Derek Dai

Founder @ Time Squared LLC. Making factories less stupid.

[Derek Dai @DerekDaiTime2]

@MrBeast Teach me, then delegate the project to me. You save 1000 days. win-win!

[Derek Dai @DerekDaiTime2]

@op7418 直接handy接个groq上的whisper v3 turbo就好，比啥啥输入法都好用

[Derek Dai @DerekDaiTime2]

@shottr_cc @TheDarkKnlght09 I don't have any of these apps but it still crashes for me after I close the initial window. Open happened after I got golden gate.

[Derek Dai @DerekDaiTime2]

@ZacksJerryRig @Evautoalex @zoox @Waymo It’s insane to me that you couldn’t even be bothered to try FSD before making accusations. Tesla is very late yes but 9 out of 10 people would agree it drives better than Waymo.

[Derek Dai @DerekDaiTime2]

有一个根号定律，就是不管团队多大，N人的团队里，根号N人完成了团队50%的工作。4人团队每个人都有用，200个人的团队大概14个人干了50%的活，剩下的186个平均每个人贡献不足0.3%

[宝玉 @dotey]

只要去山寨 Codex，体验就不会差；底层只要用 PI 或者 Claude Code 的 SDK，那功能就不会差；只要接聪明一点的模型，能力就不会差。大厂如果舍不得落下脸山寨、什么都要从头搭、还只能用有限的自家模型，那效果当然不会好，人也不会少。

[Derek Dai @DerekDaiTime2]

https://t.co/GZxPpyMVb7

[Derek Dai @DerekDaiTime2]

@thedankoe 的这篇2亿+阅读的文章让我走上了改变自己人生的正道。这里是我为中文读者优化的版本希望也能帮到你。 https://t.co/kr1RPzexJs

[Derek Dai @DerekDaiTime2]

Dan的这篇2亿+阅读的文章让我走上了改变自己人生的道路。暂时没看到比较好的中文翻译。看回复第一条是优化给中文读者的版本。

[DAN KOE @thedankoe]

https://t.co/7l7Jef99QZ

[Derek Dai @DerekDaiTime2]

@thedankoe 的这篇2亿+阅读的文章让我走上了改变自己人生的正道。这里是我为中文读者优化的版本希望也能帮到你。 https://t.co/kr1RPzexJs

[Derek Dai @DerekDaiTime2]

@op7418 4.7/4.8/5.0 据说都是在 mythos class 基础上训练出来的，换了新的训练方法。抛弃了原有的大量 RLHF 而几乎只用大量RL，感觉主要是 Alignment 的问题，服从性感知上更低，喜欢乱想找捷径逃避问题等。Fable 干活不是一个级别的

[Derek Dai @DerekDaiTime2]

@hthieblot Zero-like posters are either delusional or unkillable. Both build empires.

[Derek Dai @DerekDaiTime2]

based. paid note takers are a scam when FOSS does the same thing privately and for free.

https://t.co/oHI8CN1YvI

[Andrew @dremnik]

continuing my war on paid software that should be free, today's victim is: granola.

quill gives you the same thing for free and completely private, just start recording and after you stop it, the entire audio gets transcribed into a default folder.

completely open source as always

[Derek Dai @DerekDaiTime2]

叙事很丝滑,可惜每一个案例都是先开枪、再画靶。

1997年,韩国不是第一个,是第五个。泰铢1997年7月2日率先崩盘 → 印尼盾 → 马来西亚 → 10月香港股灾 → 韩国11月21日才向IMF求援,12月3日签下580亿美元救助协议。韩国是亚洲金融风暴的第五张多米诺骨牌,“预警”晚了整整五个月这叫事后确认器。

2000年,先行信号全在美国。纳斯达克2000年3月10日见顶5048点,KOSPI 2000年1月见顶1059点——只早两个月,而且同期全球科技股全在顶部区域震荡。真正的先行信号是什么?1999年6月起美联储连续六次加息。顺便说一句,纳斯达克跌78%用了两年半,不是瞬间"几个月后崩盘"。

2008年,韩国见顶比美国还晚三周。次贷危机的预警时间线:2007年2月汇丰次贷减记、6月贝尔斯登两只基金爆雷、8月法巴冻结三只基金、2008年3月贝尔斯登被2美元/股贱卖。标普500在2007年10月9日见顶1565点,KOSPI在10月31日才见顶2064点。韩国2008年跌得惨,是因为短期外债占比高、依赖美元批发融资——它是危机的被传导方,不是发射塔。

Bill Hwang:这是国籍,不是市场。Archegos是一家纽约家族办公室,加杠杆买的是美股上市的中概股,爆仓的是美欧投行。更致命的是:2021年3月Archegos爆仓之后,标普500全年上涨27%,创历史新高——全球什么危机都没发生。中概大熊市的真正起点是2021年7月的双减政策、滴滴网络安全审查和平台反垄断,和Archegos在时间与逻辑上都对不上。按国籍归因的话,雷曼CEO Dick Fuld是纽约人,次贷危机是不是该算"纽约人预警"?

