即刻App年轻人的同好社区
下载
置顶别浪费时间学 AI 的奇技淫巧了，AI 适应人的速度远快于人适应 AI 的速度——只要具备结构化思维，用自然语言准确表达需求就够了。
这是纳瓦尔最近在播客里给出的建议，如果你读过《纳瓦尔宝典》应该很熟悉这个风格，记了几条，分享下：
怎么用 AI？
应该优先考虑你的效率，而不是 AI 的消耗。
比如没必要为了让 AI 理解清楚而花时间精心写 Prompt——一口气说出来、多对话几轮，让 AI 整理就好了。
比如为了确保质量，同一个问题同时问四个不同的 AI，异步看结果，让它们交叉验证，或者从回答最好的那个开始深入追问。
要不要付费？
要为所有最先进的模型付费。正确率 92% 的模型比 88% 的模型价值高出无数倍——现实世界中犯错的成本极高，多花几块钱换一个正确答案完全值得。
怎么用 AI 学习？
学习的手段从来不缺，稀缺的是学习的欲望。AI 是自学的完美工具——让它生成图表、类比和插图，不断追问基础问题，直到从最底层完全理解一个困难概念。
AI 带来的竞争变化？
人们只想要最好的东西，市场仍然会被头部应用垄断。坏消息是：你必须在某件事上做到最好才能赢。好消息是：你能做到最好的事情是无穷多的，你总能找到一个完美适合你的细分领域，在那里做到最好。Vibe Coding 让细分市场的商业逻辑成立了。
AI 是什么？
乔布斯说计算机是"心灵的自行车"，纳瓦尔说 AI 是"心灵的摩托车"——速度更快、杠杆更大，但仍然需要人来驾驶、指引方向、踩油门和刹车。
如何克服 AI 焦虑？
很多人的 AI 焦虑源于不了解它是什么、怎么运作。焦虑的解药永远是行动——焦虑本质上是一种非特定的恐惧，你的大脑在告诉你该做点什么，但你不确定该做什么。
迎上去，搞清楚它是什么。这种对好奇心的追求会帮你消除焦虑，说不定还能帮你发现让自己更有生产力、更快乐、更成功的事。
这是纳瓦尔最近在播客里给出的建议，如果你读过《纳瓦尔宝典》应该很熟悉这个风格，记了几条，分享下：
怎么用 AI？
应该优先考虑你的效率，而不是 AI 的消耗。
比如没必要为了让 AI 理解清楚而花时间精心写 Prompt——一口气说出来、多对话几轮，让 AI 整理就好了。
比如为了确保质量，同一个问题同时问四个不同的 AI，异步看结果，让它们交叉验证，或者从回答最好的那个开始深入追问。
要不要付费？
要为所有最先进的模型付费。正确率 92% 的模型比 88% 的模型价值高出无数倍——现实世界中犯错的成本极高，多花几块钱换一个正确答案完全值得。
怎么用 AI 学习？
学习的手段从来不缺，稀缺的是学习的欲望。AI 是自学的完美工具——让它生成图表、类比和插图，不断追问基础问题，直到从最底层完全理解一个困难概念。
AI 带来的竞争变化？
人们只想要最好的东西，市场仍然会被头部应用垄断。坏消息是：你必须在某件事上做到最好才能赢。好消息是：你能做到最好的事情是无穷多的，你总能找到一个完美适合你的细分领域，在那里做到最好。Vibe Coding 让细分市场的商业逻辑成立了。
AI 是什么？
乔布斯说计算机是"心灵的自行车"，纳瓦尔说 AI 是"心灵的摩托车"——速度更快、杠杆更大，但仍然需要人来驾驶、指引方向、踩油门和刹车。
如何克服 AI 焦虑？
很多人的 AI 焦虑源于不了解它是什么、怎么运作。焦虑的解药永远是行动——焦虑本质上是一种非特定的恐惧，你的大脑在告诉你该做点什么，但你不确定该做什么。
迎上去，搞清楚它是什么。这种对好奇心的追求会帮你消除焦虑，说不定还能帮你发现让自己更有生产力、更快乐、更成功的事。
105 538
Claude Research 是真说人话啊，就算换到 Opus 4.7 也一样，尤其是看完 ChatGPT 的 DeepResearch 之后
