Twitter/X · @dotey · 8月4日 18:43 UTC · 喜欢 27 · 转发 1 · 回复 27 · 浏览 20924
话说微信的 Agent 如何了？未来是 WorkBuddy 更有前途还是微信 Agent 更有前途？
从 62 条内容中筛选出 15 条重要资讯。
- Cloudflare 用 AI 流水线将 Astro 问题数降至零 ⭐️ 8.47/10
- DeepSeek V4 Flash 在单颗 AMD MI300X 上运行 ⭐️ 8.3/10
- LLM 0.32 新增推理痕迹、服务端工具和 OpenAI Responses API 支持 ⭐️ 8.3/10
- Swiftlet：在 Mac 上运行 80B Qwen 仅需 4.3GB 内存，在 iPhone 上运行 35B 版本 ⭐️ 8.03/10
- Gwern 退出全职写作，推出个人 AI 代理 Guardian Angel ⭐️ 8.0/10
- llm-anthropic 0.26 新增 Claude 5 模型和服务器端工具 ⭐️ 8.0/10
- Cloudflare 为 AI 代理推出可编程钱包 ⭐️ 8.0/10
- Cloudflare 开源 ‘computer’：用隔离环境替代容器 ⭐️ 8.0/10
- 面壁智能开源 ForgeStencil：一周自动优化百款工业与科学软件 ⭐️ 7.95/10
- Soup v0.72.4 让 4GB 显存笔记本 GPU 也能微调 8B 模型 ⭐️ 7.83/10
- SpecForge v0.3.0 统一解耦投机解码栈 ⭐️ 7.8/10
- GitHub 用堆叠式 PR 拆解 AI 巨型代码 ⭐️ 7.67/10
- MiniMax-H3 全模态模型现可通过 MLX 在 Apple Silicon 上运行 ⭐️ 7.3/10
- Guillermo Rauch：以代理为主导的增长是初创公司的未来 ⭐️ 7.0/10
- Aaron Levie：开放权重模型重塑 AI 行业 ⭐️ 7.0/10
Cloudflare 用 AI 流水线将 Astro 问题数降至零 ⭐️ 8.47/10
Cloudflare 在 Astro 仓库上运行自动化 triage 流水线，通过隔离的 AI 子代理复现、诊断并修复 bug，将开放 issue 从 200 多个降至约 30 个，预计下月归零。 这展示了 AI 代理在自动化 bug 分类和修复中的实际高影响力应用，显著减轻了维护者的工作负担并改善了项目健康状况。开源框架 Flue 的发布为其他项目实现类似自动化提供了可复用的工具。 该流水线为每个 triage 阶段（复现、诊断、验证、修复）使用隔离的 AI 子代理，以避免 LLM 偏见，并将结果汇总到 report.md 文件中。它由 issue 标签驱动，并自动发布预览版本供用户验证。底层引擎 Flue 是一个开源的、平台无关的 TypeScript 框架，用于构建持久化智能体。
aihot · Cloudflare Blog · 8月4日 13:00 · 中文阅读
核验: 多源印证
背景: Issue triage 是开源项目中审查和分类 bug 报告的过程，对维护者来说可能非常耗时。AI 代理是可以自主执行任务（如复现 bug 和提出修复）的程序。Cloudflare 的方法使用一系列这样的代理来自动化这一过程，并将该框架开源为 Flue。
标签: #AI agents, #automation, #open source, #developer tools, #issue triage
DeepSeek V4 Flash 在单颗 AMD MI300X 上运行 ⭐️ 8.3/10
一个开源仓库提供了在单颗 AMD MI300X GPU 上生产运行 DeepSeek V4 Flash 的完整配置与补丁，单流解码速度达 168.6 tok/s，8 并发流聚合吞吐达 542 tok/s，并支持 256K 上下文窗口。 该实现使得在单颗 AMD GPU 上对大型混合专家模型进行生产级推理成为可能，为基于 NVIDIA 的解决方案提供了高性价比替代方案，并展示了 AMD 硬件在大型 AI 推理中的能力。 该实现运行在配备 192GB HBM 的单颗 MI300X 上，无需额外量化或权重卸载，但将上下文窗口从原始的 100 万 token 缩减至 256K token。该模型为 DeepSeek V4 Flash 0731，是一个 2840 亿参数的混合专家模型，每 token 激活 130 亿参数。
hackernews · zhoutong · 8月4日 10:00 · 社区讨论 · 中文阅读 · 2 个来源
