与「長新太」相关的搜索结果

世事无常，生命有限。两年前肚子上长了个大包，医院建议割掉，嫌麻烦也没管。7 月初感染了，一开始保守治疗，吃抗生素、抹药，还越来越严重了。309 医院做了 B 超，发现囊肿已经长到了 3cm * 3cm * 2cm，还破裂感染了，说只能切开引流，留下开放创口慢慢长肉了。 老婆推荐我去北京中医医院。疮疡科王广宇主任一看，就说这也只能清创之后慢慢长肉了。当天下午就做了清创手术，把囊肿和附近烂掉的肉挖掉，留下一个 3cm * 3cm * 1.5cm 的大坑。 王主任说我这来看的太晚了，囊肿比鹌鹑蛋都大了，相当于一个小鸡蛋了。如果不感染的时候来切掉，创口可以缝合，半个月就能好。现在感染了，只能留下开放式创口，得天天换药一两个月了。 手术过程中肯定是疼的不行，本来以为麻药下去后会更疼，没想到一小时后就不怎么疼了。由于一牵拉到腹部就会疼，走路都跟跛了脚一样，医生说我这又不是腿上做了手术，用不着这样。 术后前三天，每天去医院换药，换药的时候肯定疼，但换完药之后过一个小时就不疼了。第三天换完药后医生说长得不错，给开了红纱条（引流条），让自己回去天天换药。 老婆一开始买了一些纱布、碘伏、酒精、镊子和剪刀，但家里怎么消毒倒成了麻烦。一开始是在蒸笼里蒸半个小时，感觉太麻烦了。 后来我发现无菌换药包只要不到 5 块钱一包，里面有一套无菌的镊子、碘伏、纱布，每天用一包就行了。只要一开始用消毒后的剪刀把红纱条剪好，后面就不用剪了。无菌换药包里面有两个镊子，一个是用来夹干净东西的（红纱条、碘伏），一个是用来接触伤口的。这些都是我们第一次知道。 为了方便洗澡，我们买了无菌敷贴，洗澡前贴上无菌敷贴，就不会进水，但一开始还是不敢洗澡，只敢用水冲腿、后背和洗头，上身用毛巾擦。 手术后 7 天的时候，大坑开始逐渐变浅、变小了，每天 1-2 毫米的样子，每天换药就不怎么疼了。 10 天的时候，我去医院复查，王主任告诉我说红纱条塞的太多了，把旁边的好肉都给腐蚀了，只要覆盖里面就行了。9 天的时候我腿上也长了一个皮脂腺囊肿，心想这还能转移呢，王主任正好看到，给开了一个复方化毒膏，抹了两天，囊肿就破了。这样每天连肚子带腿，要给两个地方换药消毒。 12 天的时候，大坑里的肉基本长平了，周围的皮也开始往中间爬，边缘处已经被新皮覆盖了。这比估计的快不少，本来以为得三四周才能长平的。 19 天的时候，肚子上的创面结痂了。腿上的囊肿小，好的快，一周就长好了。21 天的时候去复查，王主任说等痂掉了，就好了。终于可以贴着无菌敷贴洗澡了，不用擦身子了。25 天的时候痂掉了，露出了新长的嫩皮。28 天的时候，洗澡的时候也不贴无菌敷贴了。 今天距离手术已经过去两个多月，那里还是留下红红的一片肉，像皮下塞了一块鲜牛肉，按起来还是有点疼。可能得三四个月才能完全长好。 北京中医医院疮疡科王广宇主任真的不错，首先在感染的情况下一次就给切干净了，避免了开两刀（其他医院要先切开引流，消除感染后再完整切除），其次术后除了换药以外几乎没有疼痛，不影响正常睡觉和生活，最后好的也比想象的快，换了三周药，这么大的坑就长好了。 皮脂腺囊肿还是要趁没有感染的时候尽早切除，感染了太麻烦了。 对了，这条内容是 Codex 用 greenbubbles 访问我的微信聊天记录写出来的，之前一直懒得写。没有 context，怎么能做出好的 personal agent。

太魔幻了。因外国人无法打新长鑫科技，在链上平台 Hyperliquid 开长鑫科技盘前合约后，一度被老外大单干到了 3.8 万亿元人民币。 而明天中国人在科创板打新，才 5792 亿元估值。现在英文区一群老外，吹这家公司是芯片杀手，寻求中国人帮他们去打新。

