小声读书 🙈

中秋快乐🎑

这个好玩 https://gordensun.github.io/little-critters/

周末去 Apple Store 摸了一圈 iPhone 18 系列。

本来没准备换手机，结果 iPhone 18 Pro Max 的手感意外不错，刘海也明显小了一圈。A20 Pro 性能提升很大，只是日常用起来，我确实感知不到多少。😂

这颗芯片很大一部分价值还是端侧 AI。对于暂时用不上完整 Apple Intelligence 的国行用户来说，多少有点英雄无用武之地。

而且今年有个很搞笑的地方：

iPhone 18 居然还能套 iPhone 17 的手机壳。

保护壳一戴，隔壁老王看半天可能都不知道你换手机了。😂

真正在意辨识度，我反而更期待 10 月份的 iPhone Duo。那个造型一眼就能看出来是新东西，也更好玩。

至于怎么买，我今年的思路依然很明确：澳门。

主要考虑三个东西：eSIM、Apple Intelligence 和价格。

国行是双实体 Nano-SIM；港澳版则更适合有 eSIM 需求的人。对于经常跨境、折腾海外服务的人来说，eSIM 用习惯以后确实很难回去。

价格也可以算一笔账。

以 iPhone 18 Pro 256GB 为例，国行官方 9999 元，港版 10499 港元，澳门版 10799 澳门币。按现在汇率折算，港澳版本大概都在 9600 元人民币附近。

如果再叠加银行卡 2%～5% 的境外消费返现，实际成本还能继续往下压。

当然，完全不急着首发的话，等双 11、百亿补贴也很好。国行直接降个 500～1000 元很正常，纯看价格的话，到时候国行甚至可能更划算。

我属于另一种情况。

澳门离广州不远，我澳门蚂蚁银行账户里刚好还有将近 1 万澳门币。😂

所以准备 10 月份自己跑一趟澳门 Apple Store，直接买 iPhone Duo，顺便把账户里的钱花掉。

而且我专门问了在澳门 Apple Store 上班的朋友：内地用户过去，以旧换新同样可以参加。

其实去年我已经这么干过一次。

当时去澳门买 MacBook Pro M5 Pro 24G + 1T，最后大概 14000 元拿下。后来 Apple 官网涨到 19999 元，再回头一算，相当于省了接近 6000 块。

那次经历之后，我对澳门买 Apple 产品的印象一直很好。

路线也简单得离谱：

高铁到珠海 → 横琴口岸过关 → 免费发财巴士 → 路氹 Apple Store。

顺利的话，过关、买机器、拆箱检查，一两个小时就结束了。

我使用在 cloufdflare 上搭建了一个邮箱服务 https://mail.monk.party ，支持 monk.party 和 ssggo.net 后缀邮箱注册，同时支持绑定 GitHub 找回。

用处多多。

Jev 火了：AI 支出或砍掉 60%

Jev 怎么用呢？🤔

问题一旦提出来，就开始研究，发现了好多新东西，探索的乐趣啊！🏄

拿到 API 后研究了一圈，发现大家已经把 Jev 玩出花了。给同样拿到 API、但还不知道怎么玩的人，整理一份 Jev 使用清单：

0. fast-jev-compaction
给 Claude Code 做上下文压缩，用精准裁剪替代默认的摘要压缩。

1. jev-ultrafast
Browser Use 做的高速浏览器 Agent，让 Jev 判断下一步做什么、点哪个元素。Google Flights 搜航班完整跑完约 7.1 秒。

2. typesafe-mcp
把 Jev 接进 Claude Code、Claude Desktop 和 Codex，随时做 Choice / Score 这类结构化判断。

