每一个困难的问题，都有一个很容易就能想到的错误的解决办法🥲

file base的Agent记忆（md、yaml之类的……）想想就挺扯的，无论是更新还是组织，db base才是合理的，file base in db是最理想的，JuiceFS、OpenViking的设计就不错，可以混搭一个，不说了，先去注册个agnetfs域名🤣

过去两年认知方向最火的产品是Deep Research，但仔细看它做的事情：自动化的高频搜索，多文档综合，扩大信息覆盖面。这其实和都Deep没有关系，充其量是Wide Research。换言之，Deep Research是一个非常有误导性的名字。它解决的问题是信息不对称：你以前不知道的，现在知道了。但是真正的深度来自另一个维度，来自认知不对称。面对同样一份行业报告，一个从业二十年的老兵和一个刚入行的新手看到的东西完全不一样。老兵的优势在于他有一套经过多年试错沉淀下来的认知系统，知道哪些数据是噪音，哪些异常值预示着趋势。小白没有这个滤镜，就算拿到10倍厚的报告也没办法做出同样质量的决策。
这就是为什么你很少听到有人说「用了AI之后我有了以前从来没有过的深刻判断」。AI可以把一个小白提升到大众平均水平，因为它的训练数据就是大众平均水平的压缩。但对于已经在平均水平之上的人，AI的consensus输出对他的判断几乎没有增量。深刻的定义本来就是非共识，而非共识恰好是LLM被训练去规避的方向。

狼姐参加世界杯的次数比皮克多🤣

再次验证基于Transformer的LLM哪有什么智能，所谓的智能表现，都是训练数据、训练技巧共同结果的巧合，算是另一种意义上的「他什么都懂，直到他说到了你的专业」🤣

大模型为什么说不出马嘉祺？ MiniMax为我们揭晓

聊V4最好的一期节目，再补个个人解读版liduos.com

用「文字对话的方式逛淘宝」这类交互可能是个灾难，太蠢了。

一级市场账面回报需要到二级股市解禁套现卖给股民才能实现真正回报。
股民买了百倍估值的股票，要么炒起来卖给韭菜接盘侠（股民之间负和博弈），要么等公司盈利有能力有意愿分红（全靠概率和良心）

创始人和风投获得了丰厚回报，股民的回报在哪里？