外观
字说字话
2026-04-30 23:23 昆明市 阴 15℃
二刷《白色巨塔》，依旧感到震撼。
2026-04-29 22:57 昆明市 阴 12℃
还想写一篇文章谈谈自己粗浅的理解：大模型的泛化与约束。
2026-04-29 22:08 昆明市 多云 14℃
下面是我开发的 AIterate 系统背后的部分思考。
第一部分：让提问驱动学习和思考的闭环
真正能让人愿意投入时间的是感兴趣的事情，真正让人成长的是对问题的反思。如果只干自己感兴趣的事情而过程没有新的思考，这可能是多巴胺驱动，长此以往得到是空虚寂寞；如果只做能带来新思考但自己并不感兴趣的事，那可能是面对问题时的机械反应，是必须要思考如何处理的麻烦事儿，长期被这样事推着走，也许能力会提升，但也让人很心累。但如果我们结合两者，找到让自己感兴趣的问题，既轻松，又有动力去思考，那便是可以细水长流的成长之路。所以找到让自己真正感兴趣的问题很关键！
而对于如何解决问题，因为有兴趣，总能找到一个答案。除了自己的思考，最快速的方式是向有经验的人请教，站在巨人的肩膀上。身边有个对自己感兴趣的问题总是有经验的人是不现实的，但我们有AI，它有着比任何人都丰富的知识储备。
但是AI 的回答就是你想要得嘛？未见得。AI 是个博学的通才，但它不是你肚子里的蛔虫。人的问题许多时候不全在文字表面之上，还有许多未被表达的背景信息。或者反过来，AI完全理解了你的意图，但给出的可能是你无法消化的专业答案。这两者都不是我们想要的。当AI足够“聪明”，便可以根据人的想法和认知水平，给出可以让你会心一笑的答案；如果没有也没有关系，你可以继续追问，补充更多的上下文，提出更多的疑问点，直到它给你一个既能理解又符合心意的回复。
别人给你的回答，你理解后就能获得成长嘛？懂得那么多的道理，为什么还是诸事心上扰？因为你只是觉得自己理解了。重要的不是别人的道理，而是你自己对理解的阐述！所以很关键的一步就是能否用自己的语言去表达对问题的思考，这思考里面可能包含了别人的见解，也可能有你对别人观点的进一步拓展和深入。总之，你要用自己的话说出来，这才是真正属于你自己的东西。
但你的理解真的对吗？和实际情况有偏差吗？如果你有这样的疑惑很正常，盲目相信自己是不可取的。我们需要一个评估系统来评价自己的理解上薄弱点，没错，又是AI。AI可以给出正确的理解，自然也可以发现理解中的漏洞。事实上比起给出一个准确的答案，AI可能更擅长找到不同答案在理解上的细微差别。
经过这一流程，我们便完成了对问题探究的思考闭环：人来提问问题、AI给出回答、人继续追问补充信息，扫清疑惑点、给出自己的理解、AI评估理解的偏差或漏洞、人纠正后继续给出理解直到AI评估合格。
这是一个不错的研究问题的方法论，但你发现没有，以上一切成立的前提是：AI能够给出一个我们用于深入学习的正确的答案。但AI真的总是靠谱吗？靠追问和补充信息就管用吗？你能相信一个靠概率匹配的token生成器给出的所谓的思考吗？尤其是你完全不了解的领域，没有基础的认识就只依赖AI给出的内容来学习，这就很可怕了，它的幻觉完全有可能把你带到沟里去！还有与时效相关的问题，AI由于缺乏训练数据，无论如何都不可能给出一个靠谱的答案。怎么办？
我们需要多信息来源的交叉验证和联网搜索。让不同的AI互相检验回答的准确度，通过联网搜索获取互联网上相对真实的信息和人们对问题的不同看法，这样得到的回答会靠谱很多。但这也无法保证100%没有问题，最终还得靠我们这种碳基生物的复杂的神经回路来决定。走到这一步，我觉得基本就差不多了吧，相较于AI赋予人的能力边界的拓展，那剩下的一点不确定性，本就是任何学习和研究都无法完全抹掉的东西。人读书会误解，向人请教会遇到偏见，自己思考还会钻牛角尖呢。所以钻这个牛角尖干嘛？哈哈。
