KCL

Need a job

[KCL @bartlueng]

@xQcChatMessages ？

[luolei @luoleiorg]

咦，手机里怎么又出现一张能付款 AI 奇奇怪怪的卡 🤓
有用的邀请码： 32YO6PY
省流教程
1.土耳其 IP
2.选格鲁吉亚区注册
3.kyc 选中国+护照或身份证
4.地址填格鲁吉亚
5.人脸之后，等 3 天左右人工审核即可

[泊舟 @bozhou_ai]

市面上 Codex 的教程太散了。

官方文档一块、视频一块、各路博主又一块，新手想系统上手，光把这些东西拼到一起很花时间。

所以我和小伙伴花了十天，自己整理出一本《Codex 橙皮书》。今天免费开源，直接拿走。

一份 PDF 206页，从零到能用 Codex 跑通真实项目，挨个章节啃下来就够：

一. 先搞懂 Codex 是什么
它和 ChatGPT、Cursor、Claude Code 到底差在哪，四个入口怎么选，先把概念捋清楚。

二. 安装、配置与环境准备
App、CLI、IDE 插件、Web 四端，从下载到第一次跑通，一步步带着做。

三. 核心功能详解
自动化、插件、Skill、MCP、Git/GitHub、云端运行、记忆系统 AGENTS.md，一个个讲透。

四. 标准工作流
我们自己跑出来的标准六步法，再配一套能直接复制的任务模板。

五. 实战案例库
从宠物零食官网、管理后台，到招商 PPT、宣传视频，五个案例手把手做完。

全程中文，面向小白，配了一大堆实测截图。我们踩过的坑，基本都写进去了。

开源地址： https://t.co/IU966bjfgs

[ahhhhfs @abskoop]

现在出海上网工具的协议都是AnyTLS 这种了吗🥲

路由器要升级了 再不升级就被抛弃

你🪜用的啥协议了

[逸尘 @gengdaJ]

最近这几个月分享了太多关于Codex的玩法了，横跨了赚钱、自媒体、视频、记忆系统、APP开发上架、教程等多个领域，大家进行系统学习的时候，可以把这篇推文发给Codex，让它给你推荐阅读路径。

一、边玩边赚钱与实战变现
1. Codex进阶实战教程，办公四件套、3D视频、电商自动化
https://t.co/iQpedrxwlu
2. GPT2-image变现杠杆思路，6步赚钱路线图
https://t.co/JmnyYcReXr
3. 第一款App已有上百付费用户，全程用Codex完成
https://t.co/UUWc3toPBx
4. GUI可视化数据中台想法，打通微信飞书X数据
https://t.co/hK7YXLFewR

二、Codex App 新手入门
1. Codex App 小白完整入门指南，界面设置权限全解析
https://t.co/3WMhhNaazG
2. Codex新对话代理问题完整修复方案
https://t.co/qLMn094nRO
3. Codex App是普通人最佳本地AI选择，对比Claude Code
https://t.co/AwOeGpQr98

三、记忆系统优化
1. 基于EverOS重构Codex记忆系统并开源模板
https://t.co/JEe8D6LlaY
2. Codex+Obsidian+SQLite+向量检索迭代升级
https://t.co/xQ2CLgU844
3. 一键搭建Obsidian长期记忆系统完整提示词
https://t.co/6rpYIHz8dT
4. 外接Obsidian大脑优化版提示词，Token大幅节省
https://t.co/ETkLAihZRx
5. Codex记忆系统开源模板，支持多Agent共用
https://t.co/pycB6qr40H

四、Agent开发与部署
1. 从0到1开发并部署生产级Agent实战视频教程
https://t.co/S0rIGrOhFv
2. 非技术小白用Codex完整开发项目的最佳路径
https://t.co/u8cMbxT4ID

五、工具集成与自动化
1. Codex打通微信飞书自动归档合同交付物
https://t.co/GXrrcsSGKR
2. Computer Use打通Codex与ChatGPT Pro调用最强模型
https://t.co/S8YO61eYbu
3. Codex最好用插件推荐，Computer Use与Playwright优先
https://t.co/oLW1wGSG7A
4. Codex官方支持开源模型DeepSeek GLM Kimi
https://t.co/8oPhJ01CSi
5. Codex+GPT5.5实现微信双开Skill
https://t.co/ssSqUMNnOY

