Guogui

software developer

[Vishal Singh @vishalsingh2972]

AI Agents can remember. But how does their memory actually work? 🧠

AI Agent Memory, explained in just 12 minutes! 🔥

• Working Memory & Context
• Procedural, Semantic & Episodic Memory
• RAG, Vector DBs & Top-K Search
• Storing Past Conversations & Events
• Memory Consolidation & Summarization
• Efficient Token Usage

As AI agents take on bigger, longer tasks, memory will become essential to keep context, learn from experience, and build on past work.

[小奇说 @xingbugengming]

不要再相信利用Hyperframes、Remotion能够一键自动剪出高质量视频了

这位博主用 Claude + Remotion 制作出了最受 Youtube欢迎的Vox风格特效视频，这才是真正的AI剪辑打开方式

1:30 规划脚本和视觉风格
2:26 使用 Claude Code + Remotion 构建场景
8:00 剪辑的组装和微调
11:01 旁白、音乐和最终渲染

[Guogui @guchnghu2]

"AI won't take your job. Someone who uses AI better will."

Ethan Mollick isn't so sure.

Remember prompt engineering? You were still perfecting your lock-picking, and they took the door off.

Better question: will the skill you're building matter more as AI improves, or less?

[nnn @nnn112358]

CPU・GPU・NPUの違い、雰囲気理解した。

[Elon Musk @elonmusk]

SpaceX is a super intelligence company

[Guogui @guchnghu2]

最近刷 X 越来越像做作业。AI 产品一个接一个，看起来都差不多。不是功能不行，是缺那种只有自己才会注意到的具体经验。感觉真正拉开差距的，不是谁更会用工具，而是谁能把自己的品味翻译进去。

[Guogui @guchnghu2]

最近刚好在玩理光 GR IV，28mm 等效定焦。作为一个摄影新手，高强度用了一天下来，最大的感受就是：定焦真的比想象中难拍。

以前用微单加变焦镜头，站在原地调焦段就能重新构图。换成 28mm 定焦之后，感觉自己变成了“变焦环”——想拍近一点就往前走，想拍远一点就往后退。

而且 28mm 很容易把画面拍得很平。很多时候眼睛看到一个场景觉得挺好看，相机举起来一看：怎么突然这么普通。用下来会觉得，定焦确实很考验一个人发现画面的能力。

不过 GR IV 最大的优点也很明显：真的太轻、太小了。 塞进口袋就能出门，走一天也完全不会觉得拍照是个负担，看到东西随手拿出来拍就行。

目前我觉得最容易出片的还是拍美食。距离近，加上 F2.8 的光圈，稍微找找角度就能有不错的虚化，对新手很友好。扫街就难多了，经常举起来看半天，又默默放下。

大概就是一个摄影新手高强度使用 GR IV 第一天后的感受：很好带，也很想让人一直拍，但要真正拍得好看，可能还得先练练自己的眼睛。

[Guogui @guchnghu2]

今天喝了一个还挺好玩的 咖啡 Omakase。

它不是让你直接看菜单点咖啡，而是先给你一个游戏币，然后去旁边的扭蛋机里扭一个纸条。

纸条上的名字都挺抽象的，比如 Kyoto、泰兰德，还有“我想要夏天”这种。扭到什么，咖啡师就给你做什么。

我还听说这家店之前有一段时间会做心理测试，然后根据你的测试结果来做一杯特调。感觉他们每隔一段时间都会换玩法，所以某种程度上真的有点 Omakase 的意思：你不知道自己最后会喝到什么，直接把决定权交给咖啡师。

我这次扭到的是 「我想要夏天」。

端上来的时候，咖啡上面放了一块米饼，还搭了一些柠檬元素。咖啡师还特意教了一个喝法：

先咬一口米饼，在嘴里嚼碎，但别急着吞，然后直接喝一口咖啡，让米饼和咖啡的味道在嘴里混在一起。

本来听的时候还有点怀疑，结果实际喝下来还真挺搭的。

整杯的味道比较明亮，有明显的柠檬感，回想起来其实稍微偏甜了一点，但整体还是挺好喝的。

最好玩的其实不一定是这杯咖啡本身，而是整个过程。

从扭蛋开始，你就会有点期待自己到底抽到什么，然后再看咖啡师怎么把一个很抽象的名字变成一杯具体的咖啡。

不得不说，现在国内咖啡真的已经卷到另一个 level 了。

以前卷豆子、卷产地、卷手冲，现在已经开始卷剧情、卷互动、卷体验了。

[Guogui @guchnghu2]

今天和朋友聊到一个挺有意思的话题。

比如技术面试的时候，有些同学为了更好地展现自己，会把组里之前别人做过的项目，或者自己只是参与过一部分的项目，稍微把自己的权重说大一点，甚至讲成是自己主导的。

但仔细想想，这件事其实也挺微妙的。

因为如果你真的把这个项目从头到尾都搞懂了，知道为什么这么做、遇到了什么问题、背后的原理是什么，也能很流畅地把它讲出来，那某种程度上，其实就是把别人的东西吸收之后，转化成了自己的知识。

