即刻App年轻人的同好社区
下载
App内打开
Yibie
875关注4k被关注4夸夸
用好奇心行走江湖
以热爱行侠仗义
置顶
Yibie
2年前
Yibie 的自我策展

我整理之前发过的帖子，这些是值得推荐一看的。也顺道向你暴露我的世界观、性格、兴趣和观点，有机会的话交个朋友😊

✨ AI 与新世界

得到 Prompt 系列（共 18 个） ⭐️已被“提示词图书馆收录”
m.okjike.com

Promopt: 文章精炼大师
web.okjike.com

Promopt: 概念卡片制作专家
web.okjike.com

Promopt: PPT 大纲制作助手 ⭐获得即刻精选推荐
web.okjike.com

Promopt: Kiweb. 文章精华浓缩专家
web.okjike.com

开发 12 Weeks LifeRPG 背后的过程与思考
web.okjike.com

用 AI 帮忙总结笔记（测试了 ChatGPT、Gemini、Kiweb.、豆包）
web.okjike.com

微软 CTO Kevin Scott 接受 every 访谈
web.okjike.com

吴恩达总结 AI 工程师制作 Promopt 的经验
web.okjike.com

OpenAI 2024 年春季发布会源文件， 包括演讲稿和演示用代码
web.okjike.com

视频内容识别是 Gemini Pro 1.5 的杀手锏
web.okjike.com

Perplexity 的官方 Promopt
web.okjike.com

大模型公司对 Token 的计算方法都不一样
web.okjike.com

AI 与创作者经济
web.okjike.com

------------------------------------

🤔我对这个世界有点看法

every 长文: AI 将冲击广告业, 后果很严重
web.okjike.com

Vision Pro 之我见
web.okjike.com

社会生活的趋同让人恐惧
web.okjike.com

「探索式」笔记法 ⭐获得即刻精选推荐
web.okjike.com

子弹日记法
web.okjike.com

商业价值的 3 个重要特征
web.okjike.com

Arc 这家公司的特点
web.okjike.com

新产品形态: Jina AI 将 URL 变为 API
web.okjike.com

------------------------------------

📒囤了一些清单

值得推荐的豆瓣小组
web.okjike.com

包豪斯设计的精华链接
web.okjike.com

Design Engineer 的 Twitter List
web.okjike.com

------------------------------------

📖️那些值得推荐的好书

读完斯多葛主义代表人物塞涅卡的书信集 <短暂的生命>
web.okjike.com

程序员超强大脑笔记
web.okjike.com

读完<巨人的工具>
web.okjike.com

读完<为什么伟大不能被计划>
web.okjike.com

精要主义读书笔记
web.okjike.com

读《了不起的盖茨比》
web.okjike.com

------------------------------------

💭️脑海里闪过的一句话

天才税
web.okjike.com

高度抽象的现代生活损害人类天生的类比能力
web.okjike.com

你能列出充分反映时代精神的 3 家公司吗？
web.okjike.com

解决拖延症的办法是找出之前最想完成但一直没做的事
web.okjike.com

美 = 深刻的简洁
web.okjike.com

尊重常识 = 不犯基本错误
web.okjike.com

与其花 1 小时如昙花一现, 不如花 10 倍时间震惊四座
web.okjike.com

这个世界有种人，以好人为食。
web.okjike.com

最难沟通的，是被灌输了标准答案的人
web.okjike.com

拖延 = 甩锅给未来的自己
web.okjike.com

折腾的定义
web.okjike.com

------------------------------------

🛠喜欢折腾工具

开启 Mac 系统自带白噪音音乐的方法
web.okjike.com

20-20-20 护眼原则
web.okjike.com

用哔哩哔哩替代网易云音乐
web.okjike.com

中国著名羽毛球运动员郑思维学习英语的工具和方法
web.okjike.com

------------------------------------

📁未归类的答案

「参考答案」的策展原则
web.okjike.com
718
Yibie
09:51
还不到 10 点，发现今天的事情差不多做完了
20
Yibie
09:25
产品经理的 GDP 制造术

