@ayi_ainotes X analytics

有点燃炸兄弟们，这才是顶级工程师驾驭 AI 最硬核的打法，建议调到两倍速把这场 38 分钟的技术内幕看完，去感受一下什么叫真正的生产力震撼。前 Meta 和 Netflix 资深工程师、现 xAI 核心主力 Lauren Tan 刚把给 Cursor 官方大会准备的底牌直接公开了。

抖音上刷到刘润的账号对卡兹克的这段访谈，10 分钟，收获蛮大的，必须分享给的大家，不管你现在对 AI 还很上头，还是已经看累了，还是在做自媒体，都值得找个时间安静看一遍。 卡兹克 2023 年开公众号之前押了三条曲线， →AI 生产信息是指数增长， →人消费信息几乎是线性的， →全人类的注意力有天花板。 →再加上现在普通人已经分不清一张图、一段口播是不是 AI 做的。 三条叠在一起，就成了一片挡不住的信息海，能用的筛选办法只剩两种：要么跟着平台，推什么看什么，要么只认自己信得过的几个信源。 他举了诺兰的例子，很多人去看《奥德赛》，其实并不关心特洛伊战争，他们信的是诺兰这个人不会敷衍，诺兰这个人人本身就成了信息源。 这段我体感特别强，我在 X 上做内容，最明显的感受就是内容的成本已经趋近于零，真正稀缺的是别人愿不愿意信你，换句话说，我们的读者受众愿意收藏、转发，是因为信你替他筛过一遍了。 另一个让我觉得特别真实的、也是最打动我的，是他讲自己做网站的经历。 他说自己完全是业余的，Vibe Coding做了一个将近百万月活的网站，本来不懂网络安全、缓存、CDN。 有个周六网站被人攻击，打不开，用户在骂，一天流量费烧掉四千块左右。 他开一个窗口让 AI 修，另一个窗口追着问原因、问底层逻辑、问软件工程里一般怎么处理。满头大汗折腾了两天，后来稳定跑了一个月。 他说自己还是外行，只是从纯粹的菜鸡，变成了正经跟人对过仗的菜鸡。 我特别喜欢这句：看一百个教程，都不如被一个真问题逼着打一仗。 所以他给普通人的建议就两个：勇气和好奇心，很多人不敢上手，是把后果想得太重，怕 AI 搞砸，真用起来才发现它比你想的能干得多。 好奇心会被生活和压力磨掉，他自己焦虑的时候也一样，得先把压力缓下来，好奇才回得来。 这句话比我收藏过的所有教程都值钱，大家都在刷新模型、囤提示词，可真正长本事的时候，往往是有个真问题追着你跑，你停不下来。 讲管理者那段也很准，目标分好几层，最浅的是这事怎么干，再往上是这事该不该干，大多数人停在第一层。 目标说清楚了，AI 已经能拆开、交给人去执行，这时候就能看出来谁的目标不清、谁的话说不明白。 最后他说，如果把他自己的业务全拿掉，如果把自己的业务全拿掉，他给普通人的路是做自媒体，然后用好 AI，技术护城河越来越低，渠道也不是你的，只有你拿到的注意

世界上最顶级的几个 AI 大模型公司官方放出来的深度文章，大家一定要看， 这是 @AnthropicAI 第一次把他们内部是怎么做 Prompt 优化、Agent 评测和自动调优的底层方法论，毫无保留地全盘分享出来了， 同时在 Claude Code 的官方 Skill 里直接上线了两个神级指令： 一个叫 build-eval，一个叫 hillclimb。 一句话概括它干的事： 让 AI 在你的项目代码库里，自动建真实验收测试集，然后自己改代码、自己跑分、自己去重和防过拟合，直到把准确率拉上去、把 Token 账单砍到原来的五分之一。 做过 Agent 和重度提示词的人，应该都懂那种想砸键盘的绝望感： 改了一句 Prompt，这里好像变聪明了，那里又莫名其妙崩了； 或者自己写了几个测试用例自嗨，一上线遇到真实用户直接翻车。 以前我们调优全靠肉眼瞎试和玄学， 现在 Anthropic 直接把这套工业级的自动化调优流水线开源了。 我把这篇万字干货里的核心精髓，拆成三个最值钱的维度给大家讲透： 第一个，什么是真正能打的评测（Eval）？ Anthropic 给出了四条铁律，直接打碎了很多人的认知误区： 1. 别拿今天模型的短板去建题库： 大模型的能力表面是参差不齐的。如果你专门挑它今天答错的题去考它，你测出来的根本不是任务本身的难度，而是这个特定版本的指纹缺陷。下一代模型一出，你的题库全作废。 2. 顶尖模型在最强思考档下，跑分也必须远低于 100 分： 如果你的测试集让最强模型轻松拿满分，说明题目太简单，你根本测不出后续改动到底是变好了还是变差了。 3. 裁判优先用程序，其次才是大模型： 能用代码跑单元测试、校验 JSON Schema 的，坚决不用大模型当裁判；必须用大模型当裁判时，不要打 1 到 5 分这种模糊分数，而是写成可逐条核对的事实验证清单，或者做盲测 A/B 对比。 4. 必须能区分真变好和随机波动： 如果跑分每次都不一样，说明题目有歧义，或者环境残留了上次测试的文件让 AI 抄了近道。 第二个，神级指令 `/claude-api build-eval` 你在终端里敲下这行命令，Claude 会像个资深架构师一样采访你，在你的代码库里现场搭评测系统： 先抽你生产环境的真实对话记录，再翻 Bug 报告和工单，最后才补少

