@codeo4 那我就不知道啦 我本身不近视 无法评测

@Shaw_Fei 不开摄像可以挺久的 老是摄像的话 半小时就挂了 存储32GB 每个两分钟视频大概占两三百兆

@Shaw_Fei 每天跟他互动玩耍的时候开着就行了，又不是要24小时监拍他

想写一个欧亨利式小说—— 有个非科班程序员，靠敏锐的市场嗅觉，用 AI 写代码，一夜巨富。他兴奋地敲下最后一行 prompt，然后睡觉。 第二天醒来，发现又一夜返贫。 原来 AI 那晚写的代码，把调用本地部署的 API 改成了消耗远程昂贵的 tokens，刷爆了他的银行卡。

顶级咨询公司的高管们如何用AI？ 读到《Business Insider》最近刊发的一篇采访，邀请了四家顶级咨询公司——毕马威、普华永道、麦肯锡和埃森哲（EY, KPMG, McKinsey, and PwC）——的 AI 高管（AI execs at big consulting firms）们，分享在日常工作中如何使用 AI 技术。 他们表示，会定期使用各种 AI 工具，包括 OpenAI、Google、Microsoft 和 Anthropic 的模型（我猜现在也少不了 DeepSeek），以及公司内部构建的工具，如麦肯锡的 Lilli、毕马威的 EYQ 和普华永道的 ChatGPT 内部版本 ChatPwC。 归纳一下几个人回答的脱水版： KPMG 生态系统主管 Todd Lohr： — 用 AI 做分析、准备会议、会议后续跟进、信函往来。 — 最大的挑战是连接个人所有分散的数据源。目前做法是把自己甄选过的信源都放到了一个文件夹。 McKinsey 数字和全公司 AI 转型负责人 Rodney Zemmel： — 用来生成初级的创意，从而帮助团队提升头脑风暴效果。 — 应��让 AI 处理我们做的平庸的 80% 的任务，这样我们就可以在令人兴奋的 20% 中脱颖而出。 — 客户想看到 AI 如何与劳动力结合，促进增长，以及做到人类不可能做到的事情。 PwC 美国首席人工智能官 Dan Priest ： — 正在用 GPT Enterprise 辅助对「劳工生产力」以及「人工智能如何提升劳工生产力」进行分析。 — 一般的搜索只获得统计数据，但 AI 可以看到事实，并在分析后展示趋势、非连续性、因果关系。 — 在工作日，经常出差，每天收一辆百封电子邮件，就会进入 Microsoft Teams 激活 Copilot 让它帮忙查看所有消息，并找到待办事项。只需要每天结束前花费 15 分钟输入 prompt：「 Identify emails that are addressed to me directly or that have an action for me」。 — 平时爱做饭，不喜欢浪费冰箱里的食物，就会告诉 AI 冰箱里的剩余食材，让 AI 告知能拿来做什么。 — 曾经花费了很多年来培养一种特定的写作风格和研究方法，现在不得不做出改变，但这并不是一夜之间就能发生的。 — 一年前，客户还在问「什么是杀手级用例」、「什么是工业化程度最高的用例」、「什么用法最省钱或有最大纰漏」？现在收到的问题更多关于「如何调整业务策略以利用 AI」。 EY 美洲首席技术官 Matt Barrington： — 上下文管理（context management）至关重要。我会为不同的关注领域（例如技术问答或起草客户沟通）保留单独的 AI 工作空间（workspaces）。 — 还会向 AI 指示风格和深度，例如「提供简洁的要点式总结」或「扮演金融专家」或「引用可靠的来源或参考资料并提供链接」。 原来顶级咨询公司的高管们，尚且用得还如此「朴素」。 也不奇怪。毕竟顶级咨询公司，最主要兜售的不是信息差，而是人脉关系和影响力。 搬运信息差的 paper work，也只是底下牛马的工作；高管们更多还是感知和推动潮水的方向，并确保自己永远控制着信息源头。 （本来原文还有德勤，但是德勤的哥们在成稿后不久，从稿件上消失了，估计是怕走漏公司机密，被法���找了） —————— 我记录和分享如何利用 AI 提升个人生产力，以及折腾好玩东西的���识星球。更新的内容更早、更深度、更内幕一些。欢迎加入：

