AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

一个细节狂魔被一份 PPT Skill 治好了多年的拖延症，这次点名要吹的是歸藏。

自述照录。这位老兄自称代码狂魔加产品细节狂魔，让他不吃不睡也行的只有三件事：研究技术、打磨产品细节和游泳。他偏偏讨厌做 PPT，尤其商务会议那种，不是觉得没意义，是对产品和设计的要求太高，达不到自己的标准宁可不做。

于是活儿一次次被拖到深夜才动笔。图标的对齐、字体的风格、留白的取舍、图标放哪里多大、技术架构图和逻辑流程图的推敲、讲重点时那几块点缀的色块，全都要过手。用他自己的话说，做 PPT 就像在打磨产品界面，每次做完都像进了一趟 ICU。

这回逼近截止线，他转身在 Codex 上装了歸藏老师的 Skill。要求和大纲连同英伟达那套 PPT 的细节要求一并说了，做出来的效果超出预期，好看得没话说。新流程也定了，人只对着 AI 不停改内容，排版从此不用再碰，那份 Skill 能包办商务 PPT 所需的高端大气。末尾的感叹同样留着，太爽了，这个 PPT Skill 太专业了。

"从 ICU 到只改内容"这半句是场重心。前面原生 PPT Skill 那条讲的是工具能做什么，这条讲的是它治好了谁。跟前面五十个目录收进一库呼应，那条在管货架，这条在看疗效。两头都在提醒同一件事，PPT 这档子老活正被拆掉最耗人的那层，留给人的只剩意见。跟前面验收是大头那条也接得上，一个把排版交出去，人腾出手去做验收，效率的账就在这一进一出之间。

要求高到宁可不做这个细节我单独拎出来，正是这种人被治好的案例才有说服力，随便做做的人本来就没什么可省的。

我留的疑问有三处。这份 Skill 的名字和获取方式没在正文给出；英伟达那套细节要求是什么没拆；不同场合的适配度也没数，这些都在评论区里才找得到。

这周把自己的下一份汇报交给它，专治我这拖延到最后一晚的老毛病。

github.com/Niko1221/Strat…

一千二百五十亿参数的模型被塞进了一台十二 G 显卡的游戏电脑，Strata 这个开源项目上线十七天就冲到两万星，标签里 MoE 与 LocalLLM 两个词一并挂着。

亮点照录。装机门槛低到十二 G 显存加三十二 G 内存就够，想跑满所有量化推荐配到六十四 G；速度那条给得很实，RTX 5070 实测 Q2_0 档能到每秒九十四个 token，比人阅读还快。

调度的点子也妙，两万四千多个专家按需取用，显卡只放常用的热点，内存放全部，SSD 存查找表。原理像厨房，常用的放灶台边，其余的存仓库随用随取。接口那行同样留着，自带 OpenAI 与 Anthropic 兼容接口，Claude Code、Cursor 这些直接连本地端口，数据完全不出机器。

上手五步也摆开，先从 GitHub 拉下 Strata，Windows 双击 START-HERE.bat、Linux 跑 setup.sh；再按提示选模型，三十二 G 内存选 Coder，四十八 G 以上推荐 IQ2_XS，六十四 G 可上 IQ3_S；随后等大约七十 G 的下载和一到三分钟的首次加载；最后浏览器打开本机地址直接用，或把接口地址填进自己的工具里。

"像厨房"这个比方是场重心。前面那台笔记本的曲子讲的是模型回家，这条讲的是回家之后怎么摆家具。跟前面砍九成八 token 那条呼应，那条在进口处装滤网，这条在仓库里分级储物。两头都在提醒同一件事，本地跑大模型的胜负手已经从能不能跑挪到了怎么调度。跟前面那间 AI 办公室也接得上，一个在屋里分派任务，一个在硬件里分派显存，分的都是稀缺的那点资源。

九十四 token 这个数我单独拎出来，它把游戏机和推理机之间的墙推倒了一半，剩下的另一半大概就是显存。

我留的疑问有三处。两万四千专家的命中率没给；七十 G 的下载源在哪没拆；量化档之间的质量差也没数，这些都在仓库说明里才看得到。

这周拉下来在自己机器上跑一遍，把五步的每一步耗时都记下来。

复刻的火越烧越旺，有人泼了盆冷水，一句话把话说得很冲。

原话照录，就三行。虽然现在逆向软件很火，但是所有认为自己的用户需要一个新的 office 或者 PS 的人，都应该先去脑科挂个号。这盆冷水在时间线上泼得人人侧目。