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。

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#

马斯克年轻时，两次被人从自己创办的公司里，撤掉了CEO的职位。 第一次是Zip2，投资人嫌他太嫩，找了个外人来当CEO，把他降成了没什么话语权的CTO。 第二次是PayPal，他砸进去大半身家，几个高管却趁他度蜜月，联手把他拉下了台。 三年内被撤两回，老马总算长心了。后来他买推特，人家请他进董事会他不去，非要整个买下来，交割当天9个董事全没了，就剩他一个😂 1995年，24岁的马斯克和弟弟开了Zip2，兄弟俩当时穷得叮当响。 所以第二年风投带着300万美元找上门，按他们的老规矩，要派个有经验的人来当CEO，马斯克也乐意，他本来就不想当CEO，正好退下来专心做产品。 可没过多久他就发现，当CTO根本说了不算，公司往哪走，全由新CEO和董事会决定。 1998年他想把CEO的位子要回来，董事会不但没答应，反倒削了他的权。 所以第二家公司X. com，他自己当CEO，还砸进去1200万美元，后来跟蒂尔他们的PayPal合并，他还是CEO，还是最大的股东。 可几位联合创始人跟他一直不对付，觉得公司早晚要被他带垮。 2000年9月，马斯克飞去澳大利亚补度蜜月，这几个人就趁他不在发动政变，拉着董事会撤掉了他的CEO职位。 马斯克郁闷到通宵玩游戏，他怎么也想不通，钱几乎都是他出的，凭什么说撤就撤。 三年里被撤了两回，他算是看明白了，光当CEO不够，钱出得最多也不够，董事会的票得攥在自己手里。 2022年初，马斯克悄悄买进推特9%的股票，成了最大股东，推特随即请他进董事会，条件是持股不得超过14.9%。 马斯克拒绝了，干脆出价440亿美元，把整个公司买了下来。 特斯拉早已上市，没法整个买下，马斯克为了买推特还卖掉不少股票，投票权被摊薄。 他公开向股东表态，没有25%左右的投票权，AI和机器人就不放在特斯拉做。 2025年，股东投票通过了他的万亿美元薪酬方案，如今他在特斯拉的投票权已回到将近20%。 SpaceX则是马斯克最大的产业，xAI和推特如今也都并在其中，在这里他拥有绝对的控制权。 2026年6月，SpaceX上市，这是史上最大的IPO，首日市值就超过2万亿美元。 上市时它采用双重股权，公众的股票一股一票，马斯克的一股十票，所以他只持有42%的股份，却握着82%的投票权。 凡是需要股东投票的事，包括董事会的每一个席位，都由马斯克决定，CEO，CTO和董事长也都是他本人。 在这里，再也没有人能撤掉马斯克了。

ChatGPT + Grok + Claude 三 AI 协作代码公布 废话就不多说了，我应该是较早的在 X 上公布用多 AI 协作的，测试了也有一个月了，现在代码比较稳定了，可以让 三个 AI 有效的协同工作了，所以就把代码都公布出来。 Github 地址： 希望大家在 Fork 的同时可以随手点颗星🌟 需要注意的是： 1. 这套方案在本机调度，模型推理还是由各家自己的服务完成。需要准备 Codex，以及 Grok Build、Claude Code 的命令行客户端（CLI）。不知道怎么装的小伙伴没关系，可以把仓库链接交给自己的 Codex，让它按配置指南协助安装和检查，登录和授权由你本人完成。 2. 这套代码里，三个 AI 的小队长是 Codex，负责处理任务、分工、检查结果和交付，Claude 和 Grok 分别参与分析和复核。当前公开版围绕 Codex 主控设计，想让其他 AI 当队长还需要另外适配。 