奔牛一头牛

crazy rabbit

[龙泉毅 @JOJO85871961]

荒诞喜剧《不倒车》
现实虚无主义，这片太牛逼了，我以为爱死机更新了呢

[奔牛一头牛 @newbeebes]

用guizang老师的video制作技能，对自己的路由注入控制项目做了产品介绍，太牛了

[小Z @richrichardoz]

闲着无聊，扒了下孙哥和景甜纠纷的很多细节。

在孙哥的文章里，景甜是一个又蠢又贪心，花销无度的女明星，孙哥是为圆梦年少白月光情结一掷千金步步沦陷的痴情大亨。

但是我研究之后觉得，景甜应该是真的想过和孙哥结婚的。

以下为细节：

1.首先最大的前提，孙宇晨，孙哥，是名副其实的孙学创始人。精明算计，一切行为，皆为利己。请带着这个前提审视孙割的一切行为。

2.孙哥对金钱有着极度的敏感和精明。文章中也提到过，只要是需要花销的地方孙哥都会一一审批。大到私人飞机小到景甜去医院做检查的几千块。我很难想象一个身家百亿千亿的富豪还会对几千块的支持锱铢必较，但是大概率也是在进行这些财务审批的时候，孙哥的大头胜过了小头。

作为一个前女友没钱吃饭只会喊她振作，亲爹想买辆车孙哥给他买个车库让他自己奋斗买车的人，孙割大概率玩过不少网红小明星。和景甜发生关系后，也吃过也玩过了，回过头来发现自己的白月光不过是一朵88年的人间富贵花，而且养育这朵老花需要的成本太高了。

于是孙哥选择止损。

3.孙哥贯穿全文的A330ACJ私人大飞机应该是许家印的圣遗物，当年号称花了超过2.2亿美元买下。恒大暴雷后被孙哥接手。去年12月这架飞机在特内里费南机场被拍到，也与孙哥小作文里的时间线吻合。

同时孙哥在文章里也提过运营私人飞机需要的开销很大，包括需要配重放油。

但是根据我在知乎看到的一些航空业内人士说，实际根本不需要这么放油配平。
https://t.co/7tfm64eyXz

这里有两个解释：
一、孙哥那会确实上头了，一不小心被人割韭菜了
二、孙哥为了艺术性表达虚构了这部分内容，用以反衬他对景甜的大度和景甜的小气（景甜因为要不要给顶包入狱的财务8万块纠结了3天）

4.孙哥文章里说景甜没陪他过情人节，后期也一直若即若离，暗示景甜对孙哥不上心没感情，只认钱认人。事实是景甜整个2-3月都有密集的工作安排。2月有微博之夜和一些活动，3月去参与了桃花坞的录制。

景甜之所以一直问孙哥去北京，大概率就是想让孙哥能陪着她去工作以及做孕前检查。包括取卵也是景甜一个人去的美国，因为孙哥那时候还没有和SEC完成和解，不敢去美国。景甜为了赶桃花坞的录制只能自己一个人先去美国取卵了。

这段时间也是孙哥和景甜感情的疲惫期，孙哥本人大概率已经下头了，但是女方已经上头了。所以还是自己一个人去代孕了。

5.5000万美元的故事

景甜本人也是吃过见过的，她的第一任后台当时为了捧她动用了不计其数的资源，《战国》让孙红雷做男主，《警察故事2013》让成龙提携她，《澳门风云》是周润发加谢霆锋。

结果这些电影全部扑街，背后后台也比较狠，国内不行走国际路线，《长城》直接让张艺谋导演，马特达蒙好莱坞大咖当男主，结果直接亏了7500万美元。

保守估计景甜参与的烂片起码亏了1亿美元。

所以景甜提出5000万美元也是有依据的，愿意打5折陪孙宇晨出演下半辈子的烂片。

6.对婚姻的选择一定要慎重

这段感情里，孙哥是慎重的一方，景甜是傻白甜的一方。孙哥专门给景甜做了一份详细的背景调查，从经济上到感情上，还专门和景甜核对了一遍看看哪里有出入。

结果景甜完全没了解过孙宇晨，还一直傻乎乎地问孙哥能不能陪她去北京，直到分手了才想起来去看孙哥前女友的微博取经。

7.孙哥什么时候对景甜下头的呢？

https://t.co/kATcluSaTQ

谜底出在谜面上，请看这条Twitter。2月22日，孙哥提出删除所有非90后的联系方式。而景甜是88年的。也就是说，这时候孙哥就已经动了对景甜的斩杀之心。

[Max For AI @MaxForAI]

