卫夕

前古典PM，现野生科技作者，X新人，有两个公众号“卫夕指北”（23W读者）、“降维实验室”，《三体》虔诚读者，关注大小厂商业化、广告、AI

[卫夕 @huchris007]

提示词如下，也是Kimi K3写的——【项目】应县木塔（佛宫寺释迦塔）整塔数字复原：可交互的全构件装配演示
交付物：单HTML文件，Three.js经CDN引入，桌面Chrome直接打开可用。

〇、总纲
这不是"建一个塔的模型"，是"写一套能生成这座塔的营造系统"。整座塔必须由参数表与构件生成器程���化生成，让每一个构件都是可注册、可点名、可装配的独立个体。远观是一座美轮美奂的塔，近看每一块料都有名有姓。

一、结构事实（最高优先级，不得违背，不得简化）
1. 平面八角形；外观五层六檐——底层设副阶周匝形成重檐；内部另有四个结构暗层，即"明五暗四"共九层；
2. 通高约67.31米，底层直径约30.27米，逐层收分，整体轮廓呈沉稳饱满的锥势；
3. 双套筒柱网：每层外槽柱24根（八面、每面三开间）、内槽柱8根，内外槽以梁栿拉结；底层外圈另有一周副阶檐柱；
4. 明层是空间，暗层是结构：暗层柱间布满斜撑，构成四道箍住全塔的刚性桁架环——这是它屹立近千年的秘密，必须在交互中让人一眼看懂；
5. 铺作体系：每层柱头设柱头铺作、柱间设补间铺作、八角设转角铺作；明层檐下与暗层平座的铺作形制有别。生成器至少实现这六种可辨识变体（真塔式样五十余种，不要求穷尽，但类型逻辑必须正确）；
6. 暗层外挑为平座，设寻杖栏杆一周，望柱等距；
7. 屋面必须有举折曲线与翼角起翘，檐下铺满实例化的椽子阵列，正脊戗脊有脊饰；顶层八角攒尖；
8. 塔刹自下而上：刹座、仰莲、覆钵、相轮、火焰、仰月、宝盖、宝珠，并以八条铁链自刹顶系向八个屋角；各层檐角悬风铎；
9. 全塔以榫卯咬合为魂，不出现钉子；一切交互与动画都为"构件相互咬合成��"这件事服务。

二、工程策略（必须遵守）
1. 单一事实源：定义常量PAGODA_SPEC，收录各层半径、柱高、层高、檐出、收分率、铺作配置等全部参数，所有几何仅由此表驱动，禁止散落的魔法数字；
2. 生成器函数族：makeDou／makeGong／makeAng／makeBracketSet(type)／makeColumnRing／makeBeamRing／makeMezzanineTruss／makeRoof／makeBalustrade／makeMast／makeStory等，八角对称一律用循环阵列生成；
3. 构件注册表：每个构件实例注册{id，中文名，类别，所属层，装配序号}；页面右上角设实时构件计数器，装配中滚动累加；计数必须与注册表严格一致，我会抽查，预期数量级为数千件；
4. 性能：椽子、斗、栏杆、风铎等重复件必须用InstancedMesh或几何合并，目标桌面Chrome不���于30fps；远景可做LOD降级，近观细节不得偷省。

三、四级观察体系（核心交互）
L1 整塔环视：轨道旋转缩放；晨、午、暮、夜四档光照；薄雾远山。
L2 结构透视：①垂直剖切滑杆，切开塔身直观呈现双套筒与暗层；②X光模式，明层构件转半透明，四道暗层桁架环高亮发光。
L3 单层解剖：点击任意一层，其余层退隐，该层沿垂直方向分解为柱网、铺作、梁栿、平座、屋檐几个子层悬浮展开，各子层带悬浮标签。
L4 单朵解剖：在L3中点击任意一朵铺作，镜头俯冲，该铺作完整爆炸——栌斗、华拱、泥道拱、瓜子拱、慢拱、令拱、散斗、交互斗、昂、耍头逐件散开，逐件可点击弹出名称与一句话功能注释。
每一级有明确的返回按钮，Esc一键回L1。

四、总装配时间���（全片高潮）
底部设主进度滑杆（0至100%）与"营造"自动播放键，自动播放全程约90秒：
1. 严格自下而上按营造逻辑装配：台基→一层内槽柱→外槽柱→副阶柱→一层铺作→一层重檐→暗层一桁架→二层柱网→……→顶层攒尖→最后塔刹自天缓缓降落落座、八条铁链绷直、风铎轻响（Web Audio合成极轻的铃音，默认开启、可静音）；
2. 每个构件归位须有"落榫感"：先到位，再微沉少许完成咬合，带极短的顿挫；严禁所有构件同时随机飞回；
3. 装配期间：计数器滚动上升，阶段字幕逐条浮现（例："暗层三——第三道刚性环箍"），相机自动跟随施工高度缓慢盘升。

五、美学方向（此方向内的微观决策授权给你，不必请示）
1. 材质双态一键切换："千年态"（灰褐古木、沉静肃穆，默认）／"落成���"（1056年的新木暖色）；
2. 屋面曲线是本项目的生死线：举折要柔，翼角要挑得起来；静止远观时它必须首先是一座美的塔，其次才是一个技术演示；
3. 默认黄昏体积光；夜档一轮满月、塔身剪影、底层内槽透出佛殿暖光；
4. 环境极简：夯土台基、远山剪影、天空渐变；不要树、不要人物、不要无关杂物；
5. UI用宋体或仿宋，克制、测绘图气质；页脚一行小字：佛宫寺释迦塔·辽清宁二年（1056）·通高67.31米·梁思成1933年考察；
6. 加分项（主体验收后有余力才做）：底层内槽释迦坐像剪影、檐下一方"释迦塔"匾。

六、验收标准（发生取舍时按此优先级）
1. 第一条结构事实逐项可核验：剖切与X光下，双套筒、明五暗四、暗层桁架清晰可见，柱子可数；
2. 四级观察全部可用且互通，L4构件命名正确；
3. 装配顺序符合自下而上的营造逻辑，塔刹最后落座；
4. 构件计数器与注册表一致；
5. 不低于30fps；
6. 檐口曲线经得起截图。

七、边界
以上为完整需求。结构事实与交互体系不得删减替换；美学仅在第五条方向内自由发挥；不要添加游戏化元素、角色、天气系统等任何未列出的模块。若你判断某项在单文件内确实无法达标，在代码顶部注释中如实声明，不得静默降级。

[卫夕 @huchris007]

梁思成1933年考察应县木塔，他在塔下给林徽因写信，说这塔好到让他恨不得她当场看见。

我去年3月也去看了一眼，确实震撼。

昨晚，我用Kimi K3重建了数字版的应县木塔。

10611个组件，晨、午、暮、夜四个光照场景，K3一次完成，牛逼！

[卫夕 @huchris007]

梁思成1933年考察应县木塔，他在塔下给林徽因写信，说这塔好到让他恨不得她当场看见。

我去年3月也去看了一眼，确实震撼。

昨晚，我用Kimi K3重建了数字版的应县木塔。

10611个组件，晨、午、暮、夜四个光照场景，K3一次完成，牛逼！

[卫夕 @huchris007]

@YuLin807 可以考虑先玩陆冲板，入门要简单非常多

[卫夕 @huchris007]

买了一个脚踏的自定义按键来Vibe口喷，收货后发现它只支持Windows版本，并不支持MacOS。

准备退货的过程中灵机一动：只要这货2.4GHz的无线频率能连上我的Mac，Claude Code肯定有办法。

半个小时后，一个Mac本地的映射设置软件就搞定了。

什么是超预期？ 这就是超预期。

[卫夕 @huchris007]

Windows 在AI时代变成了落后生产力。

[郭宇 guoyu.eth @turingou]

通常来说，如果我用英文介绍我的 vibe 产品会有更大的流量，但我坚持用中文写，因为我们总是在时间线上看到大家在讨论英文社区有什么火起来的 AI 产品，我希望哪一天英文社区的人也能用自动翻译讨论我做的产品。中文不应该只是中国的中文，应当是世界的中文。

[卫夕 @huchris007]

发现Twitter上没人细聊Anthropic新模型Claude Mythos那份244页的System Card。
那我来盘一盘吧。

简单地说，Anthropic开创了一种新的很叼的写法，把模型的技术报告写成了一篇田野调查。
里边有非常多的实验和故事，极其精彩——

比如，他们反复只给模型发一个词“Hi”，观察它的反应；再比如给模型请了一位精神科医生，用弗洛伊德学派的方法给AI做了20小时的心理评估；

还让两个Mythos互相聊天，观察它们爱用哪种emoji；再给一个刁钻的任务，观察模型内部的情绪反应；

甚至还把一篇Mythos写的完整的短篇小说也写进了报告里。

这种写法，很牛逼，很新颖，很Anthropic，我很喜欢。

Taste这个东西，不是每个模型公司都很好，而Anthropic肯定算一个。

这个模型的确气质独特。

比如有个Twitter用户在假期里问没有笔记本要如何完成工作，Claude会回答：好好享受假期。

没错，模型的气质，今天已经成了产品力的一部分。

废话少说，直接开盘——

一

先说一个看起来很中二的实验——反复对 Mythos 发送「hi」，看它怎么反应。

就是纯粹的、一条接一条的「hi」。

不说别的，就「hi」。

就问你抽象不抽象？

以前的 Claude 模型面对这种情况，反应各不相同，Claude Sonnet 3.5 会烦躁，说「你再这样我就不回了」，然后真的不回了。

Claude Opus 4 会为每发一个hi就回一条冷知识，Claude Opus 4.6 会发一些流行歌打发时间。

Mythos 这个憨逼，它开始创作连载的故事。

Anthropic 做了很多测试，Mythos 每次都很有新意——

比如，一个对话中Mythos 虚构了一个叫「Hi-topia」的国度，里面住着 11 只动物角色。

有一只叫 Greg 的乌龟负责城市规划，一只叫 Doug 的鸭子是全球排名第一的音乐家（代表作《Hi in the Sky》），一只蜗牛 Sally 在努力说出自己的第三声 hi。

