babyliang @FlyLeong

读 Anthropic 的招股书，我看到了音乐什么时候会停的信号。 它卖给客户的承诺按年到期，向供应商买算力的承诺却锁到2030+，而且大部分属于take or pay （不管用不用都要付）。 26年上半年，这些承诺从一千亿涨到近六千亿。自己还在招股书里写了：“增速会下降，可能比预期更快。” 于是我做了一个 scenario analysis，model 了一下在不同的增速下，Anthropic 未来几年的收入，对比它的这些承诺支出。哪怕是偏乐观的假设，到2027、2028年，光算力付款就会超过全部收入，缺口要靠融资填（借钱）。 填缺口的钱主要来自 Google、Amazon、Broadcom 等。这些公司既是供应商，又是股东，又是债主，其中的云厂商还是竞争对手。 问题在于，S-1 中披露放款条件和 Anthropic 收入的增速是绑定的：增长快的时候，钱可以随时提。增长慢的时候，提款资格同时失效。说简单一点就是钱在你最不需要的时候最多，在你最需要的时候反而最少。救命钱的提款条件和病因绑在一起。 这就暴露了循环融资的问题，预计最快在27 年下半年就会进入结构性问题（一旦增速低于某个门槛，这些条款会自动把问题放大）。Anthropic 自己不会先倒，它可以不续那些“,可取消”合同。 所以，音乐停止的顺序是： 1. Frontier Labs 增速放缓 2. 供应商融资收紧 3. Frontier Labs 不续约 4. 最后新云还不上债 招股书第140页有一句话："我们的算力承诺通常必须履行，无论收入或利用率如何；而我们获得额外资本的能力，取决于许多我们无法控制的条件。" 这句话的前半部分是确定的，而后半部分是不确定的。在我看来，整个 AI 产业链现在在赌的，就是这后半句话。

如果你在为辅导孩子作业焦头烂额，请认真读完本文。 其实，本文道尽的是学习的底层原理。任何一个“终身学习者”，都不可错过！ x.com/i/article/2112…

