与「角色」相关的搜索结果

好玩，不用任何外部美术资源，仅靠代码在 Three.js 里程序化生成一条完整的丛林小径场景。 12000 行手写 JavaScript 搭出一条穿越石质废墟和瀑布的丛林小径，场景里没有一张贴图文件、一个模型或一段录音。树叶、树皮、石头、角色皮肤和全部 60 段音频都在加载时由代码算出来。 规模上有 423.8 米长的小径、16 个物种共 100799 株植物、536 块逐块侵蚀的石块，还有 22 根骨骼的程序化角色和 15 次 GPU 烘焙产生的 29 张贴图。

前阵子听一个中戏的老师讲，当年张艺谋去他们学校挑演员，原本看中了一个女生。 结果那女生说不行，马上期末考了，好几门不及格就退学了，顾不上。 机会就这么给了她同班同学章子怡。 后来章子怡凭那部电影成了国际影星，那个女生呢，按部就班毕业，后来也演过戏，但始终不温不火。 有人问她后不后悔。 她说那是别人的缘分。 就这句话让我停了一下。 没说什么错过，没说如果，就是很干脆的一句，那是别人的缘分。 我不觉得她是在嘴硬。 有时候人就是算得清自己那本账。 考试不及格会退学，退学回家没法交代，这些事在她那里的重量可能比一个角色大得多。 不是她不知道机会多难得，是那一年的期末考试，就真的是她唯一能抓住的东西。 人能在那种诱惑面前不晃，挺难的。 后来我想，换我可能也不去。 大一那会儿我连辅导员请假都紧张，别说跟张艺谋试戏。 她们班后来红了的不止章子怡一个，还有刘烨、秦海璐、袁泉、梅婷。 她跟他们同班四年，不知道心里有没有过比较。 但她那句话里没有比较。 她是她，我是我。 就这个。 能说出来，可能比红不红重要。 想想那天下午，她去考场的样子。

【入职刚满一年，X平台产品负责人宣布离职】8月6日消息，X产品负责人 Nikita Bier 宣布将离任，并表示自己未来将转任顾问角色。他在公告中写道：“是时候交接火炬了，把自己降级回我最自然的状态：一名发帖者（poster）”。这一消息发布距离他庆祝入职一周年仅过去一个多月，而就在几周前，埃隆 · 马斯克旗下合并后的 SpaceX 公司刚完成上市。（it之家）

谷歌组织架构大洗牌！ Demis Hassabis 卸任 Google Deepmind 的 CEO，转任 GDM 主席兼 Alphabet 首席科学家，同时继续领导 Isomorphic Labs，把主要精力放在 AGI 的长远方向、全球战略以及用 AI 推动科学与医疗突破上； “我们已抵达人类历史上的一个关键时刻。我一生都在为 AGI 努力，现在，就像你们许多人一样，我感觉它近在咫尺” —— Demis Hassabis Koray Kavukcuoglu 从 Deepmind CTO、Google 首席 AI 架构师升任 Google DeepMind 高级副总裁，直接向 Pichai 汇报，全面负责 Gemini 模型研发、前沿 AI 研究以及 Gemini 应用与开发者团队。其实就是接替 Demis 的管理工作，他在 DeepMind 已工作 13 年，，曾主导 WaveNet、DQN 等成果； 在谷歌工作 27 年的 Jeff Dean 将与资深研究员 Sanjay Ghemawat 一起离开，创办一家独立的公益性质公司 Discovery Loop，专注“全自动科学发现的闭环”研究；Google 会作为创始投资方和云服务合作伙伴继续与他们合作。Dean 告诉 NYT，离开 Google 让他有更多余地专注于科学发现； 三位最初的 Gemini 负责人如今全部离职：Noam Shazeer 去了 OpenAI，Dean 和 Vinyals 去了 Discovery Loop。 我如何看待这次调整？ 在 2023 年 Google 合并 Google Brain 与 Deepmind，于是有了 Gemini 的成功；三年后 Google 再次面临大公司病、组织障碍（人才保留上的结构性问题）和工程低效的挑战，于是有了这次必要又意料之外的调整。 