薰瑾🏳️‍⚧️

大号@Jxun_violet 换手机的时候被不小心封了 高龄超大只含糖mtf｜HRT 09/25｜infj小老头｜待业中 ｜请大家多多指教喵！

[薰瑾🏳️‍⚧️ @JxunViolet]

看到这张图片
突然想起初三爆柜的时候我妈妈曾经问过我是不是真的想当女生
要不是怕被我离异的爸揍死，也许我真的就成了家长档或干脆上岸了

[奶昔🥤 @realNyarime]

新的《网络犯罪防治法》生效以后翻墙就是违法的了，因此我强烈推荐各位办理一张境外电话卡，使用国际漫游在中国大陆使用，尤其是港澳运营商的两地、三地套餐更为划算。
要想不出国办理，最方便的方式就是eSIM扫二维码直接下卡。不过大部分国��手机都不支持这个技术，因此配合可拔插实体eSIM卡（如eSTKme、9eSIM，使用优惠码naixi打9折），再把运营商提供的二维码添加到里面即可。
顺带一提，虽然eSTKme支持iPhone但我还是建议配个读卡器，正好过年套装也划算，用个优惠码抵运费。

对于运营商推荐，我个人建议是根据自身强度为准。
对于轻量用户没必要上台，随便一个之前推荐的一年期BananaTravelSIM（58HKD，10G后限速）、XPIN（9USD，20G亚太12国）、红茶移动RedteaGO（24.95USD，100GB中国大陆，优惠码SUJI0003领3刀）都能解决外网需求。
对于重度用户，就可以考虑上台港澳运营商的两地、三地套餐。老牌就中国移动香港（CMHK）和澳门电讯（CTM），他们也有一卡两号、家乡号托管之类的业务，甚至身处中国大陆也有SA漫游。就是需要跑线下门店、交押金，不过CTM可以SA的地方少，但带机计划买港版iPhone挺划算，并且港版目前已经支持eSIM，就无需再买可拔插eSIM了。不想跑香港门店，可以去开中国联通香港（CUniq HK）的月神卡，送内地号码。哪天不用了，随时取消套餐，每个月9HKD就能保号。

至于我自己，前几年拿着学生证到中国电信澳门（CTMO）老套餐还有半价优惠，三地5G每个月都是半价，我是188MOP那档所以每个月就93MOP，现在新的套餐只有寒暑假优惠。另外就是CMHK每个月68HKD的基础费用再加38HKD的自由圈A，覆盖两岸四地。最后是Google Fi，每个月大概45刀全球漫游，用100G后限速。总之我出国基本都用它，就不至于办当地卡了，也不知道为啥Google Voice要新用户上传身份证明，似乎在封车了。
我顺便推荐最近奶昔论坛超火的中国电信英国（CTExcel UK）作为流量卡，前阵子eSIM选项下掉了，不在英国论坛上也有介绍激活方式。

还是那句话，有些东西还是早开早享受，错过了就不会再有了，门槛肯定是越来越高。
即使总有一天eSIM也会像WiFi一样开放，除非那堵名叫GFW的墙拆掉，否则也没有那么快放开。这世界上最赚钱的方式就是“信息差”，当人们都知道外面的世界长什么样，就不会有人愿意花大钱当冤种了。

[𝙋𝙖𝙨𝙨𝙡𝙪𝙤 𝘼𝙄 @passluo]

笑死，原来一行命令就能在 macOS 下面开启 Gemini in Chrome

1️⃣ VPN 走美国节点

2️⃣ command + q 彻底关闭 Chrome

3️⃣ Terminal 里运行 open -n -a "Google Chrome" --args --variations-override-country=us

是的，高端的 hack 往往就是这么朴实无华 😅

[薰瑾🏳️‍⚧️ @JxunViolet]

@femiCola 这是哪一双啊 好看

[薰瑾🏳️‍⚧️ @JxunViolet]

开心

[薰瑾🏳️‍⚧️ @JxunViolet]

新裙子
喜欢！
家里有点乱挡一下（）

[Yangyi @yangyi]

来自中国顶尖实验室的一份303页的重磅研究。

这篇论文详细阐述了如何构建、训练以代码为中心的语言模型，并将其转化为软件智能体，辅助开发流程。

这些模型能理解自然语言指令（比如bug报告或功能需求），并尝试输出符合意图的可执行代码。

作者首先介绍了训练流程，从收集、清洗大规模代码数据集，到预训练（让模型大规模吸收编码模式）。

然后，他们描述了监督微调和强化学习，这些额外的训练阶段会奖励模型遵循指令、通过测试、避免明显错误。

在这些���型之上，论文调研了软件工程智能体，它们将模型封装在一个循环中，读取问题、规划步骤、编辑文件、运行测试，并在失败时重试。

研究指出了现有差距，比如处理大型代码库、保证生成代码的安全性、可靠地评估智能体。

同时也分享了当前团队可以复用的实用技巧。

[紀春生 @ji_chunsheng]