3. jev-mcp
封装事实核验、Prompt Injection 检测和语义排序。

4. Jev Codex Router
这个很有意思：Jev 先判断 Coding 任务难度，再决定交给便宜模型还是旗舰模型。作者回放 237 个真实 turn，自测成本降低约 60%。

5. neo4jev
给知识图谱候选边打概率，再用 beam search 找路径。搞过图谱的朋友一定知道这个有多重要。太省力啦！

6. TypeSafe on Neon
拿 Jev 做模型 Router，先判断任务，再转给 Grok 4.6、GPT-6 Astra 等模型。

看完这一圈，Jev 的玩法其实很简单：

要不要？选哪个？打几分？下一步干什么？

这些高频的小判断交给 Jev，真正需要写代码、长文本和复杂推理的时候，再叫传统大模型出来干活。

@forgebitz 提到一个很有意思的判断：

分类是很多公司的巨大用例，LLM 处理上亿资产依然又贵又慢，Jev 这类模型有机会砍掉 50%-60% 的 AI 支出。

Jev Codex Router 的实测也给出了约 60% 的降本结果。当然，这个数字还需要更多真实业务验证，但方向很值得关注。

忙活了一下午，我也终于赶在下班前把 Jev 集成进了 monk.party，顺手做了一个监控看板。

实际跑起来后，有个细节我很喜欢：Jev 默认输出置信度。

以后完全可以根据置信度做分层路由：高置信度直接执行，拿不准就交给 Flash，再难一点才叫旗舰模型。

给个好评。👍

折腾完这一下午，我对 Jev 的理解反而更简单了：

Jev 负责便宜地做决定，Flash 负责便宜地干活，旗舰模型留给真正困难的问题。

AI 应用下一轮降本，可能已经开始了。🏄

Jev + Flash + AGI 会成为什么？谁需要这样的体系？

我觉得是字节和谷歌。十亿级别的免费用户，需要豆包，需要 Gemini。

Jev 提供了一种可能性。

Jev 用上了，用来做 LLM 判定。

最新的 stealth/union-alpha 模型已经在 monk.party 中的 monk-coding 中上线。

参数详见 https://openrouter.ai/stealth/union-alpha#providers

说明一下：monk-coding 本身是一个基于以 deepseek 4.1 flash 和 gemin 3.8 flash 为主和其它各类 beta 模型为辅的融合模型，一次请求会生产多次上游请求，然后取质量最好的结果返回，这个过程中会有 RTK 在其中做优化。（详见封面图）

还使用到的技术有 👇

HeadRoom 本地上下文压缩与优化层
https://github.com/headroomlabs-ai/headroom

CaveMan 让 Agent 像穴居人一样说话，精简输入输出
https://github.com/JuliusBrussee/caveman

PonyTail 约束并引导 AI 写出能达成需求的最少代码
https://ponytail.dev/

一切基于开源生态构建，monk 其实只能算是一个搬运工。

感兴趣的朋友可以把四个项目都玩一下，能够极大加深自己对大模型的理解和使用。

专为 monk.party 打造的 macOS 极致体验菜单栏用量与限流监控小工具。纯原生 Swift + SwiftUI 打造。

- 🌐 GitHub 仓库：
👉 https://github.com/yaoleifly/monk-bar

- 📦 Releases 发布页：
👉 https://github.com/yaoleifly/monk-bar/releases

上海人工智能实验室 Atria 团队发布 Atria Dawn Preview，一款面向科学研究、工程开发与专业工作流的智能体基础模型。

该模型基于 7440 亿参数 MoE GLM-5.2 基座模型构建，支持 256K 上下文，重点解决开放任务中的持续环境理解、工具调用、多步骤执行与失败恢复。

其可验证经验流水线将任务目标、智能体轨迹、中间产物和外部证据连接起来，让任务完成从“生成答案”推进到“产出可执行、可验证、可复现的结果”。

在覆盖真实研究、工程和数字工作的 16 项基准测试中，Atria Dawn Preview 在 5 项取得已报告的最高分，另有 3 项位列第二。

官网 https://atria-asi.ai/

这个模型已经接入了 https://monk.party 服务中，在模型列表中切换到 monk 模型即可使用。（不是 monk-fast 或 monk- coding）。

