MacTalk·2026年02月05日 程序员搞出了大模型，大模型最适合写代码，你们程序员这是在自掘坟墓吗？并且兄弟们还挺享受的，很多人白天上班，下了班熬夜 Vibe Coding。\n\n看起来逻辑挺顺的吧，其实根本不是这么回事。\n\n很多人喜欢暗中观察，比如墨问的二爷，人家 AI 可不这样。从 ChatGPT 时刻到现在，AI 明着发展了 3 年。在这个潘多拉魔盒被打开之后的三年里，大家和 AI 一起有了一个非常敞亮的共识：科学家和顶级工程师们发明出来的 LLM 大语言模型，最擅长干的事就是：写代码。\n\n是的，就是替代这些发明者的普通同事的工作。\n\n所以，是程序员们在自掘坟墓吗？并不是啊，是科学家和顶级工程师在掘码农的坟墓，并且，码农们自己也像被鞭打的陀螺，根本停不下来。 \n\n当命运的齿轮开始转动的时候，任你是谁，都无法逃脱命运的轨迹。 \n\n如果你干的是打杂的活，比如写写增删改查，那么现在应该已经没工作了。 \n如果你干的是更高级一点的工程工作，那么你需要和 AI 还有你的同事竞争。 \n如果你和你的同事水平差不多，你 + AI = 4 个你 + 你的同事的工作效率，那么你的同事一定会失业，而你会获得一点点加薪，然后干五个人的工作。\n\n有同学举手发言：有四倍同事的能力，那咱表现的比同事多一点点就好，这样还有进步的空间嘛，人生如戏。\n\n事实上没人陪你演戏，一个人只要能力足够一定会释放的，一切都是时间问题。\n\n比如，如果我用 AI 比你高出一倍效率，这时候，一定会有人用 AI 搞出两倍效率的工作成果，把我淘汰了。人们是停不下来的。\n\n为什么是五倍，我觉得现在五倍对普通工程师来说可能是个界限。\n\n以前人们为什么不这么搞？因为没有 AI 的加持，普通程序员根本无法做到这么高效。而十几年前大家热议的 10x 程序员们，人家早就这么搞了。事实上 10x 程序员拿的薪酬也比普通程序员高多了。甚至比 10x 还高。\n\n好了，如果普通程序员们干得越来越好了，那么相应的，AI Agent 也会干得越来越好，AI 有预训练和强化训练，现在还有在线训练，所以，你们合作的越来越愉快，最终 AI 就会越来越强，超过所有普通程序员，甚至高级工程师。\n\nAI 写更多的代码，我们就会有更好的 AI，然后 AI 会更快的迭代，然后 AI 写更多聪明和智慧的代码，然后需要的人越来越少，干的活越来越多…… \n\n这些我们都知道，但就是停不下来，这就是趋势导致的飞轮效应，不是个人能改变和扭转的。要么参与，要么远离。 \n\n你问我咋办？我也在学 Vibe Coding 呢。未来，领域知识和使用 AI 的能力，才是最重要的。 阅读全文 ↗：程序员搞出了大模型，大模型最适合写代码，你们程序员这是在自掘坟墓吗？并且兄弟们还挺享受的，很多人白天上班，下了班熬夜 Vibe Coding。\n\n看起来逻辑挺顺的吧，其实根本不是这么回事。\n\n很多人喜欢暗中观察，比如墨问的二爷，人家 AI 可不这样。从 ChatGPT 时刻到现在，AI 明着发展了 3 年。在这个潘多拉魔盒被打开之后的三年里，大家和 AI 一起有了一个非常敞亮的共识：科学家和顶级工程师们发明出来的 LLM 大语言模型，最擅长干的事就是：写代码。\n\n是的，就是替代这些发明者的普通同事的工作。\n\n所以，是程序员们在自掘坟墓吗？并不是啊，是科学家和顶级工程师在掘码农的坟墓，并且，码农们自己也像被鞭打的陀螺，根本停不下来。 \n\n当命运的齿轮开始转动的时候，任你是谁，都无法逃脱命运的轨迹。 \n\n如果你干的是打杂的活，比如写写增删改查，那么现在应该已经没工作了。 \n如果你干的是更高级一点的工程工作，那么你需要和 AI 还有你的同事竞争。 \n如果你和你的同事水平差不多，你 + AI = 4 个你 + 你的同事的工作效率，那么你的同事一定会失业，而你会获得一点点加薪，然后干五个人的工作。\n\n有同学举手发言：有四倍同事的能力，那咱表现的比同事多一点点就好，这样还有进步的空间嘛，人生如戏。\n\n事实上没人陪你演戏，一个人只要能力足够一定会释放的，一切都是时间问题。\n\n比如，如果我用 AI 比你高出一倍效率，这时候，一定会有人用 AI 搞出两倍效率的工作成果，把我淘汰了。人们是停不下来的。\n\n为什么是五倍，我觉得现在五倍对普通工程师来说可能是个界限。\n\n以前人们为什么不这么搞？因为没有 AI 的加持，普通程序员根本无法做到这么高效。而十几年前大家热议的 10x 程序员们，人家早就这么搞了。事实上 10x 程序员拿的薪酬也比普通程序员高多了。甚至比 10x 还高。\n\n好了，如果普通程序员们干得越来越好了，那么相应的，AI Agent 也会干得越来越好，AI 有预训练和强化训练，现在还有在线训练，所以，你们合作的越来越愉快，最终 AI 就会越来越强，超过所有普通程序员，甚至高级工程师。\n\nAI 写更多的代码，我们就会有更好的 AI，然后 AI 会更快的迭代，然后 AI 写更多聪明和智慧的代码，然后需要的人越来越少，干的活越来越多…… \n\n这些我们都知道，但就是停不下来，这就是趋势导致的飞轮效应，不是个人能改变和扭转的。要么参与，要么远离。 \n\n你问我咋办？我也在学 Vibe Coding 呢。未来，领域知识和使用 AI 的能力，才是最重要的。
MacTalk·2026年02月04日 从 Chat 到桌面 Agent：我在一台旧 Windows 上，看见了办公的未来 阅读全文 ↗：从 Chat 到桌面 Agent：我在一台旧 Windows 上，看见了办公的未来 M