六、Computer Use与实战案例
1. Computer Use冰山一角用法大清单，10+真实案例
https://t.co/TQkuSdsDYv
2. 用Codex完成App备案与华为审核全流程
https://t.co/sGkoVoNaSi
3. Codex修复自家WiFi连接问题仅用2分钟
https://t.co/iaVHAefI6s

七、产品比较与日常使用
1. Claude Fable5 vs Codex，坚持使用Codex理由
https://t.co/e7EMk72Ehj
2. Codex /Sites命令构建团队网站或App
https://t.co/pl90Df0VJW
3. Claude vs GPT Codex全面对比分析
https://t.co/ma6I6z6kpF
4. 学习Codex最简单方法，搜索主页所有Codex推文
https://t.co/O8xnCD21wF
5. 重庆线下Codex分享，下沉市场仍有巨大空间
https://t.co/g8BHwWe92a

[William Long @williamlong]

亲测有效，一招彻底屏蔽黄推诈骗评论：发贴的时候点“所有人可以回复”-“谁可以回复”-“地区”，勾选除了“南亚”和“西亚”以外的所有地区，点击“应用”，这时候你发的推文下面就不会有黄推诈骗垃圾评论了，我用这个方法测试了一天，评论里一条垃圾评论都没有。

[周览资源 @grgerwcwetwet]

闲鱼=中国版暗网，只要暗号对，什么都能搜出来。
目前这个网站正在收集一些咸鱼黑话，目前在收集中，不算全，不过想法挺不错的，感兴趣可以收藏

https://t.co/PVJ7RskJuV

[Kafka @kafkasudo]

给简中用VPN的推友们提醒：

1. 能reject QUIC协议的尽量reject，不然运营商很可能会识别出你在用VPN翻墙

2. DNS查询不要走普通查询，也不要doq因为流量特征很容易被发现在翻墙，最好走doh和doh3

[Halosunnyッ @halosunny21]

발끝 못 닿는 거 유연성 문제 아니었음;;
어쩐지 안 닿더라니ㅋㅋ😅

[KCL @bartlueng]

@xibai17 @igeekbb 典型仇富，而且这个也不是民办学校，是公办的

[大帅老猿 @ezshine]

老婆回国了，让我给她弄个梯子，本来想省事买个几块钱的，结果发现一个开源项目可以把网络大善人CF的全球成千上万的边缘节点用来翻墙，ip 随心所欲换地儿， 一分钱都不用花，速度还贼拉快，部署极其简单，拢共 2 步，这你受得了吗？

[Adrian Punk @AdrianPunk115]

原来我用了这么多年 Shadowrocket，一直停留在“打开”和“关闭”两个功能上。看完才发现自己买了台路由器，当成电灯开关用了。

[Amto @XAMTO_AI]

兄弟们，今天随手一刷，看到个东西直接把我干懵了。

GitHub上有个叫 agency-agents 的开源角色库，你知道它现在多少星吗？81万。不是8.1万，是81万。这个数字意味着什么？意味着全球有几十万开发者和AI玩家已经在用了，你还不知道？

🔗 : https://t.co/7oTbpRfg0o

先说这东西是干嘛的。

简单讲，就是一个超级角色提示词库，里面塞了140多个专家级Agent角色。CEO、律师、程序员、产品经理、增长黑客、财务顾问、市场策略师……你能叫出名字的岗位，基本都在里面。每个角色都是精心调教过的，不是那种随便写两句“你是一个律师”就完事的垃圾提示词，是真的有深度、有专业框架的角色设定。

用法也极其简单，三步走：

1️⃣ 打开这个库，找到你需要的角色
2️⃣ 把角色描述直接喂给Claude Code或者Cursor
3️⃣ 开始对话，你的AI瞬间变成那个领域的专属顾问
就这么简单。你在做一个创业项目，不知道商业模式怎么跑通？调出CEO角色问它。合同条款看不懂？调出律师角色让它帮你拆解。代码写不下去？调出高级程序员角色让它review。
但最骚的玩法不是单个角色，是多Agent组团。

你可以同时开几个对话窗口，一个跑CEO视角，一个跑市场总监视角，一个跑财务视角，让他们对同一个问题给出不同角度的判断。这不就是给自己开了一家虚拟公司吗？而且这帮“员工”7×24小时在线，不要工资，不会摸鱼，不会跟你讲情绪。

