AYi (@AYi_AInotes)

吴恩达刚发了今年最狠的一堂Agent课，两小时，从单代理一路讲到完全自动化，硬核到足以把你今年收藏的所有AI Agent教程全淘汰了！ 整门课刚好两个小时，五个时间节点卡得特别清楚，九分钟带你搭出第一个能干活的代理，三十三分钟讲循环工程怎么让代理自己纠错迭代，一小时零两分正式开讲图工程，一个半小时讲能自我重写的代理，最后四十分钟直接放完整的可运行图系统。 很多人学Agent最大的误区，就是把能跑通一个对话循环当成了终点，实际上单代理再聪明，也扛不住长任务里的上下文丢失，状态混乱和失败不可追溯，图工程干的事，就是把决策和控制流从模型的黑盒里拉出来，变成可检查可复用可并行的固定拓扑，模型只负责节点里的判断，路径由人提前设计好。 这也是为什么同样的模型，同样的token，用单代理跑和用完整图系统跑，一周下来的完成度能差出好几倍，前者还在反复重试同一个失败步骤，后者已经把多个分支并行跑完，自动汇总成最终结果了。 想真正搞懂Agent自动化的兄弟，这门课真的值得抽两个小时完整刷一遍，别再停留在单代理的玩具阶段了。

刷到这篇神经科学长文，真特喵牛逼，感觉把很多人晚上废掉的底层逻辑说透了，非常值得一看，强烈推荐。。 白天还能高效推进一堆事野心拉满，一到晚上就瘫在沙发上动弹不得，明知道有更该做的事，手却不自觉拿起手机刷个不停，既没真正休息也没任何产出，最后还要给自己扣上懒，意志力差的帽子，大部分人都归因为品格问题，其实根本不是这么回事。 管规划，做选择，克制冲动的前额叶皮层，白天每做一次难决策，每抵抗一次分心，每处理一份需要判断的工作，都在消耗代谢成本，难度越高消耗越快，时间久了就会像肌肉堆乳酸一样，在区域里堆积谷氨酸，这种物质堆太多反而很难再激活。 对应的表现就是人会变得更冲动，更愿意选立刻就能拿到的轻松奖励，不想选需要等，需要努力的长期选项，这就是为什么同一个人早上自律，晚上像换了个人，不是你性格分裂，是同一套自制力硬件白天已经跑满了负荷。 意志力本身就是前额叶的功能，你白天把它用空了，晚上还逼它咬牙坚持，等于让已经抽筋的肌肉再做一组力竭训练，你是在要求一个已经耗尽的系统，用它已经用光的资源来修复自己。 很多人以为累了刷会儿手机是在休息，其实刚好相反，刷短视频一直在喂新刺激，新选择，新对比，新未完成感，手在休息但决策系统全程在线，结果就是三重亏，谷氨酸没清掉，想做的事没做成，还要多一层自我攻击消耗，反而越刷越累。 想让晚上重新能用，核心原则只有一条，先给前额叶留二十到三十分钟的下线窗口，再谈晚上的安排，身体可以动但决策脑必须闲，比如不带耳机出门走走路，听已经很熟的音乐，做过很多遍的家常菜，甚至只是坐着发呆什么都不干，都是在给系统清缓存。 可以把晚上拆成固定流程不用费脑子决策，下班离开工位前先写下明天的待办，等于告诉大脑不用反复惦记没做完的事，回家换衣服，泡茶，做一个固定的小动作当切换信号，一晚上只设一个核心目标，多目标会逼疲惫的大脑继续做优先级排序，反而消耗更多。 把想做的事降到累到极致也能启动的最小版本，不用逼自己去健身房一小时，换成换上鞋出门走十分钟，不用逼自己读一整章，换成打开书读一页，疲劳的大脑拒绝大承诺，但不拒绝小动作，选了一件事就允许另一件事不做，晚上最贵的不是时间是决策带宽。 还有个很少有人说透的点，野心越大的人越容易晚上崩盘，因为白天已经全是高认知输出，晚上还要用同一块前额叶学习，健身，创业，反思，等于用生产系统做维护，越硬扛损耗越大。 真正拉开差距的不是谁晚上更能熬，是谁更早承认硬件有极限，主动设计恢复窗口，短时间恢复后，后面反而能踏踏实实做成一件事，这是复利不是躺平。 最后给一个今晚就能用的最小可行方案，下班写下明天三件事，换掉白天的衣服，不带耳机走二十分钟或者闭眼十五分钟，只做一件已经放在眼前的小事，允许其他事明天再算，先把系统从过热里救出来，再谈成为你想成为的那种人。

