HUANGDOU

程序员

[Diogo Almeida @CompleteSkeptic]

After co-inventing ChatGPT, I kept asking myself: why have superhuman chat models not led to AGI?

I’ve spent the last 2 years in stealth building a new way to train models (RLCD), and a new type of frontier AI model that we are releasing today: Jev

• 20-200x faster
• 40-400x cheaper (w/ output tokens free)
• Frontier composable intelligence optimized for decisions

AFAICT the shortest path to AI-based economic revolution

[Ren @Ryrenz]

🛍️ 炸裂！这个开源 CRM 就是 Salesforce 平替，专为 AI 时代设计

GitHub 已经揽获 47120 Stars，自称 "The #1 Open-Source CRM"——README 标语第一句就这么写的。

GitHub：https://t.co/dOJ6Op3fNk

用过 Salesforce 的都懂那种痛：一年几万刀的订阅、改个自定义字段要找客服、界面像 2005 年没变过、数据全锁在对方服务器里。Twenty 的思路完全反过来——把 CRM 当代码写。对象（deal / contact / company）、字段、视图，全部用 TypeScript 定义，改了提 PR，回滚 git revert，整套 CRM 像你的业务代码一样被版本管理。

技术栈没有历史包袱：NestJS + PostgreSQL + Redis 撑后端，React + Jotai 做前端，内置 AI agents 和 chats 模块——不是套了个 ChatGPT 壳，是把 workflows 和 agent 编排做进了核心模块。复杂的销售流程、客户跟进自动化，直接在里面配，不用再出去接第三方。

部署也不废话：npx create-twenty-app my-app 拿脚手架本地起，自部署一行 Docker Compose 跑你自己的基础设施，不想折腾直接去 https://t.co/mn03k89XSe 注册云版本。

CRM 终于可以像其它服务一样完全私有本地管理了。

[Ren @Ryrenz]

🔍 逆向神器 Ghidra，拿到一个没有源码的程序，它能直接反汇编、反编译，把机器码还原成人能读懂的代码。

美国国家安全局（NSA）研究局创建并维护，GitHub 近 7.5 万 star，直接封神了。

以前碰到一个可疑的程序，想搞清楚它到底在干嘛，只能对着一屏汇编硬啃。换成 Ghidra，丢进去就能看反编译结果和图形化展示，重复的分析步骤还能用 Java 或 Python 写成脚本自动跑。NSA 自己就拿它分析恶意代码、找网络和系统里的潜在漏洞。

社区也在围着它长东西：GhidraMCP 这个 MCP server 有 1 万 star，另一个 ghidra-mcp 也有 3700 多 star，都是让 AI 直接接进 Ghidra 帮你做逆向。八千多个 fork、快两千个 issue 和 PR 还开着，8 月刚发了 12.1.3。

官方 README 自己也写了部分版本存在已知安全漏洞，装之前看一眼版本号。

国家队的逆向工具，现在谁都能直接拿来用。

GitHub：https://t.co/SW7BjVUuPC

[JacksonS @shrmodelx]

FSD V12 端到端自动驾驶原理解析
为什么自动驾驶不需要雷达？
端到端与传统模块化自动驾驶的区别？
看完全弄懂！
2k:https://t.co/UuwPGNPDtw

[在悉尼和稀泥 @JamesAI]

普通人如何在24小时内，0成本拿到你的B端客资

1. 选取一个B端的焦虑型需求，比如出海、获客、GEO、FDE改造。（1小时）

2. 去闲鱼购买上述关键词的9.9引流课、行业报告、销售资料。不用看，挑字数多的下单。（1小时）

3. 想一个商务又土鳖的公���名，注册微信公众号、抖音号，把自己的微信昵称加上这个名字后缀。（1小时30分钟）

4. 把刚才买来的资料全部丢给豆包，提取高频关键词、概念词、客户痛点，再生成一套宣传海报、传单、易拉宝，右下角统一放微信二维码。（20分钟）

5. 再用AI做一份公司介绍《白皮书》、解决方案《红皮书》、行业案例《绿皮书》、报价表和客户诊断报告模板《黄皮书》。到这里，你已经从一个人变成了一家数字化出海服务商。（1小时30分钟）