MacTalk·2026年02月03日 看到 Andrej Karpathy 大神推荐的 92 个长文订阅合集，赶紧订阅了\n\nAndrej Karpathy 不用介绍了，AI 领域非常有影响力的研究者和创业者。前 OpenAI 研究员和前特斯拉 AI 总监，我经常看他写的东西。\n\n针对当下碎片信息和垃圾信息泛滥的情况，Andrej Karpathy 是这么说的：\n\n发现自己最近又慢慢回到 RSS / Atom 订阅源了。那里有更多高质量的长文，也少了许多专门用来挑起情绪的垃圾内容。任何一个产品，只要它今天看起来有点不一样，但在「激励结构」上本质相同，最终就会不可避免地滑向同一个引力井中心的黑洞。我们应该把 RSS 再捡起来 —— 它是开放的、普遍的、可随意折腾的。\n\n如果担心冷启动，可以这样开局：这里有一份列表，包含了 2025 年在 HN 上最受欢迎的 92 个博客的 RSS 订阅源。用起来体验很好，而且你会少死很多脑细胞。我也说不清，总得有点什么改变才行。\n\n————\n\n这一份就是 AK 提到的 RSS 源的列表，2025 年在 Hacker News 上最受欢迎的博客：\nhttps://gist.github.com/emschwartz/e6d2bf860ccc367fe37ff953ba6de66b\n\n事实上你可以下载这个文件，导入自己的 RSS 阅读器即可：\nhttps://gist.githubusercontent.com/emschwartz/e6d2bf860ccc367fe37ff953ba6de66b/raw/426957f043dc0054f95aae6c19de1d0b4ecc2bb2/hn-popular-blogs-2025.opml\n\n很多人问过我，为什么能持续写作十几年？最重要的就是你要有好的输入源。人需要学习和实践才能输出；输出同时也会反哺学习和实践。\n\n以前我通过读书获取知识，现在我成了纸书的爱好者，更多是读小说、摄影画册和传记、历史。学习行业知识就不再看书了，一方面读互联网上的长文，另一方面就是通过 AI 进行交互式学习。\n\n读中英文 blog、产品的官方文档、公众号的优秀长文、严肃媒体的新闻报道，包括相关播客和视频；使用你能触达的、最好的 AI 模型和产品，和它们沟通交流，让它们为你设计学习计划和学习指南，比如：\n\n一句话生成“非程序员的 Claude Code 指南”，比 NotebookLM 更好用\n\n有人说我英文不好，这么多长英文咋学习呢？现在 AI 几乎抹平了这些学习障碍。只要学过英语，就可以筛选出想要读的文章，把链接贴到任何一款 AI 浏览器，直接翻译全文就好了。\n\n怎么订阅 RSS 合集呢？我平时使用 Reeder 和 Folo 这两款产品，一个付费一个免费，都有移动版和 Mac 版本，其他的 RSS 阅读器也挺多，选自己喜欢的就可以。重要的是，不要收藏，要读和实践。 阅读全文 ↗：看到 Andrej Karpathy 大神推荐的 92 个长文订阅合集，赶紧订阅了\n\nAndrej Karpathy 不用介绍了，AI 领域非常有影响力的研究者和创业者。前 OpenAI 研究员和前特斯拉 AI 总监，我经常看他写的东西。\n\n针对当下碎片信息和垃圾信息泛滥的情况，Andrej Karpathy 是这么说的：\n\n发现自己最近又慢慢回到 RSS / Atom 订阅源了。那里有更多高质量的长文，也少了许多专门用来挑起情绪的垃圾内容。任何一个产品，只要它今天看起来有点不一样，但在「激励结构」上本质相同，最终就会不可避免地滑向同一个引力井中心的黑洞。我们应该把 RSS 再捡起来 —— 它是开放的、普遍的、可随意折腾的。\n\n如果担心冷启动，可以这样开局：这里有一份列表，包含了 2025 年在 HN 上最受欢迎的 92 个博客的 RSS 订阅源。用起来体验很好，而且你会少死很多脑细胞。我也说不清，总得有点什么改变才行。\n\n————\n\n这一份就是 AK 提到的 RSS 源的列表，2025 年在 Hacker News 上最受欢迎的博客：\nhttps://gist.github.com/emschwartz/e6d2bf860ccc367fe37ff953ba6de66b\n\n事实上你可以下载这个文件，导入自己的 RSS 阅读器即可：\nhttps://gist.githubusercontent.com/emschwartz/e6d2bf860ccc367fe37ff953ba6de66b/raw/426957f043dc0054f95aae6c19de1d0b4ecc2bb2/hn-popular-blogs-2025.opml\n\n很多人问过我，为什么能持续写作十几年？最重要的就是你要有好的输入源。人需要学习和实践才能输出；输出同时也会反哺学习和实践。\n\n以前我通过读书获取知识，现在我成了纸书的爱好者，更多是读小说、摄影画册和传记、历史。学习行业知识就不再看书了，一方面读互联网上的长文，另一方面就是通过 AI 进行交互式学习。\n\n读中英文 blog、产品的官方文档、公众号的优秀长文、严肃媒体的新闻报道，包括相关播客和视频；使用你能触达的、最好的 AI 模型和产品，和它们沟通交流，让它们为你设计学习计划和学习指南，比如：\n\n一句话生成“非程序员的 Claude Code 指南”，比 NotebookLM 更好用\n\n有人说我英文不好，这么多长英文咋学习呢？现在 AI 几乎抹平了这些学习障碍。只要学过英语，就可以筛选出想要读的文章，把链接贴到任何一款 AI 浏览器，直接翻译全文就好了。\n\n怎么订阅 RSS 合集呢？我平时使用 Reeder 和 Folo 这两款产品，一个付费一个免费，都有移动版和 Mac 版本，其他的 RSS 阅读器也挺多，选自己喜欢的就可以。重要的是，不要收藏，要读和实践。