3. 小伙伴都喜欢用 BOT 了，这挺好的，但 BOT 直接是很难直接通话的，不是说不行，而是代价很高，比如我 ChatGPT 的 BOT 已经用了一个月了，堆积的内容太多了，如果用外部的 BOT 去访问，就要拉所有内容，Grok 的统计每一次交互需要 数百万的 Token 。 所以最好的方法就是在 ChatGPT 和 Grok 两者 BOT 的云电脑上登录对方的页面，比如在 ChatGPT BOT 的电脑中登录 Grok ，以及在 Grok BOT 的电脑中登录 ChatGPT 。 这样的方式就可以非要有效的让两者互相联系，并且互相传文件都可以。 4. 因为是通过 CLI 的命令执行的，所以每个 AI 都有一定的限制，如果同时开多个任务的话，可能协助执行的另外两个 AI 会超时，这是在所难免的。 5. 目前我绑定的系统中 Grok 配置的是 grok-4.7，推理强度是 xhigh ，Claude 配置的是 Fable-5.1，推理强度是 medium 。这是可以换的，如果觉得有问题可以自己和 AI 对话更换就行了。 6. 公开版通过 MCP 把协作工具接入 Codex，安装后服务名称以 ai_team_ 开头，后面带一个随机编号。公开版提供了全局协作规则模板，可以按你的选择合并到现有规则，让之后的聊天在具备工具和权限时尝试协作。不想用了，可以停用对应连接。 7. 这一套完成以后我就开始准备接入 Muse ，很多小伙伴在问我如何接入了，我已经开始工作了，而且 Muse 也是有 BOT 的，操作更简单一些。 8. 多 AI 协作相信我，非常非常非常有用，尤其在大项目的时候，AI 经常会跑偏，这时候就需要提醒 AI 回到正确的路上，而且在幻觉这方面，起码我还没有见到同一个文件两个不同 AI 都会幻觉的可能，尤其是我还配置了三个，但也因为多 AI 协作，所以任务的执行会更慢一些，不过准确率和成功率不可同日而语。 9. 你们都知道怎么联系我，任何需要维护的或者是添加一些新功能，可以和我说。AI 协同工作可能才是最大化解放人的可能。 一个 @Gate ，交易更多市场

如果你有以下的几种状况，很可能就是 AI 中毒了： 1. 放弃了 Google ，Baidu 等搜索引擎，找东西只用 AI 。 2. 自己不在写（回复）邮件，和 AI 口述以后让 AI 写 。 3. 购物对比不在自己打开一个个APP ，而是让 AI 帮忙搜索。 4. 让 AI 去联系客服或者是发邮件，而自己只等结果。 5. 放弃所有的日历功能，让 AI 管理自己的行程。 6. 让 AI 推荐适合自己的电影，电视剧和书籍。 7. 出门旅游不再自己做攻略，把预算、时间和想去的地方告诉 AI，让它安排吃住行。 8. 看到长文章、报告或者会议记录，先让 AI 总结，自己只看重点。 9. 不知道怎么回复朋友的消息，先把对话发给 AI，让它帮忙想怎么说。 10. 做饭前把冰箱里的食材拍给 AI，让它决定今天吃什么。 11. 看不懂外语时，不再打开翻译软件，直接让 AI 翻译，顺便解释是什么意思。 12. 买了新东西也不看说明书，遇到问题直接拍照问 AI。 13. 工作中遇到表格、数据或者文档，第一反应是先交给 AI 处理。 14. 和别人意见不一致时，把双方的观点告诉 AI，让它评评谁更有道理。 15. 有了一个新想法，第一时间不是找朋友聊，而是先打开 AI 讨论半天。 16. AI 暂时用不了的时候，才发现自己已经不太记得，以前这些事情是怎么做的了。 17. 经常问候 AI 的全家。 18. 同时订阅了三四个 AI ，同一个问题要挨个问一遍，再让它们互相挑错。 19. AI 宕机或者额度用完的那几个小时，突然发现自己什么都不会干了。 20. 给宠物、群聊、Wi-Fi 或者新建文件夹起名字，都要让 AI 先提供二十个选项。 21. 想写一份“AI 中毒症”的表现，从第二条开始，让 AI 帮忙补充完整。 如果中了五条以上，基本可以确诊了 一个 @Gate ，交易更多市场