#Deep Research使用日常
#Deep Research使用日常
8 12
这两天御三家又热闹起来了，Claude 发布Opus 4.7，Gemini 终于把 Mac 桌面端上了，OpenAI 也把泄密了很久的 all in one 应用端上桌了（Sam 就用这来狙击？）
之前泄露的时候，我还纳闷 all in one 应用是啥？难道你还能把 9 亿周活的 ChatGPT 改了不成？
今天揭晓了：新版 Codex ，Codex for (almost) everything，几个大更新，看起来挺有吸引力的:
1、通过 Computer Use，Codex 可以使用你电脑上所有应用，包括观察、点击和输入，对前端更改、测试很有用
2、支持内置浏览器，你直接在页面上点击评论，提供精确指令，指哪打哪，看起来非常爽。
有点眼熟？没错，lovart 的精细修图，Codex 做到应用开发上了
3、支持了大量插件、应用，不但要接管你应用开发的全周期，还可以做很多编程以外事情：Memory、自动化、主动建议等，比如实时跟进Slack、Gmail 和 Notion消息
上线范围：今天起，Codex 桌面端用户可用（得用ChatGPT 登录）。
----
Codex 发布一年多拥有了 300 万周活，但很明显还比不上 Claude Code ，未来还会加速卷。
openai.com
之前泄露的时候，我还纳闷 all in one 应用是啥？难道你还能把 9 亿周活的 ChatGPT 改了不成？
今天揭晓了：新版 Codex ，Codex for (almost) everything，几个大更新，看起来挺有吸引力的:
1、通过 Computer Use，Codex 可以使用你电脑上所有应用，包括观察、点击和输入，对前端更改、测试很有用
2、支持内置浏览器，你直接在页面上点击评论，提供精确指令，指哪打哪，看起来非常爽。
有点眼熟？没错，lovart 的精细修图，Codex 做到应用开发上了
3、支持了大量插件、应用，不但要接管你应用开发的全周期，还可以做很多编程以外事情：Memory、自动化、主动建议等，比如实时跟进Slack、Gmail 和 Notion消息
上线范围：今天起，Codex 桌面端用户可用（得用ChatGPT 登录）。
----
Codex 发布一年多拥有了 300 万周活，但很明显还比不上 Claude Code ，未来还会加速卷。
openai.com
9 02
3 00
有个困惑了我很多年的小问题，完全不重要、但总是心痒痒，今天突然想起来发给 AI 们查查，结果很有意思，让我对 Gemini DeepThink 的深度推理能力再次刮目相看，分享下。
问题/Prompt 是这样的：
---
我突然想起来，看过一部美国电影，它的结尾好像是在一场法院的判决之后，一个一直在追踪黑幕的记者一出法院门就被车撞死了，然后电影就结束了。我一直想不起来这部电影叫什么，顺便帮我找一找呗？
---
这个问题为什么难找？因为我的【记忆】还挺模糊的，基本上只记得电影撞车的结尾，其他信息都不明确：是记者吗？是法院吗？甚至是美国电影吗？其实我都不确定。
更重要的是：我随口给出的信息，很可能不是线索，而是陷阱，如果信息错误的话——果然后面有模型掉进去了
同时发给御三家 + Grok。
btw，御三家用的是最强模型（Claude Opus 4.6 Extended/ChatGPT 5.4 Pro/Gemini DeepThink），对比用的 Grok 只是 Expert 不是Heavy。
结果很有意思：
Grok 最快出结果：没找到，关键词倒是抽取得很精准（黑幕、记者、法院、被撞死）——但问题也就出现在这里。（图 1）
