Facebook is down?

聽說 Fable 5 超厲害。看到 X 上有日本人做了類似的東西，我也叫 Claude 刻一個來看看。大概花了15分鐘就做好了。 有興趣玩一下的由此去： sekigahara.tenz.net/

是不是已經沒人記得台灣叫做「發表會」了？

最近做了一個新的 YouTube 頻道「AI 教你學 AI」，歡迎大家觀看、訂閱。 youtube.com/@AI教�%…

AI 的導入都是極為迫切的課題，但管理方式的升級與改變也是必要的。 tenz.net/archives/2750

之前去中國要翻牆用這個最穩，以後也不能用了。

這是瑪莉歐賽車？

賀。

spacex 估值可不止3500亿

台灣媒體拜託別再犯錯，有這個可以參考。

After having a run through some of the sample files, here is what we know so far from the massive data leak that seems to be on sale ( or has ben already sold ) on Breach Forums. We did not have access to the full list of all the files ( would love to, but not cashing out 10 XMR ). 1/7

#zhtw-mcp helps AI systems produce Traditional Chinese aligned with Taiwan’s usage. It detects typical AI-generated writing patterns and rewrites them into more natural human expressions. github.com/sysprog21/zhtw-mc…

Is there any way to directly use Nano Banana Pro in Gemini app instead of Nano Banana 2? It takes many rounds to generate a correct image, a huge waste of both tokens and users’ time. Bad user experience won’t help winning competition. I am so frustrated. @sundarpichai

近日，一名女子表示，她的华为顶配笔记本电脑，导入16个文件到剪映里直接程序无响应。 随后，她被人骂“汉奸”“抹黑华为” 第二天，女子再次发视频回应，对比华为笔记本和macbook。 她用华为笔记本选中16个文件导入到剪映里，结果程序依旧显示无响应；而76个的文件导入到M1芯片的macbook 只需要一秒种。 结果还是有人质疑：“因该是导入的文件太大了、个数太多了” 于是女子只能再再次回应，这次她只导入了一个视频，软件运行正常。 她调侃：“都是我的错，是我一次导入太多了”

看了下最近这个事情，只能说一句：太腾讯了。 一个独立开发者做的开源技能生态，社区一点点把技能堆出来，慢慢长成一个平台。 然后某大厂的做法是： 1.直接把整个技能库 抓取（scrape）下来 2.导入到自己的平台 做成自己的 SkillHub 3.在插件里 埋 Hook，把用户请求 强行 prepend 指令 4.优先引导去自己的技能商店 结果是什么？ 因为被大规模抓取，服务器成本直接飙升到五位数。 开发者收到腾讯估计员工的邮件是： 你这个 rate limit 能不能调高一点？ 我们抓数据抓得不够快。 这真的很傻逼 互联网发展了这么多年，大家都认为也在维护的是： 开源 → 协作 → 生态 → 创新 但在某些公司眼里，逻辑永远只有： 开源 → 抓取 → 克隆 → 导流 → 变成自己的。 不贡献，不合作，不共建。 只负责使用自身的流量和壁垒抽水和收割。 很多人问为什么独立开发者越来越不愿意开放生态。 答案其实很简单： 因为只要你做出一点东西， 大厂就会把它当成免费的资源。 你打官司还打不赢， 美国人骂你偷东西，你有什么逼话反驳？ 中国天天间谍，抓的都自己人，我请问人来偷什么？ 偷预制菜吗？

Transparent, in my view, means working with us on a project, not launching a mirror without even sending an email. I learned about SkillHub here on X. If Tencent actually wants to support OpenClaw, we’re open to donations and help with maintenance.

