ChengTaCheng

[lifcc @mylifcc]

OpenAI 前首席科学家 Ilya Sutskever ���给传奇程序员 John Carmack 开过一份神秘书单。

Ilya 说：“如果你真正吃透这 30 篇论文，你就掌握了如今 AI 领域 90% 的精髓。”

但纯啃英文 PDF 和数学公式太反人类了。最近有位硬核小哥用 30 天时间，把这 30 篇神作全部手搓复现成了极简 Python 代码，并完整开源！

想从底层彻底看懂现代 AI？这个宝藏项目建议先马后看 🧵👇

[Kimberly @king1818888]

前天刚去面了某 AI 独角兽的 Agent 落地组，结果直接在一道 RAG 检索细节上被问得哑口无言。

面试官发难：面试官靠在椅背上：“用户在智能客服里问‘苹果最新款手机多少钱’，但向量检索把知识库里‘红富士苹果每斤批发价’排在了第一名，你怎么彻底解决这个问题？”

我心里怎么想的：我当时在心里默默念叨：“大哥，这也能怪我？这明明是 OpenAI 或者开源 Embedding 模型的词向量聚类不够准啊，你去找算法科学家理论，冲我一个做应用的撒什么气？！”

我嘴上怎么答的：“呃……换一个参数量更大的 Embedding 模型？或者把 Chunk 文本切分的粒度改小一点？”

面试官的反应：面试官笑了笑：“就算你换了最大的模型，苹果就是苹果，语义依然会发散。回去看看工业界是怎么把关键词搜索和语义搜索拧在一起的吧。”

当天晚上我在技术社区发帖向几位老哥请教，才猛然发现自己把 RAG 想得太简单了。纯 Dense 向量检索天生对专有名词、特定型号不敏感。生产级方案必须是混合检索（Hybrid Search：向量余���相似度 + BM25 关键词精确匹配），再配合后置的 Reranker（交叉编码重排模型） 做二次精排打分，这才是消灭“红富士手机”的标准解法。

[Satya Nadella @satyanadella]

https://t.co/MjwFy73LOF

[黄赟 @huangyun_122]

果然啊，方法论还得看抖音 200万商业粉的巨佬，清华陈晶。

听了她和北大刘思毅的对谈，拆解短视频和直播的获客逻辑，把我脑里的结，理顺了一半：

0/ 为什么产品一定在先
1/ 为什么不要在公域讲实操
2/ 为什么只讲策略，只负责制造问题，不直接解决问题
3/ 怎么讲才能让顾客第一眼看到就想付款

---以下是视频提炼，逐字稿在评论区 TLDR---

本视频共 13 个主题：

产品定位：先定产品，再定人群和人设。
获客算账：获客成本、升单率与后端客单价如何匹配。
获客闭环：短视频、直播、私域与投放如何联动。
短视频目标：围��直播预约和成交制作内容。
直播成交四问：为什么跟我买、为什么需要买、为什么买这个、为什么此刻买。
差异化自我���绍：用能力、案例和结果建立购买理由。
认知型内容：解释客户的问题，自然引出产品。
低价引流品：靠内容筛选人群，靠价值说明推动购买。
产品价值与行动理由：讲清权益、场景、保障和购买时机。
现场销售示范：从人群调研到问题解释、产品介绍与领课承接。
开播前检查：检查账号信息、商品名称、直播主题与贴片。
长期信任：明确为谁服务，用方法和客户结果积累认可。
可持续经营：降低直播频率、培养中层、控制接单与交付节奏。

[KC @ScarletKc]

最近在自己手搓 harness，越做越觉得以前用 Claude Code 和 Codex 都是在用黑盒。agent loop 怎么转、工具结果怎么塞回上下文、上下文快满了怎么压缩、什么时候该停下来问人，这些东西文档看再多也是似懂非懂，翻了很多开源项目的源码，再自己从零写一遍之后，很多以前觉得是玄学的行为一下子全都能解释了。收益大到离谱，我感觉每天用 AI 写代码的人都应该自己做一个，哪怕很简陋。

[Jerry Fang @Jerry_fsy]

如果你想做AI相关的工作，不妨考虑一下Agent Infra这个新兴领域。我最近也在入门这个领域，做了一些调研，记录了这个领域需要的技能清单，欢迎收藏，保存，我也会继续分享在这个领域的学习心得。

