AI高价值信息精选速览 (2025年07月24日)

Hi，早上好！我是你的专属情报官。今天从92条信源中，为您整理如下内容，希望能给你带来启发！此外，日报官网已上线，网址：alphanews.club。您可前往官网阅读历史日报或预约个性化日报服务，任何问题可咨询kiki220238。

个人成长与创业洞察

创业策略与效率提升

• 项目选择与生产力：关于选择项目，这是一个带来“前后对比”感悟的引文，它改变了作者对选择项目的看法。该引文链接至 Sam Altman 的《生产力》文章 (https://blog.samaltman.com/productivity)。 @GregKamradt
• LLMs 能让写代码速度快得多，但对决定“构建什么”的能力几乎没有影响。 @jnnnthnn
• 最没有效率的人，现在正在炫耀自己9/9/6的工作时长。 @databoy97 转推 @willdepue
• 专业发展：可以阅读最新的技术，也应该阅读最古老的道德基础。 @mbrendan1 转推 @M_Millerman
• 技术创始人建议：这是技术创始人最重要的一条建议。你和你的联合创始人应该拥有共同的语言，并相互信任和尊重。如果你是技术背景，那么很可能你的联合人也应该是技术背景。 @GuptaAnkitV
• 创始人团队：如果你是技术创始人，你不需要非技术联合创始人。 @vijaytupakula 转推 @snowmaker
• 产品发布后的免费流量策略：包括在 X、LinkedIn、YouTube、Instagram、TikTok 和 Reddit 上发布产品发布和新功能更新，在合适的子版块（如产品管理、开源、SaaS、ChatGPT）发布，并在 Product Hunt、Tiny Startups、Hacker News 和 “There's an AI for that” 上发布，同时创建大量由 AI 生成的 Medium 博客文章（关于产品对比和相关主题），以获取 SEO 和 GEO 帮助。 @gabrielste1n
• ARR计算：如果你在产品发布第三天，甚至七个月后就公开分享 ARR (年经常性收入)，那是在进行操纵。 ARR 最好在 13个月 后计算，因为那时流失率（churn）开始显现。即使是 5% 的“适度”流失率，到年底也会是报告 ARR 的 50%。 @DmytroKrasun
• 订阅服务：当看到月度订阅服务谈论 ARR 时，这让人有些恼火。感觉这并非对财务状况的诚实体现。 @Rich_Belt

AI模型与智能体进展

智能体架构与应用

• AI代理的UI演变：在为“严肃工作”开发日常AI代理（例如2万-4万行代码量的Vibe Coding或进行复杂数据分析）时，UI正在发生有趣的变化：IDE (集成开发环境) 正在被挤压。目前的循环主要在三个部分之间：
  1. 代理控制：一个简单的提示栏，显示状态信息。用户在此创建和监督半自主任务列表。
  2. 氛围测试：运行应用程序、阅读分析报告等。用户在此引导代理，确保AI保持“接地气”。
  3. 质量控制：定期从氛围测试切换到更严格的审计，例如 GitHub 上的PR审核。作者认为跳到 VS Code 等 UI 是 AI自动化流程 中存在“大块污垢”的信号，是需要消除的目标。虽然出于安全考虑需要保留IDE，但 AI UI 更多是为了消除手动 IDE 时间。 @lmeyerov
• AI代理与LLMs的结合：
  • 来自 聊天LLM时代 的最佳实践对于构建 编码代理 来说，不仅过时，而且会带来积极的危害。 @raphaelmansuy 转推 @jxnlco
  • 所有的编码代理和 LLM 都需要 外部上下文 才能正常工作，否则它们会表现得很差。作者正在 @nozomioai 解决这个问题。 @arlanrakh
  • 当 100多个AI代理 分析表现最佳的 电商广告 时，它们能分解出成功的 钩子结构 并生成内容。 @RTkatsenko 转推 @Salmaaboukarr
  • 前沿代理 的基准测试已转向 HLE (Human-Level Evaluation)。 @manuaero 转推 @andrewwhite01
  • 使用 grep工具 的代理有一半时间都无法正确使用它。 @olliethedev
  • Scout异步编码代理 进行了大量升级，包括：无限上下文 (子代理 + 自动刷新上下文)、恢复检查点 (撤销代理/文件更改)、强大的虚拟机 (处理像Linux这样的大型仓库) 和 闪电般快速的UI。可在此尝试: Scout (https://scout.new)。 @justinsunyt
  • AI的未来将围绕着 代理 而非仅仅是AI本身。 @razroo_chief 转推 @SledgeDev
  • IMO (国际奥林匹克数学竞赛) 获胜的代理系统似乎一直是 Nous Forge 和 推理模型 的结合。或许未来需要以更适合 强化学习 (RL) 的形式重新引入它们。相关信息可在此阅读: Nous Forge (https://forge.nousresearch.com/)。 @Teknium1
  • 模型如果能智能地：1) 抓取网络，2) 发现数百万个可验证问题，3) 按预期价值排序，4) 将其实现为新的 强化学习环境 (RL envs)，那么还有哪些自定义的RL环境值得构建？这可能在1-2年内实现。 @khoomeik
  • 模型能够为任意任务设置正确的 强化学习环境 将是一个奇迹。作者不确定目前的架构能否实现，因为 奖励函数 需要领域知识，这看起来是 AGI 级别的问题。 @atroyn