最近看到一篇非常好的文章，想跟大家分享一下。

作者是 @yong_zhengxin ，目前在 OpenAI 做 RSI（递归自我改进）和 AI Safety 相关研究，博士毕业于 Brown University。

文章标题很直接：《LLM can jump》。

它讨论的是一个我觉得很重要的问题：

大模型到底能不能完成真正的科学“跃迁”？

今年 1 月，Google DeepMind Discovery Team 联合负责人 Tom Zahavy 写了一篇后来入选 ICML 2026 的 Position Paper，提出了一个非常直接的判断：

LLMs can't jump。

Zahavy 本身就在研究 AI 的创造力，他也是 AlphaProof 的主要贡献者之一。

按照他的观点，现在的大模型很擅长归纳和演绎，但缺少科学发现中非常关键的一种能力：

Abduction，也就是从已有现象突然跳到一个全新解释框架的能力。

比如爱因斯坦从“加速度和重力等价”出发，直接跳到广义相对论。

这种东西不是多算几步就能算出来的，而是突然换了一套理解世界的方式。

但 Yong 提出了一个很有意思的反驳：

为什么一定要求 AI 沿着爱因斯坦当年的路线，再发现一次广义相对论？

爱因斯坦提出广义相对论时，人类手里的知识非常少。

但今天完全不一样。

特殊相对论、量子场论、粒子物理、微分几何……过去一百多年，人类已经把大量原本不存在的知识节点补齐了。

Feynman 后来甚至展示过另一条路线：

假设爱因斯坦从来不存在，从量子场论出发，研究一个无质量、自旋 2 的粒子，再不断要求 Lorentz invariance、能量动量守恒和自洽性，最后一样会逼出广义相对论。

也就是说当知识足够丰富后，当年的“天才一跃”，可能会变成今天的一条长推理链。

这件事对 LLM 特别关键。

因为大模型很擅长同时读过大量不同领域的知识，然后发现某两个过去几十年从来没人放在一起看的东西，好像可以连起来去研究🤔。

今年 OpenAI Astra 解掉 unit-distance problem 的案例就很像这样。

它把代数数论里的 class field towers、Golod-Shafarevich theory，突然接到了离散几何的问题上。

两个原本离得非常远的领域，被连了一根线。

结果一个长期开放问题就被推过去了。

所以我越来越觉得，未来 AI 科学发现的形态，可能是：

发现异常
→ 搜遍其他学科
→ 建立几十万个候选连接
→ 推导
→ 用代码、证明器、实验验证
→ 错了继续搜

只要搜索空间足够大，验证成本足够低，机器眼里的一次普通 search + verification，在人类眼里可能就是一次范式跃迁。

但这也引出了一个更麻烦的事情。

以后你想通过“把危险知识从训练数据里删掉”来限制模型，可能也没那么容易。

因为你删掉的是答案。

但只要周围的知识还在，模型可能自己把答案重新推出来。

所以最后的问题变成了：如果全人类的知识已经足够密集，一个可以跨越所有学科、无限搜索并不断自我验证的系统，到底还需不需要所谓的“idea”？

AI 不需要成为爱因斯坦。

它只需要读完爱因斯坦之后，人类留下的所有东西。

这篇文章非常好，推荐大家去读一下！

[李老师不是你老师 @whyyoutouzhele]

“人说的话不算数，只有妖说的话，朝廷才会怕。”