6. 把第5步生成的彩虹书挂回闲鱼，回本。（30分钟）

7. 报名一个本地或者周边传统行业线下展会。工业设备、跨境电商、建材、汽配、医疗器械之类都可以。（1小时）

8. 找同城打印店把易拉宝、传单做出来，带着东西赶到展馆，完成签到、布展。（1小时30分钟）

9. 在现场发传单，加微信，跟老板聊出海、获客、GEO、AI。不用试图解决任何问题，搜集问题。老板问能不能做，一律能做。

顺便用iPhone随机拍一些展位、人流、客户交流、电脑屏幕和易拉宝的现场照片。（4小时）

9a. 如果今天没有展会，或者你根本没报名上，把第4到第5步的素材丢给AI，让它生成几张展会现场iPhone抓拍图。一定要有人流、遮挡、歪构图、过曝、路人后脑勺。
（10分钟）

10. 公众号、抖音、朋友圈同时发plog。标题参考《今天在XX展聊了几十家制造业老板，我发现2026年企业出海最大的坑不是流量》，随机配一个土鳖的BGM。（20分钟）

11. 睡觉。（8小时）

12. 起床，回私信，通过好友请求。（1小时）

13. 把老板的公司介绍逐个丢进AI，根据他的公司和行业生成一份3页的行业免费诊断：
第一页告诉他问题。
第二页告诉他机会。
第三页告诉他可以找你。
不用管内容，他大概率不会看，会直接和你聊。（1小时20分钟）

14. 把第13步的报告挂回闲鱼。另外开始拉收费群，入群即送这些报告。回本第8步的开销。（50分钟）

15. 记得回来给我点赞转发。（10分钟）

恭喜你。

24小时前，你也许还不知道FDE是什么意思。

24小时后，你已经是一家给做了20年外贸的工厂老板诊断数字化出海的服务商了。

如有雷同，纯属巧合。

[金尘马 @jinchenma_ai]

看完之后大受震撼，叹为观止，太牛逼了！

果然人太老实是赚不到钱的

[Phoenix Yin @Phoenixyin13]

关于CZ赵长鹏这次说的“主动性”，是他在香港这场书友会上面对一群大学生时，给出的唯一招人标准。

原话是这样的：
“现场很多学生想进币安，他的答案只有三个字：要主动。币安是远程工作，你可以偷懒，一天偷懒几个小时很容易。但如果你不够主动，两个月下来，你可能就没有结果。 ”

他自己的管理方式更直接：
“我接触的东西很多，一会这个一会那个，有些事情我说过之后就忘了。我一般不会去跟踪他。如果这个人不主动来告诉我更新，我就会忘记。但我可能两个月之后想起来，再去问他，他说‘我们做了一个礼拜之后就没有进展了’——那我会把这人开掉。”
“我从来不去follow up，我是需要他们push给我。”
他最后总结成一句判断：“你只要主动积极去做一件事情，你就会成功。你若等着老板过来查业绩时才做，你是不会成功的。”

有趣的是，主持人当场补了一刀：
今天能坐在这里的人，全是自己写email不断push主办方、还提交了问题才被选进来的。主动性本身就是门票。

CZ把主动性还拆成了两个更大的底层逻辑：
1. 80%在于到场
人生的成功，80%在于到场。你一定要参与，不参与的话就没有机会。
2. 什么不做，比做什么重要
现在多数人不考虑什么不做。别人发个消息，一定要回一下...这些事情很多人完全可以砍掉，但是没有砍。

我认为主动性是三种能力的组合，主动到场、主动push、主动为结果负责。

1. 做科研：别等课题，要自己去要反馈
据我观察，现在的学生做科研最常见的死法，就是等导师布置，等灵感，等设备。

科研主动性是反过来的：
主动定义问题，即使可能错误。
不要等导师给你题目。把你领域最近3年的top paper的limitation list整理出来，主动去敲导师的门说，我想试试。
主动要反馈，但要对人。
CZ说保持深度联系的高质量反馈用户，3到5个就够了。“不用每个月聊几百个用户，每个月聊5个就可以了。”其实我觉��科研同理，与其群发问卷，不如主动锁定3-5个真正懂你方向的教授、博士、或业界的人，每两周push一次进展，哪怕是失败的进展。
主动写。
他写《币安人生》就是找点事做每天写15分钟攒出来的。论文也是，先写烂初稿，再迭代，完美了再动笔，黄花菜凉了。

