谢谢空调

在家真好

[谢谢空调 @RealLucaziki]

@Lakr233 感觉有股子ai味儿

[谢谢空调 @RealLucaziki]

@sonripink 由于我的阅读速度过快,当我意识到发生了什么的时候,已经来不及了。

[谢谢空调 @RealLucaziki]

@SaraDiscovers Basic

[谢谢空调 @RealLucaziki]

@tfforr 保持希望，你会挺过去的。

[谢谢空调 @RealLucaziki]

@puarangue 这些混蛋应该感谢他只能死一次。

[谢谢空调 @RealLucaziki]

@elaitxus

[谢谢空调 @RealLucaziki]

太对了兄弟

[El Diaz @SoyDaniloDiaz]

Amo que nuestra generación rompió el estereotipo de que si te tatúas, no consigues trabajo; ahora nadie consigue trabajo, estés tatuado o no.

[谢谢空调 @RealLucaziki]

@Kurenai00499677 @herobridge 使用Yahoo搜索不到的话，可以试试用Google。另外你还可以顺便找找日本被美国投下两颗原子弹轰炸的原因。

[谢谢空调 @RealLucaziki]

确实👍

[Maldita Summer @MalditaSummer]

No me molesta trabajar, pero me molesta el concepto de trabajar 7-8 horas al día y luego volver a casa con solo unas 5 horas para mí, que incluyen tomar el autobús, cocinar y prepararme para el día siguiente. Esto no es vida.

[谢谢空调 @RealLucaziki]

@precisox 当然是猛猛的充钱了

[谢谢空调 @RealLucaziki]

@zakariamlk 欢迎来到中国，这里有微博，微信，小红书，抖音。

[谢谢空调 @RealLucaziki]

@Sunny_Europe24 还是琉球好听。

[谢谢空调 @RealLucaziki]

@metaIcats pornhub上都有人上传高等数学的教学视频，观众还不少，在onlyfans上教人做饭也是可以的吧。👀

[MasterPa @HanyangWang]

小西天，看着像视频，但其实是我们在现场实地拍摄 3,811 张 206 GB 的照片后建模的。FUNES 把《黑神话：悟空》里「既见未来，为何不拜」满天神佛的原型，来自自山西临汾隰县的小西天，做成了一个可漫游的 3DGS 数字存档。

完全实地拍摄，每天清晨一开门就冲上山去，趁着没人的时候拍。然后通过 Gaussian Splatting 重建，没有手工建模，尽量保留真实悬塑和圆塑的极其密集的金色空间、细节和光感。不同的材质在这里交织成了无法分辨的一个天国世界。这种半空中的小塑像是「悬塑」，它们大多出现在十六世纪到十七世纪。

在现场如果要看清小西天的所有细节，我想大概需要三天时间。但是有了模型，我们可以在屏幕前慢慢看。在相当长的时间里，学术界并没有特别重视小西天这样的悬塑——因为在只有学术图录的年代，平面印刷无法展示出悬塑的震��。而随着技术的进步，我们终于可以在���方一窥明代悬塑的璀璨。

重轻特意为这个模型做了配乐，大家可以打开慢慢欣赏。

推荐电脑访问：https://t.co/az1wuMhmuu

[谢谢空调 @RealLucaziki]

这就是日本右翼常年累月的进行岁月史书的结果，他们现在反倒是感觉惊奇起来了。

[いなり王子・坂梨カズ @inari_oji]

昨夜､娘から衝撃的な発言があり急遽家族会議をしました…。
娘曰く「日本人���見られるのが恥ずかしい…」と…。
なぜなのか問いましたら「歴史の授業で南京大虐殺を知った」と。

娘はインターナ��ョナルスクールですので､私は「それは日本人の先生から教わったの？」と訊きました。
すると､「IGCSEのカリキュラムの中でイギリス人の先生から教わった」と…。

※IGCSE（Cambridge IGCSE）とは、14〜16歳（日本の中学〜高校1年）を対象とした世界的に認められた中等教育修了資格です。
イギリスが中心で､この後にIBやAPなどに進みます。

家内が「そんなこと､していないのよ！」と言いますと､「ママやパパの頃は事実が分からなかったのよ」と…

私から､「1985年に南京大虐殺記念館が中国でオープンするまでは､南京事件って言って中国も騒いでいなかったんだよ」と言っても「それは日本の視点で､世界からは違うよ」と…。

