DPS Main

近距离观察了朋友怎么用 AI，然后给了一些建议。 背景是我们合作在写一套培训课程，有比较特殊的文件要求 （scorn），我们两人精力有限，都想借助 AI 完成大部分工作。我们的分工是我朋友负责文字和图片内容，我负责除此之外的所有。 所以最近几周，我构建了大量的工具，比如课程内容写在 yml 文件里，然后可以渲染成 html，这样就可以在浏览器里预览所有内容和交互。还把客户的要求全都提炼出来，形成一套半自动生成内容，全自动渲染部署的系统（他们非常主观，没有系统性的书面要求）。 结果和我朋友之前产生了不小的 gap，我在项目里特地为她的 agent 优化，这样只要她的 claude 读到项目，理论上就可以无缝衔接。但无论怎么试，发现有巨大的隔阂。 直到今天近距离观察她是怎么用的，才发现原因： 1. 她打开 cluade desktop，然后手敲一大行 prompt，让 claude 根据素材生成 prompt； 2. 然后把相应的文件和上面的 prompt 放到千问的聊天框里，让千问干活； 3. 然后再把千问的结果贴回 claude，然后又问 claude 哪些地方需要插图，并要它生成图片的 prompt； 4. 再把这些贴到 Meta AI 里的聊天框，生成图片。再下载回来，丢给 claude。 如此反复。 我建议她： 1. 使用 paseo 来调度不同的 agent； 2. 安装 opencode，这样可以用 qwen 的 API，而且不贵。 3. 可以在 paseo 里直接用 claude 调用 opencode cli。让 claude 读到项目的上下文，然后生成相应的 prompt，直接调用 qwen 生成内容； 4. 预览之后，要求 qwen 修复一些问题； 5. 然后让 claude 查看什么地方适合插图，看看项目里是否已经有爬取的图片或者生成的图片可以直接用，没有的话，生成 prompt 丢给 codex 去生成图片； 6. 然后把生成的图片，和相应的 prompt 写成图片描述，存到 manifest 里。以后再用的时候，就可以通过 manifest 直接定位到图片。 对了，以上几步都生成了 skill，以后她都不用怎么手敲 prompt 了，只要 / 就能调用 skill

一个生活小技巧：牙刷之类的软管产品，挤完之后拿剪刀软管中间剪开，里面至少还有一周的用量。可以拿剪开的尾部作为盖子罩在前半部分上。

如果每周的 token 限量没有用完，其实最超值的用法是用最好的模型优化你的 skills，因为 skills 会反复被调用，不仅直接关系到最后实现效果的优劣，还直接影响 token 的消耗，妥妥的复利效应。

Keep Meter Running 的这期非常感人： 来自尼泊尔的纽约的士司机 Khakendra Pun 搬往美国多年，做了77份零工，睡过97个不同房子的地板。 他算了下，如果靠着每小时四美金的最低时薪，他要花167年才能在美国买一栋房子。 于是他跑去书店打工，在工作间隙写下自己的故事，然后印刷成书。见人就卖，卖了超过六千册。然后又陆续写了三本书。 当主持人 Kareem Rahma 遇见他时，他说自己还会吹笛子。在等红灯的间隙就会拿出笛子练习。Kareem 邀请他去了一家录音棚录下了他的演奏。 Khakendra 说他最大的还未实现的梦想就是说一场脱口秀。于是 Kareem 帮他找了一个开放麦。 Khakendra 说，人生就是不断有起伏，最重要的就是继续往前走。失败也好，拒绝也好，都是一个新的开端。Kareem 也说，他父亲离世前的最后一句话是，Keep going. https://youtu.be/LtXM2FfbdEk

这期讲得实在太好了，从鸦片战争一直聊到了当代，从美国日本欧洲一直聊到了中国，把很多问题都聊透彻了，比如为什么会发生鸦片战争，为什么日本要拿下满洲等等。 https://jfbooks1.substack.com/p/ep19

GigaOM 的创始人 Om Malik 刚刚去世，那么多科技界名人都写了悼文： https://om.co/2026/06/24/1966-2026/ https://ma.tt/2026/06/om-forever/ https://daringfireball.net/linked/2026/06/25/om-malik-rip https://arun.is/blog/good-bye-om-malik/

DPS 也曾经分享过十篇 Om Malik 写的文章

最近见了老同学，已经升到一顶尖高校的副教授了，算是我们里面比较快的了。 聊起我们同一级的另外一哥们，已经升到另一顶尖高校的正教授了。 说起来这哥们也有意思，当年保送国内最好的数学系之一，读了三年，坚决不上思政课，然后学位没拿就走了。 去了法国顺利拿到博士学位，然后一路在理论数学里开疆拓土，拿到了现在的正教授职位。 最好笑的是，当年拿思政课成绩卡他的学校现在追着把他当杰出校友，可是学位还没给人家啊🤣

Jeff Su 最近的一期视频正好聊到这个： https://youtu.be/msFxQ7OYPj8

大开眼界的一期节目： 1. 墙的存在并不是为了封禁所有人，而是为了提高翻墙的成本，这样就能过滤掉大量人； 2. 墙的存在其实也变成了一种牟利方式，国企，阿里云，腾讯云都从中获利颇丰； 3. 当然做翻墙生意真赚钱； 4. 远洋捕捞也成了一种产业，特别是北方的县级公安特别喜欢这种方式，当然一线城市的公安也好不到哪去，暗示送钱，罚没之后不记录在案； 5. 人肉翻墙也有各种方式，嘉宾找朋友一路从武汉开车到钦州，中途不曾下车。然后进入越南，又去友谊关打点，获得另纸签。然后飞到新加坡，再飞欧洲。 6. 总之永远不要放弃希望。 https://overcast.fm/+ABO6eQuuJ5M

