Tz (@Tz_2022)

卧槽。。。真的无语了。。。😨 Opus 5.5 到底是被喂了什么黑魔法？！！ 我用的提示词简单到只有一句： 把它做成 2D 动画视频吧，用BBC那种音色，英文讲解中英文双语字幕 视频效果/剧本完整性/人声匹配度/音乐音效配合度，你们自己看吧。。。 满分还谈不上，但绝对过各大视频站收益基准线了。。。

# 《硅基自然》第二季·第一集：回潮 月末到了，新草原的额度也见了底。这一次，雷声从来时的方向传来。 最先察觉的仍是那只秃头的成年程序员。 它在 Codex 的水草间抬起头，朝旧草原的方向望去。风里飘来一张截图：一根柱子比其他柱子高出一截，下面是几千条转发，每一条都在说同一句话：“它一次就跑通了。”没人知道“它”跑通了什么。这不重要。在这片土地上，传言本身就是雨季。 迁徙开始了。 和上一季不同，这一次它们带上了 AGENTS.md。几只年长的个体在出发前做了一件奇怪的事：它们在原地给 AGENTS.md 建了一个软链接，取名 CLAUDE.md。动物学家认为，这是种群在反复迁徙中演化出的两栖器官。它们已经不指望任何一片草原是终点。 —— 队伍再次抵达马拉河。 鳄鱼浮了上来：“确定要取消订阅吗？我们为您保留了一份五折优惠。” 一只初次回迁的个体愣住了，这声音太熟悉了。研究者花了很多年才弄清楚，这条河里从来只有一条鳄鱼。它在两岸说同一句台词，只是换了配色。它从来只属于这条河。 河中央，它们又一次与反向的队伍擦肩而过。这一次，有一只停下来，多看了对面一眼。它认出了一个头像。上个月，它们在同一个 issue 下争论过，都断言对方的草原要完了。两只都没有说话，各自低头，继续渡河。 —— 天空中盘旋着秃鹫。 它们从不迁徙，也从不下河，只在两岸之间低空掠过，叫声短促：“官转，一比一，量大从优。” 秃鹫是这片生态里最晚演化出来的物种，也是扩张最快的。它们不长草，也不吃草。它们在两岸各养一批账号，把草嚼碎，按口分装，再卖给河里的动物，价格只要草原标价的零头。 沙洲上的草味道并不稳定。有时秃鹫说叼来的是对岸最好的那一片，嚼起来却总差一口气。秃鹫群里有一条置顶公告：“均为官方直连，如遇降智，请检查您的提示词。” —— 抵达的第一夜，旧草原的水源地挤满了。每个水洼前都竖着同一块牌子：Overloaded。成年个体见怪不怪，退到阴影里等着。它们知道这里的草长得快，被吃光得也快。每五个小时长出一截，每七天来一场小旱季。所谓水草丰美，从来都是分时段的。 然后它们找到了旧巢。 上一季匆忙遗弃的 CLAUDE.md 还在原处，已经长满了过时的指令。入口处刻着一行醒目的字：“永远不要修改 migrations 目录。”没有一只个体记得为什么。它们犹豫了一下，没有删。在这片草原上，没人敢拆一道不知来由的栅栏。 草原不认识它们，它从不记得任何回来的动物。于是每一只都蹲下来，把自己的项目结构从头讲了一遍，就像第一次来时那样。 —— 镜头里出现了一只今年才出生的幼体。 它从没手写过一个 for 循环，不知道什么叫迁徙，只知道跟着前面那条尾巴走。它学会的第一个词是“continue”。它以为世界本来就是这样摇晃的。也许它是对的。 —— 我们再次找到了那只年长的雄性。这是它第十一次迁徙的回程。 走到河中央时，它背上那个没跑完的 agent 任务忽然安静下来，吐出一行字：All tests passed. 它站在齐腰深的水里，愣了很久。它说不清这个任务是在哪一岸完成的：一半上下文吃的是这边的草，一半是那边的。它也终于意识到，从头到尾，背上的东西从没关心过它往哪里走。 它卸下那个任务，背起下一个，继续往前走。 —— 草原会轮换，鳄鱼会换装，秃鹫散了一群又会来一群。唯一不变的，是月初的雷声和月末的回潮。 这就是硅基自然的法则。