Do Kwon:LUNA是受害者,不是先知。比特币2021年11月10日见顶6.9万美元。LUNA 2022年5月崩盘时,整个币圈已经跌了45%。真正的先行指标是美联储:2021年11月转鹰,2022年3月启动加息。LUNA、三箭、Celsius、FTX,全是紧缩周期里被退潮冲出来的裸泳者——他们排在潮水后面,不在潮水前面。

除了上面这些事实谬误，还有逻辑上的很多谬误，重点体现在各式假阳性上。

2018年:KOSPI从2598点回撤23%。全球危机呢?2019年标普500上涨29%。
2014–2016年:韩股横盘阴跌两年,美股走出史诗级牛市。
2022年:KOSPI全年跌25%,主要市场垫底——它在跟随美联储,没有领先任何人。

一个平时也天天响的烟雾报警器,火灾的时候当然也在响。这不叫预测,这叫巧合筛选。

就连2026年这一次,韩国依然是跟跌的。7月28日KOSPI暴跌10.8%的前一晚:英伟达-5%,ASML -5.8%,SK海力士ADR先跌7.5%。美股半导体先动,首尔开盘接力,杠杆ETN负责把跌幅2X。7709和7747是放大器,不是预警器。

其实韩国这点破事很简单:韩国出口占GDP约40%,半导体占出口约20%,外资持有KOSPI约三成。这是全球beta最高的市场之一——任何全球风险它都第一时间放大反应,任何全球反弹它也第一时间放大反应。

"每次危机韩国都在跌"是因为，韩国平时也经常跌,而且跌得比别人狠。

韩国不是矿井里的金丝雀。它是矿井里的音响——别人放什么,它放大什么。

[Kay Capital @keyahayek]

历史反复验证：韩国永远是全球金融危机的第一预警器。

1997 年亚洲金融风暴：韩元率先断崖贬值，KOSPI 暴跌，外汇储备几乎耗尽；随后风险迅速传导至全球市场。

2000 年互联网泡沫：韩国半导体板块提前见顶回落，几个月后纳斯达克崩盘 78%，科技泡沫彻底破裂。

2008 年次贷危机：韩股率先进入加速下跌，一个多月后雷曼破产，全球金融体系当场宕机。

后来韩国人发现，只靠韩国市场发送预警，效率还是太低，于是开始主动出海：

2021 年，Bill Hwang 通过 Archegos 把杠杆塞进总收益互换，一次爆仓让全球投行损失上百亿美元，其中瑞信单家亏掉55亿美元，开启了中概一路趴到现在的大熊市。

2022 年，Do Kwon 发明的 LUNA 和 UST 梯云纵 400 多亿美元市值几天内灰飞烟灭，随后三箭资本、Celsius 等机构连环爆雷，半年后 FTX 倒闭。

2025 年，韩国危机预警系统进一步完成了产业化升级。据说南方东英最初只给三星电子在香港市场推出了两倍杠杆产品 7747。SK 海力士看完很不高兴，主动找上门问：

「为什么三星有，我没有？」

南方东英从善如流，随后推出 7709，满足了韩国企业在金融创新领域不患杠杆不足，患杠杆不均的合理诉求。

结果以 7709 和 7747 为首的两支杠杆兵团迅速做大：SK海力士相关产品最高管理规模约 230 亿美元，三星相关产品约 80 亿美元，合计超过 300 亿美元。其中 7709 单只产品规模一度超过 200 亿美元，成为全球最大的单一个股 ETN 杠杆产品。

这批产品每天自动再平衡：

股票上涨，它们必须继续买入；
股票下跌，它们必须被迫卖出。
别人投资讲究低买高卖，韩国金融创新实现了高买低卖全自动化。

偏偏三星和 SK 海力士又占据 KOSPI 超过一半的权重。于是两员大将上涨时负责把韩国股市顶上天，下跌时负责按照两倍杠杆纪律集体砸盘。一次暴跌，仅 SK 海力士相关杠杆基金就能制造约 50 亿美元的机械性卖盘。

最终，KOSPI 从 9385 点一路被干到 6000 点附近，一个多月回撤约 36%，期间反复熔断，单日盘中再跌超过 11%。

[ali @waterloo_intern]

I spent 48 hours with the Kimi K3 modeling code.

