推文

Julien Chaumond

3天前

Some good insights in there

Great research subject, I hope more labs would work on this

Shayne Longpre

3天前

Who is winning the open AI race?

Our new study "Economies of Open Intelligence"  maps 2.2B @huggingface downloads across 851k models (2020→2025).

1) Power is rebalancing (US big tech ↓; China + community ↑)
2) Models got big & efficient (MoE, quant, multimodal surge)
3) Intermediaries now matter (adapters/quantizers steer usage)
4) Transparency is slipping

/🧵

2.4万

4,777

AI Engineer

1周前

最后但同样重要的是，@aiDotEngineer 再次邀请 @kevinhou22 (Antigravity 产品负责人) 出席。

他向大家介绍了 Google 新的 Agentic IDE、Agent Manager 功能，以及集成视频支持的 Chrome 浏览器的创新之处，同时也坦诚地承认了在 IDE 发布初期，许多用户遇到的 GPU 过热和报错问题！

1,082

meng shao

5天前

[面试避坑] 01 - 面试中挖出真实的「企业文化」

一家公司的企业文化，在哪体现？在办公区墙上？卫生间隔间门上？抬头房顶悬挂上？办公软件开屏广告上？邮件签名上？都不是，甚至会「缺什么强调什么」！

想象这样一家公司，你作为研发工程师入职，第一天下午就进入了xx项目集中办公区，项目经理笑容满面的来跟你打招呼，给你介绍项目信息和成员，然后，项目管理软件中原本 TBD 的任务立刻开始燃烧起来，责任人就是你，Day0 开始你就要为任务交付负责。

相对应的，你入职后还没有被介绍给你所在的研发部门，没有对这个部门的技术架构、平台建设、技术规范、知识库等有一丝了解，如果刚好那段时间项目节奏紧（通常情况），可能甚至几个月后，你对部门还是几乎一无所知。在项目里做的怎么样，真的要完全靠你的个人能力，从零开始造轮子，不仅得不到部门的人和技术支持，反而会被很快拉进反反复复的联调、会议、排障中。这在硬件公司太常见了，特别是你如果是嵌入式软件开发这个中间环节，就更明显了。

以上这段描述，只是举个例子，如有雷同，纯属虚构哈（不映射前某公司）。言归正传，我作为一个研发工程师，在面试中我怎么能更早的了解到这些坑呢？

答案很朴素，就是：多问、往深了问、问到你脑子里完全清晰为止。不要怕因为你问问题，给面试有减分，不存在，勇敢的问！

那…问谁，怎么问，怎么判断是否有掩饰或虚构呢？

问谁？
问业务面试官，如果有多级，都问，但侧重点会有不同。

怎么问？
现在最近的项目中的实际运作过程，决策方式，部门技术架构和平台什么时候开始搭建的、目前在什么状态，入职后的一个月大致是怎样的安排、会得到研发部门哪些培训和支撑，研发部门对于新人的长期培养计划是怎样的、上升渠道又是怎样的，项目中配合方式是怎样的、决策是怎么做的、都开哪些会、会议谁主导，如果技术选择和项目交付产生冲突是怎么解决的，最近一次项目中冲突是什么、怎么解决的，项目组跟公司的汇报节奏，哪些决策需要依赖汇报，最近一年有延期的项目吗、原因是什么，判断一个项目是否成功的标准是什么、判断比重如何？（写的零碎，建议朋友们放到 AI 助手里梳理备用）

为什么要问不同的人，怎么判断回答的真假呢？
不同级别的业务面试官（通常是小组Lead、部门Lead和技术负责人），对项目的细节了解、全局了解不一样，你可以从细节了解到全局，综合起来判断。判断真假也不难，多人间的互相印证、实际项目中不同问题的反复印证，如果是假的，很容易听出有含糊或不合理的地方，在哪里深挖一步，业务面试官通常会有纰漏（毕竟还是程序员，说假话不擅长）