最后的问题，人真正理解了的东西会遗忘嘛？相较于客观事实和知识点，内化的思考被遗忘的可能性比较小，但不是没有可能。最终留在脑子里的可能是某个抽象的提炼，细节部分已经忘掉，但有些细节也很重要。所以最后一步就是复习，复习的方式还是以提问的方式，只不过这次不是人来提问AI，而是AI来提问人。以费曼的风格来提直击本质的问题，人如果真的理解了，自然可以用通俗易懂的语言来回答。我把它命名为“费曼检验”。如果费曼检验不合格，AI会给出理解上的偏差，那就要重新的回到前面的流程复习一下喽。
以上结束。明天写第二部分：人无法提出自己认知以外的问题。
2026-04-26 21:16 昆明市 晴 15℃
把 agent 拉到多个私有群里面就可以让它们同时干不同的活了，不用部署多个实例，一次vibe三个系统。
2026-04-26 02:34 昆明市 阴 13℃
deepseek v4 pro 这缓存命中率太顶级了！节省的都是白花花的银子啊。
2026-04-26 01:28 昆明市 阴 13℃
ChatGPT 5.5 对代码的深度分析真的很强，虽然时间长了一些，但是真的把方方面面都给你考虑到了。
2026-04-25 17:57 昆明市 阴 21℃
实测 deepseek V4 和智能体的配合非常好，它的混合注意力架构解决了 hermes agent 上下文一满就记忆错乱的问题。
2026-04-23 20:21 昆明市 阴 19℃
Forwarded from Oilbeater 的自习室
visual-base 这个项目另一个启发点的来源是 DeepSeek OCR 这篇论文。里面纠正了一个我一直以来的思维误区，就是文字比图片更省 Token。
实际上从 LLM 的角度，图片 Token 的信息密度可能是文字 Token 信息密度的 10x-20x，那么以此类推视频 Token 的密度可能是文字 Token 的 100x 了。所以看似文字是做了压缩，但可能不仅是有损压缩，压缩完了体积还膨胀了。
而且只是做 LLM 的理解并不需要 4K 120fps 的视频输入，在 visual-base 里默认只有 1fps。按照 DeepSeek OCR 的压缩思路其实还可以进一步做有损压缩，像记忆自然衰退一样继续降分辨率，降帧率，视频存储的体积也不会和想象一样夸张。
2026-04-23 18:08 昆明市 阴 19℃
Forwarded from Oilbeater 的自习室
这几天搓了一个我构思很久的、基于视觉的第二大脑。
背景是，现在很多构建第二大脑的方法都依赖用户主动记录和筛选，心智成本太高，普通人很难长期坚持。而且即使记录下来，内容也注定是不完整且带有偏差的。但第二大脑这个概念又确实很诱人，那么有没有更好的实现方式呢？
如果抛弃“笔记”这个概念，那么另一种“克隆大脑”的方式，也许就是尽可能无差别地记录大脑接收到的外部信号，比如视觉、听觉、触觉等。从唯物主义的角度看，大脑本质上就是这些信号长期刺激后的产物。那么，如果能够保留这些相对客观的信号，再结合一些主观指令和引导做对齐，理论上就有机会得到一个更接近自己的第二大脑。
而在这些信号里，视觉可能是最重要、信息也最丰富的一种。甚至可以把视觉信号看作语言信号的超集。毕竟所有语言都可以被写下来，最终以图像的形式成为视觉的一部分；但视觉中包含的大量信息，却未必能被语言完整描述。
之前我一直觉得，这件事要成立，至少需要两个前提：一是有一副只要睁眼就能持续录制的智能眼镜，二是有足够强的视频理解模型。很长一段时间里，我都觉得这两个前提还不具备，但现在情况已经有些不同了。