MacTalk·2026年02月01日 我的 Claude Code 终于被封了。\n\n前几天刚写过一篇文章，用 Gemini 生成 Claude Code 的交互式学习报告，然后就发现，Claude Code 被停用了。\n\n退订阅费，取消原账号访问权限……为啥呢，因为官方觉得你的用法有风险。具体原因挺复杂的，不过最重要的原因是这哥们：Anthropic 的 CEO Dario Amodei，他做出来的一系列产品限制策略根本不是政府要求的，完全自发的爱国需求，纯纯一个米国爱国党。\n\n前几天在 Dario 达沃斯接受访谈时还说过，不要给中国卡：\n\n如果美国现在开始对中国出口只比最新一代差一档、但依然非常强的芯片，他认为在国家安全上是巨大失误，因为美国在尖端芯片制造上“领先很多年”。\n\n不可否认，大模型的竞争确实很重要，但是限制普通用户确实挺扯淡的，看看中国公司的开源模型，那是什么格局？不过除了这些，他的其他观点还挺有价值的：\n\n首先，在技术进展上，他不太认同“有一天突然蹦出 AGI”这种单点跃迁说法，而是强调一种类似“智力摩尔定律”的平滑指数曲线：模型在各种认知任务上的能力，每 4–12 个月翻一番。今天很多任务上模型已接近或超过普通人，接下来几年会经历典型的指数曲线形态——一开始看着“有点慢”，然后加速，最后从人类预期旁边呼啸而过。编码是最典型例子：他提到 Anthropic 内部已经有工程师几乎不再手写代码，只做审核与修改，新产品也可以在一周左右基本由 Claude 完成。\n\n其二，在算力投入与“泡沫”问题上，他把“技术确定性”和“经济扩散速度”刻意拉开来谈。技术端，他觉得自己看了十多年曲线，对指数延续非常有把握，并且认为在整个 2020s 内，模型在几乎所有事情上都会比人更聪明，甚至“有相当大概率在一两年里”就发生。但经济端，企业真正把这些能力大规模嵌入流程，还远远没跟上，他甚至估计现在模型能做的事情，是企业实际部署能力的十倍。\n\n其三，在就业与再分配上，他依然站在“影响极大”的象限，一边是非常快的 GDP 增长，一边可能是高失业、低薪和严重不平等。他重申自己此前那种判断：AI 会显著冲击大量入门级白领岗位，而且这种冲击是非线性的，更偏向中高技能人群，造成“高增长 + 高失业”的新组合。他不认为可以靠市场自发慢慢消化，而是需要提前做准备。\n\n至于 Claude，我觉得直接用 CC 配中国大模型 GLM 和 MiniMax 等等都挺好的，没必要非用 Claude。另外，中国其他的 AI IDE 也越来越好的。打铁还需自身硬，好在现在无论国内外模型还是工具，可选的方案都很多，不差这一家。 阅读全文 ↗：我的 Claude Code 终于被封了。\n\n前几天刚写过一篇文章，用 Gemini 生成 Claude Code 的交互式学习报告，然后就发现，Claude Code 被停用了。\n\n退订阅费，取消原账号访问权限……为啥呢，因为官方觉得你的用法有风险。具体原因挺复杂的，不过最重要的原因是这哥们：Anthropic 的 CEO Dario Amodei，他做出来的一系列产品限制策略根本不是政府要求的，完全自发的爱国需求，纯纯一个米国爱国党。\n\n前几天在 Dario 达沃斯接受访谈时还说过，不要给中国卡：\n\n如果美国现在开始对中国出口只比最新一代差一档、但依然非常强的芯片，他认为在国家安全上是巨大失误，因为美国在尖端芯片制造上“领先很多年”。\n\n不可否认，大模型的竞争确实很重要，但是限制普通用户确实挺扯淡的，看看中国公司的开源模型，那是什么格局？不过除了这些，他的其他观点还挺有价值的：\n\n首先，在技术进展上，他不太认同“有一天突然蹦出 AGI”这种单点跃迁说法，而是强调一种类似“智力摩尔定律”的平滑指数曲线：模型在各种认知任务上的能力，每 4–12 个月翻一番。今天很多任务上模型已接近或超过普通人，接下来几年会经历典型的指数曲线形态——一开始看着“有点慢”，然后加速，最后从人类预期旁边呼啸而过。编码是最典型例子：他提到 Anthropic 内部已经有工程师几乎不再手写代码，只做审核与修改，新产品也可以在一周左右基本由 Claude 完成。\n\n其二，在算力投入与“泡沫”问题上，他把“技术确定性”和“经济扩散速度”刻意拉开来谈。技术端，他觉得自己看了十多年曲线，对指数延续非常有把握，并且认为在整个 2020s 内，模型在几乎所有事情上都会比人更聪明，甚至“有相当大概率在一两年里”就发生。但经济端，企业真正把这些能力大规模嵌入流程，还远远没跟上，他甚至估计现在模型能做的事情，是企业实际部署能力的十倍。\n\n其三，在就业与再分配上，他依然站在“影响极大”的象限，一边是非常快的 GDP 增长，一边可能是高失业、低薪和严重不平等。他重申自己此前那种判断：AI 会显著冲击大量入门级白领岗位，而且这种冲击是非线性的，更偏向中高技能人群，造成“高增长 + 高失业”的新组合。他不认为可以靠市场自发慢慢消化，而是需要提前做准备。\n\n至于 Claude，我觉得直接用 CC 配中国大模型 GLM 和 MiniMax 等等都挺好的，没必要非用 Claude。另外，中国其他的 AI IDE 也越来越好的。打铁还需自身硬，好在现在无论国内外模型还是工具，可选的方案都很多，不差这一家。
MacTalk·2026年01月27日 多给微信点算力，让它好好做 AI\n\n昨天看新闻，腾讯马化腾开了年度员工大会，马老师说的不少，其中我最想聊的是那句——AI 全家桶未必是大家都喜欢的。\n\n我想说，你咋知道大家不喜欢呢，我就喜欢微信 AI 全家桶，可你也没有啊，除了那个微信 AI 搜索。\n\n过去一年，几乎所有大厂都在做同一件事：把 AI 塞进自己的每一个产品里。搜索加 AI，浏览器加 AI，输入法加 AI，办公套件加 AI，恨不得日历和天气也加上大模型。用户打开任何一个 App，都能看到一个闪闪发光的 AI 入口在那里等着。\n\n微信只做了个一个 AI 搜索，还非常隐蔽。企业微信、微信输入法和微信读书里的 AI 功能倒是不少，但都是独立应用。\n\n外界对此有两种解读。一种是"微信慢了"，另一种是"微信在憋大招"。\n\n看了马化腾老师在年会上的讲话，我觉得微信不是慢，也不是在憋大招，而是在等待算力的同时，要想清楚一件事：在一个十几亿人每天使用的产品里嵌入 AI，代价和边界到底在哪里。\n\n微信太大了，它的特殊性在于承载的东西也多——社交关系、支付、公众号、小程序生态、视频号、企业服务等等。任何一个模块接入 AI，都不只是"加一个功能"那么简单，而是牵动整个生态的信任结构。马化腾提到微信会继续坚持"去中心化"原则，兼顾用户需求和隐私安全，这种思考放在 AI 语境下其实很具体：AI 要不要读聊天记录？要不要替用户买东西？要不要做群聊机器人，每一个问题背后都是一条红线。\n\n还有算力的问题，不好办呀。好在 2026 年可以买 H200 芯片了。