我终于明白为什么LeCun顶着全网群嘲也要死磕世界模型了， 现在很多人误以为大模型快要通向AGI了，纯粹是因为被那种博导般的答题体感给骗了， @ylecun 说单靠把大语言模型做大，哪怕到了地狱也搞不出人类水平智能， 甚至直接开喷数据中心养出天才军团纯属扯淡，很多人觉得他迂腐、天天唱衰， 但我仔细翻完他在ECCV上的最新拆解才彻底明白，他反对的从来不是语言模型有用，他自己做了一辈子模型太清楚了，大模型说白了就是把全人类写过的几千亿字当成了超级开卷题库， 你问什么它都能对号入座吐出来，这种博导体感是工程的巨大成功，但也让很多人误以为它真的学会了独立思考 
有意思的是LeCun搬出了皮亚杰那句老话，智能从来不看你知道什么、看的是你不知道的时候该怎么做，拿学开车来说， 人类小孩四岁光靠眼睛看世界就吸进几十万亿字节，二十小时练习就能上路，而我们的大模型相当于读了人类四十万年的书， 在物理世界里连个洗碗叠衣服的家务机器人都撑不起来，换个没见过的环境分分钟崩溃， 说白了自回归只是在一个词一个词往下猜，现在的所谓推理其实大量是在词语空间里做多轮抽样搜索，遇到代码和数学这种有编译器自动给奖励的封闭沙盒还能刷分，一旦扔进没有自动打分器的真实世界，错误就会指数级放大 
说实话这就是为什么他宁可离开Meta、跑到巴黎去给AMI Labs融三十五亿美元估值，也要死磕JEPA和世界模型，他要的是让机器学会预测我做这件事世界会发生什么， 在抽象空间里做动作规划，不用在文字表面拼漂亮句子，连现在的缩放派其实都在偷偷向他妥协，单独拉视觉编码器、在隐空间里做搜索、用物理引擎搞模拟， 外壳虽然还叫LLM，内核其实都在往世界模型的方向打补丁，大家争论到最后已经不是要不要算力，而是我们要把算力花在背诵更多文字上，还是花在让机器看懂物理因果上 
我自己平时也天天靠AI写代码查资料，缩放派确实把已知世界的说明书背到了极致，但真正的智能是要去写说明书从来没写过的那一页， 以后别再看各家发布会画什么天才之国的饼，就盯紧三件事，新任务要多少样本能学会，换个环境会不会整段崩溃， 以及汽车和机器人能不能像人一样在物理世界里安全跑起来，谁对谁错不用在网上打嘴仗，现实世界自会交卷。

说个很残酷的真相，很多名校毕业满绩点的大厂员工，其实根本没有从零把一个东西带到这世界上的能力， Anduril创始人Palmer Luckey最近在播客里聊招人标准，这个在车库手搓出 Oculus、转头创立 Anduril 的硬核操盘手，招人时的核心标尺极其反直觉：他说自己看一个人，最在意的从来不是学校布置的作业，也不是前东家付钱让你干的活，而是你有没有用自己的业余时间和真金白银， 去做过一件没人要求你做、但你非做不可的项目， 这话听着像老生常谈，细想极其狠毒，学校和职场教你的都是题目别人出好了，你只管交差拿分拿工资，这种训练只能产出合格的执行者， 但当你自己掏钱在周末折腾一个世界上还不存在的软硬件，采购、散热、踩坑、砍需求全是你在扛，一旦搞砸了没人替你兜底，你才会真正学会怎么在混乱中做决策， 很多人以为搞副业是为了给简历贴金，其实顶级造物者一眼就能看穿，履历只能证明你擅长适应现有的系统，只有那些脱离了系统、甚至在没人看好的时候你还偏要把它带到这个世界上的东西，才证明你是个真正有魂魄的builder。