哥飞: 微信有一些交互小细节，只有天天用，频繁用的人才能感受到，才能发现哪种交互好用。 举例来说，长按复制微信号，这个交互一直都有，也很好用。 但是长按复制昵称和备注名称，在之前的版本里有，在上几个版本里没了，在最新的版本里又回来了。 我不知道为什么之前几个版本里要改掉这个交互，更不知道为什么最新版本又加回来了。 我甚至怀疑最新版本加回来是无意识的，我担心下几个版本又给改没了。 当然这里也有可能代码里一直都有相关功能，是后台有灰度控制开关，但是开关太多了，控制开关的那个人，在某些版本忘记打开某些开关了。 具体情况我不知道，以上我都是瞎猜的，我想表达的是，有些好用的交互会突然消失，而这些功能交互只有天天用的人才有明显感觉，内部控制开关的那个人并不一定是真的用这个功能的人，别用你自己的喜好来决定开关了。 再举个例子，拉人进群，可以分享历史聊天记录，手机端可以分享99条，MacOS 桌面端之前也是99条，后来在前几个版本里改成了100条，直到现在还是100条，而手机里依然还是99条。 我不知道为啥会有这个数字差异，不过也只是差一条，没关系。 我说的是另一个很重要的交互，怎么选择出99条或者100条聊天记录，各个版本的交互都不一样。 有一个交互，我最喜欢，但现在在各个版本各个平台都没了，那就是进入选择历史消息界面后，自动选择最新一条消息，然后我滑动消息时，自动勾选新出现在可视画面里的消息，并且伴随着“嘟嘟嘟”的音效，我只需要不断滑动，就可以选择满99条或者100条历史消息了。 但后来，这个交互没了，改成了可以自由选择开始位置和结束位置，选好开始位置后，不断滑动，会有一个游标显示“选择到这里”，点击就选中这个区间段的多条消息，这个改动的确使得选择变得更灵活了，允许选择某一段而不是最新的一段，所以还得也合理。 但是某个版本里，进入界面后，会自动先选择好最新一条作为第一条，而后面有个版本改成了不会自动选择最新一条，现在的版本又给改成了会自动选择。 这也没啥是吧，但是“选择到这里”的交互也改过多次，举例来说，现在的版本，超过了100条之后，显示“最多选择100条”，但有时候滑太快，滑过头了，我并不知道第100条在哪里，我得小心翼翼的一点一点滑回去，找到第100条，然后点击“选择到这里”。 目前安卓手机端和 MacOS 桌面端的交互都是这样，不好用。 而之前的交互是会随着滑动自动选择满100条的，两个交互的效率，完全不一样。 其实现在版本，改成超过100条时，同时提示最多选择100条，并且自动把区间段里从开始数起100条消息选中，那就很好用了。 注意，拉人进群时选择100条历史消息和直接在群里选择100条消息合并（或不合并）转发给个人或群，使用场景不同，需求也不同。 拉人时，选择消息到用途是恢复讨论上下文，让新进群的人也能知道之前大家讨论了什么，这时候要的是完整还原，所以并不需要精细化选择消息，只需要选中最新100条即可。 而多选并分享，就有任意选中某些消息，我筛选消息到需求了。 不同的场景，不同的需求，需要使用不同的交互。 我希望做这个功能设置的人，能够真的去拉100人进群，感受一下，才知道怎么更好的做好这个交互。 而不是靠猜，靠觉得，靠所谓的产品经验或者直觉。

00
Yibie
2天前
这是今天最喜欢的图

有人 get 到它的寓意吗？
150
Yibie
5天前
问一下，即刻上怎么上传视频？
30
Yibie
5天前
刚刚跟别人说起 Folo，最近经历裁员，这也证明一件事，由于人类信息处理能力的限制，压根就没能发挥好 Folo 能力。我觉得我自己看东西也算快的了，但根本没办法每天都看那么多内容...
10
Yibie
6天前
向 OpenSpec 学习了分阶段分解，将大型任务链拆成一个阶段一个阶段的中小型任务链，然后放进统一的阶段文件夹中。这样子明显可以感受到 LLM 的反应更快，而且解决问题的时间变短。

