尝试在 cursor 拆分三个终端，codex 和 cc 方案赛马，另一个 run dev 随时查看热更新效果。避免了目前沙盒环境没法 run dev 的问题，提升效率的同时还把 cc 和 codex 同时充分用起来。开心。

但作为简单的 ai 工具网站开发场景， codex 给的方案和描述总感觉还是不如 cc 更人性化，更清晰。也许是我没有充分利用好 AGENTS.md？万即有无好建议

我感受的“清晰”体现在：
1. 适度缩略思考执行过程
2. 指向清晰的 emoji 和颜色高亮
3. 适度暴露关键修改源码内容

终于被 base44 的 youtube 前贴片广告转化注册了。
看着和 lovart 有异曲同工之妙（比如 UX），产生了兴趣

豆包浏览器插件的网页翻译质量不错，背后是火山翻译引擎，速度，质量都很在线，还免费，在 DeepSeek API 宕机的这一小会儿里，我有点心动。

感觉郑钦文代言Qwen比较合适。硬凑了个谐音梗

看了一个产品演示的 SaaS+AI 案例，感觉 AI 适合的需求场景可以抽象为：必要的+简单+定制化需求（如果 toB，再加一个“重复”），解释为需求存在+AI 替换人工方案容易+AI边际成本低可规模化扩展+需求稳定规律存在

汗青老师创作的 AI-IP，AI 歌手 Yuri 正式出道，还接了北面的广子，没有语言障碍，没有私生活塌房风险，没有容貌焦虑，只有 token 不够用和作品发的不够快的风险。这么看来虚拟偶像好像成了？虚拟偶像经纪，AI 作品，IP 肖像权，线上活动，文创周边想象力可以非常广阔。

我的疑问是，人们是如何看待偶像的？是因为人作为肉躯但在某些方面趋近完美的的反差感？（比如选秀出道的组合）还是喜欢纯粹完美的，符合想象的存在（比如初音未来）？还是二者兼有（比如明确有人类皮下的玲娜贝儿）。

原文链接：x.com

Alexander Wang 上 YC 播客聊的内容，感觉非常空洞抽象，净整些大词，看过往经历也没有很深的技术和学术背景。Meta 看上他啥了？浅浅八卦了一下 Scale.ai 已离开的联创 Lucy Guo，我甚至感觉那位工作狂更像是能做事情拿结果的人。

MacTalk 新文章介绍了快手推荐系统尝试采用端到端方案 OneRec。说下我的感受和猜测：

1. 新框架效果应该是好的。新架构相当于另起一套推荐流程，传统的召回排序流程并行，短时间的 ab 之后就能够切主场景 25% 流量，说明团队一定是看到了积极的数据变化并达成了共识。

2. 抖音的强项（推荐系统）也许正是制约他的弱项。推荐系统更“领先”也许制约了它尝试端到端替代方案的动力。而这正是老二掀桌子的机会。如果真能抓住这个机会让快手变得更加“个性化”，继续弱化五环外用户和低龄低智低职的烂帽子，快手有可能会变得更好。

3. 曾经看到哥飞提问为什么可灵能做成 ai 视频生成模型和工具的领先者。我不知道答案，但我感觉在 ai 上面快手更快、也更敢做一些。音视频直播算法和工程底子更好一些（猜的）。高层意志更集中强烈一些。（毕竟所有研发大佬都是 yy 的嫡嫡）

希望快手能越来越好吧。6️⃣6️⃣6️⃣

veo3 技术报告，提到了一个基于扩散的音频+视频模型（the diffusion-based audio + video model），训练过程中音频和视频被分别压缩为潜在特征。这是把音频和视频放在一个模型里训练的意思吗？

storage.googleapis.com

关于模型测评设计，看 OpenAI 官方文档收获颇丰。

1. 测评设计的目标
衡量模型在业务场景中的真实能力水平

2. 评估技巧
- 评估驱动开发（尽早开始，持续测评，测评一切，紧贴业务场景）
- 结合数据指标和人工判断，不要YY

3. 评估设计流程：
- 明确评估目标，确立成功标准
- 准备数据集
- 运行测评对比结果
- 迭代优化系统

4. 根据业务场景识别「引入不确定性」的点
- 单轮模型交互
- 工作流
- Single-Agent
- Multi-Agents

我自己的感受是，LLM 应用测评其实很类似以前的功能测试。每个可能产生不确定结果的环节都需要测试。比起只测试结果正确性之外，还需要评估指令遵循（LLM 和人类指令的匹配协作）和过程准确性（Agent 系统的 Agent 路由和工具调用）。

platform.openai.com