夜雨聆风文末“阅读原文”，跳转原文链接
Peter Yang
Roblox Product
X / Twitter · 2026-06-07 13:21:34
睡前收工 |Signing off for the night
晚安
View source
Peter Yang
Roblox Product
X / Twitter · 2026-06-07 13:21:34
Agentic 编程比游戏还上头 |Agentic coding feels more addictive than games
这玩意儿，agentic coding，真比打游戏还上头，服了。
View source
Peter Yang
Roblox Product
X / Twitter · 2026-06-07 13:21:34
Codex 线程管理已经开始失控 |Codex thread management is already getting messy
应该得有办法用别的维度来筛选或排序我所有的 Codex 线程，而不只是按项目。比如按这些来筛或排：- 所有等待审批的- 所有正在运行的我本来想把线程数控制在 10 个，但现在已经开始不好收拾了。你怎么看，@ajambrosino？
View source
Dan Shipper
Every CEO
X / Twitter · 2026-06-07 09:49:53
用 柏拉图 重新照一遍 LLM 这件事 |Plato, virtue, and a proto-LLM reading
我最喜欢的 柏拉图 对话录，是那段专门聊 techne 的边界、还有 aidos 和 dike 为什么不可少的讨论。这里的 《普罗泰戈拉》，尤其是它谈知识从哪来、德性能不能教会人的方式，简直像是在提前给 LLM 铺垫：https://www.gutenberg.org/files/1591/1591-h/1591-h.htm
View source
Dan Shipper
Every CEO
X / Twitter · 2026-06-07 09:49:53
两个越来越值钱的东西：Aidōs 和 Dikē|Two virtues that rise in value: Aidōs and Dikē
再补两个会越来越值钱的：Aidōs：对他人的敬畏和回应能力Dikē：分辨何为正确的能力 https://t.co/X3LsGPfZa5
View source
Dan Shipper
Every CEO
X / Twitter · 2026-06-07 09:49:53
LLM 没有意识，但也没法干脆地说它绝对没有 |LLMs are not conscious, and not clearly not conscious either
LLM 没有意识。LLM 也不能简单说成“绝对没有意识”。这两句都成立。
View source
Swyx
AI Engineer
X / Twitter · 2026-06-07 09:27:58
Swyx：AI 知识扩散现在更靠默会经验，不靠论文 |Tacit knowledge may be beating papers in AI diffusion, says Swyx
一种现在挺流行的看法是：研究论文 alpha* 和实验室发论文这套差不多“死”了，因为研究员发现，与其跟市场部拉扯，不如直接出门创业，凭自己那些受法律保护的默会知识拿走 >$100m。加州不执行竞业限制，对知识扩散的影响，可能比 GitHub、arXiv 和 Hugging Face 加起来还大。*顺带一提，这也是我想把 @aidotengineer 做成产品导向行业大会的原因，用它去补上论文导向研究会议的另一面。
View source
Garry Tan
YC CEO
X / Twitter · 2026-06-07 08:29:53
Paxel 隐私边界：代码留在本地，但不是所有数据都如此 |Paxel privacy line: code stays local, not all data does
我们从没说过不会把任何用户数据上传到云端。我们说的是，代码（文件内容）这个部分不会。Paxel 是来帮你的。随着本地模型慢慢变强，我们以后能放在本地做的事只会更多。说实话，我很期待。 https://t.co/B0nygC4aph
View source
Garry Tan
YC CEO
X / Twitter · 2026-06-07 08:29:53
Paxel 也该帮人把自己做得更像回事 |Paxel should help people look more legit
我也想用 Paxel 帮大家变得更像回事。 https://t.co/9Atu5RfZ1C
View source
Garry Tan
YC CEO
X / Twitter · 2026-06-07 08:29:53
Garry Tan：地方治理这事，真不是摆设 |Local government still matters, says Garry Tan
地方政府很重要。Oakland 的失管不是没法修，但它还没有像 SF 那样，出现那种常识回潮。@empoweroak 正在做这件事 https://t.co/sPKswjImqY
View source
Zara Zhang
Builder
X / Twitter · 2026-06-07 06:45:05
现场感、棱角和观点，赢过那种磨平了的通用内容 |Live, raw, and opinionated beats polished generic output
这场分享我听得很爽！静态内容的价值在往下走，实时互动的价值在往上走。不管是内容还是软件，人们想连接的，都是作品背后的那个人。有棱角、带观点的东西 > 打磨得很顺但很泛的东西 https://t.co/bjOvGLZ1RZ
View source
Nikunj Kothari
FPV Partner
X / Twitter · 2026-06-07 06:05:23
