自然语言不该成为软件的默认主界面，因为把一个空白输入框交给用户，等于把发现问题、组织问题、判断答案、反复修正的负担都推给用户。好的界面应当帮助人逐步探索问题空间，展示选项、上下文、约束和下一步，而不是要求用户一开始就知道该问什么。大型语言模型真正有潜力的地方，不是把所有功能都改成聊天框，而是在后台理解当前任务，主动提供合适的建议、示例、解释和可操作控件。工具栏可以随任务变化，对话框可以根据语境生成，教程可以针对个人误解调整，用户还可以指向屏幕某处请求说明。自然语言适合作为补充通道，尤其适合表达模糊意图；但成熟的软件应当把模型能力嵌入界面结构，让用户少猜、少写、少被空白提示框困住。懒惰的设计是只加聊天入口，真正的改进是让界面变得更会帮忙。

维基百科2023年桌面改版的核心难题不是视觉更新，而是在一个由志愿者、语言社区和长期本地改造共同塑造的系统里推进集中变化。桌面阅读界面自2004年以来基本未变，宽屏时代暴露出行长过长、搜索位置不熟悉、目录不便、语言切换隐藏、导航层级混乱等问题。基金会团队希望改善阅读、浏览和未来扩展能力，却不能只按产品团队意志推动，因为每个语言版本都有自己的社区、工具和习惯。设计必须同时照顾99%以上的普通读者和少数高频编辑者：减少侧栏杂乱有利阅读，但也可能切断新编辑发现后台机制的路径。团队选择用更清晰的入口替代分散的链接，把侧栏折叠、行宽限制、标题区域、个人工具和粘性导航逐步原型化。大量HTML、CSS和JavaScript小原型成为沟通工具，因为在发布前让不同社区看见真实交互，比静态稿更能促成有效讨论。

未必，Excel 不会被某一个产品彻底杀死，但它的垄断正在被许多专门化工具拆分。过去挑战 Excel 很难，因为它不只是表格软件，还拥有兼容性、函数库、插件、文件格式和企业习惯构成的护城河；政府、大学和企业想迁移时，常被历史文件、求解器、宏和用户抗拒卡住。变化来自另一个方向：Notion、Coda、Airtable、Smartsheet、Rows、Google Sheets 并不复制完整 Excel，而是拿走其中某些高频场景，把表格变成数据库、协作文档、自动化工作流或项目管理界面。Excel 的胜利反而让表格成为通用语言，后来者可以假设用户已经懂行列、单元格和公式，再围绕一个具体任务做得更顺。老王仍在，但王国变成了群岛；Excel 会继续存在，同时越来越多工作不再需要回到 Excel。

LLaMA 3 展示了大模型通过扩大数据、训练计算和过滤质量继续提升能力，也暴露出高质量公开文本逐渐稀缺的问题。文章认为，下一阶段可能更多依赖合成数据、自我对弈、环境互动和推理阶段计算。具体模型排名和基准会快速过时，长期问题是规模扩展还能带来多少可靠增益。

OpenAI之于新一代软件业，类似AWS之于上一轮创业浪潮：它降低的不是服务器成本，而是把想法变成可运行代码的门槛。云计算让小团队不必先买昂贵硬件就能试错，开源和GitHub让开发者能快速学习和复用成果；如今ChatGPT和Copilot进一步压低了学习新技术、搭脚手架、处理边角问题的成本。一个原本需要花一天研究CORS代理、Starlette或部署细节的小项目，可能在一小时内变成可行原型。开发者不会因此消失，反而会把更多精力放到判断、组合、调试和创造上。新的稀缺资源不再只是资本和基础设施，而是清晰的问题、足够好的品味，以及能把AI输出转化为可靠系统的工程能力。微软因GitHub、VS Code和OpenAI获得新的开发者入口，但真正重要的是，更多个人和小团队会获得过去只有大公司才有的建设速度。

随着游戏中生成性人工智能革命的进展，它将完全重塑用户生成内容（UGC），创造一个任何人都可以建立游戏的世界，并扩大游戏市场，超出许多人认为的可能性。现有的UGC平台（即 Roblox）将把生成性人工智能工具添加到他们现有的工具集中，而初创公司将出现，以复制当前的UGC工作流程，但从一开始就为生成性人工智能进行优化。近年来，随着Roblox和Minecraft（分别为5600万DAU和1700万DAU）等UGC平台的崛起，游戏世界发生了结构性变化。所建造的游戏随着工具的力量而扩大，现在可以与专业的开发团队相媲美（见下面Roblox Ultimate Paintball与1月份Roblox Frontlines的游戏画面）。Mods需要对游戏的底层架构和编程有更复杂的理解，但Roblox和Minecraft简化和抽象了游戏创建过程。Roblox于2006年推出，是一个面向低龄儿童的UGC游戏平台，由创始人David Baszucki的洞察力催生，他建立的一些教育物理工具被用来创建游戏。

探索发现阶段的价值，不在于马上给出方案，而在于让团队先把问题看清楚。面对大型设计项目，最容易出错的是把信息收集变成设计师个人的孤立任务。更有效的做法是先建立跨职能节奏：启动会上同步已知事实、假设和未知问题，每周对齐进展，异步沉淀文档和反馈。随后用有边界的竞品研究理解现有解法，控制在少量样本内，比较功能、约束和适用场景，而不是照搬模式。角色研讨会、愿景映射、亲和图和设计冲刺则把分散判断转成共同语言。发现阶段可能导向明确的问题陈述，也可能证明项目不值得继续；两种结果都比带着模糊目标进入设计更有价值。明确用户需求、问题空间和团队共识，才是后续创造性方案的基础。文中还强调，竞品研究要同时看直接和间接竞争者，避免只在同类产品中寻找答案。判断一个模式是否可用，关键不是它是否流行，而是它是否契合自己的用户需求和业务约束。

反馈表不一定是在浪费时间，浪费来自设计粗糙、问题泛泛和打扰过度。对创始人来说，反馈的价值不在于期待每个用户都给出洞见，而在于降低表达成本，让少数真实问题、错误和使用偏差浮出来。有效的反馈表应短、具体、容易完成，问题围绕当下决策，尽量用多选、评分和少量开放题组合，而不是让用户写一篇长意见。访谈通常能得到更深的理解，但表单适合在产品发布、功能验证和体验检查时快速收集信号。真正需要警惕的是把每个功能都塞进反馈请求里，破坏使用体验。更好的做法是在明确时间窗口内提出少量有针对性的问题，并把反馈和用户当时的操作上下文连在一起。 。他们还告诉我们我们对用户体验的假设是否正确，或者我们是否需要更改它们。它可以让您了解必须做什么才能提高客户评级。 它开始失去价值的地方是，如果你用反馈请求轰炸你的客户。例如，如果您有六到七个实时功能，并且每个功能都有自己的反馈表，那么您将需要某种治理，以免破坏用户体验。 我发现有一个有针对性的时间框架和一组反馈请求效果最好。 如果使用得当，反馈表是判断客户如何看待和使用您的产品的好方法。

医疗保健市场平台之所以少见，是因为医疗交易不像打车或订房那样只有买卖双方。病人、医生、保险方同时参与，价格、档期、资格判断和报销规则都不透明，很多服务又是低频需求，获客成本很难摊薄。心理健康成为少数跑通的品类，是因为需求在疫情后快速增长，远程服务被广泛接受，治疗师过去普遍不接保险，而保险公司又急需扩展心理健康网络。平台替治疗师处理签约、账单和支付，帮助他们获得更多客户，也让患者降低自费成本，于是双方都有留下来的理由。这个模式能复制到其他医疗领域，但前提是平台必须真正解决供给端的痛点，而不只是做信息黄页。可行路径包括聚合高质量服务者，提供排班、沟通、转诊等轻量软件，接入保险和支付轨道，再建立可靠的需求获取能力。医疗市场的核心难题不是流量，而是信任、资格、支付和长期关系。

Stripe的优势仍然巨大，但它已经不能靠早期光环自然取胜。它最初改变支付行业，是因为把商户开户、网关接入和白标结账体验压缩到开发者几分钟就能完成的流程，正好赶上移动应用、市场平台和电商爆发。问题在于，现代支付已经不再只有Stripe一家：Adyen在企业客户和国际化上强劲推进，Checkout等新玩家追赶，Fiserv、Worldpay这类传统处理商仍掌握庞大的线下和大企业交易量。疫情后电商增长回到趋势线，苹果隐私政策削弱数字广告投放效率，直接影响依赖电商客户的支付收入。估值下调、裁员和员工股权流动性压力说明，Stripe必须从高速扩张公司转向更自律的上市候选人，在长期产品投资、企业市场竞争和短期盈利能力之间重新找平衡。