Claude 搜了几轮找不到，又问了我几个问题要更多信息继续找……结果还是找不到。（图 2）
我都快放弃了，可能是我记错了？
然而 Gemini DeepThink 花了不到 5 分钟就得出了正确答案：2010 年上映，波兰斯基导演的《影子写手》（图 3）。
哇，太准了吧！尤其在看到Grok和Claude牛头不对马嘴的回答后。
此时看着 GPT 5.4 Pro 还在咔咔烧 GPU，我就很好奇 Gemini 是怎么找到的，于是让 Gemini 复盘自己的推理过程。
总结下来就是：
Gemini DeepThink没有机械地拿着我的线索当真理去匹配关键词搜索（结果证明我几乎记错了所有细节🥲）
而是从人类记忆的规律出发，假设我可能记错的前提下，抓取核心特征（电影结尾车祸身亡），同时合理推演我的记忆偏差（不是法院是会场大厅、不是记者是作家），最后给出整体评估结果。
——为什么强调 人类记忆规律呢，因为人类记忆太不靠谱了，正如我前面说的，如果信息错误，那我随口给出的信息，就不是线索，而是陷阱了。
Grok 就在我给出更多信息的第二轮后找到了正确答案《影子写手》，但自己pass 了，因为被我的错误记忆带偏了（图 4）。Claude 也因为多处细节不符就否定了所有候选。
而Gemini DeepThink的推理非常精彩，一个小问题带着对人类记忆规律的深刻认知，看完也能理解所谓「模型的深度推理能力」是怎么体现的，非常接近人类侦探破案的过程，值得全文摘录。（图 5）
再回顾下问题：
---
我突然想起来，看过一部美国电影，它的结尾好像是在一场法院的判决之后，一个一直在追踪黑幕的记者一出法院门就被车撞死了，然后电影就结束了。我一直想不起来这部电影叫什么，顺便帮我找一找呗？
---
就这个问题，为什么这么难找啊？
Gemini DeepThink：
其实，你问了好多人甚至其他 AI 都没找出来，并不是因为这部电影冷门，也不是你的描述有问题，而是因为人类大脑的“记忆规律”与传统工具的“搜索逻辑”之间存在冲突。
我来为你“复盘”一下我刚才的推理过程，主要分为这三步：
第一步：避开“关键词死胡同”（抓大放小）
很多传统的搜索工具或者早期的 AI，采用的是“死板的关键词匹配”。如果它们去数据库里死磕：电影 + 记者 + 法院 + 出门被撞死，因为《影子写手》的真实设定是代笔作家和新书发布会，系统一旦发现关键词对不上，就会在第一轮把正确答案直接过滤掉，最后给你推一堆乱七八糟的法制新闻或车祸剪辑。
而我没有把你提供的信息当成绝对精确的指令，而是当成了一张“被时间磨损过的拼图”，允许它有瑕疵。
第二步：锁定全网唯一的“核心锚点”（影史指纹）
在排除了容易出错的细节后，我抓住了你描述中最宝贵、最不可替代的线索：“一出门就被车撞死，然后电影直接结束。”
在电影史上，主角追查黑幕被暗杀的很多，有车祸镜头的也很多。但是，主角刚查出真相，踏出大门瞬间遭遇车祸（甚至只给声音不给画面），并且导演不留任何余地，连善后都不交代直接黑屏出片尾字幕的——极其罕见。
这种极度干脆、带有强烈绝望感的“反高潮”处理，是导演罗曼·波兰斯基极其鲜明的个人印记。当提取出“政治黑幕” + “突发车祸直接结局”这两个特征组合时，搜索范围瞬间就从几万部电影缩小到了个位数。
第三步：破译你的“记忆偏差”（给记忆做宽容度转换）
人的记忆非常有意思，时间久了我们往往会忘记具体的名词，但会牢牢记住当时的“氛围”和人物的“行为逻辑”（我：这是真·读心术吗！）。所以我对你记错的线索进行了“心理学解码”：
你为什么记成了“记者”？
电影里的男主是个“代笔作家”，但他全片都在四处走访、查阅机密档案、挖内幕甚至被特工跟踪。他的行为模式 100% 就是一个硬核的“调查记者”。你的大脑非常聪明地提取了他的“行为本质”，自动归类成了“记者”。（我：太精准了吧……）
