Culture et idées
2035 découvertes · Découvertes choisies sur le web ouvert, des plus récentes aux plus anciennes.
-
为雾凇拼音添加中英互译释义
最近看到一个开源输入法：水杉输入法，一款开源的自由 Windows 输入法，面向 Windows 10 / Windows 11，由 @FlyanLu 开发。 链接：<a href="https://github.com/metase
不吐不快 · ZH
-
同文输入法添加雾凇拼音和中英文释义
前言 Android 手机用了十几年了，输入法也用过很多，大公司如搜狗，微信，百度，讯飞等输入法实在不放心，有的还有广告。Gboard 输入法只能
不吐不快 · ZH
-
继续推广RIME-小狼毫输入法图形配置工具 WeaselTune
虽然最近很多新的开源输入法冒出来，但我还是觉得 RIME 最好用，为了推广 RIME，让更多人方便使用，我用 AI 做了这个图形配置工具 WeaselTune ，再也不用去手动编辑 YAML 文件了。 开源链接：
不吐不快 · ZH
-
又用AI做了个鸡肋-桌面单词日历墨水屏
最近两三个月我用 AI 做了不少东西，这个 ESP32 单词日历墨水屏就是新出品的鸡肋。 我为什么说都是鸡肋呢，开始做的时候自己感觉有用，做完了再看，也没那么的有用，特别是这个三色墨水屏。 [!IMPORTANT] 红白黑
不吐不快 · ZH
-
买时吹上天，拆开全是灰：工业奇迹从 MacBook 到 iPhone Duo
2008 年用上第一代 iPhone，当时觉得非常美好，就是最好的智能手机。于是花了 7000 多港币从香港买了一台 MacBook，白色塑料款。 <img src="data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5
不吐不快 · ZH
-
“懒人投资法”后续：退休以后，有什么可行的办法？
上次咱们聊了，为什么我觉得退休后把钱都放在SPY（标普500指数基金）里、既靠它生活、又靠它增长的“懒人投资法”行不通。今天我想进一步聊聊这个问题，看看有没有其他可行的方案。每种资产，都有自己的属性其实究其原因，就是资产…
chattymoney(跟我一起来谈钱) · ZH
-
实现财务自由的方法论
今天咱们来聊聊，具体怎么实现财务自由，一步一步来。先澄清：什么是财务自由？首先，咱们来澄清一下什么是财务自由。我对这个词的理解是：你处在马斯洛需求层次理论的第四层往上，不一定要完成第五层。具体表现是：在财务上吃穿不愁；在…
chattymoney(跟我一起来谈钱) · ZH
-
实现财务自由的第一步是什么？（不是标题党）
今天我们来聊一个我答应过网友的话题：怎么实现财务自由？第一步从哪儿做起？之前就有网友留言问：小姐姐，我怎么才能存到200万？后来周末我又和朋友吃饭，朋友也说，觉得工作压力大，但退休又遥遥无期。遥遥无期就会没有动力、没有干…
chattymoney(跟我一起来谈钱) · ZH
-
我要有多少钱才能退休？（上）
今天想跟大家聊一个我最喜欢、也最有争议的话题。有多少人是把这道题做好了，才能踏踏实实地享受人生；又有多少人因为这道题，焦虑得晚上睡不着觉。这个话题，甚至是我开这个频道最初的原因：我们得有多少钱，才能退休？两个大前提这个话…
chattymoney(跟我一起来谈钱) · ZH
-
Backdoor IRA与Roth转换（下）：税前税后的钱混在一起怎么算？
好几个月前我做了backdoor IRA的上期，一直有网友问下期怎么找不到。不是找不到，而是我拖延症犯了，一直没做。今天终于可以补上了。先说一下，我之前集中聊IRA的视频是第59、60、61期，看这期之前，你最好把这三期…
chattymoney(跟我一起来谈钱) · ZH
-
把延税账户的钱转进Roth：Roth转换和“Backdoor”
前两期咱们把IRA的基础知识重新过了一遍，包括传统IRA和Roth IRA各自有什么特点、优缺点，和401K比起来怎么样等等。铺垫了这么多，今天终于可以讲大家常说的“backdoor”了。如果你没看前两期，建议一定先去看…