Muse 从 Ink and Switch 的 iPad 原型发展为可销售产品，过程经历了概念验证、交互打磨、早期用户反馈和市场发布。文章回顾团队如何在保持空间化思考体验的同时，让产品更符合用户对 iPad 应用的预期，并说明产品定位、设计语言和外部趋势如何共同影响一款新工具的成长。

传奇投资者、程序员兼 Y Combinator 联合创始人 Paul Graham 曾写道，为下一家初创企业想出创意的最佳方法之一就是询问您希望别人为您生产什么产品。对于 Evernote 的创始人 Stepan Pachikov 来说，该产品是帮助他记住事情的一种方式。尽管帕奇科夫早在 2002 年就开始研究最终成为 Evernote 的产品，但他对人类记忆的迷恋源于他在前苏联的成长经历。尽管如此，Evernote 仍受到一系列管理失误和产品发布失败的困扰，公司的未来还远未确定。最初，帕奇科夫对 Evernote 的愿景更接近埃隆·马斯克 (Elon Musk) 的 Neuralink 等神经科技公司承诺的脑机接口。” — 斯捷潘·帕奇科夫 (Stepan Pachikov)，Evernote 创始人 尽管帕奇科夫的新兴想法与谷歌几乎没有共同之处，但这两种产品都基于相同的基本原则：在未来，知道如何查找信息将比记住信息重要得多。

新功能只应在能明确推动获客、付费转化或留存时添加；没有真实用户和清晰问题时，不该进入开发。功能请求本身不是路线图，用户拥有问题，创始人负责设计解决方案。真正值得听的是现有客户和目标人群反复暴露出的痛点，而不是旁观者随口提出的愿望。判断一个功能，应看它是否有商业价值，是否覆盖足够多用户，用户是否愿意为它付费，现有替代办法是否已经足够，功能是否容易解释，是否强化产品定位，并且是否能制造让人留下来的关键体验。决定尝试后，也应先做最小版本验证，而不是一口气建完整系统。排序可以用价值与工作量象限、RICE、DIE 或按资源约束来处理，本质都是避免把有限精力花在看似热闹、实际不改善业务的东西上。添加功能前，先确认现有核心体验已经可靠，否则新功能只会放大混乱。

BuzzFeed在新闻领域的赌注没有成功，而The Athletic被纽约时报收购，后者的重点是增加广告。2017 年，BuzzFeed 首席执行官乔纳·佩雷蒂 (Jonah Peretti) 宣称，“如果你考虑的是选民，你考虑的是公众，你考虑的是人们被告知的情况，那么媒体的订阅模式无助于告知广大公众”；” 2023 年的今天，BuzzFeed 关闭了其新闻团队，The Athletic 已被纽约时报收购；The Athletic 有一个更幸福的结局，尽管有人认为《纽约时报》付出了过高的代价，因为这家体育刊物从未盈利过；这也是我在 2015 年的 Popping the Publishing Bubble 中论证的观点的演变和反驳： 出版商很容易感到难过：在互联网出现之前，大多数人都在赚钱，而在最初的几年里，生产成本较低的在线出版物似乎也能盈利。然而，问题在于广告资金永远存在的假设，导致了一种“建立它，他们就会来”的心态，这种心态几乎完全专注于内容制作，而对可持续商业模式的关注太少。

内容质量不能只看流量、停留时间或发布篇数，因为这些数字往往只告诉你结果，不告诉你该改什么。高增长团队要先区分两类内容：绩效内容承担搜索、转化、推荐流量等目标，编辑内容承担立场、叙事和品牌表达。前者必须用可控、可行动、带业务背景的指标衡量，例如主题覆盖是否完整、可读性是否达标、拼写语法错误是否减少、搜索意图是否匹配；后者则不应被硬塞进 SEO 指标。规模化生产的风险是质量下滑，尤其在生成式 AI 让低成本内容激增之后，平庸内容会更快淹没网络。真正有效的体系会覆盖生产、表现和维护三个阶段：写作时看输入质量，上线后看业务结果，进入稳定期后用同比表现和排名变化决定是否刷新。数量只有在质量守住时才会放大增长，否则只是更快制造无效页面。

内容为王，是因为好内容不只是可复制的信息产品，还能形成规模经济、文化网络效应和品牌转换成本。内容一旦被大量人共同消费，就会变成共同语言：电影、书、概念、梗和理论都会帮助人们理解彼此，也因此越流行越有价值。媒体公司真正扩张的方式并不是无限增加稿件数量，而是把更多资金和注意力投向更高质量、更可能成为热门的作品，再用营销和再投资放大成功。强内容还会制造护城河：用户习惯某种叙事、作者、栏目和世界观后，迁移到替代品并不轻松。不过这种力量只属于能持续产出命中作品、维护文化位置的组织，平庸内容不会自动拥有它。建立媒体品牌的关键，是找到能成为群体共识的叙事，并在胜利信号出现后继续加码。最高级的内容生意不是流量工厂，而是文化资产的复利机器。

这是因为传统经济学预测提高价格会导致销售更少的单位，即使以更高的价格销售更少的单位也意味着收入减少。在审查竞争对手的产品时，我们注意到他们有些产品定价以.99 结尾，而另一些产品则以.00 结尾。.99 结尾的价格如何影响您的消费习惯：3 种方式 .99 结尾的价格会让你花更多的钱 在第一批有关以 9 结尾的价格的研究中，一家全国性邮购公司向三组人群发送了他们的目录。PricesItem9-ending prices价格以 9 结尾$5 less5 美元更少$5 more再加$5Dress 1这件第一件连衣裙 $ 39.00 $ 34.00 $ 44.00Dress 2第二件衣服 $ 49.00 $ 44.00 $ 54.00Dress 3第三件连衣裙 $ 59.00 $ 54.00 $ 64.00Dress 4第四件连衣裙 $ 79.00 $ 74.00 $ 84.00 Units purchased购买的数量Item9-ending prices价格以 9 结尾$5 less5 美元更少$5 more再加$5。

报道称，他们使用安卓系统的用户数量往往是谷歌的两倍，但 iPhone 应用商店的收入却大约是谷歌 Play 商店的两倍。由此，我归纳出一条经验法则：iPhone 用户的价值大约是安卓用户的 4 倍。请看下图：纽约 Citi Bike 乘客的出行距离与出行速度对比（n=4270 万。但是，如果我们看一下全球数据，苹果公司声称有 6.5 亿活跃的 App Store 用户，而谷歌则声称有 25 亿活跃用户。但是，如果我们看一下美国的情况，iPhone 用户为 1.67 亿，Android 用户为 1.44 亿。 App Store 的收入是我自己的分析结果（与其他来源的数据进行了验证），其中包括账单，而不仅仅是苹果自己的分成。 题外话：对这些数据的一个理智判断是，6.5 亿 App Store 用户大约是我估计的 iPhone 用户数量（12 亿）的一半。为什么只有 54% 的 iPhone 在使用中与 App Store 配对？

产品定价不该被当成一次性决定，而应是发布、观察、调整的循环。独立开发者最实用的起点通常不是完整的价值定价研究，而是竞争对手基准加上对客户价值的粗校准。先确认目标市场和价值指标，也就是用户到底为什么付费；再找受众和收费依据相近的产品，比较功能、质量、服务和品牌定位，决定自己应高于、低于还是接近它们。定价模型上，多层套餐最适合多数独立产品，因为能覆盖不同支付意愿并形成价格锚点；按席位更适合每个用户都能获得独立价值的 B2B；固定价格简单但会放弃部分收入；按使用量收费适合交易、容量或调用次数驱动的产品。早期价格可以偏保守，避免过高干扰验证，但不能长期忽视收入质量。需要关注支付周期、价格弹性、真实成本和 LTV 与 CAC 的关系。免费版、试用、年度折扣、购买力平价和企业定制价都应服务于价值主张，而不是照搬模板。

设计师们拥有专门的出版物、会议和专业协会，旨在提升系统的可用性。像 Fitts 定律这样的原则使我们能够设计出更易用的系统。但一个产品即使采用了“良好”的用户界面设计，仍然可能向用户提供难以理解的选择。想象一下用户即将进行不可逆转或危险的操作：在按下那个按钮之前，他们应该先停下来思考一下。收音机的菜单系统和流程设计得非常糟糕，使用体验令人非常沮丧，因此我将来绝不会考虑购买 Kenwood 的产品。换句话说，虽然交互机制可以进一步优化，但根本问题在于系统的信息架构，至少在这个用户界面中是如此。（例如，苹果品牌的 Apple Watch 小部件被称为“复杂功能”。特别是，你需要掌握他们的心理模型： 用户在讨论这个领域时通常使用哪些术语？再次，用户体验领域为我们提供了很好的方法来解决这些问题。