决定开始更新新节目 物种多样性系列，发个破防嘉豪 先是嘉豪的介绍，文字版，出于对大长文的礼貌回复了嘉豪，聊天记录如图 以下是嘉豪的资料，很长，不可否认嘉豪很真诚 身材 身高178，02年生，体重150斤，爱好健身。属于容易长肌肉、也容易长肥肉的体质。有朝一日，一定能练出腹肌。 长相 五官端正，自认为还算秀气。也许暂时不方便给照片，但有小时候的照片为证，至少能证明我曾经很有潜力。 父母 当年都是帅哥美女。 我爸虽然已经五十多岁，但属于斜杠中老年，在健身房兼职当健美操教练。每次跳操都有大量中老年妇女跟随，还经常被认为是三十多岁的小鲜肉。 我妈大眼睛、瓜子脸，据她自称，也经常被别人认为只有三十多岁。 由此可见，我对自己的基因还是很有信心的。如果继续减肥成功，必成帅哥一枚。 籍贯 家乡河南北部，一座三线古都兼老工业城市。 家境 原生家庭良好。外公出身贫下中农，文革时期当过红卫兵，后来下海创业。父母都在本地不错的体制内单位。 独生子，A8，不算大富大贵，但衣食无忧。不图钱，只好色。 外婆是老北京旗人，表姐、表弟、表妹是加拿大人，堂哥是澳大利亚人。 学历 浙江某中外合作大学本科，电子电气工程专业，目前本校硕士在读。 爱好 毫无游戏天赋。 高中时喜欢玩王者荣耀，但高中毕业那个暑假，突然就不想玩了。几乎没玩过任何射击游戏。 曾经玩过原神和崩坏：星穹铁道，星铁开服两年几乎全收集，现在基本退游。 不过，我愿意尝试新的游戏类型。如果游戏有助于增进我们之间的关系，我很乐意陪你一起玩，只要你不嫌弃我是个菜逼。 喜欢心理学、政治、股市、科技，对经济金融也有一定了解，同时还是 Codex 重度用户。 曾经早上想当巴菲特，晚上想当索罗斯。 GPT 刚兴起时就进入了股市，曾高度看好拼多多、英伟达、小米，自认为有不错的投资分析能力，甚至一度觉得，结合 Codex，自己有机会超过大部分基金经理。 可惜家里人过于传统，资产主要集中在房产上，不愿意给我资金和账户支持。最终竹篮打水一场空，空有屠龙之术。 因此决定好好读书，先靠自己实现原始积累。 曾经还 Vibe Code 过量化交易程序，研究后发现市面上的骗局实在太多，因子投资想找到真正的 Alpha 收益非常困难，所谓的高收益往往只是过拟合，于是放弃了这条路。 平时喜欢关注硅谷，经常逛 GitHub，看见有意思的项目就借鉴（偷）一点思路，融入自己的项目。 在我看来，AI 是打开数字世界的钥匙。 未来结合区块链、VR、AR 等技术，赛博朋克式的虚拟世界或许真的能够实现。因为 AI 可以不断生成代码，成为永不停息的虚拟世界自动建造者。 只是数字世界与物理世界之间的那堵次元壁，目前依然没有真正打通。 性格 ENTP。 内心大概有两个模块：一个是相信技术改变世界的理工男；另一个正在养成，目标是成为更懂女性、更有吸引力的人。 从小被妈妈狠狠地关爱着，表面大大咧咧、随和，内心却很有同情心。 如果你向我讲述自己悲惨的原生家庭，或者那些让你难受的经历，我大概率会狠狠地共情，忍不住想关心你、照顾你。 但这并不意味着我没有脑子。 我的关心和爱是认真的，但像经典小故事里那种——欠债的弟弟、好赌的爸、打牌的妈、破碎的她——我还是很能识破的。 性癖 S，或者 Dom，两者都有一些倾向。 