AI探索指南
-
- AI 时代，职场人现在最该学的一项技能是什么？
吴恩达老师的建议是人人都该学编程。
不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。
他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。
学编程不等于手写代码
他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。
他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息Media is too bigVIEW IN TELEGRAM - 一级可能要多杀多踩踏了
（五折卖也是血赚啊） - 当行业开始为了管理邮件和日历为用户配一台云端电脑的时候
我感觉到有点泡沫的味道了 - 最难决策的事情不是做什么，而是不做什么
比如苹果不出18，小米也不出 - 这篇论文指向了一种新的 Agent 架构：
Generator → 多次尝试 → Verifier → 选择 → 继续执行
未来提高 Agent 性能，可能不需要每次都等待更大的基础模型。
让 AI 一次多做几个答案，再让另一个 AI 用更细的评分、多维度评分、多次评分，从里面挑出最靠谱的那个。
下一阶段提升 Agent 的关键，除了让 AI 更会做，还要让 AI 更会判断自己什么时候真的做对了。这可能会成为 Test Time Scaling 很重要的一条路线。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 
- Sam Altman 说，他职业生涯回报最高的一年，恰恰是“没工作”的那一年。
他读了几十本教材，学核工程、AI、生物、投资，到处找有趣的人聊天、顺手帮忙。
当时几乎都没什么用。
后来，核能、AI、投资这些看似散乱的种子，全串起来了。有些回报，几年后才看得见。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息Media is too bigVIEW IN TELEGRAM 
- 推荐一个开源项目 Fund Guy Skill，专门用 AI 深挖基金和基金经理，不只看收益率，还会分析：
基金经理历史业绩、择时能力、投资风格，以及是否存在抱团、搭便车、风格漂移、诚信风险等问，还会拉长周期验证业绩到底是实力还是运气。
股票分析工具一大堆，专门把基金经理本人扒一遍的确实少见。
适合买基金前做功课，但分析结果仅供参考，别直接拿 AI 结论当投资建议。
GitHub：https://github.com/wbh604/fund-guy-skill
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 - 特朗普准备给白宫设一个“AI 沙皇”，而财政部长贝森特成了热门人选。
更有意思的是，他刚刚还在和中国讨论建立 AI 风险沟通机制。AI 已经从科技公司的战争，正式走进大国博弈的核心战场。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 - 逆向工程也被做成 Skill 了，很多安全老手几年踩坑攒下来的经验，现在直接喂给 AI，你听说了吗？
推荐 reverse-skill，装进 Codex、Cursor、Claude Code 后，碰到 APK、前端代码、固件等目标，它会自动判断分析路线、选择工具、规划下一步。
最狠的不是帮你跑几个命令，而是把逆向工程里的“路径感”直接打包了。
GitHub：https://github.com/zhaoxuya520/reverse-skill
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 - GitHub 6.3W Star 的开源「AI 对冲基金」，直接把一群投资大佬塞进 AI 团队，你见过没？
项目叫 AI Hedge Fund，让不同投资风格的 Agent 一起分析股票：巴菲特、芒格、格雷厄姆、彼得·林奇、Michael Burry、Damodaran 等都有对应策略模型，再交给估值、基本面、技术面、情绪和风险模块综合判断。
现在还支持自己组建基金、选择策略、设置调仓周期，然后直接跑历史回测。官方定位是研究和教育项目，并非荐股或自动实盘交易。
以前是一个人研究股票，现在是拉一桌“投资大佬”给你开投委会。
GitHub： https://github.com/virattt/ai-hedge-fund
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 - 微软研究院做了个很有意思的实验：把机器人的大脑搬出机身。
AI 推理放到边缘或云端后，机器人成功率更高，还能跑更大的模型，续航甚至提升超 100%。
机器人以后可能不需要背着一块越来越大的 GPU 到处跑。
真正的挑战，只剩一个：网络延迟能不能稳得住。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 - 如何评价人民网 2026/8/6 发表的《用 “Token”还是“词元”，事关科技语权》？
二逼意识形态化的产物。作者既不懂计算机，也不懂AI。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 - Jev 的创始人说，现在很多产品想摆脱 human-in-the-loop，让产品真正自动化，但这是不可能的。因为大模型的训练方式就是对齐人类偏好，只要大模型的目标还是让人类满意，那就不可能让人摆脱 human-in-the-loop。这个观点还挺有启发性的。
@aigc1024