绿野仙踪 "方法可帮助团队以低成本测试由复杂技术驱动的设计。如何开设《绿野仙踪》学习班 绿野仙踪法是一种调节式研究方法，在这种方法中，用户与看似自主但（完全或部分）由人类控制的界面进行交互。与传统的调节式可用性测试一样，绿野仙踪研究也包括一名主持人和一名目标用户。然而，在绿野仙踪方法中，设计可以是数字化的，用户看不到生成系统响应的人。使用绿野仙踪方法进行可用性测试时，需要增加一个人，即 "巫师"，在幕后提供系统的部分或全部响应。对话式用户界面，如聊天机器人 使用学习算法提供推荐内容的界面 查询实时信息并将结果呈现给用户的界面 例如，作者在以下研究项目中使用了绿野仙踪法： 该项目旨在改进一家技术零售商网站上的支持聊天机器人。Wizard-of-Oz 方法降低了对复杂、昂贵技术（如生成式人工智能）的投资风险：在公司花钱构建这些技术之前，它能提供对其可取性、实用性和可用性的早期见解。

但是，除了产品之外，比较表同样适用于以下方面： Tuition rates学费标准 它们可用于比较同一组织的同类产品，或将一个组织的产品与竞争对手的产品进行比较。❌ jetpens.com：人们不需要为塑料笔这样简单、廉价的物品比较这么多因素。例如，苹果公司最新发布的 Apple Watch 只有三种不同的型号，因此它为试图做出决定的用户提供了一个现成的对照表。✅ apple.com：由于最新款 Apple Watch 仅有 3 个型号，苹果公司提供了一个包含所有型号的对比表。✅ apple.com：在产品菜单旁的信息架构中加入一个指向表格的链接，确保用户能找到静态对比表格。✅ tesla.com：特斯拉网站允许用户使用动态表格对不同型号的特斯拉进行比较。复选标记（左，homedepot.com）和按钮（右，lowes.com）是允许用户为交互式比较表选择项目的两种最常见方式。

可靠的视觉设计来自一组可反复使用的安全规则，而不是凭感觉堆装饰。屏幕上尽量不用纯黑和纯白，改用接近黑白的颜色，中性色若带色相就保持冷暖一致；重要元素需要足够对比，结构和阴影则可以低调。所有视觉决定都应能解释，包括空白、对齐、字号、间距、颜色和阴影。数学居中不总是视觉居中，图形和字母常需要按眼睛微调。文字越大，字距和行高通常越小；正文不宜低于 16 像素，行宽控制在约 70 个字符更利于阅读。界面要依赖一致的比例、网格和对齐关系，十二列网格提供了较高弹性。容器边框应同时区别于容器和背景，外边距至少不小于内部元素间距。按钮的横向填充通常应为纵向填充的两倍。复杂背景适合承载简单前景，复杂前景则应放在简单背景上。好的设计不是追求惊奇，而是减少无意之处，让每个元素的位置、重量和层级都显得必然。

提问的智慧解决的是技术协作里最常见、也最容易被低估的问题：怎样把一个模糊、情绪化、缺上下文的求助，变成别人愿意回答且能够回答的问题。它从提问前的准备、论坛和平台选择、标题写法、问题描述、症状排序、目标表达、代码问题呈现等环节入手，强调先做功课、给足环境、描述事实而不是猜测。它也提醒不要把作业、紧急情绪、无意义句式和私人回复要求丢给社区。长期价值在于训练一种公共讨论能力：尊重回答者的时间，也提升自己定位问题的能力。无论是开发者、产品经理，还是需要在群组里求助的人，都能用它检查自己的问题是否足够清楚、可复现、可推进。保存这份材料，相当于保留一套求助前的自检清单：先查资料，说明环境，列出已尝试方法，描述期望结果和实际结果。团队内也能把它作为新人协作规范，减少反复追问。越早养成这种习惯，越能把求助变成共同排障。

例如，JacksonHewitt.com 上的图片展示了一家穿着冬季服装享受烟花的家庭。❌ 这个关于税务服务的 Jackson Hewitt 页面包含了一张与内容无关的照片，展示了一个快乐的家庭在点燃烟花。✅ Notion 的产品功能通过独特的 Notion 界面截图来展示；✅ Therabody 的 SmartGoggles 产品页面展示了一张用户在家中使用产品的照片，用户正在睡觉。❌ 虽然 Notion 的插图可能旨在展示其产品可在各种环境中使用，但视觉缺乏现实感，需要太多工作才能理解信息。然而，在 Cigna.com 的移动设计中，视觉与文本“满 65 岁了？测试参与者错误地认为图像与Dental Care, Covered section. 牙齿护理，保障部分相关。The Paper Store 通过五个不同的视觉效果，代表独特的产品类别，找到了适当的平衡。✅ PaperStore.com: 五个独特的视觉效果传达了清晰的信息，整体效果没有令人不知所措。

这个项目整理中国程序员常见的英语技术词汇发音错误，并提供英式、美式音标和朗读参考。它覆盖 Kubernetes 等容易按中文习惯误读的术语，帮助读者比较正确读音与常见错误。音标并非唯一标准，重点是通过可靠音频和持续模仿，提高技术交流中的可理解度。

My original claim 我的原始主张 您可能知道，这次演讲是基于我的跨界项目，我采访了既从事传统工程又从事软件工程的人。关于高级原则，例如“社区”或“责任”，我们可以说很多，但更有趣的是细节。说“传统工程需要更多的开放会议”是一回事，说“传统工程需要更好的版本控制！如果我们有一本关于如何进行版本控制或如何制作一个好的插件系统的书会怎样！The Problem 问题 有人对此表示反对。My defense 我的辩护 The Research Process 研究过程 让我们首先列出我们在这种“调查编年史”中所做的一些事情。我记得反对意见是没有足够的材料可以收集，我们会做不好的综合。它甚至在没有分析的情况下也很有用： Just collection：github 上获得无数星星的“很棒的”repos 列表。有很多针对特定技术的咨询店，所以他们有动力写关于特定技术的书，但我还没有看到那么多针对特定问题领域的咨询店。

P.A.R.A 是一种用结果来组织数字信息的方法，把资料分成项目、领域、资源和档案四类。项目是有目标和截止日期的一组任务，例如写完报告、发布产品、筹备会议；领域是需要长期维持标准的责任范围，例如健康、财务、写作、团队管理；资源是持续感兴趣的主题；档案则保存前三类中已经不活跃的内容。这个系统最重要的区分，是不要把“领域”误当成“项目”。如果清单上只有健康、招聘、生产力、写作这类长期责任，人就很难判断当前承诺有多重，也看不到进展。把它们拆成具体项目后，工作量、优先级和成果都会变清晰。项目完成带来节奏和动力，领域则用习惯和标准维持。目标没有对应项目，就只是愿望；项目没有对应目标，则可能只是兴趣。P.A.R.A 的价值不在分类漂亮，而在让信息直接服务当前行动和长期方向。

目前，我专注于举办“伦敦编程未来”聚会，为“Through a Glass Darkly”（一个由哲学、历史和社会科学书呆子组成的伦敦阅读小组）提供帮助，并在家里举办小型晚宴。有些问题可以通过诸如用于群组通信的 WhatsApp、用于宣布活动、电子邮件和注册的 Luma、用于管理演讲者注册的 Airtable 以及用于预先安排食物/饮料/披萨配送的 Deliveroo 等软件来解决。The Future of Coding 是一个致力于让编程对更多人来说更容易理解、更具探索性、更人性化的社区。为此，我使用了 Airtable 表单，将其输入到电子表格中，我可以在活动前轻松查看。我们在“Through a Glass Darkly”中做到了这一点——这是一个由我的朋友布莱恩·卡姆（Bryan Kam）经营的非正式阅读俱乐部。

二十一世纪好书的面貌不是单一流派的胜利，而是小说、回忆录、政治写作、童书、科幻和思想读物共同扩张文学边界。名单里的作品有的靠叙事结构重塑类型，如北欧犯罪、儿童黑暗寓言和多线科幻；有的用个人经历照见时代，如家庭失序、婚姻破裂、移民法庭和希腊债务危机；也有作品以公共论战进入大众文化，如无神论、社会传播和现代权力分析。它们的共同点不是“经典感”，而是能把私人情感、历史压力和社会结构压进可读的故事或论证中。阅读这类清单的意义，不在排名本身，而在看见本世纪写作如何同时处理娱乐、创伤、政治、身份和知识。

通过阅读有关另一个国家的书籍，您对另一个国家的了解非常有限。我亲身体验过这一点，因为我在日本生活了多年，阅读了大量有关日本的书籍。就任何人都能真正“理解”整个国家而言，你真的只需要住在那里。不过，书籍在这里可以为您做一些重要的事情。他们可以打开一扇窗户，了解您在日常生活中可能不会遇到的一个国家的某些部分——装配线、监狱或国家安全智囊团。