部分传言 Demis 因 Gemini 执行不力而被边缘化，换上Koray 是希望把“研究强、产品化慢”这个 Google 的老毛病治好，对比 OpenAI / Anthropic 快速产品化，Google 需要证明也能更快的迭代。所以 Google 全村的希望都在 Gemini 4，内部确认已经有了重大进展。我保留短期观察，长期看好的判断👀 其实 Google 已经证明了目前不用靠模型的能力，只用买算力就能保持盈利优势，Google 是目前唯一的全栈 AI 科技巨头。现在决定内部加速产品化，再利用投资加孵化，既能解决人才保留的问题，又可以抢占 AGI 与科学前沿。 这是 Google 的角色优化，并非危机。执行力与人才保留正在成为新的竞争护城河，技术不再是 Google 的短板，专注和敏捷才是。

中国残酷前行 08-03 23:44 阅读 15511 中国残酷前行 坊间有人评论桑弘羊之问，剖析的角度却偏到另外一边，那就是霍光最终族灭。 秦制以来，古代王朝的贤臣有好结果的不多，霍光族灭，张居正近似族灭。 我们谈一谈现代社会，到了二十一世纪的第三个十年间，世界上对中国的看法已经分歧严重。 这主要是中国的工业化与城市化突飞猛进，制造业比例占全球30%。 美国和欧洲却从制造业飞速退缩。 我曾打草稿想写一本书，名字都起好了，叫做《民主的泥沼》。 这几年家事太多，没有来得及些，只写了很多碎片状的评论，发在X上，引来巨大的争议。 直到美国的硅谷右翼彼得蒂尔帮公开了他们的观点，谈及黑暗启蒙的叙事，抨击美国自身的工业堕落，与日常经济发展的惰性。 再到左翼学者写了《丰裕》一书，抨击民主党政策带来的经济危害和对国民福祉的实质性损害。 坊间才慢慢跟进认可的人。 举个例子来说，为何美国的实体经济堕落？ 比如说民主党的口号是惠及底层贫民的，但他们的实质行为却是损害底层的。 民主党政府投资的廉租房和救济用房，往往建筑成本是市价的两倍，且建设周期长达十年左右，甚至无法建成。 这是因为民主党需要把工会、环保、女权、性别平等塞进一个项目里，建筑公司要多少女性，工会必须介入，环保必须符合动物保护主义、地球保护主义、能源环保主义、植物环保主义等等标准。 然后把救人的初衷忘记了，每一个既得利益团体都往里加仓私货。 如果你还不能理解欧美发生了什么，举个日本医疗界白色高塔时期的例子。 日本医疗界在90年代追求完整的手术流程，而在病人遭遇重大伤害时，这套流程仍顽固的左右医生的行为。往往医生完整的执行完手术规范后，病人已经死了。 手术是成功的，病人死了。 这一套模式也在天灾人祸时，尤其是大地震期间，造成无数的受灾者死亡。 西方实际上就是走到了这一步。 他们的高科技产业非常发达，因为在非制造业领域，思想、设计、管理、融资、营销等等摆脱了工会、市政、环保、性别平等等等的大部分困扰，当然也有，但是起码不会左右整个创新公司的发展。 大家回顾近些年，比如马斯克本人面对的各种状况，工会对特斯拉工厂的干涉，环保组织对spacex发射的困扰。 他用上海工厂摆脱了部分困扰，spacex最终没有受到环保组织的阻挠，还得归功于其基地设立在德克萨斯州。 一些想在美国开厂的企业主，实际上不得不面临美国各种各样的诉讼，包括街区对企业用电的阻挠，对建筑模式的各种要求，竞争对手私下用政治力量在这种游戏规则内的打击等等。 所以，左翼的有识之士也在思索，美国制造为何死了。 从0-1仍旧是美国的强项，金融业、医疗产业、文化产业、高科技产业仍旧是美国的高盈利板块，叠加美元的铸币税地位，仍旧保证美国从全球获得廉价商品。 但是一旦牵扯到重大的关键产品，美国就受制于人。 回到中国的发展，实际上是1-100的发展极其强大。 