七里

[Kimberly @king1818888]

上周去面试某澳洲大厂，被面试官的一道架构选型题整沉默了……

面试官（敲了敲桌面）：“业务部门想要一套实时看板，监控每日商品成交偏好，你打算怎么设计？”

我内心狂翻白眼：“这还用想？简历上不写个 Flink + Kafka 实时流计算，怎么好意思跟你们要 30K 的工资？！必须上最炫的实时流啊！”

我表面强装镇定：“呃……直接搭建 Kafka 集群把订单推过来，接 Flink 做毫秒级滑动窗口计算，再实时打进 ClickHouse 供前端秒级刷新！”

面试官露出了关爱智障的微笑：“行，为了看一个每天只在晚上总结算一次的业务，你每个月多花了公司 20 万维护高可用流集群。回去了解一下 Lamda 架构向 Kappa 演进时对‘业务 ROI 与延迟容忍度’的权衡吧。”

[Sam Altman @sama]

GPT-6 Astra is here.

We hope it will begin to enable a new generation of entrepreneurship, scientific discovery, and building.

We believe it is the best model in the world for computer use, professional work, science, coding, cybersecurity, and more.

It took us some extra time to ensure that we could meet the safety and alignment standards required for this capability level, but we think you’ll find it worth the wait.

It scores 98% on FrontierMath Tier 4, 99.9% on ARC-AGI 3, and 100% on ExploitBench.

[大鹏说 @bigpengsays_ai]

开发者穷鬼套餐～

[Ren @Ryrenz]

🐂 离谱，有人把自己写了十年的量化交易代码整个开源了，Rockyzsu/stock 里选股、可转债、基金、自动下单全是现成的。

GitHub 7.9 千 star，一千五百多个 fork，两百七十多人盯着这个仓库；七百多个提交里，作者一个人就贡献了 709 次，仓库从 2016 年建到现在。

自己做量化的人，八成都死在第一步，也就是数据。策略在脑子里想得挺美，真要跑回测才发现行情要自己爬、可转债数据得自己拼、基金份额变动没有现成接口、公告要一份份下、涨停板名单还得每天抓，光把数据层搭起来就够耗掉两个月热情。这个仓库把这一层大半都写好了：datahub 里汇率监控、可转债数据、基金成员数据、公告下载和涨停板监控都在，配置从一个 JSON 文件读 MySQL 和 MongoDB 的连接信息，MySQL 走 SQLAlchemy 和 PyMySQL，MongoDB 走 PyMongo 和 Motor，同步异步两套都有。

往上一层也有货。fund 目录里是 LOF、ETF 场内份额监控和 ARK ETF 持仓获取；k-line 用 TA-Lib 识别三只乌鸦这类常见形态；analysis 和 machine_learning 是分析那一块；trader、futu 和 ptrade 对应下单和自动交易；A 股、港股、IPO 打新、交易记录、选股策略和模拟仓也都有对应的代码。

要提醒一句：代码是别人的，钱是自己的，任何一条策略拿去实盘之前都自己回测一遍。

策略能不能赚钱另说，起码数据这一层不用从零搭了。

GitHub：https://t.co/pHKOOL351d

[Xuanwo @xuanwo]

我现在提示词里面特别喜欢加一个 消融实验

对gpt-5.6-sol 来说效果尤其的好

用法很简单：每次完成设计或者实现之后，就说进行消融实验，去掉不必要的抽象和设计

[Mason Home Builder @bankertobuilder]

As the new CEO of Apple, I'll fix the office parking nightmare on day one

[娜美知识库 @fhwofjow51260]

如果你想看懂这个世界真正是怎么运转的，这 15 本书建议至少读一遍。

1、《置身事内》—— 看懂中国政府、地方财政与经济运行
2、《政治学通识》—— 搭建一套完整的政治认知框架
3、《叫魂》—— 看懂皇权、官僚体系与信息如何层层变形
4、《枪炮、病菌与钢铁》—— 为什么有些文明领先，有些文明落后
5、《财富、贫穷与政治》—— 财富差距究竟是怎么形成的
6、《血酬定律》—— 看懂暴力、利益与权力之间的交换
7、《工作、消费主义和新穷人》—— 消费社会如何重新定义“穷人”
8、《规训与惩罚》—— 学校、医院、监狱背后的权力逻辑
9、《娱乐至死》—— 为什么我们知道得越来越多，却思考得越来越少
10、《狂热分子》—— 群体为什么会走向狂热
11、《自私的基因》—— 从进化角度重新理解人性与利他
12、《思考，快与慢》—— 看懂大脑如何欺骗自己
13、《黑天鹅》—— 真正改变世界的，往往是无法预测的事情
14、《失控》—— 理解互联网、AI与复杂系统背后的演化逻辑
15、《超越百岁》—— 最后别忘了，身体才是你体验这一切的底层资产

