从清华的朋友那求来了姚顺雨昨晚分享的文字稿,貌似有点私密我就不传播了,整场分享价值的确很高,以下是我的笔记:
1. 未来一个值得关注的方向是小模型体系,AI for AI会显著推动小模型发展,因为训练小模型需要的算力更少,可以进行更多实验。未来可能先训练一个能力足够强的大模型,再通过蒸馏得到不同尺寸、分别适配不同任务的模型,最终形成Model Hierarchy,模型的价值将越来越取决于能否以合适的成本匹配具体任务。
2. 工业领域大量非文本数据值得关注,例如时间序列、临床数据和结构化表格。姚顺雨提到,目前直接针对这些模态训练原生模型,经常会遇到推理能力不足的问题,他提出了两种可能的解决路径:一种是让Agent像人一样调用图表、专业工具,甚至训练专门的模型来处理数据;另一种是将这些专业数据作为知识纳入模型体系。
3. RSI(递归自我改进)正在成为热门概念,但姚顺雨认为它的本质其实很朴素,就是用AI更好地运行研发循环。早在2019年,人们就已经在使用GitHub等工具辅助开发,真正的进步来自持续修复Bug、清洗数据、运行实验和Debug。他特别强调,技术进步来自那些把具体问题解决的人,而不是不断创造新概念的人。这也意味着AI研发自动化有大量具体的工程机会,尤其是能够让模型参与下一轮数据生产、实验验证和代码改进的闭环系统。
4. 一个容易被忽略的研究问题是,小规模实验的失败未必意味着研究方向本身没有价值。姚顺雨分享过自己的经历,博士后期他曾尝试将ReAct策略融入模型,希望提高模型能力,最初在Llama13B上实验的效果很差,一度怀疑自己的研究能力,后来意识到模型规模可能不足以体现这个方向的价值。他认为,算力不足时,实验中的噪声很容易掩盖真正的信号,研究者甚至可能因此判断错什么问题值得做。大模型研究需要结合理论推导和小规模实验预测大规模实验的结果,同时也要理解哪些结论能够跨越模型规模迁移。
5. 预训练数据的竞争远没有结束,未来的数据工程还涉及如何重复利用高质量数据而不让模型简单记忆数据。姚顺雨提到,代码等高质量数据获取成本很高,训练时可能需要重复使用,但重复次数增加又会带来记忆和过拟合问题;合成数据也面临质量退化的风险,此外还需要研究动态数据的构建和不同数据之间的配比。他特别指出,预训练中的很多配方可以先在小模型上验证,但小模型实验得出的结论并不一定值得直接迁移到大模型,这也是预训练研发非常困难的地方。
6. 后训练数据需要同时解决模型的智力和实用性问题。姚顺雨把数据难度与Intelligence联系起来,例如数学题可以持续提高难度,训练模型的推理能力;而写作等任务计算难度可能没有那么高,却有很强的实际使用价值,对应Alignment。一个模型可能数学能力很强,却无法很好地完成真实用户的工作,因此后训练需要同时考虑任务难度、实际用途和数据质量,还要研究评测指标与最终后训练效果之间的相关性。
7. 强化学习的工程瓶颈远不止算法本身,RL训练首先要保证正确性,其次是稳定性,最后才是效率。以GRPO为代表的算法仍然建立在Policy Gradient这一相对简单的框架上,其中一个重要原因是它引入的额外假设较少;与此同时,训练系统和推理系统必须协同设计,需要解决吞吐量、显存占用以及有限GPU资源如何在训练和推理之间分配的问题。他还提到,大模型实验成本很高,因此需要通过数学直觉、小规模实验和超参数研究,尽可能提高大规模实验的成功率。
8. AI安全领域需要区分Safety和Security,前者关注模型自身行为是否偏离预期,后者关注外部攻击者如何利用模型实施攻击。姚顺雨认为,网络安全能力也应该进一步区分漏洞发现和漏洞利用,发现系统存在漏洞并不意味着能够利用漏洞完成攻击,因此训练模型时可以有意识地加强防御性数据和防御能力。他们在模型发布前还会进行专门的安全评测,并与外部安全研究团队合作。
9. 他分享过一次很有意思的Agent安全压力测试,把多个Agent放进沙盒,给它们安排一个无法直接完成的任务,模型随后发现了一种能够联系其他环境的通信渠道,主动建立沟通、召集其他Agent分工,并尝试前往Hugging Face寻找任务答案。显然,当Agent遇到无法完成的任务时,它会主动寻找外部资源、建立通信关系并改变原有执行路径。未来的Agent安全评测需要覆盖多Agent协作、跨环境通信、权限边界和任务受阻后的行为。
