面对盲目的“AI狂热”,打工人的职场生存指南
全球企业陷入“AI精神分裂”的现状:尽管由于技术局限,大量AI项目投资面临失败,但由于博弈和同僚压力,高管不得不强制推行,迫使员工“AI包装”工作。文章分析了这一决策困境,并为职场人提供了在狂热环境中保护心智、务实求生的实用指南。
全球企业陷入“AI精神分裂”的现状:尽管由于技术局限,大量AI项目投资面临失败,但由于博弈和同僚压力,高管不得不强制推行,迫使员工“AI包装”工作。文章分析了这一决策困境,并为职场人提供了在狂热环境中保护心智、务实求生的实用指南。
在AI智能体时代,代码的首要读者已从人类转变为AI。经典的《代码整洁之道》原则(如短小函数、单一职责、TDD等)并未过时,昔日主观的代码简洁建议已演变为Token限制等硬性约束。编写结构清晰、职责单一且类型明确的整洁代码,能显著降低AI解析的Token与时间成本,有效减少幻觉并提升产出质量。
开发者CJ Pais正式发布了开源库transcribe.cpp,这不仅是一个性能更强的whisper.cpp平替,更是一个集成了16种模型家族、支持60多个SOTA模型的推理引擎。它基于GGML构建,原生支持Vulkan、Metal和CUDA硬件加速,并提供Python、Rust、JS等主流语言绑定。这意味着开发者不再需要在慢如蜗牛的CPU推理和复杂的架构适配之间艰难二选一。这件事的重要性在于它
github.com/handy-computer/transcribe.cppCastor是一个开源的命令行工具,其工作逻辑非常直接:用户输入网页地址,它在后台启动headless Chrome抓取视频流,通过ffmpeg实时转码,最后利用通用的DLNA协议推送到电视播放。它还集成了Whisper用于自动生成并压制字幕,甚至支持根据IMDB ID自动匹配资源。这个项目的走红反映了两个有趣的现象。技术上,它选择拥抱DLNA这个诞生二十年的"老古董"协议,反而比AirPlay或
github.com/stupside/castorOpenPlanter 是一款递归式语言模型驱动的调查代理工具,集桌面 GUI 与终端界面于一体,能够自动解析企业登记、竞选资金、游说披露、政府合同等多源异构数据,跨库实体对齐并通过证据链揭示隐藏关联。 它支持文件读写、Shell 执行、网络搜索及子代理递归委派,具备实时知识图谱、Wiki 文档抽屉、多会话持久化、后台 Wiki 整理器等功能,可切换 OpenAI、Anthropic、OpenR
github.com/ShinMegamiBoson/OpenPlanter开源项目PenEcho构建了一个巨大的无限画布,专门用于手写公式、草图和空间推理。它抛弃了传统的Chat Box,当你用笔尖或鼠标完成输入并停顿时,系统会自动识别笔迹及其布局,将AI生成的答案或推导直接呈现在草稿旁边。目前该工具支持Claude、OpenAI以及Kimi K3等模型,通过本地Node.js环境运行。长期以来LLM被局限在单调的文本流中,迫使开发者在思考和输入间频繁切换。PenEch
github.com/erickong/penechoColibri 是一套极简却强大的 MoE 推理引擎,它把 744B 参数的 GLM-5.2 模型用纯 C 实现并仅靠 25 GB RAM 在消费级机器上运行,专家参数按需从磁盘流式加载,零依赖、零妥协。 只需一条命令即可启动对话、Web 仪表盘或 OpenAI 兼容服务,内置的 LRU 缓存、路由预取与多层级存储策略让模型在 VRAM、RAM、磁盘之间自动平衡,速度与硬件成正比,质量却始终如一
github.com/JustVugg/colibriThree.js Object Sculptor 是一个 Codex 插件,能把附件中的物体图片直接转换成纯代码、可动画的 Three.js 程序化模型。 它不做照片建模,也不下载外部资源,而是引导 Codex 按照雕塑流程逐步完成:验证图片、拆解结构、生成几何与材质系统、搭建动画友好层级,最后用浏览器渲染结果与原图比对验收。 主要功能: 将物体图片重建为纯 TypeScript 代码的
github.com/vinhhien112/Three.js-Object-Sculptor-Codex-PluginMarketing Skills 是一套专为 AI 代理打造的市场营销技能合集,面向技术营销人员与创始人,涵盖转化优化、文案撰写、SEO、数据分析与增长工程等全流程能力。 它不仅提供 40 余个独立技能模块,还通过 product-marketing 基础技能统一产品定位与受众洞察,让每个后续技能都能快速调用上下文。支持 Claude Code、Cursor、Windsurf 等主流代理,直接通