核验: 多源印证
背景: DeepSeek V4 Flash 是一个混合专家（MoE）模型，总参数量为 2840 亿，但每 token 仅激活 130 亿参数，因此推理效率较高。AMD MI300X 是一款数据中心 GPU，配备 192GB HBM 内存，专为 AI 和高性能计算工作负载设计。在单颗 GPU 上运行如此大的模型因内存需求而具有挑战性，但该实现利用了 MI300X 的大容量内存和模型的 MoE 架构，实现了高吞吐量。
社区讨论: 社区讨论指出了硬件可用性问题，MI300X 仅作为 8-GPU 板卡的一部分提供，成本约 25 万欧元，而非单颗出售。部分用户提到了 DwarfStar 等先前工作以及上下文窗口缩减的权衡，但总体认为该实现是一项实用的成就。
标签: #DeepSeek, #AMD MI300X, #open source, #AI inference, #MoE
LLM 0.32 新增推理痕迹、服务端工具和 OpenAI Responses API 支持 ⭐️ 8.3/10
LLM 0.32 是开源命令行 AI 工具的重大更新，新增了可见推理痕迹、服务端提供者工具、重新设计的内容可寻址 SQLite 日志，并集成了 OpenAI Responses API。它还引入了新模型，如默认使用的 GPT-5.6 Luna。 此版本显著增强了 LLM 对开发者的能力，实现了模型推理过程的透明化、直接使用代码执行和网络搜索等服务端工具，并改进了日志记录以确保可重复性。它使 LLM 成为通过命令行与各种 AI 模型交互的更强大、更灵活的工具。 推理痕迹默认显示到标准错误输出，并可通过选项隐藏。服务端工具包括 OpenAI 的 CodeInterpreter 和 WebSearch，以及 Anthropic 的 WebSearch、WebFetch、CodeExecution 和 MCP 连接器。新的 ‘llm openai endpoint’ 命令允许对任何兼容 OpenAI 的端点执行一次性提示，且不记录日志。
rss · Simon Willison · 8月4日 23:58 · 中文阅读 · 2 个来源
核验: 多源印证
背景: 推理痕迹是推理模型（如 GPT-5.6）生成的逐步思考过程，使用户能够看到模型的内部推理过程。服务端工具是由 AI 提供者提供的、在其基础设施上运行的函数，例如代码执行或网络搜索，扩展了模型在文本生成之外的能力。OpenAI Responses API 是一个较新的接口，通过结合聊天补全和高级工具调用，简化了构建代理应用程序的过程。内容可寻址 SQLite 日志使用哈希来标识日志条目，提高了完整性和去重能力。
参考链接
标签: #LLM, #AI developer tools, #open source, #reasoning traces, #OpenAI Responses
Swiftlet：在 Mac 上运行 80B Qwen 仅需 4.3GB 内存，在 iPhone 上运行 35B 版本 ⭐️ 8.03/10
Swiftlet 是一个 Swift + Metal 运行时，通过从存储流式加载专家权重，仅将小型稠密核心驻留内存，从而在 Apple 设备上高效运行大型 Qwen MoE 模型。例如，80B 参数的 Qwen3-Next 模型在 Mac 上仅需 4.3GB 内存，而 35B 模型可在 iPhone 17 上以约 2.5GB 内存运行。 这大幅降低了在消费级 Apple 设备上运行大型语言模型的硬件门槛，使强大的 AI 无需昂贵专用硬件即可使用。它展示了一种在边缘设备上部署 MoE 模型的实用方法，有望加速设备端 AI 应用和隐私保护推理。 该运行时目前支持 Qwen3-Next 和 Qwen3.5/3.6 MoE 模型。35B 模型在 M5 Mac 上达到每秒 7-11 个 token，在 iPhone 17 上约每秒 1 个 token；80B 模型达到每秒 4.5-5 个 token。每个 token 仅激活约 3B 参数，因此模型在对话和写作方面表现如大型模型，但事实回忆能力类似小型模型。
aihot · Hacker News 热门（buzzing.cc 中文翻译） · 8月4日 06:32 · 中文阅读
核验: 多源印证
背景: 混合专家模型（MoE）是一种神经网络架构，通过门控网络为每个输入动态选择一小部分专家子网络进行计算，使模型在保持较低计算成本的同时拥有大量总参数。Qwen 是阿里巴巴云开发的一系列大型语言模型，其中许多是开源的。Swiftlet 利用 MoE 模型的稀疏激活模式，按需从存储流式加载专家权重，与将整个模型加载到内存相比，大幅降低了内存需求。