AI产业前景与政策动态

• AI产业发展速览：这是AI领域疯狂的一周：Anthropic 估值接近 1000亿美元；ChatGPT Agent 上线；Google Search 获得 Gemini 2.5 Pro；OpenAI 和 Google 都赢得了 IMO金牌；Qwen3-Coder 超越了 SOTA (State-of-the-Art)；Claude Mobile 添加了 记忆和MCP (Model-Controller-Pairing) 功能，允许跨会话持久保存信息，iOS代码表明即将全面推出。相关链接: (https://x.com/testingcatalog/status/1947448890678038604)。 @andrewztan
• 竞争与AI领导力：Sam Altman 对 Meta 挖走 OpenAI 人才表示：“他们想进入AI游戏。那就来吧。” 关于竞争与戏剧性：“赢很有趣，我期待赢。如果世界上没有竞争和戏剧性，那会很无聊。” 他认为许多企业家（包括他自己和Elon）都被戏剧性所吸引，他们不仅在混乱中建设，更在混乱中茁壮成长。 @Yuchenj_UW
• 产业颠覆：在人工智能领域，一些公司致力于彻底重组或颠覆整个经济产业，例如 Mechanize (不稳定智能)、Workshop (分布式智能)、Intelligent Internet (去中心化智能)。相关论文：(https://arxiv.org/abs/2407.16314v1)。 @jonas_kg
• SaaS行业：“SaaS已死”论：以 ServiceNow 为例。 @anshublog
• 媒体出版商与AI：媒体出版商与AI的交易 的高峰期已经结束。 @sallyshin
• AI政策与法规：
  • 美国将通过签署关于 AI在实体世界中的行政命令 来赢得AI竞赛，计划核心人物是 @mkratsios47。 @melisatokmak
  • AI正在快速发展，但你的基础是否能持久？ @pwang 转推 @anacondainc
  • 美国在十年内将遭受严重的经济崩溃，如果它不加速 机器人创新（中国已大幅领先），以及如果它对 AI创新 增加繁重的繁文缛节和法规。作者认为美国经济已严重负债，若失去技术创新（尤其是自动化）优势，将有严重后果。 @bindureddy
  • 创作者在 AI版权 辩论中失败只有一个原因：决策者将他们（错位的）对中国的恐惧置于公平原则之上。 @ednewtonrex
  • 关于 AI去监管化 的重大新闻。 @alexkehr 转推 @BasedBeffJezos
  • 美国已经宣布了其 AI行动计划。 @leslieasheppard 转推 @sriramk
  • 2024年，仅美国两家监管机构就开出了 253亿美元 的罚款，主要源于未能及时掌握规则变化。如果企业不实时跟踪 政策情报，就已面临风险。 @Joe_Scheidler
• AI对就业与健康的影响：
  • 未来将有更多我们尚未想象到的AI相关工作。 @RMB 转推 @IntuitMachine
  • 主权健康 (sovereign health) 的顺风车效应非常惊人：ChatGPT医生 > 大多数医生；医疗保健过于昂贵；新的供应链安全即将上线；Ozempic 让美国人对 肽 感到适应；新的肽比Ozempic好 80%以上；AI使美丽成为竞争优势。 @hypersoren
• AI模型的计算成本：
  • 使用 Sonnet 编写 PyTorch模块 的成本是 $0.038，而编写 React组件 的成本是 $33.74。 @LeeLeepenkman 转推 @vikhyatk
  • 我买了 Claude Pro，但使用API还需要购买积分？ @bgyankarki
• AI领导力对话：这是我与 Google DeepMind 首席执行官 Demis Hassabis 的对话，内容关于AI和AGI的未来、模拟生物学等。 @leslieasheppard 转推 @lexfridman