完整 List：
1.Agent Runtime：理解 Agent Loop、Tool Calling、Streaming、Session，理解并实现一个最小可用Agent，而不是只调用一次模型 API。
2.上下文与状态管理：喂给大模型的上下文决定了这一轮模型能看到什么，也很大程度上决定模型做的决策质量；State 会保存任务当前执行到了哪里。需要处理上下文裁剪、压缩、Checkpoint、任务状态，长期记忆与短期上下文。
3.任务队列与 Worker：把任务通过 Queue 分发给 Worker 执行，并控制并发、优先级、Backpressure 和 Worker Pool。
4.调度与多 Agent 编排：把复杂任务拆成多个子任务，支持DAG、Reviewer、Handoff 和 Human-in-the-loop。
5.Durable Execution：Agent 即使运行几十分钟甚至几个小时后，也不会因为进程重启而导致任务的丢失，需要持久化执行状态、Checkpoint、Replay、Resume 和 Recovery。
6.Retry、Timeout 与幂等：模型、工具、网络和 Worker 等各方面都会遇到问题；系统要能判断什么时候重试、什么时候超时，以及避免 git push、发邮件、创建资源等操作被重复执行。
7.分布式状态与一致性：多个 Orchestrator、Worker 和数据库共同维护 Task State，需要理解 Transaction、WAL、Lease、Heartbeat、Replication、Consistency 以及故障恢复。
8.Sandbox 与执行环境：Coding Agent 会执行 Shell、Git、Python、构建和测试，需要为每个 Agent 提供隔离的文件系统、进程、网络和资源环境，并限制 CPU、内存和执行时间。
9.工具基础设施与 MCP：Agent 不只是调用几个 Function，还需要统一管理 Shell、Filesystem、Browser、Database、API 等工具；MCP 可以作为 Agent 与外部工具、资源之间的一种标准接口。
10.权限、安全与 Secrets：控制 Agent 能访问哪些文件、调用哪些工具、连接哪些网络和读取哪些密钥，涉及 Authentication、Authorization、ACL、Secret Management 和 Audit。
11.可观测性与调试：Agent Task 的完整执行过程会通过trace记录下来，用 Metrics 看延迟、Queue、Token、成本、失败率和 Retry。
12.Evaluation 与 Replay：不只看“Agent 能不能跑”，还要判断任务是否真的完成正确，通过 Dataset、Rubric、Task Success Rate、Regression、Replay 和 LLM-as-Judge 做持续评估。

[AYi @AYi_AInotes]

但身价百亿、前 Scale AI 创始人兼现任 Meta 首席 AI 官的 Alexandr真的是个天才，曝光了千亿软件帝国 Palantir 最隐秘的增长武器。

他在视频里极其冷峻地撕开了商业世界最残酷的一层窗户纸：
在真实的企业级市场里，更好的产品依然会输得一败涂地，因为客户脑子里的认知，往往比冰冷的客观现实还要真实。

他爆出了一个千亿巨头 Palantir 隐藏多年的核心秘密。
Palantir 之所以能把全美最挑剔的军方、政府和巨头企业吃得死死的，
是因为他们从骨子里就没把自己当成一家纯粹的软件公司，
而是把自己定义成了一家剧团加软件公司的混合体。

甚至在很长一段时间里，Palantir 会给每一个刚入职的新员工直接发一本专业的演员表演指南。

他们教工程师和销售的不是去死背技术参数，
而是如何像舞台上的顶级演员一样去塑造气场、传递坚不可摧的信念，以及如何在走进会议室的第一秒就彻底接管客户的大脑。

这段话之所以让我印象深刻，是因为它彻底刺穿了技术人最容易陷入的自嗨陷阱。

大企业和政企客户的决策者，绝大多数根本不会亲自钻进你的服务器里去查单元测试和代码架构。

他们面对的是巨大的采购风险和自身的前途绑定，
他们买的从来不只是软件那几行代码，而是一整套安全感、掌控感和不可动摇的信任光环。

如果你空有一身好技术，却根本不懂得如何重塑客户的认知，
你在谈判桌上就会被那些气场强大的对手降维打击。

对方带着顶级的叙事和强大的气场走进来，在客户脑子里种下了我们才是上帝礼物的认知，

而你抱着几张性能对比表格坐在角落，连说话都在结巴，

那一刻，你的技术再好，在商业战场上也只是毫无意义的纸面数据。

Alexandr 也极其清醒地补了一刀：
这不是教你去搞虚假宣传和诈骗，交付真实的产品价值是你的底线，

但认知塑造，是你在做出好产品之后必须修炼的黑魔法。

做出一流的产品只是拿到了进场的门票，
而学会如何把你的价值装进别人的大脑，才是决定你能否在商业牌桌上赢走一切的胜负手。

大家在平时做项目、谈业务或者职场汇报时，有没有吃过技术明明比别人好却输给了别人会包装的亏？

[王海滨的财经闲谈 @wangwatchworld]

