Keep on to blur preview images; turn off to show them clearly
China has industrialized this bait. - Make a too-good-to-be-true video with some garish post-processing, a subtle flaw, plausible deniability - wypipos (can't do mafs) cry out "fake! CGI!" - release behind-the-scenes footage - psychic damage. rinse&repeat
animals
超酷，Gemini 3做的一个3D交互式网站，它通过摄像头识别手势并可实时交互，可以用手操控粒子 Gemini 3可以生成带three.js的3D交互场景，生成的场景可以用手进行互动 对线下的展会、橱窗或广告牌可以搞成隔空操控体验了 方法： 打开Google AI Studio，把提示词贴进去 把生成的代码复制出来 新建一个文本文件，把代码粘进去，然后把文件名从默认的 .txt 改成 index.html 最后双击用浏览器打开 提示词： Create a real-time interactive 3D particle system with Three.js. requirements: 1. Control the scaling and expansion of the particle group by detecting the tension and closing of both hands through the camera. 2. Provide panels that can choose hearts/flowers/saturn/Buddha statues/fireworks and other templates 3. Support the colour selector to adjust the particle colour 4. Particles need to respond to gesture changes in real time. The interface is simple and modern. 5. The interface is simple and modern 用例来自于 @EHuanglu #Gemini3 #AI交互网页
https://t.co/pku3xZBLit
后悔： 在10年后回望这段时光，你并不会后悔被裁员，你一定会后悔为什么没有早点裁员。 你会失败吗？ 当然会。 你会犯错吗？ 100%会。 如果你有才华，但却无法在厂子里施展，相信我，去到下一个厂子，也不一定会好的。 在2025年结束前，给自己一个试错的机会。 至少，我相信你可以！
最后，感谢你花时间阅读了这篇推文！ 关注@Yangyixxxx ，分享AI信息，商业洞察与增长实战 如果你喜欢这篇内容，也请点赞并转发第一条推文，把有价值的内容分享给更多人~
分享陈天桥老师最新文章。 管理学的黄昏与智能的黎明：重写企业的生物学基因 引言：管理学的黄昏 管理学大师彼得·德鲁克曾说，动荡时代最大的危险不是动荡本身，而是延续昨日的逻辑行事。 今天，我们就站在这样一个危险的临界点。 从系统演化的角度来看，管理学本身就不是一个永恒的真理，这并非因为管理学理论本身的缺陷，而是因为它所服务的对象——碳基生物的大脑在即将被智能体所替代时，管理学存在的前提也会被物理性地移除。 所以，未来的企业变革不是基于 AI 的“更好的管理”，而是“管理的退出”。这不关乎对错，这关乎结构的必然。当执行不再依赖生物特征时，基于生物特征构建的制度大厦，其历史使命便已终结。 第一章：历史的代偿——管理即“纠偏系统” 现代管理学的大厦，实际上是建立在一片名为“生物局限性”的沼泽之上。过去一百年，我们所推崇的全部管理工具，本质上都是为了给人类大脑打上的“补丁”： 我们发明 KPI，并非因为它能精准衡量价值，而是因为人类大脑难以在长周期中锁定目标，“遗忘”是碳基生物的常态，我们需要路标； 我们发明科层制（Hierarchy），并非因为它高效，而是因为人类的工作记忆只能处理 7±2 个节点，为了避免认知超负荷，我们被迫通过层级来压缩信息； 我们发明激励机制，并非为了创造价值，而是为了对抗生物体天然的动机衰减与熵增。 