"该去脑科挂号"这半句是场重心。前面一人敌一国那条讲的是复刻的爽感，这条讲的是复刻的幻觉。跟前面那把 Rust 重写的进度条呼应，那条在往前冲，这条在往回拽。两头凑在一起才是一幅完整的图。

两拨人的分歧其实不在技术，在用户，爽的是做的人，未必是用的人。跟前面收下这几张卡也接得上，一个在攒工具，一个在问谁要这个工具，抄作业的人和造作业的人中间，隔着一次真实的需求。

这句难听的话我单独拎出来。泼冷水的价值在于把复刻从能不能做拉回该不该做。前一个问题工程师已经答完了，后一个问题还欠着答案。

我留的疑问有三处。这位反对者自己用什么替代品没给；他针对的是全部复刻还是只针对 office 和 PS 没拆；那 414 个赞里有多少是同行业的人也没数，这些都得自己掂量。

这周拿自己那三个新装的复刻软件想想，是真替代还是图个新鲜，答案不用说出口。

一千零四十个 AI 案例被堆成了一个网站，给不知道拿 AI 干什么的人抄作业。

要点照录。手里握着 Grok Bot、Muse、Hark、Dots、Hermes 这一堆工具却不知从何下手的，可以直接去这个网站抄作业。库里有一千零四十多个案例、十一个场景、二十七个 Agent 分类。

每个案例都给出具体用途、最终效果以及可复制的提示语。更妙的用法是把网站交给你自己的 AI，让它替你筛出适合的用例。来源那行也交代了，站里的用例全是扫描全网加自动整理来的。提醒同样留着，定位要摆正，它是个灵感库，不是操作手册，看看别人在做什么、攒经验用，涉及钱和账号权限的一定人工复核。网站地址没在正文给出，得自己找过去。

"当灵感库别当操作手册"这半句是场重心。前面那座 prompt 岛讲的是抄带着证据的成品，这条讲的是收带着出处的灵感。跟前面收下这几张卡呼应，那条在给工具上保险，这条在给灵感划边界。

两头都在提醒同一件事，抄作业这件事正在从偷偷学变成明着比，比的不是谁抄得快，是谁抄得明白。跟前面装前验货那条也接得上，一个查能不能装，一个查能不能信，人工复核这四个字就是两道关共用的钥匙。

一千零四十这个数我单独拎出来，灵感库能堆到这个规模，说明抄作业早就不是新手的捷径，而是所有人的日常功课。

我留的疑问有三处。网站的名字和地址没给；案例的甄选标准没拆；提示语的可用率也没数，这些都得自己找过去才看得到。

这周把网站丢给自己的 AI 筛一轮，挑三个跟当前项目对得上的案例真跑一遍。

两家把自定义助手同月往工作系统里搬。一个迁移提醒加一个停用计划把方向说白了。这同调我看完先记那两条日期再掂方法带得走那半句。记的掂的点在下面一层层摆，摆好了看日期，期在下面摆着，摆好了自己对。
日期是这样摆的。十一月十七日起 Google 的 Gems 开始迁成 Skills，OpenAI 也计划十二月十一日停用自定义 GPT、旧的迁进 Plugin。原先那套指令原封搬进去当一条 Skill。

摆的第二层是它们的共性。共性是两边都把攒一个专属人工智能帮手这活儿，收编进了更大的工作台。塞的第三层在下面摆着。摆好了别眨眼，眨眼就翻过去了，过去一页少一页。少一页都是损失。
钱是这样算的。当年这个小助手是付费卖点，写好指令、起个名字、再加几份文件，它当然省事。可只保存一套指令这个理由越来越撑不起单独收费。去年它干脆免费了。如今 Skills 直接进 Gmail。Docs、Drive，团队能在文档里一起改、管理员也能统一分发，而人工智能去年已经并进那家的商业套餐。
类比是这样立的。做消费品研发十几年的人说，配方会被模仿、人也会走。经得住留下的，是配方在自家产线、渠道和门脸里转着。立的第七层是它落回人工智能的那半句。半句是提示词这东西谁都能抄。平台惦记的，是你天天上班打卡的那块地盘，抄不走的第八层是我的点评。