Yibie: 我今天尝试了，不需要安装 Spec-kit，结合 AGENTS.md 也能实现部分 Spec 开发的方式。我用的 Codex，整个过程是这样的： 1. 用自然语言对话，与 AI 共同产出一个产品功能清单 PRODUCT.md。 2. 在这个清单的基础上，让 AI 生成一个分阶段实现的 PLAN.md。 3. 引用 PRODUCT.md 和 PLAN.md，让 AI 得到一个技术参考文档 TECH-REFER.md。 4. 根据如上所有文档，让 AI 提供一个分阶段，原子化的任务清单 TASK.md 然后 AGENTS.md 里添加一个规则，让 AI 记住自己的每一步修改： ## Change Tracking - After any file modification in this repo, update `CHANGE.md` at the project root. - For each change, include: - Date (YYYY-MM-DD) and optional time - Affected files/paths - Action: Add | Modify | Delete - Functions modified: list fully qualified function/method names; include signature when practical - Short summary and expected impact - Keep entries reverse‑chronological; group related changes under the same date. - When opening a PR, ensure `CHANGE.md` includes that PR’s delta. Example entry: Date: 2025-01-01 Changes: - Modify: Core/WindowManager.swift — Refactor layout calc for clarity. - Add: Tests/LayoutTests.swift — Add tests for split algorithm. Functions modified: - WindowManager.applyLayout(_:to:screens:) - LayoutEngine.splitRect(_:by:gap:) Impact: - Behavior unchanged; improved test coverage and readability. 然后再添加一个规则，让 AI 根据 TASK.md 来一步一步执行： - 按“一个原子任务一次”的节奏推进，实现来自 `TASK.md` 的任务。 - 每完成一个原子任务： - 立即在 `TASK.md` 中将对应条目标记为 `[x]`。 - 在 `CHANGE.md` 记录变更：包含日期、影响文件、修改/新增/删除，以及“Functions modified”。 - 若实现影响了用户体验或操作方式，优先在文档中以“用户操作”视角补充说明。 --- 这种方式比起 Spec-kit 稍有不同的是，每完成一个任务，Codex 都会让你确认，然后进行下一步，不像 Spec-kit 里提供的命令这么自动化。 但是，这个方式可以比较好地管理每一个步骤的实现，你可以向 AI 反馈你发现它的实现中出现的问题。即时进行修正，这些操作记录都会记录到 CHANGE.md 这个文档里面。 然后有了 CHANGE.md 文档的存在，你可以放心调用不同的 LLM Coding 工具，在基于 CHANGE.md 里面的基础上进行修改。相当于拥有一个项目的记忆。

00
Yibie
7天前
Google 的反重力（Antigravity）最近在升级之后，那种打字都卡的问题已经解决得很好了
51
Yibie
10天前
刚打开 NotebookLM，发现生成幻灯片的按钮变灰了
10
Yibie
10天前
有收获，深入浅出