\n\n相比微信，腾讯在其他业务线上的 AI 动作并不慢。元宝产品官宣了春节 10 亿红包计划，还要在 AI 助手群聊里探索新的社交玩法。这个思路很腾讯，能不能做好两说。\n\n元宝这个产品，年初借着 DeepSeek 和投放，日活增长还是挺猛的，最近也没有公开数据，我估计应该是到千万级的活跃度。社交这件事，在 AI 助手里做，还没有成功案例，毕竟社交都在微信了。相比社交，我觉得模型能力和 Agent 工程能力更重要一点。\n\n回到微信。每个企业的基因和体质不同，腾讯的风格是"稳扎稳打"。这话放在 AI 竞赛白热化的当下，也就腾讯有说出口的勇气了，毕竟是中国互联网一哥。当所有人都在比谁跑得快的时候，承认自己要慢一点，本身就是一种判断——AI 的竞争不会在半年内结束，它是一场需要十年来计算的长期博弈。\n\n微信最不缺的就是用户和场景，最需要的是想清楚 AI 进入这些场景的方式。多给微信一点时间，多买点卡，让它好好做 AI。 阅读全文 ↗：多给微信点算力，让它好好做 AI\n\n昨天看新闻，腾讯马化腾开了年度员工大会，马老师说的不少，其中我最想聊的是那句——AI 全家桶未必是大家都喜欢的。\n\n我想说，你咋知道大家不喜欢呢，我就喜欢微信 AI 全家桶，可你也没有啊，除了那个微信 AI 搜索。\n\n过去一年，几乎所有大厂都在做同一件事：把 AI 塞进自己的每一个产品里。搜索加 AI，浏览器加 AI，输入法加 AI，办公套件加 AI，恨不得日历和天气也加上大模型。用户打开任何一个 App，都能看到一个闪闪发光的 AI 入口在那里等着。\n\n微信只做了个一个 AI 搜索，还非常隐蔽。企业微信、微信输入法和微信读书里的 AI 功能倒是不少，但都是独立应用。\n\n外界对此有两种解读。一种是"微信慢了"，另一种是"微信在憋大招"。\n\n看了马化腾老师在年会上的讲话，我觉得微信不是慢，也不是在憋大招，而是在等待算力的同时，要想清楚一件事：在一个十几亿人每天使用的产品里嵌入 AI，代价和边界到底在哪里。\n\n微信太大了，它的特殊性在于承载的东西也多——社交关系、支付、公众号、小程序生态、视频号、企业服务等等。任何一个模块接入 AI，都不只是"加一个功能"那么简单，而是牵动整个生态的信任结构。马化腾提到微信会继续坚持"去中心化"原则，兼顾用户需求和隐私安全，这种思考放在 AI 语境下其实很具体：AI 要不要读聊天记录？要不要替用户买东西？要不要做群聊机器人，每一个问题背后都是一条红线。\n\n还有算力的问题，不好办呀。好在 2026 年可以买 H200 芯片了。\n\n相比微信，腾讯在其他业务线上的 AI 动作并不慢。元宝产品官宣了春节 10 亿红包计划，还要在 AI 助手群聊里探索新的社交玩法。这个思路很腾讯，能不能做好两说。\n\n元宝这个产品，年初借着 DeepSeek 和投放，日活增长还是挺猛的，最近也没有公开数据，我估计应该是到千万级的活跃度。社交这件事，在 AI 助手里做，还没有成功案例，毕竟社交都在微信了。相比社交，我觉得模型能力和 Agent 工程能力更重要一点。\n\n回到微信。每个企业的基因和体质不同，腾讯的风格是"稳扎稳打"。这话放在 AI 竞赛白热化的当下，也就腾讯有说出口的勇气了，毕竟是中国互联网一哥。当所有人都在比谁跑得快的时候，承认自己要慢一点，本身就是一种判断——AI 的竞争不会在半年内结束，它是一场需要十年来计算的长期博弈。\n\n微信最不缺的就是用户和场景，最需要的是想清楚 AI 进入这些场景的方式。多给微信一点时间，多买点卡，让它好好做 AI。
MacTalk·2026年01月26日 一句话生成“非程序员的 Claude Code 指南”，比 NotebookLM 更好用 阅读全文 ↗：一句话生成“非程序员的 Claude Code 指南”，比 NotebookLM 更好用 M
MacTalk·2026年01月23日 让“宠物跳舞”引爆全球，App付费用户单月暴涨350%，可灵是怎么做到的 阅读全文 ↗：让“宠物跳舞”引爆全球，App付费用户单月暴涨350%，可灵是怎么做到的 M
MacTalk·2026年01月22日 我已被 AI Agent 燃尽；AI 越聪明人越忙；需要关注人类的休息权\n\n今天读了一篇很好的文章，叫：\n10 things I learned from burning myself out with AI coding agents\n\n作者 Benj Edwards 是一位在科技新闻界颇具影响力的记者和历史学家。Benj是个 AI Agent 狂人，他通过 50 多个 AI 辅助编程项目的亲身体验，分享了 10 个核心感悟：\n\nAI 编码工具像 3D 打印机，能快速生成原型但需人类把控生产细节；\n人仍是关键，经验和架构能力无法被替代；\n模型在训练数据外脆弱；\n创造新的东西是一场艰苦的战斗；\n90% 的问题依然存在；\n功能蔓延非常容易失控；\nAGI 远未到来；\n工具加速工作却让人更忙，需关注人类的休息权；\n快速迭代令人兴奋也引发焦虑；\nAI 工具不会消失，终将成为人类创意的放大器。\n\n核心观点是：AI 是强力工具，但人类始终是掌舵者。\n\n在阅读和学习的同时我做了一份精校的中文版本，图文注解高亮齐全，放到墨问里了，欢迎阅读收藏：\n\n我被 AI Coding Agent 累惨了，并从中学到了 10 件事\n\n内容节选：\n\n4、90% 问题\n\n一个 AI 编码项目的前 90% 往往来得又快又惊艳。最后那 10% 则变成和 Agent 来回试错、补充繁琐细节的过程。那些需要比 Agent 更深层洞察或理解的任务，仍然得由人来完成“串联”和“决断”，把它往正确的方向上引导。之前提到的那些局限，都可能让你的项目撞上看不见的墙。\n\n从我近期的观察来看，更大的 LLM 通常能在上下文里建立起比小模型更深的关联。它们拥有更多参数（被编码的数据点），而且这些参数在多维空间里彼此勾连，因此在语义关系上会有一张更深更密的地图。可即便如此，人脑对语义关系的把握似乎仍然更深一层，还能在概念之间做那种“疯狂跳跃”，这是 LLM 不太会做的事情。