看哭了😭
2025年1月,黄仁勋和张忠谋吃完饭,没回酒店
而是直奔台北通化夜市的一个水果摊
他走到老板娘面前,说的第一句话是:
"我回来找你了。"
然后买了好几千块的水果
在红包袋上亲手签名,给阿姨包了过年红包
把水果一份份分给旁边的小朋友
最后对着围观的人群喊:
"大家来买她的水果!"
一个管着全球最值钱公司之一的人
在夜市里,帮一个卖水果的阿姨吆喝生意
你可以说这是人设
但人设不会让你记得一个摆摊阿姨,还专门跑回去找她❤️
真正的体面,是你飞得再高,也还记得当年路边的人
(视频来源:台视新闻,2025年1月18日 台北通化夜市)
This is Goodhart's law speedrun edition 🤯
Uber reportedly handed engineers AI coding agents and put up leaderboards for who used the most
Four months later, the whole 2026 AI budget was gone
Of course it was!!
You rank people by tokens burned → they burn tokens
Not ship features. Burn tokens 🔥
The metric that matters is cost per shipped outcome, not usage
Big companies can eat this mistake
A solo builder paying for every token out of pocket can't 😭
Measure the output, or the input will eat you alive
Uber burned through its entire 2026 AI coding budget by April. They'd given engineers AI coding agents and put up internal leaderboards tracking who used the most. Four months in, the money was gone and the CTO said he was back to the drawing board.
I think a lot of engineering leaders are one good quarter of adoption away from that same talk with finance.
Agents bill by the token, and nobody can guess the token count ahead of time. A Stanford Digital Economy Lab study of eight frontier models found the same agent doing the same coding task can use up to 30x more tokens from one run to the next. Then every team picks its own tools and model provider, so the spend lands on a bunch of separate invoices, weeks after the work is done.
The token race has a cheat code, and it's watching the meter while the agents are still running.
Nasiko launched today to do that. They say one command finds every agent a company runs and shows what each one costs by team and model, and that an agent alerts at 80% of its budget and pauses at the limit. They also report the same work on 50% fewer tokens on standard SWE benchmarks.
Cost is only the first thing you'd want to stop. An agent that can spend all weekend can also change records and call outside systems all weekend, so the spot where you pause its spending is where you'd pause an action too. For a lot of companies, a token budget is going to be the first permission they ever set on an agent.
2
3
106
A chip company just bought a world-model lab 🤯
Soon AMD sells you the GPU AND the world it renders
13
Perplexity is building an AI that does research on its own 🤯
PhD students: cool, can it also go to my advisor meetings
Announcing Perplexity Frontier Research. We are committing at least 10,000 GPUs to work on multi-agent orchestration and continual learning systems with the goal of building an automated researcher. We will publish evals, papers, blogs and open source our models and tooling. We’re actively hiring!
1
1
51
AI 时代,最稳的一条升职路线,可能是先把自己的活自动化。
前几天 Replit 官方发了一个员工的故事。
她叫 Enid,日常有一大块时间在复制粘贴:更新 Salesforce 里的记录,出订单表。
后来她自己在 Replit 上做了一个工具,把这些步骤自动化了。
按 Replit 的说法,她之后转去做 GTM 相关的工具。
这个故事很小,但我觉得它指向的东西不小。
很多人对 AI 的第一反应是害怕。
怕自己的岗位被替代,怕今天做的事明天就不需要人了。
可换一个角度看,最了解哪些活该被自动化的人,恰恰是每天在做这些活的人。
为什么?
因为外人只看得到流程图。
你看得到哪一步最烦,哪一步最容易出错,哪一步其实根本不需要人判断。
这些细节,正是做自动化工具最需要的。
所以 AI 时代可能会多出一种很普通的角色。
不是专门写代码的工程师,也不是只提需求的经理。
是那个懂业务,又愿意动手,把自己那摊活先变成工具的人。
具体怎么做?
