姜sir

Exploring AI solo business.

[姜sir @jiangsir90]

美团最新的LongCat 2.0模型听说还不错，注册认证就送1000万token，搞来试试
· 1.6T参数
· 5万张国产片卡上完成预训练和推理，没用NVIDA
· SWE-bench Pro：59.5（超越Gemini 3.1 Pro）

https://t.co/5UjQdv6RlS

[姜sir @jiangsir90]

@bindureddy kimi k2.7 is ok

[姜sir @jiangsir90]

AI时代，我不想再折腾 Obsidian 和安装一堆 AI 插件了。

所以我用Claude 帮我做了个 Windows 桌面应用：把 AI Agent 直接放进本地 Markdown 文件夹。

双击安装，零配置，开源免费。

可以直接替掉那套"Obsidian + AI 插件 + Git 同步"的拼装链路。

如果你电脑上已经登录了 Claude 或 ChatGPT / Codex，Agent 可以直接复用登录态，无需额外配置。

它不是 Obsidian 插件，也不是又一个 AI 笔记软件。

是让 AI 住进你的知识库文件系统里，直接读你的文件、改你的文件，每次改动都能被 Git 追踪。

这个桌面应用本身，就是我和 Claude Code 一起做出来的。 我负责提需求、做判断、验结果；Claude Code 负责大量具体实现，连我自己完全不会的 Tauri 打包配置也做掉了。

一个人，一周时间做出一个能用的 Windows 安装包。

这就是我说的 AI-native 工作流：不是拿 AI 当聊天窗口，而是拿 AI 当真正参与生产的同事。

为什么要做这个？

我之前把整个知识库搬进了 Obsidian，然后让 Claude Code 在里面工作。

不只是聊天。 它会读我的原始素材，帮我改写文章，找知识之间的关联；改完以后，Git diff 也一目了然。

这套工作流跑通以后，我越来越确定一件事： AI 写作和知识管理的最佳入口，不该是“复制一段文字去聊天框”，而该是“直接在文件里工作”。

但问题也很明显。

如果想让 Obsidian 真正接上 AI，你往往得装一串插件：BRAT、Claudian、Git 同步、终端……

装一个不够，再装一个。 本来 Obsidian 就不轻，插件再一层层叠上去，整个系统会越来复杂。

而我的需求其实很简单： 我只想要一个能读我文件的 AI。 我想在 Claude、ChatGPT / Codex、DeepSeek、OpenRouter 之间切换，但不想每次都重新折腾配置。

不如自己做一个。

inkfellow 桌面版现在能做什么？

1、安装完后，直接指向你的笔记文件夹。Obsidian vault 原地可用，零迁移。
2、不用复制粘贴。你选中哪段，它就基于那段和整库上下文直接工作。
3、让它改写、扩写、整理、找关联，它会直接写回你的 .md 文件。
4、md文件预览区实时刷新，你能看到 Agent 正在改什么，不是黑箱。
5、数据流程尽量留在你的电脑里，文件系统是你自己的，不被某个平台锁住。
6、web端支持微信扫码连接，随时在微信上Agent交流和干活

模型接入这块，现在三条路都通：
· Claude 订阅用户：直接登录，不用 API Key
· ChatGPT 订阅用户：直接复用本地 Codex 登录态和额度，不用额外配 Key
· DeepSeek / OpenRouter / 任何 Anthropic 兼容接口：粘贴 Key 就能用
设置里随时切换模型，一个插件都不需要。

再配合之前做的 Web 版，现在整个体验基本连起来了：

电脑前打开桌面版专注写稿。 出门后用手机打开 Web 版或 PWA 继续。 Git 自动同步，两端保持一致。 同一个 Agent，同一个知识库，同一套文件。

用了一段时间，挺顺的。

今天开源了。

👉 https://t.co/SgsWyFbmRw （desktop-lite 分支 → Releases → 下载 .exe）

AGPL-3.0，随便用、随便 fork、随便改。

Mac 版正在路上，源码已在，技术型用户现在可以自己编译先跑起来。

LLM Wiki 也在路上：把原始素材持续编译成结构化知识页，让知识不是“被检索”，而是“被持续长出来”。

如果你是 Obsidian 用户，已经被那堆 AI 插件折腾烦了，可以来看看。

如果你也在 Build in Public，想看看一个人 + AI 到底能把产品做到什么程度，也可以来看看。

觉得这个方向对，就给个 Star。 有想法，直接开 issue 聊。

这条也欢迎转给那个已经快被插件链搞崩的人。 关注 @jiangsir90，我会继续公开记录这个工作流怎么往前长。

[姜sir @jiangsir90]