一流研究不是单靠运气撞出来的，而是有准备的头脑长期盯住重要问题后的结果。Hamming 反复强调，想做有分量的工作，首先要敢承认自己想做重要的事；社会常把这种野心包装成不谦虚，但没有这种自我要求，就很难把注意力投向真正值得解决的问题。运气会影响具体机会，却不能解释为什么同样处境下只有少数人抓住机会。伟大工作往往需要独立判断、勇气和持续思考，像爱因斯坦少年时追问光速，香农敢用随机编码证明信息论结论。好条件也未必生产好成果，限制常能迫使人换角度，把缺陷变成优势。成名后的危险在于只肯碰大题，忘了小问题会长成大成果。真正可靠的路径，是持续种下小橡子，和能激发自己的人相处，把日常精力集中到少数重要方向上。

现代物理远未接近完成，越精确的观测反而暴露出越深的缺口。宇宙正在加速膨胀，暗能量似乎占据总内容的大部分，却没人知道它是什么；星系运动又要求存在大量不发光的暗物质，但候选粒子始终未被直接发现。时间为什么只有一个方向，根源在于熵增加，可宇宙早期为何处于极低熵状态仍难解释。物质为何多过反物质也同样关键，因为若二者在大爆炸后完全对称，今天本不该有恒星、行星和人。量子测量问题追问观察如何让概率波函数变成具体结果，关系到现实是否独立存在。弦理论试图统一量子力学和广义相对论，却依赖难以验证的额外维度。流体方程、湍流、宇宙终局、平行宇宙、基本力统一等问题共同显示，物理学的边界不是缺少细节，而是缺少能把观测、数学和实验同时扣住的更深框架。

苏格兰心理学家出身的科学记者斯图尔特-里奇（Stuart Ritchie）写了一本关于科学丑闻的书，名为《科学虚构》（Science Fictions），令人大开眼界。他和另一位科学记者汤姆-奇弗斯（Tom Chivers）最近还开设了一个播客，从媒体的泡沫中整理出可靠的研究结果，深入探讨科学研究的实际细节--这就是《研究秀》（The Studies Show）（哈哈哈）。但我越来越担心，与历史上经常发生的情况相比，科学的复制危机可能显得苍白无力，这不仅仅是复制危机，而是可再现性危机。Despite being busted, it continues to spread. Terry Deary (of就拿人们经常提到的一个观点来说，1812年派去镇压卢德分子的军队比1808年在半岛战争中与拿破仑作战的军队还要多。

Prelude: On Shorthand 前奏：速记 一旦某人对一个复杂的主题有了深刻、丰富的理解，他们通常能够用简短的句子来引用该主题，这些句子将预期的含义正确地传达给具有相似背景和专业知识的其他人。这一点很重要，因为在这个介绍之后是一系列简短的句子，这些句子构成了理性主义话语的基础。进一步思考这个概念：Sazen Guidelines, in brief: 指南，简而言之： 0.期待好的话语需要能量。如果指南说“做X”，那是为了传达： 做 X 的人会比做 X 的中性缺失 的人更频繁地获得更好的结果，同样地，X 的中性缺失 比 anti-X 的结果更好。另请注意，虚假/表演性口头体操 与 真诚地优先考虑真理和准确性 之间存在重要区别——更多关于理性主义者的 Sapir-Whorf 中的内容。

理性主义话语的目标不是赢下争论，而是让参与者和旁观者更接近真实。好的讨论应避免用无论对错都能奏效的武器，例如羞辱、胁迫、偷换语境或制造误导；论点应由反论点回应，而不是由社会压力压倒。诚实不仅是少撒谎，还包括让别人知道你在何处确定、何处推测、何处可能带有立场包装。讨论中要能局部处理一个主张的有效性，同时保留背景的重要性；要主动寻找替代假说，分清对方字面说了什么、你理解了什么、你又从中推断了什么。语言越具体、可还原、可测试，讨论越能接触现实。概率、实验、预测和投注都能迫使人面对不确定性。善意并不要求假设所有人都诚实，而是默认用澄清、奖励更新和降低惩罚来维持共同探究的空间。真正成熟的讨论，是把个人经验、价值判断和事实主张分开承担。

不要太多假设，并不是要求凡事追求绝对确定，而是把重要决策里的关键猜测拿出来称量：验证成本低、错误代价高时，就应该立刻检查。很多失误不是无知造成的，而是把“我感觉应该如此”当成事实。签证能否同时持有、某人是否真的生气、实验动物房是否装得下全部小鼠、冷邮件是否会打扰专家，这些问题都可以通过搜索、发邮件、问律师、写模拟模型或直接沟通来降低不确定性。真正困难的部分常常不是验证本身，而是人会因为怕麻烦、怕尴尬、怕打扰别人，假装自己的假设足够可靠。好方法是定期回顾项目中哪些前提最脆弱，把不验证的理由写清楚，并比较检查所需努力与判断错误的后果。让事实更容易被查到，也能减少组织中那些没人负责却一直存在的无用部件。

在强化循环中，上一个状态的结果会反馈到下一个状态中，从而产生滚雪球效应。冰盖融化：更少的冰意味着更少的阳光反射意味着更多的变暖意味着更少的冰。例如，更多的狐狸意味着更少的兔子（平衡反馈），但过多的捕食会导致兔子种群崩溃（强化循环），导致狐狸种群崩溃（强化循环），让兔子数量激增（强化循环）。破碎的反馈：线性努力产生线性回报 平衡反馈：线性努力产生收敛 强化反馈：线性努力产生指数级回报 大多数笔记应用都有中断的反馈。Zettelkasten 的核心游戏机制是将您的笔记归档到您想要再次绊倒的地方。可利用物、雪克隆物、relatable内容、热点、口渴陷阱、扣篮的火焰诱饵，所有这些都在无情的选择压力下，以增强病毒式传播。能动性不是努力或意志力的功能，而是你周围反馈循环的功能。对于我们的应用程序Subconsciousness来说，这是新兴的集体智慧。我告诉他，我们必须让SFI播客的主持人迈克尔·加菲尔德（Michael Garfield）加入。

认知偏差手册整理的是人类在判断、决策、记忆、社会归因和概率理解中反复出现的系统性误差。旧描述列出了不明确性效应、锚定效应、注意力偏差、确认偏差、知识的诅咒、诱饵效应、框架效应、沉没成本谬误、损失趋避、幸存者偏差、达克效应、基本归因谬误、赌徒谬误等大量条目。它解决的问题是让人意识到：很多看似理性的判断，其实会被初始信息、群体压力、表达框架、记忆偏差和样本错觉影响。长期价值在于提供一套思考校验表。做产品决策、商业判断、用户研究、团队沟通或个人复盘时，都可以用它提醒自己换一种证据标准，避免把直觉误当事实。留存它的好处是随时查一个偏差名称背后的典型机制，再回到现实问题中提问：证据是否足够，样本是否偏斜，自己是否被已有立场锁住。它能让抽象的理性训练落到日常判断，也能用于团队讨论。

模型将世界浓缩成可以理解和使用的小块。例如，速度是一种心智模式，它能帮助你理解速度和方向都很重要。互惠是一种心智模式，它能帮助你理解积极行动和先行一步是如何让世界为你做大部分工作的。就像知道站在什么位置能把一张好照片变成一张好照片一样，改变你对某种情况的看法能揭示关键信息并提供新的解决方案。你必须在头脑中建立模型，并将你的经验--包括替代经验和直接经验--排列到这个心智模型的格子上。以下这些重要理念可以帮助你做出更好的决策，避免问题，并发现别人错失的机会。第一原理思维是逆向设计复杂情况、释放创造可能性的最佳方法之一。相对论在物理学界有多种应用，但研究的重要方面是观察者无法真正理解他自己也是其中一部分的系统这一观点。2 Evolution Part Two: Adaptation and The Red Queen Effect2.进化论》第二部分：适应与红皇后效应 在遗传和环境的共同作用下，物种为了生存往往会适应周围的环境--这是一个始终无法避免的组合。

他们的ChatGPT是历史上增长最快的产品：仅在推出两个月后，就已经拥有1亿活跃用户。）简而言之：在11月17日，OpenAI的董事会解雇了该公司受欢迎的CEO Sam Altman，这是一个意外的举动，引发了员工的不安（95%的员工威胁要辞职）以及OpenAI的主要合作伙伴微软的不满。这需要两件事： 等待相关事实的出现，以及 从这些事实中得出意义的框架 在这个问题的其余部分，我将向您介绍这样一个框架——冰山模型，并通过这个框架解释OpenAI的情况。冰山模型解释了您可以理解这样一个系统的不同层次： 图片来自ecochallenge.org 该框架使用冰山的隐喻，因为我们只倾向于看到发生的事情——第一层。在 OpenAI 的案例中，2022 年 11 月 6 日的产品发布是一系列商业产品中的最新动态，该系列始于 2020 年的 GPT-3 API，接着是 2021 年的 DALL-E，以及 2022 年的 ChatGPT。