8月17日，一创作者发布AI短剧。视频以虚构的东汉末年为背景，讲述民不聊生、卖官鬻爵、官府失职最终走向黄巾起义的故事。

片中负责查验、记录“妖异”的裴令使逐渐发现，所谓怪事背后其实都是活不下去的人。
他感叹：“人说的话不算数，只有妖说的话，朝廷才会怕。”
朝廷面对各地骚乱，则希望把问题归咎为“张角的妖法”和“百姓无知被蛊惑”，因为一旦承认是人为，就意味着“朝廷失纲”“陛下失德”。

裴令使离开洛阳后看到村庄凋敝，最终意识到：“这场乱不是张角造出来的，他只是比朝廷更早听见了地底下的声音。”
张角则说，自己最大的“妖术”不是符水治病，而是“让一群已经认了命的人突然不认命了”。

视频弹幕中，不少网友直接用“大规模失业”“腐败”“力工觉醒”“双输好过单赢”等当代语汇解读剧情，将东汉末年的故事与现实处境相联系。

[小互 @xiaohu]

工牌特工

嘿嘿

这个质量很高，AI制作，完全是电影的感觉，而且还挺搞笑🤪

全片由小云雀Seedance2.5制作完成

作者：许立展 （抖音）

[奔牛一头牛 @newbeebes]

Lennys newsletter最坑的在于，一边默认订阅，一边去年的优惠app，有些是月度的，你不知道就给你扣费了

[Elon Musk @elonmusk]

In the future, a trillion times a trillion dollars will be spent on making antimatter to travel to other star systems

[奔牛一头牛 @newbeebes]

**🧵 1/20**

从 Prompt Engineer → Context Engineer → Harness Engineer → Dynamic Workflow → Loop Engineering

AI Agent 工程技术栈在 3 年内经历了 5 次范式跃迁。很多人还停在第一层，但最核心的杠杆已经上移了三次。

这是我为你整理的完整演进脉络 🧵👇

**🧵 2/20**

📌 时代一：Prompt Engineering（2022-2024）

核心思想：把指令写对，模型就能答对。

你写 System Prompt、Few-shot、Chain-of-Thought。你是操作者，AI 是工具。

局限：单次对话，无法访问文件/执行代码。模型是被动的黑盒子。

**🧵 3/20**

📌 时代二：Context Engineering（2024-2025）

核心洞察：不是模型不够聪明，是你没让它看到对的上下文。

你开始设计信息的架构——哪些文件进 context、如何压缩历史、如何分块检索。

局限：解决了"看到什么"，没解决"能做什么"。模型仍是问答系统。

**🧵 4/20**

📌 时代三：Harness Engineering（2025-2026）

💡 关键公式：Agent = Model + Harness

Viv Trivedy 提出。发现同一模型在不同 harness 下性能可差 10 倍。

Terminal Bench 2.0 上，仅改 harness 就把 agent 从 Top 30 推到 Top 5。

**🧵 5/20**

Harness 包含：CLAUDE.md / AGENTS.md、Skills、MCP 服务器、Sub-agents、Hooks（lint/typecheck 反向压力）、沙箱、可观测性。

核心习惯：**每一个 agent 错误都是永久信号**。出事就加规则，让它永不犯同错。

"差的模型 + 好 harness > 好模型 + 差 harness"

**🧵 6/20**

📌 时代四：Anthropic Dynamic Workflow（2024.12）

Anthropic 发表《Building Effective Agents》，提出 6 种可组合模式：

① Prompt Chaining
② Routing
③ Parallelization
④ Orchestrator-Workers
⑤ Evaluator-Optimizer
⑥ Autonomous Agents

这是第一套系统化的 agent 架构模式语言。

**🧵 7/20**

但 Dynamic Workflow 仍局限在"一次会话内"——假设你在同一个 context window 中完成所有步骤。

它没有解决：跨 session 运行、定时触发、状态持久化。

于是下一个范式出现——

**🧵 8/20**

📌 时代五：Loop Engineering（2026.6）

Peter Steinberger 说：
"你不该再直接 prompt coding agent 了。设计 loops，让 loops 去 prompt agents。"