如果在面试中，问以上问题的过程中感受到了不舒服或不满意，就不要强求，不要迎合。因为，入职后你面对的真实情况，一定不如面试中的描述，这是必然的，因为只要参加面试的业务面试官，都会被要求不吐槽公司、不输出负面信息，他们还是会选择性的说正面的信息，其实没有明确说的部分，可以理解为就是负面的。

meng shao

6天前

这篇写在失业三个月的一些牢骚和反思，居然成功吸引了前公司「管理层」的关注

当时发到 X 和小红书后（公众号有很多前公司管理层关注，没敢发，我怂 😂），很多前同事表达了「感同身受」、「的确如此」的感受，特别是产品和研发这些实际在做事的朋友们

既然被关注到了，我想继续把这两年的故事展开写写，其中还是有很多企业做大后的典型问题，和每个开发者（或打工人）求职时和刚入职时要识别的坑，企业换人的成本，永远比个人换工作的成本低得多，咱们打工人永远是弱势方，怎么做到更早更准的识别，避免自己掉进坑里，这里面讲究就很多了。

争取从我自己的观察，提炼出更多共性来，给大家「避坑」吧。

1.2万

3,194

GitHub

3天前

最后：Log4Shell 如何重塑开源资金，以及为什么可持续基础设施现在至关重要。

对于任何维护软件的人来说，这是必读内容。

the-github-podcast.simplecast.com/episodes/from-…

1.2万

Lenny Rachitsky

1周前

他补充说，“对我来说，这就像，你应该为你的产品感到尴尬。你不应该总是，哦这太棒了。我的意思是，你可以为单个的工作成果感到自豪，但是在总体上，如果你看不到几乎无限的机会来改进，那么你不应该设计产品，或者你不应该负责公司。”

7,475

v0

4天前

x.com/joelbqz/status…

Joel

1周前

made today a shader editor with @v0 and gemini 3,  still very rough but core features are ready, it infers controls from declared uniforms, supports multi-tab and templates, the next feature will be persistence with the browser filesystem API and PWA so it works 100% locally

gemini 3 is really good with UI and layouts, but it still flops(like other models) on writting proper(and performant) react code, it likes to  resort a lot on useEffect and setTimeout as quickfix or doesnt use react19 features like suspense and use()

live demo below

00:22

314

3.1万

8,834

Aadit Sheth

2天前

AI 弥合了做事上的差距，而品味弥合了决策上的差距。决策才是价值的源泉。AI 将接管打字，但无法取代认知。

2,711

Qdrant

5天前

“Hey Rama” - 语音优先的离线学习助手

我们想重点介绍一个创新项目：SAP 的 Ujwal Iyer 在树莓派 5 上构建的“Hey Rama：语音优先的离线学习助手”。

这个构建包括：

- 一个完全离线的语音系统，运行在树莓派 5 上，为儿童提供包括罗摩衍那、摩诃婆罗多、数学、逻辑、太空等主题的学习内容。
- 使用通过 Ollama 的本地 LLM + 语音识别和 TTS (通过 Whisper.cpp & Piper) 实现完全自包含的设置。
- 利用 LangChain 进行编排，并使用 Qdrant 作为向量检索骨干 - 支持领域特定的集合（故事、自然、太空）以及对其进行语义搜索。
- 在设计时考虑了模块化、儿童安全交互和小尺寸硬件约束（16 GB 树莓派）。

为什么这很重要？

在 Qdrant，我们相信有意义的 AI 构建结合了技术和以人为本的用例。这个项目实现了：

- 一个不依赖云服务或暴露数据的离线、私有语音助手。
- 一个向量驱动的后端，能够为儿童提供丰富的知识检索——以领域集合的方式组织，并为语义回忆建立索引。
- 一个将模块化工具（LLM、向量数据库、语音栈）集成到真正的教育设备中的实际例子。

对于产品团队、边缘 AI 构建者和教育工作者来说，这是一个伟大的灵感来源。

在此阅读完整项目：👉 ujwaliyer.com/posts/HeyRama-…

#Qdrant #向量搜索 #边缘ai #离线ai #语音优先 #学习技术 #LLM #树莓派 #LangChain

471

Patrick Loeber

6天前

我们写了一个开发指南，用于构建 Nano Banana Pro。祝大家构建愉快！&#127820;

Google AI Studio

1周前

x.com/i/article/1992…

581

3,530

68.6万

113

1,170

1,642

19.5万

402

Anthropic

4天前

Anthropic 新研究：从 Claude 对话中估计 AI 生产力收益。

Anthropic 经济指数告诉我们 Claude 在哪里使用，以及用于哪些任务。但它并没有告诉我们 Claude 有多有用。它节省了多少时间？

206

1,667

703

15万

355

订阅源

Who is winning the open AI race?