\n\n从这个角度讲，创造力也许就是：你能从篮球跳到肥皂泡成膜时气泡的形状，然后在这两个看似无关的领域之间建立某种有用的联系，实现一个突破。而 LLM 通常会沿着那些更保守、更常规的语义路径行进，完全被训练数据里已经铺好的关系牵着走。\n\n5. 功能蔓延变得不可抗拒\n\n在用 AI 编码工具开发软件时，那种不断体验新奇的快感，会驱使你不停给项目加各种有趣的新功能，而不是老老实实去修 bug 或打磨已有系统。而 Claude（或者 Codex）也非常乐意配合，它会一头扎进那些新点子里，迅速做出看起来赏心悦目的小 demo（又一次典型的90% 问题），而不是静下心来把代码打磨好…… 阅读全文 ↗：我已被 AI Agent 燃尽；AI 越聪明人越忙；需要关注人类的休息权\n\n今天读了一篇很好的文章，叫：\n10 things I learned from burning myself out with AI coding agents\n\n作者 Benj Edwards 是一位在科技新闻界颇具影响力的记者和历史学家。Benj是个 AI Agent 狂人，他通过 50 多个 AI 辅助编程项目的亲身体验，分享了 10 个核心感悟：\n\nAI 编码工具像 3D 打印机，能快速生成原型但需人类把控生产细节；\n人仍是关键，经验和架构能力无法被替代；\n模型在训练数据外脆弱；\n创造新的东西是一场艰苦的战斗；\n90% 的问题依然存在；\n功能蔓延非常容易失控；\nAGI 远未到来；\n工具加速工作却让人更忙，需关注人类的休息权；\n快速迭代令人兴奋也引发焦虑；\nAI 工具不会消失，终将成为人类创意的放大器。\n\n核心观点是：AI 是强力工具，但人类始终是掌舵者。\n\n在阅读和学习的同时我做了一份精校的中文版本，图文注解高亮齐全，放到墨问里了，欢迎阅读收藏：\n\n我被 AI Coding Agent 累惨了，并从中学到了 10 件事\n\n内容节选：\n\n4、90% 问题\n\n一个 AI 编码项目的前 90% 往往来得又快又惊艳。最后那 10% 则变成和 Agent 来回试错、补充繁琐细节的过程。那些需要比 Agent 更深层洞察或理解的任务，仍然得由人来完成“串联”和“决断”，把它往正确的方向上引导。之前提到的那些局限，都可能让你的项目撞上看不见的墙。\n\n从我近期的观察来看，更大的 LLM 通常能在上下文里建立起比小模型更深的关联。它们拥有更多参数（被编码的数据点），而且这些参数在多维空间里彼此勾连，因此在语义关系上会有一张更深更密的地图。可即便如此，人脑对语义关系的把握似乎仍然更深一层，还能在概念之间做那种“疯狂跳跃”，这是 LLM 不太会做的事情。\n\n从这个角度讲，创造力也许就是：你能从篮球跳到肥皂泡成膜时气泡的形状，然后在这两个看似无关的领域之间建立某种有用的联系，实现一个突破。而 LLM 通常会沿着那些更保守、更常规的语义路径行进，完全被训练数据里已经铺好的关系牵着走。\n\n5. 功能蔓延变得不可抗拒\n\n在用 AI 编码工具开发软件时，那种不断体验新奇的快感，会驱使你不停给项目加各种有趣的新功能，而不是老老实实去修 bug 或打磨已有系统。而 Claude（或者 Codex）也非常乐意配合，它会一头扎进那些新点子里，迅速做出看起来赏心悦目的小 demo（又一次典型的90% 问题），而不是静下心来把代码打磨好……
MacTalk·2026年01月20日 有没有什么确定的方法让自己的写的内容直接进入公众号或者小红书的流量池，然后得到推荐呢？我只能说，如果你写“流量池”这个话题，进入流量池的概率会比较大 😂。\n\n我最近在推荐的信息流里看到好几篇类似的文章，确实阅读量很大。但是，打开作者的其他文章/笔记，都是几十几百的阅读量。说明啥呢，就是没找着秘籍呗，但假秘籍却被推荐了，说白了也是个概率问题。\n\n公众号的机制其实并不复杂，如果你有基础订阅用户，比如几万读者，写的内容又好，互动率高，时不时就会获得推荐。至于小红书，我完全搞不懂推荐机制。如果你看到一个人的点赞特别多，有两种方式可以做到：1、买薯条自己加热。钱到位一定有效果。2、删掉点赞差的小红书。我就这么干 😂\n\n有没有大的社交产品公开自己的推荐算法呢，以前没有，现在有了，x 刚刚开源了自己的推荐算法：\nhttps://github.com/xai-org/x-algorithm\n\n我赶紧研究了一下，这套 x 的 For You 推荐算法，大概说了哪些事儿：\n\n1、x 的推荐都交给 Grok 模型了，大模型会根据用户的行为和兴趣推荐。\n\n2、推荐的信息源分两部分，一部分是你 follow 的用户发的帖子，另一个是公域的内容。系统会先从用户关注的发帖中找一批出来，再从全站搜集一些用户可能会感兴趣、但没关注的帖子。\n\n把这些内容混在一起，统一丢给 Grok‑based transformer 打分，它会根据用户过去的点赞、转发、回复、点开等行为，预估你看到每条帖子的各种行为概率，然后加权成一个总分，最后挑出得分最高的那一部分，变成 For You 的信息流。\n\n3、怎么决定先后顺序呢？并不只是“相关性分”，模型会同时预测很多行为的概率：点赞、回复、转发、点击、进主页、看视频、展开图片，以及不感兴趣、拉黑等负反馈。系统给正向行为更高权重，给负向行为负权重，合成一个总分。\n\n4、为了防止大号刷屏，打完分之后还有权重调整，同一作者的多条帖子会被衰减。这样用户看到的时间线，会更容易混进一些中小账号，信息来源更分散一点，不会永远被同一拨人占满，也有助于打破信息茧房。\n\n5、还有过滤算法，让用户少看垃圾、少看重复、少看自己不想看的东西。打分前，系统会先过滤掉重复帖、太旧的帖、你自己的帖、已经看过/刚刚看过的帖、被你拉黑或静音的账号、包含你屏蔽关键词的内容、你没权限看的订阅内容等。选出最终结果后，再做一次可见性过滤，去掉垃圾信息、暴力之类的帖子。\n\n知道了这些，现在，我们能写出进入推荐池的文章吗？ 阅读全文 ↗：有没有什么确定的方法让自己的写的内容直接进入公众号或者小红书的流量池，然后得到推荐呢？我只能说，如果你写“流量池”这个话题，进入流量池的概率会比较大 😂。