BeWater0101

[反方向的钟 @SamyeeiYu]

samyeei/thinksmart-jilei-os: 鸡肋OS V5 已开源，欢迎自取：
https://t.co/csB67LGcrY

[付彬 @fubin0478]

看着半格大佬刷联想view心里痒痒也买一台自己改造。终于有点成效放出来共享。我增加了QQ音乐，学习陪伴，专注计时，睡眠音乐，留言板，自动亮度调节，服务器信息看板，苹果手机AirPlay，远程摄像对话功能。所有功能没有破坏半格大佬设计的小智。小智可以正常更新。随后放出仓库正在上传

[BeWater0101 @BeWater0101]

自主权的扩展不应依赖代理输出的单一置信分数，而应取决于组织是否已证明相关失败能被检测并限制在可接受范围内——这要求我们首先工程化“恢复能力”，而非仅仅优化生成质量。部署特性开关、熔断器、隔离边界和经过验证的自动回滚流程，确保即使AI犯错，损害也能被快速检测和遏制。

[Bilgin Ibryam @bibryam]

Review Isn’t the Bottleneck. Risk Is. - @patrickdebois
https://t.co/CmDMeIiq0G

[Jay Yu 🐟 @0xfishylosopher]

https://t.co/1lu52PTOnb

[赵纯想 @chunxiangai]

为什么至今没有人专门为 LLM 发明一门编程语言。

let → l
var → v
function → f
return → >

而且不止停留在字符映射，

比如 ：

function fib(n) {
if (n <= 1) return n;
return fib(n-1) + fib(n-2);
}

完全可以写成：

ƒfib(n)≔n<2?n:ƒ(n-1)+ƒ(n-2)

反正人也不看代码了。

如果我们从零开始，联合设计语言语法、Tokenizer 和编译器，专门优化 LLM 生成代码所消耗的 Token 数量呢？

能否让 AI Coding 的 Token 输出成本下降到现在的 1/3，甚至 1/10？

[stdrc @istdrc]

Anthropic 很牛逼，但不要去 follow 它，follow 它你就会很 FOMO，尝试跟它同频，你会很爽

你会理解它模型和产品迭代的逻辑，和当前模型的边界，甚至可以预测它产品后面会怎么做

当时 Kimi CLI 从零写了一遍，理解了 Claude Code 的工具、prompt 和架构的逻辑，现在在 Raft 的产品体验和 eval 上，感受到了相似的东西

这让我想到了之前考研的时候的政���选择题，很多人苦苦背诵还是做不对，我的方法是尝试去理解中国共产党和政府的逻辑，你会发现答案其实很简单

放下好恶，去理解并发展，多多使用第一性原理，如果不谋而合，你会惊叹，如果分道扬镳，你会尊重

[赵纯想 @chunxiangai]

AI 时代，你不需要有技术，你靠技术审美吃饭。但悖论马上来了：技术审美是你曾经特别懂技术时候的沉淀。

很多技术审美目前以 Skill 的形式分发在互联网上，但一个单一 Skill 是 Skill 制作者技术审美的一个切片。切片，局部、临时值钱。整体，全面、长久值钱。

人类的脑子，如果是 LLM 的盛宴，那么最后一道菜就是技术审美。未来，模型的普遍行动中所呈现出的技术审美，就会超越绝大部分人。那个时候，靠技术审美，你也没饭可吃了。而那一天，必然会到来。

如果说，技术的践行，沉淀出技术审美。那么，技��审美的长期迭代，则提炼出审美本身。把软件写得非常优雅的人，他不允许生活中出现杂牌、混乱、愚���的东西。可以说，审美，是技术审美和创造力的泛化。

与其说，审美是一种选择偏好，不如说，它是一种选择的权利。权利是偏好的大前提。没错。最终，人和 AI 斡旋的核心字眼，竟然从两年前的“这个常量应当用大写驼峰”，演变到“权力”本身。

从“我不想让你这么做”，到，“你不可以做”和“你应该做”。人类不再指挥行为，而是为方向辩论。

这是可见的未来。方向盘上，会伸来一只手。而你不明白，它究竟想驶向何方。人类会变成一个烦人的副驾驶。直到在座位上昏厥过去。

[Min H. Kim 🇵🇷🇰🇷🌴🌲 @Minittowinit]

@cosmo_jiang Great post!