Our new study "Economies of Open Intelligence" maps 2.2B @huggingface downloads across 851k models (2020→2025).

1) Power is rebalancing (US big tech ↓; China + community ↑)
2) Models got big & efficient (MoE, quant, multimodal surge)
3) Intermediaries now matter (adapters/quantizers steer usage)
4) Transparency is slipping

/🧵

最后但同样重要的是，@aiDotEngineer 再次邀请 @kevinhou22 (Antigravity 产品负责人) 出席。

他向大家介绍了 Google 新的 Agentic IDE、Agent Manager 功能，以及集成视频支持的 Chrome 浏览器的创新之处，同时也坦诚地承认了在 IDE 发布初期，许多用户遇到的 GPU 过热和报错问题！

[面试避坑] 01 - 面试中挖出真实的「企业文化」

一家公司的企业文化，在哪体现？在办公区墙上？卫生间隔间门上？抬头房顶悬挂上？办公软件开屏广告上？邮件签名上？都不是，甚至会「缺什么强调什么」！

想象这样一家公司，你作为研发工程师入职，第一天下午就进入了xx项目集中办公区，项目经理笑容满面的来跟你打招呼，给你介绍项目信息和成员，然后，项目管理软件中原本 TBD 的任务立刻开始燃烧起来，责任人就是你，Day0 开始你就要为任务交付负责。

相对应的，你入职后还没有被介绍给你所在的研发部门，没有对这个部门的技术架构、平台建设、技术规范、知识库等有一丝了解，如果刚好那段时间项目节奏紧（通常情况），可能甚至几个月后，你对部门还是几乎一无所知。在项目里做的怎么样，真的要完全靠你的个人能力，从零开始造轮子，不仅得不到部门的人和技术支持，反而会被很快拉进反反复复的联调、会议、排障中。这在硬件公司太常见了，特别是你如果是嵌入式软件开发这个中间环节，就更明显了。

以上这段描述，只是举个例子，如有雷同，纯属虚构哈（不映射前某公司）。言归正传，我作为一个研发工程师，在面试中我怎么能更早的了解到这些坑呢？

答案很朴素，就是：多问、往深了问、问到你脑子里完全清晰为止。不要怕因为你问问题，给面试有减分，不存在，勇敢的问！

那…问谁，怎么问，怎么判断是否有掩饰或虚构呢？

问谁？
问业务面试官，如果有多级，都问，但侧重点会有不同。

怎么问？
现在最近的项目中的实际运作过程，决策方式，部门技术架构和平台什么时候开始搭建的、目前在什么状态，入职后的一个月大致是怎样的安排、会得到研发部门哪些培训和支撑，研发部门对于新人的长期培养计划是怎样的、上升渠道又是怎样的，项目中配合方式是怎样的、决策是怎么做的、都开哪些会、会议谁主导，如果技术选择和项目交付产生冲突是怎么解决的，最近一次项目中冲突是什么、怎么解决的，项目组跟公司的汇报节奏，哪些决策需要依赖汇报，最近一年有延期的项目吗、原因是什么，判断一个项目是否成功的标准是什么、判断比重如何？（写的零碎，建议朋友们放到 AI 助手里梳理备用）

为什么要问不同的人，怎么判断回答的真假呢？
不同级别的业务面试官（通常是小组Lead、部门Lead和技术负责人），对项目的细节了解、全局了解不一样，你可以从细节了解到全局，综合起来判断。判断真假也不难，多人间的互相印证、实际项目中不同问题的反复印证，如果是假的，很容易听出有含糊或不合理的地方，在哪里深挖一步，业务面试官通常会有纰漏（毕竟还是程序员，说假话不擅长）