2. 创业：产品和用户之前，没有其他事
CZ给大学生的创业清单，第一句就是：“最开始，只有两件事：产品和用户。你要能拉来用户，你要能给用户提供价值。这两个没有的话，你就不会有公司。”
很多创业的主动性误区是先做BP、先找投资、先做Logo。
你要主动去丢脸，像他说的到场逻辑，先做一个能用的demo，主动去加20个潜在用户的微信，听听反馈。
他听说CX卖房买BTC前计算了如果归零了，他能不能再去华尔街拿一份六位数工作的情况。那���他的底气。
学生创业前其实也要算算这个项目黄了，时间、学分、生活费能不能继续、能接受到什么程度，
这是主动性的另一面，主动管理风险。

创业不要着急，建议年轻人先在好的大公司工作几年，两年应该是最低的，以2年到5年为宜。有时候在大厂里主动去学一套完整的管理体系，比你一毕业就在泥里打滚学得更快。

3. 学业：一技之长要卷到全球前1%

我认为，学业上的主动性就是占领一个山头，不要过于平均用力。理工科一定要有一门课做到系里名列前茅的状态，比如把机器学习、密码学主动做到能教别人的程度。

在大课人人都是螺丝钉，只有主动去office hour，主动去要RA，主动去旁听研究生组会。你不去push教授，教授两个月后也会忘了你是谁，这和CZ忘了员工是一样的。
而且，��么不做比做什么重要。
我觉得别人都报的热门水课、无效社交、每条消息秒回，都可以砍。

总之，主动选择看似麻烦的事，韧性是主动性的后半段。
到场 > 完美，push > 等待，结果 > 过程。

[Gorden Sun @Gorden_Sun]

Anthropic之前定义了Agent（让LLM调用工具自主工作）、MCP（让Agent能调用其他软件）、Skill（让Agent按SOP执行工作流），现在又定义了MHS，模型硬件标准，让Agent能调用物理世界的硬件。

Anthropic还是走在前列。

[鹤川副社长⚽ @HC020211]

大四学霸 10 天爆肝！多智能体预测引擎 MiroFish 狂揽 23k + 星，3000 万投资砸向 “数字沙盘” 革命！

这绝非普通 AI Demo，而是郭航江（BaiFu）打造的 “社会模拟器”—— 投喂新闻、政策、金融信号，成千上万个带记忆、懂博弈的 AI Agents 就会化身 “数字居民”，在虚拟空间里互动、争论、演化，精准推演真实世界的连锁反应！

盛大集团创始人陈天桥果断砸下 3000 万，看中的正是它的颠覆性用法：

交易决策：宏观消息、财报数据一键投喂，让模拟社会提前上演市场波动，真金白银不再靠 “猜”

公关避险：声明发布前先跑舆情沙盘，翻车风险提前预警，危机公关快人一步

创意脑洞：小说设定直接当剧本，AI 角色自主推演剧情，解锁无限故事可能

更狠的是，支持 Docker 部署，手握 LLM API key，几分钟就能启动专属 “数字沙盘”

当大多数人还在手动预判市场���，已经有人用 AI Swarm 在虚拟世界跑完所有可能性，再落地真实决策 —— 这种 “先模拟社会，再交易结果” 的玩法，会不会就是下一代预测市场的终极王牌？

[鹤川副社长⚽ @HC020211]

https://t.co/AHf3M8m4nM

[Apodex @Apodex_AI]

Meet Apodex 1.1: Scaling Agentic Intelligence for Complex Work

Open Source Harness: https://t.co/4V9suLx8o5
Open Weights: https://t.co/9CNZ9E5drH

We’re excited to introduce Apodex 1.1, our new model family built to scale agentic intelligence for professional work.

🧠 Frontier-level intelligence for complex work
Apodex 1.1 brings frontier-level agentic performance across complex professional work, scientific research, financial analysis, and deep search.

🤝 Asynchronous Agent Team
Apodex 1.1 can break down complex tasks, coordinate multiple agents in parallel, continuously integrate their findings, and let you step in to guide or redirect the work at any time.

🔬 Open-source research workbench
We’re open-sourcing FrontierAgent—a locally deployable research workbench for the Apodex 1.1 family, including asynchronous Agent Team.

Available now:
🔹 Apodex 1.1 — our most capable frontier model, available through the Apodex online workbench
🔹 Apodex 1.1 mini — open-weight model for running complex work locally
🔹 FrontierAgent — open-source, locally deployable research workbench

🌐 Live workbench: https://t.co/w5l6YI2ZuP
🦾 API platform: https://t.co/kaxuSWvMB4
📃 Paper: https://t.co/CHc4L63U07

[Claude @claudeai]

Claude Security scans now run on Claude Mythos 5, available today in public beta for all Claude Enterprise customers.