第一个前提是录制侧。虽然智能眼镜还不成熟，但现代人获取和处理信息，很大一部分已经发生在电脑和移动设备上，而这些设备的录制成本要低得多。另一方面，如果一定要等到眼镜成熟再开始记录，很多信息其实已经丢失了。
第二个前提是理解侧。去年年底国内一批发布 Coding Plan 的模型时，我意外发现，它们的视频理解能力，尤其是对录屏内容的理解，已经足够支撑基本的信息提取和意图提取。在这批模型里，GLM 4.7v 和 Kimi 2.5 的表现尤其突出，当时提取结果已经非常准确。根据我的测试，它们在这个任务上明显强于 Gemini 3 Pro，而且不是一点点。如果大家感兴趣，可以自己测一下感受一下。此外，这两个模型都是开源的。虽然个人本地部署依然有门槛，但理论上，一套全开源、Local First 的方案，已经到了愿意投入的话就能够得着的阶段。
然后上周我又比较深入地看了 bub 这个 Agent Framework，感觉它的理念和我很相投。它的可插拔架构很适合接入各种信号源，作为第二大脑的输入。所以这次我写了一个 bub-eye 插件，用 ffmpeg 把录屏接成了一个信号源。
然后就有了 visual-base 这个项目。它目前已经可以做到自动录屏，并自动调用 Kimi 生成行为日志。日志生成现在还是以 skill 的形式实现，实际使用时可以根据每个人不同的侧重点来定制。比如你更重视效率提升、信息检索，还是阅读记录，都可以生成不同取向的日志。
在我的设想里，我希望它最终能成为一个全视觉化的第二大脑。虽然现在也会输出文字日志来描述行为，但我更希望这些日志只是视频的索引。当我向第二大脑提问时，它可以根据这些日志自动定位到对应的视频时间点，切割相关片段，再基于视频内容继续分析。当然，这部分目前还在构想中。
这个项目现在还很早期，我也只在自己的 Intel Mac 上做过测试。理论上，只有 FFmpeg 这一层和平台相关，这部分我也做了包装，但目前还没有条件做更多平台验证。欢迎感兴趣的小伙伴试一试，提提意见，加个星星，也欢迎一起讨论有没有更好的想法。
https://github.com/oilbeater/visual-base
2026-04-23 16:38 昆明市 阴 23℃
我觉得AI发展的终极理想是让AI为人类打工：AI替换掉人类去工作，不是让人越来越卷，而是人可以享受AI的成果，无论是它提供的服务还是它为个人赚取的momey。从国家层面，AI所带来的生产力的提升，加速了GDP增长，国家使用AI创造的GDP完善福利制度，让普通人不用再为了赚辛苦钱而工作。这样每个人都有大量可自由支配的时间，探索自己的感兴，感受生活的美好。
2026-04-23 01:09 昆明市 多云 13℃
知道可以做到什么程度，比会不会做更重要。因为人无法去做自己想象不到的事情；而只要知道了某种解决的方向，即使暂时不会，也可以借助AI把事情落地。
2026-04-22 23:48 昆明市 多云 13℃
晚上从jyy的操作系统课上又学到了很有趣的命令：ttyrec、ttyplay，它们可以用来录制和回放终端的操作。以后我再写了什么脚本就不用写使用文档了，直接录制一个使用过程，同事可以直接在命令行回放观看用法。
2026-04-21 22:58 昆明市 多云 20℃
《暗黑》三季看完。附上人物关系图：https://dark.netflix.io/en/family-tree
2026-04-20 21:40 昆明市 晴 16℃
浙江丽水是个不错的旅行目的地。
2026-04-20 00:10 昆明市 晴 16℃