Anthropic Claude Code 负责人 Boris Cherny：
"我早就不 prompt Claude 了。我跑着 loops，它们去 prompt Claude。我的工作就是写 loops。"

**🧵 9/20**

Loop 的 5+1 构建块：

🔁 Automations — 定时自动发现和分类问题
🌲 Worktrees — 隔离并行工作
🎯 Skills — 编码项目知识
🔌 Plugins/Connectors — 连接真实工具
👥 Sub-agents — 一个提议，一个审查
📦 State（第六元素） — 跨 session 记忆

**🧵 10/20**

两个产品能力惊人地对仗：

Codex — Claude Code

Automations tab — /loop /goal /cron
Built-in worktree — git worktree / --worktree
Skills (SKILL.md) — Skills (SKILL.md)
MCP Connectors — MCP servers
Sub-agents (TOML) — Sub-agents (YAML)

形状一样。工具之争不重要了。

**🧵 11/20**

一个 Loop 的真实工作流：

① 每天早上 automation 自动运行
② 调用 triage skill 读取 CI 失败/issue/commits
③ findings 写入 state file 或 Linear board
④ 每个值得做的 finding → 打开隔离 worktree
⑤ 派 sub-agent A 起草修复
⑥ 派 sub-agent B（不同模型）审查
⑦ Connectors 打开 PR、更新 ticket
⑧ 处理不了的落入你的 triage inbox

**🧵 12/20**

你做了什么？你只设计了一次。

你没有亲自 prompt 其中任何一个步骤。

你不再是一个写 prompt 的人。
你是一个设计 loop 的人。

**🧵 13/20**

🔍 Loop vs Prompt Engineering

Prompt：你手动一轮轮交互，你推着 AI 走
Loop：系统自动发现工作，你设计系统

Prompt：线性扩展（你只有两只手）
Loop：超线性扩展（多个 sub-agents 并行）

**🧵 14/20**

🔍 Loop vs Context Engineering

Context：管理当前会话的上下文
Loop：管理整个系统的生命周期

Context：一次交互中看到对的信息
Loop：跨 session 持续运行，主动发现工作

Loop 包含了 Context Engineering 的能力（通过 Skills），又远不止于此。

**🧵 15/20**

🔍 Loop vs Harness Engineering

Harness：单个 agent 的运行环境（工厂车间）
Loop：整个工厂的生产调度（管理系统）

"Loop engineering sits one floor above the harness. The harness but it runs on a timer, it spawns little helpers, and it feeds itself." — Addy Osmani

**🧵 16/20**

🔍 Loop vs Anthropic Dynamic Workflow

Dynamic Workflow：一套设计模式（蓝图）
Loop Engineering：一个运行时系统（自动化流水线）

Dynamic Workflow 教你怎么架构 agent
Loop Engineering 教你让这个系统自我迭代

**🧵 17/20**

⭐ Loop 的五大独特优势：

① **自动驾驶**：你不再是操作员，你是系统设计师
② **Maker/Checker 分离**：写代码的 agent 不自查，检查者用不同模型——你能放心走开
③ **跨 session 记忆**：agent 会忘记一切，但 repo 不会
④ **工具无关**：同一 loop 在 Claude Code 和 Codex 中都能跑
⑤ **复利效应**：Skills 越积累，循环越强

**🧵 18/20**

⚠️ 三个关键警告（Loop 不会把你从工作中删除）：

① **验证仍在你身上**：无人值守的 loop 也在无人值守地犯错
② **理解会腐烂**：loop 越快交付代码，你实际理解的系统差距越大——除非去读产出
③ **最舒服的姿势最危险**：当 loop 自动运行时，你容易停止判断

**🧵 19/20**

Addy Osmani 的金句收尾：

*"Loop design 比 prompt engineering 更难，而不是更简单。杠杆点移动了。构建 loop，但要像一个仍然打算做 engineer 的人那样去构建它，而不是像一个只会按下 'go' 按钮的人。"*

