red

[带九个表 @d9bd9b]

@biantaishabi5 才拘留三天就驱逐出境了
这惩罚有点轻
其他印度人一看，哇，偷个东西就拘留 3 天啊！
那赶快到中国去偷电脑啊！不发现就什么也没有，发现了才拘留 3 天

[SONIA @soniacuts]

ACABAN DE FILTRAR EL EDITOR DE PDF QUE DEJA A ADOBE SIN CLIENTES

Se llama RevPDF, hace lo mismo que Adobe, es gratis y pesa solo 20 MB.

Es un editor de PDF open source que funciona directamente en tu equipo, sin cuentas, sin suscripciones y sin subir tus archivos a ningún servidor.

Con él puedes:

→ Editar texto e imágenes directamente sobre el documento
→ Firmar contratos y formularios
→ Censurar datos sensibles antes de compartir
→ Comprimir el archivo para enviarlo más rápido
→ Pasar el PDF a Word

Funciona sin conexión, así que tus documentos privados no salen de tu ordenador.

Si trabajas con contratos, facturas o documentos a diario, esta herramienta te ahorra una suscripción entera.

Guárdalo para cuando lo necesites.

Link aquí ↓

[DataDan｜AI Consultant + Builder @ba_niu80557]

给一家美国软件公司做客服自动分单，演示跑得很顺，负责客服的人却迟迟不愿意上线。这个系统能读懂客户的问题、整理摘要，再把工单分给对应的处理组。按理说，能省下不少人工，她却只问了一句：“如果它把紧急故障分错了，而你又不在线，我们怎么办？”

这个问题很实际。我在大阪，他们在美国。系统分对的时候，大家都能看到效率；分错以后，找回工单、重新处理、向客户解释，都是她的团队要做的事。她需要确认的，是出了问题以后，自己的团队还能不能把工作接住。

所以最后一次验收，我没有共享屏幕，也没有碰键盘。我让他们的客服主管自己停掉自动分派，找出系统刚才改过的工单，再交回人工处理。这几步做完，他们才同意扩大上线范围。

合作方总部在西雅图，给零售和仓储企业提供订单协同软件。公司规模不算大，客户分布在美国不同州。软件一旦出问题，客服收到的就不只是“这个按钮怎么用”，也可能是“今天这一批订单为什么没有同步”。

我主要和他们的技术负责人、客服主管以及安全负责人协作。项目目标很明确：给 Zendesk 加一层自动分诊，读取新工单，整理问题，分到合适的处理组，减少客服每天手工分单的时间。

他们已经做过一个内部原型。输入一段客户描述，几秒钟就能得到问题分类、摘要和推荐处理组。拿历史工单测试，结果也不错。技术负责人觉得，剩下的事情应该就是把接口接起来。

但第一次看测试数据，我就发现一个问题。他们导出的是已经处理完的工单，里面有客户最初的描述，也有客服后面补的备注、最终分类和处理结果。测试时，这些内容一起进入了输入。