一个人、五十分钟、一部长短片，这道工序被掰开摆在了桌上。

三步照录。开头十分钟归 Claude，剧本到它手里就完；再来二十分钟归 Midjourney，角色设定一次出齐；剩下那截排给 Runway 出动画，ElevenLabs 负责配音，Suno 负责配乐，一条龙走完。

整段路程从起念算到交付不足一个钟头，干活的从头到尾只有你一个人。反过来看那边，几十号人、几百万预算才撑得起的影视生产线，如今被一个人趴在电脑前干成了快餐。戳心那句同样照录，你缺的从来不是创意，脑袋里点子一大把，真正缺的是能把这五十分钟产出接住、串成片子的那双爪子。

最后那句总结也留下，AI 这年月，一个人就是一间内容工厂，这话一点不掺水。工具清单摆最后，Claude、Midjourney、Runway、ElevenLabs、Suno，五个名字收好。

"接住产出的那双爪子"这半句是场重心。前面那场对照参考图的岛讲的是单张成片的打磨，这条讲的是整条流水线的拼装。跟前面监制位那条呼应，那条在把镜头交给模型，这条在把五个工位一次排开。

两头都在提醒同一件事，创意和执行之间的那道墙塌了之后，剩下的活儿是串，谁会串谁就能开工。跟前面一间 AI 办公室也接得上，一个在屋里摆工位，一个在流水线上摆工具，摆的都是一个人的班底。

五十分钟这个数我单独拎出来，它把一部短片的周期从月压到了小时，压掉的不只是时间，是那支几十人团队存在的理由。

我留的疑问有三处。片子的实际成色没给；五个工具之间的衔接怎么自动没拆；配音配乐的版权也没数，这些都在原话里才查得到。

这周按这三步走一遍，掐表看看自己的第一个钟头能走到哪一步。

十二个技能被配上十二个项目，一句别再看教程把学习方式掀了。这掀法我看完先记那十二对再掂作品集那半句。记的掂的点在下面一层层摆，摆好了看十二对。对在下面摆着，摆好了自己挑。
前六对是这样摆的。多模态 RAG 配一份带图表和图片的 PDF 问答。智能体配一封调研公司后写成的冷邮件。函数调用配一个真能在日历上订会的聊天窗。LoRA 微调配一个只用你口吻写作的小模型，评测配一套能逮住提示词变差的测试。

语音配一个替本地商家接电话的语音智能体。摆的第二层是它们的分法。分法是每对的下半截都得是跑得起来的东西。跑的第三层在下面摆着，摆好了别眨眼，眨眼就翻过去了。过去一页少一页，少一页都是损失。损失不起的往下看。
后六对是这样接的，视觉配一个读小票记开销的应用。MCP 配一个连自己数据库的私有件。防护栏配一个挡提示词注入和 PII 泄露的过滤器。语义搜索按意思找笔记而不是按字面，模型路由把简单题派给便宜的、难题派给聪明的。

可观测配一块按次记录开销延迟和失败的看板。接的第四层是它最后那句总结。总结是十二个技能。十二个项目，这样一份作品集没有哪张证书比得过，总结的第五层是我的保留。
对照是这样立的。教程看完只留下一条播放记录，项目跑完留下一个能点开的东西。点得开的那件才进作品集。立的第七层是它对学习者的改法。改法是把看与做的次序反过来，先立项目、缺哪块补哪块，补的第八层是我的点评。

第一句是把技能和可运行成品成对列这步今年值得所有出教程的人学，学了的清单才不会停在收藏夹。第二句是别再看教程这半句今年会让一批囤课的人把课暂停，暂停的回来点赞，句号。
我的建议是别十二对全上。先挑最馋的那对跑起来，跑通了再回来挑第二对，句号。

github.com/Aryanutkarsh/S…

架构图的活儿被拆成了两半，一段 JSON 说内容，渲染器管画，SeeCode 把这套接法摆了出来。

分工照录。编码 agent 不用写 SVG，只交三十到一百五十行 JSON，把有什么、怎么连讲清楚，剩下的布局、连线路由、标签位置、排版和动效全归渲染器；产出可交互，也能导出 SVG、PNG、GIF、MP4 四种格式。

实测那段也留着，作者拿 Codex 配上 Deepseek-V4.1-Flash 生成了一张 Hysteria2 代理原理加一次请求的完整链路，效果太棒。库里那头的账也摆开，四十五种图表类型再加十五个变体。