你为什么记成了“法院判决”？
首先，整部电影的核心背景就是前首相正面临“海牙国际刑事法院”的战争罪审判，法律交锋的压抑感贯穿全片。其次，结尾的高潮场景在一个庄严的大厅里，男主递出了那张写满真相的纸条，反派看后脸色大变。这种强烈的“终极宣判”仪式感，让你的潜意识把场景完美融合成了“法院”。（我的潜意识：我觉得你说得没错……）
总结一下：
别的工具像个“死板的图书管理员”，你给错了主角职业和地点，它就直接告诉你找不到；
而我充当了一个“记忆侧写师”，我忽略了拼图上掉色的边缘，死死抓住了最震撼的那块核心拼图（车祸结尾），然后把其他部分合乎情理地“翻译”过来，答案就自然浮出水面啦！
---
非常精彩～
最后，我都跟 Gemini DeepThink 复盘完了，GPT 5.4 Pro 思考了 23 分钟后姗姗来迟，给了一个错误的答案（图 6）……
问题/Prompt 是这样的：
---
我突然想起来，看过一部美国电影，它的结尾好像是在一场法院的判决之后，一个一直在追踪黑幕的记者一出法院门就被车撞死了，然后电影就结束了。我一直想不起来这部电影叫什么，顺便帮我找一找呗？
---
这个问题为什么难找？因为我的【记忆】还挺模糊的，基本上只记得电影撞车的结尾，其他信息都不明确：是记者吗？是法院吗？甚至是美国电影吗？其实我都不确定。
更重要的是：我随口给出的信息，很可能不是线索，而是陷阱，如果信息错误的话——果然后面有模型掉进去了
同时发给御三家 + Grok。
btw，御三家用的是最强模型（Claude Opus 4.6 Extended/ChatGPT 5.4 Pro/Gemini DeepThink），对比用的 Grok 只是 Expert 不是Heavy。
结果很有意思：
Grok 最快出结果：没找到，关键词倒是抽取得很精准（黑幕、记者、法院、被撞死）——但问题也就出现在这里。（图 1）
Claude 搜了几轮找不到，又问了我几个问题要更多信息继续找……结果还是找不到。（图 2）
我都快放弃了，可能是我记错了？
然而 Gemini DeepThink 花了不到 5 分钟就得出了正确答案：2010 年上映，波兰斯基导演的《影子写手》（图 3）。
哇，太准了吧！尤其在看到Grok和Claude牛头不对马嘴的回答后。
此时看着 GPT 5.4 Pro 还在咔咔烧 GPU，我就很好奇 Gemini 是怎么找到的，于是让 Gemini 复盘自己的推理过程。
总结下来就是：
Gemini DeepThink没有机械地拿着我的线索当真理去匹配关键词搜索（结果证明我几乎记错了所有细节🥲）
而是从人类记忆的规律出发，假设我可能记错的前提下，抓取核心特征（电影结尾车祸身亡），同时合理推演我的记忆偏差（不是法院是会场大厅、不是记者是作家），最后给出整体评估结果。
——为什么强调 人类记忆规律呢，因为人类记忆太不靠谱了，正如我前面说的，如果信息错误，那我随口给出的信息，就不是线索，而是陷阱了。
Grok 就在我给出更多信息的第二轮后找到了正确答案《影子写手》，但自己pass 了，因为被我的错误记忆带偏了（图 4）。Claude 也因为多处细节不符就否定了所有候选。
而Gemini DeepThink的推理非常精彩，一个小问题带着对人类记忆规律的深刻认知，看完也能理解所谓「模型的深度推理能力」是怎么体现的，非常接近人类侦探破案的过程，值得全文摘录。（图 5）
再回顾下问题：
---
我突然想起来，看过一部美国电影，它的结尾好像是在一场法院的判决之后，一个一直在追踪黑幕的记者一出法院门就被车撞死了，然后电影就结束了。我一直想不起来这部电影叫什么，顺便帮我找一找呗？
---
就这个问题，为什么这么难找啊？
Gemini DeepThink：