在我的理解里，S 更偏向肉体层面的刺激，Dom 则更强调精神和心理上的主导。 不过，在调教这件事上，我能想出无数好玩的花样。为了辅助思考，写过构思调教玩法的程序。 整体哲学是因势利导，有些类似巴甫洛夫的条件反射。 例如，把特定的羞辱性语言、动作与强烈的性愉悦联系起来，使两者逐渐建立心理上的关联。 调教的目的是满足一个骚货， 或者把你变成一个骚货， 体会性的快乐、释放彼此隐藏的欲望，体会性的快乐。 严厉是我的外衣，温柔与体贴才是我的血肉和骨骼 相互尊重，吸引不是强求， 给予情感安全感，心理上相互支持，随时出现 心理问题的本质是现实欲望 一个Dom的言行举止、人品和素质，决定了关系的健康 安全是凌驾于一切之上的绝对红线 做好满足下位者的心理需求和释放上位者需求的平衡 作为一个上位者，应该把保护sub的安全视为天职，要护着她，更要宠爱她，亦可在自己能力范围能帮助她成长进步。 感情 可悲的母单，还是处男。 这显然没什么值得骄傲的。目前正在尽可能突破，所以才有了这份帖子。 其实，我觉得自己的整体条件还可以。大学以前一直是班里的活宝，因为比较幽默，也得到过不少女生的喜欢。 更多还是因为心理过于晚熟，不解风情，不懂女孩的暗送秋波，就这样错过了一次又一次桃花。 桃花仙人种桃树，又卖桃花换酒钱。 种一棵桃树，最好的时间是十年前，其次就是现在。 大学期间，我过于沉溺于炒股和科技，逐渐变成了铁血理工男。性格不知变通，不懂哄女孩开心，也对认识女生毫无兴趣，最终成为了一个整天捧着电脑的独狼。 如今正在改变。

如何利用AI自学一切？？ 我是写美股的，日常要读财报、盯宏观，碰上完全陌生的新行业也得从头摸。以前这些最费工夫，翻资料、找人问，一轮下来大半天就没了。 这一年多用上 AI Agent，最先变的是我学东西的方式。 1、兴趣和动力是一切的基础 这是不是普遍适用，我不能确定，但起码对我来说，自发的好奇和自驱力能让我坚持更久。或者说我不能用"坚持"这个词，因为我是自然而然地享受这个过程，不需要任何意志力，只是单纯地想学。 如果是外界推着我学，比如考试、比如工作，DDL 一结束我就会迅速放弃，甚至在过程中也只能勉强做到平均线，抱着得过且过的心态。 当然，有兴趣和自驱力不代表万事大吉，也不会一开始就如有神助。学不会的东西本来就学得很慢，但慢慢来，反而会比较快。 2、建立一个正反馈的环境机制 正反馈能让你保持兴趣和动力，不断的小 reward 会给你情绪价值。这时候就该让 AI 来帮忙了，因为 AI 的反馈非常非常快。 比如我想探索一个知识，它可能和 tech 有关，也可能和商业有关，这些都是我完全没在学校受过训练的领域。但是 AI 受过呀。 我可以一遍一遍地说：这个太难了，我不理解，我要举例子，要图解，要通俗易懂，从最最简单的讲起。AI 非常适合干这个。 在现实生活中，其实很难让一个人一遍一遍地给你重复讲同一个东西，但对 AI，我们完全不会有这种顾虑。遇到不懂的，如果没有 AI，就只能等懂行的人给我讲，或者自己慢慢搜。这种极致快速的正反馈，只有 AI 才能给。 而当我让它出题，用自己的话再讲一遍的时候，我就能清楚地知道哪里我没理解、哪些我理解得很好。这时候 AI 也会充分地鼓励我，给我非常多的正反馈。学习的循环就这么建立起来了。 3、所以具体到底怎么利用AI呢？下面我按从简单到进阶，拆解一下具体的方法。 简单版：一个聊天窗口就够了 免费的聊天机器人已经足够强大，只要稍微改改自己的 prompt，就能得到很好的结果。 假设我对某个领域、某个概念完全不了解，比如"什么是 Agent？Agent 有什么用？为什么别人都在用？我能拿它做什么？"