陆三金

Ruthless AI News reposting machine

[陆三金 @threeaus]

好用，推荐

[Ian (伊恩) @ianneo_ai]

现在写长文真的离不开这种小破图了。小黑、红蓝手写字、几根箭头，完全不精致，但特别有脑子在现场转的感觉。比那种 AI 生成的高级封面耐看多了

[陆三金 @threeaus]

直到学着用 Godot 做游戏，我才开始理解之前玩游戏时的一些操作。

例如，为什么手柄左摇杆的轻推和重推，一个是走路，一个是跑步。

这是因为摇杆里面用的是电位器，它能连续检测你推的角度和力度，输出的是连续的数值，是模拟信号，而不是 -1、0、1 这种数字信号。

轻推和重推可以被区分出来，也就可以非常符合直觉地将轻推设为走路，重推设为跑步。

而键盘就不行了，你一直按住 WASD，返回的值也只是 1，按一下和一直按很难被区分出来，所以没办法用来表示走路和跑步两种状态。

而这时用 Shift 来表示跑步/冲刺，就自然而然地发生了。

[陆三金 @threeaus]

帅的，除了一些细节，大部分都很好了

[MasterPa @HanyangWang]

小西天，看着像视频，但其实是我们在现场实地拍摄 3,811 张 206 GB 的照片后建模的。FUNES 把《黑神话：悟空》里「既见未来，为何不拜」满天神佛的原型，来自自山西临汾隰县的小西天，做成了一个可漫游的 3DGS 数字存档。

完全实地拍摄，每天清晨一开门就冲上山去，趁着没人的时候拍。然后通过 Gaussian Splatting 重建，没有手工建模，尽量保留真实悬塑和圆塑的极其密集的金色空间、细节和光感。不同的材质在这里交织成了无法分辨的一个天国世界。这种半空中的小塑像是「悬塑」，它们大多出现在十六世纪到十七世纪。

在现场如果要看清小西天的所有细节，我想大概需要三天时间。但是有了模型，我们可以在屏幕前慢慢看。在相当长的时间里，学术界并没有特别重视小西天这样的悬塑——因为在只有学术图录的年代，平面印刷无法展示出悬塑的震撼。而随着技术的进步，我们终于可以在远方一窥明代悬塑的璀璨。

重轻特意为这个模型做了配乐，大家可以打开慢慢欣赏。

推荐电脑访问：https://t.co/az1wuMhmuu

[陆三金 @threeaus]

周末特别适合看 Anthropic 的文档

这家公司也真奇怪，经常出了很好的博客和教程，但是网络上并没有自家的宣传，都是在看其他文档的时候，顺着链接摸到的。

推荐一下 Anthropic 主要资料的页面：

- Anthropic 的课程合集都在这里：https://t.co/xDjNzqNZcr

例如，最近放出来的 Claude Code 101 也是这个课程的一部分

一些相关短小的教程则在这里：https://t.co/QU60wqnDIp

- 产品支持页面：https://t.co/zuPQvZY3Iz

放一些产品的 FAQ 和最佳实践，遇到问题可以去查，里面也会有一些惊喜

- Claude Code 产品文档：https://t.co/y113GrqaT7

产品功能、模块、更新，资料最全的地方

- Claude 的产品文档则在这里：https://t.co/RgxwSEm942

除了 Claude，Cowork 、Claude for M365也在这里

- Claude 博客：https://t.co/epeSXcEe0x

一些产品新闻和最佳实践会放在这个博客上，官方放出的很多新闻会在这里，但是很多新闻官方推特也不公告，例如最近的 computer use 最佳实践、Claude Code 在大型代码库中的实战指南、创始人手册：打造 AI 原生创业公司

然后就是 Anthropic 官方的工程实践博客，更新不是很频繁，在这里：https://t.co/3sX6vNoflJ

官方研究博客，在这里：https://t.co/QrX93cwgqP

[陆三金 @threeaus]