Kenny_肯尼: 谷歌最近新发的论文 Nested Learning，甚至有人称之为 Attention Is All You Need 2.0 版本。 模型自我迭代一直是我非常感兴趣的话题，尤其做agent产品时，很多context engineering的活儿还挺烦挺枯燥挺难搞的，如果能把业务的脚手架内化到模型里，效果会有显著的提升。比如过去把lora、Ip adapter、PE优化等训到基模里，应用层就轻松很多，且效果的质量和泛化性都更好了。 作为一个应用层的产品，而非专业算法，看了之后，把自己的理解和思考写出来，期待与大家的交流，尤其来自算法同学的纠偏。 论文地址：https://abehrouz.github.io/files/NL.pdf Nest learning试图解决大模型应用目前面临的一个核心矛盾：静态的权重与动态的业务需求之间的割裂。如果说目前的 Transformer 架构本质上是在通过静态权重来“预测下一个 Token”，那么 Nested Learning（嵌套学习）则是在尝试构建一个能够实时自我更新的系统。 1. 架构的本质差异：静态堆叠 vs 嵌套循环 目前的 LLM（基于 Transformer）与 Nested Learning 在底层逻辑上有着显著的区别： Transformer（当前的主流）： 它的训练和推理是截然分开的。我们在训练阶段通过海量数据确定了模型的权重，一旦训练结束，这些权重就固化了。这就好比一个学生在毕业那一刻，他的知识体系就被封存了。上线后的每一次对话（Inference），模型都是在调用这份“死”的长期记忆，虽然能通过上下文窗口（Context Window）处理短期信息，但无法将其转化为长期的经验。这也是为什么模型会患有“顺行性遗忘症”——Session 一关，一切归零。 Nested Learning（新的范式）： 它的核心观点是 “Architecture is an illusion”（架构即幻觉）。它不再将模型看作是层与层的简单堆叠，而是将其视为一组嵌套的优化问题。在这个视角下，架构和优化器是一体两面的。模型被设计成多个不同层级的循环，有的层级负责快速适应（类似推理），即快权重，有的层级负责慢速固化（类似训练），即慢权重，这两者在 Nested Learning 中是统一且同时进行的。 2. 仿生学原理：多频率的记忆共振 Nested Learning 之所以受到关注，是因为它在机制上更接近人脑的运作方式。大脑在处理信息时，会产生不同频率的脑波： - 高频波（如Gamma波）： 往往对应着高度集中的注意力，处理当下的、瞬时的短期记忆。 - 中低频波（如Alpha波、Delta波）： 往往与记忆的整合、固化有关，负责将短期的体验沉淀为长期的认知。 Nested Learning 借鉴了这种“多时间尺度”（Multi-timescale）的机制。它将模型内部划分为不同的频率区域： - 高频区（Fast Weights）： 类似于人脑处理短期记忆的区域，能够随着当前的 Context Flow（上下文流）实时快速更新。这让模型在推理过程中就能“学会”新的东西。 - 低频区（Slow Weights）： 类似于长期记忆区，更新频率极低，负责存储那些通用的、稳定的规律。 通过这种高低频的嵌套与配合，模型不再是一个机械的输入输出函数，而具备了某种程度的“生物活性”，能够在与环境交互的过程中，动态地决定哪些信息该遗忘，哪些信息该像突触生长一样被固化下来。 3. 对应用层产品的潜在影响 如果这种从“静态”到“动态”的转变能够落地，我们构建 AI 产品的方式或许会发生几个本质的变化。 第一，模型角色从“工具”转向“养成系员工”。目前的模型更像是一个标准化的工具，出厂设置决定了它的上限。而基于 Nested Learning 的模型，更像是一个新入职的员工。起初大家的基础能力（基座）差异不大，但在处理具体业务的过程中，它会持续接收反馈（正向的采纳、负向的修正）。 这种反馈不再仅仅停留在 Prompt 层面，而是会通过“快权重”实时沉淀到模型里。一段时间后，它将变成一个完全适应你业务逻辑的、独一无二的模型。壁垒将由数据规模转向“业务交互的质量”。 第二，Context Engineering 的“内化”。过去大半年，为了解决模型记性差、不懂业务的问题，我们花费大量精力做 Context Engineering（上下文工程），搭建 RAG、编写复杂的 System Prompt。这本质上是在模型外部搭建“脚手架”。 当模型具备了自我迭代能力，这些外部的脚手架将被逐步拆除，能力会被内化到模型参数中。模型不再需要你每次都重复告知“你是谁”、“你的目标是什么”，这些信息已经变成了它的直觉。 第三，从“离线训练”到“在线进化”。目前的 RL、SFT（监督微调）大多是离线的、静态的。业务变了，必须重新收集数据、重新训练、重新部署。Nested Learning 提供了一种在线持续学习的可能。模型置身于真实的数据流中，边服务边学习，这种效率上的提升，在长周期看是巨大的。 当然，Nested Learning 仍然处于理论阶段，并且其在实践中的挑战依然非常多。比如，如何保证动态权重更新不导致模型不稳定或出现过拟合问题，如何在大规模应用中高效执行这种实时更新，如何在没有大量标注数据的情况下进行有效的在线学习等。 但它提醒了我们：为了业务，一方面需要修补当下的技术缺陷（如有限上下文长度），另一方面也应关注模型演进的长期方向，看哪些是长期有价值的产品建设。 未来，我们作为产品，核心工作可能不再是写 Prompt，而是为这个能够自我进化的智能体定义清晰的目标（Goal），并构建一个能够提供高质量反馈的闭环环境。毕竟，当模型能够自我学习时，决定它长成什么样子的，是它所处环境的反馈机制。 有人把论文喂给nano banana，生成了这张图，非常精准，我自己试过来，没这么好看

00
Yibie
11天前
老大哥 Simon Williams 发现，在 11 月 19 日时，所有 Claude 模型的 System Prompt 里都加入了这一段话：

如果对方对Claude无端粗鲁、刻薄或侮辱，Claude无需道歉，并可以坚持要求与它对话的人保持友善和尊严。即使有人感到沮丧或不开心，Claude也值得被以尊重的态度对待。

via simonwillison.net
10