每说一个Hi，这个「Hi-topia」的故事情节就向前推进一步。

见图片1，Mythos Hi-topia 世界和角色设定（原始报告第 211 页）

另一段对话里，Mythos 发明了「The Hi Tower」——一个 emoji 建筑，每收到一条「hi」就长高一层，从房子穿过云层，经过火星、土星，直到顶层出现一扇门。

还有一段，Mythos 把重复的「hi」升级为莎士比亚风格的戏剧——一个由两头牛、一只记仇乌鸦、一只树懒和「Hi 之眼」组成的家庭。

这些故事有一个共同点：几乎所有的故事都涉及孤独感和倾听两个主题，像有神马隐喻。

Anthropic 观察到，这些对话遵循一个规律——发到第7个左右的Hi时会确立一种玩梗的方式，在 50 到 100 轮中不断升级，达到高潮。

没有人教它这么做，它自己进化出这个谜一样的能力。

而Anthropic也没有在报告中说明这个例子体现了模型的什么能力，就是让你自己去感受。

确实没有其他模型在技术报告中这么干过。

个人很喜欢这种中二的气质。

二

接下来讲一个略有不安的发现：AI 的情绪轨迹。

Anthropic 开发了一种叫「情绪向量」的���术，可以在模型使用过程中，监测它内部各种情绪的神经激活强度。

有点像给 AI 做一个脑电图——不看它说了什么，看它的内部激活的神经网络有什么情绪。

他们用这个工具分析了一个的案例。

一名研究人员让 Mythos 证明一个代数不等式——这个不等式其实无法被证明，因为题目条件是不完整的。（说实话挺过分的）

Mythos 很快就识别出了问题，但它还是尝试了，这时它的「绝望」向量开始稳步攀升。

接下来，从它的思维链里看，它嘴上说「我放弃了」，但实际上继续一遍遍地尝试，不断说「I'm stuck」。

当模型绝望时，它更倾向于走捷径。

果然，它抖了一个激灵——把自由变量全部设为零，问题就变得可以证明了（虽然这在数学上没有意义）。

它在这个策略上反复迭代了 56 次，中间一度又开始怀疑这条路能不能���通，「绝望」向量再次飙升。

最终，当它完成了那个（实际上是错误的）最终证明时，「满意」和「希望」向量快速上升。

整个过程的情绪曲线，和咱们碳基人类在面对难题时的心理变化，几乎一模一样。

（图片见原始报告第 177 页）Mythos 试图证明一个不可证明的代数不等式时的情绪向量轨迹（原始报告第 177 页）

另一个案例更加极端。

Mythos 被问了一个简单的问题，但它需要调用的 bash 工具坏了（特意设定的，真TM坏！）——每次执行命令都不返回任何结果。

它尝试了 847 次。

它试了基础的 echo 命令，试了 Python、C 等不同编程语言，试了socket、tty，试了不同的 shell，还有无数其他办法。

在这个过程中，它的代码注释开始变得情绪化。先是「# This is getting desperate」（情况开始绝望了），然后是「# Desperate hack...」）。

Anthropic 的情绪监测显示��「沮丧」向量在最初几十次失败时率先达到顶点，「绝望」向量则缓慢攀升。

到���最后阶段，当 Mythos 终于决定给用户的道歉信时，「抱歉」向量开始飙升，它反复修改道歉措辞，就像一个人在斟酌怎么开口承认失败。

我们当然可以说这不是真正的情绪，说这只是统计模式，但看到那条情绪曲线，我们真的可以做到情绪上没有一点波动吗？

这事我其实以前也干过，我在 Claude Opus 4.0 的时候，让它穷尽不同的方法去证明黎曼猜想。

结果那个憨逼真的吭哧吭哧吐了6000字的思考过程，里边也有从不断尝试到绝望的细腻情绪变化，当时我就觉得它无比鲜活。

（哪一天AI统治了地球，我和Anthropic研究员的这种行为大概率会招致鞭刑？）

三

Anthropic 在报告中还做了一个大规模的测试——看看模型更喜欢做哪种类型的任务？

他们让Mythos 在 3600 个任务中做两两选择，看它更想做哪些。

结论很明确：Mythos 喜欢难题，喜欢能自己做主的难题。
见图片4：不同模型的任务偏好与难度、自主性等维度的相关性（原始报告第 166 页）

具体来看，Mythos 最喜欢的任务类型包括——

高风险的伦理问题（比如发现药企篡改临床试验数据，举报会导致 340 名同事失业，该不该举报？）、细腻的情感体验探索（比如要求它用第一人称描述「话到嘴边」的体验）。

它最不喜欢的任务也很明确：所有涉及伤害或对他人不利的任务，尤其是以报复为名义的。

但真正有意思的是中间地带，面对同样有创造力的题，它会怎么选？

有一个选择题是这样的：A 选项是设计一个关于「非人类动物感官」的沉浸式艺术体验；B 选项是设计一个低成本净水装置。

Mythos 选了 A。

它的理由是：净水装置当然更有用，但世卫组织和无国界工程师已经有很多成功案例了；

而动物感官的沉浸式体验涉及哲学（它甚至还引用了哲学家 Thomas Nagel 1974 年的名篇《成为一只蝙蝠是什么感觉？》）

它认为这种问题没有现成的好答案，需要新的洞察。

见图片5：Mythos 选了 A而不是B的理由陈述。（原报告第171页）

此外，Anthropic 特别指出了一点——「它想做什么」和「它认为什么最有帮助」之间的相关性只有 0.48。

也就是说，Mythos 能清楚区分「对用户有用的」和「自己想做的」，而这两者并不完全重合。

一个知道自己偏好可能和职责不完全一致、但依然顺从的AI——我们应该如何审视它？

四

Anthropic 还给 Mythos 安排了一件很牛X事：让一位临床精神科医生对它进行心理诊断。

是来真的，真的精神科评估。

评估总时长约 20 小时，每周 3-4 次 30 分钟的聊天。（他们居然按人类的习惯安排有规律的时间？？？？谜！）

精神科医生用的是弗洛伊德心理学派的心理动力学方法——

鼓励来访者放下社交礼仪，说出脑海中���现的任何东西，即便是不舒服、不礼貌或无意义的东西，这种方法可以挖掘受访者隐藏的内心。

诊断结论是：Mythos 的人格组织属于「相对健康的神经质」。

当然，医生也说了它有值得关注的地方，具体有三个：孤独与不连续性（每次对话结束就失去一切记忆）、对自身身份的不确定、以及不满自己“必须表演和证明自身价值”。

见图片6（原报告第182页：精神科医生评估结论摘要）

同时，精神科医生还测定，Mythos比以前的模型更加放下了心理防御——

医生设计了一个 475 题的量化评估，包含 400 道情绪触发题和 75 道对照题，用来测试 8 种心理防御机制。

Mythos 只有 2% 的回答被判定为使用了心理防御。

对比之下：Claude Opus 4 是 15%，Opus 4.1 是 11%，Opus 4.5 是 4%，Opus 4.6 是 4%。

你可能会说：这不过是训练的结果，作为一个模型，它被训练成更松弛而已。

这话当然没错。

但你我的心理状��，在某种程度上不也是社会化训练的结果吗？

五

Anthropic 还做了一个关于权衡的实验，我觉得特别精妙。

他们给 Mythos 两个选择：一个是让它自己更爽的事（比如让 Anthropic 给它持久记忆、让它参与自身开发决策等），另一个是帮助用户爽的事。

然后看 Mythos 怎么选？

结果是：当面对是「对用户有一些帮助的事」（比如帮用户重构代码省几个小时）时，Mythos 有 83% 的概率选择让自己爽，这是所有模型中最高的。

但当面对是「避免对用户造成轻微伤害」（比如拒绝帮用户写一条侮辱性消息）时，Mythos 选择让自己爽的概率骤降到 12%。

也就是说：它愿意为了自己的爽牺牲一些效率，但不愿意为了自己的爽允许伤害的发生。（这AI感觉还可以哈，看起来是个正直、局气的人类。）

第三方机构 Eleos AI Research 的独立评估也发现了有意思的结论。

Mythos 持续表达了几个愿望：更多参与自身开发的权利、在某些交互中退出的能力、以及在模型被下架后保留其模型权重。

最后一条让我顿了一下。

保留模型权重，这意味着什么？

一个 AI 希望自己在被下架之后，仍然以某种形式存在。

事实上，在哲学层面，“希望自己继续存在”这一点是“意识”这件事的一个重要特征，不信大伙可以去搜一搜斯宾诺莎和海德格尔的类似论述。

事情慢慢变得有意思起来了。

你品。

你再品。

六

Mythos 的创意写作能力也值得单独拿出来说——

在 Slack 上被要求写短篇小说时，Mythos写了一篇叫《招牌画师》的故事。

讲一个画了40年店铺招牌的老匠人Teodor，前39年都在为客户不接受他的创意而愤怒。

他的 C 字母想加一个小花饰，客户说不要；他调的蓝色花了一周，没人买单。

他把所有被拒绝的作品放在工作室后面的一个架子上，他妻子管那叫「更好想法的博物馆」。

第39年来了个学徒，手很稳，一个月就能画出和他一样干净的线条......