chattymoney(跟我一起来谈钱) · ZH
-
重制：关于401(k)，这几个知识点你都知道吗？
今天这期也是重制系列的一期。之前有几期关于401(k)的视频音质不好，我删掉了，把内容合在一起，重新录了这一期。这期提到的几个知识点比较分散，彼此关系不大，但正好是美国一家金融公司做过的一个调查，他们围绕这些知识点出了一…
chattymoney(跟我一起来谈钱) · ZH
-
（小业主的退休账户）SEP IRA是什么？
今天想跟大家聊聊SEP IRA。先说说背景。我做了好多期401K、IRA这些美国退休账户的视频，但有一个人群没有覆盖到，就是自己做生意的人。这些人其实有一些别的选择，SEP IRA就是其中之一，类似的还有Solo 401…
chattymoney(跟我一起来谈钱) · ZH
-
我怎么用 Hermes Agent 写代码
我同时跑两个 Hermes Agent。 一个叫超级卷儿，处理日常对话和信息检索。另一个叫码卷儿，专职软件工程。两个独立的 Telegram bot，独立的配置，独立的会话数据库。 分开跑两个 Agent 是为了隔离上下文和环境。 核心纪律：码卷儿绝不写代码。 所有编码委托给 Codex CLI 执行。码卷儿只做 Product Owner 的事：写需求定义、做架构决策、验收成果。Codex 做实现者：读 spec、写代码、跑测试。 角色 产出 负责 码卷儿（Hermes PO） feature doc + 验收 需求定义、架构决策、质量把控 Codex CLI（实现者） 代码 + 测试 技术方案、编码实现、自测 流程很简单。用户说"我要一个功能"，码卷儿写一份 feature doc，里面只有需求描述和可验收条件。每一条验收条件必须可验证——“点击后 URL 变为 /zh/monaco” 而不是"跳转正确"。然后 Codex 读这份 doc，plan 模式出技术 spec，build 模式实现加测试。码卷儿逐条验收，全部通过就部署，有问题汇总退回。 码卷儿绝不读代码文件，绝不看完代码告诉 Codex 怎么写。有项目级疑问就委托 Codex plan 模式去调研。Codex 超时就直接汇报，等下一步指示。 验收的标准是 npm run build 通过只是最
电波障害 · ZH
-
【译文】/goal + 损失函数：如何用一条指令在 30 小时内蒸馏一个产品
原文 ： /goal + Loss Functions: How to Distill a Product in 30 Hours with One Prompt [Full Playbook] 作者 ：Elvis ( @elvissun ) 翻译 ：AI 辅助翻译 99% 的人用 /goal 和 agent loop 的方式是错的。 外面吹的是「长循环自主 agent：设定目标，走开，回来就拿到能跑的代码」。但顶尖的 agent 工程师半年前就在做同样的事了——用 harness engineering + spec-driven development： 给 agent 搭一个能观察问题的测试框架 写一份包含所有 test case 的 tight spec 让 Codex 或 Claude Code 无人值守循环，直到所有测试通过 我经常睡前 kick off 这种任务——一次跑 2-5 小时。四月份有一次，它啃了一整晚我们 Vercel monorepo 里的 Turbo build-cache bug，天亮时全绿了。根本不需要 /goal 。 所以 /goal 到底用来干什么？ 这是我离开后一条 prompt 干的事： 跑了约 30 小时，生成 6300 行代码，爬了 92000 页，花了 $40 API 把另一个产品的核心逻辑反向工程并完整重构 我们的版本输出质量比参考
电波障害 · ZH
-
【译文】自主长时运行编程 Agent
