这篇博文也是这个意思。Zig 给古法编程带来的提速效果被 LLM vibe coding 抹平反超，Rust 的类型系统约束了 LLM，产出质量更有保证。

https://zackoverflow.dev/writing/zig-vs-rust-in-2026/

#杂
在线看山西临汾隰县的小西天 3DGS 数字存档 ，相关推文。

#投资
#人工智能

我以“假如AI Agent大爆发，会发生什么，哪些行业和公司会因此而受益”来提问AI，几个大模型（Kimi、DS-v4、Gemini）都没有回答出CPU和存储会因此受益。看来，这条演化路径本来就在现在AI的预测范围以外。

我的第一反应是：即使现在AI已经很强，但是个人的基础能力也不能落下。

我仍然坚信这个公式：AI工具的输出效果 = 个人能力 x AI模型能力。

#开源项目
#人工智能

开发者想参与知名开源项目时，会花时间贡献代码，但是提交之后，可能这个开源项目并不太接受社区的贡献，这样时间精力都浪费了。

GitSense 项目，可以根据开源项目的pr合并和回复时间等，判断是否适合给项目进行贡献。例如图中给的vllm的分析。可以看到 vllm pr的回复和合并时间很长，过期（stale）的pr也很多，这样的项目就不适合去贡献你宝贵的时间和精力了。

GitSense 还有更多其它的玩法，可以基于AI帮助开发者找到适合自己贡献的开源项目，具体参看项目的readme。

#投资
#世界观

《Serenity启示录》，这个投资方式很有意思，但是对个人的要求也很高：需要对某一个行业的所有链条非常了解，前期需要下特别多的功夫，然后开出那一枪。

后来，Serenity索性独创了"瓶颈点投资法 (Chokepoint Investment)"。

如其名，这个方法的核心逻辑就是找刚需：

第一步，寻找不可替代性：在AI供不应求的背景下，寻找产业链中像"霍尔木兹海峡"一样绕不开的环节，如特定材料、设备或技术。
第二步，下注隐形冠军：专注于那些深藏供应链、被主流资金忽视的"螺丝钉"型企业，而非英伟达、谷歌等明星巨头。
第三步，做先行者：在市场尚未形成共识时，抢先于机构投资者和研究报告之前布局

而具体操作上，还可以细分为四个步骤：

初始研究 (Thesis)：从研读学术论文、分析产业物料清单（BOM）开始，拆解和绘制全球供应链地图。
转化执行 (Execution)：在识别到瓶颈点后，迅速将研究转化为实际交易。
后续尽调 (DD)：交易的同时进行深入尽职调查，验证投资逻辑。
动态轮动 (Rotation)：不采取"买入并持有"策略，而是动态捕捉"当下最活跃的瓶颈"进行轮动，以提高资金效率。

这位投资者的推特。

#世界观

最近看了一部有意思的国产剧《低智商犯罪》。

里面有一个有意思的桥段：大老板派出小弟开车接送送礼对象来现场勘验文物，路上小弟的车意外和另外的人发生剐蹭，小弟由于和对方讨要费用（因为这辆车是小弟借出来公司的用车，出了事故得自己掏钱），导致这次接送任务没有在规定时间完成，耽误了大老板的大事。

我从这个桥段里抽象的一个结论：在很多情况下，一个组织里，发号施令者的目标，和底下实际执行者的目标，在很多时候并不一致。例如，老板想的是星辰大海，可能底下员工思考的是自己家里的房贷、车贷，也就是怎么迅速拿到绩效。这就导致在任务布置和实际执行的时候，很多时候会发生极大的偏离。

这些思考在看了视频《我被Meta裁员了……又火速上岸了》更加坚定了，在这个视频里也吐槽了Meta现在的激励机制导致了员工追求那些快速可达的目标，没有人去承担风险。

这部剧里还有另外一个场景让我思考一个组织的结构。还是这个老板（王传君饰演），他所有关于外部的信息，都来源于底下人转述，自己从来没有到过一线考察，这就会导致：到自己的信息可能已经被转述多次发生了变形（甚至是南辕北辙方向性的错误），也可能对一线到底什么情况没有觉察。这就是所谓的“CEO成了最后一个知道公司要完蛋的人”。

#世界观
#人工智能
《伯克利 CS 课程挂科率激增：AI 滥用与数学能力下降成主因》
我们曾用PC互联网打破信息孤岛，用移动互联网抹平地理边界，如今，人工智能又帮我们走完了获取知识的捷径。但这里潜藏着一个致命问题：信息触达和空间跨越可以交给技术去代劳，人类的‘大脑’也能被完全外包吗？当获取答案变得毫不费力，当深度思考被算法大规模接管，逐渐丧失思考本能的我们，最终会被这个时代塑造成什么样的新物种？

#人工智能
kimi code开发的一条推特：https://x.com/real_kai42/status/2062507087822000356

从描述里的“花了几千刀的 token”来看，大概率用的不是自家的Kimi模型。做其它类型的产品还好，但是自家就是做编码模型的，不用自家的编码模型来迭代coding agent，自己都不吃自己的狗粮，怎么都有点说不过去：自己都不用自己的产品，用户怎么相信你能把产品打磨得更好呢？

BTW：虽然Python写的kimi-cli已经暂停开发，转向了TS写的kimi code，我依然用kimi cli，目前对我而言功能已经足够了。

#人工智能
#分布式

在编写《图解分布式系统原理》的过程中，我用的是Mac上的画图工具Omnigraffle。现在文档要翻译成英文版，对应的需要把图片中的文字翻译成英文。一开始很头大，因为图片数量巨多，有几百幅自己手画的图片。后面一想不如问问AI，于是AI三下五除二就给我写了一个翻译 .graffle 文件（Omnigraffle 特有的二进制文件）的中文为英文文字的脚本。美中不足的是，还需要Omnigraffle Pro版本才能实现命令行将 .graffle 文件导出为png文件，导出为png图片这一步需要自己手动完成。不过关系也不大，我正好每个都自己审核一遍再导出。

这个过程里，需要给自己新植入的意识是：如果一件事情觉得为难，可以先描述清楚提问AI，也许能给出新的思路。以这个问题为例，虽然整个流程没有完全自动化，但是AI已经省去了这个任务里80%的图片文字翻译工作量了。

#杂
知道高考成绩和录取去向后的高三暑假，本应该是人生中最无忧无虑的日子。可我竟全然想不起自己做过什么，甚至早在多年前，这段记忆就仿佛被按下了彻底删除键，再无半点痕迹。

#开源项目
很多人以为不给 App 定位、不登录账号，App 就不知道你是谁，实际上 App 仅通过语言、时区、屏幕、电池状态、已安装应用等公开不需要经过用户确认的数据，就能组合出一个相当稳定的设备指纹。

Loupe 是直接调用 iOS 公开 API，把 App 能获取到的各种信息原样展示出来，可以直观看到自己的设备究竟暴露了哪些信息。

项目完全开源，App Store地址。