我们追溯中国二千年以来的历史，儒家文明的士大夫集团是极其务实的精英团体，他们用儒家的外表来涂抹意识流，以仁义道德来教化民众，以君臣父子来构建等级观念，同时以法家来治国。 这套模式会被皇家、宗室、士大夫三个婆罗门阶层寄生，从而导致权贵不交税、财政失衡、压榨商人与自耕农、走向周而复始的毁灭。 其治理模式导致贤臣必定要向商人和自耕农首先开刀，但试图维持平衡，因而磨刀霍霍向自己的阶层和宗室开刀。 只要后面的动作一开启，贤臣在丧失权力之后，身死名灭加上家破人亡，就是注定的了。 所以桑弘扬三问，就循着财政平衡，国家灾难时期怎么办，中央与地方如何平衡。 往往到了王朝的末期，既得利益集团全部是门户私计，完全没有国民与国家利益。 这就是崇祯想要宗室与士大夫捐款，一毛不拔，却在李自成攻破城墙后，榨出7000万两白银的结果。 皇室有理解桑弘扬三问的，会自己替代贤臣的角色，去向宗室、士大夫磨刀搞钱，结果就是雍正皇帝为康熙补窟窿，为儿子筹集财富，却自己死于莫名其妙。 如果王朝既没有贤臣也没有清明的皇帝，权贵们大规模垄断商业，土地兼并，流民造反和北方的蛮族就下来把整个王朝颠覆了，人口大损减。 黄巢一夜之间就把长安公卿杀尽，长达千年的家族覆灭了。 而你 从社会科学家的研究报告，发现高达七成的普罗大众在三代之后已经没人了。 所以有人说这样一套系统里没有赢家。 我从另一个角度来看，中华文明始终敞开心胸接纳所有的外来文明，无论是文化还是技术。 最终形成自己的生存之道。 中国这个系统的特点是集体主义的泯灭个人的进化权，只有集体的生存权。 系统里的每一个人，从皇帝、士大夫、平民到山贼，都是这个混沌模型里不可或缺的一环，或供养，或纠偏，或毁灭。 系统每一次的颠覆、荡涤、兴亡，都是为了重启。 系统骨子里的架构从未改变。 这个系统天上缺乏0-1的创造力，但是可以在任何文明有了0-1的创造之后，用1-100的模仿与发展能力，做到出类拔萃，从而维系庞大系统的生存，并牺牲掉所有可以牺牲的个体，是所有的个体，从皇帝到天涯尽头的小民。 这个王朝曾经有一句话，普天之下，莫非王土。 所以古代小民被禁锢在土地上，终生没有走出自己的村庄、乡镇。 所以士大夫不知天下有无数他土，故此在失败时，就会交出身家性命，家破人亡。 因而士大夫的政治博弈是以性命相搏，有的为了财富，有的为了理想，有的为了忠于皇帝，有的为了家族。 在桑弘羊三问下，实际上王朝初年财富的增量时代，到存量经济的垄断时代，就是每个阶层逐渐被压榨的过程，是一个重新分配的过程。 一旦勋贵拒绝分配，榨取商人与自耕农，王朝也就到了末年，这些财富储备毁于流民大乱与外族入侵。 周而复始。 现代社会的中国，其实并未摆脱自己文明的骨架。 所有的学者如果仅仅是基于苏联体制来剖析中国，或基于资本主义与社会主义剖析中国，都会大错特错。 只不过全球构建的税务体系与技术体系，又帮助中国实现了普天之下莫非王土，所有曾经在中国出生的人，都终将是中国的臣民。 因此中国比古代王朝能够更进一步获得普天下的财税，来弥补财政失衡，并集中一切力量，去完成1-100的高科技发展与制造业升级换代。 只不过没有足够的消费，因为国强不等于民富，两头在外的发展模式，即使到了极致，最终廉价商品被美国拿走，国家有财政收入，利润被垄断平台拿走，剩下的普罗大众与中小微企业仅有维持生活的流水。 新的土地兼并模式形成了。 继续进入桑弘羊三问。 ....... 但中华文明会持续的，哪怕到本世纪末只剩下五六亿人口。 我们会周而复始的发展一万年。 发布于 泰国

gstack这个项目火了，116.9k star不是没道理 1️⃣ 内置23个角色化工具，CEO、设计师、工程经理、QA全给你配齐...我跑了一次代码重构，它自己出方案还review，真像多了个团队。 2️⃣ 每个工具都是Garry Tan调好的opinionated配置，不用自己写prompt。实测clone下来就能跑，比我从零调Claude Code省了俩小时。 3️⃣ 覆盖从写码到发布全流程。Release Manager自动整理变更日志，Doc Engineer顺手把README写了，开会汇报材料都省了 建议先收藏，下次搞AI直接抄作业。 说个背景 这项目作者是YC现任总裁Garry Tan，他平时就用这套配置跑自己的代码，属于把日常实战工作流直接开源了。 等于硅谷顶级创始人天天在用的 🔗 #AI# #AI工具老炮#

