DemoChen's ClipAll posts
March 20253 threads
中美机器人之战中国机器人产业的优势来自制造成本、供应链密度与快速迭代形成的生产飞轮。以宇树和大疆为例，规模化生产会持续降低单元成本、提升质量，并让下一代产品更快进入市场。美国在同类机械臂等硬件上的制造成本明显更高，说明机器人竞争不仅取决于模型和软件，也取决于零部件、制造能力与供应链协作效率。
模型即产品在过去几周中，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。
October 20243 threads
911 事件是什么？我是在早上 2 点或 3 点上床睡觉的，当时正在解决一个我现在已经忘记具体细节的网站问题。当时，他们分享的第一个传说就是关于与大厦发生过奇怪纠缠的飞机和飞艇的事件。我听到新闻时打开了电视，这种获取信息的方法源于我 20 世纪的习惯，但我很快就会彻底放弃它。人们正在动员狗、设备和医疗团队，大家献血的原因显然是希望能找到幸存者。但也有一些小事，比如人们在美丽的初秋天气中推着疲惫的妈妈的婴儿车，或者几乎像是对宗教间和谐的讽刺，不同信仰的人们聚在一起崇拜和共度时光，每个人的打扮都像是儿童故事书中的插图。每个公共场所都贴满了列出“失踪”人员的传单，设计相似，展示了人们最近扫描的亲人照片。在科技行业工作的最奇怪的部分是，当我和我的朋友们在 2001 年 10 月推出第一个大型博客平台时，同月原版 iPod 和 Windows XP 也相继发布，这意味着我们现在所生活的在线世界的最初轮廓在我们仍然感到震惊、悲伤和困惑的时候逐渐显现出来。
诺贝尔奖的重大问题物理学家埃德·维滕 （Ed Witten） 获得了菲尔兹奖，这比诺贝尔奖更难获得，因为他为弦论发明了数学。当它被交给理论家时，他们往往是博弈论者，他们的理论对现实世界的结果非常具有预测性——2020 年的 Milgrom/Wilson、2016 年的 Hart/Holmstrom、2014 年的 Tirole 和 2012 年的 Roth/Shapley。即使该奖项被授予宏——一个有效性更难确定的领域——它也被授予那些理论立即应用于当今紧迫问题的经济学家，例如 2022 年的伯南克/戴蒙德/迪布维格和 2018 年的诺德豪斯。换句话说，最近的诺贝尔奖使经济学看起来可能越来越像一门自然科学，其中实际应用和外部有效性是研究价值的最终仲裁者，而不是经济学界的文化影响。无论如何，今年奖项的一个关键点是 Daron Acemoglu 将在某个时候获得诺贝尔经济学奖。
GitHub 的崛起:联合创始人的内部视角几天前，@t3dotgg 制作的一段视频被发布到他非常受欢迎的 YouTube 频道上，他在其中评论了 Graphite 团队撰写的一篇题为“GitHub 如何取代 SourceForge 成为主导代码托管平台”的文章。作为 GitHub 的联合创始人，我发现 Greg 的文章和 Theo 随后的评论很有趣，但我认为写下我自己对 GitHub 崛起和主导背后的原因的看法可能会很有趣，也许可以纠正一些从外部分析中不太正确的事情。我的 Pro Git 书第一版的第一批开箱，2009 年 以下是内部人士对 GitHub 获胜原因的看法。GitHub 在正确的时间启动 GitHub 的品味不错 所有四位 GitHub 联合创始人在 GitHub 之前和之后都失败了。摘自《开源的全面增长》，2008 年，由 Amit Deshpande 和 Dirk Riehle 出版 从这个角度来看，仅今天 GitHub 上就有超过 2.8 亿个公共仓库。
September 20241 thread
如何打招呼？打招呼的目标不是表演自信，而是让对方感到安全、被关注并愿意继续交流。文章从第一印象、声音、表情、姿态和开场方式入手，建议放松面部和身体，用清晰友好的语气主动介绍自己，并通过具体问题把注意力转向对方。良好的开场来自可练习的表达与倾听，而不是追求完美表现。
August 20244 threads