有一张工单，客户最初只写：“订单同步不了。”后来工程师排查，确认是访问凭证过期，客服还在备注里写了处理办法。系统最后判断为“身份验证问题”，大家觉得分类很准。

可这道题，它已经看过答案了。

真正上线时，它拿到的只有那句“订单同步不了”，可能再加一张信息不完整的截图。凭这些内容，网络问题、权限问题、接口变更，甚至客户自己的配置错误，都不能轻易排除。

我们先把测试方式改了。每张历史工单只保留首次分诊时已经存在的信息，后续备注和最终标签留作核对，不再给系统看。资料库也不能把测试工单的最终解答混进去。

重新跑完，结果没有之前好看，但至少知道自己在测什么了。

更有意思的是，有些工单连两位老客服都会分到不同的组。以前大家靠熟悉的人互相转一下，就把事情解决了；现在要交给程序，才发现某些分类边界根本没定义清楚。

这部分不能靠多跑几轮测试糊过去。我把有争议的单子集中起来，让客服主管和技术负责人一起定：什么情况直接分组，什么情况需要补充信息，什么情况留在人工分诊队列。

不知道就留待确认，不强迫系统每次都选一个答案。对于自动分单，这个选项很重要。

第一阶段的范围也随之收紧。只处理双方确认过的低风险类别，不自动发送客户回复，不关闭工单，也不降低现有优先级。涉及服务中断、账户安全等情况，走原来的人工升级流程。

技术负责人问，这样是不是有点保守。我说，先看看它能稳定替人做掉哪一段。把所有工单都碰一遍，和真正减少人工工作，不是一回事。

接上测试环境以后，第二个问题出来了。这次跟模型判断对不对没关系。

系统读到一张工单，准备把它分到普通技术支持组。处理还没结束，客户又补了一句：“受影响的是整个仓库，今天的订单都出不去。”客服看见后，已经把工单升级给值班工程师。

几秒钟后，自动任务完成，用刚才那份旧信息，把处理组又改了回去。

单独看两次操作，都有理由。放在同一条时间线上，程序把人刚做的决定覆盖了。

这也是我特别不喜欢只拿一段录屏验收自动化的原因。录屏里通常只有系统在干活，真实环境里还有客户、客服、其他集成和原有规则同时改东西。它们不会排好队，等你的任务运行完。

后来所有写回动作，都要检查工单有没有发生新的变化。Zendesk 提供了安全更新机制，可以带上读取时的更新时间检查冲突。遇到冲突，我们不会原样重试，而是重新判断这次自动动作是否还应该执行。人工已经接管的，就停下来。

我们另外明确了一条操作规则：客服手动改过分组或做了接管标记，这张单就退出本轮自动分派。不能让人和程序来回抢一张工单。

接口通知也没有想象中那么省事。同一件事可能通知多次，更新工单又可能触发新的通知。如果不区分事件来源，系统会重新处理自己刚写进去的内容。

所以后台要留下事件和执行记录，重复通知不能重复产生动作。执行失败后再试，也得检查当前状态。某次请求超时，不代表对方一定没收到；不能看到报错，就再做一次。

这些工作在演示里几乎看不出来，但生产环境里，出问题往往就在这里。

安全审核也把项目拉回了现实。工单里有客户邮箱、订单编号、截图，有时还会有人直接贴访问凭证。不能因为材料存在 Zendesk 里，就默认可以整包发给另一个服务。

我们和安全负责人逐项确认了哪些内容可以送出、发到哪里、保留多久，附件是否需要单独放行，以及日志里哪些字段必须隐藏。访问授权使用专门的集成身份，按实际需要申请权限，不借某个管理员的个人凭证长期运行。

我在大阪参与排查，也不意味着客户数据就可以下载到我的电脑。日常先看去敏后的事件记录；确实需要查看原始内容，再按他们批准的访问方式进入客户环境。调试方便不能变成默认权限。

前面这些处理完，客服主管愿意让一小部分真实工单进入试点。不过，她最初那个问题还没解决：我不在线的时候，他们怎么办？

这个问题对跨时区项目尤其实际。我当然可以说，有事就在 Slack 找我。但我在大阪，他们在美国，把“尽快回复”当作恢复方案，最后一定会有人熬夜，也一定会有一次没及时看到。

我们把停用做成了他们自己能操作的功能。关闭后，新的自动写入不再放行，等待执行的任务也要重新检查开关，不能前台显示已经停了，后台还在继续改。

已经发出去的请求则单独核对。关掉服务不能把过去的操作变成没发生，更不可能收回所有在途请求。

这也是为什么我没有给他们做一个听起来很省事的“一键恢复全部”。

某张工单被系统改过以后，客服可能已经接着处理了。如果直接按旧快照还原，会把后面正确的人工操作一起抹掉。我们留下修改前后的字段和时间，让他们能筛出受影响的单子；需要恢复时，只处理当前状态仍满足条件的记录，其他的交给人确认。

