Kimi K3 技术报告 · 通俗解读 — 2.8 万亿参数,把前沿智能开源
请 Kimi K3 根据 K3 技术报告做了一个通俗易懂解读
请 Kimi K3 根据 K3 技术报告做了一个通俗易懂解读
ChatGPT Mac 版更新到 26.707.51957 后,Codex「控制电脑」功能恢复正常了 ✅
之前一直报错:Sky Computer Use native pipe startup failed
遇到同样问题的可以更新试试。
ChatGPT App 现在可以把当前聊天直接添加到 Codex 任务里,体验确实很爽
我现在的习惯是:先在 GPT Web 端用 5.6 Sol Extra High 把问题聊清楚,再到 ChatGPT App 里把这段对话添加到 Codex 任务中继续推进
而且 Chat 对话本身不占 Codex 使用额度,这一点真的很 nice
上海的6月、7月初,雨季黄梅天,有了抽湿机感觉太好了,闷热感少了很多(是的,即使是过了618也值得买),此外,用了几年的格力空调,昨天才知道有自清洁功能,囧
《Fable 实践指南:发现你的未知》配套了详细示例页面,我做了中文版
https://anthropic-unknowns-cn.pages.dev/
原文作者:Thariq(@trq212)
这篇文章讲的是:当 AI 模型越来越强时,任务质量的瓶颈不再只是模型能力,而是你能否把问题里的“未知”找出来、讲清楚,并让 AI 在正确的边界内探索。
作者把和 Claude Fable 5 协作的经验总结成一个核心方法:
在实现之前、实现过程中、实现之后,持续发现 unknowns(未知项),让 AI 不只是执行你的指令,而是帮助你澄清问题本身。
文章开头引用了一个经典说法:
The map is not the territory.
地图不是领土。
在 AI 协作语境下:
| 概念 | 对应含义 |
|---|---|
| 地图(Map) | 你给 AI 的 prompt、上下文、技能说明、任务描述、规格文档 |
| 领土(Territory) | 真实要工作的地方:代码库、产品、用户需求、历史约束、运行环境、组织流程 |
| 两者之间的差距 | unknowns,也就是你没有显式说明、AI 也必须推断的部分 |
换句话说,prompt 只是你对任务的表达,不等于任务本身。
AI 真正要面对的是复杂...
Simon Willison给 Claude Code 写了一个 prompt:对于所有编码任务,请自行判断并选用合适的低功耗模型,在子代理中运行该模型。
这个 prompt 被 Claude Code 记录成了项目记忆文件,效果非常好——Simon 表示自己“完成了大量工作,而 Fable 的额度消耗明显变慢”。