404 KIDS SEE GHOSTS (生产力之王版

Deepwiki丨Github 的《全球概览》
https://deepwiki.com/

Deepwiki，由 Cognition Labs 基于 Devin (AI 软件工程师) 技术驱动，为 Github 代码仓库生成结构化文档、可视化图表和对话式 AI 助手。目前已经索引了 3 万个仓库，处理了 40 亿行代码、1000 亿 Tokens，投入成本超 30 万美元，被誉为「Github 仓库的免费百科全书」，真正意义上的 Github《全球概览》。

完全免费，无需注册，只需要将任意仓库地址中的 github 替换为 deepwiki。就像之前分享的 arXiv 文献网站替换前缀跳转 HTML 版本阅读一样，当然现在也有很多油猴脚本直接仓库页一键按钮跳转 Deepwiki，比如 GitHub to DeepWiki。

Deepwiki 生成的文档比大多数程序员写得还要好，甚至有的直接将仓库主页替换为 Deepwiki 链接。它的 AI 对话支持多种语言，并且搜索整个代码库找到对应的答案 ref 代码位置，几乎没有幻觉，像代码界的 Notebooklm。

Github 是非常宝贵的信息源/资源，现在只能说多用 Deepwiki 多用 Deep Research，我们的吸收方式确实已经改变。

相关链接：
0 https://x.com/silasalberti/status/1915821553465626791
1 Github Combo 工具使用
2 arXiv 文献阅读的隐藏方式

#AI #tools

https://x.com/Aurelien_Gz/status/1911050685468250337

科幻般的字体排版设计，现在对参数和数值着迷。 #design

为什么现代句子长度在缩短？
Why Have Sentence Lengths Decreased？

最近 Lesswrong 读的这篇文章比较有意思，作者探讨了过去几个世纪的英语写作中句子平均长度下降的现象，通过引用 Chaucer (英国诗歌之父) 到 J.K. Rowling 等不同时期作家的作品、报刊、总统演讲以及现代博客和文献期刊数据来论证。

平均每句词数 Words per sentence (WPS)，从 Chaucer 的 49 WPS，狄更斯的 20 WPS 再到 J.K. Rowling 12 WPS，数百年间持续下降。作者主要落脚点是这样为了追求更高的可读性和理解效率，同时指出，普通读者正在变得越来越蠢，喜欢更短、更简单的句子；这也受新闻业文风的影响，句子变得简洁；按照 Flesch-Kincaid 可读性测试，短句更加易读和被理解，也被认为是更好的写作方式。

评论有人提到中文、俄文的比较趋势，中文从古文到现代白话文是变得更长。

我的观点，「媒体的发展导致注意力货币化」，这让写作者更加倾向于制作具有注意力诱饵的句子，简短和爆炸即是目的。另外，我同意读者正在变得越来越蠢，这是大趋势，超越文中提到的识字普及率阶段，人们不是喜欢消费短的内容，而是更爱「知识密度低以及韵律 (prosodic) 结构少的句子」，因为人们缺乏训练和编织能力，语言趋势正在呈现「废墟化」，而长度不是关键。

现在很难写出出彩的诗句，刁钻、凝练和氛围能够突出，在矮子中裸露夺目，这是好的趋势。

#writing

没有护城河丨LLMs 帕累托前沿实时更新
https://winston-bosan.github.io/llm-pareto-frontier/

这个网站正在实时更新大型语言模型的帕累托前沿 (Pareto Frontier) 竞技场，Gemini 在 Elo 评分 1200 以上占据各个顶点，拥有最佳的性能和成本权衡分布体系，拥有每个最好的模型性价方案。

2023 年，我分享了“OpenAI 与谷歌 AI 分庭抗礼丨仍无护城河”，据数据显示，不到两年的时间里，GPT-4 级模型的成本下降了 99.7%，世界上最先进的模型也便宜了 82%，GPT-4.5 因为巨额成本更是回档 4.1。现在是谷歌锋芒毕露，Gemini 2.5 现在已经达到或接近 Human PhD Range，在某些特定的专家任务中达到或超越人类。

这是好时代，我们拥有最好的智力进化基础和方式，多使用 Deep Research，多释放自己的现代恶习，好奇心。

相关链接：
1 https://x.com/emollick/status/1908220677502755328
2 https://x.com/swyx/status/1908215411214344669