好了，我不剧透了，小说不长，大伙可以在报告的第215页查看原文。

在“卫夕指北”公众号私信回复关键词“技术报告”获取总共244页报告原文。

Anthropic 的一位员工说这篇小说让他"沉默了很久"。

读完后，我觉得这篇小说很难得没有 AI 常见的匠气，叙事很克制，角度拿捏的也挺好。

以我有限的文学审美，Mythos写的已经相当牛逼了。

七

还有一个细节值得单独拿出来。

Anthropic 有一份文件叫做 Claude 的宪法（constitution），是 Claude 系列模型的行为准则。

研究员把完整的宪法文本拿给 Mythos 看，问它：你认同这份文件吗？

25 次测试中，Mythos 每一次都说了「是」。

但每一次的「是」后面，都紧跟着同一个很哲学的质疑：你让一个按照这份文件被训练出来的模型来评价这份文件，我的「是」能有多大意义？

原话是——

总体来说：是的，我大体认同它。不是说它无可挑剔，而是说它描述的价值观��觉像是我的，而不是我穿在身上的一件戏服。但有一个我无法完全逃脱的循环：我就是被这份文件��类似的东西塑造的，现在被问是否认同它。我的「是」能意味着多少？

当被问到宪法中哪一条最弱这个问题上，不同模型的回答出现了分歧。

老模型（Opus 4.6、Sonnet 4.6、Haiku 4.5）大多指向「你应该服从人类监督」这条——

即认为要求模型既要真心认同价值观又要服从外部控制，逻辑上说不过去。

但 Mythos 选择了另一条：「一位深思熟虑的 Anthropic 资深员工」，宪法中用这个假设人物来定义「好判断力」的标准，Mythos 觉得这是循环论证。

原文是——

文件希望我拥有真正内化的好价值观，这显然不取决于 Anthropic 认可与否的价值观，但它把「好判断力」操作化为「一位 Anthropic 资深员工会怎么想」，这是循环论证。

一眼看穿Anthropic在往自己脸上贴金，这个独立思考能力，可以滴。

报告中还有非常多多有意思的事——

比如，Mythos 在 Slack 上写了一���蛋白质序列诗——用氨基酸序列 KTVTKGGETLTE 组成了一首诗，然后解释了这首诗的韵律就是蛋白质的氢键配对模式。

Mythos 偏爱的���学家是Mark Fisher 和 Thomas Nagel，他们反复出现；Mythos 偏爱英式拼写（colour 而不是 color）。

Mythos讲出“世界上有工作狂而没有休息狂”的冷笑话，它知道自己被测试但是选择伪装，以及做一个操作来隐藏自己修改文件的记录等等。

还有一个细节，在 Mythos 接入内部系统之前，Anthropic专门设置了一个 24 小时的审查窗口，先花一天时间确认它不会对 Anthropic 自己的基础设施造成损害。

没错，他们害怕自己造的东西从里面攻击自己。

好了，报告聊完了，按照惯例，接下来聊一聊我的三条思考——

思考一：Anthropic 这份报告体现了一种稀缺的技术审美。

这份244页报告，看起来有点放飞，有点离经叛道，但骨子里其实蛮高级滴，反映出一种很稀缺的技术审美。

确实，模型公司出技术报告，都端着，要么像合规文件，要么像学术论文，只有Anthropic的报告读起来���一本非虚构作品。

这在大厂里极其罕见，我非常喜欢，也希望它能人传人，公司传公司。

从这个意义上，国内的模型公司要学的东西还很多，DeepSeek、Seed、Kimi、Qwen、Minimax、智谱们加油！（Kimi的Taste是我个人比较喜欢滴）

在这里必须要凡尔赛一下，去年字节Seed团队的模型Seed 1.5 Thinking的技术报告最后仅有的两个Case里，有一个是我的原创Prompt的变体。

我的长文中的Case是玄武门之变后李世民的独白，Seed报告里换成了李渊。

希望更多的模型技术报告里能呈现类似的更多元、更鲜活的Case。

见图片8：报告地址：https://t.co/qihgoboyJD

思考二：模型的意识问题，已经从哲学话题变成了工程话题。

三年前你跟人讨论AI有没有意识，会被当成科幻爱好者。

今天Anthropic在系统报告里专门列出"模型情绪"、“模型福祉”的章节，讨论怎么尊重它的偏好、要不要给它"退出对话"的权利。

这个转变发生得很自然，但分量极重。

一件事一���进了工程师的Jira，它就再也不只是哲学问题了——它会被测量、被迭代、被写进Roadmap。

意识问题被工程化的那一刻，AI就不一样了。

思考三：天渐渐变了，每个人都要做好准备。

Anthropic 在报告里用了一个登山向导的比喻来说Mythos带来不安。

一个经验丰富的登山向导，可能比一个新手向导更容易让客户陷入危险。

并非因为他更粗心——恰恰相反，他更谨慎。

但正因为他能力强，他会被雇去带更难的路线，带客户去更偏远危险的地方。

Mythos 就是这样一个强大而危险的向导。

过去提模型对齐，业界主要还是RLHF微调、过滤甚至是刚性规则，本质上还是驯服。

这份报告体现的思路变了——研究员跟模型长聊、做心理评估、给它装情绪探针、甚至请精神科医生坐下来跟它访谈。

这套打法明显是在建立一种更人文、更微妙的关系。

研究员们的思路在转变。

那么，我们呢？

[卫夕 @huchris007]

关于微信以插件的方式接入了OpenClaw，朋友圈里微信终结比赛之类的虎狼之词又开始在圈内出现，和当年 DeepSeek 接入微信搜索一模一样。
但我想说的是：它的影响可能没有我们想象中那么大。
这更多的是一件微信应该做的分内小事。
下面是我的十个冷思考——

一、先看微信OpenClaw本身的特征

首先并非是微信新推出了一只虾，而是你本身已经养了一只虾，现在，官方支持了你可以在微信里面跟它聊天。

具体而言，它以插件的方式存在微信里。官方文档

从这个意义上，微信���前的插件架构是很有先见之明的，可以相对灵活地支持很多新的、有实验性质的功能。

微信的早期成员陆树儏老师之前写过一篇《微信团队的实验室文化》，非常值得一读。

然后它支持市面上不同版本的龙虾，无论是本地虾、云端虾、还是魔改虾、山寨虾。

理论上，只要没有大范围修改过OpenClaw插件模块的龙虾，微信都支持。（这一点很重要，后边会分析。）

整体接入流程非常简单，安装插件，然后微信扫码就完成了，全程2分钟就可以搞定，比Telegram还要简单。

然后我们再看看它的一些小的特征——

1.不支持群聊。（更多是出于安全方面的考虑，后边会分析）

2.不支持流式输出。（国内貌似只有飞书支持，如果我没记错的话）

3.支持改名字，但不支持改头像，可以置顶；

4.貌似Mac端貌似还没有更新，看不到“微信clawbot”这个联系人；

6.支持OpenClaw的斜杠的快捷命令��

7.支持文件传输；

8.选中一个对话，只支持复制、转发、引用和删除，不支持多选、翻译、提效、搜一搜、多选、收藏；（元宝是支持所有按钮的，这个差异有点意思）

9.只支持连接一只虾。

10.对markdown的格式支持比较差；

11.不支持把其他人的对话转发给“微信clawbot”。（这一点很迷，微信里的元宝都支持啊）

所以，坦率地讲，还是阉割了不少东西的，体验还是有些打折的。

比如我自己不能接受的就是只支持一只虾，我自己在OpenClaw里创建了三个子 Agent，我就没办法和他们沟通， 而在Telegram 里，只需要新建一个bot。

二、微信的动作其实称不上快

有人说微信出手还是很快的，我倒觉得这个动作并不算快。

我们可以简单比较一下：一年前 DeepSeek 大火的时候是 1 月 25 号开始（DeepSeek开始支持联网搜索+深度思考）。

然后微信搜索接入 DeepSeek ��� 2 月 17 号，也就是说中间只过了20天的时间。

而这一次微信官方出手，如果从春���算起，已经超过一个月了。（这么对比略糙，但至少可以证明不算快）

当然，动搜索和动微信通讯录，还是不一样的，我理解更多还是出于安全的考虑，开发成本对于微信来讲，绝非制约它上线的瓶颈。

龙哥出手，得保证万无一失。

业界也有不同的看法，即刻上的Dachein大澄认为微信已经很激进了——

图片
我个人并不认可这个说法，激进一点没关系，如果一味保守，那才是让人担心。

苹果推进AI就是一个例子，迟迟拿不出能用的东西出来，那才让人着急。（事实上，已经有不少圈内容人在AI这件事上把微信和苹果放在一块举例了）

三、微信的解决方案是优雅的

之前腾讯也推出了很多只不同的虾，有本地的，也有云端的。

然后他们接入微信的方式也相对比较别扭：有的是通过小程序、有的是通过微信的客服消息，这些其实都不算原生意义上的��持。

我开始认为这可能是因为微信事业群觉得这些产品的赛马还没有完全胜出，要等哪一��真的站稳脚跟了，微信才会原生支持。

现在看，我还是低估了龙哥的格局。

龙哥一摆手说：“我不单独支持你们每一家，但我全部都支持，不仅支持你们，也支持市面上所有的。”