第一,列出你一周里重复次数最多的三件事。
第二,挑一件规则最清楚、出错代价最小的,先自动化。
第三,做完之后,把省下来的时间,花在原来没空做的判断上。
我自己是经济学方向的学生,在 Fiverr、Upwork 上接 AI 相关的活,9 月第一单就是做一个 AI 网站。
接这些单让我越来越明白,客户愿意付钱的,往往不是酷炫,而是帮他们省掉一段重复劳动。
这就像厨房里请了一台洗碗机。
洗碗的人没有失业,他终于有空去研究菜了。
别等别人来自动化你。
先自己动手,把位置往上挪一格。
1
40
《Agent 犯的错,写成规则,别写成提示词》
这两天有一条帖子被收藏了一万多次。
转述的是 AI Engineer Code Summit 上一位工程师的分享,讲她自己怎么用 agent 写代码。
核心就两句话。
agent 每犯一次错,就把它写成一条 lint 规则,而不是再加一句提示词。
agent 做完的东西,要自己拿视频、截图和测试来证明它做对了。
我看完的第一反应是,这才是把 agent 当同事用,而不是当许愿池用。
为什么提示词不够?
因为提示词是一句叮嘱。
你说「别再这样写了」,它这次听了,下次换个上下文,可能又忘了。
规则不一样。
lint 规则会在每一次检查时自动跑,不靠记性,也不靠它心情好。
错一次,堵一次,这个坑就永远填上了。
这就像带新人。
你可以每天提醒他「出门记得锁门」,也可以直接装一把会自动落锁的门。
前者靠人,后者靠系统。
具体怎么做?
第一,把 agent 反复犯的错记下来,别只在聊天框里骂它。
第二,能变成检查的,就变成检查。格式、命名、禁用的写法,都可以交给工具去拦。
第三,让它交作业时附上证据。页面改了,就给截图;流程改了,就跑一遍测试。
第三点我觉得特别重要。
一个人做独立开发,最缺的不是写代码的手,是验收的眼睛。
你不可能每一行都自己看,那就让它把证据摆到你面前。
我自己用 AI 接单、做 HairFit,也越来越认同这个思路。
信任不是靠它说「完成了」,是靠它拿得出东西来。
提示词管一次。
规则管一辈子。
7
3
309
《别看收入截图,去看分布》
刷 X 久了,很容易产生一种错觉。
好像做个小产品,月入一万美元是常态。
昨天 Marc Lou 发了一组数,我觉得比任何截图都值得存下来。
他看了 TrustMRR 上 10,646 个项目最近 30 天的收入:
0 美元,5,845 个。
1000 美元以下,3,744 个。
1000 到 1 万,816 个。
1 万到 10 万,217 个。
10 万以上,24 个。
这些是平台上项目的数据,由 Marc 统计,不是什么行业普查。
但方向已经很清楚了。超过一半,过去一个月一分钱没赚到。
为什么我们平时感觉不到?
因为你刷到的,几乎都是那 24 个和那 217 个。
赚到钱的人才有动力发截图,零收入的人不会发帖说「我这个月又是 0」。
信息流天然是一张筛过的表。
你看到的是结果,看不到分母。
这就像在机场看到达口。
每个出来的人都满面笑容,你会以为坐飞机从来不晚点。
那该怎么看这组数?
我不觉得它是在劝退。
它更像是在告诉你,第一个台阶在哪里。
从 0 到第一笔钱,是最难的一步。
跨过去,你就已经站在了一半以上的项目前面。
所以我自己现在的目标排序很简单。
先别想一万,先想第一笔。先想谁会为这件事付钱,而不是怎么让截图好看。
我在做 HairFit,一个给理发店用的 AI 发型预览,先走 B2B。
看完这组数,我更确定一件事:比起再加一个功能,先找到一家愿意付钱的店更重要。
截图是给别人看的。
分布,才是给自己看的。
28
看哭了😭
2025年1月,黄仁勋和张忠谋吃完饭,没回酒店
而是直奔台北通化夜市的一个水果摊
他走到老板娘面前,说的第一句话是:
"我回来找你了。"
然后买了好几千块的水果
在红包袋上亲手签名,给阿姨包了过年红包
把水果一份份分给旁边的小朋友
最后对着围观的人群喊:
"大家来买她的水果!"
一个管着全球最值钱公司之一的人
在夜市里,帮一个卖水果的阿姨吆喝生意
你可以说这是人设
但人设不会让你记得一个摆摊阿姨,还专门跑回去找她❤️
真正的体面,是你飞得再高,也还记得当年路边的人
(视频来源:台视新闻,2025年1月18日 台北通化夜市)