hermes agent 有一个很明显的问题，稳定复现：一旦上下文满了，记忆就开始错乱，会突然去回答很早之前的问题。我估计是它的上下文压缩功能做得没有 openclaw 好。
2026-04-19 12:39 昆明市 阴 17℃
用 VLLM 成功运行了 qwen3.6-35b-A3b-fp8，试了一下测试题和图片识别，很强！
2026-04-19 09:00 昆明市 阴 17℃
DGX spark 上使用 VLLM，推荐这个仓库：https://github.com/eugr/spark-vllm-docker 。我一开始是依赖AI的回答，手动安装 pytroch, vllm, cuda 这些，结果遇到各种兼容问题，走了很多弯路。最后到 google 上面一搜才发现已经有了这个成熟的 docker 镜像。不得不说，谷歌搜索在一些场景下还是比 AI 靠谱的多，因为这是人的经验，是经过验证的可靠知识。
2026-04-19 08:47 昆明市 晴 17℃
前面这个提示词以及后续的交互，hermes 给我搞了一个相当不错的系统，我把它命名为“AIIterate”，即AI帮助人类实现知识的迭代升级。但是由于缺乏整体规划，开发到后面变得越发困难，所以现在要先出一稿设计文档。
2026-04-19 08:38 昆明市 晴 17℃
我好像好久没写 elisp了🫨，不过最近尝试用 dgx spark 基于 qwen 的 coder 模型微调一个专门用来写 elisp 的小模型。
2026-04-15 11:27 昆明市 晴 21℃
当你只给出一个模糊的想法时，AI 往往就能迅速做出一个相当不错的 demo。但随着需求不断叠加、逻辑逐渐复杂，AI 如果只是基于现有 demo 持续往上堆代码，就很容易不断引入新的 bug。于是开发过程会陷入一种痛苦的循环：加需求，引入 bug；修 bug，又带来新的 bug……需求和 bug 彼此拉扯，最终把代码一步步拖成屎山。
对于一个稳定的功能来说，只要不引入新需求，通常就不会平白产生新的 bug；但反过来，修复一个 bug，也可能意外破坏某个已有需求的一部分功能。问题在于，不加新需求是不可能的，而让 AI 完全不引入 bug 也是不现实的。真正关键的是，如何让这个过程不至于变得如此痛苦，不至于让人陷入无穷无尽的细节修改之中。
AI 的执行力很强，但它缺乏稳定的全局视角。即使它一开始看清了整体结构，随着需求在开发过程中不断实时叠加，系统逻辑持续变复杂，它原本的“全局理解”也会迅速过时。因此，开发者始终要自己把握全局，持续为 AI 提供方向，确保它不断朝着你设计的目标推进。
如果连你自己都没有想清楚到底要做哪些功能，只是走一步看一步地加需求，或者过度依赖 AI 推荐的“优化方向”——你可能会觉得它的建议很合理，但很多时候这只是一个美好的幻觉。等到最后你才发现，它帮你实现了一堆其实并不需要的功能，让系统越来越臃肿，调试越来越困难——那么你就几乎注定会落入前面所说的痛苦循环。
2026-04-14 23:52 昆明市 晴 16℃
vibe coding 真让人上瘾啊。
2026-04-14 23:42 昆明市 晴 16℃
Hermes Agent 内置了TDD技能，这样 vibe coding 更加的靠谱了，我用下来体验非常不错，功能迭代很稳定。
2026-04-14 20:23 昆明市 晴 20℃
以前觉得楷体很好看，见识了更多字体后，现在觉得楷体挺土的。除了字体设计本身的原因，也可能是在字体匮乏的年代，它一定程度上是好看的，于是被滥用。越是大众流行的东西，越会让人觉得 low，这就是人的心理。仿佛只有小众和独特才能显示自己的品味。