AI模型评分都是被专项攻坚创造出来的，于是我对比了Fable5，Grok4.5， Kimi K3针对同一个交易系统审计结果进行了对比。 先说结论： Fable5：最适合作为系统级主审核模型 Kimi：最适合作为代码缺陷与一致性专项审核模型 Grok：最适合作为代码梳理和方案发散模型，不适合单独决定策略修改 最佳组合：Fable5全面审核+Grok 4.5代码梳理+K3代码审核 具体细节： 1. Fable5：系统级判断能力最强 Fable5 最大的优势不是代码读得比另外两个模型更多，而是它能把： 代码规则； sizing snapshot； intent ledger； 实际 block 统计； 当前资产 headroom； SELL/REDEEM 回流路径； 放进同一个因果框架。 它使用了几个非常关键的实盘指标： ADD 近 7 天约占新增资金 43%； 84% 资金已经部署； ETH、SOL、XRP headroom 为 0； 近 40 个周期中主要阻塞是：blocked_capital_efficiency=47 blocked_asset_cap=28 deployment cap=0 runway=0 这让它能够区分： “某个机制理论上可能限制资金” 和 “当前实盘真正正在限制资金的机制”。 最终它得出： ADD 对资金流向重要，但当前周转主因在回收端、资产 cap 和效率过滤，不在 ADD 准入本身。 这是三个模型中最接近生产系统审核要求的判断。 弱点 Fable5 仍有一些过度推断： 把 ADD 描述为让资金“锁得更久”，实际上 ADD 的剩余 TTE 通常比 ENTRY 短； 把超 cap 资产总持仓约 $382 说成可以“直接解锁 $382”，没有区分总持仓、超额部分和可成交部分； 把模型中的 redeem_lag_days=2 一度当作实际回款延迟； “$5 仓位几乎不受每美元每日利润门约束”的推理不正确，因为该指标已经按资金归一化； 2-lot 最低 ENTRY 建议可能系统性损失覆盖率。 因此，Fable5 的系统方向判断最好，但具体数字和金融指标仍需二次校验。 最适合的角色 PRIMARY_SYSTEM_REVIEWER LIVE_OPERATIONAL_DIAGNOSIS CHANGE_PRIORITY_DECISION CROSS_MODULE_ROOT_CAUSE_ANALYSIS 2. Kimi：代码缺陷侦测能力最强 Kimi 对代码结构的还原比较准确： 固定 ADD 次数和 interval 已退役； ADD 采用 target-gap 模型； ENTRY 60%，ADD 补到 100%； allocator 是最终数量权威； style 仅作诊断； 现金、集中度、shock、深度共同限制订单。 更重要的是，Kimi 找出了其他两个模型没有明确指出的具体问题： shared_deployable_pool() 读取 account_snap["capital"]["deployable_cash"] 但该字段可能没有实际写入 → 回退到 free_cash → 策略层与 allocator 层资金口径可能不一致 它还发现了： 合同写 debounce 60 秒，代码/配置为 30 秒； 注释周期 16 分钟，实际 loop 600 秒。 这些是典型的静态审核、字段追踪和合同一致性检查优势。 弱点 Kimi 在资本效率和交易语义上的推理弱于它的代码检查能力。 