在佛吉尼亚的 Ashland在上周感恩节黑五期间，一只小浣熊破门闯入当地一家酒水专卖店，自己打开各种酒喝到不省“熊”事，最后醉倒在厕所里。

事件发生在周六清晨，Hanover County动物保护与收容所接到通报赶到现场，发现店里多排酒架被翻得乱七八糟，而肇事的浣熊正醉倒在卫生间。警方随后将它安全带回收容所“醒酒”。

睡了几个小时确认没有受伤之后，这只小浣熊被放回了野外。🥹

[薰瑾🏳️‍⚧️ @JxunViolet]

g老师眼里的我！
嘿嘿也算是有自己的oc啦
p2 p3是g老师眼里最适合我的衣服～

[AIGCLINK @aigclink]

超酷，Gemini 3做的一个3D交互式网站，它通过摄像头识别手势并可实时交互，可以用手操控粒子

Gemini 3可以生成带three.js的3D交互场景，生成的场景可以用手进行互动

对线下的展会、橱窗或广告牌可以搞成隔空操控体验了

方法：
打开Google AI Studio，把提示词贴进去
把生成的代码复制出来

新建一个文本文件，把代码粘进去，然后把文件名从默认的 .txt 改成 index.html

最后双击用浏览器打开

提示词：
Create a real-time interactive 3D particle system with Three.js.

requirements:
1. Control the scaling and expansion of the particle group by detecting the tension and closing of both hands through the camera.

2. Provide panels that can choose hearts/flowers/saturn/Buddha statues/fireworks and other templates

3. Support the colour selector to adjust the particle colour

4. Particles need to respond to gesture changes in real time. The interface is simple and modern.

5. The interface is simple and modern

用例来自于 @EHuanglu

#Gemini3 #AI交互网页

[薰瑾🏳️‍⚧️ @JxunViolet]

呜呜呜呜呜我中了
虽然是二作
下一篇就是我自己的了

[薰瑾🏳️‍⚧️ @JxunViolet]

你知道的，我也只是个小孩。

你坏。

小孩长大了，成为了你的姐姐，也顺带成为了别人的姐姐

谢谢你，我最爱的姐姐

[薰瑾🏳️‍⚧️ @JxunViolet]

“如果两个人都哭的话，场面会乱成一团吧，所以我要坚强起来，因为你更伤心。”

这是在第一次寒假分别的时候，你��我说过的。那时的我，不需要也不会在你面前做任何伪装，也不需要成为一个小大人。北京的雪轻轻的落在你我的肩头上，我缩在你的怀里，哭的像个小孩。

[薰瑾🏳️‍⚧️ @JxunViolet]

但是在换卡槽的一瞬间，我的心随着卡槽的拔出被狠狠的削了一大块。所谓的“心如铁石”，在这猛烈的情绪冲击中成了笑话。

但我不能哭，至少现在不能。

因为比起我，你才是受伤更深的那个，你才是该哭的那个。

虽然但是，在送你上车后，我还是忍不住扭过头去，被你发现了。

“你为什么要扭头”

[薰瑾🏳️‍⚧️ @JxunViolet]

周六���

[薰瑾🏳️‍⚧️ @JxunViolet]

🕯️

[陳少4.0 @chan19890604t04]

居然是86

[lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人） @lidangzzz]

2025年，我的几个第一性原理：

1. LLM token一定会越来越便宜，模型越来越强大，记住，所有做LLM Agent的人，都必须思考如何用10~1000倍的token带来革命，而不是他妈跟个傻逼似的天天想着省token；

2. chatbot的形式一定会被消灭，no chatbot revolution才是正确方向，一切AI应用不可能 、不应该、绝对不是一个个大号聊天机器人，一个个大对话框等着人大段大段往里敲字，

记住，所有AI产品必须重新设计，一切chatbot AI应用必定会被改写成NO CHATBOT形式，无一例外，chatbot的产品形态必然会彻彻底底、完完全全地淘汰，