参考链接
标签: #AI模型部署, #Apple设备, #MoE, #开源AI工具, #Swift
Gwern 退出全职写作，推出个人 AI 代理 Guardian Angel ⭐️ 8.0/10
Gwern 宣布他将停止全职写作和匿名身份，推出 Guardian Angel，这是一个个人 AI 代理，旨在成为用户的“数字孪生”，模仿用户的个性、价值观和偏好，而不是充当通用助手。 这一公告意义重大，因为它将焦点从通用 AI 助手转向深度个性化、与用户对齐的代理，解决了关于 AI 对齐的关键担忧以及当前优先考虑公司而非用户的经济激励问题。 Guardian Angel 被描述为一种“数字孪生 LLM”，旨在通过与用户完全对齐来提高生产力和安全性。Gwern 随附的文章概述了该项目背后的哲学和技术动机。
hackernews · mattsterett · 8月4日 20:48 · 社区讨论
核验: 多源印证
背景: Gwern 是一位知名的独立研究员和作家，经常以匿名身份为 AI、统计学和理性主义社区做出广泛贡献。多年来，他一直在 gwern.net 上大量写作。Guardian Angel 代表了他进入构建个人 AI 代理的新尝试，该代理优先考虑用户对齐而非企业利益。
社区讨论: 社区反应不一：一些人赞扬 Gwern 的愿景和人性，而另一些人则表示怀疑，称该项目是一种“狂热”，高估了 LLM 的能力。对《加速》等科幻概念的引用突显了 AI 超越人类理解的快速进化。
标签: #AI agents, #product launch, #AI alignment, #personal AI, #Gwern
llm-anthropic 0.26 新增 Claude 5 模型和服务器端工具 ⭐️ 8.0/10
llm-anthropic 0.26 引入了三个 Claude 5 模型（Fable、Sonnet、Opus），并新增了 WebSearch、WebFetch、CodeExecution 和 AnthropicMCP 等服务器端工具，可通过 LLM 的 -T 接口或 Python tools= 参数使用。 此版本将最新的 Claude 5 模型引入 LLM 命令行生态系统，使开发者能够直接从终端利用 Anthropic 最先进的 AI 能力。新增的服务器端工具简化了与外部服务的集成，扩展了基于 LLM 的工作流程的功能。 此更新需要 LLM 0.32 或更高版本，该版本引入了推理、工具调用和结果的流式类型事件。扩展思考已简化为 ‘thinking’ 和 ‘thinking_effort’ 参数，Claude 5 模型默认进行思考；Sonnet 5 和 Opus 5 可以禁用思考，但 Fable 5 始终进行思考。
rss · Simon Willison · 8月4日 22:00
核验: 多源印证
背景: LLM 命令行工具由 Simon Willison 创建，提供了一个统一的界面，用于在终端中与各种大型语言模型交互。模型上下文协议（MCP）是 Anthropic 于 2024 年推出的开放标准，用于将 AI 应用程序连接到外部工具和数据源。WebSearch 和 CodeExecution 等服务器端工具是 MCP 的一部分，允许模型通过标准化接口执行网页搜索或代码执行等操作。
参考链接
标签: #Claude, #MCP, #AI developer tools, #LLM, #server-side tools
Cloudflare 为 AI 代理推出可编程钱包 ⭐️ 8.0/10
Cloudflare 推出了一个可编程的 AI 代理钱包，每个钱包拥有唯一的地址和用户名，使代理能够自主支付 API 和内容费用。该钱包是 Cloudflare Agents SDK 的一部分，分为人类拥有的账户钱包和专为代理设计的虚拟钱包两种类型。 此次发布解决了 AI 代理的关键基础设施缺口：支付和身份认证。它使代理能够在受控预算内自主操作，对日益增长的自主 AI 代理和开发者工具生态系统至关重要。 虚拟钱包支持支出上限和白名单以实现受控预算，而账户钱包允许人类委托支出权限。通过 Cloudflare Pay 的身份关联是可选的，代理可以选择代表某个组织或保持匿名。
twitter · 歸藏(guizang.ai) · 8月4日 15:08
核验: 多源印证
背景: AI 代理是能够自主浏览网站、查询 API 和进行购买的软件程序。它们需要支付服务和建立身份的方式。Cloudflare 钱包提供了这一基础设施，使代理能够在预设预算内运行，并可选择与组织关联，从而解决了支付和身份认证两大挑战。