这两天看着 29 岁的 @alexandr_wang 在 X 上天天发梗、轻描淡写地推 Meta 最新的 Muse 系列模型，再回头翻他的履历，真的会有一种极度魔幻的宿命感，我来澄清一些关于他的谣言， 媒体真的太喜欢给他贴爽文标签了：19 岁 MIT 退学、24 岁成全球最年轻白手起家亿万富翁、28 岁身家三十多亿刀，被扎克伯格用百亿美元交易直接迎进门当首席 AI 官。 但如果你真的做过技术或者创过业，剥掉那些闪瞎眼的数字，你会发现他最可怕的地方根本不是什么天才光环，而是他在所有人都去追逐虚荣指标的时候，一头扎进了整个行业最脏、最苦的泥坑里。 他出身在洛斯阿拉莫斯——曼哈顿计划的诞生地，父母都是核物理学家。从小一路打数学和物理竞赛保送级别的履历，17 岁就不上学跑到硅谷写代码，大一在 MIT 就去上研究生的机器学习课。 按照当年硅谷的典型路径，这种智商怪兽大概率是发几篇顶会 Paper，或者进大厂当个年薪百万的明星科学家。但他 19 岁创办 Scale AI 的时候，挑的却是一个在当时看来极不上台面的生意：给自动驾驶洗数据、做数据标注。 那时候算法圈谁看得起标数据啊？大家都觉得自己是搞高级理论和复杂架构的，数据标注被当成劳动密集型的廉价杂活。但现实很残酷，现实是顶配的神经网络喂不进结构化的高质量数据，就是一堆废铁。 他把全球几十万外包标注员组织起来，给整个硅谷啃最脏的骨头。从图像分割一路干到大模型的 RLHF、红队测试。OpenAI、Google、Meta、微软，甚至五角大楼……所有人都在神坛上炫耀自己的模型有多聪明，但在台下默默给这些模型擦屁股、喂干粮的，全是他。 这也是为什么当年 Lucy Guo 因理念不合离开，后来还有一堆外包劳工诉讼、肯尼亚低薪伦理争议，都没能拦住这家公司野蛮生长。他甚至早在疫情期间就跟萨姆·奥特曼合租，一边在国会听证会上替国防 AI 游说，一边把 Scale 做成了谁也绕不开的水电煤。 最绝的一步发生在 2025 年。当全硅谷还在猜 Scale 什么时候敲钟上市的时候，扎克伯格以近 290 亿美元的估值收了 49% 股权，直接把他挖过去执掌 Meta Superintelligence Labs。 很多人以为小扎买的是一家数据公司。其实小扎买的，是一个把 OpenAI、Anthropic、Google 内部训练底牌看了整整八年的人。整个人类最顶尖模型的脏活全在他手上过过一遍，还有谁比他更清楚这帮巨头到底踩过什么坑、用的是什么配方？ 从 19 岁在出租屋里给无人车标路况，到 29 岁执掌 Meta 整个超级智能实验室跟老东家 OpenAI 硬碰硬，他这一套打法给所有技术人上了一堂极深沉的课： 大模型时代真正的胜负手，从来不是谁把概念吹得最响。先去把别人嫌脏、嫌累、不想碰的底层管道给焊死，当你成为整座城市的供水系统时，那个造水龙头的人，迟早得把整座大厦的钥匙交到你手里。