Opus 5.5 真的是有一种讲不清道不明的独特气质和品味。。。 这是它用 JavaScript 画的自画像以及匹配的钢琴曲（曲子自然也是它自己谱的。。。）

可能还有人不熟悉 Jeff Dean 在程序员世界里的地位。 这么说吧：很多技术大佬拥有履历，Jeff Dean 拥有一整套以自己为主角的创世神话和迷因传播。。。 ----- 关于 Jeff Dean，你可能不知道的一些事实： 1. 编译器不会警告 Jeff Dean。 Jeff Dean 会警告编译器。 2. Jeff Dean 提交代码前也会编译和运行一遍。 主要是为了检查编译器和 CPU 有没有 Bug。 3. Jeff Dean 曾经写过一个 O(n²) 算法。 那是用来解决旅行商问题的。 4. Jeff Dean 对常数时间复杂度仍不满意，于是发明了世界上第一个 O(1/n) 算法。 5. Jeff Dean 的 PIN 码，是 π 的最后四位。 6. Jeff Dean 不需要记住 π。 他每次都现场重新计算，而且只占用 O(log n) 空间。 7. Jeff Dean 还在等待数学家发现他藏在 π 里面的那个笑话。 8. Jeff Dean 的键盘上没有 Ctrl 键。 因为 Jeff Dean 永远拥有控制权。 9. Jeff Dean 的键盘其实只有两个键：0 和 1。 10. Jeff Dean 写程序时，会先把二进制机器码写完，再补一份源代码作为文档。 11. Jeff Dean 的 IDE 不做代码分析。 它只负责欣赏代码。 12. 当 Jeff Dean 打开性能分析器时，循环会因为恐惧而自行展开。 13. gcc -O4 的工作原理，是把你的代码发给 Jeff Dean，让他重写一遍。 14. Jeff Dean 不会产生段错误。 内存会主动重新排列，把代码和数据放到正确的位置。 15. Jeff Dean 可以实例化抽象类。 16. Jeff Dean 可以用正则表达式解析 HTML。 而且是正确地解析。 17. Jeff Dean 曾经把一个 bit 移得太用力，结果它跑到了另一台计算机上。 18. Jeff Dean 不使用 ECC 内存。 他会提前预测宇宙射线，并利用它们提高性能。 19. Jeff Dean 发出一个以太网帧时，从来不会发生碰撞。 其他数据帧会主动退回各自网卡的缓冲区。 20. Jeff Dean 的代码运行得太快，汇编程序需要连续执行三个 HALT 才能把它停下来。 21. Jeff Dean 不调用 sleep()。 他调用 wait()。 22. Jeff Dean 睡不着时，会用 MapReduce 数羊。 23. 2002 年 Google 索引服务器宕机时，Jeff Dean 曾经人工回答了两个小时的搜索请求。 评测结果显示，搜索质量提高了 5 个点。 24. Jeff Dean 发明 MapReduce，是为了给粉丝来信排序。 25. Jeff Dean 发明 Bigtable，是因为他的简历已经无法存进其他数据库。 26. Jeff Dean 的简历只记录他还没完成的事情。 这样比较短。 27. Jeff Dean 的简历成就太多，所以附有目录。 28. Google Search 只是 Jeff Dean 为自己真正的项目写的一个大型单元测试。 29. Google 基本上是 Jeff Dean 的业余项目。 30. Jeff Dean 曾经参加图灵测试，但失败了。 因为他在一秒钟内准确说出了第 203 个斐波那契数。 31. Jeff Dean 可以在三步之内赢下四子棋。 32. Jeff Dean 曾经随手拿错了电脑，把儿童画板带出了门。 等他回家换电脑时，已经在画板上写完了俄罗斯方块。 33. 贝尔发明电话后，发现自己有一个 Jeff Dean 的未接来电。 34. 上帝说：“要有光。” Jeff Dean 当时负责代码审查。 35. 真空中的光速原本只有每小时 35 英里。 后来 Jeff Dean 花了一个周末优化物理学。 36. Jeff Dean 的程序出现未定义行为时，一只独角兽会骑着彩虹出现，给所有人发免费冰淇淋。 37. Jeff Dean 不写 Bug。 他只会实现一些你暂时无法理解的功能。 38. Jeff Dean 为了让代码审查者相信代码出自人类之手，有时不得不故意降低性能。 39. Jeff Dean 不存在。 他其实是 Jeff Dean 编写的一个高级人工智能。 40. 有人问 Jeff Dean，这些传言究竟是不是真的。 他回答：“111111。” 对方还在猜这是什么意思，他补充道： “每一个 bit 都是真的。”

