<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[shadowcz007的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/shadowcz007</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; shadowcz007]]></copyright><item><title><![CDATA[Autofiction：我们都在演，只是剧本早已写好]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161495950</link><guid>https://blog.csdn.net/shadowcz007/article/details/161495950</guid><author>shadowcz007</author><pubDate>Thu, 28 May 2026 16:43:05 +0800</pubDate><description><![CDATA[2011 年，Eli Pariser 提出"过滤气泡"概念时，重点是算法根据用户使用时间、地区、浏览习惯生成用户画像——这是"消费偏好"的画像。主唱说，所有艺术都处于真实与虚构之间的光谱上。你每天在各种平台、AI 工具、社交网络上"扮演"的自己，是有意识的选择，还是被推荐算法和 AI 模型生成的默认版本？AI 的"身份"不是内在固定的，而是通过外部文档：prompts、markdown 文件，不断重建的。到 2026 年，AI 驱动的推荐系统已经从"你喜欢什么"进化到"你是谁"，将身份建构推向更深层次。]]></description><category></category></item><item><title><![CDATA[所有创作都是重组，但谁来重组决定了价值]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161464321</link><guid>https://blog.csdn.net/shadowcz007/article/details/161464321</guid><author>shadowcz007</author><pubDate>Wed, 27 May 2026 09:00:00 +0800</pubDate><description><![CDATA[当AI能够批量生产"看起来原创"的内容时，"原创性"本身正在成为一个需要重新思考的概念。答案不在于"如何让AI更有创造力"，而在于"人类创作者如何在AI时代找到自己不可替代的位置"。创作主体认定难（AI不是法律意义上的"作者"）、创作过程证明难（难以证明人类的"智力劳动投入"）、独创性判断难（AI输出是否具有"独特表达"存疑）。那些只有你能讲的故事，只有你能做的判断，只有你经历过的瞬间——这些是AI拿不走的。有意思的是："AI不是好莱坞的威胁。创作者的价值，不在于"重组了什么"，而在于"是谁在重组"]]></description><category></category></item><item><title><![CDATA[Google：蓝色链接还需要吗？谷歌搜索要变成“委托AI执行“了！]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161403957</link><guid>https://blog.csdn.net/shadowcz007/article/details/161403957</guid><author>shadowcz007</author><pubDate>Mon, 25 May 2026 12:50:34 +0800</pubDate><description><![CDATA[还有个变化挺有意思：设计师、创作者、独立个体，你们的读者正在通过AI搜索信息。如果你的内容能成为AI信任的来源，AI会在回答问题时推荐你的作品。超过25%的搜索结果顶部将出现AI Overviews（AI总结），即使链接排名第一，用户也可能根本不点击。说白了，内容创作者得重新想一件事：不是"如何让更多人看到"，而是"如何让AI在回答问题时信任我的内容"。蓝色链接曾是流量的入口，现在AI直接给你答案，用户不需要点击网站。Google搜索变了：问题不在于变得更好，而在于变得不需要你了。]]></description><category></category></item><item><title><![CDATA[Altman用token买YC创业公司股权]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161402068</link><guid>https://blog.csdn.net/shadowcz007/article/details/161402068</guid><author>shadowcz007</author><pubDate>Mon, 25 May 2026 10:37:13 +0800</pubDate><description><![CDATA[OpenAI实际支付的边际成本接近于零： token是自己印的，推理成本还在持续下降，今天的200万美元可能3年后只值20万。OpenAI的Token Deal是200万美元token换取股权，但股权比例待Series A时确定。2009年，Yuri Milner向所有YC公司提供了100万美元投资，不需要任何条款，直接给钱。