美国工科 PhD丨斯坦福校友丨10后饲养员丨第三曲线中. Tifosi since 22' 每天手打一条AI 常识，因为发现我觉得是常识的事情还有人不知道。欢迎实操验证。
Joined June 2022
- Tweets5.5K
- Following3.5K
- Followers4K
- Likes3.6K
#每日AI常识 在让AI帮你管理待办事项，但是觉得功能不够丰富？滴答清单（国际版TickTick）支持本地CLI，也支持调用MCP；接上它，你就可以在任意Agent上管理Todo、习惯，在手机App上接收提醒。甚至还支持超级小爱添加，哈哈哈，没想到吧：help.dida365.com/articles/74…
Anthropic在招股书里说它可能导致人类毁灭，会不会毁灭人类我不知道，但是我怀疑美国政府机关会先出事。以下是详情：
美国国土安全部（DHS）刚经历了一次极其要命的“开盒”。
泄密网站 DDoSecrets 放出了超过 4 万名 DHS 员工的内部数据。除了姓名、电话、工作邮箱和岗位，最致命的是内部邮件组也被端了——谁在搞特别行动、谁负责监控、谁做计算机取证、谁在一线当卧底，顺着邮件组一查一个准。下属的移民局（ICE）、海关（CBP）、国土安全调查局（HSI）和网络安全局（CISA）全数中招。
数据源头是一个自称“和平部”（Department of Peace）的组织，他们曾在今年 3 月黑进过 DHS。这次他们声称数据是从 DHS 在用的 Okta 登录系统里抓出来的（不过 Okta 官方火速否认，坚称自家系统没被破）。
路透社记者无法核实全部数据，但比对了其中 6 个人的征信和暗网记录，又直接照着名单给 3 名员工打了电话，全都对得上号。有个员工甚至接了记者电话，才知道自己信息漏了。这里面有些内容虽然在领英上能搜到，但更多是从未对外公开的内部组织架构图和秘密行动代号。
放料的黑客组织在声明里说得很直白：“既然他们攥着我们的信息，那我们也攥着他们的，这很公平。”知名黑客 maia arson crimew 还专门给这批数据写了个在线搜索工具。按 DDoSecrets 联合创始人 Emma Best 的说法，这是为了“用问责取代匿名”，方便记者调查和国会监督。【本新闻由Gemini 4 Argon总结】
我也算是悬疑美剧老观众了，说实话美剧剧本都不敢这么写。后续要怎么善后啊？
reuters.com/legal/government…
你们有没有觉得豆包工作的logo很土，硬是给一个2026最新科技搞出了一种Windows XP的感觉
他们的项目负责人是不是80后
doubao.com/work
你们在担心人人都用上AI，AI卖铲人在担心没人用AI
Opencode联合创始人dax昨晚指出：Opencode已经算得上市场上最大的开源模型供应商，类似规模厂商不超过五家。而企业自部署开源模型也大多只是设想，因为有能力做高效部署的只有少数AI实验室人才。
现在，大家都在为了一个“有很多人会用AI”的未来储备算力，却没太多人真的去开发能用开源模型AI运转的应用。。以至于他认为还未看到多少对开源模型的需求。
我查了下OpenCode的数据，他们的deepseek 调用量每天是15-20T token。dax之前曾披露，OpenRouter 每天的deepseek总用量，仅需一套GB300机架即可满足（按照OpenCode自己的部署能力）。
各位开发者你们快开发AI应用吧，各位FDE快去企业部署吧，不然这么多算力怎么能变成真金白银的推理需求，而不是投资驱动的训练狂飙？
lot of people making stuff up so here's some more context
you can imagine there's hidden enterprise demand for open source models that isn't visible
but if you look at the top inference providers that aggressively go after this business, they have shared some numbers and they are all roughly the same size as us. and at best there's 5 of them
if you think enterprises are self hosting inference on their own GPUs, there are so few people who can run reliable inference and they get paid a lot and work at ai labs. and if they really want sovereignty they're not getting that by leasing GPUs from a third party
the root point here is this is entirely the wrong way to look at things, you just have to look at products
how many products exist with a lot of traction that can use open models? this is what creates demand, it's not some magic thing that grows on its own
