runan shao

Lifetime learning, put hand over the forehead, the action is above all

[runan shao @runan_shao]

Opus 5.5 一键生成。"Ontology" 15岁能听懂的视频,自己发挥。

[runan shao @runan_shao]

手机厂商 VS 超级APP VS 大模型公司 争夺agent入口。

[runan shao @runan_shao]

@ViewsOfChris 这份报告很有启发👍👍👍用Claude 跑了一份报告，更深入的理想了。谢谢。一句话总结：分发决定你能不能先听到用户的话，权限和服务方的放行决定你能不能把事办成，记忆决定用户会不会离开。三样东西在不同人手里，所以这场仗的终局是分层，而最值钱的那一层，是交易抽成和记忆。

[Merkle3s Capital @Merkle3sCapital]

https://t.co/J4yJdPNLlJ

[runan shao @runan_shao]

AI

[Bill Ackman @BillAckman]

The presumption that the Fed raising short-term rates reduces inflation is predicated on the belief that higher rates reduce demand and investment.

But what if higher rates don’t reduce demand and investment because the demand for intelligence and energy is unaffected by higher rates because winning the race for super intelligence has a near infinite ROI and the demand for compute will remain incalculable.

Why won’t higher rates at this unique moment in history therefore lead to more inflation as interest costs are embedded in everything?

And the problem is compounded as the more the Fed raises rates, the more inflation we will have and the more the Fed will need to raise rates further and so on.

But what if the old models don’t apply to the current paradigm and the Fed is wrong?

I think the Fed might have just made a mistake. Am I right or am I wrong?

[runan shao @runan_shao]

@ViewsOfChris Chris: 中秋快乐、阖家团圆。[Grin][Sun] 好奇的问一个问题：怎么看未来的婚姻，VR、AR 等技术的成熟，人类的婚姻制度会如何演变呢.

[runan shao @runan_shao]

用万维刚视角看这份报告😄

[Merkle3s Capital @Merkle3sCapital]

https://t.co/dVVtUjCXvM

[runan shao @runan_shao]

@ViewsOfChris 用万维刚skill 跑了这份报告。万老师会这样看。有趣😁

[runan shao @runan_shao]

@ViewsOfChris 放到 AI 背景下，知识不稀缺，认知才稀缺。AI 最强的是规模化和标准化，"一切非标准化的都可以成为优势"。

[runan shao @runan_shao]

@ViewsOfChris 美国算力算法、中国应用、全球市场

[数字生命卡兹克 @Khazix0918]

好东西...
这些很多时候，真的就是创作者的命根子了，但是卡尔也全放出来了。
真的，AI时代，我们看到的好多好多人和公司，展现的开源和分享精神，好像又让互联网，回到了二十年前的那个盛夏。

[runan shao @runan_shao]

@ViewsOfChris 感谢 Chris 的分享！今天刚好学到万维刚老师的课，正好可以和这个主题连起来思考：真正的力量，是「授权的力量」——别人愿意把资源、信息、位置，甚至未来，交到你手上。那其实是世界通过你传导出来的力量。而别人愿意把这些授权给你的前提，只有一个：你是可预期的。你是可托付的。😉

[姚金刚 @yaojingang]

收集整理了60个Jev典型案例，同时重点列出了12个最值得关注的案例合集
这些案例对我们理解与应用，能带来不少帮助和启发
包括GEO，也有一些可以值得尝试的场景

这些案例，基本的逻辑：生成模型负责写作与复杂推理，Jev承担分类、筛选、评分和选择，代码执行后续动作，关键节点保留人工复核

60个Jev应用案例合集：https://t.co/LjEzcnYPwT

12个典型应用案例：
1、Notra：AI回答中的品牌提及识别
在GitHub已开源，GEO模块已有调用Jev评估品牌提及的代码，适合参考自动化监测如何接入业务流程
https://t.co/MPE2RoLlNq

2、TypeSafe：实体对齐与去重
来自官方示例，判断两条商品记录是否对应同一实体，并将模糊情况交给人工。可借鉴到品牌别名归一、同名机构消歧和知识库去重
https://t.co/DNMOk1jFrz

3、TypeSafe：RAG信源筛选与冲突检测
在生成回答前，检查检索段落的相关性、可用性、矛盾和提示注入风险。适合研究知识库问答中的证据筛选
https://t.co/hTnqM7iD3w

4、TypeSafe：文章论断与引用核验
让Jev判断引用片段是否支持文章论断，再由代码检查引文是否存在。可借鉴到GEO文章、研究报告的引用审核
https://t.co/Ew9490htqx

5、Browser Use：网页操作决策
将网页元素整理成候选项，由Jev选择点击、输入、滚动等动作。适合理解“模型做判断、工具执行操作”的协作方式
https://t.co/4sh03WAB0V

6、TypeSafe：为Agent选择合适的Skill
先对技能目录筛选，再读取少量候选的详细说明，判断使用哪个技能或不使用技能。适合工具、插件和Skill数量较多的系统
https://t.co/G76mUUZyoN

7、LangChain：工具执行前的风险检查
将Jev接入Agent中间件，在工具执行前检查并拦截风险操作。适合研究AI后台管理、代码执行等场景的安全审核环节
https://t.co/ORMzVj6BhV

8、Vercel：客服工单自动分流
一次判断工单所属部门、严重程度和退款意图，信息不明确时转人工。适合学习从模型判断到业务分支的完整实现
https://t.co/R72rszCGwm

9、ReplyNodes：SaaS官网表达检查
检查官网的产品清晰度、目标受众、价值主张、差异化、信任依据和行动指引。可参考其检查维度，评分不能直接当作SEO或GEO排名
https://t.co/mdxOFhbtAF

10、Paper Trellis：论文引用验证
将引用句与论文证据配对，由Jev判断支持关系，保留人工最终裁决。适合研究长文章、白皮书和研究报告的审校流程
https://t.co/mWdMyPCNZo

11、TypeSafe：结构化信息抽取的级联校验
小模型先抽取字段，Jev检查结果，困难样本再交给更强模型。可借鉴到网页采集、资料入库和文档字段抽取
https://t.co/y0LDzoqdeT

12、TypeSafe：把文本变成可建模的数据特征
由生成模型提出特征问题，Jev将文本转成数值特征，再交给CatBoost预测。可借鉴到问句意图特征提取、内容标签和线索分析，迁移效果需要单独验证
https://t.co/nQXDGWlGoT

[runan shao @runan_shao]

@ViewsOfChris 输出也是内化的过程。

[runan shao @runan_shao]

@ViewsOfChris 智人+智能体的时代，徐徐展开。好兴奋哦🥰

[runan shao @runan_shao]

@ViewsOfChris AI给的答案：按"能提取出可复制的判断"，我选李嘉诚和周正毅——一个示范了怎么做，一个示范了机制本身，反面教材的信息量往往比正面样本大，因为它把因果链走完了。学到什么：“绝不慕虚名而处实祸。”“善赚者低调”“德要配位。”

[runan shao @runan_shao]

@ViewsOfChris 慢慢谋定，快速行动. "战略”或者'道'，无关对错，而是关于取舍、关于机会成本的、'选择'的艺术。

[李继刚 @lijigang]

解释力：压缩过去已见
预测力：泛化将来未见

[runan shao @runan_shao]

@ViewsOfChris 在期待新一天中醒来，在满足中入睡，还能尽可能地让接近自己的人开心快乐。