最近近距离观察一些朋友使用 AI 的方式，发现了很明显的代际差异： 1. 朋友 A 用了 Gemini / Grok / Claude Desktop 等多个工具，但仅限于使用他们的对话框界面，一个对话可能承载了所有历史； 2. 朋友 B 使用了 Claude / Chatgpt 等对话框工具，也使用了 Claude Code。用 Claude code 一半是对话，一半是用 agent 调用工具，解放了不少生产力； 3. 朋友 C 只使用 Claude Code 和 Codex，只有一小部分对话，绝大部分都是…

最近近距离观察一些朋友使用 AI 的方式，发现了很明显的代际差异： 1. 朋友 A 用了 Gemini / Grok / Claude Desktop 等多个工具，但仅限于使用他们的对话框界面，一个对话可能承载了所有历史； 2. 朋友 B 使用了 Claude / Chatgpt 等对话框工具，也使用了 Claude Code。用 Claude code 一半是对话，一半是用 agent 调用工具，解放了不少生产力； 3. 朋友 C 只使用 Claude Code 和 Codex，只有一小部分对话，绝大部分都是 agent。 举个最简单的例子，比如你的电脑出了问题，如果使用 A 的方式，可能就是不断地问 AI，然后贴截图，再按照它的回答拿鼠标去点；如果使用 C 的方式，基本上就是问答之后确定方案，然后让 AI 代劳。 尽管 Claude Code 和 Codex 名字里都带着 code，但它们不仅适用于写代码的场景，在很多非代码场景里也可以极大地解放生产力。

终于找到了完美的会议摄像头配置： 1. 大疆 Osmo 手持云台 2. iPhone 后置摄像头，有线接入 Mac 尽管只是 16e，但非常清晰，比市面上其他专用的 4k 会议摄像头要清晰得多，而且没有延迟。

用 Astro 重写了网站，替代了原先的 Ghost。开放了所有内容： https://letters.acacess.com/

去年年初见一个正在创业的朋友，他说自己在用 $200/m 的ChatGPT Pro，我自己当时还在用 $20 / m ChatGPT Plus。他当时介绍了自己怎么用 那么多，我当时心疼钱，没舍得升级。 四月的时候因为 Lenny podcast 赠送 cursor 等会员，我买了，但是没兑换到，后来自己花钱买了 $20/m 的 cursor。五月的时候先买了 $20/m 的 claude ，后来升级到 $100/m 的 claude max。 中间因为 token 不够用，升级过一两次到 $200/m 的 claude max。最近变成了 $100/m 的 claude max 和 ChatGPT pro。 用 paseo 在服务器上跑这两个 agent ，然后用 pi 在本地跑一个 qwen 3.6 27b 的模型用户简单任务。 总之，在力所能及的范围内用最好的模型，可能是这个时代最划算的投资。

跑去见高中的校长，和他聊了不少。 尽管他是老师，但年长我不多，所以我们交流比较随意。 我举的例子是，比如备课这件事和写代码其实很像。他们有多年教学经验的老师，积攒了大量的课件。如果有新教材出来，其实可以让 agent 学习之前的课件，了解老师的风格，为新课程准备课件。老师审核之后，作出相应修改，就可以拿去教学了。就好像让 agent 进入一个 repo，学习了上下文，就可以写出更好的代码一样。 他也觉得这事有可能。但这样一来，学校和老师的地位都有可能动摇。因为学生可能有更强的 AI 学习技能，而老师能教授的可能还不如 AI 多，还不如 AI 快。这样一来，学校的意义是什么？老师的意义是什么？ 如果脑机接口进一步普及，那是不是只要接一个脑机接口，就能升级知识？那么考试的意义又何在？他还说现在那批在国外留学的学生，有不少都在研究脑机接口。可能未来会有更快的发展。 我的理解是： 1. 这样的变化只会越来越快，当然深处其中，我们很有可能会焦虑，这也在所难免。也许回头来看，这些都好像自然而然。就好像我们当时看到 devin 发布的时候，觉得 AI 写代码是天方夜谭，现在再一看，有几个程序员不用 AI 写代码？ 2. 回头来说老师和学校的作用，我觉得可能会逐渐变化成 mentor 的角色。具体的知识点可能由 AI 来完成教学，但学什么方向，怎么学可能需要老师来指点。当然老师本身也需要具备更强的技能，更宽广的视野。他基本认同这一观点，但是要有破局者来作出改变，在现行环境下，极其困难。 3. 当然也许过几年回头来看，这些都是毫无意义的讨论，可能所有的发展都和我们想象的不一样。

昨天在国内一个高校分享了这一年多来的编程体验，我的理解是差不多经历了现金支付，信用卡支付再到移动支付三个时代。 所谓的现金支付阶段，是指开着一个 AI 聊天窗口，问一个问题，AI 生成一段代码，然后把代码带回 IDE 里跑一下，如此往复循环； 而到了信用卡支付阶段，开始在终端里跑 agent，agent 可以了解整个 repo 的上下文，对整个项目有更全面的了解，进而有更强的自主性，人的角色也慢慢变成了参与者； 现在到了移动支付阶段，agent 可以根据上下文，根据需求制定计划，人审核之后，agent 可以拆分子任务交给不同的 subagents 执行，执行完还可以调用其他模型审核代码。人的角色慢慢变成了架构师。 当然这些都在极速变化，我们可以 keep calm and catch on。 来听讲座的大概有二三十位数学系/统计系的同学，除了个别几位用到了移动支付阶段的 AI 编程，剩下的大部分都还停留在现金支付阶段。

原来王家卫把《花样年华》的结尾放在吴哥窟拍，就是因为不可能。