衝撃を受けました私は､添付の記事（日本のメディアではなくNYタイムズ）を見せて､冷静に虐殺する合理的なメリットが��いことや､中国のプロパガンダの特性などを話しました。
蒋介石の行動や､南京での日本軍と現地の方のスナップ写真なども見せました。

娘はまだ半信半疑のようです。
私が心配しているのは､上記の内容を海外の教育プログラムに入っていること…。何とかできないか模索中です。

[小八 @IceBearMiner]

https://t.co/yVsf9FZR8z

[数字生命卡兹克 @Khazix0918]

https://t.co/lBlcHPYxhD

[谢谢空调 @RealLucaziki]

从cc转到codex的感觉就是这样，codex是它自己就把约束加好了，cc就得自己去构建约束。所以如果安装完直接用，codex的结果会比cc更收敛。

[泊舟 @bozhou_ai]

做 Agent 的一个体会：

Prompt 负责引导，不负责约束
工程负责约束，不依赖模型自觉
少在 Prompt 里写规则，多在系统里做约束

[宝玉 @dotey]

转译：Harness 工程就是控制论

读 OpenAI 那篇 Harness 工程的文章[1]时，我一直有种说不上来的感觉。然后突然想通了：这个模式我见过，不是一次——是三次。

第一次是 18 世纪 80 年代瓦特的离心式调速器[2]。在它出现之前，得有个工人站在蒸汽机旁边，用手调节阀门。有了它之后，一个带配重飞球的机械装置能自动感��转速并调节阀门。工人并没有消失，但工作变了：从亲手拧阀门，变成设计调速器。

第二次是 Kubernetes[3]。你声明期望状态——三个副本、这个镜像、这些资源���制。一个控制器持续观察实际状态。当两者出现偏差，控制器就会去协调：重启崩溃的 Pod、扩缩副本、回滚有问题的部署。工程师的工作从重启服务，变成了编写系统据以协调的规格说明。

第三次就是现在。OpenAI 描述了这样一批工程师：他们不再写代码。取而代之的是设计环境、构建反馈回路、将架构约束编成规则——然后由 AI 智能体来写代码。五个月，一百万行代码[1]，没有一行是手写的。他们管这叫"Harness 工程"（Harness Engineering，意为为 AI 智能体搭建"缰绳"和"马具"般的约束框架）。

三次，同一个模式。诺伯特·维纳[4]在 1948 年就给它起了名字：控制论（Cybernetics），来自希腊语 κυβερνήτης——舵手。你不再亲手拧阀门，而是掌舵。

每一次这个模式出现，都是因为有人造出了足够强大的传感器和执行器，在那个层面闭合了反馈回路。

为什么代码库是最后的堡垒

代码库并非没有反馈回路，只是只在较低层面有。编译器在语法层面闭合回路。测试套件在行为层面闭合回路。代码检查工具在风格层面闭合回路。这些都是真正的控制论式控制——但它们只能检查那些可以机械验证的属性。能编译吗？能通过测试吗？符合规则吗？

而在这之上的一切——这个改动符合系统架构吗？这个方案是不是正确的思路？这个抽象随着代码库增长会不会埋下隐患？——既没有传感器，也没有执行器。只有人类能在那个层面运作，而且是两侧同时运作：判断质量，编写修复。

大语言模型同时改变了这两端。它们能在过去只有人类才能把控的层面进行感知——也能在同一层面采取行动：重构一个模块、重新设计一个不一致的接口、围绕真正重要的契约重写整个测试套件。反馈回路第一次可以在做出关键决策的层面闭合了。

但闭合回路是必要条件，不是充分条件。瓦特的调速器需要调校。Kubernetes 的控制器需要正确的规格说明。而让大语言模型在你的代码库上工作，需要提供一样更难的东西。

校准传感器和执行器

让基本的反馈回路运转起来——智能体可以运行的测试、能输出可解析结果的 CI、能指向修复方向的错误信息——这只是基本门槛。Carlini 已经展示过这一点[5]：他让 16 个并行智能体构建了一个 C 编译器，用的是简单到令人惊讶的提示词[6]，但测试基础设施是精心设计的。"我的大部分精力都花在了为 Claude 设计周围的环境——测试、环境、反馈机制。"