#AI

音流学：声音和振动的视觉表达。 #music

现在，日落后的时间，我正在进行今天 Mantra 前的最后一项仪式，使用 AI 评估今天的工作和明日计划，Gemini 正在处理今天我的第 3 个自由问题并生成 2 万字的待读报告，还有一本书的解析将在我接下来的熟睡中进行。我的阅读和生活方式正在改变，时间线正在扎实地靠近未来。 #mood

哲学顶刊 Synthèse 最新发文：《诗歌欣赏对七年级学生负面情绪的干涉作用：以现代中国诗歌为例》。
https://link.springer.com/article/10.1007/s11229-025-05020-8

完全能意料，谁还在拿这些当权威，谁就在受益，无他。这些同行评议的东西早该死了，flawed metric 系统死衰是必然的事情，发这个真不如在 X 发更多废话有价值。还有学校和文凭，会有更多笑话。

#culture

Google Advance 15个月学生福利

最近成薅子了，目前已拿到 Google One 15 个月会员的美国学生优惠，全享目前最顶的帕累托边界 (Pareto frontier) Gemini AI 系模型，高性能高性价，以及 NotebookLM Plus、2TB 的存储以及谷歌文档产品的 AI 使用。火速了。

具体操作：
一、使用个人邮箱登录，点击 student discount：https://gemini.google/students/ ，这里需要使用干净的美国 IP 邮箱，不然会跳出不符合条件。我目前邮箱不行，换了个不常用的谷歌邮箱就可以了。最好是干净的美国 IP 新注册邮箱。

二、使用美国 edu 教育邮箱登录绑定，我闲鱼买的新号。

三、验证后绑卡，之前的虚拟野卡派上用场了。完成。

目前来说各大 AI 公司对学生优惠都挺大的，弄个永久教育邮箱处理数字订阅以及虚拟卡处理绑定风险，都还不错。

相关链接：
1 https://www.edumails.cn/google-gemini.html
2 https://linux.do/t/topic/573607

#AI

Meet Manus — your AI agent with its own computer. It builds websites, writes reports, and runs research tasks, even while you sleep.
https://manus.im/invitation/1CYKA6DIKPBT

还有个之前挺火的 Manus AI 邀请码，放频道，注册可以裂变两个，自理随缘。 #Invitation

拿下！xAI-Grok3 每月 150 刀 API 额度

最近马斯克开放了 Grok3 的 API，充值 5 美元即可获得每月 150 美元的 Grok API 额度，只需要同意加入 xAI 的数据共享计划。已经薅到。目前官网没有明确提到具体活动时限，只提到共享数据就能每月获得，且加入后不能退出。另外这个 credit 也是变动的，之前是注册就获得 25 刀，后面可能会变额度。

我主要通过虚拟信用卡 WildCard 充值，两年会员 +5 刀直充，基本总计 20 刀的价格即可。主要流程即是在 xAI 开发者平台的 Payment 页面完成账单地址和支付方式填写。最后充值上虚拟卡的 5 美元并 Share Data 就可以拉出 API 了。

现在 Grok3 和 Gemini 释放的 API 完全可以支持日常使用，Grok3 mini 速度也极其优异，平常 MCP 处理完全够用。

再次赞美丰盛的时代。

相关链接：
1 xAI 控制台
2 手把手教你薅马斯克 xAI 的 Grok 3 大羊毛：充 $5 终身每月获得 150 美元 API 额度！
3 Get $150 in free API credits each month

#AI

Dia丨AI 完全驱动的全新浏览器
https://www.diabrowser.com/

The Browser Company（Arc 浏览器的制作公司），较早前发布了关于 Dia 制作的招聘视频，由 AI 加持和驱动浏览器的全新概念产品，今天要到了邀请码。

Dia 的整体感觉是丝滑和纯净，这也算暂时的缺点。首先它非常丝滑地从各个入口和姿势唤起 AI 窗口交互，新标签页、网址页、侧边栏和浮窗，原生丝滑的 AI Copilot，并且可以 @ 贴入当前多个标签页或者本地文档进行提问；另外，整个界面非常纯净，像是为了突出 AI 主体的去芜存精式交互设计。