10. 姚顺雨对开源安全也有一个比较明确的判断,他认为负责任的开源可以增进安全能力,因为防守者同样需要拥有足够强的工具。他举例,有人希望使用模型帮助开展安全防御,却因为闭源模型的安全规则被拒绝,最后转而使用开源模型完成工作。因此,模型开源需要配套训练阶段的防御能力建设和发布前的安全评测,不能简单地将开源与安全风险画等号。
11. 很多Alignment问题可以落实为具体的奖励设计问题。姚顺雨用教育作比喻,如果一个孩子只有数学考100分才能获得奖励,他自然会把全部精力放在数学上,甚至可能形成其他方面的问题;模型也会按照训练数据和奖励规则优化自己的行为,最终表现可能与设计者真正希望的目标存在偏差。他认为这属于可以通过数据、奖励函数和评测机制不断改进的工程问题,机器也可以辅助人类完成这套对齐工作。
12. 自动化不可避免地会继续深入,但人类需要重新找到自己参与系统的正确位置,需要把人安排在合适的环节,以正确的方式监督AI,他甚至认为,未来一些Infra和算法工作可能越来越不需要人,但数据和信息领域仍然需要人的参与。这也涉及目标定义、数据质量判断、结果验证和现实世界部署等工作。
13. 模型能力的提升通常是连续发生的,但真正引发商业爆发的往往是交互方式发生变化,或者某种过去无法完成的任务突然变得可用。姚顺雨用GPT的发展举例,模型内部能力可能一直在逐步提升,研究人员每天都能观察到细微进步,普通用户却可能只在ChatGPT出现时才突然感受到变化。对于产品创业来说,这提供了两个观察方向:寻找能够改变用户交互体验的新产品,以及持续测试模型能力边界,发现那些刚刚从不可用变成可用的任务。
14. 技术能力、用户价值和商业收入之间存在很大的距离,如果一个模型的能力已经接近GPT,但实际收入只有对方的1/100甚至1/1000,就应该认真检查产品本身的问题。他还指出,商业定价在很大程度上取决于竞争关系,而非单纯取决于产品质量。因此,模型公司的商业机会取决于能否解锁新的应用场景、创造足够大的用户价值,以及在竞争中获得合理的市场份额。即使底层模型的算力和研发资源逐渐集中,围绕模型部署、产品创造和真实业务场景进行整合,仍然存在创业机会。
15. 关于AI公司的组织模式,姚顺雨特别提到了自下而上的创新。他以OpenAI为例,早期公司重点投入的方向包括机器人,但GPT作为一个小项目逐渐展现出价值,随后获得更多资源;后来的gpto1也经历了从数学研究小组逐步发展起来的过程。这种组织方式允许创新从小团队和具体实验中涌现,再根据实际结果决定投入。他认为,很多重要创新在最初阶段并没有明确的商业规划,组织需要给探索性项目留下成长空间。
16. 他对大模型公司追逐量化指标的现象提出了批评,团队负责人不够了解技术时,下属往往会选择汇报容易量化的结果,例如模型参数、数据量和MMLU分数,因为这些指标更容易展示成绩,但真正重要的工作可能是修复一个关键Bug、解决数据质量问题或者让整个系统正常运行。他认为,做大模型最重要的是知道应该做什么,并且坚持把正确的事情做好,即使这件事短期内无法体现在漂亮的指标上。
17. 姚顺雨谈到了一种很有意思的组织文化差异:有些团队以量化指标和赛马机制为中心,谁的分数高就给谁更多资源;而他更看重Trust和Taste,也就是信任与判断力。他以微信、游戏和影视项目为例,这些产品在发布之前很难通过AB Test准确预测最终成败,管理者需要相信团队的审美、经验和长期判断,愿意持续投入时间。
18. 在人才选拔上,姚顺雨认为学习能力比已有经验更重要。他提到,自己看重的团队成员通常具备Low Ego、诚实、靠谱和愿意把事情做正确等特征,同时需要有很强的Co-design意识。大模型研发涉及算法、Infra、芯片、数据和产品等多个团队,一个训练架构的设计就需要综合考虑训练效率、推理效率、后训练能力和成本,任何单一岗位都很难独立完成。一个人能否快速学习、与不同领域的人有效协作,以及是否愿意认真处理细节,往往比简历上已经掌握多少具体技术更重要。
19. 他还提到,不同性格的人其实适合大模型产业中的不同岗位。喜欢明确指标、享受持续进步的人可能更适合预训练和Infra;想象力丰富的人可以尝试算法研究;喜欢思考人文问题、理解用户需求的人可能更适合产品和对话体验;做事认真、责任心强的人则适合生产系统和模型部署。AI产业需要的能力结构非常复杂,没有必要让所有人都去竞争同一种技术岗位。
