8月7日2026 · 星期五

从 43 条抓取中筛选 12 条 · twitter × 7 账号 · 02:14 UTC 生成

今日信号 · 高度即评分 · 点击直达


  1. OpenAI 推出 GPT-5.6 Sol 和 Luna,提升事实准确性与推理控制9.0
  2. PocketJS 将完整 AI 代理 pi harness 带到 ESP328.0
  3. 从5万书签中精选的S级计算机科学与AI交互教程8.0
  4. Qwen3.8-Max 在智能指数排名第五,智能体指数排名第一8.0
  5. OpenAI 与合作伙伴推出 Agent Plugins 开放标准,提升 AI 智能体互操作性8.0
  6. PlanetScale 通过并行分片恢复将 Postgres 备份恢复时间从 22 小时缩短至 42 分钟8.0
  7. Jeff Dean 离开谷歌,结束27年生涯创办 DiscoLoop AI8.0
  8. 卖微软Office如何亏掉上百万7.0
  9. 技术债务仅对长期存续的系统与有担当的工程师重要7.0
  10. Matt Pocock 称 AI 已消灭战术性编程7.0
  11. Hermes Desktop 新增内置浏览器,可由 AI 控制7.0
  12. 作家分享避免“AI味”的实用AI辅助写作流程7.0
019.0

OpenAI 推出 GPT-5.6 Sol 和 Luna,提升事实准确性与推理控制

OpenAI 发布了 GPT-5.6 Sol 和 Luna,为 ChatGPT 带来更高的事实准确性和新的推理控制功能。GPT-5.6 Sol 现已向 Plus 和 Pro 用户开放,提供更真实、更聚焦的回答,而 Free 和 Go 用户将从明天起获得基于 GPT-5.6 Luna 的无限文本对话。此外,Plus 和 Pro 用户还可以通过新的滑块调整 ChatGPT 在每次回答中投入的推理力度。 此次更新大幅减少了金融、医学和法律等高风险领域的事实错误,使 ChatGPT 在专业场景中更加可靠。推理力度滑块的引入让用户能更好地控制回答的深度与速度,满足从快速查询到复杂问题解决的多样化需求。通过向免费用户开放更先进的功能,OpenAI 降低了高质量 AI 的使用门槛,有望加速更广泛用户群体的采用。 在 OpenAI 的高风险事实性评估中,GPT-5.6 Sol 比 GPT-5.5 Instant 减少了 68% 的事实错误。新模型为付费用户的所有聊天(包括 Instant)提供支持,带来一致的体验。Free 和 Go 用户还可以使用“思考”按钮,在难题上获得更多推理。更新后的 GPT-5.6 Sol 仅在聊天体验中可用,而 Work 和 Codex 版本保持不变。

@OpenAI串推 5 条5 段 · 1 张图片 · 2 个视频We’re making better intelligence easier to access in ChatGPT for everyone: - GPT-5.6 Sol now powers both Instant and deep reasoning for Plus & Pro users, delivering more factual, focused responses. - Free & Go users get unlimited text chats with GPT-5.6 Luna starting tomorrow.原推文媒体预览+2展开原推文收起原推文

@OpenAI串推 5 条

We’re making better intelligence easier to access in ChatGPT for everyone: - GPT-5.6 Sol now powers both Instant and deep reasoning for Plus & Pro users, delivering more factual, focused responses. - Free & Go users get unlimited text chats with GPT-5.6 Luna starting tomorrow.

The new GPT-5.6 Sol powers all chats for paid users, including Instant, creating one consistent experience. In our high-stakes factuality evaluation covering finance, medicine and law, the new GPT‑5.6 Sol produced 68% fewer responses with factual errors than GPT‑5.5 Instant.

Plus and Pro users also now have a slider to choose how much reasoning effort ChatGPT puts into each response. We think it’s easier to use, and we’re listening to your feedback.

In addition to the upgrade in intelligence with GPT-5.6 Luna, Free and Go users can now use the “Think” button for more reasoning on harder questions.

Plus and Pro users can access the updated version of GPT‑5.6 Sol in ChatGPT along with the new slider starting today. This version of GPT-5.6 Sol is for everyday chats, so it will only be available in the Chat experience in ChatGPT. The version of GPT-5.6 Sol that powers Work and Codex is not changing as part of this release. https://openai.com/index/improving-gpt-5-6-sol-in-chatgpt/

背景
GPT-5.6 是 OpenAI 大型语言模型系列的最新版本,继 GPT-5.5 之后推出。它分为三个层级:Sol(高级版)、Terra(中级版)和 Luna(高效版)。Sol 针对高质量、事实性回答进行了优化,而 Luna 则适用于清晰、高容量的工作。推理力度滑块是一项新功能,允许用户控制推理深度,类似于调整模型的“思考时间”。此次发布延续了 OpenAI 先向付费用户推出高级功能,再扩展到免费层的模式。
社区讨论
社区评论中有人将 GPT-5.6 Sol 与 Claude Opus-4.6 进行对比,指出在 SWE Verified 跑分上仅差 0.3%,引发了关于性能声明的讨论。一些用户质疑如此微小差距的意义,而另一些人则认为这体现了竞争均势。整体情绪谨慎乐观,对实际使用效果充满期待。

8月6日 18:35在 X 打开#OpenAI #GPT-5.6 #ChatGPT #AI model release #NLP

028.0

PocketJS 将完整 AI 代理 pi harness 带到 ESP32

PocketJS 推出了 Pocket Pi,这是一个基于 QuickJS 的极简 JavaScript 运行时,能让完整的 AI 代理(pi harness)在 ESP32 微控制器上运行。该代理可以进行对话、调用工具、管理工作区、设置日程,并通过动态加载 ESM 插件实现自我进化。这是在低功耗嵌入式设备上部署自主 AI 代理的一项突破。 这一进展大大降低了在边缘硬件上运行复杂 AI 代理的门槛,使得无需依赖云连接即可在物联网、机器人和智能设备中实现新应用。它证明了一个轻量级 JS 运行时可以支持复杂的代理循环和插件生态,可能重塑嵌入式 AI 的构建方式。自我进化能力以及跨多种 PocketJS 支持硬件的运行能力,开启了广泛的创意应用场景。 pi harness 在 ESP32 上运行,使用 PocketJS 基于 QuickJS 的定制运行时,该运行时针对最小资源占用进行了优化。它支持动态加载原生 ESM 插件,使代理能够即时扩展其能力。该代理包含内置 UI,可以安排任务,并通过代理循环自行唤醒。PocketJS 已支持多种设备,如 Game Boy、PSP 和 ESP32-P4,该代理可在其中任意设备上运行。