政治、财富、人性、社会、认知、健康——很多所谓“世界本质”，其实前人早就写在书里了。

真正的信息差，不是别人藏着不告诉你，而是书就摆在那里，大多数人懒得翻。

[rS_ローカルLLM×投資 @rS_alonewolf]

長いエロ動画から、オーガズムを含む10秒間を見つけて、ComfyUIの動画生成用参照素材として切り出す仕組みを、ここまでほぼQwen3.8 27Bと作ってきた。

手作業で大量の動画を確認するのは大変だし、発情してしまう。そこで、AIに動画を見せて「どこがオーガズムか」と聞いても、まだ正確には判断できない。

試しにとあるAVモデルさんのエロ動画の
音声・映像の動き・動きのフリーズのスコアを眺めてたら、
オーガズムの瞬間の特徴として次のような傾向があった

A. 100〜1500Hzの喘ぎ声→その後の急減衰
B. フレーム間の映像変化量急増
C. freeze、コマ止め、ディゾルブなどのソフト遷移

試しにこれらから条件を決めたスクリプトを書かせて、オーガズム候補の位置を探したところ、結構ビクビクなってる感じのところが溜めれたからまあ良いんかなと。

この後は、それを自動化して、24fps・H3規定フレーム数へ整形して、そのままComfyUIへ投入できるようにする。

もう少しデータが集まったら、絶頂の瞬間とそうでない瞬間の数値データを学習させ、CatBoostくらいの軽量な機械学習で自動的にカットを切り出せるようにしたい。

ただ、オーガズム時の声や動きは人によって異なる。最終的にはAVモデルごとに学習モデルを作るか、個人差を補正する仕組みが必要になるとは思う。そこまではQwen3.8 27B でいけたら面白い。

グラフのGTが絶頂の瞬間。
A B C 全部で絶頂かと言われるとそうでもない。
この辺のパターンが人間だと良くわからない→分類器作ろ。
この発想は、投資の売買シグナルの選別によく似てると思う。

[七里 @dream_1945_]

@yifaer_chen 你，加上孙割，景甜都不啥好东西

[七里 @dream_1945_]

@DerekDu1983 @sunyuchentron 孙割玩弄景甜，龟男感觉到被羞辱了，爆发了

[七里 @dream_1945_]

@sunyuchentron 孙割，以后别碰穷女人。

[管四 @guansi]

我一直建议，想真正学大模型的人，最好自己本地部署一次。
这是给大模型祛魅最快的方法。

平时我们在网页里用 ChatGPT、Claude，很容易产生一种错觉：后面好像藏着一个会思考、会记忆、会使用工具的“智慧大脑”。

但你真把一个模型下载下来，用 vLLM 甚至ollama跑起来，再自己接 API、调上下文、设并发、看显存、搞量化、接工具调用，很多东西一下就明白了。

你会发现，大模型所谓的“记忆”，其实就是每次对话把前面的上下文重新塞进去；所谓工具调用，是它按格式吐出一段内容，再由外面的程序真正执行；所谓并发，本质上也是 batch、KV Cache、显存和调度这些工程问题。

再往下，你会开始知道一个模型有多少参数，权重文件是怎么回事，BF16、FP8、量化到底在干什么，一次请求从输入到输出，中间究竟发生了什么。一切帽子下的神秘一览无余。

这些东西看十篇文章，都不如自己部署一次来得直接。

等真正折腾完以后，大模型还是很强，但那种神秘感没了。

你会知道并不是服务器里住着一个“小人”。

它就是一个极其庞大、极其复杂的输入输出函数。只是复杂到这个程度以后，居然让人觉得它在思考了。