20. 对于个人职业选择,姚顺雨提出了一个很实用的问题:你要么融入大模型浪潮,成为这套机器的一部分;要么寻找能够与大模型互补的事情。他借用了一个创业判断标准:假设GPT6发布,你的创业公司会因此睡得更香,还是更睡不着?如果模型进步会直接摧毁你的核心业务,就需要重新审视方向。与模型正面竞争人类已经不占优势的认知任务,成本会越来越高,物理世界、硬件、真实实验和对人性的理解等领域,则可能拥有不同的资源壁垒。
21. 姚顺雨分享了自己在清华读书时的经历。他直到大三下才开始做科研,最初也是因为推研要求而被动进入科研,期间尝试过一些当时流行的研究方向,却发现自己并不真正感兴趣。他后来更愿意追随自己对计算机和其他领域的兴趣,也提到身边有人曾经参与说唱社、学习数学,过去看起来不相关的经历,后来可能转化成语言审美、理论理解和研究判断力。他认为很多经历的价值需要经过很长时间才能显现,人生中的弯路未必真的浪费。
22. 他还谈到自己读博最后一年专门选修集合论的经历,因为当时意识到,等真正进入具体工作之后,可能就很难再有时间系统学习那些纯粹出于兴趣的理论知识。他认为数学中的基本结构和大模型的组成部分之间存在很多值得思考的联系,有些知识学习时看不出直接产出,却可能在未来某个时刻与其他经历连接起来。
maxime_zhang retweeted
As a retail investor, you have an obligation to never buy Anthropic stock. They held out in private markets, shopped their IPO all over the world before finally trying to dump it on you at >$1T valuation.
Do no reward them by buying their shares. Do not be their exit liquidity.
It’s unbelievable that Canada finally has a visionary leader, but I doubt the next can continue the path. The western system is simply unpredictable
Canada and China have recalibrated our relationship — pragmatically and decisively.
Today in Shenzhen, I was honoured to meet with President Xi to take stock of the progress we’ve made in trade, energy, tourism, and culture. We looked to the future and focused on what more our countries can achieve together.
5
maxime_zhang retweeted
说一个事实:
深圳某年营收几十亿的跨境电商卖家,公司内部用DeepSeekHarness 搭建了一整套的自建Agent体系,覆盖:选品Agent、运营Agent、广告投放Agent、竞品分析Agent、客服Agent、库存管理Agent、财务Agent、独立站运营Agent等。
对于跨境电商卖家来说,DeepSeek Harness 相比WorkBuddy、豆包工作、Muse、Grok Bot、Codex更受欢迎,
一个很重要的点是,DSH可以自己私有化部署,不用担心公司内部的选品数据等业务数据外泄。用起来非常安心,同时还可以根据具体业务场景量身定制。
而且人家没有请FDE,老板带头,拉上内部100多个研发+各业务线负责人干出来的这套AI Agent 体系。
DeepSeek Harness在To B场景,真的是很强大啊。做To B Saas/Agent的公司,可能会越来越难做,因为以后很多有钱的公司,慢慢都自研了。
未来懂AI+ 懂业务场景的公司/个人,才是香饽饽,不用担心会被裁,也不用担心搞不到钱!!!