\n\n我最近在推荐的信息流里看到好几篇类似的文章，确实阅读量很大。但是，打开作者的其他文章/笔记，都是几十几百的阅读量。说明啥呢，就是没找着秘籍呗，但假秘籍却被推荐了，说白了也是个概率问题。\n\n公众号的机制其实并不复杂，如果你有基础订阅用户，比如几万读者，写的内容又好，互动率高，时不时就会获得推荐。至于小红书，我完全搞不懂推荐机制。如果你看到一个人的点赞特别多，有两种方式可以做到：1、买薯条自己加热。钱到位一定有效果。2、删掉点赞差的小红书。我就这么干 😂\n\n有没有大的社交产品公开自己的推荐算法呢，以前没有，现在有了，x 刚刚开源了自己的推荐算法：\nhttps://github.com/xai-org/x-algorithm\n\n我赶紧研究了一下，这套 x 的 For You 推荐算法，大概说了哪些事儿：\n\n1、x 的推荐都交给 Grok 模型了，大模型会根据用户的行为和兴趣推荐。\n\n2、推荐的信息源分两部分，一部分是你 follow 的用户发的帖子，另一个是公域的内容。系统会先从用户关注的发帖中找一批出来，再从全站搜集一些用户可能会感兴趣、但没关注的帖子。\n\n把这些内容混在一起，统一丢给 Grok‑based transformer 打分，它会根据用户过去的点赞、转发、回复、点开等行为，预估你看到每条帖子的各种行为概率，然后加权成一个总分，最后挑出得分最高的那一部分，变成 For You 的信息流。\n\n3、怎么决定先后顺序呢？并不只是“相关性分”，模型会同时预测很多行为的概率：点赞、回复、转发、点击、进主页、看视频、展开图片，以及不感兴趣、拉黑等负反馈。系统给正向行为更高权重，给负向行为负权重，合成一个总分。\n\n4、为了防止大号刷屏，打完分之后还有权重调整，同一作者的多条帖子会被衰减。这样用户看到的时间线，会更容易混进一些中小账号，信息来源更分散一点，不会永远被同一拨人占满，也有助于打破信息茧房。\n\n5、还有过滤算法，让用户少看垃圾、少看重复、少看自己不想看的东西。打分前，系统会先过滤掉重复帖、太旧的帖、你自己的帖、已经看过/刚刚看过的帖、被你拉黑或静音的账号、包含你屏蔽关键词的内容、你没权限看的订阅内容等。选出最终结果后，再做一次可见性过滤，去掉垃圾信息、暴力之类的帖子。\n\n知道了这些，现在，我们能写出进入推荐池的文章吗？
MacTalk·2026年01月18日 AI 的世界真是日新月异，这才几天又一款全新的 AI 模型出现了：全球首个通用实时世界模型 PixVerse-R1。通用级PixVerse R1的技术突破\n\n我觉得 PixVerse-R1 的发布标志着视频生成正在从“静态输出”转向“实时交互”的全新阶段。用户设定好世界观，就可以在生成视频流的过程里和 AI 实时交互，比如通过 prompt 改变地图和角色的行为。游戏、漫剧利好。 \n \n我试了一下，有 Deepseek 时刻的味道。 \n \n随着模型发布的还有一份技术报告，其中提到了三个创新性技术：Omni、Memory 和 IRE。 \n \nOmni 是一个从底层就支持多种模态的通用模型，用来做世界模型的计算基座。它用同一套 Transformer，把所有模态都编码进一条连续的 token 序列里，相当于用一条时间线来理解和生成整个世界的感知，这让不同模态之间的配合更自然、更精准。在训练上，用原始比例和分辨率来学习，不去随便裁剪、拉伸，所以画面里的构图、比例和细节都能尽量保持真实，不会被几何变形和伪影破坏。同时，模型通过海量真实视频把物理规律“学进了脑子”，比如光影怎么变化、物体怎么运动，所以它生成出来的平行世界，在光照和运动上大体是符合物理常识的。 \n \nMemory 这套机制，主要就是解决长视频里前后对不上和显存爆表这两个老大难问题。它不是一次性生成一整段视频，而是一帧一帧往后推，理论上可以一直生成下去，形成无尽的视频流。同时，它有一块专门的记忆模块，会把角色是谁、世界规则是什么这些关键信息单独记住，后面生成时直接用这份“记忆”，不用每次都从头算一遍，这样既保证了前后逻辑和物理效果统一，又不会让显存占用失控。 \n \nIRE 最有意思，可以理解为一套让模型实时响应的加速引擎，是实时响应的关键。 \n \n它做了三件事： \n \n第一，用“时间轨迹折叠”把原来曲里拐弯的生成过程拉成一条直线，让噪声更快变成画面，把传统需要 50 多步的扩散采样压缩到 1～4 步，速度直接提升了几个数量级。 \n第二，用“引导校正”把各种条件约束（比如提示词、控制信息）直接融进模型内部，不再走传统 CFG 那套“双倍算力”的老路，节省算力。 \n第三，通过“自适应稀疏注意力”精简计算图，重点算该算的地方、略过不重要的区域，在 1080P 这种高分辨率下，还能在有限算力里给出接近即时的响应。 \n \n看起来 PixVerse-R1 是构建了一个可交互的数字世界计算基础设施，为 AI 原生游戏、实时 VR/XR、互动电影等全新媒介形态提供了新的可能性。 阅读全文 ↗：AI 的世界真是日新月异，这才几天又一款全新的 AI 模型出现了：全球首个通用实时世界模型 PixVerse-R1。通用级PixVerse R1的技术突破\n\n我觉得 PixVerse-R1 的发布标志着视频生成正在从“静态输出”转向“实时交互”的全新阶段。用户设定好世界观，就可以在生成视频流的过程里和 AI 实时交互，比如通过 prompt 改变地图和角色的行为。游戏、漫剧利好。 \n \n我试了一下，有 Deepseek 时刻的味道。 \n \n随着模型发布的还有一份技术报告，其中提到了三个创新性技术：Omni、Memory 和 IRE。 \n \nOmni 是一个从底层就支持多种模态的通用模型，用来做世界模型的计算基座。它用同一套 Transformer，把所有模态都编码进一条连续的 token 序列里，相当于用一条时间线来理解和生成整个世界的感知，这让不同模态之间的配合更自然、更精准。在训练上，用原始比例和分辨率来学习，不去随便裁剪、拉伸，所以画面里的构图、比例和细节都能尽量保持真实，不会被几何变形和伪影破坏。