Keep on to blur preview images; turn off to show them clearly
我在使用 Claude Code 工作过程中，这几个 MCP 给我帮了很多忙，推荐给小伙伴使用，特别是 Context7 以及 Memory 这两个，他们作用如下，有需要可以去安装配置一趴。 Context7 – 提供最新、版本特定的文档与代码示例，可即时检索任何库或框架的使用方式，适合保持 API 更新同步。 Memory – 跨会话存储与读取上下文信息，让模型具备持久记忆能力，更好地延续项目语境。 GitHub – 直接访问代码仓库、Issue 与 Pull Request，无需切换环境即可查看、修改或引用代码。 Markitdown – 将 PDF、Word、Excel、图片、音频等多种文件格式快速转换为 Markdown，方便阅读与编辑。 Playwright – 用于浏览器自动化测试与数据提取，适合验证前端交互或批量抓取结构化内容。 Serena – 面向 AI 编码代理的语义代码检索与编辑工具，提升模型的代码理解与上下文感知能力。
Father of Pake • MiaoYan • Mole • XRender
smell of fresh cut grass at the park, pokemon red save wiped, zelda game guide book creased at the edges, trampoline burns, dunkaroos frosting, scholastic book fair money in a ziplock, tamagotchi beep at 3am, ice cream truck gumball eyes, blockbuster aisles, vhs rewind sound, capri sun straw stabbing, mtv spring break, machinima, metallic gel pens, heeleys, triple collateral on highrise , mini camcorder, neopets login music, falador park, recon armor, AIM door creak, razor scooter ankle scar, lunchables pizza cold, mcdonalds orange drink, third eye blind on a burned cd, airsoft wars, lava lamp hum, game boy advance sp click, pokemon cards in plastic sleeves, mew under the truck, cheat codes written on binder paper, cereal box prizes, harry potter midnight release, slamball on spike tv, 3D televisions, legends of the hidden temple, through the fire and the flames by dragonforce, warheads tongue burn, scooby-doo fruit snacks, diving board at neighborhood pool, disney channel wand intro, yugioh duel disk, halo 3 energy sword duel, joseph kony, nintendogs barking, easy-bake oven smell, sidewalk chalk, bottom of otterpops, slinky on carpet, old spice spray, livestrong bracelets, birthday sleepovers, club penguin iceberg, now what’s what i call music 5, ipod touch jailbreak, “hags”, naruto, glow-in-the-dark stars on ceiling, cereal marshmallow dust, scooter downhill race, that soft tv pop when it turned off, and sparklers fizzing out far too soon
investing @a16z // curating https://t.co/ssslqn6eo7
When new methods can't match the resources that have been poured into old ones, stagnation ensues. We're there now in AI. The solution is to compare methods at similar stages of development.
Professor of computer science at UW and author of '2040' and 'The Master Algorithm'. Into machine learning, AI, and anything that makes me curious.
One advantage of so much AI research having fallen into the RL black hole is that it's easier to keep up with the research that matters.
Professor of computer science at UW and author of '2040' and 'The Master Algorithm'. Into machine learning, AI, and anything that makes me curious.
One thing people dramatically under appreciate about Musk and Jenson are that they are engineers first. They can take bigger risks and invest in longshot ideas because they deeply understand the tech, top to bottom.