**🧵 20/20**

📌 一张图总结技术栈演进：

2022: Prompt Engineering → 指令质量
2024: Context Engineering → 信息质量
2025: Harness Engineering → 环境质量
2024.12: Dynamic Workflow → 架构模式
2026.6: Loop Engineering → 系统自动化

你的角色从"写 prompt"一路升级到"设计让 AI 自我运行的系统"

最好的 AI Agent 工程师不再是最会写 prompt 的人。
而是最会设计系统的人。🛸

---

**📎 附录：每层对应的推荐阅读**

• Prompt Engineering → OpenAI / Anthropic 官方 prompt 指南
• Context Engineering → RAG 系统、Cline、Cursor
• Harness Engineering → @addyosmani Agent Harness Engineering / @viv_trivedy Anatomy of an Agent Harness
• Dynamic Workflow → Anthropic《Building Effective Agents》
• Loop Engineering → @addyosmani Loop Engineering / OpenAI Codex 文档

---

这就是完整的格式了！你可以直接：

1. 📋 全选复制上面的所有内容
2. 📱 打开 X/Twitter
3. 🧵 点击"发帖"按钮开始写第一条
4. 粘贴第 1/20 条 → 点"添加到 thread" → 粘贴第 2/20 → 依次类推

每条 tweet 都独立完整，读者可以顺着 thread 从头读到尾。需要我调整任何部分的措辞或长度吗？

[Rust all in Tsla @Rustallintsla]

这个视频刷到不知道多少次了。

每一次都会每一秒不跳地看完。

一颗颗空中爆炸的火箭，在现在看来真是璀璨的烟花。

一声声质疑和嘲笑，如今却为传奇添加了更多的色彩。

很有幸，我们不需要看着书本上，靠先哲激励我们，我们有同时代的Elon Musk。

[Vincent @Vincent_AINotes]

停更两年，这位博主一回来就甩了个王炸。💣

他把整个 AI 产业链拆解成了 12 个层级，从最底层的能源、芯片，一直推到未来的“AI 原生经济生态”。

这视频值得反复看，尤其是最后关于“AI Native 公司”的定义，很有启发。👇

[奔牛一头牛 @newbeebes]

https://t.co/64s9BX8DH2

[奔牛一头牛 @newbeebes]

@btcbqr 康德西软膏是一款标准的**“械字号”（医疗器械）**产品，只是一个“物理保湿霜”，没有任何生物化学或药理学层面的作用，绝对不可能去“调节什么金黄色葡萄球菌释放的 V8 蛋白酶”。

[奔牛一头牛 @newbeebes]

@btcbqr 研究论文确实有，在 《Cell》发表，2023 年的文章，但是现代新药研发的周期极其漫长。哈佛大学关于“V8蛋白酶”的论文在 2023年底 才刚刚发表，目前仅仅停留在实验室和动物模型阶段。截至目前，全球没有任何一款基于抑制 V8 蛋白酶原理的湿疹外用药物正式获批上市。

[Dr.Wang @HotmailfromSH]

[几十亿分之一]

这个做的太牛了！当感性纯度99%的父亲遇上理性纯度99%的女儿。

video credit by:拓星研究所

[Andy Stewart @manateelazycat]

Good read

[奔牛一头牛 @newbeebes]

@YigeKing 这款机器自带磨豆机一般，冲头和其他通用的不一致

[无人机咻咻咻 @swyxy4484]

这是一个暖心的视频
这才是自媒体大V 该干的事

博主看到云南一群少数民族少年在打篮球
其中打的最好的一个少年说他偶像是奥尼尔

安排，
从不相信 ，到开心，到失落，到惊喜

经历了这事，这个篮球少年一定会实现他的愿望进CBA

[奔牛一头牛 @newbeebes]

@Hixlan1996 最简单的方式，让它用 csv 的格式输出给你，你在本地新建一个 csv，用记事本打开，粘贴文本进去，之后用 excel可以打开，也可以转换为 excel 格式

[奔牛一头牛 @newbeebes]

@jjgfscbd 不要晚睡，越晚越容易抑郁，多晒太阳，睡不着很多时候是精神太紧绷，可以试试听点东西转移注意力来放松