Put our most capable security model to work on your codebase, no separate model access needed.

[yibie @yibie]

把一千篇真实论文丢给三个模型做摘要，同一份语料、同一份 prompt：DeepSeek 的 Flash 跑完全部只花 $3.99，Claude 的 Haiku 花了 $35.76。

《年度 AI 论文：2025–2026 年的关键研究》

一年 1,000 篇论文的图鉴，外加一个成本实验。 https://t.co/XWo1nw8UTk 是 Hassan El Mghari（GitHub 上的 Nutlope，Together AI 生态的知名开源开发者，做过 roomGPT、SmartPDFs 等热门项目）做的「年度 AI 论文」站点：2025 年 8 月 4 日到 2026 年 8 月 4 日这一年的 1,000 篇论文，每篇都有摘要，可按实验室、主题、月份浏览。整个项目的起点其实是个成本实验：把这一年的论文全部摘要完，要花多少钱？

基准结论：同一份输入，三个模型差了 8.95 倍。 语料合计 30,681 页、1.027 亿字符。三个模型拿到完全相同的提取文本、prompt、分块方式和输出合同，关闭 reasoning，各跑一遍：

• DeepSeek V4 Flash：合计 $3.99，每篇约 $0.004
• GPT-5.6 Luna：合计 $6.00，每篇约 $0.006
• Claude Haiku 4.5：合计 $35.76，每篇约 $0.036（8.95×）

费用按官方报价的 token 用量计算，价格冻结在 2026 年 8 月 5 日；只统计成功完成的摘要，失败重跑不计入。

方法论可复现。 语料从 8,262 个候选（Hugging Face Daily Papers + OpenAI、Anthropic、DeepSeek、MiniMax、Moonshot AI 的官方论文）按 arXiv ID 去重，冻结成恰好 1,000 篇；放得进上下文预算的整篇一次读完，超长的走 50,000 字符的 map-reduce，不静默截断。作者明确说这是成本对比，不是质量排名——没有引入 LLM judge 打分。

图鉴本身也好看。 按实验室（OpenAI、Anthropic、Moonshot AI、DeepSeek、MiniMax、https://t.co/cfIE2qUJh5）、主题（Agents 275 篇、Reasoning 177 篇、Video 164 篇、Multimodal 144 篇、Systems 143 篇、Robotics 59 篇）、月份浏览；trending 和 most cited 两个榜单（Qwen3-VL 1,802 次引用、DINOv3 1,216 次、InternVL3.5 1,212 次）。再叠上 18 篇 Together AI 官方论文，共 1,018 篇。

适合想快速补完这一年 AI 研究的人，以及要批量处理 PDF 摘要、想先估成本的工程团队。全流程开源在 GitHub（Nutlope/1kpapers），语料清单、抽取画像、逐篇费用都能自己复现。

原文：https://t.co/3Y60SbHBDH
#AI论文 #成本基准 #LLM

[美研芒格君 @Kay2289123]

持续的大规模训练后，GEN1.5 物理 AI 大脑突然"涌现"通用泛化智能，这是我绝对不能错过的投资机会

看完之后，我有强烈的感受：Physical AI 可能爆发点快来了，让我联想到了当时 22 年的 GPT 时刻，非常相似。

当时 GPT 时刻解决的问题也是类似的：不必让文本任务针对场景进行特化，有一个大一统的模型可以指挥所有的下游任务。，之后算力和存储的暴涨，大家也都有目共睹

Physical AI将来必然在某个时间段会有一次真正的爆发。现在问题变成了：投谁？什么时候买？

先看看 GEN1.5的发布视频，这件事情本身是说明 Physical AI 的 model当训练数据量足够大，模型突然"涌现"出一个没人教过的能力，这是 GEN1.5 表达出来的 one shot learning

建议大家都看看这个视频，想象一下，当大脑足够通用，物理、行业的投资机会和瓶颈，即将从大脑转换成具身

根据我22 年到 26 年的投资经验，现在是值得布局的最佳时间。聊的人还不够多，真正的落地、大型商业化还没有出现

Generalist、Physical Intelligence、Figure全在一级市场，散户买不到；二级市场的敞口本质上是 $NVDA、 $TSLA 这类平台，目前都在我的持仓当中