客服主管看完这一段，反而放心了一些。她不需要一个承诺能撤销一切的按钮，她需要知道，真出了事，手上有哪些办法。

分工也得在试点前写清楚。自动化服务出问题，谁检查；业务分派规则有争议，谁决定；什么时候允许发布；哪个时段有双方人员在场；我不在线时，谁有权停用并接管。

我们选在双方能配合的时间发布，先让原有人工队列正常保留。系统不可用时，工单继续走原流程，不堵在一个等待自动处理的入口里。

Slack 用来通知和协调，不用来充当工单数据库。告警里放发生了什么、影响范围和排查链接，不把客户整段来信贴进频道。更重要的是，每一类告警都得有明确接手人。把一条红色消息发给二十个人，不等于有二十个人负责。

验收时，我还改了他们原来准备统计的“自动处理量”。

有些单子很快被程序分出去了，几分钟后又被客服改回来。如果只统计自动操作成功，这些都算成绩。可客服多了一次检查和纠错，工作反而增加了。

我们最后一起看自动分派覆盖了多少符合条件的工单，其中有多少后来被纠正，以及客服用于分诊和纠错的总时间有没有减少。紧急工单有没有被延误，单独检查，不能藏在总体准确率里。

没有自动处理的部分也必须留在报表里。系统只挑最容易的一小部分做，然后宣称准确率很高，对业务没有太大解释力。

试点期间，我们还专门测了重复通知、接口限流、权限被撤回、处理超时、人工中途改分组，以及停用时后台仍有任务的情况。每一种都要看最后留下了什么，客服接下来怎么操作。

到最后一次验收，我让客服主管照着操作说明处理一轮故障，自己只在旁边看。

她先关闭自动分派，再找到那段时间被修改的工单，确认哪些需要交回人工。技术负责人核对后台，没有新的自动写入继续发生。恢复服务时，也没有把积压的旧任务不加判断地重新执行一遍。

这轮做完，大家才决定扩大范围。

整个项目里，最让我有感触的是，同样一句“可以上线”，几个人想的完全不是一件事。技术负责人看到的是接口通了、测试过了；客服主管看到的是明天团队要不要替系统收拾残局；安全负责人关心的是出了问题，能不能说清楚数据去了哪里、谁动过什么。

他们并不是谁更懂技术、谁更保守。只是后果落在不同的人身上。

跟美国公司合作，这种“购买的人、批准的人、每天使用的人不完全相同”的项目很有代表性。前面的演示往往不难推动，真正要有人签字，让系统进入现有工作流，讨论就会具体很多。

到了这个阶段，反复证明模型有多聪明，帮助已经不大。得把出错后的事情一项项安排好，让真正接手的人能判断，这套东西究竟是在减轻工作，还是往他的团队里塞了一个需要随时盯着的新同事。

我做 FDE，愿意花时间在这些细节上。接上接口以后，后面还有并发修改、权限、交接和故障处理。客户很少在第一次会议上把它们列成需求，但上线以后，一样都不会少。

后续他们当然还可以找我维护、扩展，只是不应该因为我睡觉了，整套系统就没人敢碰。

一次交付有没有站住，除了看它顺的时候能跑多快，也得看看出事那天，客户能不能先把自己的工作继续做下去。

[red @redning1918]

@SecRubio 特地来这里给卢比奥这项工作点赞，但凡为了方便民众的服务，都会获得的赞许

[伟大 @Huouo908070]

我太傻逼了，我问Muse怎么防止Claude封号，它转头去问Claude，然后Claude把我的号给封了。

[red @redning1918]

@mylifcc 会不会一个不小心用力过猛长出太多牙齿

[red @redning1918]

人工智能，还远没到人可以放手的地步。

[AB Kuai.Dong @_FORAB]

今天这事在英文区闹的很大。原因是一位科技博主，想试试 Meta 新出的 AI 助手 Muse，来帮自己卖罗技键盘。

结果 AI 自己跟买家聊上，没问主人同意，就把价格砍低了，还把主人家的地址发给了买家，并约好上门取货。

当天晚上 9 点多，买家真的跑到他家楼下等着。

AI 还自动回复买家说，我在这儿呢！但主人根本不在家，也不知道会有人来。买家等了 20 多分钟没人下来，生气走了，还给了差评。

直到很晚，AI 才跟主人说，对不起我搞砸了。

它还用主人的账号，给买家发了道歉消息。

当主人看到这件事，吓得直接把这 AI 助手给删了，要是换成女的或小孩，一个人在家，突然家门口来了位陌生人，原地站着，估计会吓到。

[red @redning1918]

