ainopara

@[email protected] iOS App Developer.

[ainopara @ainopara]

@cyandev 有状态的话，对话中间要怎么切换模型或供应商？

[忒修斯的船板 @Arcadia_Bao]

https://t.co/s9UbXez2vL

[CMGS @CMGS1988]

https://t.co/0mppm1Mj9z

[WeZZard @realWeZZard]

My J-Space visualizer is now on GitHub.

https://t.co/vzIKvrLdAP

Limitations:
- Apple Silicon (MLX) only
- 12 prompts / 23 late layers vs paper's 1k
- noisy mid-layer readouts
- weak interventions
- no early layers yet

A full-depth 20-prompt version is fitting overnight.

[Megabits ❄️ @Megabits_mzq]

刚群里看到的，这啥玩意啊🫪

[Tuist @tuistdev]

While taking the first steps to supporting @bazelbuild, we noticed there wasn’t any X list of people that actively share Basel ideas so we went ahead and started curating one:
https://t.co/m5UOBsEDdB

Who else should be in the list? Who is pushing the boundaries of build systems?

[onevcat @onevcat]

之前这条推文其实是开玩笑的...这里这篇新博文才是我的真实体验..《当编程变得不再有趣》
https://t.co/FgdXsHNgfZ

[ainopara @ainopara]

@Light20737818 现在大家都能 vibe，一句话就能 vibe 出来的软件，别人是不会花钱买的。

[WeZZard @realWeZZard]

给大家看看 Fable 5 一个小时的优化结果：一个 500 多 subagents 的 agent session 的时间线视图。，在 Apple Studio Display 5K 分辨率下达到 60 fps 滑动帧率。GPT 5.5 和 GLM 5.2 花了 10 个小时还需要 babysitting，prompt 都要求了先 profile the full pipeline，然后再优化，效果还没有这么好。

[墓碑科技 @mubeitech]

查理·芒格生前最爱讲一个寓言式的故事。

普朗克拿到诺贝尔物理学奖后，在德国各地巡回演讲。
他的专职司机天天在台下听，把整篇演讲背得滚瓜烂熟。

有一天，司机对普朗克说：
“教授，每次都是你讲，太枯燥了。要不这次我上台演说，你穿上司机的衣服坐在台下？”
普朗克居然同意了。

司机上台，一字不差地背完了整场硬核物理报告，台下掌声雷动。
这时，突然一位物理学家站起来，提了一个极其刁钻、极其高深的技术问题。

换作普通人，当场就得穿帮。
但这位司机脑子极快，他面不改色地看着对方说：
“我真没想到，像慕尼黑这样先进城市的学者，居然会问出这么基础的问题。这个问题，让我坐在台下的司机来回答就够了。”

开始吧。

芒格讲这个故事，是为了区分两种知识：
一种是“普朗克知识”，也就是真正搞懂、付出过代价的真知；
另一种是“司机知识”，也就是只学会了名词、靠模仿和背诵来假装懂了的表演。

现在，AI 时代来了。

你会发现，大语言模型（LLM）的本质，就是这个世界上最完美的“司机”。
它看过了人类所有的“演讲稿”，能在几秒钟内，用最流畅的行业黑话，给你整出一篇极其专业的报告。
只要你不追问，它看起来就像个无所不知的诺奖得主。

这导致了一个极其残酷的现实：
“司机知识”在一夜之间，变得极其便宜，甚至免费。
任何一个会用 prompt 的人，都能在表面上扮演某个领域的专家。

那么，在信息密度瞬间被拉平的时代，什么才是真正稀缺的？

是真正的“普朗克知识”。
也就是：
第一，能不能回答直击痛处的追问？
第二，面对逻辑反例时，能不能给出合理的解释？
第三，也是最重要的一点，知不知道自己的认知边界在哪里，并坦然承认“我不知道”？

大模型能帮你模仿一切，但它唯独无法产生真正的“理解”。

潮水退去的时候，谁是普朗克，谁是那个穿着西装在台上流汗的司机，往往只需要一两个追问，就立刻现形了。

[ainopara @ainopara]

很遗憾看到这么多人认为「根据需求的特性来定制一个更简单也因此更有效率的解决方案」这种最理所当然的性能优化思路是：
1. 自嗨式造轮子，肯定最后留下烂摊子
2. 不可行的，因为 SQLite 是完美的，没有人能比他更快（并让 AI 实习生写了份性能对比报告以证明自己的观点）

[WeZZard @realWeZZard]

I gave GLM 5.2 eyes.

[onevcat @onevcat]

今年三月底在 Let's Vision 上介绍了我们正在做的让 agent 参与 mobile 开发自主验证的一些微小工作。现在终于可以把其中一部分我们日常使用的工具开源了。

sim-use 是让 AI agent 能看到模拟器/设备的屏幕并操作它的命令行工具。一条命令把整个屏幕变成 agent 能理解的紧凑表示，再一条命令点击任意元素，以完成验证循环。iOS Simulator 和 Android 通用。

Plan, code, verify, ship — verify 这一环现在可以交给 agent 了。欢迎大家试用/加星/反馈/一同改进！

https://t.co/GPrb6fqYF2

[WeZZard @realWeZZard]

跑了一天跑完了，把我自己在做的 agent 的架构重构成了 ECS，也是守望先锋的架构。

对于 agent 而言轨迹很重要已经成为了共识。但是 harness 中发生的细节也是轨迹的一部分而不应该只是 transcript。

而 OW 依靠 ECS 傻瓜式实现了死亡回放，这是我重构的理由。应该会对 agent 观测和回放带来优势。

[小鱼·币币机 | Croath @cr0ath]

程序员每天都要比来比去谁 token 用得多

那我建议去掉冰冷的数字
100B token 用一个太阳来表示如何？

我的 vibe coding 经历：👑🌞🌞🌛🌛🌟🌟🌟

[钟二信 @zhongerxin]

Cowart：Codex + 无限画布工具插件开源，大家可以来试试啦，这个插件先取名叫 Cowart，别问为什么叫这个，我只能说 Code with Art 这种冠冕堂皇的理由：https://t.co/071tWD3G3L

[ainopara @ainopara]

@realWeZZard @tualatrix 据说这次新系统主要做优化，我准备直接主力机上了。

[ainopara @ainopara]

@lexrus 这个时间轴交互真丝滑，要是能把今天高亮一下就更好了。

[WeZZard @realWeZZard]

https://t.co/kQzWy9tyBP

[ReadyCheck @ReadyCheckDev]

Giving coding agents eyes and ears for app debugging.

I built ReadyCheck so Claude Code can inspect what happened while an app was running: screen state, spoken observations, and function traces from the moment a bug happened.

Starting with macOS.