King

[King @Findlandscape]

@Rusong_Machunbo 能解释下为什么会升值吗

[Kin @KinGao476942]

卧槽！OpenAI前大佬离职创业，孵化出了过去 2 天美国最火的 AI 大模型 Jev ！它没办法生成文字，没办法生成图片，唯一做的就是一个非常简单的事情：帮你快速做判断。

比如说，决定一只股票要不要买，查询 1 个到目的地最性价比的航班，决定一个决策是否正确，并且决策速度是白毫秒级别。Jev 由 OpenAI 的大佬创业两年训练出来，押注的却是和 GPT 完全不同的 1 个方向，并且在砍掉各种文字和图片生成功能之后，获得了极致的快速度和低成本。

目前在这个官网就可以申请：https://t.co/2lDYkO3nEC，或者也可以在 vercel 上自主调用。准备把它列入 Grok bot ，帮助我在某些场景做快速的判断和打标

[宝玉 @dotey]

Anthropic 工程师���了一堂 FDE 入门课
https://t.co/kakqFy0ZGZ

Kevin Bai 现在在 Anthropic 的 Applied AI 团队，之前是 Rippling FDE 团队的创始成员，再之前在 Palantir 干了好几年。最近他做了一个 FDE 101 的分享，把前线部署工程师这个角色讲得很清楚，值得总结一下。

先说一个数据：在上市 SaaS 公司里，按平均合同金额排，Palantir 是 400 万美元，ServiceNow 120 万，Workday 60 万，剩下的没有一家能超过 50 万。Palantir 靠几千人做到了别人几万人做不到的客单价。靠的就是 FDE 模式。

FDE 到底在解决什么问题？

Palantir 的产品 Foundry 是一个应用构建平台，技术门槛很高，但买家是石油、消费品这些行业的非技术高管。你把一个复杂的技术平台丢给一个不会写代码的人，指望他自己搞明白怎么用，这不现实。

所以 Palantir 的做法是：客户买的既不是软件产品，也不是咨询服务，而是一个"结果"。你派工程师过去，深入理解客户的业务场景，在平台上给他们把东西建出来。客户关心的是货架上多了多少商品、产线效率提升了多少，他们不关心数据怎么组织的，也不该关心。

FDE 和外包开发有什么区别？

Kevin 特别强调了一点：如果你的工程师每次都从零给客户写定制代码，那你做的不是 FDE，是外包开发。FDE 模式能成立，前提是你有一个可复用的平台。工程师是在平台已有的基础能力上组装和定制，不是每次重新造轮子。没有平台，维护成本会吞掉所有利润，工程师也会因为要维护几十个毫无关联的代码库而跑路。

要不要搞 FDE？两个问题就能判断。

第一，你是不是必须把一个技术复杂的东西卖给非技术买家？如果你的客户本身就是工程师，比如卖 GitHub 或者 Datadog 的，不需要 FDE。如果你的产品本身就是开箱即用的，比如 Slack 或者 Jira，也不需要。只有你的产品很复杂、客户又不懂技术的时候，FDE 才有必要。

第二，你有没有一个可复用的平台？或者你愿不愿意投入去建一个？没有共享的基础组件，FDE 就是不可持续的。

2026 年的新变化是什么？

Kevin 的判断很有意思：软件行业做生意的方式本身变了，AI 让构建软件变得极其容易，几乎所有平台都在走向 Agent 化，这意味着几乎所有平台都变得高度可定制。后果就是：越来越多的客户搞不清楚你的产品到底能做什么。你把产品的成败交给客户自己去摸索，在 Agent 时代会越来越难走通。

这就把 FDE 从 Palantir 独有的小众玩法，变���了��多软件公司需要认真考虑的事情。

最后一个问题：什么样的人适合做 FDE？

Kevin 的回答很简洁：FDE 就是一个你信任到可以让他直接面对客户的软件工程师。技术能力是基本盘，但你还得放心让他代表公司去跟客户打交道。

[Hux @huxlab]

Sam Altman 对斯坦福学生说了一句非常狠的话：

你已经不需要再写 prompt 了。

这段视频是他在斯坦福的内部分享，大概38分钟。

讲的不是基础用法，而是大多数人根本没用上的那一层。

看完之后你会发现

自己平时用 ChatGPT 的方式，大概只发挥了它15%的能力。

核心不是教你怎么写更好的提示词，而是：

如何让系统自己生成、优化、迭代提示词。

如何把 ChatGPT 从回答问题的工具变成帮你工作的系统。

很多人还在研究 prompt 工程，他已经在讲下一个阶段了。

视频值得完整看完。

[King @Findlandscape]

@icy_rainy_day @ranranyk 冰老师竟然抽烟，而且成绩那么好，家境也好，有点反差

[Mo Elgaraihy @EngMoElgaraihy]

🚨 مهندس في Google Cloud استعرض للتو كيفية بناء تطبيق كامل من الصفر باستخدام Claude! ⚡️📱

​26 دقيقة فقط تساوي أكثر من أي دورة برمجية بسعر 500 دولار. بدون فريق، بدون إعدادات معقدة... فقط Claude وهدف واضح! 🧵��

[Hux @huxlab]

Claude Code工程师花37分钟，手把手教会：打造你的第一个 Managed Agent。

整场分享她没吹“怎么一键全自动化替换一家公司”的玄学泡沫，而是直击工程师的痛点：

以前做 Agent，大家都在本地手搓 while 循环、自己盯 stop_reason、处理网络抖动和状态中断。

Anthropic 现在的打法极其干脆：Agent 自己思考、自己调工具、自己决定何时完工。

赶紧收藏，今晚就观看。

[tobarra @txbrraa]