Yuri Milner给的是真金白银，Altman给的是自己能够"印刷"的token。15年后，Altman回到YC，这次身份是OpenAI CEO，不是总裁。]]></description><category></category></item><item><title><![CDATA[用科学包装偏见，AI时代的颅相学]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161348986</link><guid>https://blog.csdn.net/shadowcz007/article/details/161348986</guid><author>shadowcz007</author><pubDate>Sat, 23 May 2026 07:09:06 +0800</pubDate><description><![CDATA[但如果数据本身是偏见的历史产物，那么"反映数据"就等于"复制偏见"。一旦你接受了"算法是客观的因为它基于数据"这个前提，你就无法通过引用数据来批评算法，因为数据本身被认为是客观的。数据科学家说"我只是用了可用的数据"，公司说"系统是基于统计的"，开发者说"我没有设计偏见"，用户说"这是算法的决策，不是我"。当AI被要求生成"医生"的图像时，100次里94次是白人男性时，这不是技术问题，是偏见的历史重复上演。真正的客观性不是"不加批判地使用可获得的数据"，而是"主动识别和纠正数据中的偏见"。]]></description><category></category></item><item><title><![CDATA[AI内容，用了就可能被指责。原因是？]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161325423</link><guid>https://blog.csdn.net/shadowcz007/article/details/161325423</guid><author>shadowcz007</author><pubDate>Fri, 22 May 2026 10:34:26 +0800</pubDate><description><![CDATA[Shadow：创作规则已经发生变化，平台对AI内容的审核跟不上技术的发展，设计独特的AI内容，是新的创作壁垒。看起来是技术方案，但本质是信任基础设施，当所有AI生成内容都带可验证水印，溯源就成为可能。这个地带的AI内容花了工夫，但没有花够，结果是既没有风格化的辨识度，也没有拟真的可信度。那个诊所的问题不是"被发现了用了AI"，而是"被发现之后消费者直接公开指责"。当AI内容从"用了就用了"变成"用了就可能被指责"，创作规则变了。用劣质AI内容的代价，从"可能被发现"变成了"已经被指责"。]]></description><category></category></item><item><title><![CDATA[Cute Tech：科技新品如何像时尚行业一样思考？]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161295321</link><guid>https://blog.csdn.net/shadowcz007/article/details/161295321</guid><author>shadowcz007</author><pubDate>Thu, 21 May 2026 18:24:00 +0800</pubDate><description><![CDATA[让软件本身的介绍显得不那么只专注于功能化，还有使用者的感受和氛围。这就是 Cute Tech 最重要的地方，不是 “萌”，而是让科技从工业产品重新变成情绪产品。科技行业开始像时尚行业一样思考，产品是种 aesthetic、personality、可被携带的身份语言。在 AI 时代，让人充分感受到情绪的表达，就是 Cute Tech，而不只是 “可爱感”Cute Tech 不只是科技行业的视觉小趋势，它更像是一种新品发布逻辑的变化。再比如，上个月我们刚完成的初创产品 / AI 论文软件的 demo 制作，]]></description><category></category></item><item><title><![CDATA[OpenAI宣布采纳Google DeepMind的SynthID水印技术]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161295354</link><guid>https://blog.csdn.net/shadowcz007/article/details/161295354</guid><author>shadowcz007</author><pubDate>Thu, 21 May 2026 07:07:23 +0800</pubDate><description><![CDATA[核心：隐形性（对人类不可见）、鲁棒性（常见图像处理后仍可检测）、可扩展性（可嵌入图像和文本）。两个曾经的竞争对手站在同一标准背后，比技术本身更重要：溯源正在成为基础设施，滥用空间收窄。C2PA层：提供内容来源的元数据（创作者、工具、时间戳），信息丰富但可以被剥离。SynthID层：提供隐形水印，在元数据被剥离时仍可识别AI生成内容。但方向是确定的：AI内容的透明度正在成为基础设施的基本要求。AI生成内容正在从"用了就用了"变成"用了就要标注"。当标准形成，溯源成为可能，AI内容的滥用就会变少。]]