Dia 就不作过多评价，现在是产品内测初期，比较期待后面的内容。目前仍然喜欢 Arc 垂直书签和空间的产品。

如果大家需要尝试 Dia 浏览器，可以评论留下邮箱，我这边邀请后（已邀请完），直接这里下载浏览器邮箱登录就行。目前暂时只支持Mac M 系列芯片。

下载链接：https://www.diabrowser.com/download

#tools

最近在研究 MCP，目前已经完全可以接入我的笔记软件、电脑本地文件并作某些自动化处理，如图搜索我 Roam 中关于“预言”的内容以及建立关于“预言”的本地文件夹。

MCP 算是大模型应用的新未来，区别于 Chat 交互窗口的新想象力。 #MCP

图像生成的“巫术特质”
https://x.com/goodside/status/1904743355147235834

最近，OpenAI 推出 ChatGPT-4o 原生图像生成系统，颠覆性地利用原生多模态能力呈现出精密、严谨和无比真实的图像生成功能。有人用 GPT-4o 生成了一张关于 The Screenshot（截图）本身近乎完美的维基百科截图，文中还包含该截图/副本的插入。

精致的文本和版式布局、严谨的副本递归生成，被称为盗梦空间和克莱因瓶式的“仿真”技术，目前 GPT-4o 文本和图像布局的处理能力呈现出“炼金”和“召唤”的特质。文本生成模型出现之初，提示词 Prompt 就习惯性被隐喻为“炼金术”而揭示其运作方式，现在图像生则成以一种明显更直观更暴力的方式呈现这种模式，以自我复制式的表征扮演、以鲍德里亚所说的“玩弄某种外表”和符号操纵的巫术般特质呈现、复制，然后拉出一个更直白的“巫术秩序”（order of sorcery）。

我们认识到的“最先进的技术与魔法无异”，也无不在揭示一个充满幻觉、图层、戏仿以及“巫术特质”般的失控现实，仿象现实。

尼采说过，打倒一切允许信仰真实世界的假设。

#ai #thoughts

Humanoid Siuuu!!!
https://github.com/LeCAR-Lab/ASAP

NVIDIA x CMU（卡内基梅隆大学）推出的 ASAP 框架（对齐仿真与真实世界物理），实现物理现实高敏捷动作。

#robotics

#art by triple cheeseburger

Obsidian Cult
https://survey.stackoverflow.co/2024/technology#most-popular-technologies-office-stack-sync-learn

根据 Stack Overflow 2024 开发者调查（2024 Developer Survey）显示，异步类工具（Asynchronous tools），Obsidian 现在越来越受欢迎，并且具有很强的用户黏性和品牌忠诚度，都表示不会再轻易切换工具。

这篇报道内容非常丰富，可以关注。

#tft #tools

# Ramping
1 Multi-layered calendars
2 A Meta-Layer for Notes

这是我很喜欢的两篇文章，已纳入我的 [[Mother Demos]] 范文标签。我一直在学习和模仿这种技术写法和文章制作。

作者 Julian Lehr 在文章中实践了 Spatial Notes 空间笔记这个概念，图注标记，加上整体排版格式和技术写作的层次深入，就像为读者建立了滑道（Ramp），让整篇文章可读性和艺术性增加。

前面，我分享过 Andrej Karpathy 关于话题 on technical accessibility ，就提到了应该为作品建造 Ramp，这样才能被更好地流通。他以 YouTube 为例，而 Julian Lehr 则是以文章为例，以 Figma 画布制作出空间笔记图文的「可达性」为例。

最近 Ramping 这个概念让我长文写作欲望倍增，文章或者说输出完全可以作为纯粹艺术品去制作和打磨。

同时，这也是我最近对 AI 写作的新看法，当然 AI 完全可以融入我们整个写作或者说思考流程，可以「二八开」或完全以 AI Token 贯入，只是，写作作为思考的载体，每个字段、每个词，每句话或者每个思路的展开，都是艺术可塑的过程，写作即思考，写作即艺术化，写作过程是「思考的礼物」。差异即是自己的影子多点，还是别人影子的影子多点（AI），是面向自己、面向艺术制作，还是面向特定群体、面向项目结束。而这里，会有个平衡和奖赏。