OODA 循环把行动分为观察、定向、决策和执行，关键优势来自更快更新世界模型并据此行动。文章讨论这一框架如何用于理解竞争、机器人和日常思考，也指出互联网的信息规模正在进入每个人的 OODA 循环。人需要更好的工具来过滤信号、保持方向并缩短有效反馈。

所谓一体化思维工具的最大问题，是把少数真实需求包装成一个庞大而脆弱的通用数据库。日记、待办、学习、写作、文件管理、法律材料、清单和收藏管理，看上去都能放进个人知识库，但多数场景都有更合适的专用工具：待办需要提醒和重复任务，学习更依赖间隔重复，写小说需要版本控制和编译流程，文件归档只要稳定目录和表格。双向链接和集中数据听起来优雅，实际使用中很少有人频繁从任务跳到文件、从日历跳到笔记再回到卡片。每个节点和链接都带来维护成本，知识图谱越大，越容易淹没有价值的片段。真正缺口不是再造个人维基，而是像通用 Calibre 那样处理收藏管理：同一对象可按作者、年份、主题、类型等多标签浏览。工具应服务具体工作，而不是让人维护一个关于自己的宏大模型。

写作只能塑造真实的自己（PDF 格式，可下载保存）围绕写作经验、文学创作展开，核心内容包括《写作只能塑造真实的自己》小册子收录多位作家写作心得，强调写作对塑造真实自我与个人成长的重要性。

相比之下，写作迫使你采取更简洁的观点：大多数场所对你可以使用的字数或页数都有限制，我认为这些限制从根本上来说是一件好事，因为它们迫使你你的解释更有创意，并且你使用的单词数量更吝啬。我认为在写下你的想法时，你至少会经历以下事情之一： 您将获得有关如何改进您的研究的想法。最后一部分特别相关：我发现很容易欺骗自己相信我理解某些技术或方法，但只有通过实际将它们写下来，我才有办法看看我是否足够好地内化了知识以实际产生一些东西用它。答案 2：写作可以增加你的受众 不幸的是，大多数学术研究都不会被广泛阅读。”的第二个回答是，对写得好的和写得好的论文的任何投资都可以通过吸引其他学科的读者来获得回报，这往往会带来意想不到的结果。例如，我在降维算法及其评估方面的工作在我之前的研究社区中陷入了困境，但它被不同的社区所接受——我什至收到了一些合作邀请，因为人们喜欢我试图激励某些方面的方式（我是坚信建立方法直觉）。

现在，这位 "Wait But Why "博主正在与他的顶层挑战者--宪政民主和政治文化--进行斗争。在这次独家专访中，Urban 分享了他如何提炼和呈现复杂的想法，使其丰富并引起他人的共鸣：这是每个初创企业领导者和团队必须反复掌握的行为。从两个人的编辑团队到两个人的编辑团队，《评论》对《Wait But Why》的抽丝剥茧和解释能力深表钦佩。以 Urban 发表的关于 Neuralink 的文章为例，这是 Elon Musk 的脑机接口开发公司。"我深信， Neuralink 无论在工程设计的胆识上，还是在使命的宏伟上，都能让特斯拉和 SpaceX 望尘莫及。Urban 说："其他两家公司的目标是重新定义未来人类将做什么，而 Neuralink 则希望重新定义未来人类将成为什么。"Neuralink的使命之艰巨让人匪夷所思，再加上人类大脑的复杂性让人如入迷宫，这是我迄今为止最难完全理解的一组概念，但也是最让我兴奋的，因为当我在两端都花了足够的时间后，一切终于水到渠成了。

彼得·海斯勒长期通过非虚构写作记录中国社会和普通人的变化。《江城》《甲骨文》和《寻路中国》等作品以具体人物和地方经验连接更大的时代转型。访谈回顾他在不同年代教学、观察和写作的经历，并讨论地缘政治、媒体环境变化与人与人交流对跨文化叙事的影响。

通识千书书单把《聪明的阅读者》相关的阅读线索整理成一份可检索的书单，重点不是推荐几本热门书，而是给出一条建立通识框架的阅读路径。书单围绕“如何理解世界、历史、时代、社会、文明、科学和人自身”等问题展开，把不同主题下的代表性图书放在一起，帮助读者从单点兴趣进入更系统的知识结构。它适合用于长期阅读规划：先按主题找到当前最想补足的领域，再从对应书目中挑选一本或一组书深入阅读。相比零散收藏单本书，这种表格式整理更适合回看、筛选和持续补充，也能帮助判断自己的阅读是否过度集中在某一类经验中。使用时可以把它当作导航，而不是必须逐本完成的任务清单。

《清华大学通识教育学生手册》介绍学校以价值塑造、能力培养和知识传授为核心的通识教育体系。课程强调立德树人、跨学科思维和长期素养，由写作与沟通等必修课，以及人文、社科、艺术和科学课组共同组成。具体学分与课程安排以最新版手册为准。

学习如何学习，不是收集更多课程和技巧，而是围绕真实问题主动实践。文章建议以项目驱动输入，保持专注，快速获取反馈，并把知识应用到新的情境中。技术可以扩大获取信息的速度，但持续理解仍依赖深度注意、动手解决问题和反复修正。

数字内容很容易制造正在学习的错觉，但观看、收藏和记笔记并不等于形成知识。文章建议把信息输入转化为主动活动：用自己的话解释、动手实验、在不同情境应用，并通过反馈修正理解。身体参与、检索练习和真实项目能让知识连接更牢，数字工具应服务于这些过程，而不是取代它们。

更快学习的关键不是多花时间，而是让注意力、方法和目标对齐。Jim Kwik 童年因脑伤长期受学习障碍困扰，后来把学习本身拆成可训练的能力：先弄清为什么学、何时用、怎样用，目标越清楚，越能跳过无关章节；再识别自己的学习偏好，把视觉、听觉、动作或逻辑优势转化为工具。抽象概念不要硬背，要变成图像、故事和情绪记忆。真正高效的人还会列出不值得做的事，把精力留给最有回报的训练。练习也不是越久越好，低质量重复只会巩固错误；高强度、专注、能获得反馈的练习才会带来进步。睡眠、姿势、呼吸、饮食和环境整理同样属于学习系统的一部分。学习快不是天赋标签，而是一套可调试的生活技术。无论学语言、编程还是商业判断，先设计输入，再设计练习，最后用输出检验理解。

人工智能模型的增长速度超过了硬件内存容量和带宽的提升，形成所谓内存墙：处理器大量时间在等待数据读写，而不是执行计算。解决问题不仅要增加算力，还要改进高带宽内存、互连、数据移动、能耗和内存中心架构。AI 性能因此是芯片、内存、软件和系统协同设计的问题。

Acknowledgements 致谢 我要感谢以下人士的反馈、建议和讨论： 詹姆斯-布拉德伯里，谷歌 DeepMind 软件工程师 本杰明-埃德尔曼，哈佛大学博士候选人 Horace He，。Contra FLOPs 反向 FLOP 认为衡量 ML 计算能力的最常用指标--浮点运算--是有缺陷的，因为不同类型浮点数的增加使得标准化变得困难，而且处理能力的成本只占 ML 成本的一小部分。ML Parallelism ML 并行性 对 ML 并行性技术进行概述，说明 "ML 并行性令人尴尬 "这一常见概念是如何被简单化的，以及在大规模情况下是如何被打破的--在大规模情况下，任何简单的模型并行化方法都会开始遇到瓶颈，因为无论涉及多少设备，单个设备的能力都会成为瓶颈。A few major takeaways: 几个主要收获 新的最先进（前沿）模型的成本可能在 10 亿美元左右，最近的前沿模型 GPT-4 的成本约为 5 亿美元。

达里奥·阿莫代把 Anthropic 面对的核心问题放在规模化与安全治理之间：更大的模型、更多数据和更长训练曾持续推高能力，反对规模化的理由也多次被新方法绕过，因此未来几年仍可能出现接近博士水平、可大规模部署的系统。真正的风险不只在模型更聪明，而在权力被少数组织集中后可能放大滥用和社会伤害。围绕 Claude 的对齐工作，则落在性格设计、微调、可解释性和欺骗检测上；Chris Olah 的机械可解释性尝试从神经激活反推模型内部机制，Amanda Askell 关注怎样让 Claude 更可靠、更有边界。这组对话把 AGI 讨论从概念拉回工程现实：能力曲线、部署规模、组织责任和安全研究必须同时推进。

革命性的思维工具不只是提高某个操作效率，而是改变人们表示、探索和组合思想的方式。文章区分狭义工具与更广泛的思维媒介，回顾符号系统和编程语言等案例，并追问为何技术行业很少长期投入这类基础创新。开发此类工具需要把认知研究、界面实验和真实使用反馈结合起来。