或者那个傻逼一样的对话框，至少作为二等公民出现；

3. AI助手一定不能用“按个按钮”、“截个图”、“上传个文件”，再写个长长的prompt的形式出现，让用户解决个问题，先让用户点点按按十几次，

AI助手一定是具有强侵入性的，一定能主动嗅探一切环境，吞掉一切数据和信息，一定会主动在后台观察一切操作和行为——并且在疑似需要帮助的时候，主动弹出个对话框，用户一键确认后，主动接管，主动解决一切问题，

而绝不应该像准备个考试一样，准备文件、准备截图、准备一大堆按钮、准备一大长串prompt，让用户跟个大傻逼似的，手忙脚乱地在那儿表演，

总而言之，无论是商业落地的AI Agent，还是各种办公软件、���具、生活类的AI Agent，一个个不仅是傻逼兮兮的大黑框chatbot，而且要用户手动输入一大堆文件、图表、链接、信息，再敲一大段prompt——这些全都走了大弯路，

toC的无缝衔接强入侵的主动AI Agent助手，完完全全不会给你任何告诉他的机会，而是让AI Agent主动判断你是否需要我，直接给你一个大大的对话框，简单描述一下“我计划怎么帮助你”——你点一下确定，它来解决后面所有的事情。

4. 一切能用coding解决的问题，都是SWE Agent能解决的问题，也就是说，都可以直接拿claude code这类工具套壳来用，

SWE Agent这个形态，最擅长解决的问题，就是在一个确定的环境（一台机器、几台机器、若干仿真环境、一套terminal里的编译器/脚手架/运行环境/包管理、profiling和debugging方法）解决的问题，

而用coding解决的问题，从来都不止coding，一切VHDL/Verilog等电路设计、电路simulation和validation、一切类似labview和matlab simulink中可以仿真的电机、信号、示波器等等模块，

甚至ansys和CAD这类工具，还有大量data science和计算的问题，以及用lean或者formal-proof解决一些proof-based的数学和模型问题，都可以转化成一些API和coding解决的问题，然后让SWE Agent来解决，

这类问题可以叫做“一台机器上的确定环境下的问题”，

这类问题的特点是，可以靠LLM的智能不断拆分成一大堆subtasks，然后在本地环境下反复尝试、反复试错、反复看output、反复试验结果，失败后再换一个新的approach；

5. full self coding（https://t.co/W0qe8YtsYX）就是基于上面所有第一性原理的一个试验。

我将会设计一套侵入式试验，让10~500个ai agent组成一组，给一个github项目找出所有潜在的问题，包括文档、测试、修bug、优化、重构、完成todo list、加功能��加API等等，让10~100个agent并行完成这个repo潜在需要完成的所有任务，

并且让至少10组这样的agent去github上面公开贡献，等于在没有任何人为输入prompt的前提下，造出来1000~5000个agent在开源世界源源不断地做出贡献，就死死赖在github上面，尝试修复一切可能修复的潜在问题，做出贡献。

请你记住full self coding是最坚决贯彻test-time scaling law的行为，

full self coding坚决相信，人是ai agent世界最傻逼、最慢、错误最多、判断失误最高的存在，让程序员手敲prompt，无异于给AI Agent拖后腿，

只有先分析出问题，然后让10~500个agent同时并行运行，才能最大化执行的效率，最快速度解决已经发现的问题，无休止地为github提供潜在的有价值贡献——并且最关键的是，把“敲prompt的程序员”这个最垃圾、最慢、出错最多的环节彻底消除；

6. full self coding最大的瓶颈，一个是token价��过高，一个是目前几乎所有主��供应商，LLM inference速度过慢，

所以我最后的一个想告诉大家的价值观是：

groq、sambanova、cerebras这种在片上堆满几个GB的SRAM，在inference上效率是nvidia、amd、google TPU这些落后架构的10~50倍，这是test-time scaling law的最后一环，

如果人类在claude code、gemini cli上全面接入groq、sambanova、cerebras上host的模型，所有速度都会再快10~50倍，

现在最大的问题是，groq、sambanova、cerebras他们只能白嫖开源模型（deepseek、qwen、zai甚至更难用的llama），因为这三家自己没能力训练模型，本质是卖芯片的（实际是自己造完data center后卖API），

但是只要中国几家厂商能源源不断输送最好的开放weights的模型，让groq、sambanova、cerebras持续用上他们能用的最好的开放weights的模型，这三家最终会把nvidia、google tpu连同他们的客户一锅端。

人类依然非常需要LLM inference的时间上的飞速优化，只不过现在人���需要更强的模型，而人类愿意为此多等等时间，

但是终归有一天人们会发现，无论是coding，还是在各种infra中快速反馈相应，哪怕是简单的搜索或者问答，inference速度这件事才是至关重要。