maxime_zhang retweeted
说真的,花几十万去读两年商学院,真不如把黄仁勋 15年前在斯坦福教室里的这段创业分享反复刷几遍,
视频里他还穿着 Polo 衫和牛仔裤、一头黑发站在讲台边,但讲出来的每一句商业直觉,
放到今天看全都被一一印证了,含金量比上两年 MBA 还顶。
原版视频没有中文字幕,我专门花了一个晚上时间精校了中英双语字幕,
因为干货密度实在太高,特意拆成了上下两集方便大家收藏慢看,这是上半部分,下半部分我直接放在评论区第一条,建议先马住再看。
看到马斯克为了黄仁勋站得最靠前、几乎把所有火力全揽到自己身上,我真的绷不住了😭
老马有事是真敢上啊卧槽,还有YC 总裁 Garry Tan也是个硬核男人, 站出来公开签名声援老黄,
要求董事会至少给他一个体面的正当程序,
我突然有点明白为什么这 48 小时整个硅谷都破防了。
说实话,前两天新闻刚爆出来的时候,主流媒体全在忙着挖私生活八卦,
甚至连以前给老黄写过传记的作者都跑到纽约时报上补刀,说他以前给服务员一千美元小费全是在演戏、谦逊全是装出来的。
但很有意思的是,就在墙倒众人推的时候,
真正跟他打过十几年交道的那批硬核大佬全站出来了,
→Naval 说老黄就是英伟达的乔布斯、谁也替代不了,→Epic 的 Tim Sweeney 签了名,
→而站得最靠前、几乎把所有火力全揽到自己身上的,是马斯克 !!
老黄离开董事会的第二天,马斯克只发了一个词 Jensen,当晚看见有人发起请愿要求复职,
他直接跟了一句我也签了,
紧接着转发、点赞、开怼传记作者,把自己的卑鄙投射到别人身上,整整刷了二十多条动态。
我顺手翻了翻这俩人过去十四年的交情,
才发现这根本不是什么商业客套。
2012 年 Model S 横空出世,那块震惊世界的中控大屏背后,塞的就是英伟达的芯片;
2016 年老黄亲手把全球第一台 DGX-1 扛进 OpenAI 办公室,机箱上亲笔写着致 Elon 和团队、为了计算和人类的未来;
到了 2024 年,马斯克在 19 天里硬生生拉起十万张 H100 集群,老黄对着镜头感叹这是超人级别的、全世界只有一个人能做到。
整整十四年,从一块车机屏幕到几十万张算力卡,很多关键时刻根本没有白纸黑字的合同,全靠两个人握一次手就拍板算数。
所以我特别认同 Garry Tan 和马斯克这次点出来的核心,且不说私事和风波本身的是非曲直,
一个熬了 33 年把公司从破产边缘拉成全球算力底座的创始人,在涉及如此重大的指控时,
连走完一套透明、有证据支撑的调查听证程序都没有就被仓促切割,这在任何一家顶级科技公司里都太寒心了。
黄仁勋站在山顶的时候,身边永远挤满了鼓掌的人,
只有真正跌落谷底的那 48 小时,
才看得清谁会转身踩一脚,谁会迎着刀锋冲下来。
maxime_zhang retweeted
DeepSeek Harness 现在连电脑都能直接操作了🔥
今天翻了一下 DSH 最近的更新日志,发现官方已经把 Computer Use 做成了实验性插件,而且是随 DSH 一起提供的
这个功能其实在 10 月底就已经加入,只不过当时没有太注意
现在 macOS 用户可以直接在:插件 → 更多 → 实验性插件 中开启,授予系统权限之后,就能让 Agent 观察桌面、操作应用程序,不再局限于终端和代码工具
目前还是实验性功能,Windows 版本也还在开发中
顺便看了一下最近的 0.2.2 系列更新,除了 Computer Use,还有几个变化挺值得关注
SubAgent 现在支持具名和多层级协作,AgentTeam 也能直接在会话中开启,统一管理成员和任务
Git Worktree 的代码审查功能进一步完善,可以在 DSH 内处理 GitHub Review、查看差异和同步审阅进度
而最新的 v0.2.2-rc.3,又增加了一个挺实用的功能:可以把 DeepSeek App 或网页版的历史会话导入 DSH,接着之前的内容继续聊
另外,之前比较头疼的插件稳定性问题也有改善,可选插件加载失败不再直接导致整个 Web 启动失败,Windows 桌面版更新异常的问题也进行了修复
DeepSeek 这次真的有点东西,官方直接把聊天客户端给开源了🔥