帕尔默·拉基，美国火神帕尔默·拉基的生活事实是如此独特而离奇——将幻想、疯狂和改变世界的元素结合在一起——以至于它们可以印在磁性诗歌瓷砖上，由一个流口水的婴儿以无尽的随机组合重新排列，但每次仍然能够传达出某种重要而真实的东西。让我来给你看看：Luckey 是世界上最大的电子游戏收藏的拥有者，他将这些收藏埋藏在一座废弃的美国空军核导弹基地地下 200 英尺的地方——这正是一个人能够负担得起的事情，当他凭借在加利福尼亚州长滩父母的双拼房屋车道上停放的房车中发明 Oculus Rift，。或者：在以 27 亿美元将 Oculus 出售给 Facebook 后，Luckey 因向一个致力于“现实生活中发帖”的亲特朗普恶搞团体捐赠 1 万美元而被马克·扎克伯格解雇，随后他尝试建立一个非营利性私人监狱连锁，只有当前囚犯保持不再入狱时才获得报酬。根据我们录音对话的文字记录，我让 Luckey 的媒体负责人感到震惊，因为我对这个厕所产生了执念，反复告诉他它“太棒了”，“真他妈的棒”，以及“可能是我见过的最酷的东西。
通过信息架构提升用户体验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。
演员是如何记住台词的？” 演员们面临着一项艰巨的任务，需要以极高的准确性来学习台词，但他们很少通过死记硬背来完成。一味重复信息（称为维持性复述）并不是最有效的记忆策略。演员们研究剧本，努力理解自己的角色，并分析他们的台词与角色之间的关系。同样，当心理学家赫尔加和托尼·诺伊斯调查演员如何记住台词时，他们发现演员更倾向于在剧本中寻找意义，而不是仅仅死记硬背。在表演时，这种理解为台词的自然回忆提供了背景，而不是单纯地背诵记忆的文本。这种通过深刻理解来学习和记忆台词的过程，使一位七旬演员能够背诵米尔顿的史诗《失乐园》中的全部 10,565 行。演员在描述他们如何记住台词时，向我们揭示了一个关于记忆的重要真理：深刻的理解能够促进持久的记忆。深刻理解意味着关注事物或事件的深层含义，我们每个人都可以运用这一策略来提高日常记忆力。
纽约实施拥堵收费的漫长历程本·阿德勒记录了将拥堵收费引入纽约的漫长斗争，您可以在我们的网站上阅读第 15 期的内容。在 1980 年代，纽约市交通局举办了一系列公开会议，任何感兴趣的纽约市民都可以参与，讨论如何解决城市的交通拥堵问题。纽约市的拥堵收费概念始于 1952 年，当时由哥伦比亚大学的年轻学者威廉·维克里首次提出，他后来获得了诺贝尔经济学奖。这是一个漫长而曲折的故事，讲述了维克里的拥堵定价愿景在 70 多年后可能即将在纽约市变为现实。可靠的交通连接缺失可能导致居住在外郊的人们接受比他们本可以获得的更差的工作机会tens of billions of dollars in productivity on the table. 桌子上有数十亿美元的生产力潜力。与纽约市政府首次提出拥堵收费和州政府最终授权之间的近 50 年相比，这些实施延迟显得微不足道。纽约在拥堵收费方面的漫长而曲折的历程为全球其他城市提供了宝贵的经验。
July 20242 threads
信任是快速发展团队的瓶颈团队增长越快，信任越容易成为瓶颈。缺乏信任时，管理者必须反复检查方向、设计和人员判断，沟通与审批成本迅速上升；有信任时，成员能在共享目标下自主决策并快速协作。文章指出，信任不是口号，而是由持续展示能力、判断、透明度和可靠交付逐步建立。
如何解决酒后驾驶的问题？减少酒后驾驶，关键是提高违法行为被发现和被制止的概率，而不只是加重处罚或反复宣传。文章用威慑模型说明，犯罪预期成本由被查获概率与惩罚强度共同决定；更稳定的执法、检查和社会规范能让大多数人提前放弃危险行为，再把资源集中到仍然违规的少数人。
May 20247 threads
为什么当价格以0.99结束时，你会花更多的钱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。