哇偶，卡兹克今天干了件真正配得上开源精神的大事， 他把自己那个月活百万的 AI 热点站 AIHOT，连同整套自动化抓取、精选打分算法、事件聚簇逻辑，甚至生产环境里的全部提示词，全盘开源了。 必须转发支持下卡老师，而且这还不是那种阉割版的玩具 Demo， 就是一个每天 24 小时自己找热点、自己去重聚类、自己写中文摘要、每天早上 8 点准时自动生成行业日报的完整工业级系统。 如果你在做垂直行业（游戏、法律、金融、HR、跨境），或者每天被海量噪音信息轰炸， 你不需要懂复杂的算法，拿这个仓库改一个文件夹，就能在 10 分钟内白嫖出一个完全属于你自己的行业热点站。 我把这个项目最硬核的价值和保姆级实操姿势拆给大家： 第一个，它到底解决了什么痛点？ 很多人以为热点站就是写个爬虫抓 RSS， 但真正的难点在于垃圾信息过滤和事件去重。 同一件事，十家媒体发、全网吵翻天，读者其实只想看一眼发生了什么； AIHOT 做了两层极其硬核的机制： 第一层是独立双重打分：一条消息进来，大模型独立打两次分，过了门槛才入选； 第二层是向量聚簇与热度加权：把不同媒体报道的同一件事聚成一个事件，48 小时内只按独立信源算热度，彻底干掉洗稿和灌水。 第二个，普通人怎么把它改成自己的行业站？ 最爽的地方来了，你完全不用重写底层代码， 官方把所有行业定制内容，全收拢在了一个叫 `industry/` 的文件夹里： 1. 换信源（`sources.json`）： 它原生支持 6 种信源（RSS、网页列表、JSON 接口、X 账号、微信公众号、自定义脚本推送），把你常看的几十个行业大 V 和官方渠道填进去。 2. 注入你的行业认知（`prompts/`）： 把里面的精选提示词换成你自己的判断标准，比如在法律行业什么叫重大判决、在游戏行业什么叫版号爆料，把你的行业 KnowHow 喂给它。 3. 一键跑起来： 本地只要装个 Docker，填一个 DeepSeek 或千问的便宜 API Key，执行启动命令，一个带管理后台、带全文搜索、带日报生成的现代化网站就跑起来了。 第三个，最狠的是对 Agent 的全栈支持 这个站不仅是做给人看的， 它原生自带了 MCP 协议、`llms.txt` 和结构化 API， 你的 Claude Code、Cursor 或者其他 Agent，可以直