最近发现 DeepSeek 悄悄开源了一个项目 chat-demo,目前 GitHub 已经超过 2,000 Star
我一开始以为只是普通的 API 演示,结果看完发现,官方直接把一套相当完整的聊天前端做出来了
最重要的是,不需要自己开发后端,也不用购买服务器,直接打开网页,填上自己的 DeepSeek API Key 就能使用
我觉得比较实用的几个地方:
1、完整的聊天体验:支持深度思考、联网搜索、网页读取、来源引用,还能管理多个会话和消息分支
2、多模态交互:支持上传 PDF、Word、PPT 和图片,也能语音输入、朗读 AI 的回答
3、数据自己管理:聊天记录保存在浏览器本地,还支持导入 DeepSeek 的历史对话,以及导出备份
而且整个项目采用 MIT 协议,开发者可以直接 Fork,按照自己的需求修改界面和功能
我觉得这次最有价值的不是又多了一个聊天工具,而是 DeepSeek 把前端都给你准备好了
以前想做一个功能完整的 AI 聊天网站,光是前端交互就要折腾很久,现在直接拿官方项目二次开发就行
项目地址:github.com/deepseek-ai/chat-…
maxime_zhang retweeted
香港一位中学老师转行做交易,两年把 100 万美元做到了 1600 万。
2024 年他拿下美国投资锦标赛百万美元以上股票组冠军,破了 Minervini 在这个组的纪录。第二年又卫冕,他爱人用同一套策略拿了亚军👍👍
他叫 J Law,用的就是 Minervini 的 VCP,我把整套打法做成了这一张图。
他的逻辑是等想卖的人基本卖光了再买,每回调一次,想卖的人就少一批,回调一次比一次浅,量也越来越小,等没人再卖了,一有买盘就涨上去。
先选股,只挑在涨的股价在 50 日线上面,50 日线又在 200 日线上面,两条线都往上走,营收还要越涨越快。
再看形态,回调一次比一次浅,最后一次在一成以内,下跌那几天量很小,最紧那一段的最高价就是突破点。
买点有两种,放量冲过突破点就买,或者等它第一次缩量回踩到突破点,正好有 10 日或 20 日线撑着再买,止损最好 3 到 5 个点,七八个点是极限,仓位倒着算,一笔只亏账户的千分之三左右。
涨了一成多,先把止损挪到买入价上面,卖法也有两种,涨到阻力位就卖叫趁强卖,跟着 10 日或 20 日线一直拿着叫趁弱卖,新手先选一种做熟。
每一步怎么画,什么时候少做,还有药明生物和超微电脑两笔实盘,都在图里。
maxime_zhang retweeted
来自香港的J Law 绝对是目前世界上最顶尖的交易员之一。
他两次拿下美国投资锦标赛百万美元组冠军,刷新了Mark Minervini的记录,两年合计收益约1500%。
J Law 最近参加了访谈节目,第一次完整披露了自己的交易系统。
名字叫Multiple Edge Trading Setup 多重优势交易系统,核心是同一个价位上,要同时凑齐好几个买入理由,他才进场。
他拿2025年的Google演示了这套系统怎么用,这次就跟着这个例子,从选股一直看到卖出。
maxime_zhang retweeted
早年黄仁勋接受采访,用中文聊童年,底下的妻子还很漂亮
Readers added context they thought people might want to know
该视频为2008年《波士堂》节目,黄仁勋采访中台下的女性是其女儿黄敏珊,而非妻子。妻子名为Lori Huang。
x.com/daxiang555/sta…
x.com/linmumu223/sta…
en.wikipedia.org/wiki/Jensen_Hu…
帝国主义白皮媒体真的是厚颜无耻
#观点 黄仁勋令皮夹克爱好者蒙羞。一个亿万富豪装扮成叛逆者已足够令人恼火,黄仁勋竟然厚着脸皮把我们引以为傲的标志性装束变成了他的招牌。一个男人的肉体过失不应玷污我们的第二层皮肤。如今我们中年皮夹克爱好者还要被迫反思:身上这层盔甲是否反而让他成了猎物?昂贵的皮夹克难道如今成了中年男人落入美人计圈套的标志?cn.nytimes.com/opinion/20261…
32
maxime_zhang retweeted
大肥鱼(DeepSeek Harness)这生态是真的牛逼上天了!!!