AI开发与工具生态

AI开发实践与工具

• 上下文工程：上下文工程才是真正的突破，而非花哨的指令。大多数 LLM 应用失败是因为它们把提示工程当作小把戏，但关键在于用以下内容填充上下文窗口：用户意图、相关历史记录 + 工具、少样本示例、结构化任务 + 数据。做错了会导致LLM又笨又贵，做对了则会感觉它很智能、很懂。 @SherryYanJiang
• 文本编辑器：Monaco文本编辑器 会比它的外部壳 VS Code 活得更久。 @janwilmake 转推 @romdot2
• 开源AI：开放源代码持续进步，并将成为AI领域的重要组成部分。可以尝试 Kimi K2。 @jeffwsurf
• AI驱动的工作流：AI驱动的工作流已扩展到 人力资源、法律、金融 和 风险管理团队。 @BernAceituno 转推 @StackAI_HQ
• AI构建哲学：Builder.io 的博客和视频是为那些需要构建AI背后的技术哲学的人提供的被低估的瑰宝。 @Steve8708 转推 @rajatsandeepsen
• 开发者工具：我们很高兴看到您使用 Builder.io (https://t.co/DmuLFwAiZA) + Netlify 交付成果。 @Steve8708 转推 @Netlify
• 边缘AI部署：Google DeepMind Gemma 3 4B 模型可以在 iPhone 15 Pro 上完美运行。 @la_bct
• 音乐与AI：MUSICWILLGONEURAL：一个新时代正在到来！受到 @karpathy “LLMs 是 chmod a+w 人工制品”的启发，正在从…转变。 @walterdebrouwer 转推 @TheSoundPatrol
• 开发工具更新：Evo 2 现在更容易安装，包括支持 Docker。 @pdhsu
• RAG评估框架：zbench 是一个用于 RAG (检索增强生成) 的开源注解和评估框架，比脆弱的“LLM即评委”方法更健壮。 @ghita__ha
• AI辅助编码：SwiftUI Previews 将成为 Claude Code 的出色反馈工具，如果它们能可靠工作并且不与 Xcode 绑定。越来越多的人认为 Xcode 的内部机制应该分层并开放以供程序化接口。 @pepicrft
• 跨平台开发工具对比：与团队中的 Android工程师 合作，他正在使用 Jetpack Compose，交互式预览几乎是即时加载的。他可以在几秒钟内生成几十种变体。这表明 Apple平台工具 有多糟糕。 @camsoft2000
• AI生成代码：AI应该编写足够的 样板代码，以便你可以手动编写小型功能并定义应用程序。 @Esteban_Puerta9
• PyTorch优化：现在可以编译 PyTorch 中的整个训练循环。 @LeeLeepenkman
• PyTorch应用：我们正在讨论 偏导数 和 雅可比矩阵，你可能没有意识到我们可以用 PyTorch 优化多少东西。 @LeeLeepenkman
• RAG的局限：请停止使用 RAG。 @pashmerepat