管理学从未真正提升组织的“智能”。它是一个精密的“纠偏系统”，试图在人类心智失效之前，用制度锁定正确性。 当执行依赖人类时，企业是一个为适配大脑缺陷而构建的制度容器。 第二章：智能体的介入——一种全新的“认知解剖学” 那么，我们要引入的替代者究竟是什么？ 请大家注意，当我说“智能体（Agent）”时，我指的不是一个运行速度更快的软件，而是一种在认知解剖学（Cognitive Anatomy）上与人类完全不同的存在。 如果我们将人类员工与智能体放在解剖台上对比，你会发现三处根本性的生理差异： 第一，是记忆的连续性。 人类的记忆是瞬时且易碎的，我们依赖睡眠重置，上下文经常断裂。而智能体拥有 EverMem（永恒记忆），它拥有的不是片段的工作流，而是连续的历史。它不会遗忘，不需要“交接”，它的每一次推理都建立在全量历史的基座之上。 第二，是认知的全息性。 人类受限于带宽，必须通过层级来过滤信息。而智能体拥有全量对齐（Context Alignment） 能力。它不需要通过部门周会来同步信息，整个组织的知识网络对它实时透明。它看到的是全局，而非盲人摸象般的局部。 第三，是进化的内生性。 人类的动力依赖于多巴胺和外部奖赏，容易衰减。而智能体的行动源于奖励模型（Reward Model）的结构张力。它不需要被“哄”着工作，它的每一次行动都是为了让目标函数收敛。 这不是更强的员工，这是基于不同物理法则运转的新物种。 第三章：基石的崩塌——当新物种遇到旧容器 现在，当我们把这种具备“连续记忆、全息认知、内生进化”的新物种，强行塞进为人类设计的旧管理容器时，会发生什么？ 系统性的排异反应开始了。那些曾经支撑现代企业的五大基石，正在从“必要的保障”异化为“智能的束缚”： KPI 的崩塌：从“导航”变为“天花板” 我们要 KPI，原本是因为人类容易迷路。但对于时刻锁定目标函数的智能体而言，死板的 KPI 指标反而限制了它在无限解空间中寻找更优路径的可能性。这就好比你给自动驾驶汽车画死了一条轨道，却期待它能躲避突发的障碍。 层级结构的崩塌：从“过滤器”变为“阻断器” 我们要层级，原本是因为人类大脑处理不了太多信息。但对于能处理千级上下文的智能体，层级结构不再是过滤器，而成了阻碍数据自由流动的“血栓”。在智能网络中，任何中间层都是对信息的无谓损耗。 激励机制的崩塌：从“动力源”变为“噪音” 用外在激励去驱动智能体，就像试图用糖果去奖励万有引力一样，是无效且滑稽的。它不需要多巴胺，它需要的是精准的数据反馈。 长期规划的崩塌：从“地图”变为“模拟” 我们要五年规划，是因为我们无法在高频变化中维持长周期的推演。但在智能体手中，静态的战略地图被实时的世界模型模拟（World Model Simulation）所取代。既然能每秒钟推演一万次未来的可能性，为什么还要死守那张半年前打印出来的旧地图？ 流程与监督的崩塌：从“纠偏”变为“冗余” 传统的监督机制，原本是为了盯着人别犯错。但在智能体内部，理解即执行，感知即行动。监督不再基于对执行过程的怀疑，而是基于对目标定义的再校准。 第四章：终极形态——AI-Native 企业的五项根性定义 如果抛弃了这些生物学的拐杖，一家真正的 AI-Native 企业，它的终极形态究竟长什么样？ 这不再是关于一家公司应该购买什么软件，而是关于一家公司应该以何种生物学形式存在。真正的 AI-Native 企业，必须在基因层面完成以下五项重写： 1. 架构即智能（Architecture as Intelligence） 传统企业架构是社会学产物，旨在解决人际摩擦。而 AI-Native 的架构是计算机科学产物。 整个组织本质上是一个巨大的、分布式的计算图（Computational Graph）。部门不再是权力的领地，而是特定功能的模型节点；汇报线不再是行政命令的通道，而是高维数据流转的总线。企业架构的设计目标，从“管控风险”转变为“最大化数据吞吐与智能涌现”。 2. 增长即复利（Growth as Compounding） 传统增长依赖线性的人力堆叠，边际成本随规模递增。AI-Native 增长依赖认知复利。 智能体的核心特征是“零边际学习成本”。一次成功的边缘案例处理，其实验结果会瞬间同步给全网智能体。企业的估值逻辑将彻底改变——不再取决于 headcount 的规模，而取决于认知结构复利的速度（Rate of Cognitive Compounding）。 