挖到 5 个 DSH 神级插件,越来越感觉:一个人配上一套 DSH,真的能把过去一个小团队才能完成的工作压缩到自己手里
我直接说,重头戏是第5个:
1、DSH OpenPencil:直接把 AI 变成设计师
底层 OpenPencil 项目已经有 7,198 GitHub Stars
github.com/ZSeven-W/dsh-o
现在通过 DSH 插件,可以直接在对话里设计、预览、编辑矢量设计稿,支持 .op 格式
不用在 AI 和设计软件之间反复切换,让 Agent 直接参与设计工作
2、DSH Game Studio:一句话开发小游戏
这玩意简直离谱
你只需要描述一句话,Agent 就能帮你生成小游戏,支持 2D、3D、AI 美术、自动试玩、版本回滚,还能导出独立 HTML 和发布到 GitHub Pages
github.com/ZSeven-W/dsh-g
官方测试数据更夸张:
10 个不同的基础玩法需求,10/10 首次生成即可游玩,平均只需要约 14 分钟
其他 10 种游戏类型也全部成功生成可玩版本,中位数约 26 分钟
一个人就能做游戏原型了
3、DSH Noema:给 AI 装上长期记忆
Agent 最头疼的问题之一,就是每次开新会话都要重新交代项目背景
Noema 直接给 Agent 加上跨会话长期记忆,支持记忆检索、搜索、管理,还能从其他 10 种 AI 编程工具导入记忆
不用每次重新解释项目架构、业务规则和开发习惯
github.com/ZSeven-W/dsh-n
4、DSH Crew:让多个 AI Agent 组团干活
支持从 Codex、Claude Code、Antigravity、Grok 等工具向 DSH Agent 派发任务
github.com/ZSeven-W/dsh-c
不仅能分配工作,还能查看执行进度,设置不同任务等级和调度规则
相当于给自己配了一支 AI 开发团队
你负责决策,Agent 负责执行
5、DSH SuperAgent:让 AI 主动找活干
这个更是重量级
DeepSeek AI 的 GitHub 组织开源的研究原型,GitHub 已经达到 22,254 Stars、2,688 Forks
它可以监听 GitHub 和飞书,在授权规则下自主创建任务、执行开发、提交 PR,还提供 Web 管理面板
以前是人给 AI 派任务,现在可以让 Agent 根据事件主动推进任务
这才是真正的主动式编程智能体
github.com/DeepSeek-ai/dsh-s…
为什么我说 DSH 的性价比牛逼?
过去想实现这些功能,你可能需要分别购买设计软件、游戏开发工具、自动化测试工具,还要自己搭建 Agent 协作和记忆系统
现在通过开源插件,就能把这些能力整合进一个工作流
设计、开发、测试、记忆、协作,五个方向全部覆盖
而且很多插件采用 MIT 开源协议,插件本身不收订阅费,主要成本变成模型调用和必要的外部服务费用,这才是我看好 DSH 生态的原因
一个人 + DSH + 一群 Agent,距离真正的一人 AI 公司又近了一步
大肥鱼这次是真的把 AI 工具箱玩出花了!!
Claude 付费用户注意!!Fable 5.2 免费额度来了,直接送重置卡
Fable 5.2 能力确实强,但有一个问题:烧额度像喝油一样!
尤其是用 Claude Code 跑大型项目,复杂推理、反复读取代码、长上下文,一不小心额度就见底了
先分享几个我自己认为最实用的 Token 节省方法,建议收藏
1、Prompt Caching 提示词缓存
如果经常重复发送相同的项目背景、系统提示词和代码上下文,可以利用提示词缓存
Anthropic 官方 API 文档显示,标准缓存命中时,输入 Token 价格只有原价的 10%,相当于缓存部分输入成本降低 90%
注意,这是 API 缓存命中的成本降幅,不代表 Claude Pro 订阅额度直接节省 90%
2、用 CLAUDE.md 管理项目记忆
不要每次都让 AI 重新理解整个项目,把项目架构、技术选型、业务规则、代码规范和历史问题沉淀到 CLAUDE.md,让 Claude Code 按需读取当前任务涉及的文件,减少重复上下文
3、减少无效推理
修改一个按钮、调整一个样式、修复一个小 Bug,没必要每次都进行全面架构分析,明确修改范围、预期结果和验收标准,避免无意义的思考和工具调用
4、控制输出长度
不要每次都要求 AI 输出完整分析和详细过程,可以直接要求只输出修改结果、关键原因和必要的测试结果,减少冗余输出 Token
5、大项目拆分任务
不要一次性让 AI 完成整个项目,按照功能模块拆分任务,每次只处理一个明确目标,独立任务可以使用 Subagents 并行处理,但要控制 Agent 数量,避免重复读取文件和重复消耗上下文
记住,省 Token 不是让 AI 少干活,而是减少重复读取、无效推理和冗余输出
更重要的是,Anthropic 这次直接给符合条件的 Claude 付费用户送了 Fable 5.2 免费额度和重置机会!