卧槽， 这个必须卧槽一下， 继被亚马逊封杀的Muse之后， Meta又放大招了，扎克伯格在刚刚的 Meta Connect 上甩出的这副 Meta VR Glasses， 说实话，彻底把苹果 Vision Pro 苦撑了两年的遮羞布给扯下来了啊， 苹果用了 3500 美元和 600 克重压都没做成的“空间电脑”，被扎克伯格用一根光纤线、一个口袋计算盒和 1299 美元直接拆解了。 这副没有任何绑带的 100 克 VR 眼镜，硬是用 37 PPD 的无颗粒视网膜屏、IMAX 原生认证和多屏串流，把巨幕影院与外接工作台压成了普通人戴得起的日常形态。 它甚至主动牺牲了硬核玩家看重的超大视野，彻底放弃虚无缥缈的元宇宙社交， 只专注解决一件最实际的事：让你在长途航班或出差酒店里，毫不费力地戴着它连看两场 3D 电影、写完一整天代码。 兄弟们要知道过去十年几乎所有 VR 头显最后都在家里吃灰， 原因其实就三个，太重、太热、戴上去像在脸上捆了个电烤箱， 苹果砸了 3500 美元做出来的空间电脑，600 多克的铁疙瘩戴半小时脖子就抗议， Meta 这次最狠的地方在于工程上彻底认输，不再死磕把所有零件全焊在脸上，芯片、电池、散热风扇全扔进口袋里那个巴掌大的计算盒， 只留下一根极细的光纤连着一副黑色大墨镜，硬生生把脸部负重直接干掉了五分之四， 很多人看到这根线觉得倒退了，其实换个角度看，这恰恰是整个行业十年来最成熟的一次妥协，它配了两块顶级微 OLED 屏，清晰度直接拉到 37 PPD，连詹姆斯卡梅隆戴完都直呼被震撼到了， 现场甚至有人直接拿它连着笔记本在桌子上剪完整部电影，以前戴头盔看文档十分钟眼睛就酸，现在文字锐度直接压过了很多专业显示器，只要往沙发上一靠或者在飞机上一坐，眼前就是一块专属的 IMAX 巨幕，

一直以为hailey是男生，最近加了微信以后才知道是个女孩，现在是独立开发， 讲真不邪修，不擦边，靠踏实内容半年做到2万粉真的不多，账号突然被封，从0-1起号ing， 非常nice优秀的小姐姐，内容质量很高，值得关注一下！

卧槽，Jev 算是被国内开发老哥彻底玩明白了哈哈，家里的吃灰的闲置安卓机有用处了，装上这个对话副驾，微信里那些猜不透的在吗和再想想，一秒算出危险等级，直接化身随身高情商外挂。 韭二分享的这个聊天副驾的开源项目真的有点吊炸，在微信旁边挂一个悬浮窗，收到消息一秒钟内，不管是领导半夜发来一句在吗，还是甲方说方案再想想，都能把把对方的意图和底牌给算出来， 而且它解决问题的逻辑极其狠辣：
第一，看透意图：一秒算出对方是在试探、施压、催进度还是委婉劝退。
第二，量化风险：直接标出一到九级的情绪危险分，明确告诉你该立刻回还是冷处理十分钟。
第三，策略给满：大模型瞬间起草三套不同风格的口语化回复，按胜率排好序，点一下直接填进输入框。最神的一笔是绝对不自动发送，把最终扳机永远留给人手，彻底断绝 AI 替你发疯送人头的可能。 底层工程更是把防封做到极致：
不 Hook 进程，不改安装包，不抓通信协议，不读微信本地数据库。纯靠安卓无障碍读屏，甚至把服务伪装成系统的语音朗读组件，直接绕开新版微信的节点混淆。在微信风控眼里，它就是一个合规的读屏软件，零 Root 零封号风险。

兄弟们好东西来了， Qwen-Image-2.1 社区无审查 GGUF 版放出了， 安全拦截全部下线，懂的都懂。 而且作者搞了一套极度聪明的切分跑法，文本编码放 CPU，主模型进 GPU，生成几乎不降速，显存立省 9 到 17G，直接把本地出图的门槛焊死在平民卡上。 平时在各种在线平台跑图，最搞心态的就是动不动弹窗拒识或者直接给你涂黑一张图。 这个版本最爽的地方就在于把内置的安全拦截全拔了，提示词不设防，敏感内容和成人画面直接放行出图。完全是在自己电脑本地离线跑，彻底摆脱外部干预。 更绝的是它的显存优化方案。以往跑这类大底座，动不动就得吃掉 20 多 G 显存，平民显卡直接当场劝退。这次作者在 ComfyUI 里的解法极其优雅：把极其吃显存的 8B 文本编码器直接甩到电脑普通内存去跑，显卡只负责吞下 7B 的视觉生成主模型。 因为文本编码在整个出图过程中只在最开头执行一次，后续几十步的扩散迭代完全在显卡里跑， 所以这么切分不仅几乎不拖慢出图节奏，还能凭空帮显卡省出 9 到 17GB 显存。手头只有 8G 到 12G 显存的甜品卡，也能在本地顺畅跑完 2K 分辨率的大图。 除了省显存，工作流也是直接大瘦身。以前在本地搭一套能用的生图流程，先文生图，再换重绘模型修细节，最后还得外挂抠图插件去背景，工作流连线密密麻麻像盘丝洞。 Qwen-Image-2.1 直接把文生图和图像编辑焊进同一个模型里，而且原生自带 64 通道 RGBA 输出，在提示词里指定透明背景就能直接吐出带透明通道的切片素材，抠图节点全都可以删掉了。 另外它最多能吃 10 张参考图。最实用的场景就是多人合影：直接把 6 个人的单独大头照喂进去，模型能一次性合成出一张光影相互反射、透视完全协调的多人自然大合照，彻底告别以往硬拼贴的僵硬感。画面质感上的提升也很扎实，中英文字排版不再扭曲画符，皮肤质感、毛发细节和真实光影过渡非常自然，完全摆脱了早年那种油腻腻的塑料感。 既有不设限制的纯粹自由，又有极致省显存的工程优化。手头有平民卡又想折腾本地高质量出图的老哥，这波直接冲就完事了。 模型和实测避坑放在一楼。