所以我觉得这件事不能简单地说完全是错的。

毕竟现实里很多人日常工作接触不到真正的核心业务，可能只负责其中一个小模块，或者做一些上下游、周边的事情。但如果他愿意花时间把整个事情搞明白，最后能够自圆其说，甚至真的遇到类似的问题也知道怎么解决，那这个过程其实和学习很像。

就像我们学习一个公式，它也不是我们发明的。但我们把它理解了、用熟了，最后遇到问题知道什么时候该用、怎么用，它自然就变成了自己知识体系的一部分。

然后我又想到一个生活里更有意思的问题：

跟别人聊天的时候，把别人的经历和经验“吸收”过来，甚至某种程度上变成自己的，这件事合理吗？

我发现身边有些特别会“吹牛”的人，其实很擅长做一件事：把别人的经历变成自己的谈资。

但这件事其实没想象中那么简单。

这种人往往特别喜欢跟各行各业的人聊天，而且很多时候还是很好的聆听者。他们不只是听个大概，而是真的会问很多细节，把一件事情从头到尾搞清楚。

有意思的是，大家其实也挺愿意跟这种人聊天的。因为人本身就需要倾诉，也希望自己的经历有人认真听。而他们恰好愿意听，也愿意问。

听得多了，知道的细节多了，慢慢就积累了一大堆原本不属于自己的经历和故事。等到了另一个社交场合，这些东西又会变成他们打开话题的素材，所以你会觉得这种人好像什么都懂一点，跟谁都能聊，走到哪里都能谈笑风生。

当然，有些人这么做可能只是为了吹牛，但也有些人是为了更快地和别人建立连接。

比如遇到一个自己很想认识的人，发现对方喜欢某项运动、去过某个地方，或者有某种特别的经历，如果自己刚好“知道”这些东西，就很容易找到一个切入点，把话匣子打开。

所以这种行为到底是对还是错，我觉得其实挺难简单判断的。至少“吸收别人的经验”和“故意把别人的经历冒充成自己的”，中间还是有一条线，只不过现实里这条线有时候没有那么清晰。

想到最后，我反而越来越能理解一句话：

Fake it until you make it.

很多时候，你可能确实还没有那么厉害，也没有那么多真正属于自己的经历。但对于普通人来说，有时候得先想办法拿到一张入场券，先有机会坐上牌桌，看到别人怎么玩，自己真正体验过一次，后面才有努力和成长的机会。

毕竟很多事情，连牌桌都没坐上过的时候，可能连该往哪个方向努力都不知道。

[Guogui @guchnghu2]

以前一直很喜欢大太阳的天气，但不知道从什么时候开始，渐渐喜欢上了下雨天一个人待在家里的感觉。也不知道是单纯喜好变了，还是这些年心态慢慢发生了变化。

[Guogui @guchnghu2]

最近通勤时间有点长，所以开始习惯在路上听播客。主要是觉得一直刷手机眼睛挺累的，听东西反而轻松很多。结果不知不觉，过去一周居然已经听了差不多 8 个小时。

最近主要在听张小珺关于 AI 行业的一些访谈，比如：

游凯超，vLLM 的核心开发者之一
姚顺雨，之前聊 Anthropic 的那一期
杨植麟，去年采访他的那期，现在回过头听感觉还是挺有意思的

听下来感觉还挺奇妙的。也不是说每一期都能记住多少具体内容，但潜移默化中，自己对一些事情的理解和想法好像确实发生了一点变化。

而且播客这个东西很适合通勤。因为本身就是一个比较随意、放松的状态，也不需要一直高度集中注意力。有时候坐车太累了，听着听着就睡着了，也无所谓，醒了继续听就行。

现在越来越觉得，坐车的时候听播客是一件挺舒服的事。不用一路低头刷手机，也能让自己稍微放空一下。累了就睡一觉，没睡着的话，顺便还能听到一些对自己有用、或者以前没想过的东西。

感觉这样就已经挺好了。

[Zara Zhang @zarazhangrui]

This paper gives a fancy name to a problem you can already feel in your bones

"The Tragedy of the Cognitive Commons." Checking AI output requires deep expertise. Deep expertise comes from doing grunt work for years. And grunt work is the first thing AI eats

So we're building systems that need expert supervision while dismantling the only known process for making experts

The paper calls the shared pool of human expertise the "cognitive commons." Every profession drinks from it. Nobody's refilling it.

By eliminating junior roles, each company is acting totally rationally, and the collective result: a profession that can't catch AI's mistakes anymore because it never learned to do the work in the first place

Who checks AI's homework in 15 years?

