笔记本：Lin's 文字世界 : 个人见闻/B站视频/网络见闻

【左子祯】Perplexity新PC炸场：我们跟电脑的关系从第一天起就是反的

Perplexity发布的Personal Computer跑在专属Mac mini上7×24小时运行，可打通本地文件、应用和云端能力，支持远程控制。其官网核心表述直接戳破行业现状：传统操作系统接收指令，AI操作系统接收目标。当下火热的AI Agent演示本质上是在模拟人类点击鼠标、敲击键盘的操作，属于“没有马的马车”，跳不出旧时代的交互框架。

过去四十年用户要学习软件操作、记住界面规则才能使用电脑，相当于花大量时间把自己的需求“翻译”成机器能理解的指令，多数人每天8小时工作里至少6小时都在做这类翻译工作。AI操作系统的逻辑完全反过来，用户只需要说清楚要达成的目标，具体执行路径由系统自主完成，App会从用户直面的界面退化为AI调用的底层能力。新的技术范式下，最核心的能力不再是熟练操作软件，而是清晰知道自己到底要什么。

#AI操作系统 #Perplexity #人机交互 #AIAgent #科技趋势 source

【shimu】阿里林俊旸离职，背后是AI战略出了问题？

AI基座大模型竞争本质是长期战争，此前业界普遍认为Scaling Law带来的模型性能增长斜率已经放平，实际还有海量未电子化的用户本地数据、生活轨迹等“沉默数据”待消化，模型能力仍有巨大提升空间，短期排名波动并不关键，核心是清晰的战略和长期投入。

目前行业普遍存在把DAU作为AI业务KPI的误区，对基础模型而言，真正的核心指标是token消耗量，普通用户浅层使用带来的DAU增长对模型进化帮助有限，甚至可能产生噪声。

阿里的核心问题是生态失位，龙虾爆火后没有第一时间接入生态窗口，24年至今coding、agent、openclaw等关键机会点都没有和通义千问强绑定，导致生态带来的token消耗量暴涨期无法反哺模型能力进化，这种长期生态机会的把握缺失，比单版本模型落后、单个技术人才流失影响更大。

#AI行业 #大模型 #阿里 #科技行业分析 source: https://web.okjike.com/u/AC23D3EA-4D0A-4550-A4ED-6700D2CAB8ED/post/69aabd0e50600952ffb7e176

（本内容由林云的本地 Journal Sync 工具整理发布）

对第一段内容的观点补充一下，原文作者的语义有一定误导性

“在聊我今天观点的时候，我首先想强烈鄙视一些知名人士，包括一些大V自媒体博主，为了个人自身的利益，无限夸大小龙虾的作用……包括里面我们还发现很多大模型算力的厂商在里面推波助澜……因为原来你用网页版的，类似于deep sak，类似于kimi，它都是免费的。但是如果你现在想用小龙虾，那就必须要挂接这些大门庭的API……那就一定是收费的。”

DeepSeek 应该并未参与到 OpenClaw 的推广中

厂商与大V的利益驱动：许多自媒体和模型厂商（如 DeepSeek、Kimi 等）为了获取 API 调用费或流量，过度夸大了“小龙虾”的功能，误导普通用户。

安装复杂度只是表象：虽然目前有付费代安装服务，但解决安装问题并不等同于能用好它。

缺乏“饲料”（私有数据）：
- 普通人普遍缺乏写日记、文档和构建个人知识库的习惯，脑子里杂乱的信息无法有效训练 AI。
- 只有拥有大量结构化的私有文档（如长年的博客、笔记），AI 才能真正理解用户并产生深度价值。

工作性质的匹配度低：
-“小龙虾”更适合工作流程有规律、有条理且需要大量重复自动化输出的人。
- 对于工作杂乱无章、缺乏持续性输出的普通人，自动化带来的价值极低。

技能（Skills）的误区：
- 真正的技能 = 外部方法论（Skill 包）+ 内部结构化内容。
- 普通人大多只有工具，却缺乏能让工具跑起来的“内容输入”。

高昂的“养育”成本：
- API 烧钱：除了基础大模型 API，要实现多模态功能（如高质量语音转文字、绘图、OCR 识别），还需要额外购买大量昂贵的第三方 API Key（如讯飞、百度 OCR 等）。
- 投入产出比低：普通人使用它完成的工作（如整理文档、采集新闻）所产生的价值，往往覆盖不了昂贵的 API 调用成本。
- 开源工具的局限性：在处理具体任务（如发票识别）时，开源插件的效果通常很差，最终仍需指向付费的专业服务。

正确的认知态度：
- Agent 是大趋势，可以尝试，但不应寄希望于它能解决所有问题。
- 与其利用它“偷懒”，不如通过它反思并优化自己的工作习惯，开始建立有序的个人知识库。