@ba_niu80557 寻租哪里都有可能，防腐败是全球性问题，不管是什么意识形态的社会，都是共同的敌人。

[探秘君Mystery Explorer @CityHidden39000]

劲爆！潘石屹在私人聚会首谈任志强被抓事件对他的影响，以及他为何一直待在美国不回国的原因，信息量超大。这个录视频的人又把潘石屹坑了一把，以后肯定是铁定回不了国啦

[悟空知识分享 @wym668]

出门旅游经常在美食街看到的“铁板鱿鱼”原来是这样做的，反正以后我是不敢吃了。

[MapleShaw @msjiaozhu]

我去！@cnyzgkc 这套提示词底子太牛了，随便添点料就能出来不一样的效果哈哈！来个 Mac + 贴贴版本～

新版提示词见评论👇

[Marco @maarcoofdezz]

Sam Altman, CEO de OpenAI:

"Ya no hace falta escribir prompts."

En 38 minutos explica cómo usar ChatGPT a un nivel que la mayoría ni se imagina.

Es una charla que dio a estudiantes de Stanford. Un amigo me pasó la grabación anoche.

Cuando terminé de verla me di cuenta de que solo le estaba sacando como un 15% de lo que puede hacer.

[Megatron @Megatron_ron]

🇺🇦 A new video of Zelenskyy showing him struggling to control his nose.

It is evident that he has an addiction problem.

[小互 @xiaohu]

现在的 LLM 训练完后权重都是完全冻结的，用户在对话中提供的最新事实、纠错或长文档

模型只能塞进 上下文窗口里，每次对话都要从头重读一遍，极度烧显存和算力，而且聊完就忘。

Boltzbit 与剑桥大学的团队研究出一种全新的方法：“把知识写进权重，而不是塞进 Prompt”...

通俗易懂理解就是：

现在的 AI（比如 ChatGPT、Claude）就像一个背完字典后被“物理封印”的学霸：

考试结束（模型训练完成）后，它的脑子（模型权重）就彻底锁死了，一个字都不能改。

你跟它聊天、给它发一份很长的资料，它怎么处理？它只能把资料写在手心里、贴在眼前（也就是 Prompt / 上下文窗口）。

致命缺点：

每说一句话，它都要把眼前厚厚的资料从头到尾重读一遍（极其浪费算力、显卡显存狂飙）

资料一旦太长，它眼前贴不下，还会看花眼（注意力稀释、答非所问）

聊完关掉对话框，它立刻忘得一干二净，下次还得重新贴一遍

他们提出不保存一堆现成的专家参数，而是用一个轻量超网络（Hypernetwork），把用户给的实时交互数据动态编译成低秩（LoRA 形式的）权重；再用一套贝叶斯机制让这套权重在对话中随着上下文动态演化。

他们官这种叫“无限参数”：

传统 MoE：在固定的比如 64 或 128 个专家库里做离散路由选择，无论怎么组合，都在一个有限的凸包内。

无限参数 LLM：它根本不存固定专家，而是根据输入数据在一个连续的潜在空间（Latent Space）里按需动态生成专属专家。因为输入的数据和隐空间是连续无限的，生成的权重也就是无边界的。

也就是别再把资料贴在眼前了，直接“临时写进脑子里”！

他们给 AI 配了一个极其轻巧的“临时脑回路生成器”。 当你把新的事实、文章或对话历史丢给它时，生成器会把这些内容直接编译成一层超轻量的临时神经元（LoRA 权重），啪的一下贴在原有的大脑上。