[Zeus 🇬🇧 @ZeusRWA]

People are going to look back at tokenization and realise the biggest opportunity wasn’t the token.

It was everything that became possible because the asset was onchain. Now, what the fuck does that actually mean?

Let’s break it down.

In traditional finance, if you own an asset, your options are generally straightforward.

You buy it, hold it or sell it.

Now imagine that same asset exists on a blockchain. Suddenly, it has the potential to interact with an entirely new financial ecosystem.

1. Borrowing against assets

Imagine holding $10,000 worth of tokenised stocks.

Rather than selling them when you need liquidity, you could potentially use them as collateral to borrow funds.

You retain exposure to the asset while accessing liquidity.

2. Lending

You could supply eligible assets to lending protocols, allowing others to borrow against the liquidity you’ve provided.

Your asset is no longer just sitting in your portfolio. It can potentially generate a return.

3. Leverage and looping

Deposit an asset as collateral, borrow against it, use those funds to acquire more assets and repeat.

This is known as looping. It allows you to increase exposure, but also increases risk.

4. Long and short exposure

Through compatible trading and derivatives protocols, tokenised assets could be used to take long positions, betting on prices increasing, or short positions, betting on them falling.

5. Composability

This is one of the most important concepts.

Composability means different applications and protocols can interact with and build upon one another.

Think of financial building blocks.

An asset could be deposited into one protocol, used as collateral in another or incorporated into an entirely different financial product.

This is where DeFi comes in.

DeFi stands for decentralised finance. Essentially, it’s financial services built using blockchain technology and smart contracts, enabling activities like lending, borrowing and trading without necessarily relying on traditional intermediaries.

The bigger picture

Now apply this to stocks, bonds, funds, commodities, private credit and other real-world assets.

The opportunity isn’t simply bringing these assets onchain so people can buy and sell them.

It’s making them usable across an entirely new financial ecosystem.

More ways to access liquidity, put capital to work and build financial products.

The token is the representation.

The ecosystem built around the asset is where the true potential is.

[做 FDE 的智昊 @cnzhihao]

我来说一下原因。

Deepseek Harness 是国内唯一 MIT 开源的 Agent Harness 框架，且这个框架足够轻量足够有可塑造性，意味着你可以把它拿来加上你自己制作的任何插件为其挂载上，重新打包形成新的应用。

而你可以在你的应用底部注明本 Agent 底座基于 Deepseek Harness 构建。这件事本身是使用深度求索的能力为你的 Agent 稳定性背书，是加分项。

而你如果整出一个 skill 或者所谓专家团的 Agent 集群上架 workbuddy，第一它是明文存储的，随便抄走；第二你没办法定制你的应用页面，通通从一个对话框开始，这意味着——你卖不上价。而千问办公或者豆包工作也有相同的问题，更不要提他们的 Agent 与他们的办公全家桶深度绑定。

所以，今天开始，做 FDE 将会有一个巨大的��水岭出现。你要么基于workbuddy、千问办公、豆包工作去卖席位，在这些Agent 应用以及他们的数据基座上构建智能体卖给客户——注意，你卖不上价——放弃做这件事，专注卖席位，这样你还能挣点席位渠道费；要么，你使用 deepseek harness，全方位定制一个专业智能体，用户的操作和交互全部按照适合他们的方式做而非在对话框里说话，你将获得超额的利润。

为什么我今天突然意识到这一点？因为今天有老板给我看了一个特别垃圾一看就是 AI 搓出来且完全就是 workflow pipeline 级别的智能体给我，说这玩意比 Workbuddy 强一万倍，我问他为什么，他说他不知道打开那个对话框说什么，这玩意点两下就能出他要的东西。然后我和他说我在 workbuddy 里做一些智能体集群也可以啊？他问我什么是智能体集群？

