我剛讀完這篇文章，它悄然重新整理了我對訓練 AI 的所有想法。 核心在於，沒有人真正從最終成果中變得優秀，而是從標記中變得優秀——由資深人士指出哪裡出錯以及為何出錯的過程。修改才是教訓，而非乾淨的最終稿…… 這也正是 AI 如何學會寫程式的方式：它從來不是從完成的程式碼中學習，而是從差異（diffs）中學習。 每一個修復、每一次重寫、每一次「不，應該這樣做」——這些 Git 多年來恰好保存下來的變更記錄。 但在其他領域，我們卻把這部分扔掉了。提案發出去了，備忘錄歸檔了，合約簽署了，而產生這些成果的思考過程卻消失了。文件是經過判斷後的輸出，但判斷本身已被移除。 > 這就是為何「透過搜尋舊文件來捕捉你的知識」從未成功。每家公司都建立了一套記錄系統……它知道什麼。但沒有人建立判斷系統……它實際上認為什麼是好的。而判斷是展現出來的，不是說出來的……面試會說謊，但修改不會。 > 這正是「不可訓練 / 私有正確性」辯論一直忽略的部分：它並非不可訓練，只是存在於每個人刪除的地方。問任何公司它的接受率是多少，它甚至無法回答……沒有人保存過修訂痕跡。 軟體恰好保留了它的收據。法律和金融業從未建立自己的 Git。 判斷就在差異之中。

Anthropic 的工程師僅憑一組代理的循環，從零建構了一個完整應用程式 由打造 Claude Code 的團隊耗時 40 分鐘完成 三個代理循環運行：一個規劃、一個建構、一個評估，反覆循環直至應用程式正常運作 該示範中沒有人重複撰寫相同的提示詞。他們僅設計了一次循環，然後便離開了 觀看影片，然後閱讀下方完整指南，學習如何自行建構一個

我原以為自己錯過了 AI，但經過深入研究後，我認為這才剛剛開始。 當然，沒有任何事物會直線上漲，繁榮與衰退必然會發生。但若不參與其中，僅稱之為泡沫，則是不可接受的。

AI 評審會否出現類似人類的推理錯誤？ 擲兩顆骰子，至少有一顆是 6。 很多人說是 1 在 6 正確答案是 1 在 11 一個簡單的邏輯陷阱——AI 模型也常見此類錯誤。 #AI #Ontology #DID #Web3

兩分鐘的清理，就能讓 Claude 感覺像你升級了模型。 這段影片並非關於某個隱藏提示。 而是關於刪除你已經提供給 Claude 的雜訊。 過時的技能、失效的連接、半途放棄的工具、隨意的工作區指令、被遺棄的實驗——這些全都可能在背景中悄悄污染上下文。 然後人們說：「Claude 變差了。」 也許是。 但也可能是你把它變成了一個打開了 47 個分頁的擁擠瀏覽器，還要求它清晰思考。 這很重要，因為代理效能不僅取決於模型品質，還取決於上下文的潔淨度、工具的紀律性，以及系統在回應前必須承載多少無關雜訊。 這篇文章真正傳達的，是同樣的運作教訓：更聰明的 AI 無法拯救混亂的設定。 即使模型強大，若周圍環境嘈雜，仍可能產出薄弱的結果。 有時瓶頸並非在 Claude。 而是你連接到它的那堆雜物抽屜。

讓我對 ExpRL 感到印象深刻的一點是，它揭示了我們目前對 AI 進步的認知所存在的限制。 大多數基準測試僅衡量模型是否得出正確答案， 卻很少衡量在過程中探索並放棄了多少有價值的想法。 人類的創新往往來自失敗的嘗試， 而非完美的結果。 一名科學家可能在找到正確假設之前，測試了數百個錯誤的假設， 但傳統的強化學習卻將每條失敗的路徑視為同等無價值。 ExpRL 提出，這些失敗中可能隱藏著寶貴的資訊。 這個觀念的重要性超越了數學基準測試。 隨著 AI 代理變得更強大，最終的勝者可能不是最快找到答案的模型， 而是從錯誤中學到最多經驗的模型。 這也是為何驗證如此重要： 如果沒有可靠的方法來評估中間推理與輸出，我們就無法區分有生產力的探索與純粹的幻覺。 AI 的未來，可能不再取決於生成答案的能力， 而更在於理解哪些錯誤值得學習。

你唯一需要留存以應對AI的推文。 我最近坐下來寫了10條「規則」，以應對即將到來的AI時代。 沒有AI的廢話——只有我真誠的想法。 如果你擔心工作被取代，或AI帶來的任何連鎖效應，我希望你讀一讀這篇： 規則#1：要快 AI時代最重要的技能是高度主動性。資訊不再構成護城河，你的優勢現在是速度。把目標定為成為一個能迅速行動的人。 規則#2：創辦一門生意 AI正在創造無數商業機會。資訊如今唾手可得，你沒有任何理由不去打造一門能產生現金流的生意。 規則#3：每天使用AI 成為AI原生世代已不再是可選項。將其融入你的生活，並努力站在前沿。 規則#4：情商高於智商 當每個人都能使用相同的AI工具時，差異不再來自智力，而是你與他人建立連結的能力。 規則#5：優先關注健康 從簡單的事做起：睡眠、運動、補水和飲食。 規則#6：建立個人品牌 分發渠道成為新的護城河。製作內容是免費的，也是最佳的分發管道。 規則#7：學會銷售 這項技能無人談論。AI可以打造產品、撰寫文案、設計網站、運行廣告，但它仍無法建立人與人之間的連結。 規則#8：投資 投資自己（技能）和AI（鏟子與鐵鍬）。這是我們見過最大的泡沫——善用它。 規則#9：拓展人脈 建立你的人脈網絡。人脈是你最終的安全網，也是你獲得新機會的方式。 規則#10：保持好奇 這是支撐以上所有技能的元技能。能夠快速學習與迭代的人，如今比以往任何時候都更有價值。 保存這篇，以免忘記。

[APRO Intelligence #07] ──────────────── AI 在 STEM、編程和數學方面表現驚人。 但同理心、審美判斷、察言觀色、感知緩慢的因果關係—— AI 與我們仍有極大的差距。 Anthropic 的 Daniela 一語中的： 「我們正進入一個將人類核心價值變得前所未有的昂貴的時代。」 與 AI 一起建設，但別忘記讓你不可替代的特質。→ @APRO_Oracle

@vercel 的首席執行官 Guillermo Rauch 表示： 「世界上每項任務最終都會變成編程任務。這就是為何每個實驗室都在爭相實現同一目標……一個無需你參與即可運行的編程代理。」 這是最清晰的說明，揭示了編程 AI 的下一步發展方向。 其價值高於任何價值 500 美元的代理課程。 觀看後，請閱讀下方如何在你睡覺時運行一個代理。