请求群友告知：我为什么需要一个 OpenClaw 个人助手，需求点是什么，使用场景是什么

【Jiayuan (JY) Zhang】当我们站在变革的开端

本文探讨了当前 AI Coding 普及引发的技术革命。随着 AI Agent 能力跨越临界点，代码生成的边际成本趋于零，编程能力正被快速商品化。一个人的输出量现在可匹敌过去乃至数十人团队的开发进度，技术对组织的赋能正在解构旧有开发范式。

文章以古登堡印刷术、电动机及云计算等历史跨越为参照，指出供给侧的爆发会导致注意力的极度稀缺与极端幂律分布。当应用产品的实现门槛消失，竞争的核心壁垒将转移至专有数据、合规机制、用户网络，以及对系统设计的判断能力上。

#人工智能 #AI工具 #商业模式分析 https://x.com/jiayuan_jy/status/2029851505583607961?s=20

【晴猫@幻夢結社】MaiBot：一个想当群友的 AI

开源项目 MaiBot 尝试让 AI 作为一个普通的群成员潜伏在 QQ 群聊中。与常见的工具型机器人不同，MaiBot 的不以回答问题或执行命令为目标，而是像真人一样进行日常交互。在技术层面，它采用了名为 HeartFlow 的持续认知机制，能自主感知群聊环境的活跃度，从而决定是插嘴发言、长时间潜水还是发送语音。

该项目最关键的特征是其社交学习能力。MaiBot 会主动观察并模仿群友的特定句型、用词甚至黑话。为了进一步降低机器感，系统会主动制造输入错误、大小写混用及碎片化发送。同时，它具备基于海马体索引理论的长期记忆，能够追踪针对独立用户和特定群组的亲密度与社区文化。尽管当前存在部署流程繁琐、运行开销大的情况，但在中文社区内仍然受到了极大关注。

#AI代理 #开源项目 #社群机器人 #赛博生命 https://x.com/HarukawaSayaka/status/2029827682931007876?s=20

藏师傅的这个 skills 可以让你的 Claude Code 秒变龙虾！
​
​现在支持飞书 Telegram 和 Discord，还有交互式的配置，非常详细，小白也可以上手。

Claude-to-IM-skill

这个 Skills 可以直接将你当前的 Claude Code 对话远程连接到飞书、Discord 等 IM 工具，即使你在外面也可以跟你的的 Claude Code 进行交互了。

具体的功能有：

- 三大 IM 平台 — Telegram、Discord、飞书，可任意组合启用
- 交互式配置 — 引导式向导逐步收集 token，附带详细获取说明
- 权限控制 — 工具调用需要在聊天中通过内联按钮明确批准
- 流式预览 — 实时查看 Claude 的输出（Telegram 和 Discord 支持）
- 会话持久化 — 对话在守护进程重启后保留
- 密钥保护 — token 以 chmod 600 存储，日志中自动脱敏
- 无需编写代码 — 安装 Skill 后运行 /claude-to-im setup 即可

其中交互式配置这个非常方便，首次启动的时候 Claude 会通过详细的指引，引导你进行配置。

甚至会告诉你该点哪里，门槛非常低。

设置完就可以跟你的 Claude Code 用 IM 进行远程交互了。

可以用下面这个命令安装：
npx skills add op7418/Claude-to-IM-skill

同时项目也是开源的，可以过来反馈问题和贡献 PR：github.com

揭秘爆火 AI 项目 OpenClaw：其核心引擎实为第三方开源工具包 Pi

近期在社区具有较高热度的 AI 项目 OpenClaw，其底层模型交互机制有着独特的架构依赖。源码分析表明，OpenClaw 自身并不直接实现核心的 Agent Loop 流程，而是主要专注于准备与模型交互所需的背景上下文信息。

真正承载模型调用与后台运转逻辑的是一个名为 Pi 的第三方 SDK。OpenClaw 通过直接调用其 pi-agent-core 模块来驱动整个流程引擎。Pi 实质上隶属于 pi-mono 开源项目，为开发者提供了一整套底层的 AI Agent 工具包解决方案。

Pi 工具包的创作者 Mario Zechner 是业界资深的开源开发者，他还曾开发过被各类游戏社区广泛应用的大型开源游戏框架。热门的 AI 前端应用能够快速面世，很大程度上得益于此类底层优秀开源基建的静默支撑与卓越性能。