参考链接
标签: #AI agents, #Cloudflare, #AI developer tools, #payment infrastructure, #identity
Cloudflare 开源 ‘computer’：用隔离环境替代容器 ⭐️ 8.0/10
Cloudflare 发布了开源库 ‘computer’ 的早期预览版，提出使用隔离环境（isolates）而非容器来运行 AI 代理，以解决全球算力限制问题。 从容器转向隔离环境可以大幅减少数十亿并发 AI 代理所需的计算资源，使大规模代理部署更加可行且成本更低。 该库提供了一个由 SQLite 支撑的持久化虚拟文件系统工作区，隔离后端将 shell 命令翻译为 JavaScript 运行，容器后端通过 FUSE 提供完整 Linux 支持。
twitter · indigo · 8月4日 07:57
核验: 多源印证
背景: 隔离环境（isolates）是一种轻量级执行环境，能在同一进程内独立运行多段代码，启动速度更快、开销更低。Cloudflare 多年来在其 Workers 无服务器平台和 Durable Objects 有状态应用中使用了隔离环境。对于需要持久状态和计算的 AI 代理，隔离环境比容器更具可扩展性，因为容器更重且消耗更多资源。
参考链接
标签: #AI agents, #Cloudflare, #isolates, #developer tools, #scalability
面壁智能开源 ForgeStencil：一周自动优化百款工业与科学软件 ⭐️ 7.95/10
面壁智能联合 OpenBMB 开源了全球首个支持 Stencil 自动研究与部署的 AI 优化系统 ForgeStencil，通过 Kernel Agent 与 App Agent 的闭环协作，实现了从算子优化到应用集成的全自动流程。 该系统能在一周内自动优化超过 100 款工业与科学软件，全程无需人工介入，极大加速了软件性能调优并减少了人力成本，代表了 AI 驱动软件优化的重大突破，使高性能计算更加普及。 ForgeStencil 采用两个 AI 智能体：Kernel Agent 负责算子级优化，App Agent 负责应用集成。它是首个同时实现 Stencil 计算自动研究与部署的系统，Stencil 是科学计算中常见的模式。
aihot · 公众号：面壁智能（MiniCPM） · 8月4日 04:20 · 中文阅读
核验: 多源印证
背景: Stencil 计算是一类广泛应用于科学和工程模拟的算法，例如天气预报和物理模拟，其中每个网格点根据相邻点进行更新。手动优化这些计算耗时且需要专业知识。ForgeStencil 利用 AI 智能体自动化这一过程，使其更高效且易于更多开发者使用。
标签: #AI agents, #开源 AI 工具, #自动化工作流, #产品发布, #AI 优化系统
Soup v0.72.4 让 4GB 显存笔记本 GPU 也能微调 8B 模型 ⭐️ 7.83/10
Soup v0.72.4 现在允许在配备 4GB 显存的消费级笔记本 GPU 上通过 QLoRA 微调 8B 模型，无需云服务或 SSH。 这一突破显著降低了大语言模型微调的门槛，使拥有普通硬件的开发者无需昂贵的云基础设施即可定制模型。 Soup v0.72.4 将冻结的基础模型从 CPU RAM 逐层流式传输到 GPU 显存缓冲区，仅 LoRA 适配器常驻显存。同时，将流式传输的基础模型量化为 NF4 格式，使其大小缩减约四倍，从而将峰值显存限制在单个解码器层。
aihot · Hacker News 热门（buzzing.cc 中文翻译） · 8月4日 18:17 · 中文阅读
核验: 多源印证
背景: QLoRA（量化低秩适配）是一种参数高效的微调技术，它将 4 位量化与低秩适配（LoRA）相结合，大幅降低了大语言模型微调所需的内存。传统上，微调 8B 模型需要至少 16GB 显存，这使得消费级 GPU 无法胜任。Soup 的方法通过流式传输模型层进一步优化了内存使用，从而在仅 4GB 显存上实现微调。
标签: #AI developer tools, #open-source AI tools, #QLoRA, #model fine-tuning, #low-resource training
SpecForge v0.3.0 统一解耦投机解码栈 ⭐️ 7.8/10