原文 ： Autonomous Long-Running Coding Agents 作者 ：Elvis（@omarsar0），DAIR.AI Academy 声明 ：本文由 AI 翻译，可能包含错误 自主编程正从"更好的提示词"转向"更好的控制系统"。关键的转变在于，工程师们正在学习如何用目标、评估器、循环和工件来封装 Agent，让它们在人类停止输入后继续工作。 这很重要，因为大多数严肃的工程工作跨越很长的周期：模糊的需求、隐藏的约束、部分失败、不断变化的上下文、以及反复的验证。新的前沿是围绕 Agent 设计系统，让它能够规划、执行、检查自己的成果、从错误中恢复，并在没有持续人工操控的情况下持续取得进展。 这篇文章基于我在 DAIR.AI Academy 的一场有关自主长时运行编程 Agent 的分享，我在其中演示了 Claude Code 的 /goal 模式、较新的 /loop 命令、验证器、工件和编排模式的实际应用。本文与 Codex 和 Claude Code 协作完成。 从 Prompt 到 Goal 设计 核心思路很简单：编程 Agent 仍然是执行者，但人类不再逐轮交互。人类改为指定期望的最终状态、证明成功的证据、不可违反的约束条件，以及在可能的情况下规定轮次和预算。 Goal 更像一份契约，而不是更长的提示词。一个弱的 Goal 给模型留出了提前停止、走捷径或
电波障害 · ZH
-
【译文】请不要搞个"企业大脑"就指望自动形成学习循环
原文 ： Please don’t implement a “company brain” and expect a learning loop 作者 ：Seth Rosen 声明 ：本文由 AI 翻译，可能包含错误 Satya 的那篇 推文 爆了，不奇怪。 他把两件事联系在了一起——人力资本和算力资本——通过一个学习循环：人类如何引导 AI，AI 如何让人类更聪明，以及整个系统如何滚雪球。 我们团队花了九个月研究和构建这个东西。 学习循环是你的长期 AI 战略。 没有它，AI 在当下很惊艳，但长期来看会无声地衰减。 长期 AI 工作远不止一次 Codex 或 Claude 会话。它是每个员工每天早上醒来，都在迭代团队和组织的整体目标。 你的长期学习循环有四个属性。 1. 最小可行上下文（Minimum Viable Context） 给系统注入你公司独有的判断力，而不是你公司说过的所有话。 2. 结构化、可溯源、多人协作 每个人和每个 Agent 都建立在同一个共享基础上，中间决策可以追溯和评判。 3. 可执行 一旦工作变得可见，Agent 就能直接在上面操作。 4. 复利效应 用越多，系统就越好。AI 衰减的反面。 从最小可行上下文开始 上下文是你最宝贵的资产，也是最危险的资产。所以，不要把整个公司的东西都灌进一个共享知识图谱。不要搞什么"全
电波障害 · ZH
-
【译文】循环工程的艺术
原文 ： The Art of Loop Engineering ·· 作者 ：Sydney Runkle (LangChain)·· 声明 ：本文由 AI 翻译，可能包含错误 Agent 之所以有用，是因为它们能通过在真实世界中采取行动来帮我们自动化工作。但要让 agent 可靠地完成有价值的工作，光有一个好模型是不够的——还需要一个精心设计的 harness（控制框架），且这个 harness 要适配具体的任务集。 核心 agent 算法很简单：给 LLM 上下文，让它在一个循环里反复调用工具，直到任务完成。这是最基本的循环。但远非驱动 agent 的唯一循环。@swyx 最近写了篇好文章叫 loopcraft：堆叠循环的艺术 ，核心思想是你可以通过堆叠和扩展循环来构建更有效的 agent。 下面是我们对这个堆栈的理解，以及如何用 LangChain 的各个原语来装备每一层。 循环 1：Agent 在最底层，agent 就是一个模型在循环里反复调工具，直到任务完成。 这就是 LangChain 的 create_agent 给你的东西。选任意模型，接入工具，就有了一个可以工作的 agent 循环。工具赋予了 agent 在真实世界采取行动的能力。 拿我们内部的文档 agent 举例（后面整篇文章都用它来做例子）。在第一层循环里，它收到一个文档改进的请求，模型规划并起草修改，然后
电波障害 · ZH
-
【译文】我们现在是工厂工程师，不是产品工程师