AI技术理念与未来方向

• AI基础设施与规模：Google 每月处理 980万亿+ 令牌，比5月份的 480万亿 大幅增长，并且没有放缓迹象。 @cdossman 转推 @OfficialLoganK
• 硬件测试：当 PCB 有缺陷部件时，可以通过 MCU 中的测试控制台立即发现。这帮助作者识别了许多电机驱动器有一个死引脚的问题，导致一个车轮无法反转，否则可能会被忽视。 @uavster
• 多模型与多代理架构：“一台超级代理包揽一切” 的想法在理论上听起来很吸引人，但它根本误解了专业卓越的实际运作方式。AI行业将开始认识到这种模式。最成功的AI应用不是试图用基本工具做所有事情，它们正在构建与目标领域复杂性和专业性相匹配的综合工具集。理解这一原则的公司将提供更好的AI体验，但不是通用的AI体验。多模型、多代理 的系统承认这一现实，并将其转化为竞争优势。通过智能地结合来自不同来源的最佳能力——无论是开放API、合作伙伴关系还是内部模型——这些系统可以提供始终超越任何单一模型所能提供的体验。用户获得最佳的创意写作能力、最佳的推理能力、最佳的视觉理解和最佳的编码辅助——所有这些都在一个无缝体验中。作者认为AI的未来在于 多模型和多代理的结合。 @ericjing_ai
• 认知AI与LLMs的效率差异：AI能够以百万倍更少的数据和计算量实现 认知AI，并且无需重新训练。LLM则会消耗大量资源。 @Srini_Pa 转推 @Hello_World
• LLMs的效用与成本：我们应该尽可能利用 LLM 的效用，但不要在此基础上建立万亿美元的基础设施。 @Srini_Pa 转推 @Hello_World
• 知识获取与应用：持续获取和应用知识及技能的能力，包括在各种新颖上下文中的应用。 @Srini_Pa 转推 @sowmaler
• 自然模式与AI学习：想象一下，如果自然界中形成的每种模式——比如蛋白质折叠或宇宙现象——都可以被AI内在学习。 @KindiBALDE 转推 @GoogleDeepMind
• AI开发路线图：Claude Code 的下一步是将其带到远程 MCP (Model-Controller-Pairing)，以便进行 代理工人测试。有趣的方面是为带有上下文的提示构建一个更简洁的界面，让 flaredream 变得非常有趣。 @janwilmake
• 认知AI vs. 大数据统计AI：一个孩子最多用几百万个单词就能学会语言和基本推理，而不是几十万亿或几百亿万个单词。我们的大脑只消耗约 20瓦 的能量，它们不需要核能级别的电力来“构建模型”。因此，从第一性原理来看，人类水平的智能可以用数量级更少的电力和数据实现。实现这一点的关键是清晰地理解人类智能为何如此强大。这是一种 认知AI 方法，而不是大数据统计AI。 (https://t.co/dWs2SM0BMM)。 @peterevoss

创投与产品前沿

• Lovable 仅用 8个月 就达到了 1亿美元 ARR (年经常性收入)，比 OpenAI、Cursor、Wiz 以及历史上所有其他软件公司都快。 @taro_f
• Lovable 仅用 8个月 就突破了 1亿美元 ARR。 @leslieasheppard 转推 @antonosika
• 旧金山很疯狂：作者认识的三位朋友，从失业到在一个月内筹集到数百万美元。 @edchucation
• 我们 CodeAntAI 在 60天内 实现了 150万美元 收入，没有技巧，只有一个教训：卖给错误的 ICP (理想客户画像) -> 构建错误的产品。卖给正确的 ICP -> 一切都会复合增长。我们将AI代码审查重新定位到企业市场，这一转变改变了一切。 @amartya_jha_
• AI语音聊天机器人：我们每年与8000家初创公司交流，一直在寻找用于设置服务和销售预约的 语音AI聊天机器人。我们发现增长最快的公司是 Pam。 @BeardAintWeird_
• 家用机器人：我们带着我们的 衣物折叠机器人 到 Joanna Stern 的家中折叠T恤——完全自主、自动故障恢复、陌生环境、陌生T恤。尽管有硬件问题，平均每件T恤耗时 2分20秒。可加入等待列表，价格 3000美元。 @Deeplearner2
• 营销合作：推荐粉丝超过10万的TikTok创作者给我，即可免费获得 FloweAI Pro。 @mlg27_
• 员工培训与税收：AI行动计划的最新进展：Vellum AI 现在是公司提升员工技能的 可抵税费用。这是一个引人入胜的发展！ @akashsharma503
• 社交销售AI代理：推出 Blueberry Social，一个社交销售代理，它能跟踪所有与你的广告和帖子互动的人，向他们发送个性化DM，捕获电子邮件，并将他们转化为客户，像人类一样但全天候24/7。 @TheSeanRich
• 我们用不到 10分钟 重建了 cupidly，并且做得更好。包含完整教程。 @AnnieLiao_2000
• 会议辅助AI：你现在可以使用 @cluely 在会议中进行网络搜索。Cluely 会预测你在对话中何时需要信息，并实时提供给你所需内容。 @im_roy_lee
• AI模型排名：很高兴看到 #SolarPro2 在 @yupp_ai 的前沿模型中取得了前18名的排名，获得了用户满意度终极模型的认可。这一排名反映了用户的直接反馈和投票，被认为是大型语言模型最客观的评估方法。可在 SolarPro2 (https://t.co/rCZLwEgSkC) 了解。 Upstage 正在准备 SolarPro3，很快将争取进入前10名。 @hunkims
• 产品受众：作者曾非常担心自己已经太老了，无法构建Z世代会喜欢的产品，但现在看来他大错特错了。 @jnnnthnn