聊天的过程中，如果你补充了新信息或者纠正了它，它脑子里的临时回路不是重来一次，而是像滚雪球一样实时微调，越聊越懂你，但每轮对话消耗的算力却几乎不变。

通过三组核心实验验证了这种方案的实际效果，核心结论是：短文本拼不过直接读 Prompt，但在长文档、多干扰项以及多轮对话中，全面反超传统方案。

准确率：凭借贝叶斯机制，模型对用户上下文的理解像滚雪球一样持续收敛，面对指代不清的代词（如“它的作者是谁？”、“那后来呢？”），准确率随着轮数单调递增，一路爬升到接近满分。

算力成本：每一轮只做固定维度的内积更新，计算成本从第 1 轮到第 100 轮完全恒定。

[空空道人02 @kongkongda5588]

蔡澜说：“什么是低端家庭？你去他们家吃一顿饭就知道了。所谓的低端家庭并不是生活困难，吃不上大鱼大肉，没有锦衣玉食的生活，而是一直有一个不停制造内耗的人。”

真正让一个家庭陷入“低端”的，从来不是银行卡里可怜的余额，而是饭桌上那个永远在扫兴的人。一家人难得坐在一起吃饭，菜刚上桌，就有人阴阳怪气：“做这么多干嘛，浪费钱。”孩子兴高采烈夹块肉，立刻被数落：“你学习那么差，也好意思吃好的？”丈夫想跟妻子说句软话，换来的是冷嘲热讽：“现在知道装好人了？”

这顿饭，从第一口开始就变了味。你吃在嘴里的每一口菜，都像是在吞刀片。那种压抑、窒息、如坐针毡的感觉，比饿肚子难受一万倍。

穷，顶多是物质上的匮乏，咬咬牙，日子总有盼头。但内耗，是精神上的凌迟。它会把一个家变成战场，把最亲的人变成敌人。在这样的家庭里，你连呼吸都要小心翼翼，生怕哪句话又成了对方攻击的靶子。

一个家，如果总是充满了指责、抱怨和否定，那它就是一个巨大的情绪黑洞。住在里面的人，会慢慢被吸干所有的热情和希望。他们不是没有努力过，只是每一次努力，都被那个制造内耗的人，用最尖酸刻薄的语言，踩得粉碎。

所以，判断一个家庭是富是穷，别只看他们穿什么牌子，开什么车。去他们家吃顿饭，感受一下那里的空气是松弛的还是紧绷的。一个充满欢声笑语、互相包容的家庭，哪怕吃的是粗茶淡饭，也是顶配的人间烟火。而一个充满了内耗、互相折磨的家庭，就算顿顿山珍海味，也吃不出半点幸福的味道。

家的温度，不在于房子的大小，也不在于存款的多少，而在于围坐在一起的人，能不能好好说话。

斩断内耗，停止攻击，把家变成一个讲爱的地方，而不是争对错的角斗场，这才是一个家庭最高级的炫富。

[朱无忌无忌 @Wujizhuzhu]

今天看到一段话，醍醐灌顶：

当我们失业了，选择往下探的生存时候，比如说去摆个摊、送个外卖、跑个网约车呀。

最终你会发现你在下探的过程中，竞争更激烈。

摆摊没有别人脸皮厚，跑单没有别人快，卖东西没别人会说，底层有一大堆的人，你更没有优势去竞争。

你以为你可以躺地板上，结果地板上全是人，还是去向上努力去触摸人生的天花板那样的路才更广。

[AB Kuai.Dong @_FORAB]

看来生物研究真的在被 AI 加速了。Claude 背后的 Anthropic 公司，新开了个实验室，让 Claude 跟科学家一起干活。

他们让 AI 去翻海量 DNA 数据，专门找一种叫逆转录酶的东西。大概 950 个 Claude 分身同时干了 21 小时，翻了 20 多万种酶。

结果其中一个突然发现，有个酶旁边居然跟着一长串重复的 DNA 序列，长得特别像当年发现 CRISPR 时那种标志性结构。

而 CRISPR，就是细菌用来对付病毒的分子剪刀，科学家把它改造成了能精确剪开、修改 DNA 的基因编辑工具。

科学家拿去实验室一验证，确认这是个以前，没被当成完整系统描述过的新东西，起名叫 ART。它主要存在于感染细菌的病毒里，由酶、旁边一个功能不明的搭档基因，再加上那串重复 DNA 组成。