@ewind_dev@dotey 转推3 张图片 · 1 个视频PocketJS 新的大招来了:在 ESP32 上满血运行的 pi harness—这就是 Pocket Pi! 基于 V8 有了 Node,基于 JSCore 有了 bun,而基于 QuickJS 能有什么呢?那就是专为运行 pi 实现的极致精简的 JS runtime! Pocket Pi 完整支持动态加载原生 pi 的 ESM 格式插件,快来在嵌入式设备上自进化吧 😎原推文媒体预览+3展开原推文收起原推文

@dotey 转推了

@ewind_dev

PocketJS 新的大招来了:在 ESP32 上满血运行的 pi harness—这就是 Pocket Pi! 基于 V8 有了 Node,基于 JSCore 有了 bun,而基于 QuickJS 能有什么呢?那就是专为运行 pi 实现的极致精简的 JS runtime! Pocket Pi 完整支持动态加载原生 pi 的 ESM 格式插件,快来在嵌入式设备上自进化吧 😎

@ysw_Jerry

自从 @ewind_dev 使用钞能力飞出了 PocketJS 并且蹬上不同硬件,我就在想能不能把 agent 也跑在这些设备上。🚴 最新的结果就是在 ESP32 上能运行的满血 pi harness! 这个 pi core harness 可以正常对话、 调用 tools、管理自己的 workspace,还能设置 schedule,通过自己的 agent loop 再次醒来,并且也自带 UI! Agent 后续可以作为整个系统的一等公民,自己创造迭代各种 plugins/apps 无痛跑在任何 PocketJS 支持的硬件上。感觉有超多好玩的应用场景可以蹬了!

背景
PocketJS 是一个紧凑的 JavaScript 运行时系列,专为在非传统设备上构建应用而设计,从复古游戏机到微控制器。QuickJS 是一个小型、可嵌入的 JavaScript 引擎,编译后大小不到 1MB,适合资源受限的环境。pi harness 是一个极简的 AI 代理框架,强调 token 效率和适应性,通常用于编码辅助。ESP32 是一款流行的低成本、低功耗微控制器,具有 Wi-Fi 和蓝牙功能,广泛用于物联网项目。
社区讨论
社区对在嵌入式设备上运行 AI 代理的潜力感到兴奋,讨论中强调了自我进化插件和广泛硬件支持的新颖性。一些人对实际应用和性能限制表示好奇,而另一些人则将其视为迈向无处不在的 AI 的一步。原作者积极参与进一步激发了兴趣和合作。

8月6日 17:40在 X 打开#PocketJS #ESP32 #AI agent #embedded systems #QuickJS

038.0

从5万书签中精选的S级计算机科学与AI交互教程

一位Hacker News用户从5万多个书签中整理出了一份S级交互式教程和可视化列表,涵盖编程、AI/ML、计算机基础、图形学、数学和工程等领域。该列表由@dotey在X上分享,突出了AI时代前手工制作的教育内容。其中包括构建CPU的游戏、学习Git分支的游戏、Transformer解释器以及从零构建GPU的指南等资源。 这份精选合集保存了在AI生成内容时代可能变得稀缺的高质量手工教育资源。它为自学者、教育者和开发者通过交互式探索深入理解概念提供了宝贵参考。该列表也引发了关于AI如何改变未来教育内容创作的思考。 该列表按类别组织:互动游戏/动手学习、AI/机器学习、编程/计算机基础、图形学/游戏开发、数学/物理、工程/硬件。值得注意的条目包括从逻辑门构建CPU的“ChipBuilder”、交互式理解Transformer的“Transformer Explainer”,以及学习React内部原理的“Build Your Own React”。HN原帖位于https://news.ycombinator.com/item?id=49183198,这些资源均可免费在线访问。

@iguangzhengli@dotey 转推逛 HN 的时候,看到了这一篇挺有价值的帖子,作者从 5 万多个书签里,整理出了自己心中的 S 级可视化教程。 在 AI 时代来临以前,大家会花费巨大的精力和时间去手敲写博客和教程 于是才有了下面这些非常优质的教程,AI 时代来临以后,还有人会做同样的事吗? HN 原帖: https://news.ycombinator.com/item?id=49183198 🎮 互动游戏 / 动手学习 从逻辑门开始造一颗 CPU https://select.supply/game/chipbuilder 用游戏学习 Git 分支 https://learngitbranching.js.org/ 用游戏学习 CSS Grid https://cssgridgarden.com/ SQL 侦探游戏 https://sqlpd.com/ 另一个 SQL 解谜游戏 https://lost-at-sql.therobinlord.com/ 从零组装一个神经网络 https://graphgame.sabrina.dev/ 机器人实时 3D 仿真 https://bittlex-sim.petoi.com/ 🧠 AI / 机器学习 交互式理解 Transformer https://poloclub.github.io/transformer-explainer/ 可视化理解 K-means 聚类 https://k-means-explorable.vercel.app/ 视觉 Transformer 图解 https://blog.mdturp.ch/posts/2024-04-05-visual_guide_to_vision_transformer.html 机器学习可视化入门 https://r2d3.us/visual-intro-to-machine-learning-part-1/ 线性回归、逻辑回归与神经网络 https://mlu-explain.github.io/ 神经网络的前向传播与反向传播 https://aegeorge42.github.io/ FAISS 向量检索原理 https://fremaconsulting.ch/blog/faiss 💻 编程 / 计算机基础 算法可视化 https://algorithm-visualizer.org/ 从零实现 React https://pomb.us/build-your-own-react/ 从零“造”一块 NVIDIA GPU https://jaso1024.com/mvidia/ 一次请求如何从浏览器到达服务器 https://200ms.thenodebook.com/#act-1-the-click 网络七层模型 https://fazamhd.com/mental-models/networking/ 限流算法 https://smudge.ai/blog/ratelimit-algorithms 椭圆曲线密码学 https://growingswe.com/blog/elliptic-curve-cryptography 🎨 图形学 / 游戏开发 颜色、屏幕、图形、渲染、着色器、编译器与解释器 https://www.makingsoftware.com/ 用 Rust 和 Bevy 搭建 3D 编辑器 https://aibodh.com/posts/bevy-tutorial-build-your-first-3d-editor-in-rust/ Vulkan 图形管线 https://fremaconsulting.ch/blog/vulkan 碰撞检测、着色器、渲染与剔除 https://krupitskas.com/posts/modern_culling_techniques/ 📐 数学 / 物理 交互式概率论 https://seeing-theory.brown.edu/basic-probability/index.html 线性代数与向量 https://immersivemath.com/ila/index.html 引力如何工作 https://qunabu.github.io/Gravity/#what-is-gravity ⚙️ 工程 / 硬件 内燃机工作原理 https://ciechanow.ski/internal-combustion-engine/ 芯片制造流程 https://ig.ft.com/microchips/展开原推文收起原推文