下午盘算了一下，手头的 Token 有点用不完了，增加额度给大家。使劲蹬吧。👇
https://monk.party

Homebrew 7.0.0 发布了。🍺

如果你平时在 Mac 上写代码、折腾 AI、装各种 CLI，Homebrew 大概率属于那种每天都在用，却很少专门打开看一眼的东西。

我自己的 Mac 更是离不开它。

Ghostty、各种 Agent CLI、开发环境、Cloudflare 工具……换一台新 Mac，我第一批装的软件里一定有 Homebrew。一句 brew install 下去，很多麻烦事就不用自己操心了。

所以这次 7.0，我还挺感兴趣。

最直接的变化就是：更快了。

brew install、brew upgrade、brew bundle 都进一步优化了并行处理，下载、准备、安装可以更充分地一起跑。

安全方面也补了不少东西。

比如新增 brew vulns，可以直接检查通过 Homebrew 安装的软件有没有已知漏洞，还维护了一套 advisory database，并接入 OSV。

另外一个挺有意思的变化是：Homebrew 终于有官方 Mac GUI 了。

名字叫 BrewUI。

macOS Tahoe 26 以上可以直接：

brew install homebrew-app

以后可以像逛 App Store 一样搜索、安装和管理 Homebrew 软件，而且 GUI 背后真正执行的 brew 命令也会展示出来。

对刚开始折腾 Mac 的小白挺友好。

说到小白，我周末刚好也干了一件和 Homebrew 有关的事情。

我基于 Pi 项目，结合自己的 Monk 模型服务，定制了一个专门针对中文场景调优的终端 Coding Agent：Monk Pi。

我折腾 Coding Agent 越久，越觉得现在很多终端 Agent 对新人门槛还是太高。

模型怎么配、API 怎么填、环境怎么装、中文怎么交流……我们天天泡在终端里觉得理所当然的东西，对第一次接触 Coding Agent 的人，可能每一步都是坑。

所以 Monk Pi 的想法很简单：

尽量提前把这些麻烦事处理掉，让小白也能先跑起来。

现在 Mac 用户一条命令就可以安装：

brew install yaoleifly/tap/monk-pi

这也是我很喜欢 Homebrew 的地方。

周末我还在 Ghostty 里改代码、打包、测试，折腾一堆乱七八糟的东西。等真正交到别人手里的时候，只剩下一句 brew install。

中间那些麻烦，全被藏起来了。

这才是好的基础设施应该有的感觉。

当然，Homebrew 7.0 也带来了一个时代的句号。

macOS 10.15 正式停止支持，Intel Mac 降到 Tier 3，并计划在 2027 年 9 月彻底结束支持。

Intel Mac 真的开始慢慢退出开发者基础设施了。

现在大家天天讨论 Claude Code、Codex、Gemini CLI，各种 Agent 一个月换一茬。

可折腾到最后，我越来越喜欢 Homebrew 这种朴素的东西。

你在后面折腾几个小时、几天甚至几个月，最后把所有复杂度压缩成一句：

brew install xxx

然后交给普通用户。

这件事本身就挺酷的。

🍺 Homebrew 7.0，干杯。

也欢迎试试我周末刚折腾出来的 Monk Pi。

一键运行 (推荐)：

npx monk-pi

deepseek-v4.1-flash 已在 monk.party 的 monk-coding 模型中上线。

可以去这个页面查询用量和规则事情 https://monk.party/account/

昨天下午去电影院，重新看了一遍《肖申克的救赎》。

第一次看还是初中。