如何制定战略的起点？组织并非没有战略；只要持续做出选择，就已经形成了事实上的战略。文章指出，正式战略文件常被口号和规划替代，却与资源配置和实际行动脱节。制定战略的起点不是从空白写愿景，而是识别当前正在执行的选择、它们产生的结果和隐含假设，再决定哪些应保留、改变或停止。
风险的重要性Ashley 说：“许多局面在没有牺牲一些有价值的东西的情况下是无法赢得或保住的，从卑微的兵到强大的皇后。” 故意失去一枚棋子作为个人游戏计划的一部分就是 Ashley 所指的牺牲。大多数其他投资都需要做出真正的牺牲，承担损失的风险，以追求“既非即时又非切实可及”的收益。Ashley 继续谈到牺牲，用投资者熟悉的风险/回报术语来描述。”（强调添加） 这就是：风险的重要性所在。由于未来本质上是不确定的，我们通常需要在（a）避免风险且几乎没有回报、（b）承担适度风险并接受相应适度的回报，或者（c）承担高度不确定性以追求巨大收益，但也要接受可能造成重大永久损失的可能性之间做出选择。每个人都希望有机会以很小的风险获得巨大的收益，但通常市场的“高效性”排除了这种可能性，因为这意味着市场中的其他参与者并非傻瓜。获得高回报，无论是绝对回报还是相对于市场上其他投资者的回报，都要求您承担有意义的风险，可能是在追求绝对收益时承担损失的可能性，也可能是在追求超额表现时承担表现不佳的可能性。
一个实用的生产力衡量标准一个实用的生产力衡量标准的重点在于把概念放进具体使用场景，而不是停留在名称或口号上。围绕这个主题，需要同时看清问题产生的背景、已有做法的局限，以及新方法试图解决的真实矛盾。判断它是否有价值，不能只看技术或观点本身，还要看它怎样改变用户行为、组织流程、成本结构和长期风险。如果只保留一个结论，就是任何看似简单的趋势背后，都有数据、制度、工具和人的选择共同推动。真正可靠的理解方式，是把抽象判断落到具体行动：谁在使用它，解决什么麻烦，付出什么成本，又会把哪些旧问题变成新的约束。这样看，重点就不只是得到一个漂亮说法，而是形成可以比较、复盘和继续改进的判断框架。这种写法也能避免空泛评价，把读者带到可执行的层面，知道下一步该观察哪些信号。
简单真理：生活中重大问题的明晰温和指引肯特·纳伯恩的《简单的真理：生活中重大问题的明晰而温和指引》 教育是生活中的一大乐事和慰藉。它为我们提供了理解周围世界的框架，让我们能够跨越时间和空间，触及他人的思想和感情。无论你可能认为，你的工作只是为了赚钱，实际上，你的工作塑造了你的个性，因为那是你花时间的地方。他们对金钱的处理方式取决于他们对金钱的看法，而不是取决于他们拥有多少金钱。” 那些能够根据自己的需求来衡量金钱的人，可以通过控制自己的需求来掌控自己的生活。当你无法维持生计时，金钱就成为你生活的核心，因为你对它的缺乏感到痴迷，你的心很快就充满了绝望和愤怒。这意味着懂得如何掌控自己的生活 — 如何维修和保养周围的事物，如何明智地购买，当无法购买时则不购买，以及如何从生活中的简单乐趣中获得快乐。他们不愿冒自己理解的安全风险，意识到他们的经历实际上是多么微不足道和有限。更好的是，你应该接受生活的节奏，并明白有时候你需要停下来喘口气，无论你面前的劳动有多么艰巨。
如何训练自己更聪明地了解人工智能的方法？理解人工智能不能只追逐新闻、工具和提示词，还需要建立能反复使用的心智模型。文章建议主动学习模型能力、限制、经济激励和社会影响，比较不同观点，并通过实践验证判断。信息更新很快，真正重要的是形成一套能辨别宣传、评估风险和决定行动的思考框架。
如何运用可能性思维？可能性思维要求暂时跳出当前限制，先想象哪些新的经验、关系、工具或安排可能让问题变得可解。文章通过可能性地图和练习，引导读者从具体问题开始，生成多种未来路径，再评估哪些尝试能把想象推进为现实。它适合创意、组织和关系问题，但仍需要结合约束与行动验证。
April 20247 threads
LLaMA 3：大模型之战的新序幕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。
如何才能开发出革命性的思维工具？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。