></description><category></category></item><item><title><![CDATA[VibeCoding提出者Karpathy加入Anthropic#CTO们集体加入AI公司：零员工公司时代来了]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161266091</link><guid>https://blog.csdn.net/shadowcz007/article/details/161266091</guid><author>shadowcz007</author><pubDate>Wed, 20 May 2026 07:50:37 +0800</pubDate><description><![CDATA[ps：Cal AI是一款由7人团队开发的AI拍照卡路里追踪应用，年收入超3000万美元后被MyFitnessPal收购，是“判断力取代执行力”的典型商业案例。新的是网络效应护城河：你需要时间积累，行业边界情况、用户行为指纹、垂直知识结构化，这些东西不是有钱就能买的。在一个足够细的领域里，智能体系统帮你把执行成本降到接近零之后，你所有的时间都可以用来做那些真正需要积累的事。真正的问题是：我要解决什么问题，那个问题值多少钱，谁会为此付钱，我怎么确认它不是我自己想象出来的需求。他们是在比谁更能判断方向。]]></description><category></category></item><item><title><![CDATA[Claude帮用户找回40万美元Bitcoin：AI在密码破解上真正擅长的是什么？]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161204913</link><guid>https://blog.csdn.net/shadowcz007/article/details/161204913</guid><author>shadowcz007</author><pubDate>Mon, 18 May 2026 12:08:00 +0800</pubDate><description><![CDATA[Claude发现了一个他完全忘记了的2019年钱包备份文件，然后识别出btcrecover工具的一个密码拼接bug。传统的密码恢复行业依赖GPU集群和暴力破解：34亿次CPU尝试，3.4万亿次GPU尝试，全部失败。基于AI的密码管理范式：不在是「设一个更强的密码」，而是「让AI帮你记住，并在需要时帮你验证」。安全社区需要系统性地用AI审计自己的工具链，而不是只盯着「AI能不能被用来攻击」这个问题。Claude到底是怎么做到的，以及更重要的是，AI密码恢复的真相是？这个案例证明了「AI可以破解密码」，但。]]></description><category></category></item><item><title><![CDATA[Google：让鼠标学会「看见」这件事意味着什么#Magic Pointer]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161204653</link><guid>https://blog.csdn.net/shadowcz007/article/details/161204653</guid><author>shadowcz007</author><pubDate>Mon, 18 May 2026 09:46:48 +0800</pubDate><description><![CDATA[当「指向」成为一种新的指令媒介，AI系统的设计逻辑会发生根本变化。不再是「理解我的语言」，而是「理解我的目光」。这种转变对AI产品的设计者提出了新要求：界面上的每一个可见对象，都可能成为用户的「可操作入口」。传统鼠标指针的本质是一个坐标：它告诉计算机「用户现在在看哪里」，但不包含任何关于「指向对象是什么」的信息。但Magic Pointer改变的是「表达结构」：从「语言描述目标」到「指向定义目标」。，通过多模态模型识别画面中的对象类型，再结合用户的语音或文字指令理解意图，最后调用相关工具完成操作。]]></description><category></category></item><item><title><![CDATA[苹果不卷AI了：iOS 27要让第三方模型“竞标“进系统]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161124746</link><guid>https://blog.csdn.net/shadowcz007/article/details/161124746</guid><author>shadowcz007</author><pubDate>Fri, 15 May 2026 12:30:00 +0800</pubDate><description><![CDATA[之前你用iPhone，Siri只能用苹果内置的AI（早期绑定了ChatGPT），你想换成Gemini或者Claude，得手动打开那个App，用它的界面。OpenAI、Google、Anthropic的模型能力在快速拉开与第二梯队的距离，而手机厂商的自研模型，无论从算力、数据还是人才储备上，都很难追上。Shadow：当所有人以为AI的终点是"谁家的模型最强"，Apple反着来：不做最强的AI，做装AI的那个容器。对于做产品的人，这个案例的价值不在于"苹果做了什么"，而在于"苹果为什么放弃"。]]