昨天写了盖茨新书《Source Code》。其实一周之前，另一位硅谷的科技领袖、领英创始人、投资人 Reid Hoffman 也出了本新书，叫《Superagency: What Could Possibly Go Right with Our AI Future》。 这是一本探讨人工智能未来潜力的书，由 Reid Hoffman 和 Greg Beato 合著。 先说结论，我对这书的阅读价值，打负分。 你要是已经整天浸泡在 AI 的信息海洋里了，那这本书可以直接不看。 一开始拿到这个目录，我就觉得不对劲。 快速翻完，果然了无新意。这本书我不推荐的几个原因：一是动机，这毫无疑问又是一本美国科技大佬抢占 AI 话语权的自我 PR 书。 在此之前类似作者背景的、成书套路近似的、没有输出新鲜度/干货的，还有萨尔曼·可汗（可汗学院创始人）的《教育新语》、穆斯塔法·苏莱曼（微软人工智能 CEO）的《浪潮将至》等。 相比之下，盖茨《Source Code》、李飞飞《我看见的世界》这样用自成长自传来潜移默化给青年人/家长灌励志鸡汤 + 自我 PR，段位就比 Reid Hoffman 稍微高一点。 不过除了 Reid Hoffman 创立 LinkedIn 和之后 Paypal 帮的硅谷新动向，可能没有太多人在乎这个胖子的童年经历吧。 二是造词，又是毫无必要的造词。 早在 2024 年 10 月 22 日，Reid Hoffman 就在旧金山的一场 TED 人工智能大会炉边谈话上，抛出了他造的这个「Superagency」概念（熟悉我的读者朋友想必知道，我有多讨厌毫无新意、纯为赢得关注的造词）。 这个词的核心想表达：要将人工智能视为一种增强人类能力的工具，而非替代品。 好吧，AI 降临派和拯救派的讨论，前两年《三体》火的时候已经听烂了，各执一词，见仁见智。 要是哪天马斯克写本书，谈他对 AI 毁灭人类的见解，再造个词，比如「Super Skynet」，肯定卖的比 Reid Hoffman 好，毕竟谁拳头大谁造的词更硬，是更强有力的自证式叙事。 对了，Reid Hoffman 之前造词的「闪电式扩张（blitzscaling）」这套理论，后来在互联网泡沫破裂时引发了多少后知后觉的连锁崩塌，我们都还记着呢。 三是成书时机，实在太过尴尬。 这书憋到现在才发售，早已错过了最佳发动时点：既错过了大家对 AI 一知半解、谁都能在台上说两句的蒙昧期，又赶上了美国创投圈那套 Scaling Law 为根基的叙事被 DeepSeek 捅破的当口。 就好像本打算早起赶集，结果稍微起晚了点，好不容易占到一个最末的摊位，结果来了一票市容管理人员，说你们都是违章设摊，现在都特么给我撒丫子滚蛋罢。 （讲个搞笑的，春节期间 DeepSeek 掀动国内外舆论最火爆的时候，我在 YouTube 上看到 YCombinator 的官方账号发了个访谈，采访一个前 OpenAI 的高管，大谈特谈 Scaling Law，非常小丑，很想知道他那几天的真实心情。） 虽然 Satya Nadella（微软CEO）、Van Jones（CNN 主持人）、尤瓦尔·赫拉利（历史学家）、李飞飞（斯坦福大学 AI 专家）都给这本书正面评价，但显然是出于情面的捧臭脚。 要说这书有什么我推荐的优点吗？ 有的有的。这书的封面设计不错，打败了全美 97.82% 的科技大佬出的口水书。

@tienchiu 貌似还没中文版消息 不过要拿估计也是中信了

@gm365 起码全自动家居现在可以折腾的起了hhhhh

RT @NavalismHQ: The best ideas explain the most while saying the least. @naval

收到一颗卤蛋 又有可玩的带娃神器了（？

Peter Levels 理念（「开发更多产品直到有一个成功」） + AI Coding + 缺经验的独立开发者 = 更多不 PMF 的独立垃圾项目 + 更多社交网络的噪音输出 = 更多互相挖坑的信息茧房

假的时间管理专家：YouTube 上 Ali Abdaal 这样有钱、有团队、没孩子的； 真的时间管理专家：小红书上一边全职照顾小月龄宝宝、一边搞副业赚家用的全职主妇。 // 最近小红书关注了好几个这样的，不知道怎么坚持下来的，很钦佩。比如「小鲁的瞬间」这个号。

@Limichange2 @follow_app_ 抓取的推特数据可以考虑api出售啥的，推特官方的太贵了

2025 值得我花时间研究的五件事： 1. AI Coding 编程是纳瓦尔认为个体最有价值的杠杆，AI 又相当于水电煤/实习生，可变相视作人力杠杆。 2. 概念的边界 以便更高效地写/说 prompt（虽然 prompt 是中间产物迟早被淘汰，但一年内不至于这么快，且借此机会了解更多概念并非坏事）。 3. 事物的能力边界 以便高效地调用恰当的 agent 完成特定的任务（例如我原本以为 Chrome 扩展原生地不支持写入到外部文件，但刚才问了 grok 找到了至少三种巧妙做法）。 4. 事物的风格感觉 以便更加风格化。例如不同作者、画家、音乐家的特色。当 AI 让事物的骨相都趋近高效运作时，皮相就成了卖点，而审美意趣就是圈子和细分市场。 5.育儿 生娃前，我以为我会像训练神经网络一样教育宝宝，像一台迷你的机器。生娃后，发现是宝宝在滋养我重新审视自己的生命和活法，像一个新生的人。

突然发现，吴恩达教授在红杉资本 AI Ascent 分享中提到的四种 AI Agent 设计模式 —— 反思（reflection）、工具使用（Tool use）、规划（Planning）、多智能体协作（Multiagent collaboration）—— 调换一下顺序，就是「PDCA」循环的四个事儿。