的收购，World Labs 是下一笔，而且是战略意义很重要的一笔。在她看来，技术如今和经济、国家安全都紧密相关，AMD 有机会真正影响计算的未来走向。 最后主持人请李飞飞预测 AI 下一个重大突破。她没有给具体的技术判断，只说接下来 AMD 和 World Labs 会一起打造未来，而这个未来必须对人类社会和人们的生活有益。苏姿丰在一旁说：“我会让她忙起来的。”

2025.08.15 - 2026.08.14 前公司竞业禁止期终于真的结束了。 一年前，为什么被裁员，也记不太清了，就用我儿子的那句话概括吧: "你老板不喜欢你"！ 一年间，也主动或被动的迎接了很多很多变化，有好的也有不那么好的。庆幸的是，离开了特别固定的某个制造场景后，这一年可以有更多方式更深入的参与到 AI Agent 研发中来，从第一手信息的获取分享，到在 AI 初创团队中落地实践。 一年后，对 AI 和企业有更客观深入的理解后，我更看好 AI Native 的组织，以 AI 为基础和起点来做产品和团队。Agent 框架逐渐明朗，但想把我们自己领域内的 Agent 做好，仍然有非常多的工程细节要抠，它们统称为 Agent Harness。Agent 运行链路、状态机、上下文管理、记忆、沙箱、skills & mcp 等等等等，不断的新概念落地。特别是在深圳强大的硬件环境中，基于 Agent 的软件和硬件都让人充满期待！