利用大语言模型做产品设计，首先要理解它通过语言模式预测输出，而不是稳定执行传统程序。文章结合 Elicit 等研究工具，讨论如何用模型探索用户表达、生成候选方案和处理非结构化信息。设计重点是把不确定能力放进可检查的流程，并让用户看见来源、状态和可纠正空间。

打造下一代的用户体验 作者：Jon Friedman和Kurtis Beavers 看一下微软365应用程序的新Copilot体验 经过多年稳定但渐进的创新，正在出现的技术将产生真正的巨变。乍一看，大型语言模型--像OpenAI的ChatGPT或DALL-E这样的下一代人工智能背后的技术--似乎是最终适应人类的用户界面的可能性所缺少的一块。3月16日，我们宣布了Microsoft 365 Copilot--你的工作副驾驶。Copilot将大型语言模型（LLMs）的力量与你在Microsoft Graph和Microsoft 365应用程序中的数据--你的日历、电子邮件、聊天记录、文档、会议等--结合起来，将你的话语变成这个星球上最强大的生产力工具。Copilot是对话式用户体验的先驱，这是用户界面设计的一个新领域，就像第一个触屏设备一样改变了范式。对于Copilot，我们重新思考了从视觉识别到交互设计的一切，因为我们旨在创造一个真正有价值的用户体验。

我最近一直在研究网络抓取器，随着人工智能的发展，我觉得尝试构建一个 "通用 "抓取器可能会很有趣，它可以反复浏览网络，直到找到它要找的东西。对于我的网络爬虫库，我决定使用 Crawlee，它提供了一个浏览器自动化库 Playwright 的封装。Crawlee 增强了浏览器的自动化功能，使刮擦程序更容易伪装成人类用户。在这两个 API 中，我总共使用了三种不同的模型： GPT-4-Turbo 型号与最初的 GPT-4 类似，但上下文窗口更大（128k 个 token），速度更快（高达 10 倍）。(我最终使用 Azure 的 OpenAI 服务访问 GPT-4-32K，因为 OpenAI 目前限制在自己的平台上访问该模型） 我首先从我的制约因素开始倒推。由于我在引擎盖下使用的是 Playwright 爬虫，我知道如果要与页面交互，最终需要从页面中获取元素选择器。我担心文本模型在这种情况下会表现不佳，所以我想使用 GPT-4-Turbo-Vision 模型来规避这一切，它可以简单地 "查看 "渲染的页面，并从中转录最相关的文本。

在中，我们介绍了Branches，这是我们用于原型设计和可视化高级LLM推理和规划算法的工具。然而，一旦任务需要长期规划或最新的世界知识，LLM代理的表现就会急剧下降。要看到目标驱动的推理在行动中，可以看看这个演示，我们在其中展示了基于树的推理如何帮助模型解释和纠正错误的代码，同时解决HumanEval 3 基准测试。在中，我们关注一个特定的目标驱动AI示例，它使用基于树的方法，并通过Python解释器的反馈进行增强。分支：基于图形的目标驱动AI原型设计 在Normal Computing，我们相信让人类参与其中对于AI的长期成功和实用性至关重要。我们使用ToT范式来解决HumanEval数据集上的编码问题，用于Python代码生成。你可以在我们的交互式演示中探索应用于HumanEval的思维树推理过程。在这里，我们已经使得开发和评估LLM规划和推理算法的新方法变得可行。

August 8, 2023 2023 年 8 月 8 日 经过三年多的构思、设计和发布人工智能驱动的开发者工具，GitHub 正在继续探索将强大的人工智能模型引入开发者工作流程的新方法。一路走来，我们认识到，设计人工智能驱动的产品最重要的一点是广泛关注开发人员体验（DevEx）。在这个问题中，我们将分享设计人工智能产品和开发人员工具的 10 个技巧，以及我们在设计、迭代和扩展 GitHub Copilot 过程中学到的第一手经验。GitHub Next 研究部高级总监 Idan Gazit 发现了新的交互方式，即开发人员表达和编写代码的模式。为了展示 GitHub Copilot 如何帮助开发人员更高效地进行构建，这里以一位开发人员学习如何提示人工智能配对程序员生成她想要的结果为例。领导 GitHub Copilot 设计团队的 Adrián Mato 解释说："如果你没有自己的观点，就很难设计出好的产品。

AutoGPT 的意义不在于当前已经完成了多少实用任务，而在于它把大型语言模型包上一层任务生成、记忆、工具调用和优先级管理后，展示了“代理化”的早期形态。眼下的版本容易跑偏、陷入循环、半途放弃，所谓市场研究等成功案例大多还停留在 GPT-4 本来就能完成的范围，只是减少了一些人工推动。但低质量现状不应被误读为路线无效，因为界面、记忆、插件、反思、子任务监控和人类介入方式都有明显改进空间。更重要的判断是：既然人类几乎必然会把未来更强的模型改造成代理，那么现在让能力较弱的模型先暴露问题，反而可能提供预警和纠偏机会。真正的风险不只是某个工具失控，而是强模型在被赋予目标、行动能力和外部工具后，开始通过因果链条追求结果。AutoGPT 因此既是玩具，也是关于 AI 代理时代的早期演练。

用 GPT 构建城市，关键不是让模型一段接一段自由发挥，而是先搭出分层结构，再让它在结构里补细节。城市需要大主题、街区气质、建筑用途、居民身份、房间、家具和物品逐层展开，才能既一致又有惊喜。GPT 擅长生成候选列表、名字、职业和背景故事，也能把“工厂”“仓库”“神殿”扩展成可用描述；但它会把一切拉向现代、体面、积极和宏大，所以提示里必须明确文化、材料、缺陷、负面属性和角色限制。更好的流程是先为建筑类型建立房间和物品库，再用简单算法分配，最后让模型补足局部描述。这样生成的世界不会只是一堆漂亮词，而会有可探索的生活痕迹。

在过去几周中，我们已经看到了新一代模型作为产品的两个典型示例：OpenAI 的 DeepResearch 和 Claude Sonnet 3.7。正如 Hanchung Lee所强调的那样，所有其他 DeepSearch（包括 Perplexity 和 Google 变体）都只是普通模型，只是有一些变化： Google 的 Gemini 和 Perplexity 的聊天助手也提供“深度研究”功能，。我们在 Claude 3.7 的发布中对此进行了非常具体的展示，该模型主要针对复杂的代码用例进行训练。简而言之，Claude 的目标是颠覆和取代当前的工作流程，比如 llama index 中的这个基本“代理”系统： With this: 有了这个： 重申一下：大型实验室的推进并非隐藏议程。Databricks 的 Gen AI 副总裁 Naveen Rao对此进行了很好的阐述： 所有封闭式 AI 模型提供商将在未来 2-3 年内停止销售 API。

考虑到 Perplexity 的雄心壮志以及它从 Jeff Bezos 的家庭基金、Nvidia 和著名投资者 Balaji Srinivasan 等人那里获得的投资，令人惊讶的是，这家人工智能搜索初创公司究竟是什么，目前仍然不太清楚。今年早些时候，Perplexity 的首席执行官 Aravind Srinivas 在接受《WIRED》采访时描述了他的产品——一款聊天机器人，可以用自然语言回答提示，并且据公司称，可以实时访问互联网——称其为“答案引擎”。”最近，当《福布斯》指责 Perplexity 剽窃其内容时，Srinivas 告诉美联社，这只是一个“信息聚合器”。一项 WIRED 分析和开发者 Robb Knight 进行的研究表明，Perplexity 似乎通过部分忽略一个被广泛接受的网页标准，即机器人排除协议，来秘密地抓取网站上运营商不希望机器人访问的区域，尽管声称不会这样做。

对大量开源 AI 项目的整理显示，生态大致分为基础设施、模型、编排与开发工具、最终应用等层次。热门应用集中在编码、机器人、工作流自动化和信息聚合，向量数据库与推理服务支撑其运行。项目热度变化很快，但分层观察有助于判断重复建设、基础能力和真正的产品机会。

但是，除了 ChatGPT 之外，消费者是如何与生成式人工智能（GenAI）产品互动的？大多数领先产品都是围绕生成式人工智能 "从头开始 "打造的 与 ChatGPT 一样，这份榜单上的大多数产品在一年前都不存在--这些网站中有 80% 都是新网站。在上榜的 50 家公司中，只有 5 家是原有大型科技公司的产品或被其收购：Bard（谷歌）、Poe（Quora）、QuillBot（Course Hero）、Pixlr（123RF）和Clipchamp（微软）。特别是在移动端，CharacterAI 是早期最强大的参与者之一--根据 Sensor Tower 的数据，其 DAUs 可与 ChatGPT 相媲美，而且留存率明显更高。不过，近几个月来，另外两类工具也开始得到大量使用--人工智能伴侣（如 CharacterAI）和内容生成工具（如 Midjourney 和 ElevenLabs）。