哇偶，卡兹克今天干了件真正配得上开源精神的大事， 他把自己那个月活百万的 AI 热点站 AIHOT，连同整套自动化抓取、精选打分算法、事件聚簇逻辑，甚至生产环境里的全部提示词，全盘开源了。 必须转发支持下卡老师，而且这还不是那种阉割版的玩具 Demo， 就是一个每天 24 小时自己找热点、自己去重聚类、自己写中文摘要、每天早上 8 点准时自动生成行业日报的完整工业级系统。 如果你在做垂直行业（游戏、法律、金融、HR、跨境），或者每天被海量噪音信息轰炸， 你不需要懂复杂的算法，拿这个仓库改一个文件夹，就能在 10 分钟内白嫖出一个完全属于你自己的行业热点站。 我把这个项目最硬核的价值和保姆级实操姿势拆给大家： 第一个，它到底解决了什么痛点？ 很多人以为热点站就是写个爬虫抓 RSS， 但真正的难点在于垃圾信息过滤和事件去重。 同一件事，十家媒体发、全网吵翻天，读者其实只想看一眼发生了什么； AIHOT 做了两层极其硬核的机制： 第一层是独立双重打分：一条消息进来，大模型独立打两次分，过了门槛才入选； 第二层是向量聚簇与热度加权：把不同媒体报道的同一件事聚成一个事件，48 小时内只按独立信源算热度，彻底干掉洗稿和灌水。 第二个，普通人怎么把它改成自己的行业站？ 最爽的地方来了，你完全不用重写底层代码， 官方把所有行业定制内容，全收拢在了一个叫 `industry/` 的文件夹里： 1. 换信源（`sources.json`）： 它原生支持 6 种信源（RSS、网页列表、JSON 接口、X 账号、微信公众号、自定义脚本推送），把你常看的几十个行业大 V 和官方渠道填进去。 2. 注入你的行业认知（`prompts/`）： 把里面的精选提示词换成你自己的判断标准，比如在法律行业什么叫重大判决、在游戏行业什么叫版号爆料，把你的行业 KnowHow 喂给它。 3. 一键跑起来： 本地只要装个 Docker，填一个 DeepSeek 或千问的便宜 API Key，执行启动命令，一个带管理后台、带全文搜索、带日报生成的现代化网站就跑起来了。 第三个，最狠的是对 Agent 的全栈支持 这个站不仅是做给人看的， 它原生自带了 MCP 协议、`llms.txt` 和结构化 API， 你的 Claude Code、Cursor 或者其他 Agent，可以直

分享一个宝藏skill，彻底治好了我对 AI 生成 UI 的审美疲劳。用 Codex，Cursor 和 Claude Code 写过前端的朋友应该都懂：逻辑全都能跑通，但界面永远透着一股千篇一律的塑料 AI 味。

分享一个宝藏skill，彻底治好了我对 AI 生成 UI 的审美疲劳。用 Codex，Cursor 和 Claude Code 写过前端的朋友应该都懂：逻辑全都能跑通，但界面永远透着一股千篇一律的塑料 AI 味。

卧槽真的有点炸裂兄弟们， Meta 的 Muse 上线不到两周干到美区 App Store 免费榜第一，强到亚马逊直接出手封杀， 可惜我人在国内根本注册不了。 结果国内刚上线了一个对标它的 Personal AI，叫 Today，我只问了它一句“没时间健身怎么办”，它直接翻出我 iPhone 里的体重、步数和睡眠，点出我凌晨 1 点才睡、只睡了 4 小时 38 分，然后让我先给副业定个 23:15 的收工时间，真的要吹爆hh！ 先说 Muse 为什么这么火，它 9 月 8 号上线，能替你比价下单、管邮件日历，当成一个会自己动手的助理在卖。 9 月 20 号晚上亚马逊开始拦它，弹窗写的是“未经授权的 AI Agent 违反使用条款”。 一个 AI 助理火到被电商巨头封杀，说明大家等一个能跨任务、跨时间帮你推进事情的 AI，已经等很久了。 9 月 24 号，Today 中国版上线，全平台 iOS、安卓、Windows、Mac、Linux 都有， 两个产品解决的痛点一样，但切法不同： Muse 偏执行，帮你开浏览器、填表单、下订单； Today 多往前走了一步，先搞清楚你现在处于什么状态，再判断要不要在你开口之前来找你。 我用了一周，健身这个问题最能说明它的切法。 昨天晚上 8 点 多，我在 Today 里打了一句： “我白天要工作，下班以后要做副业，副业是自媒体，没时间健身， 但又想增肌减脂，怎么办？” 8 分钟后它回了一长串，第一句就是：“你的问题其实不是‘没时间’，而是优先级排错了。” 然后把我的基线一条条摆出来：体重一个月 73.8 → 72.65kg，体脂率只从 20.1% 降到 19.8%，9 月只练过 1 天。 结论挺扎心：掉的这 1 公斤多里，瘦体重占了不小比例，典型的睡不够加不练力量。 很多人可能会说，这不就是 ChatGPT 加了个记忆吗？ 还真不太一样。 普通聊天 AI 只能根据你这一句话回答， 给你的多半是一份标准健身计划， Today 回答之前，先去看了我的睡眠和体重， 还知道我晚上在写内容，所以它给我的是一份诊断。 以前用 AI 像分科挂号，健康问一个、选题问一个、工作再问一个，每次都得重新自我介绍， Today 更像一个一直跟着你的家庭医生， 这个我体验下来真的觉得特别实用和靠谱， 比问Claude、gpt给我健