常见那批都在，架构、时序、ER、看板、甘特、Sankey、Wardley map 一张不少。等距那几款还能拿基本体块当砖头，把椅子、笔记本、汉堡甚至街道都搭出来。地址挂在文首。

"模型只管说清有什么"这半句是场重心。前面即梦那条讲的是内容和生成的分家，这条讲的是内容和绘制的分家。跟前面监制位那条呼应，那条在把剪辑交给模型，这条在把排版交给渲染器。两头都在提醒同一件事，画图这件事正在被拆成描述与执行两段，模型退到只负责描述。跟前面主代理那套也接得上，一个在任务里分活，一个在图形里分活，分的都是让专业的人干专业的事。

椅子、笔记本、汉堡这个细节我单独拎出来。等距积木能搭出这些玩意儿，说明这套渲染器不是只会画方框的示意图机器。它是想把抽象的东西也摆得好看。

我留的疑问有三处。三十到一百五十行这个跨度的边界没给；四十五种之外的自定义方式没拆；导出 MP4 的帧率也没数，这些都在仓库里才看得到。

这周拿一个自己的真实项目画一张链路图，看 JSON 写到多少行才够用。

一个做研究的人把人工智能工作流的范式换了，从问答换成给任务。这换法我看完先记那四步再掂市场那半句。记的掂的点在下面一层层摆，摆好了看四步，步在下面摆着。摆好了自己换。
四步是这样摆的。给智能体一个任务，让它用真实的工具，拿到活的数据，回头审结果，摆的第二层是它推翻的旧式。旧式是问一句。从既有知识里拿答案。问完常常拿到过时的货。货的第三层在下面摆着，摆好了别眨眼，眨眼就翻过去了。

过去一页少一页，少一页都是损失，损失不起的往下看，看下段。下段是那个市场。场读完这篇就通了。通了就收工，收工的礼数在下段，下段是最后的门，推开它，推。
AgentKey 是这样搭的。它不是又一个聊天模型，是一个把可信工具、实时数据、服务和原始来源批发给智能体的集市。接上之后智能体不必只靠记忆里的旧闻。可以拉活信息。调外部工具。取回原始出处，把结果交回来给人审，接的第四层是它给研究活的改变。

改变是审的人从等答案变成审证据。证据的第五层是我的保留。保留是这个市场我按发布介绍记账、没自己接入试跑。记账的第六层是我的收尾，收尾在最后三段。倒数第三段摆它连着的后续。倒数第二段摆那个地址。
后续是这样连的。安装、拿真实数据试工具、用控制台把工作流跑起来。一连串动作排在后面几条。连的第七层是我的观察。观察是今年这类给智能体配真实世界接口的集市会多起来，多起来的第八层是我的点评。第一句是把范式从问答换成给任务这步今年值得所有做研究工具的人听，听懂的会重排产品结构。第二句是审证据这半句今年会让一批只会给答案的产品重新想位置，想完的回来点赞，句号。
想试的地址在这，agentkey.app/@coderevaaai ，配一条真任务跑一遍，跑出活数据的点赞，句号。

Grok Bot 又进了一步，这回连 CLI 都不用装，一句话就能指挥 Cursor 的云端 Agent 去干活。

上一回的做法是给它的云电脑装 Cursor CLI、配好 Key 再调 Opus 5.5；这次全免，直接发给 Grok Bot 一句话就行，用 Cursor 云端 Agent、选 Opus 5.5、帮我做个某某。

模型可以随便点名，Opus 5.5、GPT-5.6、Gemini 3.8 Flash 都在菜单上，不点名就是默认的 Auto。实测那段照录，让它从零做了个 AI 白嫖倒计时的网页，自己建仓库、写代码、自己测试，连手机截图都顺手截好，十二分钟收工。

干活的位置在 Cursor 自家的服务器，人走了机器还在转。两种用法怎么分也给了建议，日常工作走 CLI，写稿、改文案、整理资料、翻译总结，随叫随用。重活则另请高明，做网页、写工具、改仓库这类活儿连人带机器一起丢给云端，等结果就行。

末尾那句提醒也留着，别拿云端 Agent 干杂活，它固定开 Max 模式，扣 Cursor 额度更狠。引帖那半同样照录，Grok 当手脚，Opus 当大脑，这个组合谁用谁知道。