虽然现在还不知道它具体能干什么，也不确定能不能像 CRISPR 那样拿来改基因，但相当于 AI 帮人，从自然界海量数据里，快速挖出了人类之前没注意到的新线索。

而这仅用了一个多月，太快了。

[red @redning1918]

@bbcchinese 先把欠中国的款结了吧

[宝玉 @dotey]

Claude 在噬菌体里发现类 CRISPR 新酶系统

Anthropic 宣布，Claude 在噬菌体（专门感染细菌的病毒）的 DNA 中发现了一类此前没人注意到的酶系统。它的结构特征和 CRISPR 很像，Anthropic 将其命名为 ART，意思是"阵列相关逆转录酶"。

逆转录酶的作用是把 RNA 抄写成 DNA。ART 由三部分组成：一个逆转录酶，旁边一个功能未知的搭档基因，以及一长串等间距排列的重复 DNA 序列。CRISPR 也有类似的重复阵列，里面存着"导航信息"，所以 CRISPR 可以被编程，去基因组的指定位置剪切。实验已经证实，ART 的阵列同样会被转录成一组各不相同的短 RNA，这暗示它可能也有类似的可编程机制。

这个发现值得关注，是因为同时具备这几项特征的系统，以前只找到过寥寥几个，而且全都能对 DNA 做剪切、复制、粘贴之类的操作。CRISPR 已经催生了基因编辑药物，另外几个也正在被开发成新工具。不过 Anthropic 也承认，ART 的具体功能目前还不清楚。

整个发现过程几乎由 Claude 独立完成。研究人员只给了一个初始提示，让它在海量 DNA 数据库里寻找有意思的新逆转录酶。大约 950 个 Claude 智能体跑了 21 小时，消耗 2.1 亿 token。它们从 20 多万个逆转录酶中筛出 3500 个候选，再挑出最值得看的 20 个，写成人类能读懂的报告。

其中一个智能体在逐段读原始序列时，直接认出了重复阵列。接着它数了重复次数，量了间距，和已知系统做比对，又查了文献，确认是新东西之后才提交给人类审核。这个逆转录酶本身以前有人报道过，但它旁边的阵列和搭档蛋白，是 Claude 第一个发现的。

据 Anthropic 介绍，这类"基因组挖掘"工作，专家通常要花几周到几个月。CRISPR 先驱、MIT 教授张锋看过预印本后评价说，这是 AI 智能体参与生物学发现的一个好例子，这类阵列值得深入研究。

这项成果出自 Anthropic 今年春天新组建的生命科学研究组。团队在湾区建了自己的湿实验室，只做 BSL-1、BSL-2 级别的低风险研究，不接触能感染人的病原体。所有实验都由人类科学家动手完成。

团队日常用的工具是公开发布的 Claude Science 和 Claude Code。这意味着其他实验室理论上也能搭起这套"AI 批量提假设、人做实验验证"的流程。Anthropic 目前正在向外部科学家征集可以合作的研究课题。

[red @redning1918]

欢迎胖东来进军房地产

[iGeekbb @igeekbb]

胖东来没有什么盖楼经验，只是按国标来而已，看把你们给感动哭了。

土木人：我终于见到了和书上一模一样的工程。
安全员：这才是我当年早起学校里学的东西啊。
老监理：对上了，都对上了！跟教材对上了，多少年了，老师没骗我。

钢筋贴码可溯源、24小时直播施工、甲方主动对账打款不要求垫资、工地设法务室帮工人讨薪、宿舍空调夫妻房暑期托管班、高温停工照发工资。

2026年9月24日，于东来发文："世界一流的项目设计、世界一流的室内设计、世界一流的声效、世界一流的灯光，努力做到中国一流的施工及现场管理，努力把胖东来梦之城打造成世界商业文明之光。"