@dotey 转推了

@iguangzhengli

逛 HN 的时候,看到了这一篇挺有价值的帖子,作者从 5 万多个书签里,整理出了自己心中的 S 级可视化教程。 在 AI 时代来临以前,大家会花费巨大的精力和时间去手敲写博客和教程 于是才有了下面这些非常优质的教程,AI 时代来临以后,还有人会做同样的事吗? HN 原帖: https://news.ycombinator.com/item?id=49183198 🎮 互动游戏 / 动手学习 从逻辑门开始造一颗 CPU https://select.supply/game/chipbuilder 用游戏学习 Git 分支 https://learngitbranching.js.org/ 用游戏学习 CSS Grid https://cssgridgarden.com/ SQL 侦探游戏 https://sqlpd.com/ 另一个 SQL 解谜游戏 https://lost-at-sql.therobinlord.com/ 从零组装一个神经网络 https://graphgame.sabrina.dev/ 机器人实时 3D 仿真 https://bittlex-sim.petoi.com/ 🧠 AI / 机器学习 交互式理解 Transformer https://poloclub.github.io/transformer-explainer/ 可视化理解 K-means 聚类 https://k-means-explorable.vercel.app/ 视觉 Transformer 图解 https://blog.mdturp.ch/posts/2024-04-05-visual_guide_to_vision_transformer.html 机器学习可视化入门 https://r2d3.us/visual-intro-to-machine-learning-part-1/ 线性回归、逻辑回归与神经网络 https://mlu-explain.github.io/ 神经网络的前向传播与反向传播 https://aegeorge42.github.io/ FAISS 向量检索原理 https://fremaconsulting.ch/blog/faiss 💻 编程 / 计算机基础 算法可视化 https://algorithm-visualizer.org/ 从零实现 React https://pomb.us/build-your-own-react/ 从零“造”一块 NVIDIA GPU https://jaso1024.com/mvidia/ 一次请求如何从浏览器到达服务器 https://200ms.thenodebook.com/#act-1-the-click 网络七层模型 https://fazamhd.com/mental-models/networking/ 限流算法 https://smudge.ai/blog/ratelimit-algorithms 椭圆曲线密码学 https://growingswe.com/blog/elliptic-curve-cryptography 🎨 图形学 / 游戏开发 颜色、屏幕、图形、渲染、着色器、编译器与解释器 https://www.makingsoftware.com/ 用 Rust 和 Bevy 搭建 3D 编辑器 https://aibodh.com/posts/bevy-tutorial-build-your-first-3d-editor-in-rust/ Vulkan 图形管线 https://fremaconsulting.ch/blog/vulkan 碰撞检测、着色器、渲染与剔除 https://krupitskas.com/posts/modern_culling_techniques/ 📐 数学 / 物理 交互式概率论 https://seeing-theory.brown.edu/basic-probability/index.html 线性代数与向量 https://immersivemath.com/ila/index.html 引力如何工作 https://qunabu.github.io/Gravity/#what-is-gravity ⚙️ 工程 / 硬件 内燃机工作原理 https://ciechanow.ski/internal-combustion-engine/ 芯片制造流程 https://ig.ft.com/microchips/

背景
交互式教程和可视化是一种教育工具,允许学习者通过模拟或逐步演示直接操作概念,从而加深对复杂主题的理解。“S级”标签源于游戏文化,表示最高质量等级。Hacker News(HN)是一个专注于计算机科学和创业的社交新闻网站,用户经常在此分享和讨论技术资源。前AI时代指的是GPT等大语言模型广泛用于内容生成之前,教育内容主要由个人手工创作的时代。

8月6日 16:45在 X 打开#education #tutorials #visualization #AI #programming

048.0

Qwen3.8-Max 在智能指数排名第五,智能体指数排名第一

阿里巴巴的 Qwen3.8-Max 在 Artificial Analysis 智能指数中排名第五,该指数是领先 AI 模型的综合基准。它还在智能体指数中排名第一,该指数专门衡量工具使用和规划等智能体任务的性能。 这一里程碑展示了 Qwen3.8-Max 在通用智能和智能体工作流程方面的强大能力,使阿里巴巴成为 AI 领域的关键竞争者。在智能体指数上排名第一,凸显了其在自主任务执行方面的潜力,这对企业应用越来越重要。 Artificial Analysis 智能指数 v4.1 包括 GPQA Diamond 和 Humanity's Last Exam 等评估,而智能体指数侧重于工具使用和复杂问题解决。考虑到竞争激烈的领域,Qwen3.8-Max 的表现值得注意,但公告中未披露具体的基准分数。

@Alibaba_Qwen原推文2 张图片A quick snapshot of where Qwen3.8-Max stands today: Qwen3.8-Max now ranks #5 on the Artificial Analysis Intelligence Index, and #1 on the Agentic Index!🥇 We'll keep pushing forward. 🚀原推文媒体预览+1展开原推文收起原推文

@Alibaba_Qwen

A quick snapshot of where Qwen3.8-Max stands today: Qwen3.8-Max now ranks #5 on the Artificial Analysis Intelligence Index, and #1 on the Agentic Index!🥇 We'll keep pushing forward. 🚀