我多年前写文告诉人们，八成的小微企业其实是僵尸企��，靠现金流撑着。
过了二十年，以前的搭档来问我借钱，我知道他一直在死撑，没想到撑了二十年。
在地产业进入大衰退后，他的现金流终于撑不住了。
一个上海户籍的人，哪怕没有抵押，也能借一百多万，更何况他有房子。
去年开始的严厉查税和补社保，我心里一凉。
留言多数是对企业主刻骨仇恨的，骂企业主逃了税，难道不应该补税吗？
愚民们不懂中国的中小微私企是完全竞争经济，在不规范的时代，因为地方政府需要招商引资，税务专员需要协调业绩，规则有不规范，这些企业似乎避了税，其实是都让给市场，让给消费者了。
实际上中小企业都苟活着。
到了平台寡头化的流量时代，政府再扩大税基，严格征收社保税。
真相是，九成的小企业已经死了，你们看到的是现金流、债务与亏损吞噬的僵尸企业群落而已。
这就是失信人越来越多的原因。
绿皮火车重新兴盛的原因。

[ChengTaCheng @cthewho]

@IamRamenPanda openclaw是奇点

[字符串拼接工 @ZDetong]

面试被问了几次这种系统设计题目：
企业级 AI Agent 调用与计费平台，峰值 2 万 QPS，任务最长跑几十分钟，要解决长任务、高并发额度扣减、计费准确性和高可用。

🤔2万 QPS 是入口峰值，但单个 Agent 任务要跑几十分钟。这意味着同时在跑的任务量 = 2 万 × 30 分钟 ≈ 几十万。HTTP 连接绝对不能挂在那等结果。

链路核心是 "快进快出"：Gateway 鉴权限流 → Redis 预扣额度 → 丢进 MQ → 立刻返回 task_id。 Agent 在后台慢慢跑，前端轮询或 WebSocket 拿结果。同步请求只做 "接单"，不做 "执行"。

额度扣减，Agent 任务要跑几十分钟，你在入口根本不知道最终消耗多少 token、调了几次工具，凭什么先扣？

两个扣款阶段：
① 入口冻结一个上限额度（按模型档位 × 预估 token 上限），写一条冻结单
② 任务跑完，按实际用量真扣，多冻结的释放回去；任务失败就直接释放 冻结是为了防���额，结算才是真扣，两件事分开。

用量是多维的：token、工具调用次数、执行时长、模型档位，分别埋点上报
冻结和结算用同一个口径，不会出现 "冻结按 A 算、结算按 B 算" 的对不上
失败任务分场景：LLM 调用失败全额释放冻结，部分工具调用失败按已完成部分结算
全链路幂等，任务重试不会重复冻结或重复扣

高可用的关键不在 Gateway，在任务状态：
调度器挂了，跑了一半的几十万任务怎么办？
任务状态必须持久化，重启后能从断点恢复。
MQ 削峰，失败任务单独隔离，自动释放额度并通知用户。

[WorkSight｜职场阅见 @WorkSightHQ]

外刊精选：哈佛：任何事，先懒散，粗糙地去干

[meng shao @shao__meng]

阿里官方在正在进行的云栖大会 “智启原生 研见未来” 阿里巴巴集团 AI Native 研发实践论坛上，正式发布了「AI Native 研发范式实践手册」

68 页的实践手册，从阿里内部三个真实业务实践案例出发，讲述了不同团队研发范式演进路径中的实际探索与反思。

从这些案例中提炼出五个共性挑战：环境与���证驱动、平台能力升级、提效度量、数字员工和组织配套，尝试回答研发流程、协作方式和组织设计层面正在发生的结构性变化。

最后，进一步展开 企业级 AI 研发基础设施的技术全景：从 Harness 框架、企业知识库、工具体系（MCP / Skill / CLI），到 Sandbox 与 Coding 环境、身份与权限、生产安全 Guardrail 以及可观测能力，进而阐述让 Agent 从“能写代码”走向“可靠交付”所需要的系统性工程建设。

手册在线阅读地址
https://t.co/9wsfeTAbOn

[Ming @PandaMing88]

