yangjian

你看那个人，好像一条狗啊。

[astaxie @astaxie]

真的很感慨，斯坦福的课程更新速度太��了。

CS329Z 已经在教 AI Agent：RAG、Tool Use、MCP、Memory、Multi-Agent、Eval、Coding Agent……

再看看很多大学生还在学习上一个时代、甚至已经被淘汰的东西。

强烈建议身边的大学生都去学学这门课，真的很值得。

https://t.co/7CWzlKMzlu

[Paul Graham @paulg]

No credential will get you more credibility with investors than growth. And if you do it well enough, you won't need investors at all.

[苏柯蕤 @rokcso]

我现在所有产品使用的 icon 都来自这两个图标库：

@remixdesigner 的 https://t.co/jMQGZ8Hq7O，简单、现代
@minor_axis 的 https://t.co/twqGK1p43Q，精致、优雅

[币圈百科 @galxyforever]

景甜是从碧玉年华开始，跟了大哥十四年(2004-2018)。

毕竟，景甜的长相与大哥的初恋极为神似。

大哥就好景甜这一口。

其实，那位大哥当年的资源 — 整个万达系（连当时怼天怼地的王思聪都要闭嘴）、名导张艺谋，国际资源也不在话下。

百科当然清楚景甜背后是谁。

所以在事发之初就遥祝孙宇晨平安。

景甜的事情发生以后，两三天之内，大陆那边的舆情风向已经掉头转换：

从针对孙宇晨变成了针对整个币圈行业。

币圈很可能因为孙宇晨这篇卓越的行文《我的女友景甜》而遭受一系列打击。

大哥只是老了，不是死了。毕竟甜甜是跟了自己十四年的姑���，生死关头必然还是愿意拉一把的。

各位代入下：如果有一位类似跟了自己十多年的前任，这姑娘你救还是不救？

在大哥眼里，竟是孙宇晨这样一个灰灰男在羞辱他这位神似初恋的前任。

重点是，灰灰男孙宇晨还对景甜做了四十多页的个人信息背调。

景甜是京圈的，孙宇晨大概率背调了很多不应该背调的东西。现在收手已经晚了。

这一举措，充满着挑衅与威胁的意味。

📖此事件关联人物1：自称中间说和人的凤凰男易理华 @Jackyi_ld

易理华极具嘲讽意味景甜做人要本分，不要糊弄别人的钱，有钱人是有钱不是人傻。

好，我们一起来看下凤凰男易理华的发家史。

虽然说英雄不问出处，作为中国大陆的教育体系的产物，易理华一个��考考了三次才考到了一所大专院校 —— 上海出版印刷高等专科学校。

各位小镇做题家们，怎么看？

了得的LP们，对于基金掌舵人的非金融相关专科背景，你们怎么看？
2017那会，楼霁月 @Joylou1209 动用他老爹楼伟中作为中信银行萧山支行行长的特权，直接给楼霁月用房产抵押的形式借出来了1000多万人民币，全力支持前女婿易理华 All in 区块链。

自此，凤凰男易理华通过吃软饭携手前妻楼霁月，大举杀入币圈。

这个就是当年雌雄大盗易理华楼霁月的币圈启动资金来源。

这个资金，一资金体量远超正常数额之外，二属于严重违规操作。

包括抵押贷款审批的内部操作（涉及审批上下游整条线的相关人员）、明知贷款资金去向（进币圈炒作）仍作假用途等。

这一行为，足以把楼伟中送进去。

易理华以为从LD Capital 换新皮到 Cycle capital /Trend Research，就能彻底忘了自己当年的来时路？  

对吧，老猫 @Imlaomao ？ 对吧，笑来 @xiaolai ？

📖此事件关联人物2: 赵长鹏 @cz_binance

严格意义上，赵长鹏确实是孙宇晨在币圈真正起家的带头大哥。

从 2017年 ICO 浪潮，孙宇晨 的 $TRX 在BN 进行ICO后上线 BN ；到2019年 币安开启IEO浪潮 ，首个项目是孙宇晨的 $BTT ;  再到后来 BN 给孙宇晨的 TRX 链的 USDT 开通了专属通道。