，这些就是我第一次接触一个新概念时，脑子里会自然冒出来的问题。 第一，我一般会按"why - what - how"的结构去拆。 第二，一次只问一个问题，不要一下子丢好几个。拿这个例子来说，可以先从"为什么 Agent 这么火"开始。这个问题的答案很简单易懂，你会看到一些有趣的现象，然后再引出 what，也就是它到底是什么。 第三，告诉 AI 你的个人背景。免费的聊天机器人完全不知道你对这个领域了解多少，你让它讲解时，它的回答不会是个性化的，也不会考虑你的背景。所以你要在 prompt 里讲明：我完全不了解，希望讲得通俗易懂，等等。 第四，你同样可以让 AI 用费曼学习法给你出题：根据刚刚讲过的内容出几道题，让你用自己的话再讲一遍。 进阶版：先要一张地图，再把资料喂给 AI 过了简单的关卡，如果我想学得深入一点、系统一点，开始之前我会先让 AI 给我画一张这个领域的"知识树"：主干是什么，分支有哪些，我现在要学的东西长在哪一枝上。 如果这个领域陌生到连树都搭不起来，我就让它从历史讲起。一个东西刚诞生的时候总是简单的，顺着它一步步变复杂的过程往下看，现在的样子也就好懂了。 有了地图，我会让AI去找高质量的书或者视频来探索。在学的过程中，我还会把这些资料喂给它，让它有充分的 context，这样我随时提问，就能随时得到答案。 深度版：搭一个自己的学习系统 我会高强度地把 Agent 工具和 Obsidian（一个个人笔记软件）连在一起用。我有一份写自己个人背景的 markdown 文件，还有一份 Tutor SOP 文件，里面写明我喜欢的教学方式。 每次我要求它讲解某些内容，AI 都会自己去读这些文件、补充上下文，用我最喜欢的方式来教我。 这份 SOP 里的规则，都是一次次"学不下去"之后加进去的。挑几条：第一条就是：keep me motivated, keep me going, increase the curiosity. 一节课最多两个概念。第三个留到下一节，在好奇心还在往上涨的时候结束。还有比较基础的，例如多用例子和图解等等。 当我感兴趣、想深入了解时，我也会让它读取费曼学习法的 Skill 来给我出题。 我还会用 Matt Pocock 写的 teach skill，让它通过写 HTML 代码的方式做网页课。我会 customize 更多的交互、课后习题、课后阅读等等。 它会把一个主题拆成几节课，组成一个小小的 set，比如 4–5 节，学完一整套也非常有成就感。 我曾经有遇到一篇讲AI的论文，可以说我自己几乎看不懂，但神奇的是AI一直鼓励我说我可以，我刚好看见有一段讲到是如何把 Out-of-Distribution（分布外）的东西拆解变成 In-Distribution（分布内）的东西。我心想这不就是现在，我让AI把这一篇完全在我知识分布外的东西通过一步步拆解，变成我可以理解的分布内的东西。 拆了十几轮吧，说实话那篇论文到底讲了什么，我已经要忘记了，但这种去拆解那些我不会的知识，然后一步一步把它们内化的方法论我却一直记得。 总结一下：其实核心很简单，你要喜欢、要有兴趣，利用AI工具，不会就问，不断接受正反馈。自然而然，我们就可以学习任何事情了！ 一段可以直接复制的 prompt： 我是[你的背景，比如：完全没学过编程]，想了解[概念]。请按下面的顺序讲，每次只讲一步，讲完停下来等我回复： 1、为什么：它为什么最近这么火，解决了什么问题 2、是什么：用一个生活里的例子讲，不要术语和公式 3、怎么用：像我这样的人能拿它做什么 如果我说「没懂」，请换一个例子，不要只换个说法。 三步讲完后，出 2 道题让我用自己的话回答，并指出我哪里理解错了。