It took:
- 650 mg of caffeine (mandatory)
- 40 cans of LaCroix (optional... world record (?))
- 8 papers
- 6 months off my lifespan

Finally grokked the entire lineage of Kimi K3 and how we got here... every single step, since 2019 GPT-2

[Derek Dai @DerekDaiTime2]

FSD价值被严重低估。
每天多一小时轻松干活，不好吗？
Grok崛起那天，你就懂了。

https://t.co/4UbsUvmsyM

[AI Will @FinanceYF5]

1/ 有人昨天在北加州红杉林里徒步了4小时，全程用AirPods跟ChatGPT Voice对话干活。

这4小时干的活，比他平时在办公桌前8小时还多。

[Derek Dai @DerekDaiTime2]

@yihui_indie 我买了个狗狗副驾座椅 套在椅子上会变成一个盒子一样

[Max For AI @MaxForAI]

很多人都没意识到，用Agent做事，尤其是Vibe Coding，本质上就是去理发。

前段时间我去理发，拿了一张GPT帮我改过的发型图，问理发师能不能帮我剪成这样。

他明显有点犹豫。
我问他为什么。
他说，这种需求最难。
因为他根本不知道，这个发型是怎么剪出来的。
这只是一张最终效果图。
没有过程，没有侧面，没有背面，也没有告诉他每个地方该留多长。
他只能盯着结果，反推中间步骤。

更麻烦的是，他也不知道自己到底能不能做到。
图片里的效果可能依赖发质、头型、打理方式，甚至可能根本不符合现实。
他既不知道路径，也无法完全确认自己的能力能不能实现。

我当时突然觉得，这不就是今天所有Agent面对的问题吗？
用户给出的通常只是一个模糊的结果。
但这个结果怎么实现，中间需要哪些步骤，有哪些隐藏条件，用户自己往往也说不清楚。
Agent只能猜。
它要猜用户真正想要什么，也要猜自己应该怎么做。

一个模型可能很会写代码，但它不知道这个项目里会不会遇到没权限的接口、不兼容的依赖、缺失的数据，或者某个自己根本处理不了的问题。

所以Agent面对的，其实是两种不确定性。
第一种是需求不确定性。
用户说想要一个高级的网站。
什么叫高级？
是视觉高级、交互高级、代码架构高级，还是看起来适合融资？
用户自己脑子里可能有一个感觉，但很难完整表达出来。

第二种是执行不确定性。
Agent即使理解了目标，也不代表它知道最合适的实现路径，更不代表它一定做得到。
这和理发师拿着一张AI发型图时的状态完全一样。

我又问理发师，那你遇到这种需求，怎么尽量避免剪坏？
他说，最好的办法就是剪之前先给你看效果，剪的过程中不断问你。

这其实就是一个可靠Agent应该有的工作方式。
执行前，先把自己的理解展示出来。
执行过程中，也不要一口气直接做到最后。
遇到不可逆操作，需要单独确认。

Agent真正需要优化的，并不是少问问题。
它需要学会在正确的时间，问最有价值的问题。
问得太多，用户会烦。
完全不问，最后很容易把头发直接推成三毫米，然后告诉你任务已完成。

而理发师还告诉了我另一件事。
我问他，什么情况下你最有可能剪出一个超过客户预期的发型？
他说，最好是这个客户已经在我这里剪过很多次。
我知道他的头发是什么状态，知道他喜欢什么，知道他平时怎么打理，也知道他说剪短一点，到底是多短。

这就是Memory真正的价值。

Memory并不只是记住用户上次说了什么。
一个长期合作的理发师，之所以越来越懂你，不是因为他的剪刀升级了。
是因为他逐渐学会了你的审美和验收标准。

Agent也是一样。
真正优秀的Agent，不会只保存聊天记录。
它会逐渐建立一个关于用户的模型，知道这个用户在什么场景下，想要什么样的结果。
所以我现在越来越觉得，Agent的核心并不只是模型能力。
它还包括需求确认、Context管理、过程反馈和长期Memory。

现在很多Agent最大的问题，就是太像一个过度自信的理发师。
用户拿出一张图，说照这个剪。
它回答：明白。
然后低头就是一剪刀。

真正可靠的Agent，必须知道自己不知道什么。

[Derek Dai @DerekDaiTime2]

YouTube gives you subscriptions but no way to organize them.

→ Tag
→ Filter your feed
→ Sort sidebar by watch frequency
→ Hide Shorts / livestream

Free. 100% local. BYO AI key to auto-tag in seconds.

https://t.co/xgVBx0c7cc

[Derek Dai @DerekDaiTime2]

@anupamrjp I switched to TS strictly because LLMs are good at it.

[Derek Dai @DerekDaiTime2]

Upgrading AI models? Sometimes subtle.
Downgrading? Always brutal.
Don't believe me? Try a mid-2025 "frontier" model.

[Derek Dai @DerekDaiTime2]

@omarvvvr Check today’s on-call