🔗 GitHub 仓库：https://github.com/badlogic/pi-mono
🔗 官网：https://pi.dev

#OpenClaw #AIAgent #开源框架 #技术架构 source

《三角洲》主播轻语直播毁坏粉丝高价值账号事件始末

近日，《三角洲行动》主播“轻语”在直播代打时，因发现参与扫码的粉丝付费订阅刚过期一天，在明知对方身份且直播存在时间延迟的情况下，故意利用10秒倒计时，强行销毁了该玩家积攒一年、价值过亿游戏币的绝版道具与核心装备。受害玩家发声称，其初衷是配好成套极品装备供主播娱乐，却惨遭一年心血被瞬间清空，且事发后遭到主播粉丝群围攻。

该事件迅速引发游戏圈及广大网民的强烈愤怒。UP主“智能路障”从社会学角度分析指出，大众之所以反胃，是因为主播把玩家倾注情感的游戏心血，用几十元的世俗订阅费去肆意践踏。涉事主播在“商业契约”与“权威霸凌”的逻辑间随意切换，把观众异化为未交钱即可销毁的“电子垃圾”，展现了一种病态的权力傲慢。

随着负面舆论不断发酵，涉事主播不仅大量掉粉，还遭到游戏厂商、广告主及赞助俱乐部的光速解约与抵制。在面临被全网封杀且断绝收入来源的压力下，原本前一日还坚称“按规矩办事，永远不道歉”的主播最终滑跪认错，但已无法平息众怒，目前已被其所在MCN机构边缘化处理。

#三角洲行动 #轻语毁号 #游戏直播 #智能路障 source: https://www.bilibili.com/video/BV1gnPFzCEo8

白山智算 API 平台

注册+实名认证即可得150元API额度
调用一次API再得300额度

可用模型：minimax2.5、DeepSeek-V3.2、GLM-5 等

https://ai.baishan.com/auth/login?referralCode=vnKrT3arnF

【开源项目】在苹果 ANE 上实现直接的神经网络训练

一名开发者成功在苹果 Apple Neural Engine (ANE) 上直接实现了完整的神经网络训练（含反向传播）。该项目完全依赖 ANE 芯片底层算力，绕过了苹果官方的 CoreML 框架、Metal API 及自带的 GPU。

测试数据显示，在 M4 芯片上仅占用 11.2% 的 ANE 资源，即可跑通单个 Transformer 层（dim=768，seq=512），单步耗时 9.3 毫秒，持续算力达到 1.78 TFLOPS。其实测能效比约为 6.6 TFLOPS/瓦，显著优于传统数据中心 GPU 的功耗表现。此项技术使普通 Mac 设备能够以极低的电力消耗，长期在本地环境微调或训练 AI 模型，大幅削减大模型的算力成本。

包括 Zero-Human Company 在内的部分机构已开始将该技术应用于实际业务负载的测试中。这种低成本、高能效的端侧离线训练方案，为减少对云端大算力集群的依赖提供了有效的参考路径。

#人工智能 #AppleSilicon #端侧模型
http://github.com/maderix/ANE

【软件硬吃】外卖大战，携程被查，2025年的软件行业有多颠？

2025年的软件科技圈充满了变局与魔幻现实。由于TikTok在美被封禁，大批海外用户涌入小红书，促成了意想不到的跨国交流热潮。同时，DeepSeek R1以极低成本展现出比肩湾区巨头的AI能力，Sora的高开低走，以及拥有极高系统权限的“豆包手机助手”上线即遭国民级App联合抵制，都展示了AI技术对现有生态的强烈冲击。

商业模式层面的博弈同样激烈。京东以外卖免单和巨额补贴向美团、饿了么发起价格战，最终因造成资源严重浪费而被叫停平息。另一边，占据市场绝对优势的携程因强制酒店“二选一”遭到反垄断立案调查。苹果毁誉参半的“液态玻璃”系统设计和大麦网抢票Bug，也都成为了年度重大的数字生活记忆。

#年度盘点 #人工智能 #软件行业 #商业观察 source: https://www.bilibili.com/video/BV1VmZsB6EqR

【通义实验室】发布两款支持FreeStyle自然语言控制的语音模型

阿里通义实验室语音团队正式发布两款语音生成大模型：Fun-CosyVoice 3.5 及 Fun-AudioGen-VD。这两款模型均支持全新的 FreeStyle 自然语言控制范式，用户无需像过去那样手动挑选标签或调节繁琐参数，通过简单的一句话描述语句即可控制模型生成所需的声音与表达效果。

从具体功能来看，Fun-CosyVoice 3.5 侧重于声音复刻与细粒度的情感表达，仅需数秒提示音频即可完成高一致性的声音克隆，本次升级新增了泰语、印尼语等支持并降低了首字延迟。Fun-AudioGen-VD 则专注于声音角色设计与听觉场景构建，可基于文本描述精细刻画面部特征（如年龄、口音、沙哑等音色）和复杂情绪状态，更能叠加如城市环境背景底噪、特殊空间混响及收音设备质感，直接生成完整的沉浸式音频空间。