All Things Engineering. Electrical, Mechanical, Software, Firmware, AI, Security and everything in between. Specialize in custom HW/FW/SW for motor control
一篇很不错的文章《AI's Dial-Up Era》——我们现在正处于 AI 的“拨号上网时代”。 还记得 1995 年吗？（也许那时候推上很多年轻人还是小朋友） 电脑发出吱吱嘎嘎刺耳而有点让人愉悦的尖叫声，试图拨号连上网络。网页简单的只有灰色的背景配上几行字，加载一张马赛克图片要一分钟。图片多的帖子标题上要加一句：多图杀猫（上网拨号器modem也叫猫🐱） 那时候流行的一句话是：“你不知道在键盘后面跟你聊天的是不是一条狗”。 那时的人们也分成了两派： - 乐观派说，五年内我们都会戴着 VR 头盔坐公交车。 - 悲观派说，这就是个泡沫，互联网对经济的影响不会超过传真机。 如果你告诉 95 年的人，25 年后： - 我们会从陌生人的社交媒体上看新闻，而不是看报纸； - 通过 App 找对象，而不是靠朋友介绍； - 彻底颠覆“不要相信陌生人”，主动坐进陌生人的私家车（网约车），甚至住进他们的空的房间（Airbnb）。 他们会觉得你疯了。 我们又回到了 1995 年，只不过这次是 AI。今天的争论和当年一模一样： - 一边说 AI 将在几年内导致大规模失业。另一边说 AI 会创造更多工作。 - 一边说 AI 是过度炒作的泡沫。另一边说 AI 将在十年内重塑文明。 只是作者认为两边都犯了同样的错误，他们都只说对了一半。 我们先来聊聊最大的恐惧：工作。 AI 教父 Hinton 在 2016 年警告说：“大家别再培养放射科医生了”，AI 几年内就会取代他们。 快十年过去了，现实呢？2025 年，美国放射科医生的职位空缺和薪资都创下了历史新高。（看图4） 为什么预测错了？ 科技圈 CEO 们最爱提一个词：“杰文斯悖论 (Jevons Paradox)”，简单来说就是技术越高效，用得反而越多。 比如 AI 让放射科医生看片子更快、更便宜了。结果就是，以前舍不得拍片子的人，现在都去拍了。总量上去了，放射科医生的需求反而增加了。 听起来很有道理，但这也只说对了一半。 真正决定一个行业会不会被 AI 取代的，取决于该行业能够释放多少未被满足的需求，以及这种未被满足的需求增长速度是否超过持续的自动化和生产力提升。 就好比是一场“赛跑”，这场赛跑有两个选手： 1. “未被满足的需求”增长有多快？ 2. “自动化效率”提升有多快？ 我们看个历史案例：纺织业。 1800 年代，自动化（织布机）来了。工人的生产力飙升 50 倍。结果是衣服价格暴跌。 赛跑的第一阶段： 以前大家只有一两件衣服，现在可以买十件八件了。“未被满足的需求”大爆发，跑赢了“自动化效率”。所以，纺织厂雇佣了比以前多得多的工人。 赛跑的第二阶段： 几十年后，市场饱和了。一个人再有钱，也不需要 1000 件衬衫。“需求”跑不动了，停在了天花板。 但“自动化效率”还在狂奔。结果就是：机器继续替代人，纺织业开始了大规模裁员。 所以，AI 对工作的影响，不是简单的好或坏。关键看这个行业的“需求天花板”有多高。 像纺织、钢铁、食品，需求天花板很低，自动化迟早会跑赢需求。 但像汽车制造，全球还有几十亿人没车，需求天花板很高，就业就能撑住。 那软件行业呢？ 软件的需求天花板几乎是无限的。 以前很多公司有无数“想做但太贵”的项目，因为养不起那么多程序员。 如果 AI 能让开发成本降低 90%，那海量的“潜在需求”就会被释放出来。 --- 我们再聊聊第二个话题：泡沫。 现在的 AI 热潮，像不像 90 年代的互联网泡沫？太像了。 当年，一家公司只要名字加个 .com 就能估值起飞，和现在加个 .ai 一模一样。 当年烧钱最猛的 Pets com，IPO 融了 8000 多万美金，几个月就倒闭了。 但我们换个角度看。 90 年代那场“非理性繁荣”，虽然烧死了无数 Pets com，但也留下了一笔宝贵的遗产：遍布全球的“光纤网络”。 正是这些在泡沫中被过度建设的基础设施，才让 10 年后的 YouTube、Netflix 和移动互联网成为了可能。 当年的泡沫，为未来的繁荣“铺好了路”。 今天也一样。 我们看到很多没产品、没护城河的“AI 套壳”公司拿到了巨额融资。 但我们也看到，微软、谷歌、亚马逊这些巨头，正在史无前例地砸下数千亿美金，疯狂建设数据中心、抢购芯片。 这些“算力基建”，就是 90 年代的“光纤”。 就算这波 AI 泡沫破了，这些基础设施也会留下来，支撑下一代 AI 应用的爆发。 --- 那么，未来到底会怎样？ 我们能确定的是：我们正处在黎明前，我们无法预测具体的细节。 就像 1995 年的人预测不了“网红”会成为最热门的职业。 AI 真正的影响，也不是简单替代已有的工作，而是解锁那些因为太贵而无法实现的市场。 比如 Uber。它刚出现时，很多金融教授都说它被高估了，因为它只能抢占“存量”的出租车市场。 他们都错了。 Uber 极大地降低了出行成本，它创造了“增量”—— 那些你以前“本不会去”的地方，因为打车便宜了，你才去了。 AI 也是同理。 一个小餐馆老板，以前绝不会花 10 万块请人开发一套定制的供应链软件。 但如果 AI 能把成本降到 100 块呢？他就会去“创造”这个需求。 最后，回到那个经典问题：AI 会让程序员失业吗？ Andrej Karpathy 问：5 年后，软件工程师会更多还是更少？ 答案可能是：这个职业本身会“变形”。 就像新闻行业。过去 30 年，报社里的记者职位大幅减少了。但是，从事新闻工作的人（比如博主、YouTuber、UP 主）却迎来了史无前例的大爆发。 记者这个工作被“变形”了。 软件工程师也一样。未来，软件工程师这个岗位的定义会变。但写软件这件事，会变得像今天写文档一样普及。 那个用 AI 给自己餐厅做了个小程序的餐馆老板，他不会称自己是软件工程师，但他确实在做软件工程的工作。 就像 1995 年的人无法想象网约车和短视频。我们今天也无法想象 2050 年的热门职业。 我们唯一能确定的，就是我们的 AI 未来，像当年的拨号上网的猫一样吱吱嘎嘎，正在加载中，耐心点。
原文：https://t.co/TM6pkJI9TT 翻译：https://t.co/b331o5aTqo