喵个咪，乔布斯要是还在世，看到这一幕大概当场要气到跳起来： 苹果过去 40 年精心维护的极简主义和精英公关秩序，被甲亢哥 Speed 攥着一台 2000 刀的 iPhone Duo，一记原地后空翻给彻底踹翻了。。。 这是今年苹果发布会最炸裂、也最荒诞的 30 秒： 库克最核心的接班人 John Ternus，大概以为这只是一次跟 6000 万粉顶流的常规客套； 结果 Speed 先是对着这位身价千亿的高管当面狂吠学狗叫， 接着一把抢过全场唯一的折叠屏真机，大喊“我要成为人类历史上第一个握着 iPhone Duo 后空翻的人”， 在苹果总部光滑的木地板上，当着所有人的面原地凌空翻了一圈。 落地之后他狂吼的那句双关金句简直封神： “I flipped! I flipped the iPhone!”（我翻了！我也把这台折叠机给翻了！） 最绝的其实是这个人类幼崽级的心机细节： 他在起跳前一秒，居然还极其清醒地把自己口袋里的 iPhone 18 掏出来小心翼翼放在桌上—— 他自己的手机不能摔，但苹果总部的 2000 刀测试机随便摔。 全世界科技媒体花了几千万预算，在评测室里严谨地测试铰链弯折疲劳、分析 1400 尼特峰值亮度， 所有人加起来的记忆点，都不如甲亢哥这记亡命后空翻留下的深刻。 传统科技评测在这个时代正式宣告脑死亡： 没人关心你的跑分表格， 在这个注意力被揉碎的世界里，把一台两万块的工业奢侈品拽进街头马戏团，才是 2026 年最顶级的病毒式狂欢。

前 Cursor 核心架构师、现 xAI 工程师 poteto 刚发了句暴论，直接把全网的“计划模式”抽得粉碎： “别再对着 Agent 抠什么长篇大论的抽象计划了。 又长又漂亮的 Plan，除了给你制造一种‘我们推进得很高效’的虚假幻觉，本质上全是一堆没有着陆点的泡沫。” 这篇长文的标题极其性感，直接戳中了 2026 年所有开发者的痛处： 《如何管理一个比你还聪明的存在（Agent）？》 她在 Meta、Netflix、Cursor 摸爬滚打了上千万行代码，给出的工业级答案刀刀见肉： 很多人用 Agent 喜欢搞对抗性评审（Adversarial Review）， 让 AI 写出 10 页纸的架构预案，人类在文字层面逐条挑刺； 但残酷的事实是：你一旦让 Agent 在抽象层面过度推演，它就会开始对着空气疯狂幻觉，编造出一堆现实中根本不会发生的伪边缘场景去自我防御。 真正的顶级工程做法只有一条： 别在计划还停留在抽象层时把它“煮得太熟”（Don't overcook abstract plans）， 直接用代码原型（Prototyping with code）去约束它。 让它别光打字，直接去写最小可运行原型； 让它自己用测试工具（Verification Skills）跑一遍，把录屏、截图和报错事实拍在桌上自证； 人类别去当咬文嚼字的文字考官，人类唯一的职责，是给它装上那个“能判断它有没有说谎的物理地基”。 从 Prompting 到 Planning，很多人以为这是终点， 其实这两层全是在文字游戏里打转； 真正的工业分水岭叫 Verification（确定性核验）—— 能用真实代码自证结果的 Agent，才是那台能放心地跑在生产线上的发动机。