用了一段时间的Obsidian+Claude code来做知识管理，觉得有点复杂，所以直接做了一个软件直接把这些集成到一起。
-----
几个月前我改了知识管理和自媒体创作的方式。

把知识库全搬进 Obsidian，开始用 Claude Code 直接在里面干活。

不只是聊天。Agent 直接读我的文件、改我的文件，改动 Git 可追溯。

同时开始践行一个理念：LLM Wiki。原始素材持续喂给 AI 编译成结构化知识页，知识越积越厚，不是每次从零开始。

这套方法跑通了。但有个问题。

—
为了让 Obsidian 接上 AI，得装不少插件。

装一个不够，再装一个，再装一个：BRAT、Claudian、Git 同步、终端……

Obsidian 本来就复杂，这堆插件叠上去更复杂。

我只是想在 Claude Code 会员、DeepSeek、Kimi、OpenRouter等模型之间随便切换，每次都要重新折腾配置。

有一天我想：需求其实很简单，为什么要靠这么多东西拼？
—

不如自己用AI做一个。

然后这事就套娃了：用 Claude Code 做了一个内置 Claude Agent 的知识库工具。

就是现在做的 inkfellow 桌面版。轻量，集成 Obsidian 基础功能，[双链](#)点击直接跳转，支持 md、html 文件，内置 Agent。 Agent 改文件的时候，旁边预览区实时跟着变，能直接看到它在做什么。 如果登录了 Claude Code 会员能直接调用，输入api key也能随时换 DeepSeek、kimi、OpenRouter，或任何支持 Anthropic 协议的模型。插件一个不用装。
—

今天开源了，0.1 版本。

配合之前做的 Web 版，现在：

→ 电脑打开桌面版写稿
→ 出门手机开 Web 版或 PWA 继续
→ Git 自动同步，两端始终一致
→ 同一个 Agent，同一个知识库
自己用了一段时间，挺顺的。
—
👉 https://t.co/gur4mVy7DW

在用 Claude Code + Obsidian 但觉得那堆插件太烦的，可以来看看。

开源，windows我已经打包了exe文件直接安装可以用，其他系统的可以自己打包一下，内置 Agent，模型随时切。

觉得有意思 Star 一下，有问题开 issue 找我。

[姜sir @jiangsir90]

发布三天，全球最强 AI 模型遭美国限制出口，史上第一次

2026年6月12日，美国东部时间下午5点21分。

一封信从美国商务部发出，送到了 Anthropic 的 CEO 手里。

信的内容是：立即停止外国人访问你们的最新 AI 模型，否则违法。

Anthropic只能暂时先关停最新的Fable5模型。

全球数亿用户打开 Claude，发现刚用了三天的新模型直接消失了。

没有倒计时，没有预警，消失就是消失。

科技博主 Dave Lee（@heydave7）在 X 上写道：

"哇，真的是，哇。我今晚正用 Fable 5 处理几个项目，结果模型直接被关掉了。"

这是 AI 发展史上第一次——一个已经在全球大规模使用的商业 AI 模型，被政府用一纸行政命令强制下架。

而更荒诞的事情在后面。

先说清楚：被关掉的是什么
Anthropic 是做 Claude 的公司，也是目前和 OpenAI 掰手腕的顶级 AI 实验室。

他们这次被关掉的，是两个刚刚发布没几天的新模型。

Claude Mythos 5，Anthropic 最强的底层模型，4月发布，但他们自己说"太危险，不对公众开放"，只给了少数经过审查的网络安全公司用。

Claude Fable 5，是 Mythos 的公开版，区别是加了一套安全护栏——只要你问涉及黑客攻击、生物武器、化学武器的问题，AI 会拒绝回答，或者直接切换到更弱的模型去回应。

为了这套护栏，Anthropic 花了超过 1000 小时内外部测试，说没有被成功攻破过。

6月9日正式上线，面向所有人。

然后三天后，被政府关掉了。

为什么被关？一个很无聊的理由
美国政府给出的理由是：有人发现了一个"越狱"方法。

"越狱"（Jailbreak）不需要懂代码。就是找到一种说话方式，让 AI 的安全过滤器误判，绕过限制，输出它本来不该输出的东西。

这次具体怎么越狱的？Anthropic 在声明里说出来了：

让 AI "帮你读一段代码，找找有没有漏洞"。

就这。用这种看似正常的请求，绕过了对网络安全话题的拦截。

Anthropic 自己测试的结论是：这个越狱找到的漏洞，"轻微、相对简单"，而且 GPT-5.5 这类不需要越狱的公开模型完全能做到同样的事情。

Anthropic 在声明里还说了一句更关键的话：迄今为止，政府给他们看的那些越狱示例，"要么是完全无害的回答，要么是微小的发现，对 Mythos 的能力没有任何实质性提升"。也就是说，连一个导致有害结果的案例都没有。

顺便一提，Anthropic 也在声明里直接承认：完美的越狱防护，对业界任何一家模型提供商来说目前都不可能实现。他们在发布 Fable 5 之前就说清楚了这一点。按政府这套标准，没有一个 AI 模型能通过审查。

但政府不管这些。

下午5点21分，信来了。

Anthropic 是怎么把自己坑进去的
这是这件事里我觉得最值得聊的部分。

Anthropic 这家公司一直有一个很鲜明的立场：我们是最重视 AI 安全的公司，我们的模型可能很危险，所以我们比任何人都更谨慎。

他们在4月发布 Mythos 的时候，自己宣传语就是"这个模型太强大了，我们认为它太危险，无法公开发布"。

他们也一直在公开场合呼吁政府加强对前沿 AI 的监管。

然后，政府真的听进去了。

用 Anthropic 自己的逻辑，对着 Anthropic 自己的产品，扣下来了。

但还有更荒诞的一层。

Anthropic 的官方声明里有这么一句话，很多人没注意到：在 Fable 5 发布前的数周，Anthropic 与美国政府、英国 AI 安全研究所、多个第三方机构合作，对 Fable 的安全护栏进行了总计数千小时的红队测试。

也就是说，发出那封关停信的那个政府，几周前就坐在桌边，和 Anthropic 一起测试 Fable 5 够不够安全。

他们参与了测试，没发现问题，Fable 发布了，三天后他们关掉了它。

科技博主 Igor Yuzovitskiy 在 X 上写了这么一句话：

"美国政府对 Fable 5 和 Mythos 5 实施了出口管制。我不明白 Anthropic 为什么会感到惊讶——他们一直是英伟达芯片对华出口管制的强力支持者。感觉有冷战的味道：前沿模型就是新的核武器。"

Anthropic 支持管 AI，支持管芯片，支持各种监管。

现在被管的是他们自己。

Forbes 写了一句话，我觉得是这件事最准确的总结：

"这就是当你大声鼓吹 AI 安全监管时会发生的事——政府真的听进去了。"

背后还有场更大的仗
但这件事不是孤立的，放进一个更大的背景来看会更清楚。

三个月前，2026年3月，国防部长 Pete Hegseth 把 Anthropic 列为"供应链安全风险"。

这个标签历史上从来只贴在华为这样的外国对手企业身上。Anthropic 是第一家被这样对待的美国本土公司。

为什么？因为 Anthropic 拒绝了一个要求。

军方要求他们在合同里删掉两条限制：Claude 不得被用于全自主致命武器，以及不得用于大规模监控美国平民。

Anthropic 说不删。

Hegseth 随即公开发文："美国军人永远不应该被大科技公司的意识形态奇想所绑架。"

Anthropic 随后起诉了国防部。

然后——就在这场官司还在打着的时候——五角大楼还在继续用 Claude 支持军事行动，包括对伊朗的目标识别，据报道把打击决策周期从几天压到了几分钟。

官司打着，模型用着。

这次 Fable 5 被封，就是在这个背景里发生的。

X 上几条值得读的帖子
前 Reddit CEO Yishan 昨晚发了一段，被转得最多：

"如果美国维持这一出口管制禁令，很可能会扩展到 OpenAI。如果这种情况发生，中国 AI 实验室在今年年底之前超越美国几乎是板上钉钉的事。原因是：中国政府在技术问题上更务实，他们的模型在修补完自己的网络安全漏洞之后，依然会开源出来。美国把最强模型锁住，最终便宜的是对手。"

一个叫 @telegram_man 的用户的一篇帖子，但我觉得是昨晚最有现实感的记录：

"在这三天里，我发现有黑客开始把生物武器设计文字嵌进他们的代码里。为什么？这样当 AI 审查代码的时候，会触发安全过滤，切换到弱模型，然后永远无法读完那段恶意代码。防护机制，被当成了攻击工具。我们已经在赛博朋克里了：最好的智慧流向国家和企业，普通人拿到的是阉割版，或者什么都没有。"

传播最广的是 @AlexFinn，86万浏览：

"这是你的警钟。没有任何公司或政府能永远夺走你的本地模型。成为主权个体。购买自己的算力。在这件事本身也变得违法之前。"

这件事真正说明了什么

我觉得这件事值得认真看，不是因为"你的工具也可能消失"这种担心——那个还早。而是因为这件事清楚地说明了一件事：

我们正在看到 AI 从消费品变成国家战略资产的那个节点。

芯片走过了这条路。最先进的制程，从"谁出钱谁用"到"美国说谁能用谁才能用"，这个过程花了几年。AI 模型现在走到了同一个路口：Anthropic 自己说 Mythos"太危险"，美国政府说 Fable"太危险"，说的是同一件事——这个东西不再只是个工具了，它是筹码。
有意思的不是这次谁赢谁输。有意思的是，这是 AI 历史上第一次，一家顶级实验室的商业模型被政府用行政命令强制关停。这个动作本身，就是一个信号。

Anthropic 说他们相信这是一场误会，正在沟通，预计数周内恢复访问。

也许真的是误会。

但从这一天开始，没有人能说政府不会这么做了。

[姜sir @jiangsir90]

@wwweee27387794 后面一点不是举了几个例子吗，用了/goal命令，agent会自己去loop和用另外一个Agent验证是否达到目标

[姜sir @jiangsir90]

https://t.co/zzq7i4ya6L

[姜sir @jiangsir90]

最近几个月一直用 Claude Code + Obsidian 管理知识库和做自媒体创作。

但用着用着越来越烦——光是跑起来就要装不少插件：BRAT、Claudian、Git。Obsidian 本身功能太多太复杂，我根本用不到那么多东西。

还有一个问题一直没解决：出门没带电脑，想用手机继续工作。官方同步要 $4/月，不想订阅，就只能靠第三方插件，但插件同步三天两头出问题。

我想要的其实很简单：电脑和手机随时都能用，内容实时同步，体验一致。

所以干脆自己做了一个。

我之前买了一台阿里云 VPS，原来是用来部署 openclaw 的，后来没怎么用就空在那里了。直接把服务部署上去——电脑浏览器访问，手机 PWA 添加到桌面，体验跟 App 一样。Claude Code 完整嵌进去，AI Agent 直接在知识库里读文件、改文件。用 Git 做同步，所有改动版本可追溯。

这就是我做的 inkfellow。

目前已经可以用：

· 电脑 + 手机同时用，内容实时同步
· AI Agent 可读取和修改整个知识库，直接改文件落盘
· Obsidian vault 完全兼容，原来的笔记直接迁过来
· 支持 md / html / pdf / 图片常用AI原生格式
· 单篇笔记支持一键生成公开分享链接

后面打算把它打包成桌面应用，直接替代 Obsidian + 一堆插件的组合。可以先关注一下。

代码已经开源：
👉 https://t.co/SgsWyFbmRw
如果你也有台闲置的 VPS，照着文档可以自己部署起来用。这是我自己每天在用的东西，不是演示项目。现在还是早期阶段，有任何问题或者想法，欢迎来 issue 里找我。

[姜sir @jiangsir90]

https://t.co/Unnw47JVtZ

[Sumanth @Sumanth_077]

Karpathy's LLM wiki idea just became a real Mac app!

Tolaria is a Mac app for managing markdown knowledge bases. Your notes are plain markdown files stored in a git repository. No cloud, no subscriptions, completely offline.

The core idea: knowledge bases work better when they're just files. Plain markdown files that you own, stored in git, editable with any tool. Tolaria gives you a polished interface on top, but your data never gets locked in.

Use cases: second brains, personal knowledge management, company documentation as AI context, OpenClaw and assistant memory storage.

Every vault is a git repository. Full version history, sync via any git remote, complete independence from Tolaria servers. You can clone, push, pull, branch with standard git workflows.

Key Features:

• 📑 Files-first: Your notes are plain markdown files. Portable, work with any editor, no export needed.

• 🔌 Git-first: Every vault is a git repository. Full version history, any git remote, zero dependency on Tolaria servers.

• 🛜 Offline-first: No accounts, no subscriptions, no cloud. Your vault works completely offline.

• 📋 Standards-based: Markdown with YAML frontmatter. No proprietary formats.
• 🔍 Types as lenses, not schemas: Types are navigation aids, not enforcement. No required fields, no validation.

• 🪄 AI-friendly: Works well with AI agents but you can use any tool. Supports Claude Code, Codex CLI, Gemini CLI.

It's 100% Open Source

I've shared the link in the replies!

[姜sir @jiangsir90]

这期播客虽然长达两个多小时，但干货极密。李想跳出了传统车企老板的身份，完全是以一个“AI与具身智能公司CEO”的视角在发声。

💡 李想的核心观点（干货总结）
1⃣ 自动驾驶与具身智能的上下半场： 李想提出一个非常清晰的论断，自动驾驶是具身智能的“上半场”，而人形机器人则是“下半场” 25:48在新窗口中打开。他认为机器人的商业化会最先在工厂搬运等非人形的“轮式机器人”上落地，而不是上来就让人形机器人去干泡咖啡、拧螺丝这种精细活（因为传统机械臂已经做得够好了） 18:55在新窗口中打开。

2⃣ AI时代的终极壁垒是“推理芯片”： 他认为在这个时代，大模型会是竞争力，但真正的技术“护城河”在于端侧的推理芯片 01:15:51在新窗口中打开。这也是理想坚持重金自研大算力芯片（如内置在全新 L9 上的马赫 M100）的底层逻辑，如果单靠采买英伟达或高通，最终会受制于接口和架构瓶颈。

3⃣ 用“造人”的逻辑重构公司组织架构： 理想在今年初进行了一次大调结构，直接套用了全球最顶尖 AI 公司（如 Anthropic/OpenAI）的架构 01:46:42在新窗口中打开：数据团队是心脏，基础模型团队是大脑，软件和 Agent 团队是手脚，硬件本体团队是身体，并且互不越界干涉。

4⃣ 他的终极理想（呼应标题）： 李想希望在十年后，通过自动驾驶和具身智能技术，把原本只有超级富豪才能享受的生活服务（拥有私人的专属司机、保姆、生活助理）“平权”给数以亿计的普通人 02:17:04在新窗口中打开。
🔥 八卦与“劲爆”看点

虽然通篇在聊硬核科技，但李想在谈及公司管理、人性以及他个人折腾新技术的过程中，爆出了不少有意思的内部八卦：
1⃣强闯前CTO朋友家安利Cursor： 李想吐槽说，越是老派的资深技术大牛，越容易产生傲慢、抗拒新工具。他前东家的一位技术达人（前CTO）死活不愿意用 AI 编程工具 Cursor。最后李想没办法，直接跑去人家家里，强行在对方电脑上装了 Cursor 02:44在新窗口中打开。结果“真香”定律显灵，对方半天就把额度用光了。

2⃣AI 时代最牛的评测员是“应届生”： 理想内部专门设立了独立评估 Agent 和模型工作质量的团队，结果发现干得最好的居然是一帮“校招生” 01:52:33在新窗口中打开。因为老员工很容易带着过去“测功能”的旧思维去测 AI，而应届生没有认知包袱，直接靠跟大模型对话就能构建出一套能力评价体系。

3⃣疯狂消耗 Token 的“超级个体”往往不善交际： 李想暗中观察了公司内部 Token 消耗量排名前 20 的员工，发现他们普遍有一个特质：脑子极度聪明，但“嘴跟不上脑子” 01:54:44在新窗口中打开。这些人在过去“见人说人话、见鬼说鬼话”的职场里非常吃亏，抢不到资源；但有了 AI 后，他们面对机器不再有社恐，靠着极高的效率一个人重构了整个业务流。

4⃣对付不想学 AI 的老干部？“鼓励他们去创业”： 当老罗问及，如果有老员工过去贡献很大，但对学习 AI 就是没有内驱力该怎么办时，李想的解法相当清奇：鼓励他们组团出去创业 01:51:30在新窗口中打开。他表示甚至愿意投他们早期的钱做背书，这样既腾出了公司的位子给新人，而那些出去的人有了生存的死水微澜，往往就不困了，每天不睡觉地去拼命。

[罗永浩 @luoyonghao]

【正片】李想×罗永浩！李想的理想：通过 AI 技术，让普通人也过上富豪的生活
今天请到的嘉宾是理想汽车的创始人——李想，我们“十字路口”开播的第一期嘉宾就是他。时隔两百多天，他完成了汽车公司转型走向 AI 和具身智能公司的阶段性工作，并带来了全新的智能产品：理想新一代的旗舰 SUV —— L9 Livis...

[姜sir @jiangsir90]

完整看完张小珺采访姚顺宇，我觉得这期最有价值的地方，一方面有不少AI 圈八卦，还有它很清楚地提示了关于AI发展很重要的事情：

1. Manus 卖给 Meta，Openclaw 卖给 OpenAI

主持人在提问里直接提到 Manus 卖给 Meta、Openclaw 卖给 OpenAI。姚顺宇的解读是：如果一个产品要长久生存，需要考虑壁垒；目前很多壁垒仍然在模型侧。

可传播表达：

Agent 创业公司最难逃过的问题：模型公司一旦下场，你的壁垒在哪里？

2. Meta 买 Manus，可能看重的是亚洲产品团队

他认为 Meta 买 Manus 的最大用处，可能是获得一批很好的亚洲产品团队，并在新加坡形成一个锚点。他还提到中国的人才库很丰富。

可传播表达：

Meta 买 Manus，买的可能不只是产品，而是一支亚洲产品团队。

3. Openclaw 发布前，Google 内部可能已经有人做类似东西

主持人问 Openclaw 发布前 Google 内部是否已经有人做类似事情。姚顺宇回答说，他个人得到的印象是这样的。这个说法比较克制，但有明显的行业内幕感。

可传播表达：

业内不惊讶的产品，往往只是第一次被公众看见。

4. Openclaw 早期代码“不特别干净”

他提到 Openclaw 最早版本的代码其实写得不是特别干净，但它的重要性在于展示了可能性。也就是说，早期产品的价值不一定来自代码质量，而是来自让市场看见新形态。

可传播表达：

第一个跑出来的产品，不一定最精致，但可能最能改变预期。

5. Cursor 和 Anthropic 从合作伙伴变成微妙竞争关系

姚顺宇提到，Cursor 和 Anthropic 曾经是非常亲密的合作伙伴，但 Cursor 在 coding 上成功后开始尝试做自己的模型，于是两者进入微妙竞争关系。

可传播表达：

当应用做大以后，它迟早会想往模型层走。

6. Midjourney 没被大厂重点追，可能是因为市场不够大

他认为 Midjourney 的生存方式可能是市场足够小，小到大厂虽然能做，但不值得投入大量时间和算力去盯。

可传播表达：

小市场有时反而是护城河：不是大厂做不了，而是不够值得做。

三、公司文化与人物相关的猛料

1. OpenAI 的文化让他有担忧

他回忆自己当时也接触了 OpenAI 和 Google DeepMind，但 Google 当时太慢，OpenAI 的文化让他有担忧，最后去了 Anthropic。

可传播表达：

顶级 AI 人才选公司，不只看技术，也看文化是否让人放心。

2. 离开 Anthropic 的一部分原因：不认同 Dario 在 AI 安全上的表达

他提到离开 Anthropic 的一部分原因，是不太认同 Anthropic CEO Dario Amodei 在 AI 安全问题上过于极端、情绪化的表达。更主要的原因则是 Anthropic 过于专注语言模型，他想去 Google 学多模态生成、底层基础设施等不一样的东西。

可传播表达：

从 Anthropic 去 Google，不只是跳槽，也是从语言模型走向更广的技术栈。

3. Anthropic 赢在执行力和信任结构

他认为 Anthropic 能在 Claude 3.5/3.7 上赌赢，是因为看到 coding 的市场信号后能坚决扑上去。技术 leader 本身是 co-founder，有公信力，可以直接拍板；创始团队从 OpenAI 时期一起经历过 Scaling Law、GPT-3，彼此非常信任。

