每一个困难的问题，都有一个很容易就能想到的错误的解决办法🥲

制约AI进入真实生产环境的，早就已经不是代码能力，人看着非常详尽的需求文档，AI解读起来也会漏洞百出，当前还无法通过vibe coding从零到一做出复杂的产品。

🤡就差一个会用cursor的程序员的情况未来会持续存在的：）

飞书文档已经支持llm.txt，跟进很快

写年初展望的时候，基础模型层面唯一期待的就是Claude 4了

探洞、瀑降，有点好玩

lovart是liblib家的产品吧，还套个海外产品的马甲，跟manus学会了出口转内销是吧，每个中文自媒体言必称“在外网爆了”🤡
（另：绝大多数评测自媒体们写评测确实和推理模型运作机制有几分相似，拿着答案凑过程）

我一直用不来cursor、windsurf这类工具😂，只用过aider和最早的GitHub copilot，用的最多的功能只有补全，如果是一个1000行以内的单次运行的脚本，就直接丢进Claude写了

arxiv.org PaRT：小红书团队让AI平均对话时长显著提升21.77%

AI Chatbot的“数据泡沫”陷阱——通过高频追问用户“诱导互动”以美化运营指标（“用户使用时长”“日活量”等），而非专注于提供真正有价值的答案。

“你会看到某些AI公司正在掉进消费互联网公司曾深陷的‘互动量黑洞’。每当用户提问结束，系统总要追加一个诱导性问题，试图榨取更多对话次数。”

MCP Registry终于来了，详细讨论github.com

一个悖论：
当还不够了解一个领域，泛读关键词检索的关键词其实不准确，当你有了领域基础，关键词泛读就没有意义了