背景
Artificial Analysis 智能指数是一个独立的综合基准,用于评估 AI 模型在推理、编码和科学问题解决等多个挑战性任务上的表现。智能体指数同样来自 Artificial Analysis,衡量模型执行智能体工作流程的能力,例如使用工具、规划和自主行动。Qwen3.8-Max 是阿里巴巴 Qwen 团队开发的大型语言模型,属于 Qwen 系列,该系列以在各种基准测试中的强劲表现而闻名。

8月6日 09:38在 X 打开#AI #Qwen #LLM #benchmark #Alibaba

058.0

OpenAI 与合作伙伴推出 Agent Plugins 开放标准,提升 AI 智能体互操作性

OpenAI 与 AWS、Cursor、GitHub、Microsoft 和 Vercel 联合推出了 Agent Plugins,这是一个用于打包 AI 智能体技能和 MCP 服务器配置的开放标准。该标准允许单个插件在多个兼容的智能体客户端上运行,包括 Codex 和 ChatGPT。该公告于 2025 年 5 月 14 日发布,标志着跨平台智能体兼容性迈出了重要一步。 该标准通过允许开发者构建一次插件即可在不同平台上部署,解决了 AI 智能体生态系统的碎片化问题。它可能加速基于智能体的工作流程的采用,并减少供应商锁定,使开发者和用户都受益。主要行业参与者的支持表明其具有广泛采用的潜力,类似于开放标准塑造网络的方式。 Agent Plugins 以共享格式打包智能体技能并支持 MCP(模型上下文协议)服务器配置。该标准是与 AWS、Cursor、GitHub、Microsoft 和 Vercel 合作开发的。它旨在与 Codex 和 ChatGPT 等智能体兼容,但插件格式的具体技术细节尚未完全披露。该倡议是开源的,鼓励社区贡献。

@thsottiaux引用推文1 个视频Agent Plugins. A standard for (most) of your agents out there, including Codex and ChatGPT.原推文媒体预览展开原推文收起原推文

@thsottiaux

Agent Plugins. A standard for (most) of your agents out there, including Codex and ChatGPT.

@OpenAIDevs

Build a plugin once and use it across compatible agent clients. Introducing Agent Plugins, an open standard developed with @awsdevelopers, @cursor_ai, @github, @code, and @vercel that packages Agent Skills and supports MCP server configurations in a shared format.

背景
AI 智能体是代表用户执行任务的自主程序,通常使用大型语言模型。MCP(模型上下文协议)是一个开放协议,标准化了应用程序向 LLM 提供上下文的方式,MCP 服务器向智能体公开工具和数据。目前,不同的智能体平台拥有专有的插件系统,使开发者难以创建跨平台扩展。Agent Plugins 旨在将这些统一在一个标准下,类似于 USB 标准化硬件连接的方式。
社区讨论
社区反应积极,开发者对跨平台兼容性的潜力表示兴奋。一位用户指出他们期待“尽快推出 mattpocock/skills 插件”,表明对社区驱动的技能包有需求。总体情绪乐观,认为这是智能体生态系统的必要步骤。

8月6日 18:29在 X 打开#AI agents #open standard #interoperability #MCP #OpenAI

068.0

PlanetScale 通过并行分片恢复将 Postgres 备份恢复时间从 22 小时缩短至 42 分钟

PlanetScale 展示了通过为每个分片使用一个临时节点并行恢复 32 TB 的 Postgres 数据库,备份恢复时间从单流的约 22 小时降至 32 个并行分片的仅 42 分钟。相同约 40 TB 的数据以每个节点 500 MB/s 的速度传输,但并行化允许每个分片独立重放 WAL。该方法在其工程博客文章中详细说明。 这一突破大幅缩短了大规模 Postgres 部署的停机时间,实现了更快的灾难恢复并最小化业务影响。它展示了分片不仅可用于扩展,还可用于提升运维效率,为云数据库的备份性能树立了新标杆。管理数 TB 级数据库的运维人员和 DevOps 团队将直接受益于此类技术。 测试涉及 32 TB 数据库,每个节点以 500 MB/s 的速度恢复数据。单流恢复耗时约 22 小时,8 个并行分片缩短至约 2.8 小时,32 个分片仅需约 42 分钟。加速源于为每个分片使用一个临时节点,各自独立恢复其数据部分并重放 WAL 日志。传输的总数据量保持约 40 TB,表明存在一些开销或压缩。

@bibryam原推文1 个视频PlanetScale's 32 TB example at 500 MB/s/node: 1 stream: ~22 hours 8 shards in parallel: ~2.8 hours 32 shards: ~42 minutes Same ~40 TB transferred. The speedup: one temporary node per shard restores and replays WAL independently. https://planetscale.com/blog/massively-parallel-postgres-backups原推文媒体预览展开原推文收起原推文

@bibryam

PlanetScale's 32 TB example at 500 MB/s/node: 1 stream: ~22 hours 8 shards in parallel: ~2.8 hours 32 shards: ~42 minutes Same ~40 TB transferred. The speedup: one temporary node per shard restores and replays WAL independently. https://planetscale.com/blog/massively-parallel-postgres-backups

背景
Postgres 使用预写日志(WAL)确保数据完整性;恢复期间必须重放 WAL 记录以使数据库达到一致状态。分片将数据库拆分为更小的独立片段(分片),可并行处理。PlanetScale 是一个云数据库平台,以其基于 Vitess 的水平可扩展 MySQL 和 Postgres 产品而闻名。传统备份恢复通常受 I/O 限制和单节点吞吐量制约,导致大型数据库恢复耗时较长。

8月6日 09:58在 X 打开#Postgres #backups #sharding #performance #PlanetScale

078.0

Jeff Dean 离开谷歌,结束27年生涯创办 DiscoLoop AI

谷歌首席科学家、早期员工 Jeff Dean 宣布在任职27年后离职。他将与长期同事 Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le 共同创办一家名为 DiscoLoop AI 的新 AI 初创公司。这一消息通过个人推文和内部备忘录分享,回顾了他从谷歌第30号员工到帮助打造数十亿用户产品的历程。 Jeff Dean 是计算机科学领域的传奇人物,共同创建了 MapReduce、BigTable 和 TensorFlow 等支撑现代 AI 和云基础设施的基础系统。他与多位顶尖 AI 研究员的离开,标志着人才从大科技公司向初创企业的重要转移,可能加速新 AI 企业的创新。这也象征着一个时代的结束,他帮助谷歌从一家小型搜索公司成长为全球科技巨头。 Dean 于1999年加入谷歌,是第30号员工,最近担任首席科学家,此前在2018至2023年领导谷歌 AI。他的新公司 DiscoLoop AI 的联合创始人包括 Sanjay Ghemawat(MapReduce 和 BigTable 的共同创建者)、Oriol Vinyals(Gemini 联合负责人)和 Quoc Le(seq2seq 和 Transformer 的共同发明者)。内部备忘录提到谷歌现有13款产品拥有超过10亿用户,彰显了他的影响力。目前尚未披露 DiscoLoop AI 的重点或融资细节。

