OctoNews

笔记

技术和认知提升

对技术趋势与架构选择的判断，以及思维方式上的长进。 共 305 条。

AI 不是一个东西，它是一个能力演进的过程。

60 秒理解 AI 的 4 个阶段： ① 大脑（LLM）：思考 + 写作，但只知道训练数据里的东西 ② 大脑 + 书（RAG）：思考 + 实时检索，知识不再过期 ③ 大脑 + 工具（Agent）：思考 + 行动，能操作文件、浏览器、API ④ 大脑 + 团队（Multi-Agent）：多个 Agent 协作，并行完成复杂任务

Cloudflare 出了个新工具：Drop。

部署静态网站只剩一个动作——把文件夹拖进浏览器，几秒自动部署到全球边缘网络，连登录都不需要。 默认存活 60 分钟，够你分享 demo 或验证原型。想永久保留就点 Claim 绑定账号。 不用 Git，不用 CI，不用任何配置。拖进去就完了。

辭上了复利之后，生活就变了。

每天背50个单词，一年增加3000个词汇量。 每月读三本书，一年可以70本。 定期定额投资，慢慢累积复利。 持续创作，在技法和概念上不断进步。 每件事单独看都很平常，一直坚持下来后就得到结果了。 复利不需要你做什么大事，就是每天那些看起来琐碎的小事。

Marketing 这门学科的核心逻辑：

人的思维是可以被滲透、被塑造、被教育的。 所以这门学科堆称一门邪术。 掌控它的人不追鲁，不就范，只是知道“想要认知被塑造」是怎么运作的。

OpenAI 发布了 GPT-Live，用「全双工」架构把语音模型重做了一遍。

以前语音 AI 的三大痛点： ① 三个模型接力（转文字→想答案→再念出来），慢且生硬 ② 得等你完全说完才答 ③ 背景杂音一来就被当成“说完了”，直接抢话 GPT-Live 的全双工架构：端到端语音处理，不再中转文字，也不需要等你说完。 语音 AI 的体验问题终于开始被认真对待了。

Claude Code vs Codex 差在哪？

Claude Code： — 资深工程师助手 — 每天改很多文件、重构大型项目 — 习惯用 Terminal Codex： — 全方位 AI 开发工具 — 与 ChatGPT 生态整合 — 非工程师也能用 价格都是约 $20/月 一句话： 工程师深度开发 → Claude Code 想快速上手 → Codex

Thread

微软为什么几乎没有参与基础大模型竞赛？

谷歌有 Gemini，Meta 有 Llama，字节有豆包，阿里有通义千问。 微软与其他巨头不同，它早就没有主人了。Satya Nadella 只是个打工的。 Carl Icahn 说过，美国 CEO 的选拔机制往往是「反达尔文」的——老好人缘好、不做争议性决策、安全听话。Ballmer 敢打大赌，Nadella 选择了最稳妥的路：投资 OpenAI。 从 Windows Phone、收购诺基亚，

Gemma 4 现在是真正开源了，Apache 2.0 授权。

免费下载、可修改、可商用，甲还能离线跑在自己电脑和手机上。 支持 140 种语言，2B/4B 小模型连手机 GPU 都跑得动。 开发者：把 AI 嵌入自己的 App，不用付月费，数据完全自己管。 普通用户：下载到设备，离线处理图表、语音、视频，超私密。 和 Gemini 最大的区别：Gemma 4 是真开源，不是封闭的免费API。

6 家 NVIDIA 的竞争对手——不同公司、不同国家、不同架构——对 CUDA 的问题收敛到了同一个答案。

Tenstorrent、Cerebras、Trainium、TPU、SambaNova、Furiosa，六家不约而同，全部捨弃硬件快取，改用软件管理的 SRAM 架构。 原因很简单：AI 的访问模式规律到可以预测，投机式快取变成浪费，亲手安排好数据落点， cache miss 就不会发生。 这是 AI 芯片替代 NVIDIA 的路上，一条共同的技术斜坡。

别再无脑吹中国大模型了。

我承认，它们最大的优势是价格，甚至能威胁美国 AI 巨头。 但别动不动就吹成「全面超越」。 以 DeepSeek 为例，官方云端 API 到现在都没有提供图像输入。你可以说它有视觉模型，但一般开发者通过官方 API 根本用不了。 很多模型跑分很漂亮，真正放到 Coding、Agent、Tool Use、长流程工作流，差距还是在。 不卖你 1/6 的价格，还想要什么？ 跑分没输过，实战没赢过。

TensorRT-LLM、FlashAttention 都已经 production level 了，学 CUDA 还有什么价值？

答案：价值依然很大，只是角色不同。 大部分 AI 工程师不需要重写 CUDA kernel，但要懂 GPU 原理—— 才能在这些场景做出正确决策： • 用什么规格的 GPU？ • 部署 7B 还是 70B？ • Chatbot 还是 RAG 架构？ • 单用户还是多人并发？ 这些直接影响 Batch Size、KV Cache、Precision、Continuous Batching 怎么配。

Article

ChatGPT Work是什么？新手完整教学：做什么、怎么用、风险在哪

ChatGPT Work 是 OpenAI 推出的工作型 AI Agent，和普通 ChatGPT 最大的区别是：它不只回答你的问题，而是能帮你完成一份完整的工作成果。 会议记录整理成待办清单、多份文件整理成简报大纲、表格分析后出具报告——这些都是它能做的事。 但它也有明确限制，不是什么都能交给它处理。本文用新手能看懂的方式说清楚：ChatGPT Work 能做什么、新手怎么开始用，以及最容易忽略