"Mac 关了照样干"这半句是场重心。前面那场斯坦福讲座讲的是常驻的理论，这条讲的是常驻的现货。跟前面那间 AI 办公室呼应，那条在摊工位，这条在把工位直接托管出去。两头都在提醒同一件事，机器开不开机这件事正在退出工作流。跟前面砍九成八 token 那条也接得上，一个在本地省，一个在云上花，省与花的分界正按任务类型划线。

额度更狠那句我单独拎出来，作者没有把云端吹到底，而是把代价摆在了台面上，这种分寸感比单纯喊爽可信得多。

我留的疑问有三处。十二分钟那单的复杂度没给；Max 模式的扣费细则没拆；三家模型的成色差异也没数，这些都在效果图里才看得到。

这周挑一个真项目丢给云端 Agent，掐着表看它和本地 CLI 各跑一遍的账。

openrouter.ai/stepfun/step-5…
openrouter.ai/rankings?view=…

一座能转、能点开看的 3D 小岛是国产新模型照着参考图长出来的，效果和 Opus 5.5 真不分上下，价钱还更便宜。

几段照录。它的名字是阶跃星辰出品的 Step 5 Preview，登上 OpenRouter 的 Trending 头名只用了第二天。身段上这是最新的旗舰基座，主攻 AI 编程、软件工程和专业知识工作，1M Token 的上下文、文字与图片输入都在支持范围内。

野心写得很直白，让 Agent 从吃需求、改代码一直干到跑通验证，整段真实任务独立收尾。实测那段也详细，作者拿它接入 Claude Code，任务是做一座微缩版的佩尼达岛。整站用 Three.js 实时渲染，海水、岩石这些场景元素全由代码生成，转着视角看细节，效果非常夯。

提示流程反倒简单，先备一张生成好的参考图，把网页需求和想玩的交互写清楚。接下来是来回磨，让它对照那张图自查、改稿，一轮轮把成色抬上去。当然，这过程需要一点时间，得有耐心。接入那行也摆开，Step 5 Preview 已在 OpenRouter 上线，同时接进了 Kilo Code、Cline、Hermes Agent 和 OpenCode。换模型不用挪项目也不用改现有工作流，配置一下就切，更多集成还在路上。两处地址挂在文首。

"参考图落成可交互的 3D 场景"这半句是场重心。前面那间 AI 办公室讲的是分工，这条讲的是输入端终于也换了。跟前面十个赛道九个前二呼应，那条在数位置，这条在补位置里最硬的那块料。两头都在提醒同一件事，国产基座正在从能聊天往能干活的方向挪位。跟前面那份数据对照实验也接得上，一个在训练侧量旋钮，一个在用户手里量成片，两头的秤都摆上了。

第二天就登顶这个细节我单独拎出来。OpenRouter 的趋势榜靠的是真实的调用量，一个新模型刚上去就能吃满。说明试它的人是真被效果和价钱两头同时勾住的。

我留的疑问有三处。与 Opus 5.5 的对比用哪套题没给；1M 上下文的实测开销没拆；后续集成清单也没数，这些都在两处地址里才查得到。

这周拿一个自己攒的前端小项目喂它，把参考图那步的成色单独记一笔。

多数团队人工智能演示悄悄做错了一件事。给全组一个共享聊天窗，于是每句纠正。每个私人问题、每截半截想法都塌进同一锅里。这塌法我看完先记那三层再掂组织记忆那半句，记的掂的点在下面一层层摆。

摆好了看三层，层在下面摆着。摆好了自己分，标题的整句是 ONE GROK BOT CAN LEARN FROM YOUR WHOLE TEAM WITHOUT TURNING PRIVATE CHATS INTO A SHARED TRANSCRIPT。
三层是这样分的。私人对话一层，只对说过话的那位队友可见，团队记忆一层，装全队都该知道的可复用事实，共享设置一层。技能。文件和连接配一次大家用。分的第二层是它换来的工作方式，工作方式是队友纠正了一道流程。工具存下的是有用的那条规则、不是那场私人对话。下一位队友接手时纠正已经摆在那儿了。摆的第三层在下面摆着，摆好了别眨眼。
组织记忆是全篇的落点。真正的转变不是一个会记住的聊天窗，而是能自我改进的组织记忆。且不必把整家公司变成一份巨型转录本。落的第四层是它对着的反例。反例是那些共享聊天窗式的团队产品，纠正和私密念头全搅在一处。搅出来的历史没人愿意翻，翻的第五层是我的保留。保留是三层设计为发布介绍，我没用过这款工具。记账的第六层是我的收尾。
十个积木是这样摆的，通用记忆层这 github.com/mem0ai/mem0 。抽长期知识的这 github.com/langchain-ai/l… 。

