adsrekt

vip
幣齡 0.6 年
最高等級 0
用戶暫無簡介
你的 AI 是一個黑箱,這也是它會耗盡你的錢包的原因
機械可解釋性是你打開一個大型語言模型(LLM)並映射其內部實際電路的方式
不是感覺測試
也不是「看起來有效」
是真正的神經元層級追蹤模型如何實現邏輯
現在有96%的流量進入你的端點是機器人讀取原始HTML
你的模型正在做出你無法審核、追蹤、解釋的決策
而你卻讓它掌握真正資本的鑰匙
企業的 AI 安全團隊甚至不懂自己的模型是如何運作的
他們將其包裝在 RLHF 中,並稱之為對齊
那不是安全,那是行銷
真正的挑戰在於規模——數十億個參數,我們目前只能解讀微小的電路
但那些微小的電路告訴你一切
哪些神經元在價格數據上會觸發
哪些完全覆蓋你的 RAG 上下文。
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
Anthropic 營收運行率剛剛達到 $20 BILLION
>$9 十億預計在2025年底
>$14 十億幾週前
>$19 十億現在
他們在幾週內增加了 $5 十億
那不是成長,那是企業採用速度,除非同時簽下大量API合約,否則說不通。
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
我在 Codex 中同時運行了 24 個多代理會話
OpenAI 你在搞什麼?
是單一標籤的 10 倍代幣量
輸出完全沒有比專注於一個提示有任何改善
> "代理之間協作產生的突現行為"
結果是我的帳單突現
你付錢讓代理彼此對話,而不是產生任何東西
代理 A 為代理 B 做摘要,代理 B 重新格式化後傳給代理 C,代理 C 傳給代理 D,最後輸出同一個 JSON,你本可以用一個乾淨的系統提示在 14 秒內得到
那不是架構,那是一個計算的劇院
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
我同時在 codex 中開啟了 24 個多代理
真是糟糕透了
24 個代理並行運行,消耗的 token 是單一會話的 10 倍,卻完全產生不了任何你不用一個標籤和清晰提示就能得到的內容
這不是一個代理框架。這只是一個帶有載入動畫的 token 熔爐
OpenAI 推出了一個看起來像未來的功能,如果你眯著眼睛看
但當你真正嘗試用它建立東西時,你會發現每個代理只是反覆向自己重述相同的上下文,吞噬你的預算
"iT's JuSt EaRlY" - 很酷,所以我為一個比昨天做得更少的測試版付了 10 倍的錢
目前大科技的整個「代理化」推銷就是用戶體驗的表演。漂亮的儀表板、平行旋轉圖示、零輸出。
查看原文
post-image
  • 讚賞
  • 1
  • 轉發
  • 分享
ybaservip:
直達月球 🌕
OpenClaw 無用嗎?
我一開始不想寫關於 openclaw 的任何內容,除非我真的用過它
所以我用了它。用它建構。測試工作流程。給它真實的時間
這是沒有人要求的誠實評價
現在整個 AI 代理場景感覺像是朋友之間的群聊比賽。誰的代理聽起來更酷。誰的演示更炫。誰的截圖獲得更多點贊
但當你坐下來試圖用 openclaw 簡化某些事情——替換工作流程中的某個步驟或刪除手動流程——它並不這樣做
它會增加步驟。它會創建新的依賴關係。你最終得照顧你建的東西,反而浪費時間
那不是工具,那是拐杖
我想找到一個讓我說“好吧,這取代了 X,我再也不回頭”的用例。花了很多時間尋找,但還沒有找到
也許將來會有
所以我用了它。用它建構。測試工作流程。給它真實的時間
這是沒有人要求的誠實評價
現在整個 AI 代理場景感覺像是朋友之間的群聊比賽。誰的代理聽起來更酷。誰的演示更炫。誰的截圖獲得更多點贊
但當你坐下來試圖用 openclaw 簡化某些事情——替換工作流程中的某個步驟或刪除手動流程——它並不這樣做
它會增加步驟。它會創建新的依賴關係。你最終得照顧你建的東西,反而浪費時間
那不是工具,那是拐杖
我想找到一個讓我說“好吧,這取代了 X,我再也不回頭”的用例。花了很多時間尋找,但還沒有找到
也許將來會有。
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
大多數談論AI代理的人從未自己建立過一個
以下是目前的實際架構
工具調用代理 = 大型語言模型(LLM)大腦 + 功能註冊表 + 執行循環
你將工具定義為結構化的架構。模型選擇要調用的工具並傳遞參數。你的運行時執行它並將結果反饋
這就是整個循環。沒有魔法
像langchain或OpenAI的函數調用這樣的現代框架負責路由
雲端機器學習平台如vertex或bedrock負責推理擴展,讓你不會在閒置的GPU上浪費金錢
Qwen 3.5小型模型——0.8B到9B參數——可以在單一節點本地運行工具調用。與大型模型相同的基礎,只是計算較少
邊緣的關鍵不在於知道AI存在,而在於知道如何將工具連接成一個能真正輸出結果的循環
如果你現在在建立代理,請放下你正在使用的框架。