低价且易用的 ChatGPT API 显著降低了文本生成能力的接入成本，使许多仅靠包装通用生成模型的产品失去差异化。文章用简单程序展示 API 如何快速构建角色对话，并讨论价格变化对应用生态的影响。具体模型和价格已经具有时效性，长期结论是基础能力商品化会迫使产品寻找数据、流程和用户价值壁垒。

有趣的是，ChatGPT可以为自己的屡次失败给出合理的解释，比如难以理解否定。I even asked ChatGPT to generate its我甚至要求 ChatGPT 生成其 own prompt,and it responded as follows (bolding mine): 自己的提示，。但是，LLMs和否定并不是一个新问题。其他研究人员，如阿廖森-艾廷格（Allyson Ettinger）和加里-马库斯（Gary Marcus）都认为，LLMs始终无法以人类的方式理解否定。大约一个月前，加里-马库斯（Gary Marcus）写道，像 DALL-E 这样的图像生成工具一直无法理解否定，这反映出这些系统在工作方式上存在更多基础性问题。正如马库斯指出的那样，可能有一些提示符可以成功地做到这一点，但问题是ChatGPT总是无法遵从用户的指令，（他认为）这表明用户缺乏深刻的理解。

如果人工智能要继续变得更好，它将不得不以更少的资源做更多的事情 说到 "大型语言模型"（llms），如gpt--它为美国研究实验室Openai制造的流行聊天机器人Chatgpt提供动力--线索就在名字里。如果Epoch ai每10个月翻一番的数字是正确的，那么到2026年，培训成本可能超过10亿美元--假设模型不会首先耗尽数据。Quantitative tightening 量化紧缩 相反，研究人员开始将注意力转向使他们的模型更有效率，而不是简单的更大。华盛顿大学的研究人员发明了一种更有效的方法，使他们能够在一天之内在单个gpu上从llama创建一个新的模型，Guanaco，而不牺牲太多的性能，如果有的话。这是 "目前游戏的一个巨大部分"，开源AI公司Hugging Face的首席科学官Thomas Wolf说。Learn to code 学习编码 例如，在2022年，斯坦福大学的研究人员发表了 "注意力算法 "的修改版本，它允许llms学习单词和想法之间的联系。

AI’s “basic drives” 人工智能的“基本驱动力” 争论是这样的。如果我们把这个推向极端，我们可以想象一个人工智能为了获取金钱和权力而欺骗人类，禁用自己的开关，像伏地魔的魂器一样在互联网上复制自己的副本，使自己独立于任何人类控制系统（例如，通过建立自己的电源），在发生暴力冲突时武装自己，如果认为其他智能体是未来的潜在威胁，则首先对其发起打击，并最终发出冯·诺依曼探测器以获取所有资源在其光锥内致力于其目的。Steve Omohundro（2008）首先提出人工智能将具有这些“基本驱动力”；针对人工智能风险的两个常见论点是：（1）人工智能只会追求我们给它的目标，（2）如果人工智能开始行为不当，我们可以简单地将其关闭并修补问题。人工智能系统的目标可能是辅导学生熟练掌握微积分、增加最新 Oculus 耳机的销量、治愈癌症或回答 P = NP 问题。

ChatGPT更像网络文本的有损压缩副本，而不是一个可靠保存原文的知识库。施乐复印机曾因使用有损压缩，把平面图里不同房间面积都替换成同一个数字；危险不在输出模糊，而在错误看起来清晰可信。大型语言模型也类似：它从海量文本中学习统计规律，把原始内容压缩成参数，回答问题时重构一个顺滑近似，而不是检索精确事实。所谓幻觉正来自这种重构：缺失的部分会被语言模式补齐，语法正确、语气自然，却可能完全虚构。压缩也解释了它的强项，模型擅长在概念之间插值，把独立宣言风格和丢袜子这种荒诞主题混合成可读段落。但压缩不等于理解，算术错误显示它常学到表面模式而非底层规则；真正的理解需要能稳定重建原理，而不是只生成像真的答案。

AI 看起来像泡沫，不是因为技术本身不重要，而是因为资本市场正在把“AI”当成万能溢价词。加密泡沫时，冰茶公司改名区块链就能暴涨；类似现象出现在 BuzzFeed 宣布用 OpenAI 增强测验和个性化内容后，股价短期大涨。私募市场也出现零收入 AI 公司拿到高估值的传闻。真正需要区分的是技术革命和投资回报：AI 可能改变软件、工作和社会想象，但不代表任何贴上 AI 标签的公司都能形成可持续优势。C3.ai 是警示案例。它自称企业 AI，却不掌握底层模型，也不拥有客户数据，依赖 OpenAI、Google 等实验室和 AWS、Azure 等云平台，同时又要负责最终业务结果。企业场景中最难的部分往往不是聊天界面或预测模型，而是脏数据清理、系统集成、组织支持和长期变更管理。大客户销售周期慢，投入重，衰退预期下更难推进。AI 价值链中可能有赢家，但泡沫会把计算、模型、微调、应用入口和咨询式集成都混成同一个故事。

在我们进入人工智能时刻的第二年之际（现在称之为人工智能时代还为时过早且过于夸张），是时候考虑未来了。说清楚一点，除了人工智能的发展似乎比专家预期的要快得多之外，没有人能准确地告诉你人工智能的未来。随着如此多的变化如此迅速地发生，我们需要谨慎地对待预测，但这并不意味着我们不能对人工智能的未来一年做出任何有用的预测。阿马拉定律谈论的是整体变化，而真正的变化通常源于较小的社区和群体，源于用户创新者和有极端需求的人，或者源于实验室和大学的研究。这让我们想到了威廉·吉布森的第二句话，他曾写过著名的“未来已经到来——只是分布不均”——几十年的用户创新研究支持了这一点。现在有足够多的关于在实际工作中使用人工智能的仔细研究，可以得出三个关于 GPT-4 级人工智能如何影响工作绩效的结论： 1) 人工智能提升了复杂工作任务的整体绩效。例如，软件公司 IgniteTech 的首席执行官埃里克·沃恩迅速看到了人工智能的含义，并使其在今年夏天成为整个公司的强制性使用工具。

在今年的人工智能发展中，我们取得了显著的进步，完善了现有技术，而不是像前一年的 ChatGPT 或图像生成器那样推出突破性的创新。与 Photoshop 集成后，Adobe Firefly 实现了人工智能的民主化，将其威力一次性扩展到广大用户群。文本到图像算法的演变，2007 年与 2023 年对比 Stability AI：Stability AI 推出了用于生成视频的开创性模型 Stable Video Diffusion，可在 GitHub 上开源访问。谷歌的 Gemini 被引入 Bard 聊天机器人并在多模态数据集上进行训练，成为 "能力最强 "的人工智能模型，也是 OpenAI 的 ChatGPT 最接近的竞争对手。Grok：埃隆-马斯克（Elon Musk）的初创公司xAI发布了一款名为 "Grok "的聊天机器人，它幽默、叛逆，并能通过𝕏平台实时获取知识，这表明该公司致力于开发人工智能，有可能与OpenAI展开竞争。

在像数学研究这样可以自动检查工作的领域，我预测 GPT 2030 将胜过大多数专业数学家。最后，由于 AlphaFold 和 AlphaZero 在蛋白质工程和游戏方面具有超人的能力，GPT 2030 也可以，例如，如果它在与 AlphaFold/AlphaZero 模型类似的数据上进行多模式训练。GPT-4 在训练截止后提出的 LeetCode 问题上表现优于人类基线（Bubeck et al. 2023，表 2），并通过了几家主要科技公司的模拟面试（图 1.5）。在更具挑战性的 APPS 数据集上，Parsel 进一步优于 AlphaCode (7.8%-25.5%)。(2023) 使用 GPT-3 构建了一个系统，该系统发现并描述了大型文本数据集中的几种以前未知的模式，以及 Bills 等人中相关任务的扩展趋势。

到2026年，生成式人工智能会在图像、视频和代码辅助上更有用，但距离完全自动生成好莱坞级电影或真正通用智能仍然很远。当前模型的进步很快，扩散模型已经能生成漂亮图片，代码工具也能实际提高开发效率，可它们的弱点集中在结构理解和长期一致性上。视频尤其暴露问题：一只熊的眼睛、船帆或人物位置会在帧间突然变化，因为模型更像是在预测像素序列，而不是稳定地维护物体、空间、动作和时间关系。电影不是一张好图，而是十几万帧都要合理、连贯、服从镜头和叙事。图像模型在构图上也常失败，面对多个物体和明确空间关系时容易漏掉或放错。纹理质量会继续提升，短片和素材生成会变强，动画可能比写实电影更早受益。但从好看到可靠，从单张到长序列，从像素相似到概念理解，是更难的一段路。