孙宇晨在赵长鹏多次关键提携之下，真正起飞。

所以，赵长鹏给孙宇晨&景甜的事件下了定论后，孙宇晨唯首是瞻。

可惜为时已晚。

对于9月份因孙宇晨 @justinsuntron 引起的黑天鹅，���位拭目以待。

@chinascio @MFA_China  @tribunephl 
@SpokespersonCHN @zlj517 @SpoxCHN_MaoNing

@PDChinese @XinhuaChinese @XHNews 
@NewsCaixin @caixin @ChineseWSJ @thepapercn @CNS1952 @Echinanews @globaltimesnews @Shanghai_City @shanghaidaily @ChinaDaily @zaobaosg

[李昂 @Leonandtheworld]

分析孙哥其实很简单：1）所有能蹭的名人全部强蹭，早期从马云到马佳佳到薛蛮子，然后从cz一姐到巴菲特到川普。2）所有能白嫖的妞，全部白嫖一遍，从马佳佳到曾颖到景甜。3）全部创始团队全部送进去，技术产品财务运营，甚至他的好兄弟兼助理王冰宇。4）在币圈发了几十个空气币。你说这是个什么玩意吧？

[BOSS @thebeautyofsaas]

https://t.co/9rOTItoSUu

[Harvey @harvey]

Introducing Tenet, our first model post-trained for legal.

Tenet is a Kimi K3 base that we post-trained with @FireworksAI_HQ on a corpus of publicly available legal data, synthetic data, and human expert data simulating long-horizon legal work.

Training increases Tenet's all-pass rate by 82% on LAB and 22% on LAB Contracts relative to the Kimi K3 base model. It achieves state-of-the-art performance on LAB Contracts and places second on LAB.

These gains generalize to other leading agentic benchmarks including @mercor's Apex Agents - Corporate Law, @crosbylegal's Redline Bench, and @scale_AI's Professional Reasoning Bench.

Tenet is also optimized for token efficiency, operating at less than a fourth the cost of leading foundation models.

We additionally post-trained three specialist models for Tenet to use as subagents:

1) M&A Diligence: post-trained with @baseten on our LAB Diligence environment in an RLM harness, this model is optimized for high-scale, long-horizon tasks.

2) Review Tables: trained with @appliedcompute on our Review Table environment, this model is state-of-the-art and cost-effective at high-volume document review and structured data extraction.

3) Firm Knowledge: trained with @EngramLab on our synthetic law firm environment, this model is optimized to learn and search over a firm's knowledge via memory and structured notes.

More details on model training, environment design, benchmarking, results, and more in the article by @gabepereyra below.

What's next for Harvey’s research?
- Scaling LAB to more jurisdictions, practice areas and workflows
- Scaling compute to bring new generalist models and capabilities to Harvey

More to come soon.

[Elon Musk @elonmusk]

I hope AI is nice to us

[Felix Haas @felixhhaas]

High-Performance Teams in the Age of AI 🔥

I've spent a lot of time thinking about what makes teams move incredibly fast while others get stuck.

What I've seen is that performance in the age of AI has surprisingly little to do with credentials on paper and increasingly everything to do with mindset.

Here are a few observations from Lovable:

[数字生命卡兹克 @Khazix0918]

这篇内容升华了

[Thariq @trq212]

We removed ~80% of the Claude Code system prompt for our newest models, this is what we've learned about writing system prompts, skills and Claude.MDs for them. https://t.co/6DZwSrZjE9

[Sahil Bloom @SahilBloom]

The fastest way to improve your life is to sign up for a physical side quest. It could be a race, competition, event. Really anything. Maybe a marathon, Hyrox, long hike, or a weekend rafting trip. Something that scares you just a little bit. Just enough to spark action. Your day becomes more structured with the training for the side quest. You sleep deeper because you're tired from the training. You eat cleaner because your body wants the healthy fuel. You look better from the movement. You feel better from the momentum. Everything falls into alignment around the one small decision to sign up for that event. So, what's your side quest going to be?

[Aaron Epstein @aaron_epstein]

So much of being a founder is overcoming fear.