这套主线我也加入了我的投研 Agent Brain，会持续进行调研和跟踪、买入

[SuSu_酥酥👅 @NFT_Chen]

🔥Mac党福利！无审查神模Qwen3.8 27B MLX版重磅降临，本地畅跑爽到飞起！

OrcaRouter直接放出专为Apple Silicon优化的 Qwen3.8-27B-Uncensored-MLX！

真正本地无审查神器，Mac党终于能爽跑27B Dense大模型了！

亮点分点速览：
1️⃣真·无审查：用Abliteration技术从残差流��彻底移除拒答方向，不是改Prompt糊弄！4/6/8-bit版本实测拒绝率=0

2️⃣Mac原生友好：Apple Silicon走Metal加速，无需CUDA；直接起OpenAI兼容API服务器

3️⃣量化超香：2/4/6/8-bit四档可选，4-bit仅约15GB，24GB内存Mac就能流畅跑

4️⃣能力全保留：原生多模态（图片+视频理解）、262K超长上下文、Thinking思考模式、Tool Calling、MTP全在！

5️⃣硬核性能：基座官方成绩拉满——SWE-bench Pro 61.7、Terminal Bench 73.0、OSWorld 84.3、AndroidWorld 81.9

6️⃣使用建议：24GB内存选4-bit；32GB+冲6/8-bit（2-bit千万别碰，会乱码崩溃）

内存够的Mac用户快去Hugging Face搜 orcarouter/Qwen3.8-27B-Uncensored-MLX

下载折腾吧！本地自由、隐私拉满，谁用谁爽���
#MacAI #Qwen3.8 #本地大模型 #Uncensored #AppleSilicon​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​ #阿里巴巴

[LanfAI @Huahuazo]

我身边不少搞AI的朋友都在同一个坑里卡过——理论看着都懂，一动手就废；代码能跑通，但问原理又说不出个所以然。我自己也在这个区间里反复横跳过好几次。

李博杰的《深入理解AI Agent：设计原理与工程实践》直接把这个困境给拆了。全书围绕一个核心公式展开——Agent = LLM + 上下文 + 工具，10章内容从基础原理一路讲到工程实战，还配了93个可运行的配套实验。

正文、PDF、配套代码全部开源，9种语言版本可选。你可以在线读，也可以下载离线PDF/EPUB慢慢啃。每个实验都在对应章节目录下，边读边跑代码，相当于带着实践去理解理论。

https://t.co/vpZwnGfzHd

[Ren @Ryrenz]

很多程序员和计算机系的学生嘴上天天说学 AI 学 Agent，实际上只是天天玩 Codex，ClaudeCode 做点没人用的软件。

要么就是去拿 AI 写文章，生图 ，做视频，写各种 Skill。

其实这只是在玩儿 AI，没有门槛，没有积累，获得的经验几个月后就随着工具和模型的迭代过时。

更好一点的，在新概念出来的时候，钻研一下 harness engineering，loop engineering，graph engineering，也就到头了，任何一个非计算机专业的门外汉都可以在几周内掌握个七七八八。

真正想搞懂 Agent，必须要懂得 Agent 的底层原理，这才是程序员该学的。

有多少程序员能真正手写一个 200 行的 agent loop？

只要 terminal 执行加文件读写，自己拼 prompt，自己写 parser，自己控制 loop 什么时候停，自己管理记忆，不会就带着问题去读 Codex，OpenCode，KimiCode 的源码。

敲不出来就是没懂。

[Andrew Ng @AndrewYNg]

New: A map of the most important skills in AI Engineering. https://t.co/VVkn1Dqp1N

[reira @reiraxbt]

Andrej Karpathy spent 8 years at OpenAI and Tesla

Last week, he put everything he knows into one free 2-hour lecture

People pay $15k for bootcamps that teach half of this

You probably don't have 2 hours right now

Don't let this get lost in your feed

Watch it, then read the guide below and build your first loop

[AYi @AYi_AInotes]

Codex控制iPhone，
这个玩���真的绝了！

AI对手机端的开发真的不足1%，
能玩的太多了，

前端哥演示了能直接操控推特刷推，
把x的吃灰收藏夹翻出来哈哈，

晚点我试试让Codex刷微信！ https://t.co/4RZrl4G1T5