然后我把今天刷到���那个 DSH 自媒体工作台的插件装好的版本展示给他看，他说这玩意厉害啊，卖多少钱？

懂了吗？你不要和客户去解释你这个基于 workbuddy 还是千问办公还是豆包工作的什么东西做出来能有多厉害，你就用 deepseek 完全封装一个特别满足他们业务交互的智能体，哪怕你你给你的 Harness 应用接上飞书 CLI 继续用飞书的数据基座，你也能卖出超出 10 倍的价格。

Workbuddy、千问办公、豆包工作现在这种免费跑去给老板培训，然后送积分送 Token 到处送的打法，这已经是官方下场又当裁判又当运动员了。基于这些 Agent 框架交付再干两个月基本上也要回到苦力价格了，没有什么好做的了。

技术不值钱。

[张立行 @bylixing]

推荐下《AI 炼金术》和鸭哥 @grapeot 这期访谈，蛮多共鸣的（实际上是历史上从鸭哥这里学了蛮多）。

从好奇心驱动的探索，到人机协作、Context 自进化，再到个人数据的长期积累，很多想法和实践都不谋而合。

分享几个特别有共鸣的地方：

1. 好奇心驱动，现实世界里的塞尔达玩家

鸭哥做了套 AI 系统看小姐姐跳舞，后来一路研究到直播间的商业模式、主播运营和 CRM。

我也有类似的系统，长期盯着法律纠纷、情感咨询、各种直播和访谈，试图搞清楚不同的人在想什么、社会是怎么运转的。

之前写过��篇《人间万象》，记录的就是这些探索。

很多项目并不是为了赚钱，只是单��觉得有意思。AI 让这种好奇心的探索成本大幅下降。

[Matt Huang @matthuang]

Swarm riders and Swarm-native companies

AI-use even among highly AI-native people is power-law distributed.

There seems to be a new class of people — call them “swarm riders” — who are capable of consistently commanding large swarms of agents to productive ends.

This is a new kind of managerial skill, analogous to the skill it takes to manage large organizations of people, but wholly different in nature and of course more technical.

Based on the swarm riders we know (including many at @Tempo and @Paradigm), these people are capable of productive token spend that is 1000x-10000x higher than median software engineers, and 100x higher than top 5% Claude Code users.

The art of swarm riding is different from software engineering and more akin to machine learning, where practitioners grapple with black box systems: defining reward functions and evals, transmuting non-verifiable problems into verifiable problems, running experiments, etc.

Swarm-native companies are a new class of company founded by and populated by swarm riders. These companies are organized around swarms in a way that conventional companies will struggle to replicate, as the cost of internal human coordination is sand in the gears of an effective swarm. Effective swarm-native companies will define the right reward functions and evals, remove functional and bureaucratic barriers, and then let the swarms cook.

We’ve gotten to see a few swarm-native companies up close — reshaping financial rails @Tempo, building a new gaming platform @Spawn, cyber swarms at Cathedral Systems — and it’s clear these teams wield a significant advantage over pre-AI teams.

Some questions I’ve been wondering about:

1) How fast will swarm riding diffuse through the economy? The implications for token spend could be significant.

2) Can swarms be effectively adopted by existing companies or will it generally track the formation of new swarm-native companies?

3) What becomes scarce as swarm capabilities themselves commoditize (through frontier models becoming better at swarming, swarm capabilities built into harnesses, etc)? Cultures and teams that can define reward functions well and otherwise get out of the way?

[Guy Wuollet @guywuolletjr]

https://t.co/KySKU7amBV

[Xudong Han @Xudong07452910]

之前推荐过几篇 Agent Eval 相关的文章，今天再推荐一篇 LangChain 最新的《What Is Eval-Driven Development》，这篇讲得挺实用，很适合正在做 Agent 和 Harness 的朋友。

文章主要介绍 Eval-Driven Development（EDD），核心思路是把 Eval 融入 Agent 的日常开发。

先定义什么算成功，写好 Eval、跑 Baseline，再修改 Prompt、Tool 或 Harness，通过相同的任务对比效果。

文中有个挺有意思的例子。

给知识库 Agent 新增 create_ticket 工具后，整体 Eval 分数提高了，结果它连「VPN 怎么连接」这种普通咨询都开始创建故障工单。

通过 Trace 排查才发现，工具描述太宽泛，导致 Agent 错误调用了工具。

这也说明不能只看 Eval 平均分。一次改动可能让���任务表现更好，却破坏原本正常的功能。除了最终结果，还需要检查执行轨迹，并保留独立测��集，避免反复优化导致过拟合。