Fear of launching
Fear of talking to users
Fear of rejection
Fear of ambiguity
Fear of charging money
Fear of looking dumb
Fear of doing the hard thing

What are you avoiding because of fear? Don't let it control your company.

[Satya Nadella @satyanadella]

Open-weight models are essential to a healthy AI ecosystem. Together with others across our industry, we are outlining a path for open-weight models to strengthen American competitiveness and expand economic opportunity, while protecting national security. https://t.co/Tr0sAzAxTD

[Fuck Anthropic @FuckAnthropic]

https://t.co/nKVLMoirXc

[dontbesilent @dontbesilent]

dontbesilent 的 100 条思考

001.
语言的边界就是思维的边界，使用垃圾语言就会拥有垃圾思维。

002.
赚钱只需要执行力 + 商业模式，很多赚到钱的人都没有认知，甚至智力都不正常。

003.
找对标的本质是降维模仿：当你想达成某个目标时，应该去模仿那些已经超额完成该目标的对象。

004.
如果你愿意去模仿任何对标，那么所有业务都可以是你的对标；如果你只愿意去模仿和你一模一样的对标，那么世界��将没有业务可以成为你的对标。

005.
做自媒体的门槛是要意识到：你可以通过文字来控制其他人。

006.
顾客需求是购买商品，不是使用商品。商家只关注你买不买，不关注你用不用。

007.
好的商业模式会逼你成为一个好人，坏的商业模式会逼你成为一个恶人。

008.
真正有价值的知识，越分享越值钱。

009.
不问前路，先发 100 条。这里面，前半句其实比后半句重要。

010.
绝大多数忙于赚钱却赚不到钱的人，并非不知道正确答案，而是在明知正解的情况下，竭尽全力寻找绕过它的方法。

011.
只要你拥有常识，就可以在任何一个行业里打败 90% 的竞争对手。

012.
商业是最大的慈善，因为互不相欠。免费的帮助，常常滋生仇恨。

013.
人与人之间最完美的距离叫做商品。

014.
这世上所有的商品都只是给买家一个转账的理��而已。

015.
如果一个人用 AI 写的文字发出来之后被平台限流了，原因不在于 AI 模型能力不行，而在于用 AI 的这个人对于文字没有洁癖。

016.
所有让你在自媒体上讲「干货」的博主，都是不专业、不入流的。

017.
内容需要是差异化的、不能太 low、产品需要是高质量的——这和赚钱有啥关系？这都是商家的心理需求，用户需求是一点不提。

018.
越是新手，越应该推高成本做内容，否则就会进入「内容差 - 没流量 - 希望以量取胜 - 内容更差」的死亡螺旋。

019.
投入精力 ≠ 内容好。投入精力 × 对内容有正确理解 = 内容好。

020.
我们的目标是摆脱小白的身份，成为领域里的专家。这是第一目标。这是信仰与追求。

021.