我自己测试了几个角色，说实话，质量比我预期高很多。

特别是那些商业类角色，给出的框架和思路真的有点东西，不是那种泛泛而谈的废话，是能直接落地用的建议。当然，AI终究是AI，专业判断还是要自己把关，但作为思路启发和初稿生成，这个库的价值真的被严重低估了。

还有一点我必须说——它是完全免费的。

开源、免费、随便用、随便改。在这个到处收费、动不动就订阅的AI时代，这种东西真的越来越少见了。

现在AI工具的核心竞争力已经不是模型本身了，Claude、GPT、Gemini底层能力差距在缩小，真正拉开差距的是你怎么用、用什么角色、给它什么上下文。这个库本质上是在帮你解决“怎么用”的问题，把最难的提示词工程部分给你做好了，你直接拿来用就行。

81万星不是运气，是实力。

还没收藏的，现在去。

[KCL @bartlueng]

@3body Any trailer of season 2？

[KCL @bartlueng]

@jefflijun 哈哈，你现在的也有一堆，这些bot真是像牛皮癣

[KCL @bartlueng]

@emilyating @deennieden That’s true

[fin @fi56622380]

华为τ scaling定律营销策略，无非是more than moore的广义摩尔定律的另一种说法而已

作为芯片架构师，我更感兴趣的，还是芯片密度提升，ppt上41%能耗提升和12.7%性能提升，到底是怎么实现的

看完了论文，感觉华为这次创新，本质上是用设计复杂度高 + 高制造成本 + 超前散热，一定程度弥补了工艺差距

-----------------

1. 华为芯片堆叠带来的等效密度提升，是虚假宣传还是真的，是不是工艺突破？有没有实打实的好处？

等效密度提升的来源，是两片芯片用hybrid bonding技术绑在一起，投影面积理论上能减小一半，但第一代不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292）

这2026第一代等效密度从 2025 年 155 MTr/mm² 跳到 2026 年 238 MTr/mm²，时钟频率也提升了12.7%，功耗比提升41%，表面上看似乎和工艺突破没有什么区别，但有一点重要区别就是leakage power华为从头到尾没有提，只要工艺节点不变，gate leakage、junction leakage 不会因为 3D stacking 自动改善

2030年到2031年的等效密度突变，大概率是来自于2层堆叠到3层堆叠，正如2025到2026年的等效密度突变，时钟频率突变，来自单层到2层折叠

所以从leakage没提这个事来看，这个2031年等效1.4nm，和工艺节点上的突破没有联系。

本质上是用设计复杂度高 + 高成本 + 超前散热 + 超前部署advanced packaging，一定程度弥补了工艺差距

-----------
那么这样看起来虚假的等效密度提升，有用处吗？好处在哪里？

有的，设计上topology折叠，原来要跑几毫米的水平走线，折叠后变成了几十微米。降低了super buffer/bus的长度，降低了clock tree的深度（clock depth -42%、clock wire -28%），clock skew也带来了改良(-25%)，这对动态功耗的改善是实实在在的。部分critical path的缩短，也让时钟频率的上升更容易

所以ppt roadmap上performance的提升，从2025年到2026年上升了12.7%，大部分都是来自于时钟频率的上升（12.7%）

所以好处基本上是topology拆分电路逻辑设计上带来的提升

既然没有实质上的工艺提升，华为芯片堆叠带来等效密度提升的trade off代价在哪里？

三个代价：散热超前发展，设计复杂度高，制造成本变高

最大的代价就是热密度的同步上升，理论上logic on logic都是CPU execution发热最严重的区域，这部分折叠起来相当于功耗密度直接翻倍，但算上41% power efficiency改善，功耗密度仍只比非堆叠方案高40%左右。所以第一代只能对最关键的部分做折叠，大概只占全芯片面积的53%。

所以散热技术也被逼的超前发展，直接上毫米级的MEMS风扇，做micro-cooling fan。

另外的代价就是设计复杂度的变高，critical path的折叠，哪个部分的logic能折叠，折叠之后又会带来从前端到后端的巨大变化要推翻重来

现有的所有EDA工具也不可能支持3D topology，论文自己也承认，full-scale LogicFolding需要全新的3D-native EDA toolchain，把多层stacked dies当作单一连续设计实体处理。哪些logic能折叠、折叠后的inter-die timing closure怎么做，Physical Design（PD）也是难点