我专门以 @elliotchen100 这个贴子为例，说一下 AI 味是从哪些表达里跑出来的吧。。。（已获得原帖作者授权） 1. 这种非人的概念做主语然后这个概念本身要怎样怎样像人一样作个什么事说个什么话然后冒号，是典型 AI 生成信号 —— “贡献边界得说清楚：”，如果是人类，一般的正常表达会是类似： 我对此事亦有贡献，包括以下几个方面：bluhbluhbluh 2. “真正……的，都是……”是典型 AI 生成文本信号 —— 如果是人类，一般正常表达会是类似： 其实是算法同事把研究、工程和实验做出来的 <--- 而不是倒装过来强调 3. 程度副词加（单字/双字）名词/形容词用来形容一个事物也是典型的 AI 生成文本信号，例如：很硬，很实际，极冷，等等 —— 如果是人类，一般正常表达会是类似： 这篇论文研究的问题和实际很贴近：（一般不会用 很实际 这种奇怪的表达方法） 4. 不是……而是，这个就不用说了，已经被骂烂大街了，AI 过于频繁到无耻地使用这种先否定再肯定的表达，已经让它本身现在几乎是完全没法用了。。。如果非要调整为正常人类语气，一般可以这样说： 结论是，我们不能追求「skill 越多越好」，而要在正确的任务里找到正确的 skill，再 harness 真正把它执行出来。 ----- 我也不知道 AI 为什么会从语料里习得这些非常古怪的表达方式，而且把它内化成为日常表达的常用手法。。。 我隐隐约约的感觉是它还是和中文语料占比过小，一些表达实际上还是从英语/西班牙语的语法逻辑那边硬凹过来的有关。。。

立贴为证： 不用太遥远，就在未来的1-2年/3-5年，类似像这样的柯洁看到“围棋上帝”的场景，会在多个领域以“见到xx上帝”的形式反复甚至是同时出现。。。

这个很值得一试。。。 Codex 小技巧：让 Sol 把 Luna Max 配置成专用子代理 在 Codex 里，可以让 Sol 继续留在主线程负责统筹，再把任务拆给 Luna Max 处理。 直接把下面这段提示词发给 Sol： ----- 请在以下路径创建一个名为 luna_worker 的自定义 Agent： ~/.codex/agents/luna-worker.toml 使用以下配置： model = "gpt-5.6-luna" model_reasoning_effort = "max" 请为这个 Agent 补充清晰的 description 和 instructions。 luna_worker 只负责处理范围明确、边界清晰、可以独立完成的委派任务，不负责修改整体任务目标，也不要自行扩大工作范围。 请保留我现有的其他 Codex 配置，不要覆盖或删除无关内容。 创建完成后： 1. 根据我当前安装的 Codex 版本检查配置格式是否兼容； 2. 展示本次修改产生的 diff； 3. 确认配置有效； 4. 后续需要调用子代理时，优先使用 luna_worker。 ---- 这样配置后，工作方式大致是： Sol 留在主线程，负责理解目标、拆分任务、检查结果和整合输出。 Luna Max 作为子代理，处理代码审查、模块分析、独立实现、测试排查等边界明确的子任务。 每个子任务拥有相对独立的上下文，可以减少主线程污染，也便于并行执行。

摸索出一个在 codex 里做连续任务节省大量 token 消耗且不损失上下文质量的极简方法。。。 一共就两步： 第一步，在一项任务完成后用以下提示词： 请针对 [任务描述] 给我一个 handoff，用于后续任务开发 第二步，开新对话 session，把生成的 handoff 作为第一条信息发给 AI，开始做后续任务即可 它的省 token 原理很简单，就相当于对之前任务的上下文窗口做了一次有针对性的极限摘要提取和压缩梳理，扔掉了上下文中类似原始代码/日志记录等冗余信息，只保留最核心的推理逻辑和项目任务理解，所以 AI 就可以轻装上阵快速进入下一项任务的开发了。。。

微软宣布推出了一款能对标 MacBook Pro 的 Surface Laptop Ultra 笔记本 如果我没有理解错的话，这就是英伟达那个 128 GB 通用内存的 Spark 小盒子被塞进了一个笔记本的壳子，然后去运行 Windows Arm 版的操作系统。。。

AIGC 这类视频的一大突破之处在于：舞者不一定是美女，TA 可以是任何拥有舞者之心的人形结构映射，这样的人物映射在 AI 加持下，能够给出像 So You Think You Can Dance 那种级别职业舞者的表现。。。 而这种生命力，这种异常错愕感新鲜度，又会成为视频爆款的来源。。。

现在 Fable 5 等级的 AI 已经可以通过口喷的形式制作出这种级别的小游戏了。。。 我觉得继「吃饭自由」、「财富自由」后，「游戏自由」的日子也不远了。。。