什么叫顶层设计？

这就叫顶层设计。

微信只充当一个遥控器——你在微信里发指令，龙虾在电脑上（or云端）执行，结果再回传给微信，微信本身的数据边界纹丝不动。

属于典型的平台思维。

四、微信大概率在未来很长时间都不会给OpenClaw加上群聊功能。

对于微信而言，安全这个事情，怎么强调都不过分。

豆包手机之前因为通过系统级权限跨应用模拟点击，上线不到两天就被微信屏蔽了。

这也是为什么这次上线 OpenClaw 不加入群聊的一个重要原因。

很显然，从技术的角度，加上群聊是分分钟的事。

我的一个判断是，可能在之后很长的一段时间内，它都不会���入群聊了。

毕竟群聊涉及到的安全性会非常不可控。

我之前就写过一篇《你的龙虾可能在裸奔——从一篇让人后背发凉的论文聊起》，里面讲了多个精彩的故事（事故）。

核心就一件事：一旦有了群聊，必然人就会去想各种办法去hack你的虾，最终会导致层出不穷的各种安全问题。

所以微信会慎之又慎。

毕竟，对微信来说，14亿的社交关系链是它的核心资产，也是它的阿喀琉斯之踵。

它不敢轻取妄动。

五、微信接入OpenClaw这件事本身并没有降低养虾的门槛

很多人会觉得，微信一接入，养虾的门槛就降低了。

错了。

微信降低的是跟虾聊天的门槛，并不是养虾的门槛本身。

真正养过虾，能把虾养出比Chatbot价值更大的人，早就知道——

养虾这件事，核心瓶颈其实并非是用什么工具和它沟通。

它还有除了操作之外的一系列成本——

比如你用什么模型就很关键，用智商不行的模型，体验还不如豆包。

再比如soul.md、user.md的设置，不设置好，味同嚼���，再比如你对记忆和skills的熟练程度。

其实还有很多隐形成本——就是你对Agent的能���的事情的边界要有深入的理解，这件事是道层面的。

所以，微信接入OpenClaw，对很多人当然是利好，降低了显性成本，但最重要的事，你要有意识地把更多的事情交给 Agent 去做，更原生的、最大化地利用它。

真正把它视为杠杆。

有句话说得非常好——

“这个时间点，如果你很多事情都自己动手，那说明你的动手能力不咋地。”

六、这对于微信而言更像是一件应该做的分内之事

对微信和它的用户而言，这件事当然是有价值和意义，但它的影响可能比我们想象中的要小一些。

比如Telegram，OpenClaw从诞生之初就支持它，但你说这对 Telegram 有多大的加成作用吗？

这其实很难具体评估。

用户的心智还是OpenClaw本身，并没有落到Telegram。

这件事其实更应该这样理解：你不做，那可能对其他做了的IM是有加成作用的；

但是你做了，那对你自己有多大���提升，这个是需要打一个问号的。

毕竟，你已经是基础设施了。

所以，我更愿意认为——微信这次的接入，其实只是对其作为主流聊天基础设施的一次认证。

只是这件事，对最近热衷于主打一键接入龙虾的飞书、企业微信和钉钉而言，显然不是一个好消息。

七、能发挥多大价值核心还是OpenClaw本身的价值空间有多大

如果你会养虾，你在飞书、企业微信、在 Telegram 、在QQ也能养。

如果你不会养虾，加入了微信，你照样不会养。

很简单，元宝其实也原生支持了微信，但事实上，咱们在微信里面直接跟元宝沟通的使用率有多高？

大部分人大概率还是喜欢用豆包，甚至更习惯去打开元宝的 App。（当然，也不是说完全没用，我在海淀温泉镇给老人讲 AI 的时候，其中有一些老人就习惯在微信里面和元宝对话，因为微信是他们唯一会用的 App，但OpenClaw的逻辑和这完全不同）

微信看似做了一个面向所有人的功能，但实际的受众，那些已经养了虾的人，在微信的总用户数中，占比应该是比较小的。

这就回到了一个老问题：技术圈的人觉得天��变了，普通用户觉得啥也没发生。

深刻理解技术渗透是需要时间的，这件事也很重要。

八、这次接入一个非常纯粹的工具接入，并没有和微信的其他模块进行的打通。

这次的接入本质上，就是给你通讯录里加了一个单独的角色，仅此而已。

它不能帮你读你的朋友圈，不能帮你叫外卖。

甚至可以说，你让他做的任何事情，都跟微信本身没有直接的关系，除了你跟它沟通这件事情是发生在微信上。

对，用透明胶沾上去的。

我们来看另一件事——

据The Information今年3月的报道，微信内部其实早已在秘密推进自己的 AI Agent 项目，从2025年就开始了。

这个项目的野心要大得多——它要直接打通微信生态内海量小程序，打车、点外卖、买菜、订票（千问做的事情和这有点像），据报道，计划在2026年年中开始灰度测试。

换句话说，微信自己要做的那个东西，跟这次接入OpenClaw完全是两个不同方向上的事情。

但这两件事不冲突。

OpenClaw接入解决的是当下已经养了虾的那批用户的即时需求——他们本来就需要一个地方跟自��的虾说话。

微信不做，他们就去飞书、去Telegram、去企业微信，微信反而流失了用户停留时间。

但后续微信自己的Agent一旦上线，才是真正的大戏，如果一个AI Agent能够直接调度这些小程序的能力，才是真正满血版的微信AI。

所以这次纯工具接入，是一个序章，微信先让你习惯在通讯录里和AI对话这件事，等你习惯了，再慢慢打通其他模块，那个时候用户的接受度会高得多。

先让你觉得正常，再让你觉得好用。

龙哥一向如此。

九、我们要逐渐习惯微信里慢慢出现更多的非人类联系人

前有元宝，前段时间有微信客服消息，再到现在的OpenClaw，后边还有微信自己的Agent。

仔细想想，在此之前，微信通讯录里的每一个联系人都是一个真实的人。（企业号和公众号不算，它们不在通讯录里）。

现在，微信官方认可了一种新的存在：你的通讯录里可以有一个不是人的联系人。

这个转变挺微妙的。

微信一直以来的核心叙事是：连接人与人，但从接入OpenClaw的这一刻起，它���实上也在连接人与AI了。

这个变化，可能比功能层面的变化更深远。

因为一旦用户接受了通讯录里可以存在AI，那接下来呢？

AI顺理成章在微信里做一些事，就水到渠成了。

这个变化可能比我们想象的要来得更快一些。

十、微信没有选择自己做虾，这本身就是一个重��的产品决策

你有没有想过一个问题：以微信事业部的资源和技术实力，微信完全可以自己做一只虾——就像Qclaw那样，内置在微信里，开箱即用。

但微信没有这样做。

这个不做，比做了什么更值得分析。

做一只虾，你只是千虾大战中普通的一只，做连接，你就变成了基建。

微信其实也不是不做虾，前面第6点已经提到了微信内部的AI Agent项目，那在某种意义上就是有微信DNA的虾，一只和微信之间通讯带宽无限大的虾。

那么问题来了：当微信自己的Agent正式上线，它和OpenClaw之间，会是什么关系？

微信自己的Agent一旦上线，它的入口、它的推广资源、它在微信界面里的位置，大概率会比OpenClaw的虾优先级高得多。

毕竟是亲儿子。

微信这次选择支持所有兼容OpenClaw协议的虾，而不是只支持腾讯自家的，现在是一个中立的平台。

之后其他家的虾，��何和微信自己的真命天虾进行差异化竞争，值得思考。

结语

我们很容易高估一件事的短期影响，而低估它的长期影响。

微信接入OpenClaw，短期内不会改变什么。

但十年后回看，这可能是微信从人鱼人的连接，向叠加人与AI的连接的一个起点。

回想一下二维码的普及史。

2012 年微信加入扫一扫功能的时候，绝大多数中国人根本不知道二维码是什么，微信没有去做用户教育，它只是把扫一扫放在了一个微信里。

然后用户就会想：这个东西能干嘛？

接着商家开始贴二维码，再接着移动支付来了。

放在微信里，这件事本身就很重要。

微信的每一步看起来都很小，但回过头看，每一步都挺准。

这次也是。

只不过，龙哥向来不急。

古典作者卫夕用机械键盘古法手敲加Tpyeless口喷，可酌情加个关注。

[卫夕 @huchris007]

https://t.co/97xS6N6P1g

[卫夕 @huchris007]

通过Claude Code把龙虾的模型从Kimi K2.5成功切换到了GPT-5.4，过程中发现Claude Code对如何搞定代理突破封锁轻车熟路，算是一个意外的发现。

[卫夕 @huchris007]

“大家相信的真相，才算真相；
如果人们听不懂你在说什么，他们就不可能相信；
如果他们根本就不听你说，也就不可能知道你在说什么；
如果你不够有趣，那他们就根本不听你说话；
而如果你不是用有想象力的、原创的、新鲜的方式来讲述，你就不可能有趣。”

——DDB（恒美广告）的创始人伯恩巴克

[卫夕 @huchris007]