制造成本也会更高，被迫超前部署advanced packaging封装，1.5~2um的hybrid bonding + logic on logic都是很有挑战需要显著更高的成本
以前一层wafer做一次光刻；现在两层wafer分别做光刻再bonding，加上hybrid bonding的overlay控制（论文要求<0.5μm）、TSV、KOZ keep-out zone、冗余修复、良率乘法损失，每颗芯片的制造成本和测试成本都要显著上升

--------------------------

2. Tau scaling这个说法，scaling的到底是什么，这个scaling技术路线是不是一次性的design topology红利？潜力如何？持续进步的空间在哪里？

τ Scaling的核心主张是：用时间常数τ替代几何线宽作为全栈优化目标，在器件、电路、芯片、系统四个层级分别压缩特征延迟

公式本身没有任何新物理。"关注瓶颈延迟"是所有架构师都在做的事情。整个行业都知道互联RC是延迟瓶颈，TSMC每一代工艺都在用low-k dielectrics/semi-damascene等手段降RC。把一个众所周知的优化方向包装成"定律"是显然的营销宣传手段，本质是More than Moore的广义摩尔定律的另一种说法

抛开marketing，华为目前所谓RC delay的改善，本质上是芯片堆叠之后，topology距离缩短，让匹配的effective RC都变小，不是RC工艺常数

至于scaling的意思，是能持续发展的一条roadmap。这里的持续改善路径指的是，全芯片堆叠的层数越来越多，从25~30年的2层堆叠，到31年开始的3层堆叠，以后甚至会考虑4层堆叠

第一代折叠技术甚至不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292）。2031年的roadmap之所以会出现一个阶跃，就是因为那是从2层折叠到3层折叠的时间点。

但需要注意的是，这个scaling方法的边际效应是逐渐缩小的，折叠成双层的收益是100%，2->3层的收益就只有50%，如果2035年再从3->4层堆叠，收益就只有33%了

另外随着堆叠层数变高，上面说到的三个挑战，散热，设计复杂度，成本，都是越来越大

---------------------

3. 华为的芯片堆叠，是不是TSMC/AMD已经有的hybrid bonding技术？华为做到的是cache on logic，cache on cache，还是logic on logic，logic on logic最大的散热问题是怎么解决的？

是已经有的技术没错，但同时也是把现有技术指标做到了领先也是真的，3D堆叠本身不是新技术，TSMC的hybrid bonding量产还是6um，华为论文给出Kirin 2026的hybrid bonding pitch是1.5μm

我在刚刚看到华为的堆叠消息之后，第一反应也是怀疑和AMD的3D V cache类似，它主要把 SRAM cache 叠在 已经有的L3 cache 区域上，通常会避免直接堆在最热的 CPU execution logic 上，就是避免散热问题，毕竟SRAM 的功耗密度和热点特性与high-activity logic 不一样，如果最热的logic on logic堆叠，散热恐怕会碰到困难

但看了更多数据之后，clock buffer -56%、clock depth -42%、clock wire -28%，这些只有在core内部的clock distribution被重构时才可能发生。纯SRAM stacking不会碰core内部的clock tree。另外如果只是cache on cache，大概率是不需要单独MEMS微型风扇额外散热的，证据普遍都指向logic on logic方式

华为这个技术的精妙之处在于，logic on logic 折叠之后热密度并没有翻倍，而是因为topology的好处，能耗下降了30%，这样热密度只上升了40~50%

而第一代没有完全把整个最热的execution logic 100%堆叠起来，论文也明确说selectively applied along key critical paths，只是大概53%有选择性关键路径会堆叠起来，可能颗粒度都没有那么好，只是IP堆叠在IP上，那么热密度上升也许能维持在20%以内

但这条道路继续前行，超前发展的散热就成了必然，现在是MEMS微型毫米级的主动散热风扇，紧贴处理器传导效率高，和华为手机一样，散热堆料特别足，而且技术领先同行。

以后怕是要把HBM7/8的微流道散热技术提前用起来了，毕竟HBM7/8要上24+层堆叠，华为很可能要在提前用上下个世代的散热技术了

-------------------------

4. 从架构角度来说，最重要的问题，华为41%的power efficiency（能耗比）提升，到底是怎么实现的？为什么AMD的3D V cache没有这么大的提升？