3. 记忆即演化（Memory as Evolution） 没有记忆的智能只是算法，拥有记忆的智能才是物种。 传统企业的记忆是离散且易碎的“死数据”。AI-Native 企业必须拥有一个可读写、可进化的长期记忆中枢（Long-term Memory）。所有的决策逻辑、交互历史与隐性知识，都被实时向量化，沉淀为组织的“潜意识”。这是企业实现时间结构（Temporal Structure）的基础，也是智能跨越时间进行自我演化的前提。 4. 执行即训练（Execution as Training） 在旧范式中，执行是消耗过程，价值交付即终点。在 AI-Native 范式中，执行是探索过程。 不存在单纯的“执行部门”，所有部门本质上都是“模型训练部门”。每一次业务交互，都是对企业内部“世界模型”的一次贝叶斯更新（Bayesian Update）。业务流即训练流，行动即学习。 5. 人即意义（Human as Meaning） 这是企业伦理的重构。人类从“燃料”的角色中退出，升维为“意图策展人（Intent Curator）”与“认知架构师（Cognitive Architect）”。 智能体负责在无限的解空间中解决“如何做（How）”的问题，进行路径的极值优化；而人类负责处理那些不可计算的模糊性——定义“为何做（Why）”，定义审美、伦理与方向的价值函数（Reward Function）。智能负责扩展可能性的边界，人类负责裁定方向的意义。 结语：智能的黎明 这与我们在科学领域提出的发现式智能（Discoverative Intelligence）殊途同归。 发现式智能的核心定义是：智能不应止于对既有知识的拟合，而应具备构建模型、提出假设、并在与世界的交互中修正认知的能力。 AI-Native 企业，正是发现式思维在组织层面的投射。它要求企业本身成为一个发现式结构的平台，而非操作流程的容器。 如果组织的形式正在发生物种级的演化，那么承载它的数字容器也必须随之突变。 这就引出了一个我们不得不面对的命题：我们脚下的基础设施——那些为了固化流程而生的 ERP，那些为了切割职能而建的 SaaS——真的还能容纳这种液态的智能吗？这些系统本质上是旧时代管理逻辑的数字化投影，它们通过“打补丁”的方式或许能带来暂时的安宁，但这终究是在用旧地图寻找新大陆。 AI-Native 企业呼唤一种全新的操作系统。 一种不再致力于“资源规划（Resource Planning）”，而是致力于“认知演化（Cognitive Evolution）”的全新神经系统。 当管理退出，认知升起。 管理学不会消失，但它将第一次真正建立在智能（Intelligence）的地基之上，而非生物学（Biology）的废墟之上。 未来的企业，不再是由人领导智能，而是由智能扩展人。
找工作、找面试题、改简历、模拟面试。关注： 创业（冷启动） ｜ 认知心理学｜智能体 ｜ 强化学习 building：https://t.co/A4YmEz90B8
用 OpenCat 的语音输入试了一下 @elevenlabsio 的模型 scribe_v2，OpenCat 语音交互是期待的实时识别的形式，模型准确率确实高很多，很强！ 不过有意思的是，水木拿过来直接第一句话就让这个模型破功😂，“招招最近的罪行，罄竹难书” 识别成了 “招招最近的罪行，庆祝南叔”
🔖 Building · Sharing ✨ Zipic · TimeGo · KeygenGo · HiPixel · Orchard · Prism
RT @marclou: I saw a legit acquisition offer for $100,000 😳 I built this buy/sell startups marketplace out of curiosity and was expecting…
💻 https://t.co/Y30jsaHwz9 $30K/m ⚡️ https://t.co/vatLDmi9UG $21K/m 📈 https://t.co/3EDxln5mdi $17K/m ⭐️ https://t.co/MZc8tG9xWi $17K/m 🍜 https://t.co/r07EpGSYJ2 $1K/m 🧬 https://t.co/SfrVXVtmdA $0/m 🧾 https://t.co/7olaOzV8Xd $0/m +20 https://t.co/4zCWHGJp1S