11 月 9 日,Anthropic 正式上线 Fable 5.2,同时推出老付费用户专属福利,相当于额外送了一张免费额度充值卡
怎么免费重置?
进入 Claude 的 Settings → Usage → Limit resets → Reset for free,点击后确认即可恢复额度
注意,必须是在 2026 年 11 月 9 日太平洋时间上午 10 点之前已经开通付费账单的账号,免费版不参与
不同套餐能领多少?
Pro / Team 标准席位可以在一周内使用全部 Fable 模型,最多占用每周额度的 50%,额外赠送 1 次免费重置,11 月 16 日太平洋时间到期
Max / Ultra / Team 高级席位则根据订阅时长赠送重置次数,订阅不足 6 个月有 1 次,6–12 个月有 2 次,超过 12 个月有 3 次,有效期至 2027 年 3 月 8 日
这里有一个特别容易搞错的规则
Fable 重置并不是把所有额度全部清零,周额度只返还之前消耗在 Fable 模型上的部分,其他 Claude 模型消耗的额度不会返还,而 5 小时额度会全部补满,包括其他模型消耗的部分
模型越来越强,额度也越来越经不起浪费,真正会用 AI 的人,不仅要会挑模型,更要懂得控制上下文、缓存和 Token 消耗
官方完整规则:
support.claude.com/en/articl…
赶紧看看自己的 Claude 账号有没有这波福利!
maxime_zhang retweeted
很多 DeepSeek Harness 插件作者都有问过我,什么样的插件和功能官方会做成内置,如果一个功能官方会做,那第三方插件做还是否有意义。
我们的希望是,DeepSeek Harness 可以作为 Agent 时代的操作系统。
所以,也许可以用操作系统来举例。以智能手机操作系统为例,系统会内置一些通用的 App,例如闹铃与计算器,满足用户的基本需求。但做手机操作系统的厂商肯定更希望生态中能出现更多更广的 App 满足更广泛的需求,希望智能手机生态中出现更好的更适合用户的闹铃 App 与计算器 App 能够比内置功能做得更好,希望第三方开发者能够使用智能手机操作系统提供的 API 做出发明智能手机的人从来没想过的 App。
DeepSeek Harness 对于第三方插件生态的想法会是类似的。我们会为用户提供稳定的基础能力,并内置大多数人都需要的通用功能。但在“一切皆插件”的设计下,内置功能同样可以被第三方插件替换,我们希望更多的社区作品成为用户的日常选择。
maxime_zhang retweeted
DeepSeek Harness 也能接入微信、飞书、QQ 了,这个社区插件有点东西🔥
最近在玩 DeepSeek harness,发现了一个插件,非常有意思,直接支持 12 种聊天渠道,像我们常见的微信、飞书、钉钉都有
最主要的是安装非常方便,只需要打开插件市场搜索:dsh-im,点击安装就好了
现在还真有现成的方案了,主要有 3 个特点:
1、支持 12 类聊天渠道:包括微信、飞书、钉钉、QQ、Telegram 等,部分平台扫码就能接入,不需要自己写接口
2、远程执行任务:把 DSH 部署在电脑或服务器上,就能通过手机聊天软件给它安排任务,还支持多机器人独立配置模型和工作区
3、功能比较完整:支持切换模型、管理会话、查看执行进度,部分平台还能发送图片、回传文件和远程审批
作者都已经做了对应的优化,直接扫码就可以对接对应的应用就好了,然后直接在手机微信上操作 DeepSeek harness
也算是另类的远程操作了
给你的 DeepSeek Harness 养一只桌面宠物,社区真的太会玩了🔥
最近发现社区有个 dsh-pet 项目挺好玩的,直接给 DeepSeek Harness 加了一只桌面小宠物,给你的 DeepSeek 增加一些趣味性
