10+ yr PM. Building at the intersection of AI, product, and biohacking. Systems for products, cognition, and the body.
Space
Joined November 2010
- Tweets5.7K
- Following2.8K
- Followers1.1K
- Likes6.9K
Pinned Tweet
我相信三件事：
1. AI 不是工具的替代，是个人认知系统的重写
2. 产品思维是通用的操作系统——能优化代码，也能优化身体
3. 长期主义是唯一正确的策略，虽然短期看起来很傻
这个号是我的公开构建日志：
• 从 0 到 1 的真实开发记录与产品决策复盘
• AI 采用的前沿手记（自己用过再写，不搬运二手信息）
• Biohacking 的量化实验与失败案例
没有成功学，只有系统、数据和复盘。
如果你也在持续 build，欢迎同行。
2
498
Hydrogen 适合作为日常主力
Gemini 4 Hydrogen by @GoogleDeepMind is the fastest model in the Agent Arena top 10.
A typical Hydrogen step takes 7.3 seconds, about 2.7x faster than Claude Sonnet 5.5 and 3.1x faster than GPT-6.1 Sol.
Faster steps mean less time waiting on tasks. Across Agent Arena sessions, Hydrogen spends under 10 minutes on 82% of its tasks, compared with 55% for GPT-6.1 Sol and 44% for Claude Sonnet 5.5. Within 30 minutes, that rises to 97%, versus 81% for Sol and 78% for Sonnet 5.5.
And it isn't a quality trade-off: Hydrogen's net improvement is on par with both models.
How we measure it: A step is one model API call in an Agent Mode task. All times run from the first model request to the last streamed reply, without tool execution.
2
81
Everyone is reading the gossip around Jensen Huang's exit today.
Almost nobody is reading the structural earthquake inside NVIDIA's SEC Form 8-K — and what happens when a 55-direct-report flat empire loses its single router 5 days before Q3 earnings👇
1
1
60
Here is the real operational test nobody is modeling:
Jensen built NVIDIA around a single-router topology — 55 direct reports, zero scheduled 1-on-1s, zero written reviews, and raw "Top 5 Things" (T5T) emails flowing straight to his inbox.
Remove that 1 node: who routes 55 peers?
1
27
Succession names circulating: Kress, CUDA architect Ian Buck, Apple's Johny Srouji, Rene Haas, Lisa Su.
Whoever takes the seat faces a classic systems lesson: a zero-layer, single-node org maximizes speed — until that single node goes offline.
nvidianews.nvidia.com/news/n…
45
看到 @t20000622yy 摘出 Claude Fable 5.2 官方指南两组数据：加「这代码库归你管」，合并重复代码从 <10% 涨到 ~50%；加「没做完别停」，半途停机少一半，并整理了全局 AGENTS.md。
对账 Gist 与官方原文，下半页藏着反直觉代价👇
1
30
「防止谨慎指令堆积」与迁移实测（下）：
• 在「绝不」规则外另起一行写「获批步骤放行」执行率仅约 1/10，把「先拿批准再做」写进规则本句才拉到约 9/10！
• Fable 5.2 校验保留思考前缀，中途改 system/tools 可能返 400，新改动应放新会话。
1
5
不用学写代码，学会像产品经理一样指挥 AI：
1. 说清需求：归属权按单次重构/新建任务给，不写死全局 AGENTS.md；
2. 拆成步骤：获批例外合进禁令同句，定期清理过期报错笔记；
3. 验收结果：核对 diff 与待办完成度，不只看总结。
platform.claude.com/docs/en/…
13
只跑一个 Claude Code 或 Codex 时，让它写 plan.md 很顺手；但当你用 Orca（118,854★）同时拉起三五个 Agent 并行干活时，共用一个 plan.md 必撞车——互相覆盖、没依赖锁、上下文压缩后直接失忆。
看了 @Roflochinsky 刚开源的 beads-orca（v0.2.4），虽然目前只有 8 颗星，但它在源码里死磕的「Orca + Beads + 4 道显式交接护栏」非常值得所有做多 Agent 编排的人细看：
1/ 两个大底座的分工：
• 编排层 stablyai/orca（118,854★）：用自己的订阅并行跑多个 Coding Agent；
• 记忆图谱层 gastownhall/beads（28,585★）：用 bd CLI 把散乱待办变成严格的任务依赖图。DoltHub 博客实测把每个目录建为 Epic、每个文件建为 Bead，单次连续 12 小时重构了 315 个前端文件不迷路。
2/ beads-orca 的 4 道显式交接护栏：
① 行级切片 + 原文件全文 Hash 绑定：可只勾选 Markdown 文档的第 10-24 行喂给 Agent，但 hash 锁的是整个原文件——哪怕选区外改了一个字，点 Send 也会立即报错拒发（Changed context rejects Send），强制重新预览；
② 3,500 字符落盘红线：上下文超 3,500 个 JS 字符绝不塞进 CLI 参数，而是完整写入 .beads-orca/handoffs/<UUID>/context.md，只给新会话发短指令去读该文件，不扫全仓、不截断、不自动 Git 暂存；
③ 无原子空闲锁禁扰旧会话：因 Orca 缺少原生原子 idle-only 门禁，直接锁死向已有会话发消息（Existing-session handoff remains blocked），只拉起新 CLI 会话；
④ 发送 ≠ 认领 ≠ 完工：拿到投递回执不等于 Claim 或完成，且作者诚实披露 Linux 面板测过 1,262 个 Issue，但真实模型执行与 macOS UI 尚未验证。
4
4
198
拆解了 @leo_xiaolei 今天发的《Gemini 4 + Omni 1.2 剧情短片制作 7 步法》（16911 浏览）。
我先把他 66.283 秒的《西梁女儿国》原片拉下来做了机器反测，接着在本机接管 Google Flow 从零复现了一支 3 机位古今监控喜剧《大唐造办处·内宫安防实录》👇
3
4
132
2. 唐代午门古装语境下，模型直出中文真把「监控」念成了「军控」，还多出一段乱码气音；压低原轨垫底会串音，必须改截 11.05-11.95s 闭嘴段的纯无人声底噪循环铺底；
3. 彩色服装词让红外夜景残留约 30% 饱和度，靠 Python 亮度曲线转纯正黑白；
1
33
4. 演员逗号停顿 0.4s 时一刀切压静音会让配音早停 617.9ms；改成「双向呼吸停顿调节」后，9 句台词唇形尾差收进 4.1-114.4ms（中位数 60.0ms），41.611 秒成片响度拉准到 -16.2 LUFS。
完整拆解与复现报告：
github.com/Hermes-marovole/m…
1
38