如果在面试中，问以上问题的过程中感受到了不舒服或不满意，就不要强求，不要迎合。因为，入职后你面对的真实情况，一定不如面试中的描述，这是必然的，因为只要参加面试的业务面试官，都会被要求不吐槽公司、不输出负面信息，他们还是会选择性的说正面的信息，其实没有明确说的部分，可以理解为就是负面的。

这篇写在失业三个月的一些牢骚和反思，居然成功吸引了前公司「管理层」的关注

当时发到 X 和小红书后（公众号有很多前公司管理层关注，没敢发，我怂 😂），很多前同事表达了「感同身受」、「的确如此」的感受，特别是产品和研发这些实际在做事的朋友们

既然被关注到了，我想继续把这两年的故事展开写写，其中还是有很多企业做大后的典型问题，和每个开发者（或打工人）求职时和刚入职时要识别的坑，企业换人的成本，永远比个人换工作的成本低得多，咱们打工人永远是弱势方，怎么做到更早更准的识别，避免自己掉进坑里，这里面讲究就很多了。

争取从我自己的观察，提炼出更多共性来，给大家「避坑」吧。

最后：Log4Shell 如何重塑开源资金，以及为什么可持续基础设施现在至关重要。

对于任何维护软件的人来说，这是必读内容。

the-github-podcast.simplecast.com/episodes/from-…

他补充说，“对我来说，这就像，你应该为你的产品感到尴尬。你不应该总是，哦这太棒了。我的意思是，你可以为单个的工作成果感到自豪，但是在总体上，如果你看不到几乎无限的机会来改进，那么你不应该设计产品，或者你不应该负责公司。”

made today a shader editor with @v0 and gemini 3, still very rough but core features are ready, it infers controls from declared uniforms, supports multi-tab and templates, the next feature will be persistence with the browser filesystem API and PWA so it works 100% locally

gemini 3 is really good with UI and layouts, but it still flops(like other models) on writting proper(and performant) react code, it likes to resort a lot on useEffect and setTimeout as quickfix or doesnt use react19 features like suspense and use()

live demo below

“Hey Rama” - 语音优先的离线学习助手

我们想重点介绍一个创新项目：SAP 的 Ujwal Iyer 在树莓派 5 上构建的“Hey Rama：语音优先的离线学习助手”。

这个构建包括：

- 一个完全离线的语音系统，运行在树莓派 5 上，为儿童提供包括罗摩衍那、摩诃婆罗多、数学、逻辑、太空等主题的学习内容。
- 使用通过 Ollama 的本地 LLM + 语音识别和 TTS (通过 Whisper.cpp & Piper) 实现完全自包含的设置。
- 利用 LangChain 进行编排，并使用 Qdrant 作为向量检索骨干 - 支持领域特定的集合（故事、自然、太空）以及对其进行语义搜索。
- 在设计时考虑了模块化、儿童安全交互和小尺寸硬件约束（16 GB 树莓派）。

为什么这很重要？

在 Qdrant，我们相信有意义的 AI 构建结合了技术和以人为本的用例。这个项目实现了：

- 一个不依赖云服务或暴露数据的离线、私有语音助手。
- 一个向量驱动的后端，能够为儿童提供丰富的知识检索——以领域集合的方式组织，并为语义回忆建立索引。
- 一个将模块化工具（LLM、向量数据库、语音栈）集成到真正的教育设备中的实际例子。

对于产品团队、边缘 AI 构建者和教育工作者来说，这是一个伟大的灵感来源。

在此阅读完整项目：👉 ujwaliyer.com/posts/HeyRama-…

#Qdrant #向量搜索 #边缘ai #离线ai #语音优先 #学习技术 #LLM #树莓派 #LangChain

Anthropic 新研究：从 Claude 对话中估计 AI 生产力收益。

Anthropic 经济指数告诉我们 Claude 在哪里使用，以及用于哪些任务。但它并没有告诉我们 Claude 有多有用。它节省了多少时间？