></description><category></category></item><item><title><![CDATA[“有手就行“幻觉：AI红利为什么让更多人更焦虑了]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161124760</link><guid>https://blog.csdn.net/shadowcz007/article/details/161124760</guid><author>shadowcz007</author><pubDate>Fri, 15 May 2026 11:36:59 +0800</pubDate><description><![CDATA[还有人回复：不是学编程，是学'让AI替你编程'，下一个升职的HR，一定是会用AI的那一个，和老板聊AI你有底气。其他人把经验丢掉了，只留下"让 AI 帮我做"的期待，最后做出来的只能是"看起来像 demo 的东西"。AI让你觉得"有手就行"，但它也在悄悄掩盖一个事实：你的"手"，可能只是最浅层的那双手。不是 AI 工具的差异，不是 prompt 技巧的差异，而是使用者本身的经验积累差异。因为他们知道：AI降低了"做出来"的门槛，但"做好"的门槛反而更高了。]]></description><category></category></item><item><title><![CDATA[a16z：从记录系统到情报系统（智能系统）]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161094741</link><guid>https://blog.csdn.net/shadowcz007/article/details/161094741</guid><author>shadowcz007</author><pubDate>Thu, 14 May 2026 23:11:28 +0800</pubDate><description><![CDATA[曾经至上，现在只是附带了。在模型和客户之间，有大量枯燥但特定领域的工作：跨数十个连接系统编排上下文，把销售和营销团队实际运作的逻辑编码，处理权限和合规性，集成到财富 500 强 IT 环境的混乱现实中。就像动态消息将社交媒体的 TAM 扩大到"一切感兴趣的东西"一样，代理革命扩展了软件可以合理收费的范围，而且不会削弱为当今大多数 GTM 工作提供资金的劳动力预算。她从智能系统生成的优先级动态开始：她的哪些账户隔夜有了重大消息，哪些地区的潜在客户突然进入市场，哪些管道中的交易以应该调查的方式变得安静了。]]></description><category></category></item><item><title><![CDATA[Gartner：80%通过AI裁员的企业，失败了# AI裁员失败，不是因为AI不行]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161092760</link><guid>https://blog.csdn.net/shadowcz007/article/details/161092760</guid><author>shadowcz007</author><pubDate>Thu, 14 May 2026 20:34:54 +0800</pubDate><description><![CDATA[连GPT-5.5的官方描述已经从「understands complex goals, uses tools, checks its work」演变为「carries tasks through to completion」，这是AI从工具到同事的转变。据Ramp AI指数数据，Anthropic的企业客户占比已从一年前的约4%增长至34.4%，在企业AI采用上超越了OpenAI。但走第一条路的时候，其实没有人在用AI，只是在用自动化工具，而且还没有自动化工具做得好。AI成为裁员的主要驱动因素之一。]]></description><category></category></item><item><title><![CDATA[Anthropic不自己做法律AI，却让法律科技巨头全部变成它的渠道#开源]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161094613</link><guid>https://blog.csdn.net/shadowcz007/article/details/161094613</guid><author>shadowcz007</author><pubDate>Thu, 14 May 2026 17:19:08 +0800</pubDate><description><![CDATA[20个MCP连接器、12个执业领域插件，一口气接入Thomson Reuters、Harvey、iManage、DocuSign、Everlaw等几乎所有主流法律软件。今天，Anthropic没有自己开发所有法律AI功能，却让Thomson Reuters、Harvey、iManage这些法律科技巨头全部变成了它的渠道。这次发布的20多个MCP连接器，覆盖了法律行业整个软件栈：诉讼、合同、文档、判例、电子签名，全部接进去了。真正的变化不是律师用了什么AI，而是谁掌握了AI与法律软件之间的连接权。]]