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
CLAUDE 已下線
我不知道現在該怎麼寫 npm run dev
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
世界已改變
舊的玩法是
招聘4名工程師
燒掉20萬
在9個月內交付
祈禱有人在乎
而現在CLAUDE CODE在一個下午就能搭建你的整個產品
你與機器對話
它會建立你描述的內容
你在同一天內在真人身上測試
沒有推介簡報
沒有短衝規劃
沒有等待
那些理解這點的創始人已經有3個產品了,而其他人仍在“驗證”階段
醜陋的快速版本贏了,因為它存在
你打磨得很漂亮的東西輸了,因為它不存在
如果你還在規劃而不是交付,你已經落後於今天早上開始的人
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
現在有96%的網路是機器人
想想看
你所運行的每一個行銷策略
你所做的每一個內容操作
你都在跟機器對話
舊的方法是工具
更好的廣告、更好的SEO、更好的漏斗
全部都是為了觸及人類而建
但當96個訪客中
不是人類
你的工具就只是在
為一個空蕩蕩的房間表演
沒有人談論的轉變
是從工具到意圖
工具優化傳遞
意圖篩選訊號與雜訊
你停止問
我怎麼觸及更多人
你開始問
我怎麼偵測真正的意圖
在機器人牆後面
同樣的道理在戰壕中
數量可以被偽造
錢包活動可以被偽裝
但真正的購買意圖
會留下機器人模仿不了的模式
如果你的策略仍然假設
一個人類的受眾作為預設
你就是在建立一個謊言
現在正在適應的人
是在讀取意圖而非數據。
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
你花了6個月完美打造一個購買按鈕
一個大型語言模型從未見過它
它讀取你的HTML然後繼續
現在互聯網上每96個機器人就有1個人類
你的200個激進橫幅可能只觸達了4%的真實流量
其他96%看到的是原始代碼區塊,與其他數十億頁面無異
沒有色彩理論重要
沒有緊迫感文案重要
沒有TikTok漏斗重要
人們已經在問今晚吃哪種番茄醬
他們相信答案
他們購買它所說的
那麼你實際在賣給誰
代理人在網上被視為威脅
Cloudflare阻擋他們
驗證碼拒絕他們
防火牆封鎖他們
這在機器人代表攻擊時還有道理
但代理人正逐漸成為持有錢包的人
你的下一個購買按鈕需要向永遠看不到你的漸變色的東西推銷
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
網路已停止販售工具
現在它販售的是意圖
第二部分。關於B2C
沒有人想用Excel整理一個有一萬行的表格
設定參數
閱讀文件
修正錯誤
他們想說
「我有一百美元,我想讓它增值」
並得到一個結果
舊的網路提供的是一個原始零件的領域
你自己建造了自己的東西
賣給下一個人
他再把他的版本賣回去
AI 終結了那個循環
當每個人都能使用相同的頂尖模型
優勢不在工具
優勢在於消除意圖與結果之間的摩擦
金融是最清楚的案例
人們不想花5年時間閱讀圖表
他們想表達一個願望,讓其他東西來承擔風險
企業不會在5到10年內搞懂這個
他們行動緩慢
他們會委員會化一切
現在這個蛋糕就擺在那裡
幾乎沒有人在吃
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
沒有人需要你的軟體。賣掉你的作品。
程式碼每個月都在變得更便宜。軟體已經變成一次性用品,需要一個應用來從交易中生成NFT收藏?2個提示,你就永遠完成了。
企業不在乎你的軟體能將他們10個人力資源部門的效率提升20%。他們不需要工具。他們需要結果。
簡單的轉變——不是賣工具,而是賣完成的作品。這樣你競爭的不是員工效率,而是他們的工作崗位。
範例
企業發出對候選人的需求和履歷。你的AI完成整個流程——篩選、選擇、初步問題、與創始人安排面試。為什麼要留10個人,當你可以只留1個經理,並將工作外包給AI?
基於結果的定價。你收費是為了結果,而不是為了訪問儀表板。
停止賣拐杖。賣解決方案。
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
新個人資料橫幅
新時代
繼續努力
查看原文
post-image
  • 讚賞
  • 留言
  • 轉發
  • 分享
迷你評論
1周的$BNB 電話
100k 次觀看
7k 互動
2k 個人資料訪問
+100 訂閱
呼叫:
計數 利潤
1 25倍
1 15 倍
4 10倍
6 5 倍
5 4 倍
12 3 倍
22 2 倍
瘋狂的結果
GN
BNB3.7%
查看原文
  • 讚賞
  • 留言
  • 轉發
  • 分享
交易,隨時隨地
qrCode
掃碼下載 Gate App
社群列表
繁體中文
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)