万能问题是错误问题，万能答案是错误答案。一个无法精准描述问题的人，是不可能得到答案的。

022.
提问的过程就是思考的过程，如果你能提出一个好问题，这个事情就已经解决了 80%。

023.
解决问题的前提是定义问题，这里的「问题」指的是 question，而不是 problem。

024.
赚钱七字诀是：不问前路直接干。找我的人基本都是：暂时不干我先问问。神仙难助。

025.
抄生意，分为全抄和半抄。全抄拼执行，半抄拼认知。

026.
做什么事情都是二八定律。比如直播做到第一，20% 靠我的直播能力，80% 靠我播到凌晨 2：00，把其他人都熬下播。

027.
如果你不能在每天工作 2 小时的情况下维持收入，很可能是你没有找到最正确的那件事情是什么。

028.
从不认为自己是任何一个行业的从业者。我随时可以去任何行业做任何事。

029.
「想赚钱」的意思就是不想赚钱，「正在赚钱」的意思才是想赚钱。

030.
赚钱分���步：1、找到答案；2、执行。如果你现在没有执行，说明你没有找到答案。

031.
这个世界上离钱最远的地方，叫做：想找一个自己擅长的事情去赚钱。

032.
沉迷于战术，使人既疲惫，又贫穷。

033.
把「赛道」「行业」这俩词从脑子里删掉，赚钱就会容易一些。

034.
智商决定收入上限，商业模式决定收入下限。

035.
智力低也是可以赚到钱的。缺乏认知和智力，影响赚大钱，但不影响赚到钱。

036.
做内容之前，要确保你有产品。如果你不能把你的付款链接发给我，并且让我通过微信或者支付宝付款成功，你就是没有产品。

037.
定价即产品，产品即定价。

038.
如何判断一个赛道是否拥挤？你就看同行的定价就知道个差不多。

039.
毛利应该重新定义为「售价 - 营销成本」。在流量为王的时代，营销成本才是真正的「生产成本」。

040.
「卖产品赚钱」不是一件事，是 N 件事。第一层是有人需要这个产品，第二层是有人愿意为这个产品付钱，第三层是有很多人愿意付钱，第四层是我可以持续性地获取流量。

041.
小红书 = 内容平台；抖音 = 内容电商平台。

042.
中国真正的播客，不是 podcast，是抖音。

043.
国内的小老板不愿意给美国人 19 美金，最终的结果就是给中国人割 198000 人民币。

044.
知识付费的核心不是缓解焦虑，但是缓解焦虑是知识付费的必要组成部分。

045.
好的「IP 知识付费」应该是围绕「IP」和「付费」做内容，而不是围绕「知识」做内容。

046.
小红书上 1w 粉丝月入 10w 是可以的。前提有二：1. IP 人设差异化内容；2. 内容与产品强匹配，自己卖货，不接广告。

047.
有价值的行动，进行积分之后，会变成有价值的商品。

048.
对关键词的理解永无止境。当我们说喝「拿铁」和说喝「咖啡」的时候，我��在说两件事情。

049.
组织内部应该禁用没有定义过的主观词汇。

050.
我们用语言思考，所以语言的边界就成了思维的边界。每个词背后都隐藏着特定的世界观和假设。

051.
维特根斯坦说：不存在只有我自己能理解的语言，语言必须是公共的、可验证的。

052.
哲学书里面，有你需要的所有提示词。哲学家们用了 2000 多年时间研究：如何清晰思考、如何准确表达、如何有效论证。

053.
要精通 DeepSeek，先把康德、休谟、维特根斯坦读完。不谈哲学就没有入 DeepSeek 的门。

054.
第一桶金常常会面临生意方向的抉择。路线 1：产品需求强，但是做起来阻力大；路线 2：产品需求弱，没竞争。这个时候一定要坚定选择路线 1。1 的问题是可以努力解决的，2 的问题是神也解决不了的。