这套思路很值得借鉴，尤其是现在大家都在不断调整 Skill、Prompt 和 Harness。

新增一个 Skill、修改一段 Workflow，甚至删掉旧 Harness，都应该通过 Eval 判断是否真的有效。

感觉 Eval-Driven Development 很值得成为 Agent 开发中的常规习惯，每次迭代都能有据可依。

原文：https://t.co/yAxHHtStaT

[Spencer Applebaum @SpencerApplebau]

New essay out on the @multicoin blog, which is an evolution of our thinking on DeFi value capture

TLDR is in a world where software costs trend to zero, finance is one of the most obvious industries where moats will exist and DeFi is perfectly positioned https://t.co/iXBtFnZndw

[TechFlow 深潮｜APP 已上线 @TechFlowPost]

还记得之前的 @Cbb0fe 吗？去年 11 月他曾自述拿到过大结果，和哥哥靠链上 DEX 抢新获利约 5000 万美元；今年 9 月又复盘了在 Hyperliquid 股票永续与盈透证券之间套利、获利约 1000 万美元的经历。

现在加���行情变化，他又提到了一套 50 万美元本金的组合方法。核心是不赌币价方向，去吃传统资产上链后的价差、收益和潜在空投。

具体来说，他认为现在应该做的事是

1. 全��投入加密行业，搬去生活成本低的地方，给自己一年时间。
2. 不买 BTC、ETH、SOL 甚至 HYPE，不碰 meme 也不做单边杠杆。
3. 拿 25 万美元做中性套利：在 @tradexyz（Hyperliquid 上的股票永续平台）做空正溢价股票永续，在 @metricxyz（代币化股票 DEX）买入对应的代币化股票，指望叠上 HL S3、@tradexyz 和 @metricxyz 的潜在空投。
4. 拿 5 万美元去 Hyperliquid 的预测市场（HIP-4）做传统金融结果做市。
5. 拿 20 万美元在 Aave 上存 sUSDe、借出 USDC、再换成 sUSDe 循环，用净收益和一部分本金覆盖生活费，并打算转到即将上线的借贷协议 @acier。
6. 在 @flop_labs 测试网做 AI 应用，占 FLOP agent 空投的位置。

从他这次的方案来看，主要想赚的是代币化股票的价差、预测市场做市收益以及多重空投。

这套做法的代价同样直接，除了生活费需要动用一部分本金，空投本身也未必能如期拿到。

https://t.co/R9d3HHp5sb

[Box (mainnet arc) @BoxMrChen]

这也许是可以给你开发过程中节省上亿Token的焚诀。

至少对于我来说，他给我节省了非常多的改错时间，我觉得，这应该是做开发最需要具备的Skill之一。 https://t.co/hwwKXPdpOq

[新东西|Something @something_labs]

神鱼 @bitfish 的这个认知太顶了，真正的“窃天之智”

核心观点：

1/ 算力决定你看到的世界：从原子 → 比特 → 向量

2/ 用 Token 购买「时间折叠权」

3/ AI 时代更需要「健脑房」+ 双轨阅读

4/ 向内觉察：Agent 成为最懂你的镜子

5/ 向内觉察：Agent 成为最懂你的镜子

6/ 人机协同的控制论：两个核心旋钮

7/ 超级个体放进传统组织会失效

8/ 人生本质上只有三件事：吃饭、睡觉、合道（运用算力对外探索世界结构、对内觉察灵魂）

结尾金句：在向量世界里，人人都在“窃天之智”

[DiscusFish @bitfish]

再加一条: 窃天之智，为我所用

[DiscusFish @bitfish]

比特币不是被"发明"的，是被"拼"出来的
比特币18岁了 🎂

https://t.co/YtbeFHvfYY