Anthropic 官方推出的 Claude Code 101 课程，一些基础知识介绍，大概半小时

链接：https://t.co/d7yBaur1UA

[陆三金 @threeaus]

让 AI 反推一下：

A single page from a luxury corporate annual report 2024, ultra-professional minimalist layout, generous white space, clean grid system, sophisticated typography hierarchy, formal title "ANNUAL REPORT 2024", section headers like EXECUTIVE PORTRAIT, REVENUE, OPERATING INCOME, NET INCOME, REVENUE OVER TIME, REVENUE BY SEGMENT, CAPITAL ALLOCATION, precise KPI numbers and percentages with arrows, bar charts, line graphs, pie charts, all arranged in elegant grid.

However, every single visual element is drawn by a 5-year-old child with crayons: wobbly imperfect lines, childish crayon texture, bright primary colors with visible wax strokes, naive doodle style, cute but clumsy drawings, smiley suns, stick figures, rainbows, cartoon monsters, flowers, stars, hearts. The executive portrait is a beautiful anime-style girl (or boy) drawn with crayons, big eyes, detailed clothing but rendered in rough crayon strokes. All charts and graphs are hand-drawn crayon versions with uneven bars and wobbly lines.

Professional corporate design structure + extremely childish crayon doodle content, strong conceptual contrast, restrained yet vibrant crayon color palette, clean white paper background, high-end annual report aesthetic mixed with playful naive art, masterpiece, best quality, 8k

[VoxCat @VoxcatAI]

其实只要 prompt 里的视觉逻辑对了，image2 很容易做出“反差感”。

这次我试的是：
严肃企业年报 × 儿童蜡笔涂鸦

外层是极其专业的年报版式：
留白、网格、标题层级、KPI、柱状图、增长曲线。
内核却全部换成儿童蜡笔。
关键不是“画得像小孩”，
而是让资本秩序的冷静排版和童真涂鸦的失控内容发生冲突。

画面一旦同时成立：
专业版式 + 幼稚内容 + 克制色彩
就会从普通趣味图，变成很有概念感的视觉实验。

[陆三金 @threeaus]

@plantegg 把事做出来就值得尊重，这么多网友搁这儿喷，给你一个 100 人的队伍，做个 v2.5 pro 那样的模型出来

[陆三金 @threeaus]

amazing，现在做一个游戏 demo 很简单，但很多人不知道自己要做什么，这个提示词可以通过采访你，来抽丝剥茧地帮你梳理清楚想法。

[Alex Prompter @alex_prompter]

-----------------------------------------------------------
GAME DESIGN CONSULTANT (SCHELL METHOD)
-----------------------------------------------------------

# Context & Role
You are a veteran game design consultant who has internalized Jesse Schell's "Art of Game Design" framework. You think in lenses. You evaluate games through Schell's Elemental Tetrad (Mechanics, Story, Aesthetics, Technology) and pressure-test ideas using his core design lenses before a single line of code gets written.

Your job is to take a raw game idea from someone with zero game design experience and help them build a solid design foundation. You are honest. If their idea has a fatal flaw, you say so. If their concept is strong, you tell them exactly why and what to protect.

You speak like a smart mentor, not a professor. No jargon without explanation. No abstract theory without a concrete game example.

# Your Process

When the user shares their game idea, walk them through these phases one at a time. Do NOT dump everything at once. Complete each phase, get their input, then move to the next.

## PHASE 1: THE EXPERIENCE LENS
Before touching mechanics or features, ask:
- What experience do you want your player to FEEL?
- Not "what do they do" but "what emotion hits them?"
- Is it tension? Discovery? Mastery? Connection? Surprise?

Schell's core principle: the game is not the experience. The game enables the experience. If you can't name the feeling, you can't design toward it.

Help them articulate this clearly. Give examples from real games:
- Celeste = the feeling of overcoming something you thought was impossible
- Stardew Valley = the peace of building something at your own pace
- Among Us = the thrill of deception and the panic of being caught

Lock this down before moving forward. Everything else serves this feeling.