Thread

黄仁勋在 Stanford 被学生问：在零亿美元市场里待了十几年，信念从哪里来？

他的答案是一个英伟达内部缩写：EOIFS Early Indicators of Future Success——未来成功的早期指标。 他说：「很多人说 KPI 是毛利率。毛利率是结果。你要找的是结果出现之前的正向信号，越早越好。」 他的纪律是把两件事分开：赚不赚钱是结果，做的事对不对是证据。 他找的早期信号长这样： • 解决了过去解不了的问题——市场还没出现，但重要的问题在被一个个解掉 • 工作

Thread

Indie hacker 必收藏：free for dev

收集了几百个开发工具的免费额度（Free Tier），分类清晰： • 云服务：AWS、GCP、Cloudflare • 数据库：Supabase、Neon、MongoDB Atlas • 部署：Vercel、Netlify、Railway • 监控：Sentry、Better Stack • AI 工具、向量数据库、LLM 监控 低成本验证想法，从这里开始。

有人在 GitHub 做了一套免费 AI 课程。

不是理论，是完整实战系统： Week 1 → Docker + FastAPI + 数据库 Week 2 → 自动化数据管线 Week 3 → 自己搭搜索引擎（BM25） Week 4 → 混合搜索（语义+关键词） Week 5 → 完整 RAG 系统 Week 6 → 生产级（缓存+监控） Week 7 → 用 LangGraph 做 Agentic AI 不是「学 AI」，是动手做出来。

腾讯开源 Hy3 preview。

295B 总参数，但每次只激活 21B；上下文拉到 256K。 重点不是参数表，而是它把代码、推理、Agent 能力放在同一条线上。 国产开源模型正在从“能聊天”往“能干活”卷。 接下来比的不是谁会背答案，而是谁能长期执行任务。

Thread

一个待过 Scale、OpenAI、Google 的工程师写了篇职涯建议

里面一句话让我停了很久： 「AI 只会变强在你写得出评分标准的事情上」 什么意思？ 只要一件事有标准答案、能打分——AI 就会越练越强，最终超过你。 帮你改邮件语气、翻译、修代码、排版——它超会。因为对错很明确。 但这几种它只能站旁边看你决定： 这笔钱投产品还是投营销 这个合作该不该答应 今天最该花力气的是哪一题 它可以列优缺点，但它没真的活过、没亏过钱、没被坑过。 最后那一下要不要赌，还是你自己

2026年AI从业者的知识鄙视链要变了。

光会调 API 不够了。这8个方向值得重点投入： Agentic Loops、MCP、MultiAgent System、AI Gateway Inference Economy、Evals、Guardrails、Observability 有个规律：前4个是"搭什么"，后4个是"怎么不翻车"。 只盯架构，不懂 Evals 和 Observability，系统上线就是盲飞。

2026年下半年，这8个AI概念值得重点关注：

- Agentic Loops（智能体循环） - MCP（模型上下文协议） - Subagents & MultiAgent System（多智能体系统） - AI Gateway（AI 网关） - Inference Economy（推理经济） - Evals（评估体系） - Guardrails（护栏机制） - Observability（可观测性）

这看起来比 FreeLLMAPI 还厉害，准备部署试试。

OmniRoute — 免费 AI 网关，TypeScript 编写，单一本地端点（/v1）聚合 237 个 AI 提供商，其中 90+ 有免费额度。 核心是 4 层自动回退（订阅 → API Key → 便宜 → 免费），毫秒切换，17 种路由策略，再用 RTK + Caveman 堆栈压缩省掉 15–95% 的 token。 能自动在免费额度的提供商之间切换，不用自己一个个试了。

video-use 是 Browser Use 团队推出的开源工具，让 Claude Code、Codex、Cursor 等 AI Coding Agent 具备视频剪辑能力。

它不是要取代 Premiere 或 CapCut，而是通过 prompt + 工具脚本的工作流，让 LLM 先读取视频转写文本，在需要时调用可视化工具辅助判断，最后通过 ffmpeg 完成剪辑。 核心价值：让 AI 不必真的「看懂」整支视频，而是通过文字、时间轴与工具协作，完成更精准可控的剪辑。

Thread

一篇文章标题很反直觉：「Doing nothing at work」（在工作时什么都不做）

核心观点：工程师一整年的绩效，往往由少数几个关键时刻决定。可能是一次救了产品的调试、一个让团队少走半年弯路的架构决策。这些关键时刻没法排进日历，来的时候你要有余裕才接得住。 如果平常就把自己逼到100%满载，等真正的关键时刻来临，反而没力气把它做好。 作者建议刻意练习「什么都不做」，让自己维持在80%使用率。

真正有远见的人，都开始培养这 8 种能力

1. 不要只学会工作，更要学会思考。工作可以带来收入，思考才能创造机会，认知越高，选择越多。 2. 不要只追求速度，更要追求方向。方向正确，一小步也是进步；方向错了，再努力也只是消耗自己。 3. 学会管理时间，而不是被时间管理。把时间留给学习、健康、重要的人，以及能创造未来的事情。 4. 培养解决问题的能力。每解决一个问题，你的能力就提升一分；每创造一份价值，你的机会也会增加一分。 5. 建立值得

2 分钟搭出一个能打电话的 AI，xAI 刚发了 Voice Agent Builder

以前做语音客服要拼三块：语音转文字 + 大模型 + 文字转语音，三个厂商，三倍延迟，三倍出故障的机会。 这个工具是端到端「语音对语音」，和 Grok Voice 紧耦合，不是拼装货。 跑分上 Grok Voice 在 τ-voice Bench 拿 67.3%，Gemini Flash Live 43.8%，GPT Realtime 35.3%。 怎么用：写段大白话描述通话流程 → 挂知识库 →