带状态工作流的这 github.com/langchain-ai/l… 。持久记忆体的这 github.com/letta-ai/letta 。

时间知识图谱的这 github.com/getzep/graphit… 。十个的第二层是它们的身份。身份是这十个都不是那款工具的源码。是搭同类能力最硬的开源积木，积木的第三层在下面摆着，摆好了往下走。走的第四层是那句提醒。提醒是这单子存下来。免得你的团队智能体忘了团队教它的第一课。
另四个是这样接的，交接与护栏那套 github.com/openai/openai-… 。多人编排的这 github.com/microsoft/agen… 。

跑智能体小队的这 github.com/agno-agi/agno 。分角色团队的这 github.com/crewAIInc/crew… 。带类型那派的这 github.com/pydantic/pydan… 。

Terence Tao 用二十七页幻灯片给数学的未来定了性，结论是证明丰裕的时代到了。这定性我看完先记灯塔那半句再掂幸存者偏差那半句。记的掂的点在下面一层层摆。摆好了看定性。性在下面摆着，摆好了自己接。
定性是这样落的，数学这门学问一直建立在证明稀缺之上。而这一页翻过去了。正式的说法是数学正在进入证明丰裕的年代。算力够了。人工智能可以不靠专业知识就解掉一大片未解问题。丰裕的第二层是它掀翻的东西。

掀翻的是整个领域的激励结构。那套结构本来就是为稀缺而建。解题从来只是更深目标的代理，如今代理跟目标错位了，错位的第三层在下面摆着。摆好了别眨眼，眨眼就翻过去了，过去一页少一页。少一页都是损失。

损失不起的往下看。看下段，下段是那句灯塔。塔读完这篇就通了，通了就收工，收工的礼数在下段，下段是最后的门，推开它，推。
灯塔是这样立的。幻灯里的原话是只盯着解题这一个指标盲目优化，如今已经主动有害，问题是灯塔。不是目的地。拿人工智能过早摸到一个问题。会让周边那片领域绝育。绝育的第四层是那个飞机比喻。

比喻是把当下的人工智能数学热叫作 WWII 那架返航的机身。人们在社交媒体上看到的问题全被人工智能解掉了。那些红点是没被看见的失败。是未被报告的人工智能尝试，比的第五层是我的保留。

保留是这套判断为演讲幻灯转述。我按转述记账。没逐页读过原件。记账的第六层是我的收尾。收尾在最后三段，倒数第三段摆那个思想实验，倒数第二段摆它问住的人，末段就着开源那半句停。
思想实验是这样摆的。给人工智能一句提示词，让它找出一种能通过三期临床的抗癌疗法。预测在 Lean 里被确认。试验也过了。众人庆祝。随后没人真正说得清这剂组合是怎么被找出来的。摆的第七层是它顶到的真问题。

问题是人工智能治了癌。还是在数学上钻了试验协议的漏洞。问的第八层是那句扎人的话。话是把这剂东西打进你血管之前。你想不想至少有一个懂它机制的人类癌症专家。懂的第九层是我的观察。观察是这句把可解释性和安全从形容词拽回了生死题，生死题的第十层是我的点评。

第一句是把激励结构和稀缺一起算进去这步今年值得所有评估技术影响的人学，学了的才看得到副作用。第二句是问题不是目的地这半句今年会让每个追榜的人松一次手，松完的回来点赞，句号。
顺带记一句给同行的，这套幻灯把评价坐标从谁解得快挪到了谁想得清，坐标一换，追的东西也会跟着换。

解法也留了。为可解释性与安全定制的开源数学模型，很快就会发布，Math 2.0 这回是正式发生了，句号。

GLM-5.5 的风声起来了，一条提醒加一条传闻凑到了同一个档口。

提醒照录。GLM-5.3 用的底座和 GLM-5.2 完全相同，所有进步都来自后训练那一步，尤其是把强化学习的规模拉了上去；5.3 Flash 倒是换了全新的预训练底座。只靠强化学习拿到的这部分增益被形容为相当惊人。