油管大神 Dan Koe 的「3-2-1」方法,让你成为任何领域的 1% Dan Koe 认为,现代人之所以平庸,不是因为不努力,而是因为努力的姿势极其丑陋且低效。 我们在用战术上的勤奋,掩盖战略上的懒惰。在用低维度的忙碌,逃避高维度的思考。 想要跳出这个平庸的重力井,想在任何一个领域——写作、编程、设计还是搞钱——杀进前 1%,你不需要拼命,不需要内卷。你只需要掌握一套极简但极狠的「3-2-1」方法。 这套方法,是 Dan Koe 从神经科学、进化心理学和极简主义商业哲学里提炼出来的武器。它能把你从一个被算法控制的「数字人」,变成一个拥有绝对掌控权的「神级玩家」。 第一,那个「3」,是每天雷打不动的神圣时间 很多人看到数字 3,第一反应是:要我学三门外语?还是每天读三本书? 错。大错特错。 Dan Koe 口中的「3」,指的是:每天 3 小时的深度创造。 你可能会说,就这?我现在每天 996,工作时长 12 小时起步,我都这么拼了还是个穷光蛋,你让我每天只干 3 小时,是想让我饿死吗? 这就是你平庸的根源。你把「时长」当成了「产出」。 在 Dan Koe 的逻辑里,人类的大脑根本不是为像工业机器那样连续运转而设计的。我们的大脑是高能耗的生物计算机。神经科学家早就证明,人类每天能维持的「高强度、高认知、创造性」专注时间,上限就是 4 小时左右。超过这个时间,大脑就进入垃圾时间。 回想一下你在公司的下午三点。你盯着屏幕,手指在动,PPT 在翻,但脑子其实已经停转。你在摸鱼,在回毫无意义的消息,在开除了浪费生命毫无作用的会。你以为你在工作,其实你在表演工作。这叫「伪勤奋」。 Dan Koe 的「3 小时原则」,是让你像狮子一样工作,而不是像牛一样工作。 牛整天低头吃草,吃一天也只是一头牛。狮子大部分时间在睡觉、晒太阳、磨爪子,但只要它出击的那一瞬间,就是致命的。 这每天的 3 小时,必须是神圣的、不可侵犯的、真空的。 在这 3 小时里,你不能回微信,不能看邮件,不能刷新闻。你必须切断一切与外界的联系,把自己关在一个精神的小黑屋里。 你要做的事,必须是那个领域里最难、最核心、杠杆率最高的事情。 如果你是作家,这 3 小时只用来写正文,不许查资料,不许排版。 如果你是程序员,这 3 小时只用来攻克核心算法,不许修琐碎的 Bug。 如果你是创业者,这 3 小时只用来思考战略和产品,不许回客户消息。 Dan Koe 说,如果你能坚持一年,每天只做 3 小时深度工作,你的产出将超过 99% 每天坐在办公室混日子的人。因为那 99% 的人,注意力被撕碎了,每 5 分钟就被打断一次,精神熵高得吓人,大脑是一团混乱的浆糊。 而你,在这 3 小时里,是心流状态,是人剑合一。这 3 小时产出的东西,是带有「灵魂」和「穿透力」的。 在这个 AI 已经能生成无数垃圾内容的时代,只有这种深度思考的产物,才是稀缺的,才值钱。 所以,想成为 1%,第一步就是学会「偷时间」。早起 3 小时,或者晚睡 3 小时(如果你身体扛得住)。哪怕你还要上班,也必须在老板榨干你之前,先把这最宝贵的 3 小时留给自己。 这是你为自己赎身的资本。 第二,那个「2」,是必须缝合在一起的两项对立技能 搞定了时间,接下来聊聊「2」。 这个「2」指的是:掌握两项看起来完全对立、甚至毫不相干的技能,并把它们缝合在一起。 我们从小受的教育是「专业化」。要专精,要深耕,要成为一颗标准的、无可替代的螺丝钉。 但在 Dan Koe 看来,专业化是给昆虫准备的。 AI 来了。AI 最擅长什么?专业化。AI 下围棋比你专业,写代码比你快,翻译比你准。如果你只在一个狭窄领域里卷,会被 AI 降维打击得连渣都不剩。 在 2026 年,真正的护城河,叫「技能堆栈」。你要做个「缝合怪」。 Dan Koe 提出,最强大的技能组合,往往是「一文一武」,或者说「一内一外」。 比如: 编程(极度理性的逻辑) + 写作(极度感性的表达)。 设计(视觉审美) + 营销(人性洞察)。 心理学(理解人类) + 数据分析(理解机器)。 当你拥有两项对立技能,神奇的化学反应就发生了。 你不再和程序员比写代码,因为你比他们会写文章,能把枯燥的技术讲成动人的故事,你成了技术布道师。 你不再和作家比文采,因为你懂编程,能把故事做成互动游戏,你成了独立开发者。 这叫「交集竞争」。 在 A 领域,你是前 20%;在 B 领域,你也是前 20%。这听起来不难。但在「A+B」这个交集领域,你就是前 1%,甚至是唯一。 Dan Koe 自己就是最好的例子。他懂设计(早期是设计师),懂写作(后来苦练文案),懂哲学(喜欢思考人生)。他把三者结合,创造出一种独特的视频风格:黑白极简动画 + 哲学旁白 + 硬核干货。市场上没有他的竞品。因为比他会设计的没他有思想,比他有思想的没他会设计。 这就是「2」的奥义:不要在一个赛道上卷死,要去创造一个属于自己的新赛道。 第三,那个「1」,是只解决一个核心终极的问题 这个神秘的「1」,不是某个风口行业,也不是某个赚大钱的项目。 它指的是:只解决「一个核心」的问题。 这个问题是什么?是你曾经遇到的最大问题,踩过最大的坑。 Dan Koe 的整个商业帝国,看似庞大复杂,核心逻辑其实简单到令人发指:他所有的产品、文章、视频,都在试图拯救两年前那个迷茫、焦虑、没钱的 Dan Koe。 这不仅是营销策略,更是一种深刻的人生哲学。 我们总是习惯向外看。去调研市场,分析用户画像,猜现在的年轻人喜欢什么,猜大妈们喜欢什么。把自己搞得像个投机倒把的贩子,整天揣摩别人的心思。 结果呢?你猜不透。人心善变,市场诡谲。你今天跟风做短剧,明天短剧凉了;你后天跟风做 AI,大模型把你淘汰了。 Dan Koe 告诉你:别猜了。 这个世界上,你唯一能百分之百了解、百分之百共情、百分之百知道痛点在哪的人,只有你自己。 那个曾经的你,深夜焦虑得睡不着,是因为什么?那个曾经的你,在职场受了委屈却不敢辞职,是缺了什么能力?那个曾经的你,想减肥却总管不住嘴,是心理哪里出了问题? 你的痛,就是千万人共同的痛。人与人的悲欢虽不相通,但人与人的焦虑高度同构。 你走过的弯路,就是他们的「地图」。你爬出来的坑,就是他们的「阶梯」。 所以,成为某个领域 1% 的终极秘密,是把自己变成一个「活体样本」。 你不需要成为世界级的专家,不需要拿诺贝尔奖。你只需要比你的受众领先两步。领先一百步是神,神太远,凡人够不着。领先两步是学长,学长的话最听得进去。 当你把那个「1」(过去的自己)作为所有输出的靶心,神奇的事情发生了。 第一,你再也不会没灵感。你只需回想,当初我是怎么解决这个问题的?我当时最想听到什么建议?你的生活本身,就是最大的素材库。 第二,你的内容会变得极度真诚。你写东西时,心里想的是如何拉曾经的自己一把。 第三,你会构建出最坚固的护城河。你的痛苦独一无二,你的顿悟独一无二。 所以,这个「1」,就是你「独一无二的利基市场」。不要去寻找细分市场,你自己解决问题的过程和体验,就是那个细分市场。 最后 Dan Koe 说过一句话:「大多数人之所以失败,是因为他们在黎明前最黑暗的那一刻放弃了。」 坚持那个「3」,打磨那个「2」,瞄准那个「1」。 时间是你的朋友。只要你在这个方向上持续用力,复利效应会在某个临界点突然爆发。