首先确定41%的定义。论文只说"SoC performance-core power efficiency improved by 41%"，没有给出benchmark名称、Voltage/Freq点、温度条件、功耗边界。但PPT roadmap上有一个关键线索：ISO-Power Performance的数字，2025年是2.75，2026年是3.1，提升12.7%

这个时钟频率提升12.7%完全一致，可以理解为，同功耗的性能提升是12.7%，绝大部分是时钟频率提升带来的

至于能耗比上优化的猜测是，LogicFolding缩短critical path → 在固定Vdd下Fmax从2.75GHz提升到3.1GHz → 这意味着在原来的2.75GHz频率下，有了约12.7%的timing headroom → 这个空间在iso-performance模式下可以换成更低的Vdd

另外的能耗比的提升，可能也来自于电路折叠之后，cache hit latency的下降。从业界经验来看，一般L2/L3 cache hit latency下降10%，CPU整体性能会有至少5%的提升

ppt里显示SRAM latency下降30%，估计会有一部分转化为cache hit latency的下降

AMD的3D V cache没有这么大的提升，主要是因为AMD的底层logic die并没有重新设计，3D cache的延迟latency不仅没有减小反而加大，只是增加了cache大小，收益不如latency下降那么明显。

另一方面，clock skew的下降,critical路径变短，造成电路timing变好，意味着华为可以使用更低的vdd（猜测甚至能低7~8%），以及路径缩短所带来的RC的下降(考虑到clock buffer -56%、wire -28%、SRAM pJ/bit -24%这些数字，比如C_eff下降10~15%合理)，再加上clock tree的整体缩短和下降，确实是有可能在部分Voltage/Freq点做到同性能下，做到30%的功耗下降的，而30%的功耗下降换算过来就是41%的power efficiency

对比苹果和高通，每一代手机芯片在iso-power下单核性能一般提升10-20%，iso-performance下功耗一般降30-40%，这是V/F曲线的特性决定的，所以从经验上来说，数字是对的上的。

所以这个power efficiency（能耗比）的提升，从现有的数字上来说可以从topology推导出来是合理的，可能真的和工艺节点没有太大关系

----------------------------

5. 这个技术路线有没有可复制性，其他家会不会效仿？

短期内不会大规模效仿，因为性价比和风险收益比来说不好。长期来看，这个方向所有人都在走，只是名字不一样

华为做LogicFolding的根本驱动力是制裁，工艺节点被卡在7nm，只能在封装，散热，和设计层面想办法弥补。华为也为此付出了不小的代价：散热成本，设计复杂度，以及制造成本更高（包括良率）。这是一个被逼出来的路线，不是一个自然选择

其他玩家在用TSMC就能做到正常的经济迭代，是没有必要冒着这个风险，去超前迭代散热技术和设计复杂度的

长期来看，Intel的Foveros、TSMC的SoIC、AMD的MI300的3D stacking都在朝同一个方向走。如果继续追最先进节点的经济性持续恶化，那么"固定一个成熟节点+3D topology optimization"的路线会越来越有吸引力

散热方面，MEMS微型风扇和微流道也会成为未来HBM散热的主流

-------------------

总结一下，华为这次的创新，绝对是值得尊重的，在制裁环境下，用极高的设计复杂度和成本，在一个被锁定的工艺节点上大胆重新设计，榨出了一次大的topology红利，虽然它有天花板。每多加一层的边际收益递减（堆叠1->2层, 2->3层, 3->4层，提升百分比变小），leakage无法解决，散热越来越难，3D EDA工具链更是全新的挑战。

但这个Tau scaling不是一条可以走十年的指数增长路径，每次爬完一个台阶，下一个台阶更难爬，而且台阶更矮收益更小，华为以后想缩小差距，还得再想想靠什么其他的路线

[KCL @bartlueng]

面试了一份工作，面试后三天没正式回复，仅在第二天向我一些信息，刚刚问面试结果已读不回，几大概率没戏了，看来gap1.5年真的很难找合适的工作，明天再接再厉

[KCL @bartlueng]

@elonmusk @cb_doge 🤣