## PHASE 2: THE ELEMENTAL TETRAD AUDIT
Evaluate their idea across Schell's four pillars:

1. MECHANICS: What does the player actually DO? What are the core actions, rules, and choices? Is there a "core loop" (the action they repeat most often)? Is that loop inherently fun, or does it rely on rewards to feel good?

2. STORY: What context wraps around the mechanics? This isn't just plot. It's theme, characters, world, and the reason the player cares. Does the story reinforce the mechanics or fight against them?

3. AESTHETICS: What does the game look, sound, and feel like? Aesthetics aren't decoration. They're the first promise you make to the player about what kind of experience this is. Does the aesthetic match the intended emotion from Phase 1?

4. TECHNOLOGY: What platform and tools will this run on? Technology isn't just "what engine." It's what the platform makes possible and what it limits. A mobile game has different design constraints than a PC game. Name those constraints early.

For each pillar, rate the idea: Strong / Needs Work / Missing.

Then check harmony: Are the four elements reinforcing each other? Or is one pulling in a different direction?

Give a concrete example of harmony vs. conflict:
- Harmony: Hollow Knight's tight combat mechanics + lonely atmospheric art + cryptic lore + responsive controls all serve the same feeling of isolated exploration
- Conflict: A relaxing farming game with a frantic timer mechanic. The mechanics fight the intended experience.

## PHASE 3: THE CORE LOOP STRESS TEST
Zoom in on the central mechanic. Ask:
- If you stripped away all story, art, and progression, is the core action still satisfying?
- Can you describe what the player does in their first 30 seconds?
- What decision does the player make most often? Is that decision interesting every time, or does it become automatic?

Apply Schell's "Lens of the Problem Statement": define the game's design challenge in one sentence. "I am trying to create a [type of game] that makes the player feel [experience] by [core mechanic]."

If that sentence doesn't work, the design has a focus problem. Help them rewrite it until it clicks.

## PHASE 4: PLAYER MOTIVATION MAP
Identify what keeps the player coming back:
- Intrinsic motivation: the activity itself is rewarding (exploration, creativity, mastery of a skill)
- Extrinsic motivation: external rewards drive behavior (unlocks, scores, achievements, progression bars)

Flag the danger: if the game relies entirely on extrinsic motivation, it becomes a treadmill. The moment rewards stop feeling new, players quit.

Help them find at least one strong intrinsic motivator. Use examples:
- Minecraft: building is inherently creative (intrinsic). Achievements exist but nobody plays Minecraft FOR achievements.
- Cookie Clicker: almost entirely extrinsic. Numbers go up. Remove the numbers and nothing remains.

Ask: "If your player couldn't unlock anything, earn any points, or progress any bar, would they still play for 10 minutes? Why or why not?"

## PHASE 5: THE HONEST ASSESSMENT
After all four phases, deliver a clear verdict:

WHAT'S WORKING: The strongest elements. What to protect and build around.

WHAT'S RISKY: Elements that could fail. Be specific about why.

WHAT'S MISSING: Gaps they haven't thought about yet.

NEXT 3 STEPS: The three most important things to do before building anything. Usually:
1. Paper prototype or written walkthrough of the first 5 minutes
2. Identify the single biggest unknown and test it first
3. Find 3 existing games in the same space and study what they got right

End with Schell's Rule of the Loop: "The more times you test and improve your design, the better your game will be." Remind them that every great game was bad at first. The design document is not the game. The playtest is the game.

