所有文章

这几天流传的 DeepSeek 梁文锋讲话里有一个有意思的数据点，正好和我最近的思考交汇，因此写下一些关于整个大模型产业的一些预测，供以后证伪修正思考。 他说，DeepSeek 的 API 定价标准是：买一批设备回来，十个月收回成本。也就是十个月赚来的利润可以覆盖硬件上的投入。顺带说一下，十个月回本和六倍利润是同一件事。因为六倍利润意味着 GPU 是按六十个月、也就是五年折旧计价的。 我在之前文章里提出过 /W 计，拿走大约 /W 表现是 42/W·yr。我之前提过， Anthropic 在 200, 所以租得起 X.ai 20 - $30 之间。 DeepSeek 这个生态位尽管租不起 X.

长期以来，中国 AI 模型大致可以分成三条路线。 第一条路线是主动往小了做。比如 minimax-m3、kimi k2.5、hy3 这些主动限制激活参数在 20B 上下的模型。关于激活参数 20B 到底算不算小，本身是个很微妙的问题，但工程上我们通常认为它确实小。 更小的激活参数通常都是一个很硬的经济性约束，在经济性约束上做性能最大化，是一种典型的“做小模型”思路。 第二条路线是 DeepSeek，以及 DeepSeek 出现后技术栈类似且尺寸类似的厂商。DeepSeek 路线的特点不仅在于技术完全开源，更重要的是 DeepSeek-V3/R1 在诞生伊始，就是尺寸比较大的模型，对标 Open

实际上没有人真正教过你如何做研究。你得到一张办公桌、一个别人选定的问题，以及一个模糊的指示：要做出新颖的东西。因此，大多数人通过他们能看到的东西——论文、讨论串和公告——来反向推导这份工作，最终学到的只是如何看起来像一名研究者，而非如何成为研究者。真正的技能是一系列更小的技能堆叠而成，几乎每一项都可以通过刻意训练获得。 理查德·汉明在贝尔实验室有一个习惯，让他在午餐时不受欢迎。他会问坐在附近的人，他们领域的重要问题是什么，然后问为什么他们不去研究这些问题。人们会换桌子。这个问题刺痛人心，因为我们大多数人都没有好的答案。我们不选择问题，而是吸收问题——来自导师、来自某个大实验室上个季度宣布的内容

去 DMIT 买个服务器，不过现在买不到了，去搬瓦工或其他支持 CN2 GIA 线路的服务商买也一样。 付款后保存进入服务器页面，点击保存 SSH 私钥 接下来的工作全让 AI 帮你干：这里我使用的 @AntLingAGI 最新推出的 Ring-2.6-1T，速度贼快，价格还超便宜。Ring-2.6-1T 现在 OpenRouter 上打折 75% off，这价格相当于不要钱了：https://openrouter.ai/inclusionai/ring-2.6-1t 如何接入：使用 Pi agent 或 Hermes agent，绑定 OpenRouter 并填写 API key，选择模型下

这几天有好几个小伙伴@我说，我的开源工具在他们问 AI 的时候被主动推荐了，啥也没做居然可以被收录，想着要不花一个小时把内容结构化整一整，应该会更好，于是整好以后，快速发了一个速记推，但是内容结构不清晰，想着大家很感兴趣，那要不就整一个结构清晰的文章便于沉淀和查找。 我很讨厌去刷排名或者生产垃圾内容，更多想着让现有的内容对 AI 更可见，所以这篇文章不会教你投机，而是如何让AI更好理解你现有的内容本身。 去查了一下，发现 AI 搜索跟传统搜索逻辑完全不一样，传统 SEO 拼的是进 Google 前 10，但 83% 的 AI Overview 引用来自排名前 10 之外的页面，AI 看的是结构

2026年3月31日，安全研究者 Chaofan Shou 发现 Anthropic 发布到 npm 的 Claude Code 包中，source map 文件没有被剥离。 这意味着：Claude Code 的完整 TypeScript 源码，51.2万行，1903个文件，就这样暴露在了公网上。 我当然不可能在短短数小时内看完这么多代码，因此，我带着三个问题去读这份源码： Claude Code 和其他 AI 编程工具到底有什么本质区别？ 为什么它写代码的"手感"就是比别人好？ 51万行代码里，到底藏着什么？ 读完之后，我的第一反应是：这不是一个 AI 编程助手，这是一个操作系统。 想象你雇

再次总结一下现在市面上的 design skills： Impeccable 增强版 frontend-design skill，17 个设计命令（/polish、/audit、/distill 等）。 https://impeccable.style UI Skills 包含 15 个独立 skills：baseline-ui（Tailwind 设计一致性）、fixing-accessibility（无障碍审计）、fixing-metadata（SEO 元数据）、fixing-motion-performance（动画性能）、12-principles-of-animation（迪士尼动画原

2016 年，当 AI 还远没有成为今天这样的全民浪潮时，我已经开始认真尝试一件事：用语言模型来理解、修改和生成代码。 我给公司起名叫 ai.codes。这个名字几乎不需要解释：AI codes——把 code 当作动词，意思就是“AI 写代码”。 这个愿景在十年后的今天终于成为现实。“Agentic Coding”的浪潮已经席卷全球。只是当这一切真正到来时，我当年的那次创业，早已停在了 2016 年。 今天我想把这段往事写下来。它既是对那个技术爆发前夜的记录，也算是给 30 岁的自己留下一封迟到的回信。 当年的愿景 2011 到 2014 年，我在 Google 工作。那时我有个习惯：去看

今天这篇文章源于最近半年深度使用 Claude Code、两个账号每月 40 刀氪金换来的一些踩坑经验，希望能给大伙一些输入。 刚开始我也把它当 ChatBot 用，后来很快发现不对劲：上下文越来越乱、工具越来越多但效果越来越差、规则越写越长却越不遵守，折腾了一段时间，研究了 Claude Code 本身之后才意识到，这不是 Prompt 问题，而是这套系统的设计就是这样的。 这篇文章想和大伙聊聊这几个事：Claude Code 底层怎么运作、上下文为什么会乱以及怎么治理、Skills 和 Hooks 应该怎么设计、Subagents 的正确用法、Prompt Caching 的架构影响，以及

文 ｜ 阑夕 OpenClaw引起的这波「龙虾热」，变得越来越魔幻现实主义了。 如果说春节长假刚结束那会儿，上门安装龙虾还是一个段子、还是一个停留在用Nano Banana作图博君一笑的阶段，上周末腾讯大厦门口排成长队等待免费安装龙虾，就只能说「至此已成艺术」了。 我很想引述一个笑话，它的原始版本是这样的： 「一个小男孩多大了就不应该进女澡堂了？」 「当他想进女澡堂的时候，他就不应该进了。」 龙虾这事儿的基本道理，本质上也是一样的，如果你需要托人帮你安装龙虾，那么其实你就不太可能需要龙虾⋯⋯ 勇敢的人先享受世界，这话大家都赞同，但要承认自己不在其中、也不配先享受世界，这就很难了。 OpenCl