佛山一个35岁的空调维修师傅，夏天特别忙。

一天跑七八家，一单150到400。

可冬天就闲下来。

后来他发现，很多餐馆、办公室、民宿最怕的不是空调坏。

是突然坏。

于是他开始卖年度保养。

一家小餐馆一年1200，办公室按机器数量收费，包含清洗、巡检和优先维修。

现在他手里有60多家长期客户。

还没坏，他就能收钱。

最热的时候反而没以前那么慌，因为优先服务老客户。

他说：

“以前我靠东西坏了挣钱，现在我靠它别坏挣钱。”

这个变化很大。

以前收入取决于“今天有没有东西坏”。

后来收入变成“客户愿不愿意每年买安心”。

一次维修的钱不稳定。

维护合同的钱，可以提前排进全年账本。

他赚的已经不只是维修费。

是把偶发故障，变成固定收入。

[Miles Ma @miles_mazy]

我认识一个朋友，去年给制造企业做AI项目。

合同60多万，前后做了半年。

知识库、Agent、Dashboard都做了，老板演示的时候很满意，还专门说了一句：“这才叫数字化。”

结果上线两周，仓库的人基本不用。

朋友急了，跑到现场看。

一个50多岁的大姐正在登记缺料，他说：“你直接问AI就行，它能查库存。”

大姐看了他一眼：

“它说有17个，17个在哪？”

朋友说系统显示在A库。

大姐又问：

“A库哪个架？现在能不能用？有没有被人预留？下午那个单还发不发？”

他一下没接上来。

因为他们花半年做的AI，知道“库存=17”。

大姐真正要处理的是：

这17个东西，现在到底能不能拿走。

后来他们又花2个月，把物料、仓位、订单、生产任务、占用状态全部重新串起来。

我理解 Palantir 的本体论，就是从这种事情开始的。

数据库里有“物料”“库存”“订单”，可现实里的企业不是一堆表。

物料被哪个订单占了，订单几点要发，缺货了谁能调拨，调拨以后谁批准，这些关系和动作连起来，才是公司真正运转的样子。

很多AI项目的问题就在这儿。

AI什么都知道，就是不知道公司到底怎么干活。

[老季 @XiaoJi0403]

2004年8月31日，百度宣布了一笔让全互联网圈看不懂的收购：花1190万人民币，外加4万股百度股票，买一个网站。这个网站叫hao123，页面土得掉渣——没有搜索框黑科技，没有炫酷设计，就是满屏密密麻麻的蓝色网址链接。更离谱的是站长的履历：李兴平，初中学历，广东兴宁一家网吧的网管。

​质疑声铺天盖地：这种东西，百度自己分分钟能做一百个。李彦宏只回了一句话："正是由于它的简单，简单到你无法去超越它。"

​要懂这句话，得回到1999年的兴宁县城。那年20岁的李兴平迷上了刚出现的网吧，干脆去当了网管，兼着帮人装电脑。网吧里全是第一次摸键盘的"菜鸟"，五块钱一小时的上网费，很多人半小时都花在找网站上，然后一遍遍喊："网管，帮我输���下网址。"——全是英文字母，谁记得住？喊得李兴平游戏都打不成。他索性自学HTML，把常用网站分好类，全塞进一个页面，谁要用直接把页面发过去。这就是hao123。别人做网站想的是怎么显得高级，他想的是怎么让一个完全不懂英文的人，抬手就能点到。

​这份"笨拙"精准踩中了中国互联网的底色：六成网民不会改主页，三成懒得改。五年时间，hao123成了无数人开机后的第一眼，单月广告收入几十万。可风光背后是磨人：整个网站就他一个人维护，每天六七个小时挨个检查链接，生怕哪个网站藏了非法内容。更重要的是他看得明白——搜索引擎起来之后，导航站的好日子是有期限的。所以2004年百度递来支票，25岁的他见好就收，干净离场。一年后百度上市，这笔收购被证明是双赢：百度拿到了上市的流量筹码，李兴平拿到了下半场的入场券。

​故事如果只到这里，顶多算一次漂亮的套现。李兴平狠的地方在于，他把同一套打法又赢了一遍。2005年前后，他发现网吧里玩游戏的孩子们换了需求：大型网游要下载、要配置、要点卡，学生们玩不起也玩不动。于是他复制hao123的逻辑，做了个网页小游戏合集站，起名4399，立了三个字的规矩——不卡、不慢、不断。《黄金矿工》《森林冰火人》点开就玩，成了整整一代人的童年记忆。2009年他和"域名大王"蔡文胜联手，一个管运营一个管规划，2011年净利润破亿，2012年营收冲破10亿，日最高访问量1800万。