Stanford acaba de filtrar esta clase gratuita que explica cómo funcionan Claude y ChatGPT desde el interior

La mayoría desperdicia el 90% de su potencial

Stanford te lo enseña en 1 hora y 50 minutos

🔖 Guárdalo, te será muy útil

[Hux @huxlab]

今晚别刷Netflix了。

去看这个Google Cloud工程师台上26分钟的现场开发。

这是我见过最清晰、端到端讲透：一个人怎么用Claude把完整应用从零做到上线的课。

从手绘草图开始，一路到线框、Plan Mode、并行子Agent、安全审查、Cloud Run部署。讲完，全场��经在给他的课打分——因为那个反馈应用，是当场跑起来的。

真正核心就这几层：

1. 先当产品：草图进模型，先出线框，再决定做什么

2. 再当设计：Plan Mode把组件想清楚，再动手写

3. 然后当研发：子Agent并行拉起Cloud Run、Firestore、BigQuery

4. 上线前当安全：/security-review抓住缺校验，改完再发

5. 最后当增长：现场数据进看板，观众评分实时出来

大多数团队要排期一周的链路，他压进同一次会话。

把时间空出来，这可能是你这个月最值的26分钟。

[老白（每日 AI 干货✊） @laobaishare]

Sam Altman 说：“你不再需要写提示词了。”

他用 38 分钟，讲了一种大多数人从没想过的 ChatGPT 用法。

这是他给斯坦福学生做的演讲。

看完发现，我大概只用了 ChatGPT 实际能力的 15%。

我真被震惊到了

推特上都在琢磨怎么写出完美的提示词。

但你想跟 AI 协作，有更好的方式。

AI 的未来不是更好的提示词，而是更好的系统。

去看完 38 分钟演讲再说吧。

[看不懂的SOL @DtDt666]

值得兄弟们收藏！

被封杀的片段揭示了财富的底层逻辑
吉姆·罗恩在1981年的演讲

因为讲了这个世界财富的底层逻辑
所以一直被封杀。

五分钟就可以深度理解任何事物的运行法则，最完整版来了。

[退役赌徒_Ray @raysp500]

你需要知道的：

1. Claude（解决任何事情）
2. NotebookLM（学习任何东西）
3. Perplexity（研究任何事情）
4. ChatGPT（生成图像）
5. Google Omni（编辑任何视频）
6. ElevenLabs（创建声音和音乐）
7. Gamma（即时PowerPoint）
8. Obsidian（构建你的第二大脑）
9. n8n → （自动化任何事情）
10. Granola → （记住会议中的绝对一切）

[章工 @435hz]

家里的网为什么突然变慢？
很多时候不是宽带的问题，而是根本不知道谁在偷偷跑流量。

GitHub有个开源项目 Neko Master，可以把家里网关的流量实时可视化，一眼看清网络到底发生了什么。
https://t.co/obFsw9v8nO

[Hux @huxlab]

今晚别刷Netflix了。

去看这个斯坦福2小时34分钟的讲座。

这是我见过最清晰、端到端讲透ChatGPT和Claude到底怎么建出来的课。

从Tokenization和BPE开始，一路到Transformer架构、训练管线、Next-token解码。

不管你是从没写过一行AI代码，还是天天在ship Agent，看完都会把很多“原来如此”的点一次打通。

真正核心就这几层：
1��本怎么变成模型能吃的数字（BPE tokenization）
2语言模型本质就是在预测下一个token
3Transformer怎么用Attention做消息传递
4训练时用NLL loss把整条序列概率拉高
5生成时怎么一步步解码出来

大多数人花好几年才拼出的全景图，这节课直接给你画完。

把时间空出来，这可能是你这个月最值的一堂课。

[断浪 WaveKing @waveking1314]

推荐几个优秀信息源
1、Reddit
互联网最大的论坛之一，几乎任何领域都能找到高质量讨论。AI、投资、编程、创业……全是真人经验分享，没有算法强行推送。

2、Threads
Meta 旗下的社交平台，内容比 X 更轻松。很多海外开发者、创作者会同步更新想法，互动氛围也更友好。

3、Hacker News
程序员和创业者的必看社区。每天都有 AI、开源项目、创业故事和最新技术讨论，信息密度极高。

4、Product Hunt
每天都有新的 AI 工具和产品上线。很多后来爆火的项目，最早都是从这里被发现的。

5、LinkedIn
不只是找工作。国外很多 CEO、投资人、创业者会直接分享行业洞察，往往比媒体更早看到趋势。

6、Telegram
频道和群组资源极其丰富。技术、AI、投资、工具分享频道更新快、信息密度高，很多一手资料和海外动态都在这里先流出。

[黄河边 @huanghebian]

国外老人对着镜头说：我92岁没剩几天了！我需要告诉大家一些事！

[泊舟 @bozhou_ai]

Anthropic 发布了 37 分钟的指南，用于构建自动化整个公司的 AI 代理。

完全免费。由构建 Claude 的工程师提供。 能够工作的代理，会分配任务并独立执行一切。

我已经烧录为中文字幕。并且附带中文课件，先收藏后学习

[XiaoPeng🇦🇺 @PenngXiao]

https://t.co/1AUjM8e1PL 我最近几个月看到的最有价值的一篇文章。
@yan5xu

[周览资源 @grgerwcwetwet]

Telegram 玩了很久，还不知道去哪找优质频道？

推荐一个实用网站 TG 知道，专门收录中文 Telegram 的 频道、群组和机器人，科技数码、学习技术、资讯、社群、实用机器人等都有，直接分类搜索，比自己在 Telegram 里乱翻方便多了。
https://t.co/653uprDWYD