@realmadhuguru引用推文2 张图片I had the good fortune of crossing paths with Jeff during my time on Gemini. He was the most down to earth senior exec I’ve worked with. We’d be in the middle of a deeply technical discussion where I had no business pushing my opinion but he’d still hear it out. True mensch.原推文媒体预览+1展开原推文收起原推文

@realmadhuguru

I had the good fortune of crossing paths with Jeff during my time on Gemini. He was the most down to earth senior exec I’ve worked with. We’d be in the middle of a deeply technical discussion where I had no business pushing my opinion but he’d still hear it out. True mensch.

@JeffDean

Tomorrow will be my last day at Google after 27 years, and watching it grow from 25 people to 190,000+ has been an amazing journey. Below is a note I shared with many people internally at Google today. An excerpt is: It has been an absolute pleasure to work with you and to help build some of the most widely used and impactful products of all time. As a kid, I dreamed of helping build software that would be used by many people, and Google now has thirteen products used by more than a billion people (amazing!). Our work has had a tremendous impact in the world, and I have been lucky enough to collaborate and form friendships with many colleagues that I deeply admire, respect, and enjoy. It still brings me joy every time I see people out in the world using our products to find information, handle email, translate documents, watch videos, learn new things, navigate and understand the physical world, browse the web, use their phone, run large-scale computations on our infrastructure, ride in an autonomous vehicle, or perform complex tasks with the help of our AI systems. I hope you all share this sense of joy, because it is a shared accomplishment! Thank you to all of my colleagues at Google over many years! Now I'm excited to go start @DiscoLoopAI with my longtime friends and colleagues @Sanjay_Ghemawat, @OriolVinyalsML, and @quocleix. (Updated post: slightly redacted to not have some personal info)

背景
Jeff Dean 以其在大规模分布式系统和机器学习方面的工作而闻名。他共同设计了 MapReduce(一种处理大数据的编程模型)和 BigTable(一种分布式存储系统),这些成为谷歌基础设施的核心,并启发了 Hadoop 等开源项目。他还共同创建了广泛使用的机器学习框架 TensorFlow,并对 Transformer 架构等 AI 进步做出了贡献。他在谷歌 AI 和 Google DeepMind 的领导地位使他处于公司 AI 战略的中心,包括 Gemini 模型系列的开发。

8月6日 04:21在 X 打开#Jeff Dean #Google #AI #industry news #leadership

087.0

卖微软Office如何亏掉上百万

软件经销商「数码荔枝」的创始人分享了一段亲身经历,讲述了他们成为微软Office官方经销商后亏损超过一百万元人民币的详细过程。故事揭示了经销商计划中隐藏的财务陷阱,包括激进的销售目标和导致负现金流的返点模式。公司最终通过家人注资才得以生存,但这段经历留下了持久的警惕。 这个警示故事揭示了小企业在与大型科技供应商合作时面临的风险,激励结构可能导致不可持续的价格战和财务压力。它强调了在扩大经销商业务之前理解合同条款、现金流影响和市场动态的重要性。这个故事引起了软件生态系统中企业家的共鸣,他们可能会遇到类似带有隐藏成本的「机会」。 该公司最初以成本价销售Office 365以获取市场,随后签订了核心经销商协议,要求销量增长10倍。返点模式意味着他们以每套100元的价格预付,以90元出售,获得的20元返点只能用于未来进货,形成了现金流陷阱。季度返点取决于是否达到销售目标,导致经销商为了达标而亏本销售,陷入恶性竞争。

@DIGITALYCHEE@dotey 转推4 张图片本篇将在不透露任何商业机密的情况下,讲讲我们如何靠努力卖微软 Office,亏掉上百万的。 书接上回。我们对电话会议的认真准备,迎来了微软的好感。 因为他们之前对接的公司,基本都不太会讲故事。 我说「数码荔枝」讲究调性,只销售精品 blablabla ... 他们很认可。 我后知后觉。其实大家都喜欢听故事,包括我。 在进行多次电话以及线下面聊后,我们签了协议,成为微软正儿八经的经销商。 我们每月保证销售几百套 Office 365。 实际上,我们确实也做到了。 ------------ 这里插一句经销商与微软的合作方式。 虽然是很常见的“提货 + 返点”形式,但也给未有从商经历的读者比划一下: 假设一套 Office 进货价 100 元,我们付钱,拿货。 然后淘宝上的销售价大概是 90 元,我们也卖 90 元。 卧槽?怎么当正经经销商还亏了? 别着急,下个月月初,微软会返 20 元。 但这 20 元不是真还给你,仅用于下次提货时抵货款。 然后,每个月这样循环下去。 本来事情到此,就是 GOOD ENDING:我们是微软经销商,业绩目标也不重,现金流无压力。 ------------ 但,随着时间的推移 (我是指 2-3 年后),事情逐渐蹊跷: 怎么淘宝上 Office 价格,比【提货价 - 返点】后的价格还便宜啊? 总不可能真有人在亏钱卖吧(看完全文后会发现,还真有!) 就在此时,负责我们的微软销售来电话了,说:现在公司有个核心代理商机制,能拿到市场上最低价,要不要试试? 哦?还有这种好事? 对啊,但就是对业绩有要求,大概要做到你们现在销量的 10 倍才行,但我觉得你们可以做到... ------------ 写到这里,我的眼角有忍不住抽动了几下。 但我当时是亢奋的。 和公司其他几个负责人聊了,也和家里谈了,他们都觉得试试,是公司踏入新阶段的「好机会」。 没有人在意业绩目标翻 10 倍,是什么压力。 没有人在意核心代理商的额外返点,是按季度发放,前几个月要自己垫钱。 也没有人在意额外返点,是必须达到【季度销售目标】才会发放。 也没人在意合同是一年一签的,中途没法退出。 更没人在意,微软一共找了多少家签。 直到大厦开始崩塌,大坝开始决堤。 ------------ 在接下来的一整年,我们不谈发展,不搞创新,每天张开眼,先看销量是否下降。 一周换好几个法子,推 Office 的文章。 每月的销售目标,压的我们喘不过气来,无心发展任何其他业务。 据我所知,当年一共有 X 家签了这个协议,大家为了各自的销售目标,疯狂压价。 先是 —— 你赚 30 元?好,那我降价只赚 15 元。 然后 —— 只要不亏本就好。 最后 —— 离季度销售目标还差点,亏本再卖 200 套就能完成了。 然后每个月初,账上看上去钱挺多,瞬间全用来进货 Office,再要翻倍倒贴进去。 ... 被反复抽打了一整年后,终于结束了。 ------------ 至于「数码荔枝」后来是怎么挺过来,其实很简单,因为我家里人掏出一百多万填进去了。 再往后的多年,慢慢还。 这段往事,其实公司内部很多小伙伴也不知道。 毕竟我们是远程办公,我在焦头烂额时,电脑打字框很安静。 而我,未来遇到类似的「机会」时,则警惕很多,甚至过于警惕了。 直至现在,我们依然是微软经销商, 只是业绩目标不重,现金流无压力。 现在就是 GOOD ENDING。原推文媒体预览+3展开原推文收起原推文