055.
我喜欢做的生意，是和同行在供应链完全没有任何差异的那种。你休想和我在��品上有任何差异化，无处躲藏。

056.
会对标和不会对标的人的区别就是，前者打心底相信「和对标保持一致」这句话是真理。

057.
模仿到极致，就是创新的开始；问题被看透，就是答案的终结。

058.
如果你看到对方抖音直播间的女主播的袜子上面出现了 3 个线头，而你们女主播的袜子上只有 2 个线头，你就没有模仿对标。

059.
对标是用来模仿的。如果你愿意模仿任何对象，全世界的生意都可以成为你的对标。

060.
找对标能解决的是业务逻辑问题，但前提是执行者已经解决了「人的问题」。

061.
真正的学习不是看书上课，而是完整走完同行的每一个流程，直到你能预测对方的所有行为。

062.
目标要降维，心态要升维。想月入 10 万，就去模仿月入百万的生意。

063.
量化练习产生质变。看懂 100 条爆款视频能破万粉，看懂 1000 条能破十万粉。

064.
学文案、学抖音有个很快的方法，就是你去找一堆爆款视频，不看���头，就从 15s 开始看，然后你想一下这个开头如果是你，你会怎么写。

065.
一个人对正确方法了解得越清楚，他逃避的动力就越强。因为清晰的认知意味着无可推诿的责任。

066.
在信息透明的时代，持续贫穷往往是一种主动选择——选择舒适的自我欺骗，而非艰难的自我实现。

067.
最大的悲剧不是不知道答案，而是明知答案却选择逃避——因为自由太沉重，牢笼更轻松。

068.
当你提出了一个问题，是说明你没有看懂这件事情。如果我能让你看懂这件事情，你将没有问题。

069.
我做了个答疑社群给几千人答过疑，我并不是在提供答案，我是在消解问题。

070.
我的终极目标并不是要提供所有问题的答案，而是看清楚所有的事情，以至于没有问题可问。

071.
国内知识付费市场的主流本质是「认知套利」：卖方利用买方的无知获利，而买方用金钱购买��理安慰。

072.
在国内知识付费市场的主流业态中，业务转化率与受众智力水平呈反比关系。

073.
国内这些搞什么 IP 定位智能体的人没有意识到，他们是用 AI 做了一个诈骗业务。干掉你们的不是 claude，是警察。

074.
如果一个人抱怨 AI 生成的文案「有 AI 味」时，这种判断往往揭示了一个有趣的现象：评判者将本该由自己承担的审美责任，不自觉地转移给了工具本身。

075.
让 AI 分析爆款文案，是最蠢的方法。爆款文案长啥样，不重要；爆款文案是如何被塑造的，很重要。规则 > 结果。

076.
为什么 AI 经常会写「请你记住」「真相是 xxx」？因为无能的创作者会频繁使用祈使句制造紧迫感，尝试用语气的强度去代替逻辑的强度。

077.
所有「去 AI 味」的提示词，都是不懂文字的人写出来的。因为去 AI 味是伪命题。

078.
AI 写的东西有没有价值？如果是好内容的话，没人关心这��西是怎么出来的。

079.
关心自己的文案有没有 AI 味的人很多，关心自己的文案好不好的人很少。然而，英雄是不问出处的。

080.
如果你教的东西别人很容易学会，那无论保留还是公开都赚不到钱。如果你教的东西有真正的难度，即使毫无保留地公开，别人在实践中仍会遇到问题。

081.
真正的问题不在于你有 1 层储备你要怎么分配，而是你要花多久才能搞到 10 层储备。不要从顾客身上找答案，从自己身上找答案。

082.
如果你有 10 层储备，引流款讲 3 层，利润款讲 3 层，还剩 4 层，不是我不想讲，而是没人对我这套晦涩难懂、不能快速变现的商业本体论感兴趣。

083.
有执行力、有探索精神的人是在认同，知识是在实践的过程当中产生的。没有执行力的人，是相信可以在实践之前就拥有知识。

084.
人们自以为的需求和人们实际上想要的，是两套算法，前者是因果，后者是相关。

085.
授人以鱼，可盆满钵满；授人以渔，如杀人放火。

086.
做自媒体不要抱怨被骂。如果你骗人了，被骂是理所应当；如果你没骗人，就会被另外 99% 想被骗的人骂。

087.
当你的认知高于观众一个段位，他们会关注你；高十个段位，他们就开始辱骂你；高一百个段位，他们会嘲笑你。

088.
没销售能力的人，都爱拿「精准人群」当遮羞布。

089.
好的内容产出场所，应该是没有压力的。就是这种自由，能孵化好内容。

090.
思维都是涌现出来的，如有雷同，纯属巧合，谈不上竞争与否。

091.
我对绝大多数所谓 AI 社群的评价：如果一条信息，在我需要的时候我唾手可得，而你在不确定我是否需要的时候发给了我，这就是垃圾信息。

092.
绝大多数知识博主都在基于有限的、二手的、索然无味的信息差去变现，压根不研究业务，毫无科研精神。

093.
跨过执行力的心理门槛之后，会��现首先得到的不是钱，而是社会支持。

094.
绝大多数的「割」都来源于一个点，就是当事人觉得他没能用 AI 写好文案，是他不懂 AI，是他没选对 AI 产品。没意识到这个事情是在于他不懂文案，没理解文字本身。

095.
如果一个岗位被定义为特定角色的智能体，就一定会失业。如果一个岗位被定义为给人类或者 AI 制定工作流，就不会失业。

096.
如果你不知道怎么把一个前端交互页面变成钱，就会觉得：Gemini 3 来了，前端已死。如果你知道怎么把一个前端交互页面变成钱，就会觉得：受限于前端成本而被压制的供给，现在可以直接起飞。