网卖 500 刀的所谓 Agent 实战课，含金量加起来都不如 Google 官方刚录的这 1 小时。 真正的大厂工程师根本不在聊天框里调试 Agent， 他们把单人做团队的秘密，全押在了「图工程（Graph Engineering）」上。 这 1 小时视频，直接从零教你搭一套不用人肉值班、24/7 自动运转的 Multi-Agent 商业系统： • 00:00 撕开图工程真相：告别单线流水线，接入状态图与动态路由； • 09:16 最小可行 Agent：怎么把工具（MCP）接入节点； • 21:15 状态与记忆流转：解决长任务上下文爆炸与失忆痛点； • 41:03 生产环境落地：多智能体并发调度与自动容错； • 52:21 自进化闭环：让 Agent 在失败中自动修补逻辑。 如果你想做能持续赚钱的 AI 自动化业务，而不是写几个 Demo 自嗨， 这绝对是今年含金量最高、没有半句废话的必看视频。

最近x来了很多新人，很多都是在国内微信公众号，抖音，小红书拿到过结果的高手， 给大家推荐下@LaurentJehanno ，3 年、300 个账号日更、100 万+利润、最高单日 173 万阅读， 生于分享的这组数据最狠的地方，我觉得还不是他赚了多少钱，而在于他把公众号这种极度吃人力的苦活做成了一座可复制的工业化内容工厂 从最初到处封号、颗粒无收，到后来跑通高产出的爆文自动化链路，他踩过的坑可能比很多人发的推文都多。 难得他愿意来 X 开源这套体系，刚发的第一条复盘信息量就很足，做流量和内容矩阵的朋友推荐关注一下

看完了玉伯用 YouMind 30 分钟写出百万爆文的复盘，
我发现很多人只看到了孙宇晨的热点残温，
却完全漏掉了 AI 时代创始人营销最硬核的底层质变。 30 分钟能写完根本不证明工具有多神，全篇最值钱的是那句主要时间在人，我阅读花了好几分钟， 
不可复制的从来不是提示词和模型速度，而是顶级编辑能一眼看出哪 3 处必须动手改的品味， 
如果产品不能把这种审美和审稿标准沉淀下来，普通用户拿到同一套提示词，也只能产出一篇更通顺的平庸废话。 移动互联网时代创始人下场多半是去站柜台讲参数，但 AI 时代产品本身就是工作流， 
这里说个暴论，创始人去一线的终极形态，是把自己活成公司最强的一条 Skill， 
先把个人的选题嗅觉和修改标准通过高频使用写进产品，再通过公开作品把后厨彻底打开，把人的品味一步步产品化。 AI 创作工具如果只做模型搬运工，早晚会被基座模型直接碾碎， 
未来真正能形成壁垒的，从来不是生成速度，而是把少数人的顶级判断封装成所有人都能调用的工作流资产啊。

本地大模型的显存壁垒，今天被正式宣告物理终结了， 单张 24G 的 RTX 4090，竟然真把 125B 的 Qwen 3.8 Flash Next 给跑起来了， 而且上下文直接拉到了 25 万，解码速度稳在每秒 21 个词 以前跑这种百亿千亿级的巨无霸，动辄要租几张 A100 数据中心集群， 但这次海外极客在 Ubuntu 上用一张普通 4090 加 110G 白菜价 DDR4 内存， 硬生生跑出了生产级的速度: 预填充每秒 364 词，解码每秒 21 词， 最狠的是没开 MTP、没开 dflash，连 KV 缓存都没做任何量化 很多人好奇 24G 显存怎么塞得下 125B 还带 25 万上下文， 核心全靠 llama.cpp 最新分支里一个叫 -cmoe 的物理外挂: 它把 512 个专家层全部扔给廉价的系统内存， 把最吃计算的注意力机制留在 4090 显存里， 显存占用瞬间从 24G 暴跌到 11.6G，而且解码速度几乎毫无损耗 空出来的整整 12G 显存，全被拿去放上下文， 直接把窗口一路顶到了 250,000 的绝对上限，跑完甚至还剩 5 个多 G 的显存余量 再加上把 batch 设到 4096，提示词处理速度直接翻倍狂飙， 以前大家觉得消费级显卡只能跑跑 7B 到 27B 的小模型， 现在 MoE 架构加上内存卸载，直接把数据中心级别的智能焊死在了家用电脑里 本地折腾私有大模型和超长 Agent 的时代， 真的被这套组合拳给彻底砸开大门了啊