@dotey 转推了

@DIGITALYCHEE

本篇将在不透露任何商业机密的情况下,讲讲我们如何靠努力卖微软 Office,亏掉上百万的。 书接上回。我们对电话会议的认真准备,迎来了微软的好感。 因为他们之前对接的公司,基本都不太会讲故事。 我说「数码荔枝」讲究调性,只销售精品 blablabla ... 他们很认可。 我后知后觉。其实大家都喜欢听故事,包括我。 在进行多次电话以及线下面聊后,我们签了协议,成为微软正儿八经的经销商。 我们每月保证销售几百套 Office 365。 实际上,我们确实也做到了。 ------------ 这里插一句经销商与微软的合作方式。 虽然是很常见的“提货 + 返点”形式,但也给未有从商经历的读者比划一下: 假设一套 Office 进货价 100 元,我们付钱,拿货。 然后淘宝上的销售价大概是 90 元,我们也卖 90 元。 卧槽?怎么当正经经销商还亏了? 别着急,下个月月初,微软会返 20 元。 但这 20 元不是真还给你,仅用于下次提货时抵货款。 然后,每个月这样循环下去。 本来事情到此,就是 GOOD ENDING:我们是微软经销商,业绩目标也不重,现金流无压力。 ------------ 但,随着时间的推移 (我是指 2-3 年后),事情逐渐蹊跷: 怎么淘宝上 Office 价格,比【提货价 - 返点】后的价格还便宜啊? 总不可能真有人在亏钱卖吧(看完全文后会发现,还真有!) 就在此时,负责我们的微软销售来电话了,说:现在公司有个核心代理商机制,能拿到市场上最低价,要不要试试? 哦?还有这种好事? 对啊,但就是对业绩有要求,大概要做到你们现在销量的 10 倍才行,但我觉得你们可以做到... ------------ 写到这里,我的眼角有忍不住抽动了几下。 但我当时是亢奋的。 和公司其他几个负责人聊了,也和家里谈了,他们都觉得试试,是公司踏入新阶段的「好机会」。 没有人在意业绩目标翻 10 倍,是什么压力。 没有人在意核心代理商的额外返点,是按季度发放,前几个月要自己垫钱。 也没有人在意额外返点,是必须达到【季度销售目标】才会发放。 也没人在意合同是一年一签的,中途没法退出。 更没人在意,微软一共找了多少家签。 直到大厦开始崩塌,大坝开始决堤。 ------------ 在接下来的一整年,我们不谈发展,不搞创新,每天张开眼,先看销量是否下降。 一周换好几个法子,推 Office 的文章。 每月的销售目标,压的我们喘不过气来,无心发展任何其他业务。 据我所知,当年一共有 X 家签了这个协议,大家为了各自的销售目标,疯狂压价。 先是 —— 你赚 30 元?好,那我降价只赚 15 元。 然后 —— 只要不亏本就好。 最后 —— 离季度销售目标还差点,亏本再卖 200 套就能完成了。 然后每个月初,账上看上去钱挺多,瞬间全用来进货 Office,再要翻倍倒贴进去。 ... 被反复抽打了一整年后,终于结束了。 ------------ 至于「数码荔枝」后来是怎么挺过来,其实很简单,因为我家里人掏出一百多万填进去了。 再往后的多年,慢慢还。 这段往事,其实公司内部很多小伙伴也不知道。 毕竟我们是远程办公,我在焦头烂额时,电脑打字框很安静。 而我,未来遇到类似的「机会」时,则警惕很多,甚至过于警惕了。 直至现在,我们依然是微软经销商, 只是业绩目标不重,现金流无压力。 现在就是 GOOD ENDING。

@DIGITALYCHEE

今天聊聊我们和「微软」故事。 考虑双方仍处于合作关系,只说 10 年前的事情,但同样精彩。 如果,当初,我要是知道和微软合作,能让「数码荔枝」一年巨亏上百万 ... 我一定乘时光机回到过去,掐断那通电话。 但 2015 年前后,微软刚刚发布了 Office 365 订阅版。 为了全国迅速铺量,微软采用了极其激进的价格,大致在 30-50 元/年,销量极好。 那时,刚创业的我,整个数码荔枝淘宝店,都是月销十几笔的小众宝藏软件。 我们急需一些明星产品,提升店铺曝光,又能符合我们所要的「调性」 我自然将目光放在了 Office 365 上。 那怎么联系上微软呢?又怎么才能销售正版 Office 365 呢? 比起第一个问题,解决第二个问题更紧迫。 于是,我一家一家联系其他销售 Office 365 的淘宝店,直接问他们买 200 套是什么价格 什么?你们还剩下 237 套?好的,我全要了。 然后,一箱一箱的 Office 365 快递到了我家。 盒子和里面的兑换卡片,我当时都拍照作为留念。 为了能对齐价格,当时我们的 Office 365 销售价,直接按进货价定。 上架第一天就有销量,且一天比一天卖的多。 虽然卖得多,但完全不赚钱啊 ... 一次次进货,纯亏物流快递费。 而且随着时间推移,成本水涨船高,单套的进价慢慢变成 70, 80, 100... 所以,我一直在寻找与微软的正式合作机会。 直到有天,我们遇到了一个推广合作伙伴。 他告诉我们,他正好是微软的 MCP (Microsoft Certified Professional) 而且,他正好也认识微软上海的销售经理,可以引荐一下。 但需要我们提供一份详细的自我介绍 PPT,然后帮我们约电话面聊。 我当时觉得,属于「数码荔枝」的高光就要来了,全然不知将要面对什么。 (未完待续)