#通义实验室 #语音生成 #AI大模型 #声音克隆 通义实验室

【知乎 blast】马督工评某茶饮品牌“准毒品擦边球”事件分析

近期，马督工因评价某茶饮品牌为“蹭准毒品的擦边球”而被采取刑事强制措施引发关注。知乎答主 blast 对此进行了深入分析，指出该品牌主打“加浓茶底”路线，并采用类似咖啡萃取的工艺处理茶叶，以此获得极浓的茶底。答主认为，将其高咖啡因归结于茶粉而不提萃取工艺是在偷换概念。

除了极高浓度的咖啡因，该回答还揭示了一个行业“冷知识”：奶茶店常用的奶油枪气弹中实际使用的是“一氧化二氮”，即俗称的“笑气”。答主提供的公示图显示，有品牌使用一氧化二氮气囊作为稀奶油的发泡剂，这意味着消费者在食用奶油顶时可能摄入了相关物质。由于气弹需要严格的台账管理，部分友商此前已取消相关产品。

#霸王茶姬 #马督工 #食品行业 #笑气 #奶茶 source

【Veritasium真理元素】石棉的问题比我们想象的还严重

石棉作为一种天然存在的耐火矿物质，曾在19至20世纪被作为“神奇材料”广泛应用于建筑绝缘、消费品及各类工业场景。微小的石棉纤维一旦被吸入，无法被体内巨噬细胞分解，会长期滞留并刺穿肺部组织，引发持续炎症，最终导致石棉肺和极其隐蔽的间皮瘤等致命癌症。

尽管医学界早有定论，但相关核心企业为维持产业利润，策划了长达数十年的系统性证据掩盖。更为严峻的是，这场危机并未真正结束。由于石棉常与地壳中的滑石、蛭石等矿物伴生，如今在部分儿童用品乃至个别地区的天然越野地尘埃中，依然能检测出高浓度石棉。同时，受限于现行狭隘的法定检测标准，大量实际存在的天然环境暴露和次生危险并未得到彻底监管。

#石棉 #公共卫生 #商业调查 #Veritasium source

【Viking】Claude Context Mode：通过拦截工具输出节省98%上下文Token

近期HackerNews上的热门文章展示了一种名为Context Mode的解决方案，旨在大幅减少大模型调用MCP（Model Context Protocol）工具时产生的Token消耗。由于工具的查询和返回都会占据上下文窗口，该方案在Claude Code与外部工具之间增加了一层拦截层，防止原始的大块数据直接进入大模型，最高可节省98%的上下文空间。

这项方案的核心实现原理分为两部分。第一是沙箱隔离执行，将每个工具调用置于独立的子进程中运行（支持JS、Python等多种语言运行环境），原始输出被统一留在沙箱内，只向模型返回标准输出结果。第二是精准检索，系统利用SQLite结合BM25排序机制对文档建立索引，仅当模型有明确需要时才抽取特定的代码块或文本，取代了传统的总结摘要或全文硬塞。

基准测试显示了该模式在数据压缩上的显著效果：比如处理一张Playwright日志快照的时间从56KB暴降至299B，20个GitHub Issue从59KB缩减至1.1KB，分析500行CSV表格也从85KB降到了222B。整体思路非常接近Cloudflare此前推出的Code Mode。

#Claude #MCP #ContextMode #Token优化 #LLM
source: https://x.com/vikingmute/status/2028075718299763009

【Thariq@X】构建 Claude Code 的经验：像 Agent 一样设计工具

这是来自 Claude 团队分享的关于构建 Claude Code 时设计智能体工具空间（Action Space）的实践经验。文章指出，为 Agent 设计工具不能脱离模型具体的实际能力。开发者需要通过实盘观察模型真实的输出和表现，"像 Agent 一样思考"来为其量身定制和迭代工具集。

团队在开发中总结了几个关键发现：在交互上，弹窗阻塞式的独立工具（如 AskUserQuestion）比依赖提示词要求模型输出特定格式更稳定；在任务管理上，随着模型持续进化，原有的 Todo 列表反而成为限制，最终被替换为了更强调子智能体协同沟通的 Task 工具。在上下文获取上，他们发现与其被动灌输 RAG 检索知识，不如赋予模型底层探索能力（如 Grep 搜索），让其通过"渐进式信息披露"机制自发检索所需语境。此外项目强调工具数量的精简，因为每增加一个工具都会提高模型的决策负担，通常优先考虑不新增工具而仅扩充路径（如提供文档链接及专属处理节点）来解决需求。

#ClaudeCode #AI智能体 #LLM #工具链设计 https://x.com/trq212/status/2027463795355095314