Special love language. A 厂的格局小得很稳定😂

A厂给Peter Steinberger 🦞 发了律师函😂

🚀 Claude Sonnet 4.6 正式登场：性能、长文本与性价比的完美交汇点！ 刚刚发布的 Sonnet 4.6 不仅在智力上直逼旗舰 Opus，更带来了 1M 上下文（Beta） 的超长记忆力！无论是分析整套代码库还是处理海量文档，它都能轻松拿捏。 📊 核心亮点看点： • Computer Use 之王：在 Agentic computer use

OpenViking最近很火，晚上学了一下，决定加到我的系统中。以下是我对OpenViking的理解： 传统 RAG 的三个死穴，OpenViking 是怎么解的？ 做过 RAG 的人都踩过这些坑： ❌ chunk 没有上下文关系，搜出来的片段语义孤立 ❌ 向量相似 ≠ 真正相关，召回率高但精度低 ❌ 每次会话结束，AI 什么都没学到

你的secrets, Apikey, 钱包私钥如果不想让agent和llm知道。 NEAR AI 的 IronClaw 给出了一套架构级答案。 ──────────────── 【普通方案为什么危险】 绝大多数 AI Agent 把 API Key 放进环境变量，让 LLM 直接读取传递。这意味着 LLM 上下文里存在真实的 secret 值。

我是claude code的重度用户，刚才升级到了2.1.47，居然告诉我sonnet4.6 1M上下文模型是订阅套餐外的额外账单。你很厉害，但是你这样搞真的不怕有人超越你后，所有人都来踩你吗？！还有那些机器人自动发推的KOL们，你们发帖也提示一下流氓结算模式，整天这个强那个强，就没看谁为不正当的收费发声。

最近看到最靠谱的skill

许愿，新的职业

很多朋友抱怨OpenViking不知道怎么用。我把它和pi-mono结合起来，希望能抛砖引玉。 pi-mono × OpenViking：给 AI Agent 装上持久记忆 先说三者关系：LLM 是大脑，pi-mono 是身体，OpenViking 是海马体。 LLM 负责推理和决策，但天生无记忆——每次对话都是失忆状态。pi-mono 是 AI Agent 框架，给 LLM

对于openviking，讨论很热烈，很多朋友提到chunk overlap的问题，我们把这个问题嚼烂了揉碎了看一下。同时也看看开源社区对这个头戴大厂光环项目的评价，不吹不黑。下文内容有AI协作参与。 从传统的向量数据库（Vector DB）到 OpenViking 的演进，实际上是 AI

vibe coding累了就看看原生美女，这个时代稀缺资源。

创造GDP的原理是，治愈GDP造成的污染也是GDP。A厂深谙其道。不过验证了我之前的思考，反馈也是LLM的活。

cloudflare开创了mcp code mode范式，号称token用量减少99%。核心要点如下： AI不记住所有API细节，只用两个工具： search()(写代码搜API规范，找出需要的端点) 和 execute()(写代码实际调用 API，能链式操作多个步骤)

Pi-mono rust版本！mario亲自认可。效率提升数倍，extention操作更细腻。加入记忆就更完美了。看来老外也喜欢用pi。原因只有一个，可掌控。ai发展的最大痛点不是ai不够聪明，而是你被ai的距离拉得原来越远。

产业发展成熟后通用向专用转化的必然进程。需求固定，体验极致后的面向通用框架的减赘。

Naval也在进化

带有爽文标题的良心之作