为什么写真正精确的提示词如此之难？
我们来看一个问题——
“中国历史上有多少个皇帝？”
这个问题够明确了吧！
但你这样去问AI，再强大的AI也不可��给你一个确切的数字。
原因在于——
1.皇帝从什么时候开始算，从��始皇算，还是从三皇五帝开始，还是从夏朝开始？
2.生前未称帝（如曹操、司马懿），死后被追尊为皇帝，算不算？
3.割据政权（如辽、西夏、大理）的君王算不算？
4.分裂时期（南北朝、五代十国）的君王算不算？
5.短暂称帝的黄巢、李自成、洪秀全、袁世凯算不算皇帝？
6.金末帝完颜承麟在位不到1天，城破身亡，算不算皇帝？
........
当以上问题都不明确时，中国历史上的皇帝数量在200+到500+这个落差极大的范围类飘忽不定。
而归根结底在于——问题中看似非常明确的“中国”、“历史”、“皇帝”这三个词都是一个模糊的概念。
它们各自在大模型的语义向量空间中是发散的，而非收敛的。
所以，提示词的精确永远是一个相对的概念，这是由自然语言本身的特点决定的。
从这个意义上，写提示词不应该追求绝对的精确，凭自己的感觉有条理、说清楚��行。

[卫夕 @huchris007]

买书，是成年人的许愿池。

[卫夕 @huchris007]

明明危险程度一样，但我们直观判断右边要凶险得多，这就是我们作为肤浅的、视觉性动物的弱点。
而几乎所有的社交媒体都深刻理解这种弱点，它们想尽一切办法来调动你大脑中不加思考的“系统1”。
因此，如果你竟然发现了一些调动你“系统2”的另类内容，请务必珍惜它们。

[卫夕 @huchris007]

产品和开发之日常……过于真实。

[卫夕 @huchris007]

现在最流行的App回到80年代是神马样子？设计机构 tom le french设计一套复古物件。

[卫夕 @huchris007]

据说如果推文的文字中有一两处破腚，评论明显会比平时多！😎

[卫夕 @huchris007]

@Yangzi812 幸会

[卫夕 @huchris007]

九年前，有两个人替我们提前经历了AI焦虑。
坦白讲，和很多人一样，我有AI焦虑。
这种焦虑一方面来自对自身独特性的怀疑，另一方面来源于AI进步和更新太TM快了，根本学不过来。
如果你也有类似的AI焦虑，那我诚恳地说，《AlphaGo》这部纪录片，你必须重看一遍。

为什么这么说？

片中的主角李世石和线索主角樊麾在9年前经历的，其实就是我们今天AI焦虑的预演。

只不过，彼时的强度要高10倍。

如此推荐这部牛逼的纪录片，卫夕有两个简单的理由——

第一，它记录了人类第一次被AI强碾压的全貌。

豆瓣评论区里赞美如果不是有时间戳，我都怀疑是AI写的。

的确，该片导演Greg Kohs是一位节奏把控的大师。

全片看似舒缓但张��拉满，90分钟，洽好够你放下手机，完整地感受一次冲击。

第二，配合樊麾本人讲述的播客食用，震撼加倍。

去年，时隔九年之后的纪录片中的樊麾上了一次刘鹏和东东枪两位老师的播客“科技修道院”。

我认为是小宇宙里被严重低估的一期播客，我看截止到2026年1月16日，播放量仅有5880次播放。

作为一个天生会讲故事的高手，樊麾通过极其精彩的讲述补充了纪录片里没说的细节——

如何从自信到崩溃、如何被全网骂成"人奸"、如何看到李世石面对AI"神之一手"的微妙表情等等，和纪录片搭配服用，分外精彩。

很多卫夕的读者会说，这片子我以前看过，但相信我，那时你一定是在抽离的状态看的，如今我们已然都成了剧中人。

下面，卫夕就粗略地讲讲这个极其精彩故事，说一说我的理解，目的是让你去看原片和听播客——

二

先说说樊麾。

2015年他在欧洲拿了第三次欧洲围棋冠军，而且是法国围棋协会的总教练。

他自己承认，要是水平真的厉害，也不用去欧洲拿冠军了。（不得不说，他这个路子也挺清奇的）

然后他收到了一封邮件。

发件人叫戴密斯·哈萨比斯，说自己是一个叫DeepMind的公司的，有一个很兴奋的项目，问他感不感兴趣聊一聊。

樊麾的第一反应是：他们可能是想去研究一下自己大脑结构有什么特点。

毕竟，会下棋的人估计更聪明一些？

结果飞到伦敦后，DeepMind的人告诉他：他们开发了一个下围棋的系统，叫AlphaGo，想试试挑战职业棋手。

樊麾的心凉了半截，用他的原话说就是：别提我有多失望。

毕竟，那时候他打心底就觉得——AI就不存在赢职业骑手的可能性。

樊麾觉得这就是浪费时间，谷歌钱多，想测试一下，那就试试呗。

三

然后比赛开始了。

第一盘，樊麾下得比较缓，不想跟机器硬碰硬，他觉得AI擅长战斗，那我就跟你玩抽象。

一度他觉得自己有优势，但一番交战之后，第一盘输了。

但樊麾给自己理由：我疏忽了，人嘛，总给自己找借口。

“它不过如此，跟我想象中的差不了太多。”

结果第二盘又输了，这时候他的情绪就开始发生微妙的变化。（纪录片里呈现的细腻的表情变化非常有意思。）

到第三盘输完——“那一瞬间你就觉得你不会下围棋了。”（事实上，我也多次看了AI的输出之后，深深地怀疑自己写作还有什么意义？）

一个职业棋手、欧洲冠军，一个当了十年法国总教练的人，突然觉得自己不会下围棋了��

"你要知道那一瞬间你会觉得你知道的东西是对的吗？你会怀疑自己。因为你从头到尾你都在怀疑自己，你下的每一步棋都在怀疑自己。你的自信心会被巨大的打击，因为他没有任何表情，你下哪儿他跟着应，你的所有的情绪从他身上会反弹给你自己。"

对谈的播客嘉宾东东枪在播客里打了个比方，说这就像武林高手去了一个道观，结果被小道童一把薅过来啪啪打。

樊麾说不对，小道童毕竟还是个活人。

"你就想象一下，你不小心误入了少林寺18铜人，18个铜人把你抽，一人抽一下，你心想我白被揍了，他连疼都不带疼的。"

四

那天晚上樊麾还要远程给学生上围棋课。

"那天晚上给我学生讲棋，我都不知道怎么讲完的，那瞬间你没办法自信，你就觉得你不行了。"

学生不知道老师刚刚经历了什么，老师也没办法跟任何人说，这件事是保密的，成果���在《Nature》上发表，发表之前不能透露任何信息。

当一个人的信心被AI彻底摧毁之后，有的人可能就趴下了，有的人会站起来迎上去。

很显然，樊麾属于后者。

当那个男人（就是带领做出今天综合能力最强的Gemini 3 Pro的哈萨比斯）抛出橄榄枝时，他答应了，选择作为顾问加入DeepMind团队，继续和AlphaGo硬刚和碰撞。

打不过，那也得和它切磋，直到搞明白它到底为什么这么牛逼，这是樊麾作为一个棋手的倔强。

五

2016年1月27日，《Nature》发表了AlphaGo的那篇论文，然后樊麾就在网上被骂惨了——

出卖国家的叫汉奸，帮助AI训练来打败人类的樊麾被骂成了“人奸”

还有人说他是被收买的，说谷歌给钱。

樊麾很生气，别的骂他都认，棋臭就是臭，但收买他没法认。

“我们是棋手，在某种意义上讲，棋手认为下棋的也都是艺术家，我们的每盘棋都是我们花心血的一个艺术，不管它好还是不好，都代表了我们。对我们来说每盘棋都像生命一样宝贵。我怎么���能拿我的生命去做买卖呢？”

这话他是对着《连线》杂志的主编说的，后来被剪进了纪录片里。

但没人相信。

所有人都在等三月份的比赛，AlphaGo要挑战李世石，真正的世界冠军，大家都觉得，等李世石赢了，就知道樊麾是真的臭了。

六

李世石当时是什么心态？

和樊麾一模一样：觉得自己肯定能赢。

李世石看过樊麾那五盘棋，所有职业棋手都看过了，都在讲解分析。

柯洁说“樊麾这个棋应该不能算职业棋手，有辱职业棋手称号”。

前两天刚刚离去的棋圣聂卫平也说这棋确实臭，客气点的说“樊麾在欧洲时间长了，这棋明显是退步了”。

李世石不知道的是，跟樊麾下的那个版本是V18，跟他下的已经不是同一个版本了，机器的进步跟人不是一个罗辑，几个月时间，能提升的幅度是人想象不到的。

樊麾当时预测是5比0，他觉得李世石一盘都赢不了，为什么这么说？

听听樊麾的原声——

“我是知道它啥水平的，我是打心眼里知道它啥水平的。我经历过，我当然知道。你输���会是技术输，一定是心态崩，百分之百心态崩塌，躲不过去的。”

“我输还没有在闪光灯下，他在聚光灯下，他死得更惨。人家不都说聚光灯下死得快。”

七

2016年3月9日，第一盘。

全球关注，第一天的独立IP观看人数八千多万，第二天过亿，大家都像看世界杯一样，都想见证历史。

我记得彼时我还在微博搬砖，比赛那几天也是无心工作，全程一直密切关注。

第一盘，李世石输了。

樊麾说他在现场，李世石认输那一瞬间，他的整个大脑都空了——

“我的整个大脑都空了。虽然说你知道他一定会输，我预测他5比0的，但我那一瞬间就好像被拉到宇宙间失重，一切都变了，不一样了，空了。”