2026-04-14 17:17 昆明市 晴 20℃
我觉得我应该也挺适合搞前端的，无论是对UI的审美还是交互的细节把握都比一般人更敏锐。
2026-04-14 16:53 昆明市 晴 20℃
我相信不同人使用AI的方式和效果会是天差地别，所以最终决定我们能够走多远的不是工具，而是人的认知。
2026-04-14 14:22 昆明市 晴 20℃
下面我发给 Hermes 的提示词，看看它能帮我构建出一个什么样子的系统出来。
在这个AI的时代，个人如何利用AI和智能体（hermes）快速进步？我希望在计算机，写作，心理学和哲学方面学习和精进，给我规划一套科学合理，可以持续迭代的学习方法和工作流。
我希望这套流程是自动化的，即你来不断引导我做什么，我负责选择和输出，你来评估和反馈。你能否建立这一套精密可靠的系统，最好能写一个可视化的 dashboard 界面，这个界面里面整合了整个工作流，我能直观的在里面选择，输出，反馈等等。
2026-04-14 14:16 昆明市 晴 20℃
暗黑中的 伊根·蒂德曼 莫名让我想到了巨人里的团长，他们都在用一生的时间追求那个真相。
2026-04-14 14:04 昆明市 晴 20℃
《暗黑》真是太震撼了！平行世界的玛尔塔出现的那一刻鸡皮疙瘩都出来了。这剧真是把时间穿越、祖父悖论、宿命论、平行世界… 玩到了极致，关键逻辑还那么的严丝合缝。这种不是为了逻辑严密而生硬的推进剧情，将角色当工具人，而是一切行为都符合人物动机，而这些动机又是由家庭和情感，执念和信念衍化而来。你可以把它当作科幻剧来看，也可以当作家庭伦理剧，因为它们是结合得那么好。
2026-04-13 00:38 昆明市 晴 16℃
我现在已经可以熟练地用小鹤双拼打字了，可见练一个新的输入法也没那么难嘛。只是如果现在让我用回全拼，得反应一下，做不到盲打了。肌肉记忆，思维模式，这些东西在同一件事情上是互斥的嘛，学会了一种就要接受在另一种上退步的代价。
2026-04-13 00:32 昆明市 晴 16℃
《暗黑》的脑洞太大了！
2026-04-12 23:50 昆明市 晴 16℃
晚上游泳2km，好久没游了，胸大肌酸痛，这是肌肉在锻炼。
2026-04-11 21:16 昆明市 晴 15℃
晚上在南悦城附近的“云楠季云南米线”吃了鲜烫牛肉米线，真不错。六七条鲜烫牛肉，很清爽的米线，出锅没有任何调料和配料，全部自己DIY，配料很丰富：葱花、白芹、香菜、韭菜、薄荷、酸菜、泡菜萝卜还有百香果（自己动手现挖）。吃完在附近的水果店买了15元两大块的榴莲，南悦城的广场听会儿萨克斯，去麦德龙买了牛奶燕麦片。云南是真的 chill 啊！
2026-04-10 14:35 昆明市 晴 17℃
云南是真的很 chill，走在路上就感觉身心放松。
2026-04-09 09:09 昆明市 晴 18℃
买了微星 EdgeXpert，基于 NVIDIA DGX Spark，128G 统一内存，英伟达 CUDA 生态，可对小模型进行微调。
2026-04-09 00:13 昆明市 晴 15℃
废弃 openclaw，拥抱 hermes agent。
2026-04-07 18:59 昆明市 阴 21℃
这趟飞机感觉好漫长，真是折磨。
2026-04-05 13:17 湖州市 阴 20℃
余村的乡间景真不错，就是天气太热了，下点小雨散步应该更有意境。
2026-04-04 17:22 湖州市 小雨 18℃
来到了安吉县城。
2026-04-04 00:48 湖州市 小雨 18℃
清明假期去湖州安吉玩～