​当然，这位草根之王的履历也有裂缝。4399三次冲刺上市，2014年招股书被中止审查，2016年被曝财报数据不一致，2017年干脆遭人实名举报，至今没能敲钟。网页游戏的时代也���篇了。但李兴平还是那套思路：国内卷不动，就去海外找"当年的中国市场"。2018年《奇迹之剑》冲上韩国游戏榜首，2024年《菇勇者传说》海外收入3.6亿美元，杀进全球手游收入榜前二十。被国内玩家"抛弃"的4399，在日韩闷声发着大财。

​一个初中毕业的网管，凭什么两次踩中互联网最大的风口？梁宁在《真需求》里记过他，答案其实很简单：精英们做产品，想象的是和自己一样的人；李兴平做产品，想的是那个连网址都不会输的网吧客人。风口年年换，可"帮最普通的人省点事"这门生意，从来不过时。

[Miles Ma @miles_mazy]

https://t.co/0cr9iBGG2Q

[yan5xu @yan5xu]

作为一个行业内的人，做个科普吧 hhh
从底层往上捋一遍：
最黑的一层，靠的是盗刷信用卡。有人手里攥着大批黑卡号，利用 OpenAI、Anthropic 等平台在支付验证环节的漏洞，批量注册账号。这种号成本几乎为零，被封了就再开一批。
拿到账号之后怎么变现？两条路——直接出 API Key 是最简单的，但更常见的玩法是「套壳逆向」：把 ChatGPT、Claude 的网页聊天接口逆向破解，改头换面包装成标准 API 对外出售。你调用的时候看着和官方一模一样，但背后其实是一堆网页 Session 在替你收发消息。
这两件事不矛盾——黑卡注册来的号，经常就是直接拿去做逆向的。反正号不花钱，当然要把每个号的价��榨到最后一滴。
再往上，是 Credit 灰色流转。AWS、Azure、GCP 这些云厂商发给初创公司的算力抵扣额度，本意是扶持创业生态。但还是会有一些人有歪心思：一种是初创公司自己用不完，违反服务协议私下低价转手——算灰色地带；还有就是厂商内部一些不合规操作了，这里不细讲。
最上面那一层才是正经生意——量大到能直接和厂商谈企业折扣协议。合法透明，但利润也最薄。像 OpenRouter 大概率走的就是这条路。不过量大也能吃的饱饱的。
但以上全是成本侧。中转站真正值得说道的，不在这儿。
所有经过中转的请求——完整的 prompt 加 response——就是一份现成的的蒸馏数据。
尤其是 Claude Code 这类编程场景，用户产出的全是复杂推理链和真实的工程决策，这对模型厂商来说是梦寐以求的蒸馏素材。
所以中转站真正的商业模式很可能是：收你中转费是表面生意，把你的请求数据打包卖给大厂做模型蒸馏，才是核心 margin。
你是付费客户，同时也是免费的训练数据生产者。一鱼两吃。
说再直白点——有些中转站上线的核心目的根本不是卖 API，而是为了收集特定场景的高质量蒸馏语料。低价只是获客手段。

[Vincent @Vincent_AINotes]

彻底解决 Codex「正在重新连接 5/5」频繁卡死的问题

不管你用的是原生Codex订阅，还是中转 API / 代理环境，只要主 Agent / Sub-Agent 经常卡在「正在重新连接 5/5」，都可以按下面的方法来排查解决。

方案一：原生Codex订阅 → 禁用 WebSocket

新增 model_provider = "openai_http"

修正后的局部代码块大概长这样：👇

approvals_reviewer = "user"

model_provider = "openai_http"
[model_providers]

[sandbox_workspace_write]
network_access = true

[model_providers.openai_http]
name = "OpenAI"
wire_api = "responses"
requires_openai_auth = true
supports_websockets = false

方案二：中转 API / 代理环境 → 排查系统代理

直接把下面这段话丢给 Codex，让它帮你自动完成：👇

帮我定位本机当前正在使用的代理端口，并把代理信息写入 ~/.codex/.env。把下面示例里的 15236 替换成实际代理端口，写入完成后告诉我修改了哪个文件。

HTTP_PROXY="http://127.0.0.1:15236" HTTPS_PROXY="http://127.0.0.1:15236" ALL_PROXY="http://127.0.0.1:15236" NO_PROXY="localhost,127.0.0.1,::1"

修改完成后，必须彻底退出并重新启动 Codex，配置才会生效。

[Andrew Ng @AndrewYNg]

New: A map of the most important skills in AI Engineering. https://t.co/VVkn1Dqp1N

[Qwen @Alibaba_Qwen]

Performance of Qwen3.8-27B: