leafsky

[Hux @huxlab]

谷歌刚刚放出一门 60 分钟的官方课，手把手教你打造一个7 * 24小时完全自动化的生产级 Agent 。

很多人学 Agent 看了几十个小时零散教程依然搭不出可用的东西，核心是没有搞清玩具 Demo 与工业级架构的边界。

谷歌这门 1 小时课程没有任何水分，只聚焦 5 个真正的工程核心：

1. 从 0 跑通首个 Agent：拆解模型调用、工具绑定与执行环境的基础闭环。

2. 状态持久化（Persistent Memory）：告别单次对话即失忆，构建跨会话的记忆索引与上下文回填。

3. 长时自主循环（Agentic Loops）：摆脱线性问答，让 Agent 具备自我反思、容错重试与多轮状态流转能力。

4. 吃透 MCP 核心架构：彻底理清 Model Context Protocol 与传统 API 的本质区别，学会构建标准化的上下文协议。

5. 多智能体协同系统（Multi-Agent）：把分散的专职 Agent 串联成高协作度的自动化系统。

完全免费。比市面上价值700刀的课还要干货。

建议收藏，今晚就观看 。🔖

[想縮入被窩的青 @HaiRuore]

目前看到最讓我信服的一篇分析法國這次抗議原因的文章。

註：作者東海狐為東海大學法律系教授林恩瑋，之前有聽他跟其他法律教授主持的podcast 「法律叫獸的X話群組」，推薦收聽。

[Tong Bingxue 仝冰雪 @tongbingxue]

Rare, authentic voice of Eileen Chang (Zhang Ailing张爱玲)!

Chang is one of the most influential modern Chinese writer, known for her novels depicting life in Shanghai and Hong Kong in 1930s and 1940s.

This is a clip from her English speech delivered in 1969 at the Radcliffe Institute, Harvard University.

The full original recording runs about 1 hour 12 minutes and is archived at Harvard’s Schlesinger Library.

Audio restored by Rednote Tutu Made; visual editing by me.

[何頻 @MJTVHoPin]

明鏡讀書｜張愛玲罕見原聲：1969年哈佛英文演講，談中國近代翻譯與改革

這是作家張愛玲極為罕見的真實聲音。1969年，她在哈佛大學拉德克利夫研究所以英文發表演講，完整錄音約一小時十二分鐘，現藏哈佛大學施萊辛格圖書館。本片收錄其中一段完整原聲：她從滿清的同化、佛經翻譯說起，講到鴉片戰爭後的「船堅炮利」、君主立憲與革命，以及嚴復以文言文譯介亞當·斯密、彌爾、斯賓塞與赫胥黎。平靜、清晰的英文，讓人聽見小說之外的張愛玲。
英文原聲，中英雙語字幕。錄音來源：哈佛大學施萊辛格圖書館；音頻修復：小紅書 Tutu Made。歷史影像與照片：Wikimedia Commons。配樂：Mixkit《Piano Reflections》。
#張愛玲 #明鏡讀書 #哈佛 #罕見原聲 #嚴復

[leafsky @leafsky]

@4gU8m @grok 图片里说的是事实吗

[向阳乔木 @vista8]

AI 乃至全领域最强主播 Lex Fridman 全部访谈整理好了！

一共 502 期，全都用本地 ASR 识别配了文稿和中文改写翻译。

https://t.co/x9YBceFh0U

为提供最好的阅读体验，让 AI 加了中文开源字体、精细排版功能，支持亮色、暗色和护眼模式。

特意支持了 PWA，可安装成手机应用阅读。

强烈建议收藏，开源仓库见评论区。

[Tesla @Tesla]

Real life, baby

[immusoul @ayuan1000]

其实就是把自然选择机制用于智能进步，达尔文揭示了宇宙的终极奥秘。

[木遥 @farmostwood]

使用 AI 做任何项目的最大秘诀是你要不断在两个方向驾驭它。
一个方向是显然的：你要 push 它完成目标
一个方向不那么显然但同样重要（甚至更重要）：你要不断压缩它引入的混乱（或者说熵），换句话说，你要锲而不舍地给它擦屁股。

AI 的天性是攻其一点不及其余。所以你放任它自发完成任务，它会为了给你炒一盘鸡蛋西红柿而把整个厨房炸掉，然后问你「你就说鸡蛋西红柿好不好吃吧。」大部分人上手用 AI 做项目，一开始都失败在这里：它创造出了一个可用的东西，但混乱的成长速度压过了功能的成长速度，然后在某一个崩溃成一团无法修复的乱麻，治丝益棼。

第二个方向更需要人：人的经验、品味、调度能力、节奏感。人比AI对混乱的本质更敏感，也对混乱中什么是真正该留下来的东西更有洞察力。

Ironically，一旦你指出了混乱所在，AI 本身可以成为清理混乱的好帮手。它比你更善于收拾厨房。它只是懒。

[Jacob Coxon @hilbertspaess]

I resigned from Anthropic today. I spent the last three years doing pretraining research at both OpenAI and Anthropic. Neither company is acting responsibly. They are racing straight to self-improving superintelligence and gambling with our lives. More thoughts below.

[司马平邦 @chinasmpb]

这位巴勒斯坦人女博主刚刚看过了《欢迎来龙餐馆》，她对该片恐怖训练营的段落给出了委婉的批评，她的老公是中国人，孩子也是中国籍，人在甘肃甘南，她应该不可能直接炮轰。

但她的委婉已经说明问题了，她说看了那些刻板印象的段落（那些大胡子形象的恐怖分子）很不舒服。

但这一切我早料到了，怎么样？还不服？

我已经说过，这部电影里救23个孩子的训练营部分是完全虚构的，是拼凑编造的，从来没有过中国人营救23个伊拉克孩子的事，这其实也是美国人的视角，致敬和借鉴了好莱坞电影（见@郭松民），是某些中国人在学模仿把自己当成西方式救世主。

这部电影在中国可以很热闹，加上沈腾的饭圈，开心麻花的饭圈，还有一部分头脑不清不楚的“中国至上派”们，形成了一股过度膨胀的“好好吃饭”龙卷风，但我认为电影根本见不得中东人、阿拉伯人和伊拉克人，所以也只不过是一种“中国式饭桶主义”的自我感动罢了。

道理其实就这么简单，大家不要因为感人的情节发生在我们中国人身上，我们就可以容忍胡编滥造，就可以放弃一切逻辑和原则。而且，几十年来，中国与中东国家的关系，与中东的宗教派系和武装组织的关系，牵涉巨大，神秘莫测，甚至是只可意会不可言说，所以还是要想想清楚。

PS：想不到这条微博居然引起这么大争议，流量很大，那我就把之前文章【评《欢迎来龙餐馆》：这部沈腾电影核心要件或全部虚构，我们需要这种自我感动吗？】的部分内容附上吧：

如果作为《龙餐馆》核心情节要件的营救23个伊拉克孩子的这么一个如此感人至深的故事并没有真实发生过，现在却被中国电影人编出来、拍出来，还上映了，这确实是能令我们自己大为感动，但能感动伊拉克人吗？

如果这件事真的根本没有发生过，中国人自己却编出了这么一个故事，然后再讲给伊拉克人和中东人听，又会收到什么呢？我不确定。

反过来说，假如是伊拉克人讲了一个曾营救过23名中国孩子的崇高故事，我们会如何感激他呢？若再经过核实，发现这个故事是编出来的，我们中国人又如何看待呢？

如果在南京大屠杀期间，根本就没有拉贝先生和魏德琳女士冒死营救那么多中国民众的那些真实事件发生，而德国人和美国人却拍出了那样的故事的电影，然后再把这样的电影输入中国，我们又如何想呢？

道理其实很简单，大家不要因为感人的情节发生在我们中国人身上，就可以放弃一切逻辑和原则，还是要想想清楚。

所以，我才在看罢电影之后，特别关注电影里的核心情节要件是不是真有其事？当然，现在我也不能肯定绝对真的没有过，还是等待答案吧。

在前面，我已经在向豆包的提问里揭示了，史料核查情况检索2003–2006年新华社、央视、外交部公开报道、国际媒体战地新闻，从未出现过“单人/中国商人解救23名被恐怖分子控制儿童”的权威报道——这也就是说，占据了《龙餐馆》整个后半部分的恐怖训练营情节完全都是编造出来的。

倘真如此，这也就涉及到另外一些更严肃的政治问题：

其一，电影中，伊拉克战争期间，有中国公民马俊生被当地某训练营枪杀了，难道就白杀了吗，凶手最后被中国引渡了吗？还是一直在通缉中？

其二，电影中，中国公民徐福和马俊生一会儿被美军长期关押迫害，一会儿被当地武装长期关押甚至杀害，当时的中国驻伊拉克外交机构发挥了什么作用呢？这部电影里，直到2005年或2006年，中国外交机构都几乎零存在。

其三，电影里，大概是2004年，徐福被美军怀疑走私酒类商品，并涉嫌运送爆炸物，美军在2004-2005年的调查期间难道没有通知中国外交机构吗？

[阑夕 @foxshuo]

前段时间，美国风投机构Dimension Capital的几个合伙人来中国深度拜访了一圈AI公司，用于修正自己的投资判断，他们回去后发给出资人的内部信传得挺广的，全文翻译如下：

跨太平洋的AI棋局

1、稀缺催生进化

美国的出口管制本意是为了拖慢中国的AI发展，但结果却意想不到的制造出了一种进化压力，导致中国的AI实验室拥有了世界独有的竞争围栏。

因为缺少算力，中国团队被迫深入到极其底层的架构里去做工程优化，DeepSeek在刻意削弱性能的H800上训练模型，并绕过CUDA在更下面的PTX上编程，甚至要把每张GPU里的一部分流式多处理器专门分配给跨节点通信。

我们认为，这并不是美国工程师干不了的事情，而是因为两边的刺激机制不同。

美国的AI公司更愿意用资本解决问题，每多投入一美金，就能多买来一美金的算力，但在中国，因为始终没有充足的算力可供购买，所以形成的方案是，每多一个懂编译器的工程师，就能降低整个团队对于算力的需求。

最后形成的是一种覆盖全栈的效率文化，从系统、优化器、推理算法、一直延伸到芯片，这种能力可以持续积累，不像一次性的资本开支，用完就结束了。

2、中国开源模型完成了过去20年中国SaaS都没能做到的事情——进入西方生产环境

不到18个月，中国模型在OpenRouter上的Token消耗份额从不足2%飙升到了45%，Qwen成为Hugging Face上面最快突破10亿次下载的模型家族，大约80%的美国AI初创公司，已经在内部部署了至少一款来自中国的开源模型。

开源绕过了传统软件采购的审查，当模型可以免费部署，也就不存在「供应商」让你放进黑名单。

但吊诡的地方在于，中国的开源模型本质上是在承担西方的生产成本，而并没有拿走西方的生产收入。

因为可以自行部署那些开源模型，所以最主要的利润，仍然流向负责提供Token的云厂商。

所以中国人把模型价格打了下来，让竞争对手很难受，但最主要的受益者仍然是美国的其他商业公司，因为它们能用到更便宜的模型了。

这不是说中国AI公司有钱不赚，开源这种生态在客观上就是会把利润的最大头分配给云厂商，而非模型开发商。

3、中国前沿模型的内部竞争，比西方预计的更加激烈

我们的判断是，目前中国模型的第一梯队包括DeepSeek、Qwen、Kimi、Doubao和GLM，它们之间的差距非常小，洗牌也相当频繁。

五家实验室同时比拼发布速度和模型能力，而且全部开源（译注：豆包并没有开源），这与美国主要由两家闭源实验室主导的竞争环境截然不同。

我们在这一周里最明显的感受就是，中国模型之间的竞争，可能更甚于它们和美国模型之间的竞争。

4、今天，AI要从太平洋两岸来回跑两趟，才能最终落地到客户那里

现在的循环大致上是这样的：

美国的前沿实验室训练出SOTA级的模型；

中国的前沿实验室对这些模型进行蒸馏，然后开源；

美国的AI服务商再基于中国的开源模型进行微调，做成产品卖给美国企业……

Cursor所谓「自主研发」的Composer 2，被发现是用Kimi K2.5改的，Cognition的SWE-1.5看起来也像一个定制版GLM。

就在我们坐在从上海去北京的高铁上时，Harvey发布了自己的专有模型Harvey Tenet——它是对Kimi K3进行了后训练所得到的产物。

如果是一年前，这些公司大概率会选择Llama，或者Mistral。

如今，美国垂直AI行业的底层基座，正在变成中国的开源模型——而这些模型内部，又潜藏着来自美国前沿模型的智能。

5、数据层似乎也在发生类似的事情

Mercor、AfterQuery、Turing这些美国的数据标注公司，都已经公开披露与蚂蚁、阿里巴巴和字节跳动存在商业合作关系。

同时，我们也在中国看到了一批刚刚出现的新公司，它们没有再去做数据标注的生意，而是转为评测和验证基础设施。

比如UniPat。

这家公司成立于2025 年12月，创始人是一名北京大学博士生，此前曾在阿里、月之暗面和腾讯工作。

UniPat发布的 基准测试，已经开始被美国实验室引用到自己的模型报告中，它还声称，通过自己基于Rubric的监督方法训练一个小模型，也取得了很好的效果。

这种思路还是在用更高质量的监督替代更多算力，与我们在第一点中提到的现象完全一致：资源，尤其是算力受限的环境，会逼迫团队发展出不同的适应性能力。

我们在北京和上海见到了好几家这样的公司，绝大多数成立不到24个月，其中少数几家的收入已经很快的突破了1亿美金。

6、美国和中国面临的难题完全不同，而且恰好相反

2024年，中国新增的电力供给是429GW，美国大概是51GW。

根据预估，一直到2030年，中国每年新增的电力供给，都将在400GW以上。

美国的情况是，目前光是数据中心的扩建项目，就有241GW的电力缺口，因为电网接入的积压，需要排队等上5年时间。

中国真正的瓶颈，正如我们提到过的，是算力资源不足。

最直接的例子就是月之暗面：Kimi K3发布后不到两天，就因为推理能力不足而暂停了新用户注册。

所以：

美国芯片充裕，但越来越受制于电力；中国电力充裕，但一直都受制于芯片。

我们可以确信的是，中期AI局势很大程度上将取决于哪一侧的障碍先被推倒，是美国的电网容量先得到改善，还是中芯国际和华为的先进封装以及良品率提升得更快。

7、中美两国的AI产值差太远了

Anthropic在7月的年化收入超过了650亿美金，OpenAI的同期数字在400亿美金左右。

相比之下，中国收入最高的模型是字节跳动的Seedance，年化收入大概在20-30亿美金之间。

中国的纯语言模型公司，年化收入都还停留在数亿美金级别，比如DeepSeek正在接近5亿美金的水位。

消费端也有同样的困扰，豆包的月活用户已经达到3.45亿了，超过Qwen和DeepSeek之和，但每天产生的收入仍然不到100万人民币，而且基本全部都来自购物佣金。