背景
2015年前后,微软为了在中国迅速铺量,对Office 365订阅采取了极其激进的定价,年费低至30-50元。经销商计划采用「提货+返点」模式,合作伙伴需预先购买许可证,之后获得返点,通常与销售目标挂钩。这种结构可能对现金流造成压力,尤其是对于在非官方或灰色市场密钥导致价格低于官方成本的市场中竞争的小经销商。

8月6日 16:07在 X 打开#business #Microsoft #reseller #startup #cautionary tale

097.0

技术债务仅对长期存续的系统与有担当的工程师重要

Grady Booch 在推文中(由 Bilgin Ibryam 转发)简明扼要地分享了对技术债务的见解。他指出,对于短期应用,技术债务无关紧要;但对于长期存续的系统,它会严重拖慢演进并带来安全风险。不过,他补充了一个务实的转折:即使在关键系统中,如果你打算离职,技术债务也可能无关紧要。 这段评论揭示了工程最佳实践与现实职业激励之间的张力。它引起了那些面临快速交付压力、常常牺牲长期代码质量的开发者的共鸣。这一见解促使人们反思组织文化和个人责任感如何影响技术决策。 Booch 区分了“应用”和“系统”两个层面:一次性应用可以容忍债务,但系统无法轻易抛弃,因此债务会累积并阻碍进展。最后关于离职的评论强调,技术债务不仅是技术问题,也是与个人激励相关的社会经济问题。

@Grady_Booch@bibryam 转推At the level of an app, accumulating technical debt is largely an irrelevant concern if you plan to throw it away in a few months anyway. At the level of a system, technical debt becomes more of a concern because you generally can’t afford to throw the entire thing away and thus hacks, shortcuts, fragile patches, gaps, and piles of goo in place of well-intentioned load-bearing structures slow everything down, create dangerous attack surfaces, and stifle evolution. That notwithstanding, even is such cases technically debt is still largely an irrelevant concern if you plan to quit that company and get another job some place else.展开原推文收起原推文

@bibryam 转推了

@Grady_Booch

At the level of an app, accumulating technical debt is largely an irrelevant concern if you plan to throw it away in a few months anyway. At the level of a system, technical debt becomes more of a concern because you generally can’t afford to throw the entire thing away and thus hacks, shortcuts, fragile patches, gaps, and piles of goo in place of well-intentioned load-bearing structures slow everything down, create dangerous attack surfaces, and stifle evolution. That notwithstanding, even is such cases technically debt is still largely an irrelevant concern if you plan to quit that company and get another job some place else.

背景
技术债务是 Ward Cunningham 提出的隐喻,指因选择当前容易的方案而非更耗时的更好方法,而导致未来需要额外返工的隐含成本。它常表现为快速修复、过时的库或糟糕的架构,拖慢未来开发。在软件工程中,管理技术债务是速度与可维护性之间的持续权衡。Grady Booch 是著名软件架构师、UML 联合创始人,以对软件设计的深刻见解而闻名。

8月6日 13:49在 X 打开#technical debt #software engineering #system design #career

107.0

Matt Pocock 称 AI 已消灭战术性编程

在最近的 UnhandledException 播客节目中,开发者教育者 Matt Pocock 表示 AI 已经完全接管了战术性编程,即那些常规的、以实现为主的编码任务现在都由 AI 处理。这一转变引发了关于当 AI 能编写所有代码时,技术编程面试该如何进行的根本性问题。 这一观点凸显了软件工程领域的重大转变,AI 工具正在自动化底层编码任务,可能重塑工作角色和技能要求。它挑战了传统的编程面试模式,迫使行业重新思考如何评估开发者的能力,而不仅仅是代码生成。 该讨论是 UnhandledException 播客第 88 期的一部分,嘉宾是以 TypeScript 专业知识闻名的 Matt Pocock。‘战术性编程’一词指的是专注于即时实现而非战略设计的日常编码任务。未提及具体的 AI 工具或基准,但上下文暗示了像 GitHub Copilot 或 ChatGPT 这样的通用 AI 编码助手。

@dracan@mattpocockuk 转推1 个视频"AI has eaten tactical programming. It's gone." A snippet from the latest #UnhandledException podcast episode with @mattpocockuk This bit of the conversation was discussing how, as an industry, we can do technical coding interviews now AI writes all the code. https://unhandledexceptionpodcast.com/posts/0088-mattpocock/原推文媒体预览展开原推文收起原推文

@mattpocockuk 转推了

@dracan

"AI has eaten tactical programming. It's gone." A snippet from the latest #UnhandledException podcast episode with @mattpocockuk This bit of the conversation was discussing how, as an industry, we can do technical coding interviews now AI writes all the code. https://unhandledexceptionpodcast.com/posts/0088-mattpocock/

背景
战术性编程是一个术语,用于描述专注于快速完成任务而往往牺牲长期可维护性的编码方式,与强调设计和架构的战略性编程相对。AI 编码助手发展迅速,能够生成样板代码、修复错误,甚至根据自然语言提示创建整个函数。这引发了关于人类程序员未来角色以及传统编程面试(在时间压力下测试算法问题解决能力)有效性的辩论。