同时，模型通过海量真实视频把物理规律“学进了脑子”，比如光影怎么变化、物体怎么运动，所以它生成出来的平行世界，在光照和运动上大体是符合物理常识的。 \n \nMemory 这套机制，主要就是解决长视频里前后对不上和显存爆表这两个老大难问题。它不是一次性生成一整段视频，而是一帧一帧往后推，理论上可以一直生成下去，形成无尽的视频流。同时，它有一块专门的记忆模块，会把角色是谁、世界规则是什么这些关键信息单独记住，后面生成时直接用这份“记忆”，不用每次都从头算一遍，这样既保证了前后逻辑和物理效果统一，又不会让显存占用失控。 \n \nIRE 最有意思，可以理解为一套让模型实时响应的加速引擎，是实时响应的关键。 \n \n它做了三件事： \n \n第一，用“时间轨迹折叠”把原来曲里拐弯的生成过程拉成一条直线，让噪声更快变成画面，把传统需要 50 多步的扩散采样压缩到 1～4 步，速度直接提升了几个数量级。 \n第二，用“引导校正”把各种条件约束（比如提示词、控制信息）直接融进模型内部，不再走传统 CFG 那套“双倍算力”的老路，节省算力。 \n第三，通过“自适应稀疏注意力”精简计算图，重点算该算的地方、略过不重要的区域，在 1080P 这种高分辨率下，还能在有限算力里给出接近即时的响应。 \n \n看起来 PixVerse-R1 是构建了一个可交互的数字世界计算基础设施，为 AI 原生游戏、实时 VR/XR、互动电影等全新媒介形态提供了新的可能性。
MacTalk·2026年01月17日 ChatGPT Go 套餐来袭，AI 广告探索开始落地。\n\n今天下午看到 ChatGPT 面向全球用户推出了 Go 订阅套餐，也就是说，ChatGPT 现在有三种付费订阅模式了：Go、Plus 和 Pro。\n\n这两年 AI 越来越像基础设施，但算力是真的贵。国内用户可能没啥感觉，毕竟千问豆包元宝文心都是免费的，甚至 Google 的 AI Mode 也免费，但这个背后都是大厂在补贴烧钱。模型越强、上下文越长、记忆越多，模型的成本就越高。OpenAI 2025 年上半年亏损了 130 多亿，大部分都是算力成本。\n\n一个周活用户超过 8 亿的公司亏损这么多也是挺少见的。所以 OpenAI 上线 8 美元每月的 Go 套餐，显然是在争取和服务那些 0 和 20 美金之间摇摆徘徊的中间用户。还是得多赚钱才行。\n\n现在我们可以把 ChatGPT 的三档付费订阅理解成这样：\nGo：大众版\nPlus：进阶生产力版\nPro：高阶 / 专业版\n\nGo 用的是 GPT‑5.2 Instant，重点是「够用」和「便宜」，给你比免费多 10 倍的消息、文件上传和图像生成的额度，让它真正能融入日常：写点东西、查个问题、改改简历、生成几张图，就这么回事。Go 从去年八月份逐步上线之后，成了他们增长最快的订阅。\n\n那么，ChatGPT 的用户该用哪个档位呢？\n\n如果你的主要需求是写周报、AI 搜索、整理文章和会议记录、做轻量的学习研究，偶尔让它画几张图，那 Go 基本就够用了。\n\nPlus 是 20 刀/月，比 Go 贵一倍多，能用上 GPT‑5.2 Thinking 这种更偏推理的模型，还有 Codex 这类编码智能体，使用额度更高，记忆更长，更适合当成一个「长期合作的 AI 同事」，还能做视频。\n\n我日常使用的是 Plus，用来干嘛呢？做商业研究，查资料，做数据分析，长推理，用 Agent，Codex 编程，画图，做视频等等，目前 Plus 是够我用了。值不值？肯定值啊，不仅能赚钱，做产品和业务，还节省了人力成本。\n\n你值不值，得自己算算。\n\n随之而来的还有探索了很久的 AI 广告：OpenAI 计划近期于美国的 ChatGPT Go 和免费用户中测试广告投放。ChatGPT Plus、Pro、Business 和 Enterprise 将继续提供无广告体验。\n\n为什么会有广告？因为我还没见过那个日活破亿的产品没有广告模式的。\n\n传统搜索，像谷歌、百度这样在搜索页面中加入广告，是过去十几年里最成功的商业模式之一，每天就像用耙子搂钱一样，现金流杠杠的。ChatGPT 为什么要给付费用户（Go）看广告呢？我推测，是因为 ChatGPT 未来的付费订阅用户可能远远超过免费用户，所以他们要探索新的广告模式。 阅读全文 ↗：ChatGPT Go 套餐来袭，AI 广告探索开始落地。\n\n今天下午看到 ChatGPT 面向全球用户推出了 Go 订阅套餐，也就是说，ChatGPT 现在有三种付费订阅模式了：Go、Plus 和 Pro。\n\n这两年 AI 越来越像基础设施，但算力是真的贵。国内用户可能没啥感觉，毕竟千问豆包元宝文心都是免费的，甚至 Google 的 AI Mode 也免费，但这个背后都是大厂在补贴烧钱。模型越强、上下文越长、记忆越多，模型的成本就越高。OpenAI 2025 年上半年亏损了 130 多亿，大部分都是算力成本。\n\n一个周活用户超过 8 亿的公司亏损这么多也是挺少见的。所以 OpenAI 上线 8 美元每月的 Go 套餐，显然是在争取和服务那些 0 和 20 美金之间摇摆徘徊的中间用户。还是得多赚钱才行。\n\n现在我们可以把 ChatGPT 的三档付费订阅理解成这样：\nGo：大众版\nPlus：进阶生产力版\nPro：高阶 / 专业版\n\nGo 用的是 GPT‑5.2 Instant，重点是「够用」和「便宜」，给你比免费多 10 倍的消息、文件上传和图像生成的额度，让它真正能融入日常：写点东西、查个问题、改改简历、生成几张图，就这么回事。Go 从去年八月份逐步上线之后，成了他们增长最快的订阅。\n\n那么，ChatGPT 的用户该用哪个档位呢？\n\n如果你的主要需求是写周报、AI 搜索、整理文章和会议记录、做轻量的学习研究，偶尔让它画几张图，那 Go 基本就够用了。\n\nPlus 是 20 刀/月，比 Go 贵一倍多，能用上 GPT‑5.2 Thinking 这种更偏推理的模型，还有 Codex 这类编码智能体，使用额度更高，记忆更长，更适合当成一个「长期合作的 AI 同事」，还能做视频。\n\n我日常使用的是 Plus，用来干嘛呢？