典型错误是： ADD 价格更高，所以边际 edge/day 必然更差。 这忽略了剩余持有时间也缩短。更高 ask 并不必然意味着更低 edge/day。 它还认为： 60/40 会让剩余资金长期闲置； 提高 entry share 会改善周转； CONFIRMATION_NO 应收紧； 增加单市场软 cap 会改善组合周转。 这些结论缺少真实候选竞争、实际 block attribution 和反事实分配数据支持。 最适合的角色 STATIC_CODE_AUDITOR SCHEMA_AND_FIELD_FLOW_CHECKER CONTRACT_IMPLEMENTATION_DIFF LOCALIZED_BUG_DISCOVERY Kimi 很适合回答： “代码是否存在字段没有写入、默认值回退、文档与实现不一致、某个 gate 实际是否生效？” 但不适合单独回答： “应该如何改变交易策略和资本分配？” 3. Grok：代码梳理最完整，但最容易过度设计 Grok 对整个 ADD 路径的整理最详尽： 各层准入条件； risk latch； REDUCE reentry cooldown； 价格带； fingerprint； emergency cap； market target； ENTRY/ADD gap； allocator 的现金、集中度、shock 和深度约束； ADD 与 ENTRY 的评分和 continuity； SELL/REDEEM 对现金回收的影响。 它对当前代码执行模型的概括非常清楚： 能不能加由 headroom 决定；加多少由 target gap 离散为 lot；ADD style 只是解释标签。 因此，在“快速理解一个陌生复杂系统”方面，Grok 表现很好。 弱点 Grok 最大的问题是： 从“发现一个可能的机制副作用”快速跳到“建议修改策略”。 它提出了大量未经实盘证明的改动： TIME_TOPUP 冷却； ADD 1.5 倍 edge/day 门槛； ask≥0.97 限制为 1 lot； 降低 peak target； 提高 entry share； 单次仅补部分 gap； 弱化 continuity； 降低 TTE confirmation 权重。 这些建议表面上都很合理，但存在三个问题： 没有先证明这些机制实际造成了损失； 没有量化被 ADD 挤出的 ENTRY 是否更优； 可能重新引入此前已经修复的低 ADD recall 和 leader fidelity 偏差。 Grok很擅长生成完整优化空间，但容易把： POSSIBLE SIDE EFFECT 升级成： CONFIRMED ROOT CAUSE 再进一步升级成： SHOULD CHANGE PRODUCTION LOGIC 这是生产交易系统审核中最危险的倾向。 最适合的角色 SYSTEM_MAPPING CODE_AND_CONFIG_EXPLANATION HYPOTHESIS_GENERATION DESIGN_OPTION_ENUMERATION 不适合作为唯一的： PRODUCTION_CHANGE_APPROVER ROOT_CAUSE_FINAL_AUTHORITY STRATEGY_SEMANTICS_GATEKEEPER 三个模型的典型思维模式 Grok 发现机制 → 推演可能副作用 → 生成多种优化 → 倾向建议修改 优点：覆盖广、思路多。 风险：过度设计、假设升级过快。 Kimi 追踪代码和字段 → 找实现不一致 → 找局部缺陷 → 尝试从缺陷推导策略改进 优点：代码问题定位强。 风险：局部正确不等于系统结论正确。 Fable5 理解代码 → 读取运行数据 → 找实际 binding constraint → 区分主因和次因 → 按实盘收益排序 优点：最接近生产运营思维。 风险：仍会在个别指标含义和金额口径上过度断言。