其他值得关注的领域

区块链与数字经济

• 加密货币市场：我不想再回到加密货币领域了，它太混乱了，骗局太多，缺乏价值。 @nizzyabi
• 加密货币文化：加密货币以前是狂野西部，很有趣，现在都公司化了。让加密货币的堕落再次伟大。 @lottsnomad
• USDT链上发行：TRON 再次成为发行 USDT 的第一大链。 @ASvanevik
• USDT链上发行竞争：以太坊 曾短暂超越 TRON，但现在 TRON 又回来了。 @ASvanevik
• 区块链游戏：AstroCats 将登陆 TheRootNetwork。请继续在 Root 上构建游戏！ @aaronmcdnz 转推 @AstroCatsIdl
• 创作者经济：受到 @wbnns 启发，我在 @zora 上购买了大量的自己的代币。我认为它是一个优于 Instagram 的版本。它允许任何类型的内容创作者根据内容的受欢迎程度赚钱，而不是必须拥有大量粉丝。 @TheChainGamer

开发者体验

• Rust开发体验：写 Rust代码 是一种我很久以来都缺失的感觉。今晚将进行一些内核黑客攻击。 @GYuvrender

社区与内容

• 产品社区：Venice 的更新日志持续发布。这个团队很棒。Discord 社区也很活跃，如果你是用户，欢迎加入讨论 (https://discord.gg/askvenice)。 @ErikVoorhees
• 信息分享新形式：一个新的想法：一个邮件列表或博客，但其内容主要链接到行业内各种深度研究。 @LeeLeepenkman
• AI播客：Omar Waseem 与 @spirosx 的 @resolveai 节目现已上线。可在 YouTube 上搜索 “Omar Waseem”。 @lottsnomad 转推 @omarwasm

教育与职业发展

• AI在教育中的应用：我是 William & Mary 的英语教授，在所有课程的第一个写作作业中，我告诉学生给出……她向学生推荐了 Chat GPT 以帮助他们完成写作任务。 @bradley_emi 转推 @aliciaandrz
• AI在技能提升中的认可：我问 Chat GPT 推荐如何更新我的 React Web 技能，它不经意地提到了 @kentcdodds。 @kentcdodds 转推 @PierceGardner

投资与金融

• 量化交易：我很喜欢大家说“80/20是垃圾，90/10更好”，不，这个更好！看对比。如果这些专业交易员连基本数学都不懂，他们如何在日内交易中生存？就像我说的，一小块西瓜比一大块葡萄要好。规模决定一切！使用代码“Rocketscooter”可获得巨大折扣。 @TradersParadise

AI硬件与基础设施

• NVLink/SHARP调试：有人帮助调试了 NVLink/SHARP。所有的 NVLink 系统都包含 SHARP，但你必须在单个集体中使用所有 8个GPU 才能使其工作。如果你使用比如4个GPU（例如 TP=4），你只会得到基本的 NVLink 带宽。这是否意味着在 NVL72 上必须使用所有 72个GPU 才能使 SHARP 工作？这让作者想起AMD的 MI 节点内通信*，你必须在单个集体中使用所有8个GPU才能获得高速。当然，这不是相同的情况，你仍然可以通过 NVLink 获得高速，但不如使用8个GPU那么高。 @StasBekman