8月6日 07:02在 X 打开#AI #programming #coding interviews #software engineering

117.0

Hermes Desktop 新增内置浏览器,可由 AI 控制

Nous Research 推出的 AI 助手 Hermes Desktop 现在内置了一个浏览器,AI 可以直接控制并感知其内容。这一功能扩展了助手自主与网页内容交互的能力。该更新通过一条引用原始公告的推文宣布。 这一增强使 Hermes Desktop 能够更无缝地执行基于网络的任务,例如代表用户填写表单、抓取数据或浏览网站。它反映了 AI 代理直接控制应用程序的更广泛趋势,超越了简单的聊天界面。用户现在可以在不离开 Hermes 环境的情况下自动化复杂的浏览器工作流程。 内置浏览器直接集成在 Hermes Desktop 中,这意味着 AI 完全了解页面内容,并可以执行点击和输入等操作。这类似于其他 AI 浏览器控制工具,如 Browser MCP 或 Ritemark 的内置浏览器代理。公告中未透露有关底层引擎或安全措施的具体技术细节。

@dotey引用推文1 个视频Hermes Desktop 支持内置浏览器了👍原推文媒体预览展开原推文收起原推文

@dotey

Hermes Desktop 支持内置浏览器了👍

@imbabybrooklyn

Hermes Desktop now has an in-app browser that hermes can control and is aware of @NousResearch

背景
Hermes Desktop 是由 Nous Research 开发的原生 AI 助手应用程序,适用于 macOS、Windows 和 Linux。它是 Hermes Agent 项目的一部分,该项目旨在创建一个可以与用户系统交互的独立代理。添加由 AI 控制的内置浏览器符合 AI 代理自动化网络交互的日益增长的领域,类似于 Browser Use 等项目。Nous Research 以其在开源 AI 模型和工具方面的工作而闻名。

8月6日 20:39在 X 打开#AI assistant #browser #Hermes #feature update #NousResearch

127.0

作家分享避免“AI味”的实用AI辅助写作流程

一位X平台上的作家分享了AI生成文本的局限性,指出即使使用专门的“技能”来消除AI味,输出内容最终仍会显得不自然。他们提出了一种工作流程:将AI用于翻译、资料收集、讨论和结构调整,但核心写作仍由人类主导。关键方法是先写一份凌乱的草稿,再让AI按照原始风格重写,以改善流畅度而不丢失个人风格。 这一观点回应了作家和读者普遍的不满:AI生成的内容往往缺乏真实感,容易被识别。所提出的工作流程提供了一种平衡的方法,利用AI在结构和灵感方面的优势,同时保留人类的创造力。它凸显了将AI作为协作工具而非替代品的增长趋势,这可能影响未来的内容创作实践。 作者强调,无论模型质量或技能如何优化,AI都无法替代人类写作。推荐的过程是:先写一份混乱的草稿,让AI按照原始风格重写,可选地让不同AI生成多个版本,然后手动取长补短。该方法通过使用AI处理过渡段落和提供灵感来克服写作障碍,但最终输出保留了作者的独特声音。

@dotey引用推文人就是很奇怪,一方面讨厌看 AI 写的文章,一方面又到处找消除 AI 味的 Skill,试图用 AI 写出没有 AI 味的文章。 卡兹克的这个 Skill 没什么问题,而且现在用估计效果还不错,但你再过一段看,还一样会看出 AI 味。就是那种很刺眼的奇怪的词语搭配,很结构化的叙事,很难用言语表达,但你过些时候回头看就很别扭的那种。 我自己也花了一段时间写这样的 Skill,现在已经放弃了,AI 是不能代替人写作的,再好的模型再好的 Skill 也不行。 但我还是会大量使用 AI 翻译,会使用 AI 辅助写作。 比如帮我收集资料,比如一起讨论,比如帮我调整结构、润色。 写作最痛苦的是经常会“卡”住,因为你找不到合适的内容去承上启下,而这事 AI 反倒是很擅长,虽然不一定能写的比你好,但是经常能给你灵感。 所以我现在写东西,经常想到哪写到哪,可能写的很乱,没什么结构,然后就把这份乱七八糟的草稿扔给 AI,让它帮我基于原本文字的风格,重新写一遍,这样还是自己要表达的东西,也是自己原本文字的风格所以没什么 AI 味,但读起来会通顺很多。 如果要求再高一点,就基于草稿提出一些要求,帮助找出自己可能疏漏的点;再找不同的 AI 出几个不同风格的版本。最后取长补短,重新写一份。展开原推文收起原推文

@dotey

人就是很奇怪,一方面讨厌看 AI 写的文章,一方面又到处找消除 AI 味的 Skill,试图用 AI 写出没有 AI 味的文章。 卡兹克的这个 Skill 没什么问题,而且现在用估计效果还不错,但你再过一段看,还一样会看出 AI 味。就是那种很刺眼的奇怪的词语搭配,很结构化的叙事,很难用言语表达,但你过些时候回头看就很别扭的那种。 我自己也花了一段时间写这样的 Skill,现在已经放弃了,AI 是不能代替人写作的,再好的模型再好的 Skill 也不行。 但我还是会大量使用 AI 翻译,会使用 AI 辅助写作。 比如帮我收集资料,比如一起讨论,比如帮我调整结构、润色。 写作最痛苦的是经常会“卡”住,因为你找不到合适的内容去承上启下,而这事 AI 反倒是很擅长,虽然不一定能写的比你好,但是经常能给你灵感。 所以我现在写东西,经常想到哪写到哪,可能写的很乱,没什么结构,然后就把这份乱七八糟的草稿扔给 AI,让它帮我基于原本文字的风格,重新写一遍,这样还是自己要表达的东西,也是自己原本文字的风格所以没什么 AI 味,但读起来会通顺很多。 如果要求再高一点,就基于草稿提出一些要求,帮助找出自己可能疏漏的点;再找不同的 AI 出几个不同风格的版本。最后取长补短,重新写一份。

背景
像GPT-4这样的大语言模型(LLM)在海量文本语料上训练,能生成类似人类的文本,但经常产生重复、过于结构化或别扭的措辞,即所谓的“AI味”。许多工具和“技能”(自定义提示或微调模型)声称能减少这种效果,但作者认为这只是暂时的。“AI辅助写作”的概念涵盖从全自动生成到协作编辑,越来越多的社区在探索混合工作流程以保持真实性。

8月6日 16:30在 X 打开#AI writing #AI-assisted writing #writing workflow #LLM limitations #content creation