></description><category></category></item><item><title><![CDATA[黄仁勋：不会烧token的工程师，正在被重新定价#Token 正在成为企业给员工的“第二薪酬“]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161061245</link><guid>https://blog.csdn.net/shadowcz007/article/details/161061245</guid><author>shadowcz007</author><pubDate>Wed, 13 May 2026 09:36:17 +0800</pubDate><description><![CDATA[英伟达 CEO 黄仁勋在 2026 年 3 月播客中提出的逻辑：如果一个工程师能把相当于年薪一半的 token 预算花出去，说明他在高效驱动 AI 为自己工作。代码是 AI 生成的，逻辑是 AI 决定的，理解 AI 为什么这样写往往比从头写还难。高级工程师现在获得 10 倍薪酬，因为他们能够删除 5000 行 AI 生成的意大利面代码，用 50 行干净的代码替换。Shadow：最近在给ceo们上课，第一课讲的就是AI原生组织员工的工作衡量标准，围绕token构建的量化指标。这是 AI 的盲区。]]></description><category></category></item><item><title><![CDATA[AI编程如何学？OpenAI 亲自下场，19家顶级机构联手， 成立FDE公司#前端部署工程师]]></title><link>https://blog.csdn.net/shadowcz007/article/details/161028164</link><guid>https://blog.csdn.net/shadowcz007/article/details/161028164</guid><author>shadowcz007</author><pubDate>Tue, 12 May 2026 08:13:33 +0800</pubDate><description><![CDATA[知道一个问题值不值得做、从哪里切入、什么时候该停：这些在AI时代，比流程更重要。许多项目会经历第一版原型、工作流重构、用户反馈、智能体协同、数据沉淀、长期迭代。会做Demo的人很多。能把现实世界的隐性需求，变成可运行系统的人，很少。机制：先把项目放出去，在真实反馈里迭代，而不是等到"完美"才收工。从"会不会写代码"，变成"知不知道该把什么问题交给AI"。— 把行业经验、业务判断、工作流变成可复用的系统。判断力、结构化思维、工作流设计，这些会长期存在。— 把散落的文章、课程、错题变成可操作的素材。]]></description><category></category></item><item><title><![CDATA[多智能体协调模式选型指南：5种模式何时用、怎么迭代？]]></title><link>https://blog.csdn.net/shadowcz007/article/details/160996090</link><guid>https://blog.csdn.net/shadowcz007/article/details/160996090</guid><author>shadowcz007</author><pubDate>Mon, 11 May 2026 17:13:50 +0800</pubDate><description><![CDATA[系统越来越复杂，面临多智能体如何稳定迭代升级的问题，选型是最头疼的，选得不好，浪费时间还要返工。问题是智能体是否需要彼此的发现。更危险的是反应循环：智能体A写发现，智能体B读取并写后续，A看到后续并响应，系统继续在不会收敛的工作上燃烧token。安全运营自动化是典型场景：警报从多个来源到达，分诊智能体按严重程度分类路由，每个调查智能体发布充实请求而上下文收集智能体满足这些请求。显示，采用Claude Opus 4作为主智能体、Sonnet 4作为子智能体的多智能体系统，比单体Opus 4表现提升。]]></description><category></category></item><item><title><![CDATA[渲染一张建筑图从三天变成了30秒，但建筑师真正的难题刚刚开始]]></title><link>https://blog.csdn.net/shadowcz007/article/details/160995537</link><guid>https://blog.csdn.net/shadowcz007/article/details/160995537</guid><author>shadowcz007</author><pubDate>Mon, 11 May 2026 11:09:00 +0800</pubDate><description><![CDATA[专业级和专家级工具的用户，需要的不再是执行能力，而是"能不能在AI生成的多个方案中判断出哪一个值得深入"的品味和经验。比如，建筑师画了一个异形屋顶，AI能立刻判断这个结构在力学上成不成立、材料成本超不超预算、采光合不合理。空间智能的目标，是让AI在设计阶段就把这些反馈整合进来，不用等到施工图阶段才发现问题。AI能够理解三维空间里的物体关系、尺寸比例和物理规则，在设计过程中实时给出反馈。建筑师的贡献是"选对了AI生成的方向"还是"做了足够多的修改"？这些需要建筑师的经验、品味、对客户和施工的理解。]]></description><category></category></item></channel></rss>