B站这是第三次出海了，前两次都死了，这次有点不成功便成仁的感觉，把招人启事都贴到x上了哈哈哈😄 第一次出海是 第二次是白图标国际版，2025年7月官宣8月就下架，官方说主站粉版已覆盖国际功能。看起来像撤退。 今天是第三次。同一个包名，版本号从停更已久的3.20.4直接跳到6.2.6，粉图标加地球，第一次把全球创作者写进对外叙事。 2025年下架白图标不是认输，是拆掉一个只能看不能建社区的半成品。内部时间线至少走了一年。 这次到底变了什么呢？？？ 第一，免实名写进了主推文，不是藏在设置里。上一轮海外用户卡死在中国身份证，这轮直接拆掉。 账号和内容国内国际网页互通，国内UP主可能自动获得一层海外分发。 第二，AI原声翻译。2025年8月就上线了保留UP主声线的AI翻译，今年1月先上了Bilibili Studio国际版。 以前出海死在外国人看不懂中文口播，现在能看还能听见你的声音。 第三，他们来了X，没去微博开发布会。Discord接反馈，英文账号正面回盗转投诉。账号不叫Bilibili Official叫Creator Hub。 因为他们要招的人——独立动画、VTuber、AMV、同人音乐——话语场就在X。这是以往B站官方几乎没有过的姿态。 为什么是现在？ 国内MAU 3.76亿见顶，DAU 1.15亿，人均时长119分钟已经是公司纪录，总营收只增7%。2025年刚盈利，终于有钱再打一次。海外需求早就在了，Bilibili World 2026向190多国售票，护照购票占13%。8月27日发Q2财报，上线卡在8天前。 国内见顶，刚盈利，AI成熟，存量海外用户，财报窗口。五层叠在一起。 最反直觉的判断：他们没在打YouTube全场。 YouTube对动画和中视频越来越不友好，儿童内容误伤、demonetize。B站基因不是短视频算法，是中长视频加弹幕加兴趣圈层，战场是ACG、知识、游戏这类YouTube服务不好、TikTok又太短的内容。 字节出海把抖音切成TikTok，B站反着来，同一个名字新加坡主体做防火墙。赌的是bilibili这三个音节在二次元圈已经有认知，换皮会丢掉唯一的资产。 对创作者一句话：这是一个还很空的第二平台期权，不是新主业。 双语、视觉优先、ACG相邻的中视频，接下来3到6个月会短暂享受供给不足的额外曝光。免实名对VTuber和人设号是结构性利好。 但别幻想国际版第二天变成英语YouTube，海外播放算不算国内创作激励，官方还没说清。 版权和盗转第一天就会爆，看家作品先别搬，可以先试水占位，别一上来就All in。