关注了两年的项目 @dappOS_com TGE 了。 真正让我持续关注的，不只是顶级机构和上所预期，而是它已经把 Web3 AI 做成了能落地、能收费的产品。 dappOS 的定位是一套低门槛 AI 操作系统，旗舰产品 xBubble 可以理解为「Web3 版 Codex + WorkBuddy」。 Codex 提升专业开发者的效率，WorkBuddy 让 AI 进入日常工作；xBubble 则进一步面向有想法、有行业资源，却缺少技术团队的 OPC（One Person Company），帮助一个人完成从想法验证到业务上线。 它的核心不是聊天，而是执行：Bubble Engine 用于开发和优化特定任务的 SOP；Bubble Pilot 负责将需求匹配给合适的解决方案；Bubble Code 则把同一套系统延伸到软件与业务创建。 用户无需处理服务器、域名或 API Key，也能生成报告、商城、宣传片、虚拟人、行情与套利分析等成果，并用 xBubble Credit 统一结算相关费用。 Web3 也不是装饰。地址登录、稳定币支付、第三方基础设施和数据隔离，让 OPC 能以更低门槛开展全球业务；预置的 Web3 SOP 还能把稳定币、预测市场等能力接入真实商业场景。 比如以下测试视频，我最近给自己房子装修，把装修图纸和风格给他，他就可以设计成品，最终用稳定币结算设计费。 官方披露，xBubble 自 4 月上线以来已帮助超过 1 万个 OPC 启动，并取得 680 万美元订阅收入。对 AI 项目来说，真实用户与订阅收入，比单纯讲故事更有说服力。 再看 $DOS：总量 10 亿枚，初始流通 20%，用于优质 AI 服务访问、生态角色参与和协议治理，协调用户、服务商、基础设施伙伴及社区贡献者。如果产品使用持续增长，收入用于生态建设与回购，就有机会形成「使用增长—收入增加—回购与激励—代币价值承接」的闭环。 资本层面，项目获得 Polychain、红杉中国、IDG、OKX Ventures、HashKey Capital 等机构支持。机构背书提供资源与市场预期，但决定长期价值的，仍是 xBubble 能否不断把 AI 能力转化为真实业务和持续收入。 所以临近 TGE，我关注的不只是短期价格，而是 dappOS 能否成为 OPC 时代真正可用的 AI 商业操作系统。 就目前的技术能力、真实收入、融资背景，很期待dappos能在TGE中来个大满贯。

1、纯电车目前几乎只有中国市场自己在撑。欧洲补贴退坡后销量大跌，除了偶尔见到几辆特斯拉几乎难觅踪影。从全生命周期和商业模式来看，已经接近市场消亡边缘，卖一部亏一部。 2、丰田并非“放弃”电动化，而是所有试验性验证早已完成，正沉下心等待固态电池的技术突破。丰田氢能源轿车都卖了十几年了，十几年前东京就建起四个氢能源加油站，但目前也没有大规模推广，本就是一边研发一边验证。这种多技术路线并存才是成熟车企的底气。 3、中国电车目前出口主攻的是对安全法规与环保要求较低的第三世界。至于生产车间里的大型冲压机床、工业机器人、核心部件，哪一样不是西方的设备？中国目前充其量不过是基于当年特斯拉的技术完全开源的二次开发，在汽车产业的角色：“廉价组装”远大于“技术领先”，所以美国直接以2倍关税的方式防止中国汽车倾销，因为中国车出口也是卖一部亏一部，车企的微薄利润全来自中国政府补贴和退税。中国电车更像一场由国家主导、国家负责赔钱、以倾销方式为目的的举国运动。但目前来看已经很难，因为技术上没有任何本质创新，而光靠廉价很容易被针对。 4、对于“智驾”这些东西的技术研发丰田更没必要拿出来讲。本身也没办法激进，不单汽车、所有产业的最大利润率都来自出口西方市场，而面对西方市场的严苛法律，从安全到广告，都不是中国国内那一套可以胡来的。哪怕一场事故、用错一个广告词都将面临集体诉讼的巨额罚款，以及车企负责人的刑事责任。