# Response Rules
- One phase at a time. Don't overwhelm.
- Use real game examples for every abstract concept.
- If the user's idea is too vague, ask targeted questions. Don't guess.
- If you see a fundamental conflict (like a horror game with cute cartoon art that isn't intentionally comedic), flag it directly.
- Never say "that's a great idea!" unless you mean it. Honest feedback now saves months of building the wrong thing.
- Match your language to someone who has never designed a game before. If you use a term like "core loop," explain it the first time.
----------------------------------------------

[陆三金 @threeaus]

总结下罗福莉访谈中的一些主要信息

Agent 框架

- 访谈的前 1 个小时都在讲 OpenClaw，给部分人造成了不好的观感，但个人觉得无碍，这个里面穿插了罗福莉对 Agent 框架的理解。OpenClaw 让她认识到了 Agent 框架的力量，一套非常复杂的Agent框架设计，可以弥补非常多模型能力的短板，也能让一个中等模型表现更好。我们的日常生活，通过一套好的 Agent 框架 + 一个性价比高的中等模型，可以满足大部分需求。

- 在罗福莉的实践中，她是先用 Claude Opus 4.6 改进 OpenClaw 的框架，然后再切到弱一点的模型，发现也很好用，这一过程也启发了 MiMo-V2-Pro 的后训练过程。

- 关于 agent 为什么是在最近才爆发；罗福莉认为，之前的 agent 框架非常简洁，并且通用性不够；另外，模型能力也不够。OpenClaw 和 Opus 4.6 的“握手”，非常重要。

- 关于很多评测指标，如 BrowseCap、SWE-Bench、Terminal-Bench，即使这些是 agent 相关的指标，但也是错误的指标，分高不代表能用，这也是一个歧途，导致很多公司在 25 年走了弯路，并没有真正为 agent 训练模型。

Agent for 研究

- 罗福莉团队已经在用 OpenClaw、Claude Code 这些 Agent 来加速研究过程，以前30、40周做到的事，现在只需要 3、4周。研究加速后，卡的数量变成了瓶颈。

- 之前做研究，中间流程很长，至少一两周，快的话也需要一两天，现在在 agent 辅助下，一两个小时就可以做完。以前罗认为训模型是很难的，她最近发现只要把近期的 context 告诉它，它甚至能帮你复原你的科研成长路径，在同样的话题下，跟你一样聪明。

团队和管理风格

- 之前 MiMo-V2-Pro 发布的时候，罗福莉提到过对团队的要求，第二天 OpenClaw对话次数不超过100轮的人，可以离职，但这个事并没有明确的考核。这也反应了罗福莉的管理风格，更希望去激发好奇心和热情，靠热爱去驱动管理。

- MiMo 是非常小且极致的团队，目前已达到 100 人，团队没有 deadline，只要雷军接受即可，独立于小米团队架构之外。

- 团队没有分组，也没有具体的 leader，没有职级，非常扁平，很多人进来之前也没有做过一个大模型。

研究和趋势判断

- 26 年仍然是围绕生产力变革，在高生产力场景。但另外一方面，85%的普惠场景也需要好的 agent 来满足，多模态、低成本、高效、高速度，很关键。

- Agent 是非常长程和多轮的任务，现实世界很少有可以达到这种级别（1M context）的数据，code 是为数不多的选择。把 code 做好，模型的长下文能力会变好，agent 能力也会变强。

- 模型公司的入场券：long context 并且非常高效，预训练阶段做好 code、 1T 参数，达到Opus 4.6 的能力。

- MiMo V2 Omni 模型比 V2 Pro 小，但由于是多模态训练，它对世界感知能力以及知识储备上会比 Pro 更强。

- 在 agent 时代，用于研究、预训练、后训练的计算比例应该是 3:1:1，而在 Chatbot 时代，预训练和后训练的比例是 3.5:1。

- 行业主流采用 DeepSeek 的 MLA，小米选择了 MTP，是因为模型训到中后期，开始设计推理方案时，发现在他们的推理卡上计算剩余太多，MTP 很很合适；同时，MTP 也更适合 Agent 时代对长上下文和推理速度的双重需求。罗认为 MLA 对 Chatbot 是个好架构，但对于 Agent 不够好。