其实，你问了好多人甚至其他 AI 都没找出来，并不是因为这部电影冷门，也不是你的描述有问题，而是因为人类大脑的“记忆规律”与传统工具的“搜索逻辑”之间存在冲突。
我来为你“复盘”一下我刚才的推理过程，主要分为这三步：
第一步：避开“关键词死胡同”（抓大放小）
很多传统的搜索工具或者早期的 AI，采用的是“死板的关键词匹配”。如果它们去数据库里死磕：电影 + 记者 + 法院 + 出门被撞死，因为《影子写手》的真实设定是代笔作家和新书发布会，系统一旦发现关键词对不上，就会在第一轮把正确答案直接过滤掉，最后给你推一堆乱七八糟的法制新闻或车祸剪辑。
而我没有把你提供的信息当成绝对精确的指令，而是当成了一张“被时间磨损过的拼图”，允许它有瑕疵。
第二步：锁定全网唯一的“核心锚点”（影史指纹）
在排除了容易出错的细节后，我抓住了你描述中最宝贵、最不可替代的线索：“一出门就被车撞死，然后电影直接结束。”
在电影史上，主角追查黑幕被暗杀的很多，有车祸镜头的也很多。但是，主角刚查出真相，踏出大门瞬间遭遇车祸（甚至只给声音不给画面），并且导演不留任何余地，连善后都不交代直接黑屏出片尾字幕的——极其罕见。
这种极度干脆、带有强烈绝望感的“反高潮”处理，是导演罗曼·波兰斯基极其鲜明的个人印记。当提取出“政治黑幕” + “突发车祸直接结局”这两个特征组合时，搜索范围瞬间就从几万部电影缩小到了个位数。
第三步：破译你的“记忆偏差”（给记忆做宽容度转换）
人的记忆非常有意思，时间久了我们往往会忘记具体的名词，但会牢牢记住当时的“氛围”和人物的“行为逻辑”（我：这是真·读心术吗！）。所以我对你记错的线索进行了“心理学解码”：
你为什么记成了“记者”？
电影里的男主是个“代笔作家”，但他全片都在四处走访、查阅机密档案、挖内幕甚至被特工跟踪。他的行为模式 100% 就是一个硬核的“调查记者”。你的大脑非常聪明地提取了他的“行为本质”，自动归类成了“记者”。（我：太精准了吧……）
你为什么记成了“法院判决”？
首先，整部电影的核心背景就是前首相正面临“海牙国际刑事法院”的战争罪审判，法律交锋的压抑感贯穿全片。其次，结尾的高潮场景在一个庄严的大厅里，男主递出了那张写满真相的纸条，反派看后脸色大变。这种强烈的“终极宣判”仪式感，让你的潜意识把场景完美融合成了“法院”。（我的潜意识：我觉得你说得没错……）
总结一下：
别的工具像个“死板的图书管理员”，你给错了主角职业和地点，它就直接告诉你找不到；
而我充当了一个“记忆侧写师”，我忽略了拼图上掉色的边缘，死死抓住了最震撼的那块核心拼图（车祸结尾），然后把其他部分合乎情理地“翻译”过来，答案就自然浮出水面啦！
---
非常精彩～
最后，我都跟 Gemini DeepThink 复盘完了，GPT 5.4 Pro 思考了 23 分钟后姗姗来迟，给了一个错误的答案（图 6）……
8 14
托人从香港带回来的单伟建文集，足足花了 300 港币，但感觉下面这段就值回书价了：
问：美国人不了解中国什么？
单：美国人不知道中国有多资本主义。
问：那么中国人不了解美国什么呢？
单：中国人不了解美国有多社会主义。
问：美国人不了解中国什么？
单：美国人不知道中国有多资本主义。
问：那么中国人不了解美国什么呢？
单：中国人不了解美国有多社会主义。
44 93
最近 Sam Altman 家遇袭，据说是跟纽约客最近发的一篇关于他的长文有关，那篇文章的调查很扎实，写得也很精彩，让我对这个久闻大名的杂志好奇起来。顺势把之前收藏的一部 Netflix 纪录片 The New Yorker at 100 看了——跟拍《纽约客》百年纪念刊筹备过程的片子。看完后，又读了很多介绍材料，分享给你：
《纽约客》：一本一百岁的杂志
5 00