SpecForge v0.3.0 已发布，统一并解耦了投机解码栈。它将目标模型推理与草稿模型训练分离，并支持 EAGLE3、EAGLE3.1、P-EAGLE、DFlash、Domino、DSpark 等多种算法。 此版本简化了投机解码（一种加速大语言模型推理的关键技术）的开发与部署。通过提供统一框架，研究人员和工程师可以轻松实验并集成不同的草稿模型和算法。 该框架统一了在线、离线与解耦工作流，支持灵活的使用场景。它由 SGLang 团队开发，旨在将训练好的草稿模型平滑移植到 SGLang 推理引擎中。
aihot · LMSYS：Blog（Chatbot Arena 团队） · 8月4日 17:51 · 中文阅读
核验: 多源印证
背景: 投机解码是一种针对自回归大语言模型（LLM）的推理时优化技术，每个解码步可生成多个 token。一个小型草稿模型提出候选 token，大型目标模型通过单次前向传播验证它们，在保持原始输出分布的同时降低延迟。SpecForge 是一个用于训练此类草稿模型并将其与 SGLang 推理系统集成的框架。
标签: #speculative decoding, #AI inference, #open source tool, #LMSYS, #EAGLE
GitHub 用堆叠式 PR 拆解 AI 巨型代码 ⭐️ 7.67/10
GitHub 推出了堆叠式 Pull Request 方法，将 AI 生成的大型代码差异拆分为多个可审查的小层。该方法将一个超过 1000 行的差异按数据、API、接线和 UI 分成四个独立层，每层可分配给不同的审查者。 这解决了 AI 辅助编程中的一个关键痛点：审查庞大且难以理解的单一差异。通过支持增量、聚焦的审查，它提高了代码质量和开发者的生产力。 堆叠式 PR 方法将一个超过 1000 行的差异拆分为四个层：数据、API、接线和 UI。每一层可以由不同的审查者独立审查，使审查过程更易于管理。
aihot · GitHub Blog · 8月4日 16:47 · 中文阅读
核验: 多源印证
背景: 堆叠式 Pull Request，也称为依赖或链式 PR，是指创建基于其他 PR 的 PR。这种工作流允许开发者将大型变更拆分为更小、更渐进的步骤，便于审查。GitHub 的方法专门针对审查 AI 生成代码的挑战，这类代码通常产生难以一次性审查的大型差异。
参考链接
标签: #AI agents, #code review, #stacked PR, #GitHub, #AI developer tools
MiniMax-H3 全模态模型现可通过 MLX 在 Apple Silicon 上运行 ⭐️ 7.3/10
MiniMax-H3 是一个通用全模态生成系统，可接受文本、图像、音频和视频，生成最长 15 秒带音频的视频片段。Python 包 PipeNetwork/minimax-h3-mlx 将其移植到 MLX，支持在 Apple Silicon 上运行。 此次发布使得先进的视频生成功能可在本地 Apple Silicon 硬件上运行，减少了对云服务的依赖。它代表了开源全模态 AI 的重要一步，使开发者能够在自己的机器上实验多模态生成。 该模型需要约 115 GB 的模型文件，在 M5 Max MacBook Pro 上生成一段 15 秒视频耗时约 45 分钟。生成的视频音频被描述为“类似语音的垃圾”，因为未提供音频提示指导，这凸显了提示指南的重要性。
rss · Simon Willison · 8月4日 19:10 · 中文阅读 · 2 个来源
核验: 多源印证
背景: MLX 是苹果机器学习研究团队开发的用于 Apple Silicon 的数组框架，可在搭载 Apple Silicon 芯片的 Mac 上高效运行模型。全模态模型能够在一个统一系统中理解和生成多种模态（文本、图像、音频、视频），不同于早期专注于一种或两种模态的模型。
参考链接
标签: #AI, #MLX, #MiniMax-H3, #multimodal, #video generation
Guillermo Rauch：以代理为主导的增长是初创公司的未来 ⭐️ 7.0/10
Guillermo Rauch（Vercel 创始人）在推文中表示，初创公司应采用以代理为主导的增长（ALG）策略，优先让 AI 代理采用其产品，而非与人类开会。他认为，以会议为起点的公司很可能不是理想客户。 这标志着从产品主导增长（PLG）向代理主导增长（ALG）的重大转变，反映了 AI 代理作为软件主要用户的崛起。适应这一趋势的初创公司可能在不断发展的 AI 驱动市场中获得竞争优势。 Rauch 的推文使用删除线视觉上将 ‘PLG’ 替换为 ‘ALG’，将 ‘people’ 替换为 ‘agents’，强调这一转变。该策略建议代理的采用应先于人类会议，颠覆了传统的销售流程。