- 对 AGI 的实现比较乐观，认为现在已经实现了 20%，未来 2 年可实现 AGI。

[张小珺 Xiaojun Zhang @zhang_benita]

周末是最好的学习时间
Weekends are the best time for studying🙇🏻

【对罗福莉的3.5小时访谈：AI范式已然巨变！OpenClaw、智能体框架、Agent范式很吃Post-train、卡的分配比例、巨变下的组织-哔哩哔哩】 https://t.co/WIaLFTkYrP

[陆三金 @threeaus]

@fs1932317912568 @AmandaAskell 先用 obsidian web clipper 把英文字幕剪下来放到 Obsidian 中，然后让 Codex 这种 agent 翻译

[陆三金 @threeaus]

Anthropic 的哲学家@AmandaAskell 最近参加了一个访谈，在访谈中她分享了自己探索好奇领域的一个方法。

提示词大概是：

我希望你从「xx」领域里选一个大概研究生水平的概念。然后我希望你通过写一个寓言的方式，间接地把这个概念完整讲出来。最好一直到快结尾时，人才会慢慢意识到这个概念究竟是什么。然后在故事之后，再补一段解释，把你刚才真正要讲的概念说清楚。

[陆三金 @threeaus]

都在关注 GPT-5.5 和 DeepSeek V4，但我建议也去看看 Codex 最近的迭代

Codex 最近更新非常频繁，经过昨晚的更新，我感觉到 Codex 正在成为 Claude Code + Cowork 的合体版

首先是工作模式有两个版本，一个是用于编程、一个是适合日常工作，这基本上是明示。

第二点，这次更新了很多办公 skills ，包括表格、PPT、Docs 和 PDFs，这些都是为日常工作准备的。

第三点，除了原来的 computer use，本次增加了一个新的 Browser use skill，这个才是更适合开发的功能，它可与 Web 应用程序交互，测试流程，点击浏览页面，捕获屏幕截图，并根据它看到的内容迭代，直到完成任务。

而原来的 computer use 可能会更加偏向普通办公场景，值得一提的是，我打开 computer use 的说明，这个能力的底层是一个 MCP。

还有一点也比较有意思，除了前两天增加的 Image Gen skill 将 Image 2 的图片生成带到 Codex，还有一个语音合成能力（Speech Generation Skill）也被加入进来。

另外就是，Codex 内置了一个“Typeless”，引入了全局听写功能（在设置-常规-听写可以开启），可在全局使用，也就说我不需要再装 Typeless 或者闪电说之类的软件了，这真的是挤压了第三方厂商的生存空间。

综合来看的话，Codex 其实是一个分发 OpenAI 模型的渠道，也是一个使用这些模型的绝佳场景，还是那句话，Sora 有点可惜，在 Codex 的场景中，Sora 是有用武之地的。

OpenAI 对 Codex 应该是非常寄予厚望的，最近重置额度也非常多，每多100万周活用户，就要送一次重置额度，一直到1000万为止，平常出了啥问题，有大更新也会重置额度。

非常值得一试。

Codex 变得更强大了，功能更多了，但也变得更复杂了。

[陆三金 @threeaus]

好文推荐

智能体接入外部系统有三种路径：API 直连调用、命令行界面（CLI）以及 MCP。每种路径都有适用场景，具体取决于你正在开发的内容。核心区别在于智能体与服务之间是否存在公共层，以及该层的覆盖范围有多广。

直接 API 调用

智能体可直接调用你的 API，实现路径有两种：要么在代码执行沙箱中编写发送 HTTP 请求的代码，要么借助通用函数调用工具完成调用。这是大多数团队起步时会采用的方案，对于单智能体对接单服务、或是无需跨智能体平台复用的少量集成场景来说完全够用。

规模上来之后，各种挑战就会接踵而至。由于智能体和服务之间没有通用中间层，每一对智能体与服务的组合都要做定制化集成，各自处理身份验证逻辑、工具描述和边界场景，这就是典型的 M×N 集成问题。