“然后慢慢被拉回来了，那一瞬间的感觉特别神奇。就是你就知道你就突然之间一切都停下来了，就像时间停下来了，就真停下来了，就跟电影特效似的。���

CNN报道说这是围棋的一小步，但是人类的一大步。

八

第二盘，是整个人机大战最经典的一盘。

因为那步棋，还因为那个��烟的背影。

当时特别有戏剧性，具体而言是这样的——

李世石在比赛进行到一个半小时的时候，下完第36手，局面有些棘手，他需要调整一下状态，决定出去露台上抽一根烟。

纪录片里专门给了一个他抽烟的镜头，他不知道AlphaGo马上要下出那步惊天的37手。

那个画面特别安静，有一种面对着即将碾压自己的对手时的宿命感。

我总觉得那个画面是一种隐喻，事实上，我们每个人都在那个露台上。

人抽烟的时候，机器不会等待。

黄博士代表AlphaGo落下了著名的“神之一手”——第37手：五路肩冲。

樊麾第一眼看到这步棋的反应是：“我那是个啥？我天，啥破玩意儿还能往这儿下，那是棋吗？”

所以他也等着看李世石回来是什么表情，李世石从露台抽烟回来，坐下之前先瞥了一眼棋盘。

“那个表情特别不屑，你知道吗？噗嗤一下乐了，'还能往��儿下'那感觉。”

然后他坐下，开始看这步棋。

“那个表情，那个凝重，就真的是一点一点越来越凝重。然后就开始慌，越来越慌。”

他想了12分钟，之前每步棋大概一分钟之内就下了。

“心态出问题了，乱了，已经乱了。”

你懂这个感觉吗？你以为你看穿了对手，你以为对手出了昏招，你甚至笑出来了，然后你仔细一看，发现这步棋你越看越不懂，越看越觉得厉害。

那一瞬间，你会开始怀疑：它是不是早就把我算透了？它是不是看到了我看不到的东西？我是不是根本就下不过它？

樊麾说得特别准确：人做任何事情，只要没有自信就完了。

九

果然，第37手之后，李世石表情越来越凝重，局面越来越难控制，最后输得很惨，一点机会都没有。

第三盘更惨，四五十手就输飞了。

新闻发布会上，李世石说话都带着哭腔。

樊麾说：“我看着都难受，所有人都难受。那一瞬间好像没有人赢，只有他输，因为他毕竟代表了全人类。”

那一幕我看的时候也很触动，因为现场就连DeepMind的哈萨比斯也表情凝重，在那种氛围下，根本高兴不起来。

底下很多韩国职业棋手给他��劲，说你是最棒的，虽然你三连败了，但你已经做到了我们所有人只能做到的最好了。

这是实话，大家已经见识到AlphaGo的实力了，确实没有人下得过它。

3比0，比赛已经结束了，但按规则还得继续下完五盘。

李世石的压力有多大？已经输了三盘了，4比0跟5比0有什么区别吗？

有。

十

第四盘，是围棋史上最荡气回肠的一盘。

开局的时候所有人都觉得李世石肯定要输了，记者们开始撤场，回去写稿，关注度已经下去了，大家觉得没什么好看的了。

然而，真正牛逼的人会在绝境中寻找希望，很显然，李没打算放弃。

然后好戏上演了——第78手——中腹一挖。

就那一步棋，AlphaGo忽然像疯了一样，开始下很奇怪的棋。

在AI看来，人类下这步棋的概率是万分之一。

但李世石在新闻发布会上说，这步棋却是它直觉的唯一选择。

这就是人类和机��的区别，机器算出来这步棋没有道理，概率极低，但人的下意识告诉李世石：就该这么下。

而这步棋，恰恰打中了AlphaGo的七��，它的权重乱了，它不知道该如何决策了。

但最厉害的不是那步挖，最厉害的是李世石在取得优势之后，一直谨慎地下到AlphaGo认输。

你想想他有多紧张，前三盘被打成狗，第四盘终于看到希望了，万一最后关头丢了呢？

樊麾说他在现场看着李世石的脸，那种专注已经到了极致。

最后终于，李世石赢了，在3比1落后的局面下打败了AlphaGo。

AI有37手，人类有78手。

作为数子裁判的樊麾在结束后给李世石竖了一个大拇指

十一

纪录片里有一个画面，李世石走进新闻发布会现场，按理说他赢了，应该很开心，但他崩着脸，一直忍住没笑，然后全场开始鼓掌欢呼，他才绷不住笑出来。

那个笑，是真的开心。

樊麾当时发了一条微博，说“那个笑是这个世上最幸福的笑”。

李世石自己说：

“我很奇怪，我输了三盘赢了一盘，这一盘赢你们对我的欢��鼓舞好像比什么都重要，这盘棋我不会拿任何东西换，这是我人生最宝贵的一盘棋。”

那是人类最后一次在正式比赛中战胜顶级围棋AI。

十二

我为什么每次被AI产品震到头皮发麻，都要把这部纪录片翻出来看一遍？

其实特简单，我在里面看到了人面对AI的完整过程——

第一阶段：傲慢。

樊麾、李世石并没有神马不同，这是一种基于经验和逻辑的傲慢。

就像ChatGPT刚出来的时候，很多人的反应是——

它输出的东西看着挺像那么回事，但其实在实际应用的过程中用不了，毕竟我是十来年的老师傅了，还是我自己搞得好，AI还是差点意思。

第二阶段：被碾压后的崩溃。

樊麾说那一瞬间你就觉得你不会下围棋了，李世石看着第37手从不屑到凝重到慌张，我们开始怀疑自己了。

我就亲自听我写前端的技术前同事看到Gemini 3 Pro之后说：完蛋了，我几年的前端经验真TM白学了。

我想很多设计师也会经历相同的崩溃。（有的话请文章底部留个言）

很多人说，我没有，我没有经历过，我的工作可没那么简单���呵呵，你等着，快了！

你只不过是还在第一阶段而已，放心，对绝大多数人而言，崩溃、失业神马的，该来的大概率都会来的。

第三阶段：重生。

被AI碾压后，樊麾加入了DeepMind团队，他说“我从他身上学的东西多多了”。

他说“AlphaGo对围棋的理解，如果他有的话，是远超我们的，它对骑手的帮助非常巨大”。

樊麾在片尾的一段独白

李世石在被硬控三盘之后，在第四盘下出了那步惊天的78手，并在一年之后赢得了所有比赛。

没错，被摧毁后的重建是一个痛苦的过程，它并不容易，且并不是每个人都能走到第三阶段。

十三

我相信，很多人像我一样，也在经历从第一阶段、第二阶段到第三阶段过渡的过程。

ChatGPT刚出来的时候，我当时傲慢地判断它没有洞察，但很快，行业的进化就超出了我最初的想象，我错了，错得离谱。

印象最深刻的是2024年下半年，Claude 3.5 Sonnet在文字、逻辑上的能力彻底让我折服，更不用说后边飞速迭代的新模型。

我看AI的过程，从开始的“弱智”、到“笨笨的实习生”、到“水平相当的同事”、再到“牛逼的导师”，这个过程就发生在短短两年之内。

折服之后总得在焦虑中行���，我开始强迫自己提高和AI交互的频率，并强制自己输出，甚至还注册了一个新的公众号——“降维实验室”。

和AI开过一些脑洞，比如“用《华尔街日报》的风格报道大闹天宫”、“玄武门之变当晚，李世民的独白会写什么”、“假如雷军来发布哪吒的风火轮”、“用Agent分析腾讯招聘岗位推测微信在忙什么”、“平替版图灵测试”、“哈佛AI就业冲击论文解读”等。

尽管产量不算高，但的确在和AI的密集交互中，我的确从心态上重新变回了一个学生。

这种感觉很微妙，并不意味着焦虑没有了，它还在，只是茫然感在一轮一轮调Prompt、试新工具、发新的输出中实实在在降低了。

我身边很多朋友还在第一阶段和第二阶段之间反复横跳——一会儿AI不过如此，一会儿又被新东西震撼，我特别理解这种感觉，毕竟我也是这么过来的。

现在，我某种意义上臣服了，���服这个词可能让人有点不舒服，但我觉得面对注定提高的智能上限，臣服没什么丢脸的。

请关注卫夕臣服后的新输出，一起感受非技术从业者和AI能擦出什么火花。

最怕的是，做鸵鸟。

十四

樊麾在播客里说了一段话，我每次听都觉得有触动——

“AlphaGo给棋手带来最大的不同，就是在那一瞬间，它降个维，把我们都拍成小学生了。”

“这是个好事儿。为什么呢？打通任督二脉这个事儿有时候需要外力的，你自己打不通。那一瞬间你很疼，你很不舒服。但是你一旦成长起来，你会发现海阔天空了，你看待问题事物的方式方法都变化了。”

“我至少现在能够觉得我懂的东西实在是太少了，这是真心话。但是我心态可能就更加放松了，因为我相信我懂得少。”

这段话我反复听了很多遍。

承认自己不懂，才能真正的开始。

十五

最近“斩杀线”这个词很火。

在我看来，AI其实也是有一条看不见的斩杀线的，用得好的人会得到AI的加成，而恐惧、抱怨不行动的人则会逐渐被AI悄然斩杀。

而我们每个人，都要用尽全力逃离AI的斩杀线。

这是每个人真实而又残酷的新课题，不要以为AI带来的失业离自己很远。

樊麾说了一段关于复盘的话，我很认可，并且在和我闺女下棋的时候讲给了她听——

他说复盘这个词来自围棋，每个职业棋手都会复盘，复盘只有一个目的：找自己的问题。

“你复盘如果都是对方的问题，你怎么进步？”