那个年纪其实看不懂太多东西，只记得天台的夕阳很好看，一群囚犯坐在那里喝着啤酒，风吹过来，有那么一小会儿，他们好像重新变成了自由人。

那时候我觉得自己大概也是那只关不住的鸟。

后来这么多年，我一直很害怕一件事：被体制化。

习惯一份不喜欢的工作，习惯一种一眼看到头的生活，习惯别人告诉你应该怎么活，最后连离开的勇气都没有了。

所以这些年，我其实一直在有意无意地躲着这件事。

十几年过去，现在再看《肖申克的救赎》，看到的东西已经完全不同了。

安迪给自己创造了一个不存在的人，给他准备身份、账户、资产，一点一点把这个虚构的人变成真实的人。最后借着这个身份离开肖申克，换一个地方，重新开始生活。

我坐在电影院里突然觉得：

这不就是 Web3 曾经许诺过的东西吗？

身份属于自己，资产属于自己，人可以重新建立自己的坐标。

这不也很像 AI 时代应该有的样子吗？

一个普通人拥有越来越强大的工具之后，可以自己写代码、做产品、赚钱、创造内容，甚至重新设计自己的生活。

以前很多需要组织才能完成的事情，现在一个人也可以慢慢做到。

当然，这次重看还有一个很深的感触：

重复，重复，再重复。

很多真正重要的道理，其实都简单得要命。

「希望是个好东西，也许是最好的东西。」

这句话 13 岁的时候看过，23 岁的时候可能还会觉得有点鸡汤，等再过十年，被生活反复捶打几轮之后，可能突然又懂了一点。

但懂了也没用。

过两天还是会忘。

所以只能重复。

今天念一遍，明天再念一遍。

重复一百遍，一千遍，一万遍。

念到它真的进入你的身体，念到某一天生活把你逼到墙角的时候，你还能想起来：

希望是个好东西。

有些话，大概就是要念叨到天荒地老，我才能完全相信它。

现在回头想想，还挺感谢 13 岁那年的自己。

一个敞亮的下午，我把门窗紧锁，一个人偷偷摸摸看完了《肖申克的救赎》。

而不是《玉女心经》。

真的是差一个选择，人生的路子可能全错了。🤡

所以我现在很建议大家：

每隔十年，重新看一遍《肖申克的救赎》。

电影还是那部电影。

变的是坐在屏幕前的那个人。

13 岁看自由，23 岁看体制，33 岁看希望。

再过十年，也许又会看到完全不同的东西。

这就是一个好故事最厉害的地方。

它不会告诉你答案。

它只是在那里等你。

等你活得再久一点，再回来一次。

Monk 使用倡议书

Monk 是一项带有公益性质的模型服务。

做 Monk 的初衷其实很简单：希望大家都能以更低的成本，用上快速、流畅、好用的大模型。

目前 Monk 提供的模型资源并不是无限的。每一次对话、每一个长任务、每一次 Agent 调用，背后都会真实消耗 Token、并发和计算资源。

所以，希望大家在使用 Monk 时，可以稍微珍惜一下这份共享资源。🙏

* 按需使用：能解决问题就好，尽量避免无意义地反复生成、刷 Token。
* 合理使用长任务：Coding Agent、超长上下文等任务消耗很大，请尽量控制并发和任务数量。
* 不要滥用资源：请勿通过脚本恶意并发、批量跑量、共享账号或进行其他明显超出正常个人使用范围的行为。
* 高峰期互相让一让：如果偶尔遇到速度下降、限流或者模型暂时不可用，可以稍等一会儿再试。
* 发现问题欢迎反馈：Monk 还在持续迭代，有 Bug、有体验不好的地方，都可以告诉我。

我希望 Monk 可以跑得久一点。

它不追求把每一个 Token 都变成利润，更希望把有限的模型资源，尽可能公平地分给真正需要它的人。

少一点浪费，多一点克制。

大家一起维护，才能让 Monk 一直保持快速、流畅，也让更多人有机会用上这些模型。

感谢每一位 Monk 用户。❤️

经过一周的努力，https://monk.party 已全系标配 gemini 3.8 flash 模型，非常适合作为子任务的模型使用，输出又快又好。一天一块钱，纯纯合租服务器，福利局。🤣