OpenCode is one of those and we do see a lot of enterprise inbound. but it's so early, all of these companies are just starting to look at mixing in some OSS inference
so yes demand will probably go up in the future but everyone in this industry is investing resources in preparing for that future. and so few people are building the products that will make it happen
寒塘poolmoon retweeted
昨天晚上写的一篇关于 "AI 时代博士价值" 的帖子，没想到火了。今天陆陆续续已经有 140 多条评论和引用转发，这个结果是我没想到的。
原本只是写写自己的感受，没想到引来了这么广泛的讨论。而且不只是中文区，英文、日文、韩文、法文、德文、西班牙文、俄文的网友也参与了讨论，挺让人意外的。
看来，这确实是一个很多人都在关心的问题。
在 AI 时代，博士的价值在哪里？或者说，当 AI 越来越擅长完成我们的工作，各个职业的价值又在哪里？
面对 AI 的快速发展，我们该如何适应，未来又该往哪里走？恐怕目前谁也没有一个清晰的答案。
借助 AI，我把评论区的一些观点整理归纳成了 5 类，并挑选了部分有代表性的留言。
不评判对错，只是把不同的声音放在一起，供大家参考、思考和讨论。也感谢每一位参与讨论的朋友！改天再深入全面总结分析下大家的讨论~
1. 判断力派：博士的优势不是干活，而是知道 AI 哪里错了。
@jianhuamert 分享了一个很典型的情况：接手别人的项目，代码由 AI 编写，一个 Bug 都没有，但整个方向错了。
@DrNoShutEye 则认为，博士的领域经验很重要，包括知道什么问题值得研究、什么结果可信，以及如何把现实困境转化成可研究的问题。
2. 训练价值派：博士最值钱的不是知识，而是长期训练。
@wangh920 说，读博士得到的“渔”比“鱼”重要，真正有价值的是思考能力和适应新事物的能力。
@monicacomeon 则认为，博士学位至少证明了一个人有过于常人的专注力和执行力，这本身就是稀缺资源。
3. 贬值焦虑派：AI 正在消解多年学习积累形成的优势。
@keySummmm 感慨，读博五年积累的笔记、代码和资料似乎突然失去了价值。
@maike_sundae 则表示，正是看到了 AI 的潜力，才选择硕士毕业直接工作、不继续读博士。
4. 乐观派：现在反而可能是做科研最好的时代。
@jiangnanhua0317 认为，刚毕业的博士反而很幸运，既有专业训练，又能充分使用越来越强的 AI。
@poolmoon6 则遗憾自己读博时没有这么强的工具，否则可能做出更多东西。
5. 学术制度反思派：也许真正需要改变的是博士培养与评价体系。
@UniceBeta 描述了高校科研中为绩效、论文和项目奔波的疲惫。
@noahatwhere 提出了一个很有深度的观点：科研产出效率不等于科学进步，关键在于真正减少了多少不确定性。
我反而觉得，如果读博的时候有今天这么强的AI，也许能做很多事呢。可惜。
毕竟，当时是别人给钱让你研究新鲜东西，工作以后可没这么好的事儿啦
作为一名博士，现在越来越怀疑，自己到底还有什么独特的优势。
以前做研究，查文献、想方案、写代码、解决问题，基本都是自己古法手搓。
辛辛苦苦读了几年博士，拿到 PhD，心里多少有点小骄傲。毕竟受过系统的科研训练，觉得自己至少在研究能力、解决复杂问题方面有些优势。
但现在，这点小傲娇在 AI 面前越来越不值一提。
工作上，大多数事情都是 Claude 完成的，方案是它提的，问题是它分析的，解决办法也是它想出来的。
有时候，自己最大的作用，就用鼠标点击一下Claude推荐的选项，让它继续执行。
这么基础的工作，也不需要博士学位吧？
AI 不仅在改变博士的工作，也在改变博士的培养。学生用 AI 做研究，导师用 AI 指导学生。选题、文献、代码、论文，AI 几乎都在参与。
那以后学生拿到的 PhD，到底证明了什么？
证明他有独立研究的能力，还是证明他比较会使用 AI？又或者，只是证明他愿意花几年时间拿个博士学位？
过去，博士学位多少还有点稀缺性。虽然绝大多数博士也只是普通人，做的研究、发的paper毫无价值，但至少证明这个人能吃苦、坐得住，愿意花几年时间钻研一个问题。
现在有了 AI，这些优势都在逐渐消失。
有时候甚至觉得，我们这代博士，可能是最后一批还能对自己的 PhD 学位有点小骄傲的人，还有点 “古法科研” 的经历可以吹。
再过几年，博士学位的吹逼点在哪里？
没毛病，碳硅等价理论值得大家好好钻研哦
举个应用实例：平时应该专注做事避免上下文污染和超过窗口上限，一段时间后要总结复盘以压缩上下文空间。
都学会了吧！！
大家有没有想过，其实人生规划就是一种 Harness，每天上班也是
换一个思考角度，可以把 AI Agent 从 Static, Dynamic, Flexible, Multi-agent, Security 这几个维度拆解：
• Static: Prompt, Context, Memory, RAG
• Dynamic: tool use, function calling, MCP
• Flexible: ReAct, Planning
• Multi-agent: Multi-agent collaboration
• Security: Security, Privacy, Guardrail, Evaluation
正如 Akshay 的观点："If you're not the model, you're the Harness."
用这个视角来理解会更加到位！