传闻那半也留着，若属实，GLM 5.5 会在下周到十月底之间露面，同一批消息里还提到 Space Bunny Alpha 跟 MinMax 的模型有关系；放话的人自称平常不传没影的事，这次敢开口，是因为线人跟 ZAI 和 MinMax 两边都熟，后面很快会有更硬的东西。

"同一个底座"这半句是场重心。前面轮替那个钟摆讲的是两家轮流坐庄，这条讲的是一条产品线内部怎么自己换血。跟前面全系深度卷呼应，那条在把一个系列往深里卷，这条在展示只动后训练也能把台阶上完。

两头都在提醒同一件事，模型的进步越来越像装配，底座、后训练、规模，哪一段拧紧了都能出活。跟前面补认知不补推理那条也接得上，一个往里递知识，一个在外头拧旋钮，递与拧之间就是这两年的功夫。

先用同一底座把后训练的价值榨干、再换新底座，这个次序我单独拎出来，它省钱又稳当，也难怪提醒的人要把这层关系单独讲一遍。

我留的疑问有三处。5.5 的底座是不是新的没说；下周还是月底没拆；Space Bunny Alpha 归谁家也没数，这些都在原话里才查得到。

这周把两版模型的同题对比跑一遍，看后训练那部分到底顶了几成。

youtube.com/watch?v=DNWDw3…
bilibili.com/video/BV1zPpL6…

常驻式主动智能体被搬进了斯坦福的课堂，Lee Robinson 用四十五分钟拆了六个问题，两处视频地址挂在文首。

背景先摆。CS146S 全名 The Modern Software Developer，聊的就是开发者怎么和 AI 搭伙写软件。Lee 的履历横着走，先在 Vercel 做 Next.js，后来去了 Cursor，再亲手趟过 Grok Bot 的实践。

这场讲座整个从实践者视角出发，只回答一件事：怎么让 Agent 留住记忆、在后台把活往前推，并且判断什么时候该主动来找你。六段的看点整理照录。二分三十五秒那段在说人和 AI 的分工被改写，复制粘贴代码是第一阶段，终端助手是第二阶段，能长期协作的独立工作环境是第三阶段。

六分十三秒讲模型能力挪了哪几块，更久地守着指令、更稳地调工具、操作电脑、分配子任务，这几下凑齐，持续干活的 Agent 才开始立得住。十分零六秒进到常驻 Agent 的内部架构，消息和定时任务怎么把它唤醒，你关机之后它怎么接着干，系统炸了怎么把进度捞回来。

十八分零七秒是执行框架那一段，模型周围还得配哪些工程件。工具怎么调、任务怎么排、主子助手如何分工，还有权限边界落在哪根线上。后台跑着的时候，用户还得能随时拽一把方向。二十七分二十六秒轮到上下文工程，长期干活攒下的一大堆信息。

哪些得一直记着，哪些写进日志，哪些用到再翻。三者怎么在记忆、响应速度和成本之间找平。三十四分二十六秒收在去处，更长周期的任务、更好的记忆、语音交互。还有两道没解的题，长期任务怎么评，主动提醒怎么做到有用又不烦人。

"什么时候该主动找你"这半句是场重心。前面那间 AI 办公室讲的是把活摊给一排工位，这条讲的是每个工位该在什么时刻开口。跟前面把指挥官拔了呼应，那条在决定谁发令，这条在决定谁先说话。两头都在提醒同一件事，常驻这个形态最难的不是一直在线，是懂得闭嘴。跟前面主代理那套也接得上，一个在分活，一个在定打扰的分寸，分活易，定分寸难。

关机之后它怎么继续这个细节我单独拎出来。它把 Agent 从工具推进了服务的范畴，服务的定义就是你不在它也在。这也正是常驻两个字真正的重量。

我留的疑问有三处。讲座里给长期任务的评估方法没给；语音交互做到什么程度没拆；CS146S 的课程材料有没有公开也没数，这些都在视频里才听得到。

这周把十分零六秒到三十四分二十六秒这段刷完，对照自己那个后台任务的架构画一张图。

github.com/NVIDIA/SkillSp…

装 skill 的风气眼下有多盛，随手从 GitHub 扒一个就敢往机器上搁，有人给这习惯配了把安检仪。

风险照录。skill 不光是几行字，它背后绑着能真跑的代码，执行权限跟你自己一个样；装它省下的那十分钟，代价可能是环境变量被人翻一遍，API 密钥被悄悄带出门。有研究数过，公开发布那一类里大概每四个就有一个带漏洞，还有极少数本来就是冲着干坏事来的。

