MacTalk
订阅
MacTalk 开通于2012年末,内容起于 Mac 而不止 Mac,内容覆盖了技术、创业、产品和人文思考。文风有趣,又有一点力量。
MacTalk微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ 4 / 11
中年后的领悟:人最终活的是人与人的连接 以前大部分人的生活轨迹是工作到退休,然后逐步失去社会连接,闲坐十年, 带孙子孙女,买菜做饭,融入大爷大妈的广场舞池里。 现在呢,你以为你要和 AI 连接?没那事儿。AI 将来都会和 AI 连接,那叫 A2A,人家才没功夫理你,人们勉强跟上 AI 的步子,不被落太远就不错了。人最终还得和人玩。 另外,终身学习大概率是需要的。找不到工作容易,退休很难,年轻人都不生娃了,孙子也没得到抱了,那么,我们最终能拥有什么呢?就是人和人的连接。 首先是你和家庭的连接,爱人父母子女等等,有个和睦并充满生命力的家庭非常难得,冷暴力要不得,摧毁心力的东西。 其次是和你的团队、朋友,其实团队更重要。朋友不一定总见,团队是天天见面。随着年龄增加,有个稳定的小团队,一起做开心的事情非常重要。大公司很难做到这样,铁打的营盘流水的兵。小团队好一些,比如贾樟柯有稳定的团队,崔健有稳定的团队,许知远的单读也有个稳定的团队。墨问也在向这个方向努力。有人离开不要紧,有个稳定的内核团队,是最重要的,这样的内核可以是两个人,也可以是五个人,你知道对方“always have your back”。这是一件很幸福的事情。 第三,如果你在做产品,不要忘记和用户的连接,不仅是线上,还有线下。这一点我去年做得不好,瞎忙,差不多宅了一年,几乎没参加什么公开活动,墨友也没怎么见,人都有点迟钝了。二爷说我再这样下去可能大步流星奔向老年痴呆的阴凉小道,话说他也没咋动啊。 所以今年我们线下也会多做连接。 如果你长时间坐在河岸边,自然可以看到鱼儿游动,河水潺潺,花开叶落,四季流转,这时候最好有人和你一起,有静有动,有张有弛,才是生活。
^__^ 4 / 10
可能是最好的免费在线实战课程:Learn Claude Code 一共 19 章节、4 个阶段,从最小闭环一路搭到多 Agent 平台与外部能力总线,有解说和代码,还有示意图,做的非常好。地址是: https://learn.shareai.run/zh/ 认真学完这套内容,你大概能够明白 Claude Code 这个 Agent 工具是怎么运转的,也会对现在非常热门的 harness 有个详细的了解。对了,说说 harness。Agent 在去年就人尽皆知了,与之相伴的 harness 为啥现在才冒出来?最近好多人问我 harness 是啥东西,为啥这么火?我先给大家推荐最近在看的两本电子书,能读书的,直接去读书更好:《Harness Engineering:Claude Code 设计指南》和《Claude Code 和 Codex 的 Harness 设计哲学》。 pdf 版本我放到墨问里了,打开即可下载和阅读全文: harness 为啥现在才冒出来(pdf 下载)? 那么 harness 是什么呢?这套技术框架,其实在 Agent 诞生之后就如影随形的发展,因为它就是套在模型外面的一整套“驾驶系统”。模型像发动机,harness 像方向盘、刹车、仪表盘、导航、自动纠错、维修手册,外加一个副驾。没有这些约束和规则,模型再聪明,也很难稳定地把一件复杂的长任务做完。 Cursor 年初就写过一篇:使用智能体编码的最佳实践, harness 建立在三个组件之上: 1)Instructions:引导智能体行为的 system prompt 和规则2)Tools:文件编辑、代码库搜索、终端执行等工具3)Model:你为任务选择的智能体模型并强调,不同模型要配不同的 instructions 和工具编排。比如一个 coding agent 要改代码,harness 会管这些事:做计划、写代码、测试、失败了要不要重试、上下文太长了怎么压缩、多 agent 怎么分工、哪些操作需要批准、怎么把中间结果存到文件系统里等等。Anthropic、OpenAI、Cursor、LangChain 2026 年都开始普及 harness,我猜测是模型能力的进步没那么快了,得卷工程,也就是运行时能力。同一个模型,给它不同的 harness,表现可能差很多。并且,不同模型对同一提示的反应方式不同,有的偏爱 shell,有的需要被明确提醒去跑 linter,所以现在很多工具,比如 Claude Code、Cursor 等都会给不同的模型调用不同的 instructions 和 tools。 2025 年大家都知道 Agent 能干活了,但为什么这货有时候特别能干,有时候又会失忆一样发生死循环、代码库搞的乱七八糟等等,这时候 harness 就从幕后走到台前了。就这么回事,现在学一点不晚。
^__^ 4 / 07
