Jun 6th, 2026

今日记录

夜里一口气刷完revisions 12集，还不错，女主续集该有更多故事的，可惜续集无了😭
12点起，大雨倾盆，stepfun的活动驱使着出了门
- 由于伞不在宿舍淋雨去实验室，路上早阳包子首购
- 借了jk的伞，骑到力学所转乘公交
- 好像也没啥玩的（？） collapsed:: true 就听嘉宾讲了讲，后面workshop跑路
  - 一号是stepfun的huchen，主要讲产品、讲趋势、讲取舍 collapsed:: true
    
    阶跃 advisor mode
    
    模型爱猜不爱看，缺乏更多上下文只能“边缘”试探 collapsed:: true
    
    这也是我rca或日常debug偶尔遇到的问题
    
    我的联想 collapsed:: true
    
    困难问题上专家干预不可避免，反馈速度>有限的自主能力？
    
    poc/minimize in agentic debug
  - 第二位是memoryx、clawputer开发者，某ai设计软件的产品经理下海OPC collapsed:: true
    
    其实看了眼github fo没我多…不过他是新户
    
    个人开发者多无繁复后端，可能倾向使用端侧小模型 / 用户自有模型 collapsed:: true
    
    我的思考：支付宝/微信这类支付平台未来可能吸纳token hub功能
    
    模型可用性 collapsed:: true
    
    够用&快，情绪价值
  - 圆桌有干货，主要huchen讲得好 collapsed:: true
    
    当前的用户体感：benchmark看不懂，hack了 collapsed:: true
    
    要么性价比，要么培养粘性
    
    同一家模型，全栈生态打通、兼容更好，如step配stepfun的tts、imggen
    
    两类：一类目标etc明确，各种方式避免autocompact导致的问题？ collapsed:: true
    
    autoresearch/kernel更加generic来说，目标不清晰、evaluation不清晰 collapsed:: true
    
    做题：收集高价值任务，traj无法绝对评估、但人可以做相对评估
    
    体系：与无背景的专家codesign，任务拆解、建模
    
    长程任务：只能traj上一些good、bad pattern评估
    
    压缩中的取舍， collapsed:: true
    
    mem工具，git版本管理可追溯
    
    “知道自己不知道”，记忆的RAG
    
    模型选型 collapsed:: true
    
    frontier为主，端侧还不够
    
    云端结合
    
    小模型清晰知道能力边界
  - 本准备借此机会弄个自用paper agent，网络太差&没个伴&在场人士气质奇特遂跑路了
北京三时辰，16时许转晴了，东西向云影对比强烈；18时已无一片云彩，地也干差不多了
晚上与jk去了玉勇餐厅，花园路附近有生活气息多了
- 聊了不少“学术”，主要记得是我吐槽搞不懂大厂普转AI Agent开发的需求空间在哪、门槛在哪、持续空间在哪
晚上没干活，整了整使用环境
- opencode server+tailscale，唯一缺陷是tailscale在宿舍、工位的联通性差
  - Jun 7 搜了搜发现有peer relay模式了，若oragnepi还在则可使用，可惜
- 现在大概知道NPU用来干啥了，批处理整合我每天的日志、vibe session、浏览记录、各种输入
  - 搭llm wiki，一来没现成方案，二来需求确实各异