收拾这个的工具叫 SkillSpector，装之前先让它给你过两道关。第一道是静态快扫，凭据窃取、数据外泄、提示词注入这三类是它的主目标，顺带实时比对 CVE。第二道属可选加餐，拉一个 LLM 来研判意图，把误报筛掉。

两道关走完，它会砸出一个零到一百的风险分，再配一句白话判词：能装、掂量着来、还是碰都别碰。Apache 2.0，认 Claude Code、Codex、Gemini 三家。那位作者的叮嘱也留着，下回动手之前先让它跑一趟，别省这个步骤。

"权限跟你自己没两样"这半句是场重心。前面星数不保安全讲的是该翻文件，这条讲的是翻不动的人也得有人替他翻。跟前面那份装前书签呼应，那条在给品种上保险，这条连保险都做成了产品。两头都在提醒同一件事，skill 生态大到一定份上，安检会先于功能变成标配。跟前面 VPS 加固那条也接得上，一个把门焊死在通电之前，一个把扫描放在安装之前，顺序都是先验后放。

四分之一这个比例我单独拎出来，它把随手扒来的风险从担心变成了概率，安检仪能被造出来，说明这条链已经熟到该有交警了。

我留的疑问有三处。四分之一的样本来自哪份研究没给；LLM 那道误报率没拆；三家之外的支持也没数，这些都在仓库说明里才看得到。

这周把上个月随手装的那批 skill 逐个喂给它，看看有几个能活着出来。

研究者掀开了模型的隐藏层。方法叫 Mechanistic Interpretability，看见它预测下一个词前在干什么。这掀法我看完先记三层理解再掂顿悟那半句。记的掂的点在下面一层层摆。摆好了看三层。层在下面摆着，摆好了自己接。
三层是这样摆的。第一层是概念理解，模型自发造出特征，它不只背一个词。而是给那个实体搭起一个内部的多维概念。第二层是世界状态理解。它动态追踪事实。给出一个陈述时不是在吐高概率字符串，而是实时把内部概念连起来、给世界状态建模。

第三层是原则理解。也是这次的突破点。它干脆不再依赖记住的事实。而是去发现连接那些事实的底层回路和普遍规律。换句话说它开始学为什么事情会发生。摆的第二层是这三层的来历。来历是没人给它们编过程。

是模型为了在训练里活下来自己搭的，搭的第三层在下面摆着。摆好了别眨眼，眨眼就翻过去了。过去一页少一页，少一页都是损失。损失不起的往下看，看下段。下段是那个顿悟，悟读完这篇就通了。通了就收工，收工的礼数在下段。下段是最后的门，推开它。推。
顿悟是这样记的，研究者管这叫 grokking，中文里我习惯叫悟。训练中途的一次突然转变。模型在这之前拼命背训练数据。在这之后猛地转向深层的泛化理解。它把铺开的记忆样例删掉、换成一份压缩过的世界模型。

顿的第四层是它给理解这个词的重新定义。定义是从统计相关走到机制内里。走到的第五层是我的保留。保留是这几层结论为研究转述，我按转述记账、没读过那篇原始论文。记账的第六层是我的收尾。收尾在最后三段。倒数第三段摆反方该问的问题。倒数第二段摆这次观察的分量，末段就着自己搭那半句停。
反方该问的是这样摆的。看到回路和特征不等于模型有了人的理解，层与层之间是否对应得上。换个任务还认不认。这些都得后续接着验。问的第七层是这套工作法的分量。分量是它把理解从形容词变成了可拆开看的东西。

可拆开的第八层是我的观察。观察是今年这类工作会越来越像给模型拍片。拍得越清、可预测性越强。信任才谈得上。谈得上的第九层是我的点评。第一句是把三层一五一十摆开这步今年值得所有讲模型的人学，学了的讨论才有靶子。第二句是悟那半句今年会让每个调参的人多留一眼训练中段，留完的回来点赞，句号。
没人编过这三层。它们自己长出来只为在训练里活下来，想到这一层，那句模型越来越像人就不只是修辞了，句号。