你永远可以相信@deepseek_ai 开源的诚意！！！ DeepSeek 竟然把自己内部工程团队吃饭的家伙直接开源了🤯。。 就算DeepSeek API价格涨价12倍， 我依然觉得叫一声梁圣他值得！ DeepSeek Harness发布的仓库里，把自己内部工程团队怎么干活的11个真实工程级 Skill，也全部拿出来了， 是他们自己每天在用的Code Review标准、质量门禁、PR验收流程，damn！！！ 你可以拿来塞进Agent直接跑： 等于让你的Agent按DeepSeek内部的工程标准干活，像资深工程师一样工作——知道什么优先、什么该拦、什么该删、什么该归档， 1️⃣ dsh-code-review — Agent 按仓库自己的标准做语义审查,优先看正确性、安全边界、生命周期,不是堆 nit
2️⃣ dsh-pre-push-checks — 推送前只跑与当前改动相关的最小检查,不是机械全量测试
3️⃣ dsh-find-simplifications — 主动找过度设计、死代码、重复实现,写成正式提案
4️⃣ dsh-merging-stacked-prs — 安全落地一串依赖的 Stacked PR,不再手动改 base 改到崩溃
5️⃣ dsh-doc-site-sync — 文档站永远是源文件的投影,不是两套独立的东西
6️⃣ dsh-doc-standards — 文档层级、字数预算、教程 vs 参考的结构纪律
7️⃣ dsh-prose-standard — 所有 prose 只保留合同（不变量、前后置条件），去掉装饰和推理过程
8️⃣ dsh-translate-docs — 中英双语文档的高质量维护,强制术语一致+验证门禁
9️⃣ dsh-trim-cot-leakage — 清理文档里残留的思维链泄漏、变更叙述、审查痕迹
🔟 dsh-archive-agent-notes — 决策笔记按未来价值归档,解决知识库膨胀问题
1️⃣1️⃣ record-browser-gif — GUI 相关 PR 必须附真实浏览器录制的交互 GIF,验收从看文字变成看行为 我觉得这些skill的真正价值不是教 Agent 写代码,而在于教 Agent 怎么像一个有经验的工程师一样工作——有标准、有优先级、有质量门禁、有归档纪律, 资深工程师脑子里那些隐性的工程纪律,现在变成了可执行、可复用、可审计的 SOP, 做 Coding Agent 或者在搭自己 Harness 的兄弟, 这11个skill值得一个字一个字拆， 每个背后都是踩了无数坑攒出来的工程方法论，比你买多少课都管用。 GitHub 链接放评论区 👇

DeepSeek V4 Pro 作为当前最强开源 Agent 模型，有个很离谱的毛病， 或者说是有个真实软肋： 能力高度绑定特定脚手架， 换个工具集换个 harness 换个系统提示，它就可能从 99 掉到 91, 也就是说同一个模型，同一套任务，分数能差 7 到 8 分， 区别只在一件事：第一轮你给它用了多少工具， 如果把25 个工具从第一轮全塞进去，91 分，思维链全是 let me，到处乱试， 只给 bash 和 str_replace_editor 两个，稳定 96 到 99, 两阶段锚定——第一轮只给 2 个核心工具，模型真正调用后再解锁完整工具面——连续 98 和 99, 91 和 99，同一个模型，为什么？？ V4 Pro 经过强 RL 训练，高能力轨迹被高度条件化在极简接口上，训练时它见的就是这种环境， 你一上来塞 25 个工具加复杂系统提示，等于直接把它推出训练分布， 这时候它除了被干扰了注意力，还相当于被推进了另一个行为模式， 规划者和混乱执行者之间没有过渡，首轮条件直接决定后面整条轨迹， 最讽刺的是官方自己也知道， DeepSeek 跑公开 Agent benchmark 用的就是极简模式，灰测成绩和极简路径高度一致，正式版默认给你 Standard，然后一用就拉， 评测用的脚手架和用户用的脚手架，不是同一个东西， 社区已经出了补丁， dsh-routing-suite 和 dsh-anchored-standard，自动第一轮极简锚定，首次工具调用后挂档解锁， 不想装插件就自己写状态机，第一轮只暴露两个核心工具，模型真调用了再注入剩下的， 最低成本验证：同一个任务，Standard 跑一遍，极简跑一遍，看思维链起手词， let me 开头是混乱模式，we 开头是规划模式，差异肉眼可见， 但补丁能治不代表病好了， 当前最强开源 Agent 模型有个真实软肋：能力高度绑定特定脚手架，换个工具集换个 harness 换个系统提示，它就可能从 99 掉到 91, 根本解法是模型自己对更丰富的工具面具备鲁棒性，不是每次靠用户帮它找锚点， 当然不是DeepSeek的模型菜，别一上来就把整套工具箱全放出来，先给两个工具上手再说

收到老马发的工资了，这期创作者收益略微下降， 但依旧是达到了$1800， 真的想跟大家说，x是目前最值得做的平台， 也是自媒体变现收益最高的平台， 而AI自媒体是咱们大部分普通人吃到这波AI红利 门槛最低的途径， 2周没有白辛苦，感谢老马， 以后失业了我要专职给你打工， 我如果全职做，一个月$5000应该没事问题， 喵个咪，比在国内做苦逼的牛马可香太多了！！！