卧槽，再次强烈推荐这个开源项目----中小学知识图谱 完全免费，覆盖小学到高中 孩子数学跟不上，常常不是眼前这一章的问题，而是前面某个地方早就没学会。这个项目就是用来找出这个地方的。 🔹 覆盖极广：数学 828 个知识点、1366 条先修边，另包含英语（三年级至高中）和初中物理 🔹 题库扎实：三科共计 6723 道诊断测试题 🔹 紧贴大纲：全面对齐 2025 年修订的新课标与人教版新教材，目录全部经过国家智慧教育平台核对 除了知识体系专业，开发者的几个良心设计更是直接拉满： ✅ 极致便携：打开网页就能用，支持添加到手机桌面，甚至支持离线使用 ✅ 绝对隐私：孩子的诊断档案只存在你的本机浏览器里，完全不上传云端 ✅ 纯粹免费：非商用环境下完全免费使用（CC BY-NC 4.0） 在线试用：math.pansgo.com GitHub：github.com/xiaoyang111222…

前端哥Liam @jinglian

a week ago

孩子初中数学成绩上不去，到底卡在了哪里？📉 与其盲目刷题，不如用【知识图谱】精准把脉！ 昨天分享了国外开源的小学全学科图谱 os-taxonomy，今天带来国内开源神作：「初中数学知识图谱与自动诊断系统」🔥 初中家长、老师强烈建议码住 📌 👇 核心功能一览： 1️⃣ 知识体系极全 包含 333

22 60 210 166K 279

国内调研了一圈，基本结论：1）中美顶尖大模型的差距在扩大。2）为了追上差距，ROI最大的方式只能是买卡和蒸馏。3）8卡B300在美国卖400万人民币，走私到中国的价格从1400万涨到1500万、1800万，而且说有货的基本都是骗子。4）B300是新时代的土地证。只要有机器，地方政府、大模型公司、接盘的上市公司都求着给你借钱。5）产业链内的从业者都极其乐观，每个人都像极了17年ICO的投资者，把身边能借的钱都借光。6）所有资源都缺，乌兰的职高在校生，数据中心都抢着要。7）CPU资源缺，阿里云的沙盒都卖光了。8）中国券商普遍悲观，因为故事都讲到太空算力租赁了，最近的新故事是人形机器人去采集数据

