受这位老哥的启发，做了一个3D解题书，更适合中国宝宝。 说实话，这种风格确实挺难做的，很难做到一模一样的审美。

今天跟孩子一起讨论一道物理题。 说实话，光看题目，我完全想象不出电路是怎么流的 😂 干脆让 Claude 帮我把这个实验模拟了出来： 电流往哪走、每一步怎么解，清清楚楚，孩子一看就懂。 我在想，对绝大多数初高中家长来说，遇到辅导不了的题， 花 5 块钱用个工具把一道题讲明白，应该很多人愿意吧？ 这可能是一个值得做的小产品。

バイブコーディング

兄弟们，昨天那条有人说：人家纪录片本来就拍得好，剪出来当然好看。 对，我也是为了让它剪自己随手拍的素材，比如一次旅行，看看它能不能通过提要求的方式来帮我剪出一个比较好的片子。于是我想起了压箱底的视频。 2019 年我去拉斯维加斯参加 AWS re:Invent，GoPro 随手拍了一堆，晃的、糊的，还有一段镜头是倒着的。当时因为工作量太大，就放弃了，就一直吃灰了。 全扔给 Opus 5.5，我跟他描述了这次活动是什么，这几个视频分别是什么。 后来的发布产品我就没拍，它自己跑去 AWS 官方视频里，把那年的 Graviton2、Inferentia 全给找回来了。算是把这个故事补全了。 最狠的是，它留了我几年前随口说的一句"梦想成真的感觉"，解说一停，正好接上我自己的声音。听到那一下我鼻子是真的酸了。 吃灰的素材，剪到4 分半，这就是成片 👇

This week’s Paper Club is all about inference. For every FLOP spent training a model, roughly six go to serving it each year — and getting that part right has produced over $220 billion in market cap in the last decade. But inference is much more than calling model.forward. Every token has to move through a complicated stack of routing, caching, scheduling, kernels, memory, and hardware, all while balancing speed, cost, and quality. We brought together researchers and builders from @togethercompute, @ollama, @luminal_ai, and @sgl_project & @radixark to take us through that stack from end to end. We’ll see how a token gets from an API request to a GPU and back, why the same open model can perform differently depending on who serves it, and how new approaches to compilers and caching are making inference faster and more efficient. 00:00 - Why inference matters more than training 08:24 - Three kinds of inference innovation 12:14 - Dan Fu (@realDanFu): the lifecycle of an inference request 42:18 - Jeff Morgan (@jmorgan): not all open model tokens are the same 1:04:31 - Joe Fioti (@joefioti): compiling models with search, not heuristics 1:30:30 - Liangsheng Yin (@lsyincs): SGLang and memory for the agent era

Pretty much. As of the past few weeks, debt markets have almost entirely shut off access to money for any company that doesn’t have substantial revenue independent of AI data centers. SpaceX closed $40B of debt for GPUs, but we’re investment grade and have Starlink & launch revenue. That means the 200+ neoclouds are going to see guppy-level death and consolidation. Some will make it through, but not many.

最近我剪视频都是在YouTube上找素材。我基本只给 Claude 一个链接，剩下的全交给它。 用的是这个神奇的 ffmpeg-skill 👇 它的功能很强，我还没完全玩透，但目前的表现近乎完美： Claude 会自己“看”视频 剪辑点找得很准 自动选最高画质 速度还快 现在 YouTube 就是我的素材库，我只需要告诉 Claude 怎么剪。 github.com/kajisho5/ffmpeg-s…

We may have gone a little overboard with the freebies. 👀 937 free 3D assets. Ready to drop into your next game. Go build something cool. 🚀 threejsassets.com/assets/fre…

晚上孩子突然跑过来问我，能不能帮他做一个几何图形。 他说最后一道题，他觉得只要把图按数学逻辑画出来，并且能让它动起来，答案的位置自己就能看出来。就这么一个小小的念头，他觉得AI可以帮他。 这个忙我必须帮。 我跟他把题目、思路和基础图形理清楚，一起丢给了AI。十分钟后，Claude给我生成了一个界面—— 可以拖动，可以从不同视角看，还有解释图形。 我们俩都愣住了。比想象中的完美太多。 孩子眼睛亮得不行，他从来没见过这样的东西，我也没有。那一刻我突然明白，所谓“请老师”有时候真的不如让孩子自己亲眼看见、亲手拖动一次。 这是他第一次真正感受到AI的强大。不是听大人说，而是亲眼看到它能帮他完成一个刚刚还觉得很难的想法。 怎么让孩子认识AI、知道它现在能做什么、怎么去用它——这是我的责任。 一定要尽早让他知道，如何伴随着AI去生活、去成长。

Made a skill for dimensional drawings of UI components. Inspired by Apple's accessory drawings, it documents a component's architecture into a spec sheet. github.com/enesozturk/dimens…