[Elon Musk @elonmusk]

Starship still floating in the ocean

[Guogui @guchnghu2]

@NVIDIAAI @huggingface impressive

[Elon Musk @elonmusk]

Interesting.

Grok 4.6 releases around August 7. This will be the 1.5T model with significantly improved SFT & RL.

Grok 4.7 will be the 2.1T model released a few weeks later. This will be better than 4.6 in every way, except slightly slower to serve, albeit with even better token efficiency.

[How To Prompt @HowToPrompt__]

Google Deepmind argues that LLMs can never make real scientific discoveries.

They published a paper breaking down Albert Einstein’s private view of scientific discovery.

In a famous letter to his friend Maurice Solovine, Einstein drew a diagram of how science actually happens.

It is a cyclical loop.

First, you experience raw sensory data. Then, through a mysterious, non-logical act of intuition, you make an intuitive "jump" to abstract axioms. Finally, you use strict logical deduction to derive consequences from those axioms.

Generative AI has completely mastered two-thirds of this loop.

• Induction: Statistical pattern matching across billions of tokens.
• Deduction: Formal proof generation, like AlphaProof solving complex math Olympiads.

AI can crunch data and it can prove theorems.

But it cannot make the jump.

The paper argues that AI completely lacks Abduction, the generation of novel explanatory hypotheses when observational data is scarce.

The prevailing tech myth says that "creativity is just data compression." That if you feed an LLM enough text, scientific breakthroughs will naturally pop out.

Einstein’s formulation of General Relativity proves that is a delusion.

When Einstein formulated relativity, the observational data didn't demand a new physics framework; classical mechanics was still massively successful. The breakthrough required a conceptual rupture. An intuitive leap from physical reality to a brand-new set of foundational axioms.

An LLM can execute the math once the axioms are given. But it is structurally incapable of formulating those premises on its own.

It can interpolate inside existing human thought, but it cannot transcend it.

The translation of physical reality into formal axioms remains the absolute, hard bottleneck of artificial scientific invention.

We can build models with trillions of parameters. We can scale compute into the stratosphere.

We can make the calculator infinitely fast.

But until we solve grounding, the machine can process all the data in the universe.

It still can't make the jump.

[ali @waterloo_intern]

https://t.co/aivc7B4A7Z

[Ace from Money or Life 美股频道 @Money_or_Life_X]

如果你对现在的投资感到灰心，请看我下面这一段话：

RKLB 宣布收购 Iridium，明年的营收有希望达到 20 亿美元；

RKLB 宣布历史上最大的电子火箭合同，高达 2.66 亿美元，同时将在阿拉斯加修建自己第四个发射台；

RKLB 是 Amazon LEO 卫星星座 Reaction Wheel 反作用轮 的供应商，亚马逊卫星星座虽然追不上 SpaceX，但是它为RKLB带来的订单规模效应是很好的；

RKLB 很有可能在 2027 年实现正的自由现金流，实现盈利；

RKLB 中子火箭依然有可能在 2026 年年底发射。哪怕是推迟，也不会再进行一整个年度的推迟，而是按季度来推迟。我对中子火箭的设计以及团队的执行力依然保持乐观，我想用长远的眼光去看待中子火箭，而不是一时的成败。当猎鹰九号退役、星舰成功商业飞行，那个时候中子火箭就会类似于现在的电子火箭，它会为一些没有办法得到星舰服务、或者是星舰不适合运载的客户，提供最优质的发射选择；

这不是无中生有为自己打气，这是在充分了解公司基本面、公司未来潜力的基础上做出的投资选择。

超过 1 万股的 RKLB，we will see！

[Hedgie @HedgieMarkets]

🦔AI companies are bulk-buying rare books, scanning them through high-speed machines that cut the spines off, and shredding the originals. A service called ISBNdb facilitates orders of up to a million books and keeps buyers anonymous. Pre-2022 books are premium because they're free of AI-generated text. A federal judge ruled the practice is fair use because eliminating the original means only one copy exists at a time. Anthropic hired the former head of Google Books partnerships to obtain "all the books in the world."

My Take
This got to me. A bookseller told 404 Media that rare books with almost no surviving copies are being fed into this pipeline. Books that survived wars, fires, and centuries of handling are being shredded so an AI can learn to write a better marketing email.
ISBNdb's website literally says "'AI company destroys two million books' is not a headline that generates sympathy," and they still built an entire business around making it happen quietly. They offer NDAs as a feature. They coach clients to call it "digital preservation."

I've covered AI companies scraping the internet, torrenting libraries, and stealing music. This is worse because it's irreversible. You can re-upload a website. You can reprint a bestseller. You can't replace the last three copies of an 18th-century botanical text once someone shreds them for training data. And the judge said it's legal. So it's going to accelerate.
"We shred rare books and offer NDAs so nobody finds out" is a legitimate business model in 2026. What a timeline.

Hedgie🤗

[Guogui @guchnghu2]

@SpaceX Amazing, it would be my wallpaper now