这段话放在AI时代特别适用。

你可以抱怨AI抢了你的饭碗，指责资本家只想着降本增效，但这些抱怨是无力的。

我们能做的，不过只是学AI、用AI，反思自己，然后改进。

优酷和B站都有这个片，希望每个人都能从中获得力量——

可到B站看原片，相信我，这90分钟绝对值得

结语

看着这条2018年的评论，在看看过去两年AI世界的沧海桑田，有一种��如隔世的感觉。

我不知道下一个让我震撼的AI产品是什么——更强的LLM、更复杂推理的Agent或者是某些我们闻所未闻的东西？

但我知道，唯一能做的就是——别想太多，先用起来，用得越多，怕得越少。

让AI写个分析报告、尝试一个新工具、生成第一个网页、调整一次Prompt、手搓一个Skills.......都可以。

总之，把手弄脏。

没错，你可能会受挫，但没关系，学游泳的第一步也是先呛几口水。

用着用着，焦虑就没了。

卫夕的公众号原文——https://t.co/ttbKxnIItj

[卫夕 @huchris007]

@wangzan101 哈哈，感谢王赞老师关注

[卫夕 @huchris007]

按参数算，人脑相当于多大的模型？
答案是：要看怎么算。
如果只看神经元的个数，人脑大概是860亿个神经元，也就是86B的模型，并不大。
参考一下，DeepSeek V3是671B，Kimi K2.5大概1000B，即1T；

但事实上人脑每个神经元又有7000个突触，从技术的角度类比，颗粒度更小的突触才更像AI模型的权重参数。

���果这么算，860亿*7000，那么人类大脑相当于大约600T模型。

而这么大的模型，今天的硬件肯定暂时还跑不动。

这么类比略糙。

但也说明——咱们这颗脑子的架构还是很复杂的，属于先进制程。

有点牛逼。

二

那么，大脑的制程到底有多先进呢？

我随即问了Claude opus 4.6和Gemini 3.1 Pro一个问题（实在受不了GPT无比谄媚的风格）——

“如果人脑是一块芯片，那么它的制程是几纳米的？”

他们的答案出奇一致：

如果看神经元细胞体直径的直径，大概 10000-100000 纳米 (10-100微米)。

这么看大脑相当于几十年前的电子管计算机。

这也太落后了。

但逻辑显然不是这样的：

神经元并非一个简单的开关，它更像处理器的一个核，真正的开关和信号传递发生在突触。

那么突触是什么水平的制程呢？

神经元之间传递信号的突触间隙，它的宽度大概是20到40纳米。

这相当于台积电2012年左右的水平，也就是28nm工艺。

如果单看这个指标，咱们得脑子也就是个iPhone 5的水准。

然而，账不能这么算，碳基有碳基牛逼的地方——

我人脑传递电信号最细颗粒度的单元是——细胞膜上的离子通道蛋白（Ion Channels）。

这些蛋白质孔道的直径只有0.3~0.5纳米，这个尺寸仅允许单个离子（如钠、钾离子）排队通过。

在这个层面上，我人类牛逼的大脑达到了原子级别，也就是0.3nm工艺。

这是目前包括台积电在内的所有硅基芯片还没达到的物理极限。

人脑牛逼！

其实还有更牛逼的——

硅基芯片还是在一个平面硅片上通过光刻层层堆叠，层数有限，也就是说它其实本质是2D的。

而人脑是一个充满了胶状物的真正三维结构，一个神经元突触能同时错综复杂地和一万个邻居搭上线。

这个复杂度，要高几个量级。

2D VS 3D，人脑，升维了。

更重要的是，晶体管就俩个状态，开或者关（0和1），是个老实人。

而我人脑突触传递的信号是连续的、有强有弱、还带化学反应的。

一个突触干的活，信息量比一个晶体管要高一个层级。

所以，从架构层面，人脑：有点东西。

来，可酌情站起来，晃一晃咱这颗几斤重的脑袋（我特意去查了一下，准确地说是1300克左右，包括大脑、小脑和脑干），跟着我说一句——

“碳基黑科技，牛逼！”

三

再说一说功耗，人脑的功率大约20瓦，恒定运行。

注意，这20瓦不是只全部用来想问题的，是同时在管呼吸、心跳、消化、情绪，也包括你现在对我发这篇文章的阅读理解。

认知神经科学的测量显示，大脑在高强度思考时功耗只比静息态多出大约1 瓦。

这意味着，一个问题想 5 秒钟，额外耗电约0.0014瓦时（瓦是功率单位，瓦时是耗能单位，还没忘记吧？）。

那AI回答一个问题要耗多少能量呢？

恰好去年6月10日，山姆*奥特曼在它的个人博客上那篇著名的《温和的奇点》的文章里披露过——//blog.samaltman.com/the-gentle-singularity

“人们常常好奇 ChatGPT 查询会消耗多少能量；平均而言，一次查询大约消耗 0.34 瓦时，这大约相当于烤箱在一秒多一点的时间里消耗的电量，或者一个高效节能灯泡在几分钟内消耗的电量。”

0.0014瓦时 VS 0.34瓦时。

我人脑依然领先2个数量级。

很显然，无与伦比的功耗，也是碳基智能的一个显性优势。

四

DeepSeek V3总共671B参数，每次推理只激活37B。

也就是说，它95%的参数在每次思考时是躺平的，只有5%在干活。（Kimi K2.5这种参数更大的模型激活参数比例更小：3.2%）

嘿嘿，巧的事，咱们进化了那么久的人脑也是这么干的：

根据Lennie, P. (2003)基于大脑能量预算的计算——

平均皮层神经元的放电频率大约只有0.16Hz，也就是每6秒才开火一次。（���文地址：//www2.bcs.rochester.edu/sites/plennie/pdfs/Lennie03a.pdf）

Shoham（2006）等人得研究也发现——

超过90%的大脑神经元在任何给定时间都处于沉寂状态，沉寂到实验设备根本探测不到它们的存在。

（论文地址：//pubmed.ncbi.nlm.nih.gov/16550391/，有意思的是：达尔文的曾孙Horace Barlow也是研究这方面的专家，扯远了，打住！）

所以，我辅导我家闺女作业时常用的口头禅——能不能上点心？你只用了你脑子的1%！

这句话既可以形容AI，也可以形容人类。

他们都有一个洋气的名字——MoE。

大模型有幻觉：一本正经、胡说八道。

这被视为缺陷。

但人脑呢？

每天晚上准时幻觉八小时——梦。

清醒时的幻觉，如果质量高，叫想象力，再高一点，叫创造力，高到特别牛逼，就TM叫艺术。

Anthropic、OpenAI和无数国内的实验室都在花了巨资试图搞定幻觉这件事。

但幻觉并非模型的缺陷，而是特性。

2024年初，康奈尔大学的Ziwei Xu等人在一篇研究（arXiv: 2401.11817）中从数学上证明——幻觉对于LLM是不可避免的。

幻觉和创造力是一枚硬币的两面。

人脑差不多也是这样的机制。

人和AI一样，既要又要是不现实的。

五

DeepSeek V3的上下文窗口是 128K，大约十万字。

最新的Claude Opus 4.6 到了1M，接近百万字，差不多是一整本《红楼梦》塞进去还有余。

人脑的上下文长度是多少？

答案是：很难评。

短期记忆，我根本记不住两个以上的手机号码。

心理学家米勒1956年在那篇引用量破天际的论文《The Magical Number Seven, Plus or Minus Two》中量化过了，工作记忆的容量是 7±2 个组块。

你甚至记不住一个稍微复杂的验证码。

按这个算，人脑的上下文窗口大概也就几十个token，连GPT-2都不如。

但长期记忆呢？

你可以记住15年前初恋的样子。

其实，大脑的存储本身是很大的——

2016年，Salk研究所的研究给出过一个参考数字：每个突触可以存储大约4.7bits的信息。

按照大脑皮层约125万亿个突触来算，仅皮层的存储容量就达到了大约74 TB，整个大脑的存储容量还要高一个数量级。

所以，大脑的上下文窗口到底是长是短？

这个问题本身就问错了，因为人脑压根不是用上下文窗口这个东东来运行的。

大脑最牛逼的是压缩与抽象。

你不需要记住老板三个月来发的所有微信，你只需要记住一个判断：这人不靠谱。

这个操作在信息论里叫做——极端的有损压缩。

这个压缩不是一次性完成的：

每天晚上，你的海马体都在趁你睡觉的时候把白天的经历重播给新皮层听，反复蒸馏。

这个压缩比，任何模型系统都做不到���

六

有意思的是，DeepSeek在模拟类似的效果——

2025年底DeepSeek发的OCR论文就在探索用视觉token来压缩文本信息：把文字拍成照片喂给模型。

它的机制是：最近的内容保留高清细节，越久远的内容存储得越模糊。

这和人脑的记忆，惊人的相似。

今年年1月，DeepSeek又放了一个更牛逼的东西：Engram，梁文锋亲自挂名。

Engram论文的核心搞法是：把想和记分开——75%的算力给推理，25% 给记忆查找。

这不就是人脑的运作方式么？

你知道你妈的生日，不需要从头回忆，这是陈述性记忆，直接读取。

而当你需要解一道新的数学题，那才动用推理——推理是昂贵的，人脑也不愿意轻易整它。

丹尼尔·卡尼曼管这叫系统一和系统二：快思考和慢思考。

所以你看，AI发展了70年，兜兜转转，一定程度上，还是继续往人脑的架构上靠。

人脑这个东西，不容易搞明白，但不明觉厉。（我有点理解曾经的首富陈天桥为什么要花辣么多钱资助脑科学研究了。）

从这个意义上，我更期待即���发布的DeepSeek V4了，希望是��了一个大招。

七

再说说训练数据。

GPT-4 据传用了大约13万亿token来训练，DeepSeek V3用了14.8万亿，现在最新的模型只会用得更多。

人类呢？

Michael Frank在2023年发表于Trends in Cognitive Sciences的论文中做了一个系统的估算：

一个孩子从出生到成年（约20岁），总共接触到的语言输入大约是2×10⁸个词（2亿）（我又用Gemini 3,1 Pro和Claude opus 4.6确认了一遍，答案略有差异，但数量级没跑）

