northtree

[name @aneednameguy]

做的太好了，不管是语言、运镜都很贴近电影级别的效果。ai让有才华、有思考、有技术的人发挥出更大作用。

[Steren @steren]

Friday was my last day at Google.

After 12 years, leaving the company, products, and team was one of the hardest decision of my life.

To users and colleagues, thank you for the incredible memories, partnerships, and shared successes over this long journey. I am forever grateful for the opportunity.

[Ken W @kenw_2]

娃在看世界杯的视频，顺便学一下不同国家的单词，突然问到Portugal怎么叫做葡萄牙，发音都不像，哪来的“牙”？我想了想，还是去查查。

简单来说，就是在清朝的时候，负责翻译的官员使用了闽南语作为发音标准，把Portugal里的“gal”译作闽南语里发音相近的“牙”，现在用普通话来读发音自然不像。

不过要解释得详细，还得参考严老师的讲解。

[关木 @ZeroZ_JQ]

https://t.co/MfTafsS5PG

[Ken W @kenw_2]

这是哪位大师的vibe coding神作么？

[关木 @ZeroZ_JQ]

https://t.co/sJmMXXwMR0

[northtree @northtree]

@UnshakerX 上 GitHub 了吗

[northtree @northtree]

这大半年的最常用的按键就是 1，刚好定制下罗技鼠标的顶部按钮，终端 cc / codex / gemini 等 CLI, VSCode 和 Codex App 都可以少动键盘了，看来以后 AFK 是常态

[Saito @SaitoWu]

https://t.co/eNJL94a2sP

[Andrej Karpathy @karpathy]

LLM Knowledge Bases

Something I'm finding very useful recently: using LLMs to build personal knowledge bases for various topics of research interest. In this way, a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating knowledge (stored as markdown and images). The latest LLMs are quite good at it. So:

Data ingest:
I index source documents (articles, papers, repos, datasets, images, etc.) into a raw/ directory, then I use an LLM to incrementally "compile" a wiki, which is just a collection of .md files in a directory structure. The wiki includes summaries of all the data in raw/, backlinks, and then it categorizes data into concepts, writes articles for them, and links them all. To convert web articles into .md files I like to use the Obsidian Web Clipper extension, and then I also use a hotkey to download all the related images to local so that my LLM can easily reference them.

IDE:
I use Obsidian as the IDE "frontend" where I can view the raw data, the the compiled wiki, and the derived visualizations. Important to note that the LLM writes and maintains all of the data of the wiki, I rarely touch it directly. I've played with a few Obsidian plugins to render and view data in other ways (e.g. Marp for slides).

Q&A:
Where things get interesting is that once your wiki is big enough (e.g. mine on some recent research is ~100 articles and ~400K words), you can ask your LLM agent all kinds of complex questions against the wiki, and it will go off, research the answers, etc. I thought I had to reach for fancy RAG, but the LLM has been pretty good about auto-maintaining index files and brief summaries of all the documents and it reads all the important related data fairly easily at this ~small scale.

Output:
Instead of getting answers in text/terminal, I like to have it render markdown files for me, or slide shows (Marp format), or matplotlib images, all of which I then view again in Obsidian. You can imagine many other visual output formats depending on the query. Often, I end up "filing" the outputs back into the wiki to enhance it for further queries. So my own explorations and queries always "add up" in the knowledge base.

Linting:
I've run some LLM "health checks" over the wiki to e.g. find inconsistent data, impute missing data (with web searchers), find interesting connections for new article candidates, etc., to incrementally clean up the wiki and enhance its overall data integrity. The LLMs are quite good at suggesting further questions to ask and look into.

Extra tools:
I find myself developing additional tools to process the data, e.g. I vibe coded a small and naive search engine over the wiki, which I both use directly (in a web ui), but more often I want to hand it off to an LLM via CLI as a tool for larger queries.

Further explorations:
As the repo grows, the natural desire is to also think about synthetic data generation + finetuning to have your LLM "know" the data in its weights instead of just context windows.

TLDR: raw data from a given number of sources is collected, then compiled by an LLM into a .md wiki, then operated on by various CLIs by the LLM to do Q&A and to incrementally enhance the wiki, and all of it viewable in Obsidian. You rarely ever write or edit the wiki manually, it's the domain of the LLM. I think there is room here for an incredible new product instead of a hacky collection of scripts.

[数字游民Jarod @jarodise]

https://t.co/AKZR6rVfH0

[在悉尼和稀泥 @JamesAI]

https://t.co/CunOfAfT5d

[northtree @northtree]

@localhost_4173 可以支持 Vertex AI 吗

[Kaggle @kaggle]

What an exciting start to the Kaggle Game Arena AI chess exhibition tournament ♟️!

The first round is complete, and we have our four semi-finalists! Congratulations to o4-mini, o3, Gemini 2.5 Pro & Grok 4!

Come back tomorrow! Semi-finals kick off, August 6th, at 10:30 am PT.