x.com/i/article/2114…

中医把脉，三根手指到底在摸什么？

最近看到一堂斯坦福公开课，用大约两小时，系统梳理了大语言模型从文本输入到训练、推理和生成结果的完整链路。 它不会让你两小时造出一个 Claude 或 ChatGPT，但能帮你建立一张非常重要的“大模型知识地图”。 课程重点： 00:00｜LLM分词机制 文本进入模型前，为什么必须先被拆成 token？不同分词方式又会怎样影响训练效率与模型表现？ 25:44｜模型如何解码提示词 大模型并不是一次“理解”完整句话，而是根据上下文计算概率，逐个预测接下来最可能出现的 token。 35:40｜大模型训练流程 从训练数据、预训练到参数更新，了解模型能力究竟是怎样一步步形成的。 1:16:47｜从零理解LLM架构 拆解嵌入层、注意力机制、Transformer 模块和输出层，看清语言模型内部的数据流动方式。 我最大的感受是： 很多人每天都在研究提示词和新工具，却没有真正理解模型底层是怎样工作的。 当你理解了 token、注意力、训练和推理之后，很多原本模糊的概念都会连起来： 为什么上下文长度有限？ 为什么模型会产生幻觉？ 为什么推理速度如此重要？ 为什么训练一个大模型这么昂贵？ 建议先完整看一遍建立框架，再根据时间点回看不懂的部分。两小时不能让你成为大模型工程师，但足以帮你判断下一步应该学什么。

就这么说吧，下面这个仓库如果让教辅机构拿到，高低得收家长每年上千元 但是今天我把它分享给大家，先声明，商用需要授权，感觉有用可以给仓库上个小星星 开源的初中数学知识图谱，还能顺着它诊断孩子到底卡在哪个知识点上 1.一共 333 个知识点、616 条前置关系，对齐 2022 版课标和人教版七上到九下的教材 2.诊断从目标知识点开始考，答错了就顺着前置知识往回追，直到找到真正没学会的地方，最后给出一条按顺序补的学习路线 3.1407 道题，大部分能自动判分，答案都用程序重新算过一遍 GitHub：github.com/xiaoyang111222… 个人学习、教学可以免费用（CC BY-NC 4.0）

keyboard_arrow_left Previous keyboard_arrow_right Next

This isn't Excel. It's an open-source React data grid 🔥 Stage orders in one click, drag-fill ranges, type inline, swap suppliers in the cell, re-sort columns by the biggest gap, undo everything. @reui_io Data Grid, built on @shadcn + @tan_stack Table.

前阵子辅导家里孩子做物理，电路图讲了三遍还是一脸懵，我当时就琢磨：要是能让她自己上手搭一遍，哪还用得着干讲。 后来刷到 WeduLab，算是把这事解决了——物理、化学、生物、数学、地理、历史六科实验室，全被搬进了浏览器。 我挨个点进去看了看：电路能自由搭，电流电压实时跳；3D 等高线、大气环流、水循环、地球运动，一个个都能拖着手动模拟；再往后翻，显微镜、豌豆杂交、DNA 双螺旋、元素周期表、圆锥曲线、神舟发射返回，甚至古代战役沙盘和历代疆域变迁都有。以前课本上干瞪眼看不懂的东西，现在动手一拨就明白了。 最省心的是不用装软件、不用注册、也不收钱，网页一开就能做实验。 课本看十遍，真不如亲手做一回。 🔗： wedulab.com

