每周拆解真实场景,用AI来重构工作和生活 AI仿真/出海/AI在工业中的应用探索 我的目标是每晚10点睡觉,其他的交给Ai 天行健,君子以自强不息; 日日精进,久久为功 分享真实生活,结交朋友
井
Joined December 2019
- Tweets3.7K
- Following690
- Followers2K
- Likes975
以后claude就是默认以auto模式开始工作了；
说明claude对自己的AI足够的自信啊！
其实我对ai更加信任；
大概在opus4.6开始我就是用危险模式了；
哈哈
还好一路没有出岔子
不过我的水平也看不出岔子
Cloudflare的含金量还在上升！
这周堪称互联网安全的黑色周，PHP 的远程执行漏洞、Node.js 的高危更新、Railway 的环境变量泄露，解决这些安全问题，其实最好的是 @levelsio 那条建议：有 VPS 就别再把端口暴露在公网，网站走 Cloudflare Tunnel，SSH 走 Tailscale。
网站不再由服务器监听 80/443，改成 cloudflared 主动往外连一条隧道；SSH 不开在公网，只有登录了你 tailnet 的设备能连。Cloudflare 官方文档的原话是 “No open inbound ports. No public IPs.”，因为它只建立出站连接。公网扫你的 IP，一个开放的入站端口都没有。
网站这条：在 Cloudflare 后台建一条隧道，复制它给出的安装命令在服务器上跑，列表显示健康后，在隧道里添加路由，把子域名指向本机的某个端口，比如 8000。访客访问的是 Cloudflare，Cloudflare
顺着服务器自己连出去的那条连接回到本机。
SSH 这条：服务器装 Tailscale 入网，再开启 Tailscale SSH。它只接管来自 tailnet、发往 Tailscale IP 的 22 端口，不改你的 sshd_config 和 authorized_keys，所以公网 SSH 在你亲手关掉之前一直能用。这条新旧并存的窗口就是安全绳：先在电脑上 ssh 机器名 走通，再动防火墙。
最后才关端口，默认拒绝入站、放行出站，只允许从 tailscale0 进来。
三个坑：
Docker 的 -p 8080:8080 会绕过 ufw，容器端口要改成只监听本机再交给隧道；
云厂商的安全组是机器外面另一层墙，22/80/443 的入站规则要一起删；
原来指向服务器公网 IP 的 A 记录必须删掉或改掉，否则攻击者绕过 Cloudflare 直连你的 IP，前面全白做。
Cloudflare 这边Tunnel 免费档就能用，一个账号最多 1,000 条；Quick Tunnel 同时最多处理 200 个请求、不支持 SSE。基本上个人网站和小网站的需求都可以满足。再一次感谢赛博菩萨。
就这样子，每晚十点可以安心睡觉了。
今天Anthropic 终于做了一件符合我心中美国科技公司的事情
Anthropic宣布把它捐给（AAIF）。AAIF 是 Anthropic、Block、OpenAI 去年一起发起的，挂在 Linux 基金会下。名称、logo、GitHub 组织、域名一并移交。MCP 之前已经捐进去了，Skills 是第二个。
这对我们来说意味着终于确定一份 SKILL.md 到处跑，不用担心会有不同的标准，就像之前Anthropic不支持Agent.md一样，现在标准归中立基金会，后面有版本化发布和正式提案流程，改动要走公开流程。为每个工具复制一份 skill 的做法可以停了。
从此MCP 和 Skills 分工清楚；
MCP 负责连工具:让 agent 能读数据库、调 API;
Skills 负责教流程:告诉 agent 这件事按什么步骤做、怎么验收;
我估计几个月以后agent.md的标准也会成为行业唯一标准，到时候最重要的mcp/skill/agent都将挂在Linux基金会旗下。
AI时代，终究大家都还是开放。
九个工位，76 秒，一台新车开出大门。
这是我用 AI 搭的汽车总装车间：拆车门、装仪表台座椅、底盘合装、上风挡、装车轮、车门回装、转鼓、淋雨、下线，全程能在浏览器里亲手操作。
底盘合装那一段，行业里叫它「婚礼」
我的个人网站里面有所有的案例，欢迎大家体验提意见；
我把自己做的一条汽车焊装车间渲染成了一部片子。
雷布斯说的，后来者总有机会！
所以我打算做一个完整的汽车生产车间来体验一下造车是啥样子的。这就有了这个项目，目前我已经部署在了我的主页网站，里面也分享了一些我做测试的案例。
这个是一个跑在浏览器里的白车身焊装车间。七个工位排成一条线：下车体总成、侧围总成、主拼、补焊、顶盖激光钎焊、四门两盖装配、在线测量，线尾还有一个四柱升降机把车身抬到五米送去涂装。