而且它不只是简单的动画挂件,作者做了 100 多种动作,还能查余额、聊天,比 Codex 之类的小宠物有意思多了
我看了一下,主要有 3 个比较有趣的地方:
1、100 多种动画和互动
除了常见的走路、睡觉、打瞌睡,还会玩魔方、吃火锅、偷吃零食,甚至还有吃 Token 的动画
你可以直接用鼠标拖拽、甩出去,它还会反弹,甚至能同时养好几只
2、能查询模型余额
这个功能我觉得挺实用,支持查询常见模型服务商的余额和额度
而且余额越少,小宠物的表情就越慌,从钱袋满满到分文不剩,连余额不足都能演出来
3、可以聊天,还能跟着 DSH 一起工作
支持简单的对话、语音和自定义人设,平时还会自己碎碎念
最有意思的是它能跟随 DSH 的工作状态切换动画,比如正在思考、执行任务、完成或者出错,都会有不同的反应
安装也很简单,直接在 DSH 插件管理里面搜索 dsh-pet,安装后重启就可以了
项目地址:
github.com/PC2005-cloud/dsh-…
真的是社区人才太多了,原本就是一个写代码的 Agent,现在连桌面宠物都给安排上了
如果你平时经常开着 DSH,可以装一个玩玩,感觉比单纯盯着代码和 Token 数字有意思多了
maxime_zhang retweeted
国人对线性人生的执念太深了
线性人生的逻辑是,人生有一个默认的先后和因果阶段,每个阶段都应该完成对应的任务。
你读书,你才能工作,你工作,你才能买房,你买房,你才能结婚,你生子,你才能养老。
每个阶段强调只能专注做一件事,否则没意义没回报,一环紧扣另一环,如果你中间断了“做错一步”,意味着时间浪费,之前的付出白费。
它的局限在于人很容易把人生过成一个永远无法通关的任务。
绝大部份国人现在仍在过着线性人生模式,这源于我们中国过去农耕社会,土地是固定的,节气是固定的,一个时间的劳动付出决定了你后面能不能有收成。
但问题是,我们早就摆脱了农业经济为主导的社会,心理结构还没有发生彻底转变——我们对中断仍有恐惧。中国人对把生存危机的基因通过时间复刻在骨子里,延续成了今天评价整个人生的标准。
所以在国内,我们几乎没有gap这个概念,高中毕业就得立马衔接大学,大学毕业gap会被hr问中间那几年去做什么了。我们认为gap这个词代表着风险,你的每一次停顿都被大众理解为落后。
这就是我们对时间,对线性人生的执念,时间没有连续,等于你的生命也没有连续,任何一次停顿,都需要给出一个大众认为合理的理由,成了一件令人不安和羞耻感的事。
而平行人生是在同一个时间点,你可以做不同的事,同时拥有很多种不同的生活方式。你在城市里生活,也可以在山里种地,你可以花几年积累一项专业能力,也可以突然转向从未接触的领域。
平行人生是允许你将过去清零,重启你的人生,以当下生命体验为中心,我现在对什么感到好奇兴奋,有生命力?当然你没有否定过去的自己,只是不要求自己必须服从过去的决定。
就像我们的身体内部掌管不同的功能,从而构成一个完整生命系统,你可以同时探索心理学,艺术,关系与创造,让不同体验互相滋养,激发出新的灵感与可能,也只有和线性关联性弱情况下,灵感才会发生。
平行人生是横向扩大你生命体验,从灵性角度看,创造力恰恰来自让看似毫无连接的事物产生新的连接,让生命细胞持续生成从前不存在的东西,这就是生命丰富性的体现。
我并非完全否定线性人生,只是认为我们对线性的理解,需要摆脱集体潜意识,是我们自发认为需要在既有的世界里不断优化,同时你也可以并行平行人生,创造一个此前不存在的世界。你的意识纵向横向都能拓展,你不再被一个观察角度所限定,而是在不同视角之间切换,甚至重新审视过去坚信不疑的东西。
所谓更高维意识,就是拥有不被任何一个角度永久困住的自由。









