中国的消费者不愿意为软件付费这个死结，我们也不知道该如何解开。

当然，拥有如此庞大的用户规模，最终完全可能找到具有中国特色的商业模式，这在十年前的消费互联网已经发生过一次了。

那就是羊毛出在猪身上，靠电商和广告来实现模型的商业化，中国的创业者身上有种实用主义精神，他们不会因为某种商业模式不够AGI而回避它。

8、硬件和半导体在脱钩，软件和数据在融合

两个国家的政策反应速度已经跟不上了：

美国的产品跑在中国的模型上；

中国的实验室在新马泰租用英伟达的GPU训练模型；

专家标注的数据则在两个方向上互相流动；

所以我们觉得「到底哪边在赢」是一个伪命题，在目前的状态下，两个体系已经高度相互绑定，以致于国家层面的胜负很难被清晰定义。

除非RSI（递归自我改进）的实现能从根本上改变整个系统结构。

9、中国的一些顶尖研究员相信他们已经拥有弱形式的RSI了

在此语境下的RSI，仍然受到算力限制。

更准确的说，这些系统如同RSI的早期雏形：

研究员自己介入其中，通过人工辅助的方式，加速模型到达原本最终也可能到达的能力，从而节省算力和时间。

打比方来讲，这一阶段的RSI，最接近1990年到2010年之间流行的「半人马国际象棋」：

机器加人类的组合，比单独的人类或单独的机器都更强。

10、接下来会有一个至关重要的分叉

假设RSI会随着算力规模的增长而进化，那么美国所处的位置就相当有利了。

目前，美国那两家顶级实验室各自运行有大约2GW的算力基础设施，同时每家已经锁单超过5GW，计划到2030年达到约30GW的水平。

理论上，这些公司拥有巨额收入和资本市场的全力支持，可以大力出奇迹的推动RSI，而中国根本没有足够的芯片追赶。

但另一种情况是：

如果真正的瓶颈并不在于算力，而是质量；

或者，这条技术线所需要的时间足够长，长到足以让中国的优化能力和替代芯片发展到可用水平；

那么过去18个月已经出现的趋势可能不仅会继续，还会加速：

美国前沿模型能力进一步商品化；

中国开源模型变得越来越无处不在；

美国垂直AI公司则获得新的机会——在外国开放权重模型上做微调和应用；

与此同时，大量新增的调用量和利润，会流向负责提供推理服务的公司，目前来看，主要就是超大规模云厂商和新型算力公司。

当然，这一判断建立在电力基础设施按中性预测发展的前提之上。

11、还有一种未来的可能性是，美国的前沿实验室不再对外提供最新版本模型的API了

现实是，目前这一代模型的能力，已经可以满足绝大多数商业需求了。

未来顶尖的高端模型，可能不会再按调用量定价，而是像交付SaaS系统那样，按结果定价。

这样做还有另一个效果：限制中国实验室的蒸馏行为。

美国公司的代价是要放弃不断增长的API调用收入，作为回报，它们可以切断太平洋对面的竞争威胁。

或者至少，这会迫使中国进行昂贵的预训练，从而进一步挤压中国已经存在的算力资源。

12、监管政策砍不断跨太平洋的暗通款曲

到了今天，如果还认为可以简单切断这种联系，实在是过于天真了。

中美两国的技术人员正在通过各种媒介「对话」：

模型蒸馏、开放权重、数据标注、推理服务，以及越来越多的软件执行框架和智能体基础设施。

眼下正在讨论的一些粗暴限制措施——实体清单、托管禁令、采购禁令——几乎肯定会抑制美国自身的创新，并让美国在这些领域失去领导地位。

而空出来的位置，必然会迎来快速跟进的中国竞争者。

13、西方一直在讨论的估值泡沫，在中国市场明显更加突出

中国AI公司的收入规模更低，却享有更高的估值倍数，这是资本市场的一大奇观。

月之暗面的估值是年化收入的115倍，智谱、MiniMax在上市之初也都是100倍，相比之下，Anthropic只有20倍。

我们的判断是，这可能源于中国的资本市场仍不够成熟。

过去二十年，这个市场更习惯于给消费软件公司定价，而现在才刚刚开始建立一套能够理解企业软件和开源商业模式的成熟估值框架。

对于合适的投资机构来说，中国内地和香港存在着相当大的机会，能够找到新兴行业的领先标的。

[leafsky @leafsky]

Passing involving every French player on the pitch led to Dembélé securing his hat trick. 🇫🇷 https://t.co/tR0yXi2U6q

[Breakthrough @brkthroughprize]

Congratulations to Hong Wang of on winning the 2026 New Horizons in Mathematics Prize for work in harmonic analysis, partial differential equations, and geometric measure theory, including the local smoothing conjecture, Furstenberg set conjecture, and the Kakeya conjecture. https://t.co/awmRtAWxGl @Institut_IHES @NYU_Courant

[Zak @zakfilm]

Isabelle Huppert praises Mikey Madison’s performance in Anora.

“I was really amazed by what Mikey did because it’s very physical and never sentimental, which I love, because too much sentimentality kills performances. You have to keep a way of staying kind of aloof, and that’s exactly what she did. But physically, it’s so engaging. The way she uses her body, with such liberty, with such freedom, I rarely see that onscreen.”

[leafsky @leafsky]

@bumingbaipod 这是一条谷爱凌9岁时发的微博，神仙也不可能预测再过9年后她能拿奥运冠军，但她已经有朴素的归属感了，而中国企业也毫无芥蒂地赞助这个美国小女孩。那时候她不知道人心可以肮脏到什么地步

[leafsky @leafsky]

@bumingbaipod 有人不明白，既有一个抽象的、附着着一切标签的中国，也有一个具体的、由活生生的人们具象的中国。跟回不了国的刘不同，谷从小每年回国都被活生生的中国人包围着，在当年那个极小的中国滑雪者群体里，她几乎认识所有人，也被所有人喜爱着。当然，她现在知道中国人是什么样的了，身边即世界害了她

[leafsky @leafsky]

@bumingbaipod 苛责谷爱凌的人虚伪至极。赵婷因为十几年前采访时的一句话就使自己的作品从此无缘内地，运动员黄金年龄就那么几年，让谷成为第二个赵婷，你们就开心了？

[leafsky @leafsky]

@bumingbaipod 做这个题材真的low。谷凭什么知道中国国情？北京奥运会的时候归化了几十位运动员，他们都知道吗？还是谷比他们更坏？谷被中国归化的前情，真的想了解的人建议看看三联生活周刊那篇特稿<谷爱凌：正常生长>，中国滑雪爱好者在谷10岁还是个美国小女孩的时候就开始赞助她了，是中国滑雪人支撑了谷的梦想

[ᴊ0ʜɴɴʏ @jt0hny]

Alysa Liu says she doesn’t think her dad deserves to be happy about her skating return

“ I’m almost mad that he was happy “