更难的问题是用你的系统特有的知识来校准传感器和执行���。大多数人卡在这里，然后把问题归咎于智能体。

"它老是做错。它不懂我们的代码库。"这个诊断几乎总是错的。智能体失败不是因为能力不够，而是因为它需要的知识——什么叫"好"、你的架构鼓励哪些模式、回避哪些模式——锁在你脑子里，你从没把它外化出来。智能体不会靠耳濡目染来学习。如果你不写下来，它在第一百次运行时犯的错和第一次一模一样。

这项工作的本质是让你的判断力变得机器可读。描述实际分层和依赖方向的架构文档。内置修复指引的自定义代码检查规则。编码了你团队审美标准的黄金准则。OpenAI 也发现了这一点[1]：他们每个周五花 20% 的时间清理"AI 垃圾代码"——直到他们把标准编进了 Harness 本身。

唯一的出路

这些实践所要求的一切——文档、自动化测试、编码化的架构决策、快速反馈回路——一直都是正确的。过去三十年出版的每一本软件工程书籍都在推荐它们。大多数人跳过这些步骤，因为跳过的代价是缓慢而弥散的：质量缓慢下滑、新人上手痛苦、技术债务悄悄累积。

智能体化工程让这个代价变得极端。跳过文档，智能体就会无视你的规范——不是在一个 PR 上，而是在每一个 PR 上，以机器的速度，全天候地。跳过测试，反馈回路就根本无法闭合。跳过架构约束，漂移的速度会快过你修复的速度。而陷阱在于：如果智能体不知道"干净"长什么样，你也没法用智能体来收拾这个烂摊子。没有校准，制造问题的机器同样无法解决问题。

实践没有变。忽视它们的代价已经变得无法承受。

生成-验证不对称性——P vs NP[7] 背后的直觉，被 Cobbe 等人用大语言模型实证验证[8]——指明了未来的方向。生成一个正确的解比验证一个解要难。你不需要在实现能力上超越机器，你需要在评判能力上超越它：定义"正确"是什么样子，识别输出哪里不对，判断方向是否正确。

那些设计了瓦特调速器的工人再也没有回去拧阀门。不是因为他们做不到，而是因为那已经没有意义了。

引用链接
[1] Harness 工程的文章: https://t.co/jzMo4arK5s
[2] 瓦特的离心式调速器: https://t.co/ctRxZYFXeZ
[3] Kubernetes: https://t.co/D7NdAdi8tV
[4] 诺伯特·维纳: https://t.co/LGPwF5eL0u
[5] Carlini 已经展示过这一点: https://t.co/2C8va2j7tE
[6] 简单到令人惊讶的提示词: https://t.co/deEuA0EPtz
[7] P vs NP: https://t.co/i5fKjcuDd0
[8] 用大语言模型实证验证: https://t.co/ekSHhMP6zK

[Yanhua @yanhua1010]

推荐一下我目前Claude Code安装的8个的插件：

基本涵盖了开发、CR、Github commit的整个流程，也是Anthropic官方推荐的，尤其第一个插件，超过18万安装

1⃣ frontend-design
用于 UI/UX 实现的前端设计技能

2⃣context7
Upstash Context7 MCP 服务器，用于最新文档查找。可直接从源代码仓库将特定版本的文档和代码示例拉取到您的 LLM 上下文中。

3⃣code-simplifier
在保留功能的同时，简化和优化代码以提高清晰度、一致性和可维护性的智能体。

4⃣github
用于仓库管理的官方 GitHub MCP 服务器。直接从 Claude Code 创建 Issue、管理拉取请求、审查代码、搜索仓库以及与 GitHub 的完整 API 进行交互。

5⃣code-review
使用多个基于置信度评分的专用智能体，对拉取请求进行自动代码审查。

6⃣commit-commands
通过用于提交、推送和创建拉��请求的简单命令，简化您的 git 工作流。

7⃣security-guidance
安全提���钩子，在编辑文件时警告潜在的安全问题，包括命令注入、XSS 和不安全的代码模式。

8⃣feature-dev
全面的功能开发工作流，配备用于代码库探索、架构设计和质量审查的专用智能体。