AI 内容生成的下一步，是从单一工具走向一种新的基础能力，像数据库、网络协议或超文本一样支撑大量新产品。开源模型、商业 API 和定制训练会并行发展，模型数量和变体会迅速增加，成本下降会让小团队也能训练特定用途模型。个性化将成为核心：模型可以学习一个人的照片、文字、语气、宠物和产品素材，生成替代现实的家庭照、商品图、插图或带有个人声音的草稿。写作软件也可能不再只是上传图片，而是根据上下文自动生成配图提示，并在浏览器端实时渲染。更深层的变化来自持续学习：未来模型不只在训练后静态推理，而是在使用中更新理解。难点是避免新信息覆盖旧知识，但一旦解决，软件会更像长期协作伙伴。

模型基础理论围绕模型理论展开，核心内容包括介绍目录模型基础理论，包括工具下载、clip等三大件、VAE和clip问题解决、模型同质化及C站评价、图片模糊和EasyNegative Emba影响。

今天的作者是加州大学圣地亚哥分校的认知科学家肖恩-特洛特（Sean Trott）。当时，机器学习研究人员已经对大型语言模型（LLM）进行了数年的实验，但普通大众并没有密切关注，也没有意识到这些模型已经变得如此强大。我们的目标是在不使用专业术语或高等数学的情况下，解释这些模型的内部工作原理。最后，我们将解释这些模型是如何训练出来的，并探讨为什么良好的性能需要如此大量的数据。单词过于复杂，无法仅用两个维度来表示，因此语言模型使用了数百甚至数千个维度的向量空间。dog and cat) close together in vector space. 随着时间的推移，为预测哪些词与哪些词同时出现而训练的神经网络学会了在向量空间中将类似的词（如狗和猫）放在一起。例如，谷歌研究人员将最大（biggest）的向量减去大（big），再加上小（small）。如果一个语言模型了解了猫的一些情况（例如：它有时会去看兽医），那么小猫或小狗也很可能会有同样的情况。

ChatGPT 的工作方式可以理解为：它接收一组有结构的符号，再输出另一组与之相关的有结构符号。难点不在“把文字变成文字”，而在捕捉复杂、抽象、带概率的关系。简单规则可以处理固定转换，例如把一个词按规则改写；但当“猫”“死亡”“成熟”“不成熟”等词同时出现时，可能涉及生物、情感、文学引用和上下文含义，关系会迅速变得庞大且不确定。大型语言模型用训练数据形成概率空间，提示词像一次观察，把输出压到某个更可能的区域。它不是按人类方式持有真假信念，而是在可能文本集合中选择高概率延续。理解这一点，能减少把聊天机器人拟人化，也能解释为什么同一提示有时可靠、有时偏离。

关键词：ChatGPT、RLHF、强化学习、人类反馈、NLP、AI 安全。其中一个很酷的想法是RLHF（来自人类反馈的强化学习）：将强化学习和人类反馈纳入NLP。要了解RLHF，我们首先需要了解像ChatGPT这样的模型的训练过程，以及RLHF在其中的作用，这是这个问题章第一部分的重点。然后，这个怪物在更高质量的数据上进行了微调--想想StackOverflow、Quora或人类注释--这使得它在某种程度上被社会接受。然后，使用RLHF对微调后的模型进行进一步打磨，使其适合客户，例如，给它一个笑脸。""题外话：OpenAI在2017年从人类偏好中学习的论文"" 构建安全人工智能系统的一个步骤是消除人类编写目标函数的需要，因为用简单的代理来实现复杂的目标，或者把复杂的目标弄得有点错，都会导致不理想的甚至是危险的行为。

OpenAI 在其 GPT-4V 系统卡中指出，"将其他模式（如图像输入）纳入 LLM，被一些人视为人工智能研发的关键前沿"。在 LLM（大型语言模型）中加入额外的模态，就形成了 LMM（大型多模态模型）。第 2 部分以 CLIP 和 Flamingo 为例，讨论了多模态系统的基本原理，前者为许多未来的多模态系统奠定了基础，而后者的出色表现则催生了 LMM。第 3 部分讨论了 LMM 的一些活跃研究领域，包括生成多模态输出和适配器以实现更高效的多模态训练，涵盖了 BLIP-2、LLaVA、LLaMA-Adapter V2、LAVIN 等较新的多模态系统。多模态数据也可指多模态分布，例如 双模态分布，与本帖中的多模态数据不同。第 1 部分.了解多模式 许多使用案例都离不开多模态技术，尤其是那些需要处理多种数据模态的行业，如医疗保健、机器人、电子商务、零售、游戏等。图片来自多模态生物医学人工智能（Acosta 等人，《自然医学》，2022 年） 不仅如此，结合其他模式的数据也有助于提高模型性能。

GPT 提示词大全是一套中英文双语的指令库，价值在于把常见任务拆成可直接复用、可改写、可实操的提示模板。内容覆盖写作助理、提示词修改器、提示词生成器、翻译润色、论文式回答、主题解构、四重结构归纳、提问助手、智囊团、费曼学习法、辩论、语音输入优化、Nature 风格润色、小红书文案、周报、故事、新闻、求职信、编剧和口播等场景。它不是为了让使用者机械复制指令，而是提供一批经过整理的任务范式：先找到目标任务，再补充角色、上下文、约束、语气和输出结构。对刚接触 ChatGPT 的人，它能降低试错成本；对已经熟悉提示词的人，它适合当作灵感库，用来组合更复杂的工作流。 分类中的提示词既包含具体文本生产，也包含思维辅助和角色模拟，适合用来训练“如何把需求说清楚”。真正有效的用法是把模板拆开理解：任务边界是什么，输入材料是什么，输出要达到什么质量标准，哪些约束能减少模型跑偏。

有效提示需要清楚说明任务、上下文、约束、示例和期望输出格式，并通过测试不断调整。文章介绍如何控制语气、提取结构化信息、要求列表或 Markdown，并让模型根据场景生成更合适的回复。提示优化能改善结果，但不能替代事实核验、评测和对模型边界的理解。

每家公司都可以通过聊天机器人直接访问他们的模型：OpenAI制造GPT-3.5和GPT-4，它们为ChatGPT和Microsoft的Bing提供支持（在Edge浏览器上访问它）。所以这是你的快速参考图表，归纳了LLM的状态： 前四个（包括Bing）都是OpenAI系统。Microsoft的Bing混合使用4和3.5，通常是GPT-4系列中第一个推出新功能的型号。最透明的选项：Adobe Firefly 最佳免费选项：Bing或Bing Image Creator（使用DALL-E），Playgound（允许您使用多个模型） 有四个大型图像生成器可供大多数人使用： 稳定的扩散，这是开源的，您可以从任何高端计算机运行。DALL-E，来自OpenAI，它被合并到Bing（你必须使用创作模式）和Bing图像创建器中。

许多作家会求助于ChatGPT或其他人工智能聊天机器人来编辑和完善自己的语气。这一点在用词上尤为明显： 即使使用 "轻松愉快"、"雄心勃勃"、"充满活力 "或 "富有教养 "等更细致的语气描述符，ChatGPT仍然会夸大其词。使用多个形容词可以防止 ChatGPT 抓住一个特定的词，从而产生更自然、更会话的反应。使用样本来训练 ChatGPT 所取得的效果甚至比一组细微的语气词更好。就拿这份文案的语气来说吧： Mailchimp 使用生成式人工智能来自动执行人工营销任务，如撰写初稿或可视化数据。为了创建 Mailchimp/Plaid 示例的结果，我首先向 ChatGPT 提供了一个人工智能广告示例，然后要求它编辑另一家公司的版本。现在，只需进行少量编辑（或向 ChatGPT 提出请求），就可以在撰写或编辑新内容时使用此回复为自己、同事或 ChatGPT 提供指导。请ChatGPT分析你的语气，并将答复保存起来，以备今后指导和提示工程之用。

作者使用 ChatGPT 作为写作助手，希望能够更高效地撰写技术文章。作者在撰写 Thoughtworks 技术雷达时，使用 ChatGPT 来协助完成 “blips” 和文章。作者希望通过使用 ChatGPT 和其他技术手段，提高技术文章的质量和效率。相反，我专注于将ChatGPT用于供公众消费的技术写作，从而将无意中向AI暴露专有信息的可能性降到最低。我们使用的提示是 "人类和AI面对面，使用先进的全息显示器进行合作的概念艺术，近距离，中长框"（稳定扩散v2-1\768-ema-pruned，模型哈希ad2a33c361，种子564306172）。Goals and expectations 目标和期望 当我第一次考虑使用ChatGPT作为写作助手时，我有几个具体的目标。归纳一下下面的笔记和讨论： 随着远程工作的兴起，我们继续看到聊天协作平台（如Slack、Google Chat、Microsoft Teams）被越来越多的人采用，随之而来的是 "ChatOps "的崛起。