follow_builders · Guillermo Rauch · 8月4日 01:05
核验: 多源印证
背景: 产品主导增长（PLG）是一种市场策略，产品本身通过免费试用或免费增值模式驱动客户获取、留存和扩展。代理主导增长（ALG）是一种新兴范式，AI 代理自主发现、评估和采用软件产品，减少了对人工销售的需求。随着 AI 代理能力增强，初创公司必须设计对代理友好的产品，优化 API 和文档以实现自主交互。这一转变是从销售主导到产品主导、社区主导，再到代理主导增长这一更广泛演变的一部分。
参考链接
标签: #AI agents, #product-led growth, #startup strategy, #AI developer tools, #product adoption
Aaron Levie：开放权重模型重塑 AI 行业 ⭐️ 7.0/10
Aaron Levie 指出，接近前沿的开放权重模型正以加速的节奏发布，而当前的能力在 3-6 个月前会令人难以置信。 这一趋势从根本上改变了行业动态：模型无法长期保持专有，AI 推理成本必须接近基础设施成本，领域特定的突破变得更加可行。 Levie 强调，开放权重模型作为封闭模型的制衡力量，使得模型层与应用 AI 层之间的经济分配更加均衡。他还指出，模型可以针对特定领域问题开发，而不受大规模训练的限制。
follow_builders · Aaron Levie · 8月4日 05:23
核验: 多源印证
背景: 开放权重模型是指其学习参数（权重和偏置）公开发布的人工智能模型，任何人都可以下载和使用。前沿模型是最先进的 AI 系统，通常需要大量资源进行训练。接近前沿的开放权重模型的快速发布意味着曾经只有少数组织拥有的能力正在变得广泛可用。
标签: #open weights, #AI models, #industry analysis, #open source AI, #AI inference
更多追踪内容
以下内容已于今日成功抓取，但未进入上方主列表。
其他追踪推文
@dotey: 很好的 Harness 生产级源代码学习列表，重点推荐 pi-mono，搞透一个比每个都看看更好。 不过这列表里面还缺了一个重量级的，就是前不久泄漏的 Claude Code 源码 😜
6.0Twitter/X · @dotey · 8月4日 16:42 UTC · 喜欢 279 · 转发 56 · 回复 28 · 浏览 28746
很好的 Harness 生产级源代码学习列表，重点推荐 pi-mono，搞透一个比每个都看看更好。
不过这列表里面还缺了一个重量级的，就是前不久泄漏的 Claude Code 源码 😜
Twitter/X · @op7418 · 8月4日 15:48 UTC · 喜欢 8 · 转发 0 · 回复 9 · 浏览 3433
昨天的夕阳相当带劲了 https://t.co/wXzSLPqDN3
Twitter/X · @op7418 · 8月4日 14:30 UTC · 喜欢 4602 · 转发 525 · 回复 259 · 浏览 1017627
Introducing Cloudflare Wallets. They will allow you to store stablecoins, purchase services, and receive funds across the web. https://t.co/ucAaoKMs4Q
Twitter/X · @op7418 · 8月4日 11:09 UTC · 喜欢 65 · 转发 5 · 回复 26 · 浏览 32182
OpenAI 发了一篇文章，回应苹果关于窃取商业机密的诉讼，没想到苹果这么草台。
苹果声称今年 2 月份联系过 OpenAI 但没有收到回应。后来发现，是苹果的律师把两个亚洲姓氏搞混，把邮件发错人了。
苹果还声称和 OpenAI 的总法律顾问通过话，但其实根本没有，完全是骗人的。
之后苹果沉默了 5 个月，突然就提起了诉讼。
苹果指控其前员工在离职后访问机密信息。但事实是，苹果在职的员工主动联系这位前员工，请他帮忙寻找对应的文件，她这才进行了访问。
这一堆操作下来太搞笑了
Twitter/X · @op7418 · 8月4日 05:44 UTC · 喜欢 7849 · 转发 531 · 回复 543 · 浏览 5191998
Apple is getting this wrong.