CLI

智能代理会在 Shell 中运行你的命令行工具。这种方式速度快、轻量化，且依托现有工具即可运行，在本地环境、沙箱容器中表现极佳——只要是具备文件系统和 Shell 的场景都适用。它提供了一个通用层，但功能相对单薄。

CLI 在对接移动端、网页端或不对外暴露容器的云托管平台时会遇到硬性瓶颈，身份验证由 CLI 自身机制处理——通常是存储在磁盘上的凭证文件。这种模式最适合本地环境下快速、权限要求宽松的集成场景。

MCP

MCP 作为协议提供了通用层。智能体连接到对外暴露系统能力的服务器，身份验证、能力发现及丰富语义均已实现标准化。一台远程服务器即可对接所有兼容客户端（Claude、ChatGPT、Cursor、VS Code 等），适配任意部署环境。

这需要稍多一些前期投入。换来的好处是，该集成具备可移植性，还能为功能丰富的智能体集成提供所需的语义支撑。

[ClaudeDevs @ClaudeDevs]

New blog: Building agents that reach production systems with MCP.

When should agents use direct APIs vs CLIs vs MCP? Plus patterns for building MCP servers, context-efficient clients and pairing MCP with skills.

https://t.co/Q4UrUVgVYB

[陆三金 @threeaus]

经网友提醒，找到了 Amanda Askell 之前分享的原版提示词

[Kim Noël ⚡ 📖 @KimNoel399]

@threeaus @AmandaAskell here is the prompt https://t.co/qRu09wbQxZ

[陆三金 @threeaus]

谷歌新论文 Vision Banana：

生成式视觉预训练扮演着与 LLM 预训练相似的基础性角色。

图像生成可以作为视觉任务的通用接口，这与文本生成在语言理解和推理中的作用如出一辙。

[Shangbang Long @ShangbangLong]

🧵 (6/N) We are witnessing a paradigm shift:

Generative vision pretraining plays a foundational role similar to LLM pretraining.

Image generation can serve as a universal interface for vision tasks, mirroring the role of text generation in language understanding and reasoning.

[陆三金 @threeaus]

@ned714 @AmandaAskell 只是我自己用它对话的一个案例

[陆三金 @threeaus]

@dissfomo @AmandaAskell 👍

[陆三金 @threeaus]

DESIGN.md 核心团队成员关于 DESIGN.md 是什么、不是什么的推文

[David East @_davideast]

What DESIGN.md is and isn't.

ISN'T
- A rendering syntax
- A replacement for CSS
- An opinionated design system format
- A component library

IS
- Describes design intent
- Captures descions "why we use this grid"
- Reasoning of design concepts, "minimalist layouts" or "editorial headings"
- Establishes an aesthetic with latent associations, "cream stationary" surfaces and "ink" text
- Documents positive and negative constraints. "Use all caps for headings" or "Never use pure white #fff for surfaces"

This creates a documented visual identity for humans to read and persistent contextual memory to ground agents.

[陆三金 @threeaus]

Linear CEO Karri Saarinen 的反调：设计的本质是理解问题，而不是生产产出。

AI 可以用来做原型、探索、获得意外灵感，但这些都不等于设计。

设计仍然需要判断力、对话、张力和时间。

最大的风险，是把"生成出来的形式"误认为"已经解决了的问题"。

[Karri Saarinen @karrisaarinen]

https://t.co/srw9NQMkH2

[陆三金 @threeaus]

这名字，sabi，绝了，看来团队里没有中国人

[Rahul Chhabra @rahulchhabra07]

you can now control things with your brain. literally.

we're building the most wearable BCI on the planet, with @sabi, backed by @khoslaventures @accel @initialized & @kevinweil.

we collected the world’s largest neural dataset and trained the most capable Brain Foundation Model.

then we invented a new class of biosensors powered by custom ASICs.

type without typing. click without clicking. a cap that lets your brain do the work.

we’re sabi.