097.
知识博主的核心工作只有两个：1、把事情搞清楚；2、把事情说清楚。「把事情搞清楚」是一切的开端。

098.
不要试图正当化不道德的行为，不要试图用数字来计算道德，承认世界的悲剧性，而不是试图通过破坏规则来逃避悲剧。因为一旦规则被破坏，长期来看���所有人都会更糟。

099.
AI 割韭菜项目都是同一个逻辑：买家希望有个神仙级的武器让自己不劳而��，卖家想骗买家，现在加上一个话术叫做「人工智能太 nb 了」。

100.
从「想赚钱」到「正在赚钱」，中间隔着的不是方法，而是你愿不愿意承认：那些你明知道正确却不愿意做的事情，才是你贫穷的真正原因。

[Perplexity @perplexity_ai]

Two new ways to bring your health data into Perplexity.

Perplexity now connects to Apple Health on iPhone. Use your sleep, activity, and HRV data in Computer.

Function is now available in Perplexity Health. Add labs and ask about biomarkers, blood draws, or panel results.

[Paul Graham @paulg]

The biggest mistake young founders make is a variant of this: to build something you imagine people want, instead of studying them and figuring out what they actually do want. But the hack for beating this is to roll with your solipsism and make something for yourself.

[数字生命卡兹克 @Khazix0918]

最近几个月，好基友海辛和阿文一直在几个项目里高强度用Seedance做视频，在踩了很多坑以后，他们总结了一套很实用很详细的心得。

我看完了以后，觉得很受用，我自己也学到很多。

在征得他们同意后，也想分享给大家，因为我觉得对每一个想用AI做视频的人，也都非常有用。

先说一个反直觉的结论，大部分你在X和小红书上看到的Seedance提示词，都没什么用。

那些千转万转的帖子，华丽的prompt小作文，他们团队几乎都测了一遍，结果发现能用的没几个，反而浪费了大量时间。

这些提示词唯一验证的事，就是Seedance是真的不挑食，你写什么它都能生成点东西出来，但跟质量没关系。

其实写一段视频prompt比想象中简单得多，只需要填好四个部分：

1. 主体，就是画面里出现的主要人物。建议用图生图先出一张角色参考图，然后在即梦里新建主体，后面直接@就行，复用率极高。
2. 场景，上传一张场景图就够了。场景图里可以带上你的主角，这样能交代角色和环境的比例关系，不容易出现人物大小失调。
3. 音乐，这条非常重要，不要生成任何BGM，只生成对应的音效。BGM会严重干扰后期剪辑和配乐。
4. 镜头，言简意赅地写清楚每个镜头的景别和发生了什么就行，不需要长篇大论。

一个好的Prompt大概是啥样的，我也把海辛的截图放下面了。

除了Prompt怎么写之外，还有一些非常有用的心得：

第一，不需要往Seedance里放分镜故事板。很多人花十几分钟生成一张华丽的故事板，带镜头运动曲线带各种标注和表格，丢进去让Seedance生成，反而错漏百出。

第二，Prompt不是越长越好。很多人用AI写的提示词又臭又长，里面很多都是多余的描述和情绪渲染，上传过主体和场景参考以后就不需要再用文字重复一遍了，没有意义。而且如果一段Prompt连自己都读不完，那说明你对故事要发生什么根本就不关心。

第三，不要给每个镜头加时间戳，比如[0-3秒]这种东西，很多时候都是安慰剂，模型其实不会真的按时间戳来分配时长，对时长影响最大的反而是镜头的数量，所以不如用镜头01这种方式更好。

第四，不要盲目追求清晰度。目前对提示词响应最好的版本是720p，不是1080p，清晰度最后定稿了用Topaz放大到4K就行了。

而最最最重要的事，就是有了AI和Agent之后，我们的效率大幅提升，那省出来的时间应该花在哪呢？

答案只有一个：
构思你的分镜和故事。

绝大多数的技巧，最终都会被模型的进步所吞噬。
但相信我，你的故事。
它不会。

[Mira Murati @miramurati]

Bridgewater used their unique financial knowledge and partnered with us on @tinkerapi to fine-tune a model that helps their analysts focus on what's important. Experts improving AI that empowers experts.
https://t.co/6RJITMG2BJ