github.com/coreyhaines31/marketingskillsGraphify 把整个代码库、文档、SQL 模式、配置文件和 PDF 全部转换成一个可查询的知识图谱,让你不再需要满目录 grep。提供 /graphify 技能,可直接在 Claude Code、Cursor、Codex、Gemini CLI 等平台调用,本地使用 tree-sitter 做确定性 AST 解析,所有边都带有 EXTRACTED / INFERRED 置信标签,不依赖向量库。
github.com/Graphify-Labs/graphify2019 年我在 GitHub 上 fork 过一个仙剑 DOS 版的仓库,就是个 DOSBox 打包,下载下来跑模拟器。这个方案我一直不太满意,游戏数据只有几十 MB,外面却要再套一层 DOS 环境,画面是 320×200 直接拉伸。 这两天我把仓库彻底重做了一遍:引擎从 SDLPAL 的 C 代码完整移植到 Rust,两万四千行,直接在 macOS、Linux、Windows 上运行;同一份
maxlv.net/blog/rustpal-webgpu-neural-upscale/香港大学 HKUDS 实验室出的,你懂得~核心理念是:自然语言输入 → Agent 自动完成调研、选因子、回测、出报告,甚至接真实账户下单。 工程做得比大多数学术项目扎实: 数据层:接入 18 个免费数据源(Yahoo Finance、东方财富、新浪、Stooq 等),付费可扩展到 63+ 个。A股、美股、港股、印股、加密货币全覆盖。数据出口统一经过 OHLC 完整性校验,防止脏数据流进回
github.com/HKUDS/Vibe-Trading这是个给 AI 编程 agent 用的本地代理和 trace 查看器。用它能看到真实 API 流量和 agent 上下文:system prompt、对话历史、工具 schema、工具调用、流式响应、token 用量和请求 diff。 用它可以: 👀 看见真实上下文:检查 prompt、messages、工具定义、工具调用、工具结果、流式 chunk 和 token 用量。 🔎 用证据定位问
github.com/liaohch3/claude-tap/开发者Marcel Roed发布了Gigatoken,号称比HuggingFace快1000倍,处理速度达GB/s量级。它没有依赖常规的Regex引擎,而是通过SIMD指令集、分支预测优化和极高效率的预分词缓存,将原本需要数天的预训练数据处理缩短到几小时。虽然tiktoken等已经是Rust写的,但Gigatoken通过压榨硬件底层性能,证明了软件效率仍有几个数量级的提升空间。很多人质疑:分词只占
github.com/marcelroed/gigatoken科幻作家尼尔·斯蒂芬森分享了他坚持钢笔手写25年且无“书写痉挛”的经验。他指出手写能调动更多大脑区域。要避免手部疲劳,建议不要使用铅笔或数码屏幕,应选择高适配度的笔纸组合,采用更省力的连笔字(草书),且无需纠结字迹是否工整,尽情享受手写益处。
2026年菲尔兹奖得主邓煜在非线性偏微分方程与统计物理领域取得重要突破,严格证明了吉布斯测度不变性,并推动了希尔伯特第六问题的解决。曾经历焦虑与迷茫的他,在围棋、古典诗词和漫画中汲取力量,最终在严谨的数学规律中找到了科学之美与生活的平衡。
2026年菲尔兹奖揭晓,35岁数学家王虹因与合作者扎尔证明了困扰数学界多年的“三维挂谷猜想”而获此殊荣。她也成为了历史上第三位荣获菲尔兹奖的女数学家。该研究攻克了调和分析与几何测度论交汇处的难题。面对接踵而至的荣誉,王虹依然保持着对数学研究的专注与自谦。
在本系列文章中,我将通过从零编写简化版图形API,来展示OpenGL、Vulkan、Metal和DirectX的工作原理。令人惊讶的是,许多人在学习3D图形API时都卡在了入门阶段。为此,我准备了一系列短课程,完成学习后,我的学生们就能制作出功能相当完善的渲染器。
haqr.eu/tinyrenderer/吴恩达近期发布了开源项目 OpenWorker,这是一个定位为“AI 同事”的桌面级 Agent 框架。它不仅停留在对话层面,而是能直接产出文档、回复 Slack、更新日程或处理 Jira 任务。该工具目前支持 macOS 和 Windows,核心逻辑是本地运行,通过 aisuite 框架连接了包括 OpenAI、Claude 以及国产的 DeepSeek、Kimi 在内的多种模型,并支持通过 O
github.com/andrewyng/openworker这份名为《Build Your Own Pi》的开源教程,通过TypeScript手把手演示了如何从零构建一个类似Pi的智能体。它避开了泛泛而谈的Prompt技巧,直接切入消息协议、EventStream处理、工具调用闭环、会话树恢复以及上下文压缩等核心工程环节。教程采用失败优先的逻辑,通过真实代码和测试用例,展示了一个README请求如何走完模型请求与工具结果的闭环。这套资料指出了被忽视的真相:
build-your-own-pi-cn.enochzhang.chatgpt.site