27 台六轴机器人在里面按 60 秒的节拍真跑。不是循环播放的动画，是每个节拍里，机器人用解析 IK 算出来的姿态：什么时候去料架取件、什么时候把分总成放到夹具上、什么时候伸进夹具窗口点焊、什么时候退回原位等送车。夹具门的开合、定位销的缩回、卷帘的升降、升降机的爬升，全都挂在这同一个时钟上。
车身是从一块地板从料架被吊起、装到滑橇上、焊成下车体、贴上两片侧围、扣上顶盖、装上四门两盖、扫完测量，最后上桥去涂装。页面里内置了一个物料守恒检查。
目前只做了焊接车间，关注我，我将后续分享出来所有的车间，到时候我也会完整的开源！
前几天我看到一个帖子，说美国人都在研究AI在企业化的应用，我也将致力于做这方面的探索，还请大家多多指导！
博主的18个账号到现在都还是存活的；
其实跟我的类似；
而且根据我昨天浪的结果；
Clash Verge也会claude自己推荐的。
小火箭不要用了，网络抖动的时候小火箭稳不住容易断；
我昨天就是要求claude解决这个问题以后被封了的
Claude开放了 Claude Duet的使用，
只要是美区的账户都可以，
但是要求订阅的是100/200美金的套餐；
直接就是消耗的订阅额度
目前我的时间线还没有看到有人分享
哎，昨天不浪的话拿来测试这个就好了～·
Deepseek 势不可挡！
自从开源推理模型以后，现在Fireworks实现了每秒 1,521 个 token，11 秒写出一个能玩的俄罗斯方块。
先说这个数字有多夸张。opus一般90左右，视频里 Claude 那边是每秒 130 个。1,521 就是快了十倍以上，一个完整的网页游戏，从按下回车到能玩，几秒钟就出来了。
这么快，是三层原因叠在一起。
第一层，模型本身省力。DeepSeek V4.1 Flash 总共有 552B 参数，但它是「混合专家」结构，每生成一个 token 只调动其中 16B，读输入时只用 8B。打个比方，一家 500 人的公司，每件事只派最对口的十几个人去干。它存上下文用的「内存」（KV 缓存）每个 token 只占 890 字节，官方说大约是上一代的四分之一。要搬的数据少了，自然就快。
第二层，「先猜后验」，术语叫推测解码。普通模型是一个 token 一个 token 往外蹦。DeepSeek 给这个模型配了一个叫 DSpark 的草稿模块，一次先猜 5 个 token，再交给主模型一次性检查，猜对的直接收下，猜错的才重算。猜中的越多，省下的步数就越多。不过命中率要看具体任务，官方文档也建议先拿自己的业务测一测。（
第三层，Fireworks 自己的高速档。Ultrafast 是它单独的一档服务，官方文档原话是「价格更高」，同时强调「不是另一个模型，质量不变」，目标是每秒 1,500 个 token 以上。
白宫要求限制Deepseek的使用，但是在1500tok/s的暴力美学面前，一切都是浮云。
DeepSeek V4.1 Flash 1017 runs at 1,521+ tok/s on Fireworks Ultrafast.
Fast enough to ship Tetris in 11 seconds, 7x faster than Claude Opus 5.5.
Join the Ultrafast waitlist: bit.ly/3UA0wKq
claude 也要推出他的个人助手了！
目前是还是申请阶段！
Grok 自从可以自动路由到opus5.5以后就变得好用了；
大家都赞不释手；
自带opus的 Claude Duet，估计会是王中王了；
那么问题来了；
个人助手100%知道你核心信息；
你敢申请使用吗？
我把自己做的一条汽车焊装车间渲染成了一部片子。
雷布斯说的，后来者总有机会！
所以我打算做一个完整的汽车生产车间来体验一下造车是啥样子的。这就有了这个项目，目前我已经部署在了我的主页网站，里面也分享了一些我做测试的案例。
这个是一个跑在浏览器里的白车身焊装车间。七个工位排成一条线：下车体总成、侧围总成、主拼、补焊、顶盖激光钎焊、四门两盖装配、在线测量，线尾还有一个四柱升降机把车身抬到五米送去涂装。
27 台六轴机器人在里面按 60 秒的节拍真跑。不是循环播放的动画，是每个节拍里，机器人用解析 IK 算出来的姿态：什么时候去料架取件、什么时候把分总成放到夹具上、什么时候伸进夹具窗口点焊、什么时候退回原位等送车。夹具门的开合、定位销的缩回、卷帘的升降、升降机的爬升，全都挂在这同一个时钟上。
车身是从一块地板从料架被吊起、装到滑橇上、焊成下车体、贴上两片侧围、扣上顶盖、装上四门两盖、扫完测量，最后上桥去涂装。页面里内置了一个物料守恒检查。
目前只做了焊接车间，关注我，我将后续分享出来所有的车间，到时候我也会完整的开源！
前几天我看到一个帖子，说美国人都在研究AI在企业化的应用，我也将致力于做这方面的探索，还请大家多多指导！