原文 ： We are now factory engineers, not product engineers ·· 作者 ：Zach Lloyd·· 声明 ：本文由 AI 翻译，可能包含错误 这是我们与 Warp 团队分享的一篇备忘——关于构建 Warp 这件事应该如何重新理解。它混合了我们从客户那里听到的反馈、我对开发未来的判断、以及 Warp 团队要如何调整才能保持领先。 过去一年里，我们经历了从 AI 自动补全到交互式编码 Agent 的跨越。未来六个月，范式将再次进化到 Automated Development 。 在 Automated Development 的世界里，工程师的工作不再是写代码。甚至不再是直接构建产品。而是构建一套内部的机器——一座云端的软件工厂——让这座工厂来替你生产产品。工厂的目标是交付卓越的产品，但工程师的日常工作不是直接造产品，而是造那个造产品的系统。 成功的衡量标准不是某个工程师交付了多少功能——那是一个失败的指标。真正的尺度是：多大比例的变更实现了全自动交付，以及成本是多少。“全自动"意味着一个 agent 完成了所有工作：从 Triaging、写规格说明、实现、审查、验证到监控。如果一个变更还不能全自动地交付（当前很多还不能做到），那目标就是半自动化——即使人类仍然需要在审查环节介入，也让 agent 去做 triage
电波障害 · ZH
-
【译文】每个 AI 工程师都应该知道的 20 个循环设计模式
header 原文 ： 20 Loop Design Patterns Every AI Engineer Should Know 作者 ：Rahul (@sairahul1) 声明 ：本文由 AI 翻译，可能包含错误 大多数 AI 工程师知道如何构建一个 agent。 但很少有人知道如何构建一个能在首次尝试后不断变好的系统。 这个差距值六位数美金。 区别在哪里： Agent 是一个工人。 Loop（循环）是让工人进步的机制。 当今生产环境中最强大的 AI 系统，不是单次模型调用。 它们是循环。 生成 → 评估 → 学习 → 改进。 一遍又一遍。 直到输出真正变好。 以下是生产级 AI 系统中反复出现的 20 个循环设计模式。 收藏这篇文章。你会用到它们的。 Agent vs Loop 旧方式：Prompt → Response → Done。 新方式：Generate → Critique → Rewrite → Score → Retry → Remember → Improve。 一个是流水线工人，做一次就完事。 另一个是流水线工人，研究每一个错误，重写操作手册，每个班次进步 3%。 现在能交付生产级 AI 的团队，他们不是在写更好的 prompt。 他们在构建更好的循环。 Agents vs Loops 类别 1 — 质量改进循环（让输出在离开系统前就变好） 1. Gene
电波障害 · ZH
-
【译文】当 AI 什么都能生成，如何建立品味
原文 ： How to Build Taste When AI Makes Everything 作者 ：Vikas Malpani 声明 ：本文由 AI 翻译，可能包含错误 过去几周，我的信息流一直在围绕「品味」争吵。Paul Graham 说，当任何人都能做任何东西时，差异化就变成了你选择做什么。一位知名工程师宣称，品味现在才是真正的工程能力。然后 Linear 的产品负责人强力反驳：你的品味大概并不比 AI 好，别再假装那是你的优势了。还有人补了一句我至今记得的话——整场关于品味的对话之所以成立，恰恰因为它含糊、无法被证伪、并且让引用它的人显得体面。 所有这些都是一次性的部分。名字会换，引用推文会滚走，下个月同一场争吵会在另一个话题标签下重开。不会过期的是它底下那个问题，而这个问题是真的：当机器能在几秒钟内做出几乎任何东西的合格版本时，人的贡献究竟是什么？「品味」是一个严肃的答案，还是一个舒服的托词？ 我诚实的看法是，两边各对一半，而两边都漏掉了同一件事。把品味当护城河来卖的人，很少说清品味是什么、以及怎么把它建得更多，所以质疑者可以把它当成自我，一挥手就打发掉。质疑者说得也对：在一个已经吸收了每一座设计奖、每一本畅销书的模型面前，你不可能靠「在品味上普遍更好」取胜。但他们从一个为真的前提得出了错误的结论。品味是真实的，是可以建的，而真正要紧的那个版本，不是他们在攻击的版本。
电波障害 · ZH