周末提醒：出去走走 |Weekend reminder: go outside
这周末别忘了去踩踩沙子，晒晒太阳。🌞
View source
Nikunj Kothari
FPV Partner
X / Twitter · 2026-06-07 06:05:23
一边散步一边聊世界模型、隐身研发和低延迟 |World models, stealth, and low latency in one walk-and-talk
A Walk In The Park（第二部分），嘉宾 @taiuti 🌎(00:00) 👋(01:10) 什么是 world models(03:42) 从 text-to-3D 到 @reactorworld 的起源故事(09:22) 为什么决定创业(11:22) GTA、游戏，以及怎么一路走进编程(15:09) 如何在 stealth 状态下做产品并守住秘密(18:32) 怎么挑有独立判断的投资人(21:43) world models 会最先在哪些地方长起来(26:08) 为什么低延迟重要(29:34) 成为 CEO，以及团队怎么往上扩(32:23) 最后的建议
View source
Amjad Masad
Replit CEO
X / Twitter · 2026-06-07 03:37:09
Amjad 说，立场会帮你把不对的人筛出去 |Amjad says conviction filters out the wrong backers
当我公开反对加沙种族灭绝时，一帮自作聪明的 VC 不光在公开场合围攻我，私下里也想搞我。但当时站在我这边的人里，也有很多 VC。只是他们更好。不管是人品，还是回报画像，都更好。想避开那种反社会人格，最好的办法就是把自己的立场亮出来，让他们自己从你的人生里筛出去。
View source
Amjad Masad
Replit CEO
X / Twitter · 2026-06-07 03:37:09
Vibecon 现场一瞥 |Vibecon sighting
Vibecon https://t.co/9YBgC412BZVibeconhttps://t.co/9YBgC412BZ
View source
Madhu Guru
Ex-Gemini Product
X / Twitter · 2026-06-07 03:28:26
模型路由很难，而机会恰恰在这儿 |Model routing is hard, and that’s where the opportunity is
把任务路由到不同模型，这事真的很难。你得把每个任务映射到合适的模型上，这就要求你拿自家产品里的具体任务去做基准测试，再把质量和成本的权衡一点点调出来。而机会就在这个难点里。这是我在做 Gemini 时看到的企业演进路径。阶段 1（2024）：默认用那个“最火”的模型。大家不管任务是什么，先上 GPT，因为它最亮眼。阶段 2（2025 年初）：过度优化。团队一下子拧过头，拼命找最小、最便宜的模型，但评测体系还没细到能把任务和模型真对应上，结果是白白烧时间，发版还更慢。阶段 3：精细路由。行业的评测能力和模型丰富度都起来了，最成熟的 AI-native 创业公司开始把产品拆成多个子代理，再把每个任务分发给最合适的模型，比如最难的推理交给 Claude，最简单的交给 Gemini Flash-Lite 或开源权重模型。跟大多数产品模式一样，企业会比 AI-native builders 晚 6 到 9 个月跟上。
View source
Aaron Levie
Box CEO
X / Twitter · 2026-06-07 02:02:37
Token 成本正在把模型路由硬生生推进企业栈 |Token spend is forcing model routing into the enterprise stack
现在我接触的企业里，token 成本已经成了最热的话题之一。这对 AI 整体反而很利多，因为这说明这些系统的使用规模已经大到过去没人认真预估过。这也给应用层 AI 带来了另一种会越来越重要的差异化：模型路由。当 token 在一个工作流里的成本占比越来越高，公司就一定会想办法，确保每一美元都花在最合适、最高效的 token 使用上。前沿模型的智能水平，在高难任务上永远有位置，比如编码、法律和金融分析、医疗等等。而且这部分投入只会继续涨。但与此同时，你也可以把部分子任务拆给更便宜的模型，不管是开源权重厂商还是大模型公司，最后把整体结果做得更省。要把这件事做好，应用层 AI 公司必须比别人更懂自己领域里的工作流，也得能把不同模型混搭到不同任务上。做文档抽取，你得知道哪类文档适合哪种模型；做法律分析，你得知道不同类型的法律任务分别是谁更强。别的领域也一样。这会慢慢变成更大的分水岭。谁的评测更强，谁更会路由工作负载，谁的商业模式又真的和客户的财务目标站在一边，谁就更占位置。
View source
Unsupervised Learning
AI Podcast
Podcast · 2026-06-03 20:50:11
Lucas Kaiser 追问：光靠推理能不能走到泛化；Anthropic 为什么先把编码打穿 |Lucas Kaiser questions whether reasoning alone can reach generalization; why Anthropic won coding first
Summary / 摘要
Lucas Kaiser 这期讲得很直接。作为 Transformer 论文作者之一，他承认现在这套推理+工具+智能体已经强得离谱，但学习方式还是有点“笨”：概念不是学不会，而是常常得先喂进海量数据和算力，模型才慢半拍地摸到门。他也把分歧摆在台面上。一派觉得 transformer 还远没榨干，另一派则怀疑下一代架构才更可能用更少数据学会真正的泛化，尤其是机器人和物理世界任务。说到编程模型，他的判断也很清楚：Anthropic 之所以先冲出来，靠的是聚焦；当时 OpenAI 更大的重心放在 ChatGPT。
