Pretext

纯数学算法绕过浏览器DOM排版系统，使网页排版速度提升500倍，支持杂志级图文环绕和多栏布局，能解决网页编辑器卡顿问题。

 

 

“语言模型的向量空间里，不是纯离散的点，而是一个连续的平滑语义地图，真实世界的语言是这个高维流形中采样的点”

进一步的理解，甚至这个高维流形并不是表面上的词句流形，而是非常深度的概念流形，这个流形会穿透自身。

构建提示词的过程就是在扭动拉伸这个流形，改变概念的权重，让流形上某些区域高维空间距离更近。推理过程就是缓慢的，找一条流形上更优的在某个shell 内的测地距离，配合提示词，找到通向目标概念的局部最佳路径。

拆成智能体多次QA就是在流形上建立检查点。

 

电力-token

中国每年发电量超9万亿度，占全球1/3，正将西部戈壁滩0.18元一度的绿电转化为全球最便宜的算力

"东数西算"战略布局，内蒙古等地的风电光伏直接对接数据中心，把电力包装成"词元"(Token)出口——DeepSeek V3每百万词元仅1-2元，不足GPT-5价格的1/50

今年2月全球51.2%的AI词元由中国模型提供，其中47%用户来自美国。这种"电力换皮出海"模式，让每度电经算力转化后价值提升20倍，形成从风光发电、硬件制造到算力封装的完整产业链，成为贸易顺差新增长点。

 

 

Claude的/dream

解决了跨会话记忆难题，模拟人类REM睡眠自动整理记忆

输入"dream"可手动触发，系统分四步：扫描记忆构建地图、提取会话关键信息、清理过时内容合并有效信息、重建记忆索引

适用于项目重构或会话混乱时使用，保持记忆连贯性，提升工作效率。

 

 

https://meet.google.com/mck-zwwg-oni

跨系统的 debug ，trubble shotting ，架构设计

 

学一件事很简单.明白它每个细节的意义.就可以记得很通透了.

 

 

2025年底访谈

1. "当我们无法掌控这些目标时，会发生什么？"——约书亚·本吉奥  

2. "我在英伟达的48块GPU上重复了该实验。"——比尔·戴利  

3. "花了40年才走到这一步，因为我们没有足够的计算能力。"——杰夫·辛顿  

4. "问题在于数据缺失，大数据驱动机器学习。"——李飞飞  

5. "人们研究的是训练机器，而不是为它们编程。"——杨立昆  

6. "人工智能需要工厂来生产这些token。"——黄仁勋

 

 

3月

RuView（仅用WiFi信号实现人体姿态和生命体征监测）

Understand-Anything（将代码库转化为交互式知识图谱）

UI-UX Pro Max（多平台专业设计工具）

Anthropic官方技能库

 

Anthropic内测Claude 5.0"卡皮巴拉"

OpenAI全力开发GPT-6"马铃薯"

Google升级Gemini语音模型并推出TurboQuant压缩算法

Figma实现设计与代码双向同步

 

 

清华ChatDev项目GitHub地址：https://github.com/OpenBMB/ChatDev。

这是一个多智能体协作开发框架，自然语言描述需求，自动完成需求分析、编程和测试全流程，支持零代码搭建AI团队协作工作流。

 

 

技术非护城河，私有数据才是核心竞争力

 投资方向："光铜电冰存"

   - 光：光通信/长距离传输

   - 铜：短距离铜缆连接

   - 电：电力基础设施

   - 冰：液冷散热技术

   - 存：存储芯片与内存

 

发展：

   - 将AI视为"电子龙虾"培养，形成专属工作流

   - 用AI放大能力，而非被替代

 

AI早期项目水分大，建议避开一级市场泡沫，关注基础设施赛道。

 

 

AI工程真实技术栈：1353篇面经分析 auto

「工具人研究所」AI 岗位系列报告

 

上期用1608个JD看全景，这期用面经透视大厂真实技术栈。纯牛客1353篇面经、6867个面试问题、36家独立公司。

 

技术栈覆盖度：AI Agent 31家公司覆盖排名第一，微调30家，LLM基础28家，RAG 28家 — 构成行业底座。7/10 个技术 tag 被头部公司全覆盖，底座高度趋同。

 

MCP信号：19家公司在考，全部2025+面经，零起点爆发。JD提及率~10% vs 面经19家覆盖，面试先行。

 

公司差异：美团MCP 23.4%全场最高，快手RAG 48.8%全场最高，字节Agent 42%，阿里Agent+RAG双44%+。

 

底座三角：Agent架构 + RAG + LLM原理。

 

局限：纯牛客样本偏大厂、选择性偏差、滞后性。不是备考指南，是行业技术趋势分析。JD看全景，面经看趋势，持续跟踪技术栈变化。

 

 

LangChain、LangGraph、LangSmith到底各管什么？

从“单次调用LLM”到RAG流水线、工具调用、Agent循环，再到图结构工作流和上线后的监控评估