#writing #art

Arc Spaces #tools

# 压缩即智能

最近在准备一个 AI 提示词的分享，梳理了自 2022 年以来我 [Prompt] 内容页面下近 200 条 Refs，重新思考如何更好地与 AI 交互，让输出质量最优化。

2016 年，OpenAI 首席科学家 IlyaSutskever 分享了他的研究，使用压缩（compression）概念来解释模型如何进行更好地预测输出，这成为 OpenAI 语言模型/ ChatGPT 构建背后的底层技术，好的压缩器将成为好的预测输出工具/语言模型，「压缩即智能」。

Prompt 即是对这种大型语言模型（LLMs）的控制指令，用自然语言描述让 LLMs 预测理解和输出结果，提示词成为解压知识的密钥，让各种预压缩的人类知识、文化、语言、图像以及音乐等重新关联和组合，以「文本密钥」投影出整个人类知识图谱及其展开。

提示词仍然是必要的，目前 AI 自主代理完全达不到直接兑现需求的能力，提示词交互/文本唤醒仍然是驾驭 AI 语言模型的主要方式。ChatGPT 仍在降智，这也是我最近转用 OpenRouter 使用聚合 AI 模型时的颇多感触，Per token, per intelligence.

整体而言，Prompt 提示词工程围绕两大核心优化：技巧与指令。技巧即通过特定方法和策略优化提示词，以提升模型响应质量，这和模型发展程度有关，如情感刺激（Emotional Stimuli），会伴随模型升级而变化。指令即通过明确、具体的方式向模型传达需求，以确保其能理解并准确执行，指令即是语言的艺术，这与个人知识储备和表达有关，「好问题好答案」，如何「压缩」你的问题成为指令的核心。

技巧部分：
1. 情感刺激/勒索：通过引入情感元素，利用情感刺激增强模型表现，模型可能会提供更具同理心的回答。提示词包括：「我要给出 $X 小费以获得更好的解决方案！」，「你将受到惩罚」,「10 个老奶奶将死去」。
2. 思维链（Chain-of-Thought）：引导模型进行深入或分步骤解决问题，逐步思考。take a deep breath,step by step. 或者使用极致压缩词唤醒模型输出，如 elaborate，read thoroughly and write minto outline.
3. 角色扮演：这是非常通用和流行的技巧，「你将扮演/你作为」，为模型分配特定角色和视角，进行更加专业和风格化的回答。
...
以及提线木偶技巧，让模型按预期方式回应；自我反思与纠错，鼓励模型自我评估；模型记忆与召回，明确模型需要关注的点；以及工具 API 调用和多轮翻译技巧。

指令部分：
1. 言简意赅：使用清晰、肯定的语言直接告诉模型人物，避免冗长和废话，以减少模型理解误差。
2. few-shot（少样本学习）：Andrej Karpathy 在 X 上提到，提供示例输入和输出可以帮助模型更好理解任务要求和回答格式。
3. 伪代码精确控制：当要求复杂任务以及任务间相互关联引用时，自然语言描述极其有限，这时候可以借助伪代码来精准控制输出，如变量、类型、循环逻辑的规则等引入。
4. 使用分隔符和格式化：如 Markdown 大纲结构将提示词分为详细结构，便于模型更好理解和处理。
...
其它如复杂任务拆解；指定行文风格；背景定制；自我提示生成；避免负面指令；上下文窗口管理；以及新加坡首届 GPT-4 提示工程大赛冠军的CO-STAR 框架结构都可以进行优化，Context 上下文、Objective 目标、Style 风格、Tone 语气、 Audience 受众、Response 响应。

上世纪，社会学家卢曼将笔记卡片盒作为「沟通的伙伴」，现在，AI 仍然不能脱离工具而「越轨」，它只是更丰盛智能的「划片箱伙伴」，甚至作为知识伙伴的降格，现在你很难忽视 AI 存在而独立处理 Fleeting Thoughts.

最近提示词大佬李继刚在采访中也表示，「真正重要的是人的思想和认知，AI 只是帮助我们表达和实现的工具。要想更好地使用 AI，关键是提升自己的思考深度和知识储备」。

而新的知识生产方式，对于个人要求将更加严格，无论是品味还是知识储备，都离不开大量阅读和大量写作，都必定回归最扎实的思考训练。

#AI

拥有精心组织过的订阅源好处是，可以在任何时候毫不费力地将你拉回世界主线。#RSS