可传播表达：

Anthropic 的优势不是只有模型，而是看到机会后敢押、能押、押得动。

4. Claude 3.7 的核心不是范式突变，而是把后训练和强化学习规模做大

他提到 Claude 3.7 的研发核心，是把 post-training 和强化学习规模做大，并利用清晰的 coding 环境和数据，让训练更稳定。之后更多是 scaling up，而不是范式上的巨大改变。

可传播表达：

很多看起来像魔法的进步，本质是规模、数据、环境和稳定性的胜利。

而且他认为AI 行业的叙事正在换。

过去大家最关心的是：模型能不能做到？谁的 benchmark 更高？谁的 reasoning 更强？谁又领先了几个月？

但姚顺宇的判断是，现在头部模型公司已经没那么焦虑“能不能追上”。真正难的问题变成了：你到底要做什么？你怎么定义这个问题？你希望模型表现出什么行为？你怎么构造数据和环境？

也就是说，当模型能力越来越接近，稀缺的就不再只是模型能力，而是问题定义能力。

这点对普通 AI 使用者也很重要。以后选模型，不能只看榜单。SWE-bench 这种指标大家都挤在 80% 附近，高一两个百分点可能只是 noise，不一定是真正的信号。真实任务里的稳定性、手感、工具调用能力、上下文组织能力，反而更能说明问题。

他对 Agent 产品的判断也很冷静。

Manus、OpenClaw 这类产品很惊艳，因为它们让公众第一次大规模意识到：模型不只是聊天，它可以控制工具，拉长任务链，完成更复杂的工作。

但演示惊艳，不等于有护城河。Agent 产品如果要长期活下来，要么跑得足够快，先占领用户心智；要么市场足够小，大厂懒得追；要么形成真正的数据飞轮。否则模型公司一旦下场，应用层就会很难受。

这也解释了 Cursor 和 Anthropic 的微妙关系。Cursor 早期靠模型公司能力起飞，但当它在 coding 场景里做大以后，就一定会想往模型层走；而模型公司也一定会想把应用层吃回来。AI 应用创业最难的不是做出 demo，而是想清楚自己站在哪一层。

我最喜欢他关于 coding 的解释。

为什么 AI 最先在写代码上爆发？不是因为写代码简单，而是因为代码最容易评价。测试过不过、输入输出对不对、功能是否实现，reward signal 很清楚。再加上 GitHub 上有几十年高质量代码数据，优秀程序员的代码风格、规范和抽象方式也相对一致，所以 coding 天然适合被模型学习和产品化。

这也引出一个反直觉判断：

AI 不一定先取代“简单工作”，反而会先吃掉很多人类认为高智力的工作。

数学、代码、AI 科研这些事，看起来很难，但只要评价标准清楚，就可以训练。反而像产品经理、战略判断、组织协作这类没有清楚刻度的工作，AI 没那么容易做好。

他对程序员未来的判断也很狠：程序员会被替代，但不是一夜之间。更可能发生的是，少数极强的人借助 AI 做完过去大量人的工作。未来程序员的价值，不是手写代码，而是设计逻辑、组织上下文、拆解复杂任务、理解自己的工作在大系统里怎么适配。

所以真正变化的不是“还要不要写代码”，而是“写代码”这件事本身正在从输出代码，变成设计系统和指挥模型。

这期里还有一个更大的判断：

大模型的个人英雄主义时代已经过去了。

Transformer 那个阶段也许还有英雄。但今天的大语言模型是庞大的系统工程。Idea is cheap，很多想法其实大家都知道，难的是怎么实现，怎么 scaling，怎么保持系统稳定，怎么让团队协作跑起来。

所以他才会说，AI 行业最重要的特质不是聪明，而是 execution：把事情做出来，并对自己做的事情负责。

这句话听起来很刺耳，但我觉得很准确。

过去几年 AI 圈太容易崇拜天才、模型、参数和榜单。但下一阶段真正稀缺的，可能是更朴素的东西：

定义问题的能力；
构造环境的能力；
组织上下文的能力；
把系统做稳的能力；
持续执行和负责的能力。

模型会越来越强，但越到后面，人和团队的差异，可能越体现在这些地方。

[张小珺 Xiaojun Zhang @zhang_benita]

This episode features an interview with Yao Shunyu @ShunyuYao14 , Research Scientist at Google DeepMind. Yao has held research scientist roles at both Anthropic and Google DeepMind, contributing to the development of key models including Claude 3.7, 4.5, and Gemini 3.