做商业研究，查资料，做数据分析，长推理，用 Agent，Codex 编程，画图，做视频等等，目前 Plus 是够我用了。值不值？肯定值啊，不仅能赚钱，做产品和业务，还节省了人力成本。\n\n你值不值，得自己算算。\n\n随之而来的还有探索了很久的 AI 广告：OpenAI 计划近期于美国的 ChatGPT Go 和免费用户中测试广告投放。ChatGPT Plus、Pro、Business 和 Enterprise 将继续提供无广告体验。\n\n为什么会有广告？因为我还没见过那个日活破亿的产品没有广告模式的。\n\n传统搜索，像谷歌、百度这样在搜索页面中加入广告，是过去十几年里最成功的商业模式之一，每天就像用耙子搂钱一样，现金流杠杠的。ChatGPT 为什么要给付费用户（Go）看广告呢？我推测，是因为 ChatGPT 未来的付费订阅用户可能远远超过免费用户，所以他们要探索新的广告模式。
MacTalk·2026年01月16日 给大模型提要求的 19 个经验：\n\n1. 不要跟大模型论你我，要给大模型提要求，目标清晰，约束要具体，越具体越能够让大模型严肃对待。越具体越能收窄大模型生成答案的概率抖动。\n\n2. 可以想象大模型是一个压缩器（虽然原理上并不准确），它包含拥有世间一切信息，你对大模型的提问是「解压咒语」，你吟诵恰当的咒语就能从大模型中解压出完美的答案。可以把你的 Prompt 想象成解压文件，大模型的回答就是针对这个「压缩文件」的解压。如果大模型给你的答案不好，极有可能是你提供的压缩文件错了。\n\n插叙：这篇来自二爷的 2026 年度专栏：04. 给大模型提要求的几个经验\niOS 用户暂时可用链接订阅：https://note.mowen.cn/detail/tZZkq2PXw0GJxC2WU5fTR\n\n3. 接上条，有一个理论说每个人都有七种人格，当我们跟他打交道的时候，最重要的事情是从这七种人各种召唤出那个最专业、最温和、最善良最主动的人格跟我们打交道。对大模型也是这样，它内含一万种人格，我们的精准表现召唤出最适合我们的那个人格。常用的 Prompt 结构中「角色采纳」就是其中一个方法，而且可能是最重要的方法。以前流行过一段时间的「你如果回答得好我会给你一百美金消费」「如果你说错了我会死」也是类似的思路（这些技巧现在已经过时了）。\n\n4. 可以想象大模型一个接一个的生成 token 是一种概率收敛，随着字出来的越多，向最终输出收敛。如果你只给一个「我」，那么它有可能接「我是你爸爸」也可能接「我不整点儿硬菜给你二叔下酒我还算你三舅姥爷的好司务员吗」（可能性较小），但如果你给他一个「我是」，那么他断然不会出现第二种可能。\n\n5. 大模型被训练时有一个隐含的前提是取悦，取悦上下文，取悦训练中看到的语料。所以如果想获得一些真正的答案，需要找到合适的咒语。\n\n6. 不断尝试，变化不同的咒语和大模型互动，就像谈恋爱，久而久之就逐渐知道如何跟他打交道了。或者更具体地说 —— 知道他的边界在哪里 —— 让他刷盘子洗碗表现稳定，让他在两周内拿诺贝尔和平奖他很难满足预期。\n\n7. 把模型拟人化，拟人化最关键是知道每一个人都有缺陷，可能听不懂话，可能偷奸耍滑，当然也可能犯错。除了第 3 条说的角色指定之外，还有一个方法是如果你希望他表现得像某个领域的专家，可以说一些这个领域的专业术语，会激活他的领域空间。问大模型「感冒啥时候好」和「上呼吸道感染预后」结果方向很可能会不太一样……\n\n后面的放不下了，推荐订阅我兄弟二爷的2026年度专栏，包的。 阅读全文 ↗：给大模型提要求的 19 个经验：\n\n1. 不要跟大模型论你我，要给大模型提要求，目标清晰，约束要具体，越具体越能够让大模型严肃对待。越具体越能收窄大模型生成答案的概率抖动。\n\n2. 可以想象大模型是一个压缩器（虽然原理上并不准确），它包含拥有世间一切信息，你对大模型的提问是「解压咒语」，你吟诵恰当的咒语就能从大模型中解压出完美的答案。可以把你的 Prompt 想象成解压文件，大模型的回答就是针对这个「压缩文件」的解压。如果大模型给你的答案不好，极有可能是你提供的压缩文件错了。\n\n插叙：这篇来自二爷的 2026 年度专栏：04. 给大模型提要求的几个经验\niOS 用户暂时可用链接订阅：https://note.mowen.cn/detail/tZZkq2PXw0GJxC2WU5fTR\n\n3. 接上条，有一个理论说每个人都有七种人格，当我们跟他打交道的时候，最重要的事情是从这七种人各种召唤出那个最专业、最温和、最善良最主动的人格跟我们打交道。对大模型也是这样，它内含一万种人格，我们的精准表现召唤出最适合我们的那个人格。常用的 Prompt 结构中「角色采纳」就是其中一个方法，而且可能是最重要的方法。以前流行过一段时间的「你如果回答得好我会给你一百美金消费」「如果你说错了我会死」也是类似的思路（这些技巧现在已经过时了）。\n\n4. 可以想象大模型一个接一个的生成 token 是一种概率收敛，随着字出来的越多，向最终输出收敛。如果你只给一个「我」，那么它有可能接「我是你爸爸」也可能接「我不整点儿硬菜给你二叔下酒我还算你三舅姥爷的好司务员吗」（可能性较小），但如果你给他一个「我是」，那么他断然不会出现第二种可能。\n\n5. 大模型被训练时有一个隐含的前提是取悦，取悦上下文，取悦训练中看到的语料。所以如果想获得一些真正的答案，需要找到合适的咒语。\n\n6. 不断尝试，变化不同的咒语和大模型互动，就像谈恋爱，久而久之就逐渐知道如何跟他打交道了。或者更具体地说 —— 知道他的边界在哪里 —— 让他刷盘子洗碗表现稳定，让他在两周内拿诺贝尔和平奖他很难满足预期。\n\n7. 把模型拟人化，拟人化最关键是知道每一个人都有缺陷，可能听不懂话，可能偷奸耍滑，当然也可能犯错。除了第 3 条说的角色指定之外，还有一个方法是如果你希望他表现得像某个领域的专家，可以说一些这个领域的专业术语，会激活他的领域空间。问大模型「感冒啥时候好」和「上呼吸道感染预后」结果方向很可能会不太一样……\n\n后面的放不下了，推荐订阅我兄弟二爷的2026年度专栏，包的。