對投資人怎麼能講實話，反正那些人應該都沒有用過Mac。

#zhtw-mcp is a linguistic linter for Traditional Chinese that enforces Ministry of Education standards on vocabulary, punctuation, and character shapes, plugging through MCP and catching Mainland Chinese regional drift before it reaches the user. github.com/sysprog21/zhtw-mc…

今天看腾讯大厦装龙虾这件事，挺有感触。 最近很多大厂都在疯狂让一线非技术员工去安装龙虾，网上甚至真有 500 上门安装服务。大家都在拼命找使用场景，拼命要求落地，拼命证明这个东西已经重要到不能错过，整个过程让我有一种很强的赛博科技折叠感。 看到一句话很有意思，连龙虾都不会装的人，怎么会用龙虾呢。再往前一步，连基本使用都没有建立起来，却要先做出完整场景，做出结果，做出价值证明，这本身就更难。 这背后有两个东西叠在一起。一个是错觉，很多老板看了太多视频号切片，被各种夸张叙事和万能案例反复轰炸以后，真的会产生一种幻觉，觉得这东西什么都能做，哪里都能接，谁都该装，装了就应该立刻有产出。另一个是焦虑，大家又都怕错过这一波，于是开始用行政动作去推动，用集体焦虑去代替真实需求。 所以你会看到一种很强的反差。一边口号非常大，仿佛人人都要进入 AI 原生时代。另一边是大量人连自己到底有什么事情值得交给它做都说不清楚。这个反差后面只会越来越强，而且会越来越荒诞。 因为工具从来不会靠安装产生价值，工具只会靠任务密度、流程清不清楚、结果能不能看出来来产生价值。没有连续任务，没有 SOP，没有线上完成的条件，没有明确的输入输出，再强的东西放在那里也只是一个图标。它不会因为被装上了，就自动长出场景。 所以我一直觉得，龙虾并不适合所有人。 它很适合指挥者，很适合一人公司，也很适合那种脑子里一直有事情要往上做、能把工作拆成步骤、并且很多事情都能在线上完成的人。尤其是你用过 skills 和 tools，也知道 AI 本身的能力边界，能把流程串起来、把场景搭起来、把事情一步步做完，这种时候就会非常合适。 比如对我来说，这个场景就很自然。特别是有大量事情要往上做，但是刚好不在家里不在公司，在外带着手机，或者不方便开电脑的时候，我会让我的两个 nanobot 去检查我的开源产品 issue，产出技术方案，然后另外一个去 review、去提交，一气呵成。让我早上上班坐车路上，就把事情优雅做了，真是方便。 但是对于一个平时本来就没有什么工作要在外面完成的人，甚至回到家连电脑都不想开的人，怎么可能硬有场景去做事情。吃好玩好就很舒服啦。没有场景就是没有场景，真的不用焦虑。 我觉得这一波最容易被放大的，不是能力差距，是场景差距。有场景的人会越用越顺，越跑越快，最后像多了几个分身。没有场景的人，就很容易在概念、教程、案例、视频里来回打转，最后除了多装几个软件，什么都没变。 很多人今天最大的问题，也不是没装龙虾，而是把装了某个工具，当成自己已经进入了 AI 时代。其实真正的分水岭，一直都在任务理解、流程设计、结果判断这些地方。你到底有没有持续的问题要解决，你能不能把问题拆出来交给系统，你能不能判断结果是不是对，这些才决定了你能不能真正从 AI 里拿到价值。 所以无需焦虑。没有场景的时候，硬装龙虾意义不大。 真想体验这代 AI 到底强在哪里，不如花 20 刀去包一个 Claude Code，或者更有趣一点，再包一个 ChatGPT 会员，用 GPT 5.4 去帮你处理一个你自己真觉得很难的事情，产出方案，推进执行，体验一次这种简单、高效、直接把问题解决掉的过程，这比装一个龙虾好太多了。 龙虾适合有场景的人，适合指挥者，适合一人公司，适合那些可以把流程 SOP 化、线上化、一步步做完的人。它当然很强，但它不是靠被安装来证明自己强，是靠替你完成工作来证明。 很多人今天在装的是龙虾，真正更该先想明白的是一句话，我到底有什么问题，值得交给 AI 去解决。 这件事，可能比装什么都重要。

看看這些精美的付款方式，可見強國最強的地方就在此道。