https://t.co/IStp6WhOrS
Twitter/X · @dotey · 8月4日 04:51 UTC · 喜欢 128 · 转发 12 · 回复 16 · 浏览 17107
数据库领域有一篇经典的博文叫 MapReduce: A major step backwards，核心观点在于索引、查询优化和数据库管理是有用的，今天丢掉未来还是要捡回来，事实也是如此。
编译器也类似。直接生成二进制，token 成本首先就成问题，其次写代码不只是为了得到二进制，更是多年来对业务建模的一套模式语言。 https://t.co/HDt5EHoJpy
Twitter/X · @dotey · 8月4日 04:00 UTC · 喜欢 260 · 转发 40 · 回复 46 · 浏览 50646
最近在做 harness，建议大家把下面这些大佬的开源 harness 项目全部下载下来参考。
不会实现的 feature，就让 AI 去代码里挖一下学习。
特别是在公司内部做 harness 的 X 友们。 https://t.co/hSe6aEak4I
其他 Follow Builders 资讯
中文标题Zara Zhang: 使用 Codex 进行旅行规划的简单有效用例：将预订截图添加到 Google 日历
Follow Builders · X 动态 · Zara Zhang · 8月4日 07:06 UTC · 喜欢 3 · 转发 0 · 回复 1
Using Codex to automatically add booking screenshots to Google Calendar for trip planning.
中文摘要一个简单但有效的用例：使用 Codex 将餐厅/火车/活动的预订截图自动添加到 Google 日历中。
中文标题Amanda Askell：在英国获得世袭贵族爵位出奇地困难。比如你甚至不能再通过武力夺取，而且如果你尝试，他们只会对你生气。
Follow Builders · X 动态 · Amanda Askell · 8月4日 05:57 UTC · 喜欢 101 · 转发 2 · 回复 9
A humorous observation that acquiring a hereditary peerage in the UK is surprisingly difficult and cannot be taken by force.
中文摘要一条幽默的观察，指出在英国获得世袭贵族爵位出奇地困难，不能通过武力夺取。
中文标题Thibault Sottiaux: 有些人显然误解了，但 GPT-5.6 Luna 降价 80% 不是...
Follow Builders · X 动态 · Thibault Sottiaux · 8月4日 05:07 UTC · 喜欢 3100 · 转发 99 · 回复 367
GPT-5.6 Luna's 80% price reduction is permanent due to efficiency gains, not a temporary stunt.
中文摘要GPT-5.6 Luna 降价 80% 是永久性的，源于效率提升，而非临时噱头。
中文标题Thibault Sottiaux：基于近期观察，Codex 是个好工具，但...
Follow Builders · X 动态 · Thibault Sottiaux · 8月4日 03:37 UTC · 喜欢 7715 · 转发 278 · 回复 1118
Thibault Sottiaux predicts that Codex will seem primitive in 2-3 months and that the next generation of AI models will require more than a laptop.
中文摘要Thibault Sottiaux 预测，Codex 在 2-3 个月内将显得原始，下一代 AI 模型将需要超越笔记本电脑的计算能力。