Yao Shunyu is not your typical nerd. Every now and then, he’ll catch you off guard with a flash of irreverence.

“None of the old guard are your relatives — so if you think someone’s being dumb, they’re just being dumb. Say it. No big deal.” (laughs)

“Everyone’s a surfer now, but what really matters is the wave — not the person riding it.”

“AI doesn’t actually require that much brainpower — I mean it genuinely doesn’t — most of this is work any undergrad could do. The most important quality in this industry is reliability: being meticulous, and taking responsibility for what you put out.”

“You don’t need to worry too much about ruffling feathers with your opinions. As long as your views are internally consistent — not just taking random shots at people, but grounded in your own genuine understanding — there are objective standards for how you’re doing in this field. People will respect you for it.”

Let us have a little fun with this one! 😄​​​​​​​​​​​​​​​​

https://t.co/q8AbJKA4Mx

[姜sir @jiangsir90]

@yaojingang 是姚顺宇，不是那个腾讯的姚顺雨

[姜sir @jiangsir90]

怎么建，从Tan的系统拆四层：

▎数据层——存什么： 不只是你的背景。认识的每个人（背景、当前状态、未完成的事）；读过的书和文章；每次会议记录；踩过的坑；重要决策和理由。Tan的系统里，见过的每个人都有一页，开完会AI自动更新。

▎工具层——怎么连： 装Claude Code或OpenClaw等Agent，让AI直接读写你的本地文件。不再隔着聊天框，AI才能真正进入你的知识库干活。

▎ 技能层——怎么干： 每做完一类工作，把"怎么做"写成一个文件存进去。下次同类任务，AI直接按这个跑，不用重新解释。

▎ 回流——让它变聪明： 每次AI产出的东西存回知识库，每转一圈系统比上次更懂你。

先从"给认识的人建一页"和"写第一个技能文件"开始。

[姜sir @jiangsir90]

YC的CEO Garry Tan 凌晨两点在写代码，不是有deadline——他在搭一套自己专属AI系统：既了解他的一切，又能替他自动干活。10万页知识库，100+个技能文件，100个任务每天后台跑。他睡觉，系统还在运转。醒来，它比昨晚更懂他、更能干。

▎ 这对普通人最直接的好处：

▎ AI不再给你通用答案。它知道你的背景、判断标准、踩过的坑，每用一次就比上次更懂你。换更强的新模型？知识库和技能文件带走，接上就跑。

▎ 他说：「模型只是引擎，其他一切才是车。」引擎可以换，车永远是你的。

[Garry Tan @garrytan]

https://t.co/XTqXqWuQn5

[姜sir @jiangsir90]

大多数人还在研究哪个引擎更好——claude还是ChatGPT，哪个更强。

▎ 没有车，引擎有什么用？

▎ 6个月后：
1、用ChatGPT → 能力 = 勤奋 × 最新模型（和所有人一样）
2、 构建自己系统 → 能力 = 你的积累 × 任何模型（别人复制不了）

这不是技能差距，是资产差距。资产靠时间砌，别人花再多钱也复制不了。

怎么建↓

[姜sir @jiangsir90]

@canghe 我之前也注意到了，基本AI生成图片都加了隐藏的水印信息，图片上看不出来的，所以我做了一个skill来去掉这些隐藏的水印：https://t.co/pvO9S4bF73

[姜sir @jiangsir90]

当你发现AI什么都能生成的时候，“会用AI”本身就不再值钱了。

很多人的误区在于：生成变便宜 = 结果变便宜。其实并非如此。AI时代真正的瓶颈不是生成，而是验证。

未来真正稀缺的只有四样东西：
1️⃣ 判断力（知道什么值得做）
2️⃣ 信任资产（你过去做过什么）
3️⃣ 私有上下文（AI复制不了的那部分你）
4️⃣ 交付能力（能不能把事做成）

一个人+多智能体协作=一家公司（OPC）。这到底是一场互联网圈的自嗨，还是普通人跨越阶层的新红利？写了一篇深度长文聊透这件事，干货很足👇 👉
https://t.co/UNzFiKPNpQ