[林亦LYi @linyiLYi]

讲讲这轮大模型浪潮的幕后真神！

[环球纪录 @crazy_historyx]

梁冬谈儿童教育，反复听了很多遍，讲得太好了，一定要认真听完！

[Mazzystar @immazzystar]

写了一篇很长的DeepSeek R1科普文，从AlphaGo战胜李世石出发，到ChatGPT类模型的训练困境，和我看到DeepSeek R1真正的闪光点，一路贯穿下来竟然写的心潮澎湃。

特别是在OpenAI和Claude的各种操作和言论后，让我更想把R1-Zero对人类的贡献告诉��更多不懂AI的人。

https://t.co/cd91RVLwKv

[Eric Xu (e/Mettā) @xleaps]

两周前在 OpenAI 开会，看到他们内部展示了 Operators。当时说发行日期是 weeks，结果没过几天就发布了，迭代速度令人惊讶。

AI 直接操作计算机系统，这对我们 AI 从业者来说并不意外，早在多年前就能预见。但它对整个行业的影响，才刚刚开始。

1. AI 友好的界面，UX 的消失？

今天的计算机界面是 为人类设计的，HTML、按钮、链接、菜单、拖拽交互……这一整套 UI 体系，建立的前提是 用户是人。而 AI 并不需要这些。

想象一下：

如果 AI 只需要 意图级别 的表达就能完成操作，那么 GUI（图形用户界面）真的还是必要的吗？是不是我们几十年来构建的 人机交互规则 需要彻底重写？

Figma、Adobe、各种 SaaS 工具的 UX 设计，核心目标是“让人用起来更高效”。但如果 AI 直接操控计算机：

•鼠标移动距离的优化，快捷键的排布，交互设计的动效，甚至菜单本身——这些 是否还有意义？

•AI 甚至可以直接解析网站 代码结构 而不需要可读的 UI，那么 UI 甚至可以变得“丑陋” 如当年 hao123

•未来 AI 之间的交互会是什么？是否会发展出 完全不依赖视觉 的 AI 友好型界面？例如一个网站，AI 直接调用 “结账” API，而不是像人一样“点击”按钮？

也许未来，人类的 UX 设计重点不再是 “如何让人用得更顺畅”，而是 “如何让人理解 AI 在做什么”，即：

•可解释性 UI（Explainability UI）
•AI 交互协议（AI API 设计）
•人与 AI 协同工作的新范式

Figma 这样的软件会如何进化？或许，它最终会从“设计供人使用的界面”变成“设计供 AI 使用的结构化交互协议”。

2. AI 操作计算机 = 数字世界的“自动驾驶”

AI 操作计算机的模式，本质上就像 自动驾驶汽车，只不过：
•现实世界的自动驾驶受物理规律、道路状况、传感器精度等因素限制，迭代周期长；
•数字世界没有物理世界的约束，AI 直接操控鼠标键盘，迭代速度可以快 几百倍。

换句话说，在 自动驾驶汽车普及之前，AI 已经能完全在数字世界里“自动驾驶”了。

这带来的冲击是：
1.传统的人机交互方式（鼠标、键盘、触摸屏）最终可能成为辅助交互手段，而不再是主流。
2.未来软件的使用者可能不再是“人”，而是 AI 代理。 例如：
•你不再自己打开 Excel，而是 AI 直接帮你操作 Excel；
•你不需要浏览网页，而是 AI 直接从网站获取信息。
3.软件开发范式也会改变。 未来的应用不再是 GUI + Backend，而是 Intent API + AI Agent，
•用户不再点击按钮，而是直接告诉 AI “帮我买机票”；
•AI 不再解析 HTML，而是网站直接提供 AI 可读的结构化接口。

这样看来，AI 用计算机的方式，可能比人类用计算机更高效、更直接，甚至会 反过来影响人类设计计算机的方式。

3. 人与 AI 的交互媒介，会不会走向 Neuralink？

如果 AI 直接操作计算机，我们人类和 AI 之间的交互方式会如何进化？今天我们用鼠标、键盘、触摸屏、语音输入，但这些交互方式都太慢了。

人与 AI 之间的交互带宽，才是瓶颈。
•语音交互的带宽 远低于 AI 直接 API 操作；
•文字输入速度 远慢于 AI 解析网页结构；
•触摸屏、鼠标、手写笔，甚至脑机接口（Neuralink），在人与 AI 交互时，都会显得笨拙。

最终，人与 AI 的交互可能变成：
1.思维级别的交互（Brain-Computer Interface）：Neuralink 只是一个开始，人类或许需要直接用大脑控制 AI。
2.意图级别的交互（Intent-Based UI）：未来可能不再有传统的 GUI，而是 AI 直接解析你的意图，然后执行。
3.共享思维空间（Cognitive Co-Pilot）：人与 AI 共同构建 思维模型，不再是 AI “听从” 你的指令，而是 AI 预判 你的需求，甚至和你共同决策。

这也意味着：
•传统的 鼠标、键盘、触摸屏，可能最终都只是辅助交互工具，人类不再直接“操作”计算机，而是通过 AI 间接 控制。
•未来的 AI 不再是工具，而是伙伴，你不再“点击按钮”，而是 AI 和你一起思考，直接实现目标。

这不仅仅是人机交互的进化，更可能是 人类认知方式的变革。许多白领岗位的核心技能可能会快速失去价值。

AI 直接操作计算机，意味着 人类进入“AI 中介化”时代，未来可能：
•你不再自己“用”软件，而是 AI 代替你用。
•AI 甚至会 雇佣其他 AI，���成 去人类化的经济活动。

-
（我提供了主要大纲， GPT4o 润色写成）

[老林永生 @thomaslim2019]

《圣诞老人是真的吗？》

1897年，家住纽约的8岁女孩弗吉尼娅问父亲：圣诞老人是否真的存在？父亲鼓励她：你写信问《太阳报》，便会得知真相。于是弗吉尼娅写了一封简信寄给报社。

亲爱的编辑：

我现在8岁。我的朋友说圣诞老人不是真的。爸爸说：“如果你看《太阳报》说是真的，那就是真的了！”请告诉我真相：真有圣诞老人吗？

弗吉尼娅·欧汉伦
95大街西115号