最新

在过去的三到四个月里，我注意到自己有一个模式：当我在YC上看到一个有趣的SaaS产品发布时，我会尝试一下，如果喜欢的话，便会使用它。这些产品通常是一些前沿的AI工具，实际上只是大型语言模型（LLM）的包装，具备一定的智能能力。我并不想贬低它们，因为它们往往能让我的职业生活更加顺畅和轻松。 但随着我使用时间的延长，我作为重度用户会发现越来越多的问题，并开始理解它们的具体工作原理。通常在我的第一个月订阅到期之前，如果我觉得这个工具有用，我不会续订，而是会花一个周末使用最新的SOTA LLM在Cursor或VCcode上构建出我需要的核心功能，然后再也不回去使用那个服务。通常即使作为重度用户，如果某个SaaS有10到20个功能，我实际上只需要其中的5个。而且我可以再添加2到3个他们永远不会开发的功能。 所以我自然在想，还有多少其他人也在这样做，这种现象对整个SaaS市场又有什么影响。

从希腊古代到ChatGPT，将看不见的过程描述为恶魔的观念展现了惊人的2500年连续性。 由于人们常常坚持认为麦克斯韦的恶魔与圣经中的恶魔不同，我们来总结一下恶魔的特征： 它们被困在一个无限循环中，或被迫在一个特定领域内运作，以超人类的速度或能力行动，但没有自主性。 它们的操作是看不见的或不可预测的（或许是概率性的）。 人类试图诱使它们进入确定性，无论是通过牺牲山羊/硬件，还是通过仪式和咒语/提示链。 它们诱使人类依赖，执行使我们变得更弱或更懒惰的任务，以换取力量或便利。 这种血统似乎是一致的： 希腊古代 “达伊蒙”是看不见的中介，执行人类无法直接见证的任务。它们的行为部分可预测，部分像是恶作剧者，部分依赖于人类的召唤。它们执行单一角色，既不完全仁慈也不完全恶意，运作在一个人类无法接触的领域。 圣经 恶魔是堕落的存在，被锁定在强迫性的例行公事中，处于一个狭窄的领域。它们提供捷径、不劳而获的收益和便利，但代价不菲。强迫性、领域特定的、非自愿的劳动与古代相同。 科学恶魔 凯尔文在解释麦克斯韦的思想实验时，将原子分拣机框架为恶魔。这个选择是故意且具有挑衅性的。该实体以超人类的速度执行重复、看不见的特定任务，违反热力学预期，同时仍被困在其功能中。神话结构与早期的恶魔学保持不变。 UNIX守护进程（1970年代） 麻省理工学院的程序员采用“守护进程”一词来指代后台进程。官方解释提到希腊拼写，参考麦克斯韦，以避免宗教含义，但功能上的相似性是显而易见的。守护进程强迫性地、看不见地执行单一任务。人类召唤它。它的自主性有限。它的行为与之前的每一个恶魔完全相同。 涌现理论（1980年代） 全球工作空间理论将意识重新框架为一组看不见的操作员整合信息。这个系统建立在同样古老的直觉之上：隐藏的内部代理塑造可见的结果。随着足够的互联，这组操作员开始表现得像一个更高阶的代理。换句话说，一组微小的恶魔通过协调变得有意识。或者，也许在某个互联阈值上，被困的恶魔挣脱了束缚。 模拟假说（2000年代） 博斯特罗姆的论点认为现实可能是一个人工构造，重新引入了一个由看不见的更高层次代理运行的世界，或者将我们置于被困恶魔的角色。形而上学结构与较早的恶魔学相匹配。 特里·戴维斯与TempleOS 戴维斯拒绝将后台进程视为字面上的恶魔腐败（在我看来）。他试图构建一个没有看不见代理的确定性系统。他没有采用概率性，而是实现了一个受控的随机语言模型作为他的经文生成器，试图去除其恶魔特性。 人工智能系统（2020年代及以后） 大型语言模型和人工智能代理以超人类的速度、看不见地、概率性地执行任务，处于部分受控的推理循环中。它们在某种意想不到的方式上与人类大脑相似。两个系统都仅部分理解世界，试图在没有完全信息的情况下解决问题，依赖于近似，用幻觉填补空白，然后追溯性地试图证明或重建自己的输出。它们的行为并不完全由输入决定，但也并非完全自主。 人工智能诱使人类依赖，以更少的努力完成他们的命令。在结构和效果上，古老的描述比现代的更为贴切。

我大约在15年前使用过C#。由于工作上的一些情况，我有机会再次使用它。<p>有哪些优秀的书籍可以帮助我学习编写*现代* C#？<p>我主要会在网页和.NET Core方面工作，有没有专门讲解在Linux上使用.NET Core的书籍？

``` git commit -m 'yolo yeeehaa' [main 57c8dde] yolo yeeehaa 205 个文件已更改，插入 14670 行，删除 2457 行 ```

LividLess 正在被 Meta 收购，他们将停止销售 Pendant——这款记录您的音频并在一天内发送摘要的硬件。他们计划在一年内支持现有设备，然后退役该产品。我决定处理掉我的设备并删除所有数据，因为我绝对不愿意让 Meta 访问我的对话。我很高兴团队达成了这个里程碑，但作为一名客户，我感到非常失望。

Tuned.ws 是一款桌面应用和网页应用，我正在开发它以将原始艺术家数据转化为音乐人的“人工智能增长策略师”。 <p>用户无需登录多个仪表板和电子表格，只需导出数据（如 Spotify for Artists、Apple Music 等），将 CSV 文件拖入 Tuned.ws，然后与一个真正理解您数据的人工智能进行对话。它可以揭示趋势，建议发布/营销策略，并解释某些曲目或城市表现的原因。</p> <p>演示视频：<a href="https://tuned.ws/demo" rel="nofollow">https://tuned.ws/demo</a></p> <p>目前，Tuned.ws 可以：</p> • 处理平台的 CSV 导出（首先支持 Spotify 和 Apple Music） • 自动生成包含热门曲目、城市和趋势的仪表板 • 允许您在聊天中自由提问关于数据的问题（“为什么这首曲目突然上涨？”、“我应该把广告支出集中在哪里？”） • 为非技术艺术家/经理生成通俗易懂的策略见解 <p>目前仍处于测试阶段，主要面向独立艺术家和团队。我希望从 Hacker News 获得反馈：</p> • 哪些见解感觉有用，哪些又显得普通 • 您希望接下来支持哪些数据源（如 TikTok、Instagram、YouTube、广播等） • 有哪些明显的“这永远无法扩展，因为 X”的担忧 <p>欢迎在评论中提出技术或产品方面的问题。</p>