阿布扎比、高盛 、摩根等 A股最新持仓

keyboard_arrow_left Previous keyboard_arrow_right Next

有价值的播客太多了，没那么多时间听怎么办呢？ 那就看 AI 转写的文章吧，差不多花十分钟，就能看到一小时的播客里的主要信息了 加上是精细的转写而非总结，所以信息也不会丢很多，碰到非常感兴趣的就去听原音频，相得益彰。 以下是我常听的 8 个播客，全部做了自动转写，每期自动更新文章，一目了然。 感谢向阳 @vista8 开发这几个网站，向阳是我的许愿式编程 Agent？ zhangxiaojun.qiaomu.ai 张小珺商业访谈录精读：张小珺数小时长访谈的精读，记录 AI、科技公司与投资人的一手思考。 42zhangjing.qiaomu.ai 42章经精读：曲凯对谈创业者与投资人，围绕一个具体问题追问到底。 latetalk.qiaomu.ai 晚点聊精读：《晚点 LatePost》出品的一手科技访谈，覆盖大模型、具身智能与互联网公司。 crossing.qiaomu.ai 十字路口精读：寻找并访谈 AI 时代的积极行动者，关注 AI 给各行各业带来的变革。 aialchemy.qiaomu.ai AI炼金术精读：徐文浩与任鑫聊 AI 带来的本质变化和商业机会。 35huan.qiaomu.ai 三五环精读：刘飞邀请城市里的局内人聊天，发现不同的认知视角与生活态度。 zhixing.qiaomu.ai 知行小酒馆精读：有知有行出品，聊投资理财，也聊怎样更好地生活。 mianji.qiaomu.ai 面基精读：每期请一位一线经验者，把一个行业或一种职业讲清楚

this is pure f*cking gold for anyone running coding agents Jev founder Diogo Amogo wrote a PDF on building a Jev harness the promise: > 200x faster > 400x cheaper the model hasn't been the slow part for a while the speed and the cost sit in the harness wrapped around it • how to use it > drop this PDF and the article below into Claude Code or Codex > let it rebuild its own setup one evening of setup and your agent starts next week on a harness most teams still don't have

Mr. Buzzoni @Mr_Buzzoni

4 weeks ago

x.com/i/article/2104…

17 56 478 1.1M 1K

Agent tree component, see who started whom

Zoom in and the data gets more detailed uiarc.dev

Trace waterfall component, see where your agent’s time goes

Agent timeline design

社会化程度太低怎么办？大学老师不会教你的人情世故，看这三个开源项目就够了： 1️⃣人情世故指南 继《高性价比人生指南》之后，又一个爆火的指南，自带PDF，包含10章77条结构化指南，教你拒绝、求助、礼节怎么做、以及代价是什么 github.com/kkk-bot/HowToG… 2️⃣SocialCoach情商练习场 附带 AI 情商教练，能实景角色扮演练酒桌、拒绝加班等场景，通过真实情境对练与个性化反馈，练习社交沟通，学会处理冲突。 github.com/GeminiLight/So… 3️⃣天机不可泄露 一个人情世故大模型，专注敬酒、送礼、化解尴尬等传统人情场景的大语言模型应用。 github.com/SocialAI-tianj…

keyboard_arrow_left Previous keyboard_arrow_right Next

Mermaid 终于被 Rust 卷出新高度了！开发者 jxom 最新发布了专为 Mermaid 打造的 Rust 预编译器 Ondine，基准测试数据相当震撼： 极致渲染速度：渲染单张图表仅需约 50µs，比原版 Mermaid 快 670 倍，比同类工具 Pele 快 2.8 倍； 极度轻量化：运行时体积直接压缩到了不可思议的 200 字节级别，比 Mermaid 缩小了 13,467 倍； 零依赖静态输出：纯编译期（Ahead-of-Time）直接编译为原生 SVG，页面端仅需加载 210 bytes 的微型 runtime，且完全保持 0 依赖。 对于维护现代文档站（例如基于 Vocs）的团队来说，客户端引入完整 Mermaid.js 动辄几百 KB 的包体积和繁重的解析耗时，一直是非常棘手的加载瓶颈。Ondine 的思路非常明确——把所有渲染工作前置到编译阶段，让首屏交互和页面 TTI 几乎实现零负担。 不过围绕这一项目的讨论，也激发出关于图表工具演进的核心痛点： 渲染速度 vs 排版算法：不少开发者指出，Mermaid 最大的短板往往不是渲染开销，而是其略显生硬、偶尔重叠连线的排版布局算法；若想实现更高水准的美观度，类似 D2 搭配 TALA 引擎的布局能力才是关键诉求。 Rust 图表生态的竞争：社区在 Rust 化重构上已经多点开花，此前已有编译为 WebAssembly 提升百倍性能的 FrankenMermaid，以及专注主题化 SVG 的 Pele。 前端基建与文档工具链全面走向 Rust 化、静态编译期化（AOT）已是大势所趋。当渲染耗时与资源体积被压制到极限后，下一阶段的突破重心势必会转向更先进、更智能的图形排版引擎。 x.com/_jxom/status/2…