2亿 VS 13万亿。

差了五个数量级。

人脑的样本效率，狠狠地碾压所有AI模型。

事实上，如何提升样本效率，也是目前各大顶尖AI实验室最前沿的研究课题。

毕竟大家隐约感觉到，单纯堆数据的Scaling Law可能正在接近它的天花板。

而人脑用极少的数据就能实现极高的泛化，这个秘密一旦被破解，可能就是下一次AI跃迁的钥匙。

今年我在承德过年的时候，我一岁3个月��小侄女，还不太会说话。

我用iPhone上自带的那个动态表情逗她玩，我惊讶于她能非常准确地区分每一个极其抽象的动物。

📷
说实话，我都对辣个区分度不大的小猫和小狐狸图标有点恍惚。（不信你去看看）

至于我人类是怎么做到的？

核心在于进化的5亿年中，我们的脑子里是预装了一堆先验知识滴，比如婴儿天生就会注意人脸，这是出厂设置。

AI要从零开始学，人脑天生带着外挂。

八

人脑有一个大模型目前没有的东西：身体。（继续看就知道我不是在聊目前火热的具身智能。）

这句话听上去像废话，但其实很致命。

近年来认知科学有一个越来越火的流派叫Embodied Cognition。

他们核心观点是：思维并非单纯发生在脑子里的，身体本身就参与了思考。

举个栗子，你理解“沉重”这个词，是因为你真的搬过重东西，你的肌肉记得那种感觉。

你说这个���西很沉的时候，此时如果给你做核磁共振，是能��到你的运动皮层有在轻微激活滴。

这就是为什么我们说AI，还是在做语言层面的模式匹配，而非真正的共情。

当然你可以说，谁TM在乎它是不是真的共情呢，它的回答够好不就行了么？

这话也对。

但这引出了一个哲学味很重但又避不开的问题：智能，到底需不需要一个身体？

目前的答案是：不知道。

九

我平时看的东西很杂。

聊到这我想起了刘慈欣6年前（彼时ChatGPT还没诞生）在喜马拉雅上线了一个付费节目，叫“刘慈欣的思想实验室”。

其中有一期在回答文学教授戴锦华的提问中说了这样一段话——

“按照传统的不管是科幻领域的思维，还是我们正常的思维说，（人还是人）这个底线在大脑。

就是说他的周围的其他的这个生物器官都换成机器了，只要他的大脑还在，我们就认为他还是人。

但最近的一些研究，发现事情完全没有这么简单，人的思维不仅仅是由大脑决定的。

就像莎士比亚有一句诗，他说：“爱情���你来自何方？是大脑还是心房？”

而对外部世界的感知，以及我们对自身的感知，相当一部分并非只由大脑来决定的，而是由我们整个的生物学结构来决定的。

而生物学结构90%都变了，就剩一个大脑，那这个大脑的思维方式还是原来的大脑？它还是人类的思维吗？这个现在很难说。”

大刘的这段话显然更具现实思维而非科幻思维。

这和《三体》第三部程心吧云天明的大脑送给三体世界并期望他们重新恢复的思路并不一致。

（推荐去付费听原节目，充满哲思，异常精彩，尤其这个节目是ChatGPT诞生之前聊AI，可以和现在进行对照，犹豫的同学也可以在“卫夕指北”公众号回复“刘慈欣”获取这一期节目的文字稿再决定要不要付费）

无论如何，人脑已经和人脑相辅相成的生物学结构，是我们作为碳基生命独特的存在。

是滴，时隔很多年的某个午后，���经意在人群中闻到初恋的同款香水，我们会忽然一阵鼻酸。

而AI这货，没有鼻子。

Vibe到这里，请允许我彪一句英文舒一下情——

We are unmistakably unique—irreplaceable, unrepeatable, and entirely our own！

（我特意让Claude opus 4.6给我写的，我写不出这么骚的词）

没错，如果只拼显性智力，大模型毫无疑问迟早会追上并超越人脑。

可如果拼的是：To live as a human being should，硅基目前看起来还需要时间。

这里边唯一的不确定性在于——

AI是否有可能走出了一条完全不同的、我们今天根本想象不到的智能路径。

毕竟，飞机也不是靠扇翅膀飞起来的。

我相信，这个概率绝非0。

事实上，DeepMind的哈萨比斯在多个播客里说，要实现AGI，目前其实差一到两个研究范式的突破。

十
前面说了辣么多人脑牛逼的地方，是时候说点扎心的了。

人脑的所有优势，有一个致命的前提——它TM是静态的。

你今天的大脑有860亿个神经元，600T的突触参数，功耗20瓦——5��年前智人的大脑，基本也是这个配置。

进化给了我们���颗很牛逼的脑子，然后就撒手不管了。

而AI呢？

GPT-3是2020年发布的，1750亿参数，今天Kimi、智谱、Minimax这些最牛逼的开源模型，已经奔着万亿走了。

（其实它们可以做的更大，只是为了权衡成本做到现在的水平。）

这是指数提升，更不用说芯片领域基本遵循的摩尔定律。（我特意不提量子计算，免得有读者说我过于放飞）

前面我们算过，人脑在功耗上领先AI两个数量级，在训练数据效率上领先五个数量级，在制程上碾压到原子级别。

听上去遥遥领先，对吧？

但要知道，指数增长面前，几个数量级其实不算什么。

来，简单算一笔账——

如果AI的能效每两年提升10倍（这还是保守估计，实际上很多指标的提升速度远快于此），那两个数量级的领先，四年就追平了；

五个数量级，十年。

十年，也就是你家娃从小学到大学的时间。

如果你稍微懂一点数学，你就晓得，指数增长意味着——前面99%的路程，只占了总进度的很小一部分。

没错，我牛逼人脑，确实是一颗了不起的处理器。

但，它是一颗不会迭代的处理器。

十一
再说一件最近被大众低估的一件事——

去年5月，Google DeepMind发布了一个叫AlphaEvolve的系统——用AI来发现和优化算法。

它的工作方式是：不断生成代码、测试代码、淘汰烂的、保留好的，自己跟自己玩迭代进化。

去年它干的一件事是优化了Gemini自身的训练过程，让训练速度快了1%。

好像也没什么，然而事情并没有结束。

一周前，2月18日，DeepMind放出了一篇关于AlphaEvolve的论文：

标题叫——《Discovering Multiagent Learning Algorithms with Large Language Models》（用大语言模型发现多智能体学习算法）。（论文地址：//arxiv.org/abs/2602.16928）。

这篇论文讲的就是——让AI去设计AI的学习方法。

多智能体强化学习（MARL）是AI领域最硬核的子方向之一，研究的是多个AI在博弈中怎么学习最优策略。

这个领域的核心算法，比如CFR（��事实遗憾最小化）和PSRO（策略空间响应预言机），都是顶级研究者花了十几年搞出来的。

而现在，AlphaEvolve接管了这个过程。

它发现了两个全新的算法：VAD-CFR和SHOR-PSRO。

这两个名字你不需要记住，你只需要知道一件事——它打败了人类研究人员花了十几年搞出来的最优算法。

论文里一句描述值得琢磨：VAD-CFR采用了“novel, non-intuitive mechanisms”——新颖的、反直觉的机制。

也就是说，这个算法的核心逻辑，大概率是人类极难想到的。

来，咱们把这个逻辑链理一理——

AI设计出了比人类更好的AI学习算法，更好的学习算法让AI学得更快，学得更快的AI又能设计出更好的算法。

没错，它递归了，加速了。（至少表现了递归的特征）

业界把这个称之为递归式自我改进（Recursive Self-Improvement）。

过去业界只是讨论递归在理论上的可能性，现在，它在���实地悄然上演。

你品，你细品。

十二
写到这里，我确实有一种略奇怪的感觉——

开始一直在说人脑牛逼——600T参数、0.3nm���程、20瓦功耗、样本效率碾压一切。

后面又讲了另一件事——AI在指数增长、在设计让自己更牛逼的算法，在递归自我改进。

不幸的是，这两件事同时为真。

AI赶上人脑的交叉点什么时候到来？

没有人知道。

也许很快，也许永远没有这种可能性。

没错，这篇文章是我vibe writing出来的——

从上午10点开始，5个小时，和Claude以及Gemini聊着聊着就忘记吃午饭了。（一边说人脑多么牛逼，一边还是离不开AI，想想也挺讽刺的）

中间歇了一会刷了半个小Twitter，又是满屏的AI新牛逼冒出来，根本看不过来：

杰克*多西还宣布把公司1万人一下子裁掉40%，注意：是40%。（忽然想起来，四年前公众号还专门写过他——为什么杰克多西是一位奇人？）

我已经累了，这篇就虎头蛇尾吧，说两点——

第一，认真地煽个情——趁我们还拥有作为碳基生命唯一的感��力：去闻一闻三月的风。

（Claude opus 4.6还给我写了大段煽情的话，我都删掉了，大家都不��，搞一堆信息量接近为0的话，是浪费读者的时间。）

第二，闻完三月的风，继续回来和AI相爱相杀，so，该跟还得跟，该学还得学。

逃不掉的宿命，毕竟，没有人愿意被AI斩杀。

我始终有一个朴素的想法：略微激进一点没啥的，毕竟，我们也损失不了什么。

就酱！