Andrej Karpathy 现在成了一个超级 AI 明星。他最近主推的一个 LLM+ MD + Wiki 的个人知识库特别火,很多人根据他的理论做了自己的知识库。AK 是这么描述这件事的:“最近我发现一件非常有用的事情:用 LLM 来为自己感兴趣的研究主题构建个人知识库。这样一来,我最近大部分的 token 消耗,不再是用来「操作代码」,而是用来「操作知识」(这些知识以 markdown 和图片的形式存储)。最新的 LLM 在这方面已经相当好用了。所以我的做法是这样的:我先把各种源文档(文章、论文、代码仓库、数据集、图片等)索引进一个 raw/ 目录,然后用 LLM 逐步「编译」出一个 wiki,也就是一组按目录结构组织起来的 .md 文件。这个 wiki 里包含了 raw/ 里所有数据的总结、反向链接,然后还会把数据归类到不同概念下,为这些概念撰写条目,并把它们全部串联起来。为了把网页文章转成 .md 文件,我喜欢用 Obsidian Web Clipper 插件,然后我还会用一个快捷键把相关图片都下载到本地,这样我的 LLM 就能更方便地引用这些图片”。大概就这么回事。以前做知识库,后台得接一套工业系统,比如墨问时间知识库,就用了火山的知识库、向量库等技术,也就是人们常说的 RAG,其实还是挺好用的,就是需要依赖第三方平台,否则你就得自己做向量数据库了,对吧?现在 AK 这套理论让你把一堆文本和图片丢给大模型,让大模型自己做索引和构建,做成 MD + Wiki 再用一些类似 OB 的软件做展示,就可以直接阅读和提问。我看过不少人做出来的样子,很像墨问时间知识库的一个玩具版本,但确实可用。为什么以前做知识库都要用 RAG 呢?因为 RAG 显然更精确,并且支持超大规模的数据。现在能基于 Markdown 和图片做自己的知识库,一方面是自己用,另外核心原因是模型能力进步了。在中小规模的数据集上,LLM 本身已经具备足够强的检索和组织能力。换句话说,很多过去需要靠精心设计的工程系统来完成的事情,如今可以直接交给模型本身去做。模型能力吞噬软件,一点也不假。为了完善这套系统,AK 还设计了一些运维机制和信息补全的能力,不过这些不重要,重要的是,我们会发现,模型能力越强,吞噬的软件能力也就越多。不过目前,对于精确的规模性和工程化的知识库产品,我还是推荐使用 RAG 能力。我自己对 AK 这套理论和实践一点不陌生,是因为我在 3 月底就用类似的方式通过 CC 把墨问创作指南做成 Skill 知识库了。我的实践:Andrej Karpathy 的这招我早就用过了
^__^ 4 / 05
A 厂终于砍断了龙虾的供给通道。昨天看到 A 厂的 Claude Code 创始人 Boris Cherny 宣布,从太平洋时间今天中午 12 点起,Claude 订阅将不再覆盖 OpenClaw 等第三方工具的使用。也就是说,你不能用那个每月 20 刀或者 200 刀的订阅费用养龙虾了,这个通道关闭了。 Anthropic 的逻辑是:Claude 订阅是给官方产品(http://Claude.ai 、Claude Code 官方)用的,不是给第三方工具"薅羊毛"的。第三方工具用量大、模式不一样,影响了官方对容量和成本的管控。大概这么个情况。对 OpenClaw 用户的影响是:如果你之前的 OpenClaw 是用你的 Claude 订阅 token 来工作的,之后就得额外购买 Anthropic 的"额外使用套餐"(有折扣)或者自己找第三方 API Key 养龙虾了。简单说就是:订阅和 API 要分开,不能混着用订阅额度了。我自己对这件事情比较无感,因为我的 Claude 账户早就被封了,现在用 CC 和 养龙虾都是第三方国产 API,那么这件事说明了啥呢?第一,Anthropic 在重新划清订阅和 API 用量的边界。之前 Claude 订阅相当于是“通吃”:你买了会员,不光能在官方产品里用,还能被 OpenClaw 这种第三方拿来“转手利用”,相当于用一份订阅,养了不止一个产品。现在他们明确说:订阅只给官方前端用,第三方想吃算 API 生意,单独付费。这是从“有点模糊”的早期策略,转向更精细的商业化和成本控制。第二,OpenClaw 的用户量确实不小,这类工具的用量其实已经大到让官方感到压力了。公告里提到第三方用量大、模式不一样、影响容量和成本管控,说明这不是“顺带一提”的小流量,而是已经足以扰动官方对资源规划。换句话说——龙虾真被大家养起来了,而且吃得不少。第三,是对“薅订阅羊毛”的生态一次敲打。很多第三方工具的模式是:利用个人订阅或便宜的官方套餐,加一层产品体验,赚差价或吸引用户,俗称套壳套利。短期看,用户和开发者都会获利;但从官方视角,这相当于绕开了他们原本的 API 计费模型。现在这一刀下去,其实是在告诉整个生态:你要做严肃的第三方产品,就老老实实走 API 商业路径,不要指望一直蹭订阅的红利。第四,看一下模型榜单就知道了 Claude 和 GPT 的竞争最激烈,现在 OpenClaw 已经算 OpenAI 的产品了,从商业角度,A 厂也不希望用自己的 Token 去喂 OpenClaw。第五,未来的厂和厂,国与国之间的竞争,都和模型能力、产品体验和 Token 数量有关系。这真是个 Token 燃烧的年代。