在评估初创公司股权时，将总价值除以归属期（vesting period）的常规做法，往往会大幅低估实际薪酬。这是因为初创公司的股权实际上是一种**内嵌看涨期权**。 由于你可以在公司表现不佳时随时离职，你本质上是在用时间分期“购买”股权，并拥有在项目失败时放弃的权利。因此，在高波动的情况下，你的预期薪酬远高于简单计算所得出的数值。 如果一家公司取得巨大成功的概率很小，而失败的概率很高，那么你很可能只会在成功的情景中实现股权价值（此时你会留任），而在失败的情景中迅速退出（此时你会离职）。这压缩了你在公司投入的时间，从而显著提高了股权薪酬的“时薪”。 尽管风险厌恶、现金工资以及被解雇的风险提供了必要的制衡，但从纯数学角度来看，更高的波动性——结合你随时可以离职的能力——会显著增加经时间调整后的股权收益潜力。
很高兴地告诉大家，我即将加入 OpenAI，并期待与那里的优秀团队共事。离开的决定非常艰难。我为 Google 出色的团队以及我们共同创造的一切感到无比自豪。能与各位共事是我的荣幸，也是一段愉快的经历。
请启用 JavaScript 和 Cookie 以继续。
特朗普政府以国家安全为由，对 Anthropic 的先进人工智能模型 Claude Mythos 和 Fable 5 实施了出口管制。此前有报道称，Anthropic 允许韩国电信巨头 SK 电讯使用其强大的“Mythos”模型，这引发了官员们对该公司与中国存在所谓联系的担忧，尽管 SK 电讯对此予以否认。 当亚马逊研究人员发现 Fable 5 存在安全漏洞，并指出其防护机制可能被绕过以获取模型的网络攻击能力时，这种紧张局势进一步加剧。尽管 Anthropic 辩称这些风险是整个行业普遍存在的，但白宫认为 Anthropic 无法充分保障其技术的安全。 政府下令 Anthropic 将这些模型的访问权限仅限于美国公民。Anthropic 选择直接停用这些模型，而不是实施可能损害用户隐私的、复杂的基于国籍的审查机制。虽然 Anthropic 早前已遵照要求撤销了 SK 电讯的访问权限，但该公司与白宫就恢复这些工具使用权的谈判目前仍处于僵局。
作者解释了自己如何从一名中立的观察者转变为生成式人工智能的坚定反对者，并指出这是由于行业对用户和创作者权益的系统性无视。起初，作者认为早期的 AI 实验只是无害的新鲜事物。然而，科技行业所表现出的“集体精神错乱”以及来自投资者的压力，导致 AI 被激进且强行地整合进那些既不需要也不受欢迎的产品中。 作者之所以对 AI 产生反感，核心在于 AI 公司对待个人数据和创作成果的方式。通过在未经许可的情况下抓取公共内容进行训练，并用“剽窃机器”取代人类劳动，该行业将企业的“错失恐惧症”（FOMO）置于道德之上。作者将行业中那种强制性的、“不适应就会被淘汰”的言论比作家庭暴力手段，并指出许多公司在数据抓取方面根本不提供退出的机制。 最终，作者完全否定了 AI 的现状。他们认为，由于这项技术建立在侵犯权益和掠夺性营销的基础上，它需要彻底“推倒重来”。对作者而言，若要让 AI 变得合理，该行业必须从根本上重组其开发模式，将知情同意、尊重人类选择以及拒绝强制执行置于首位。
随着 AI 客户端对外部“智能体资源”（如工具、API 和工作流）的依赖日益加深，手动连接和管理这些能力已成为巨大的瓶颈。目前，用户和开发者必须手动识别、验证并连接每一个工具，随着可用资源生态的扩张，这种方式已难以为继。 “智能体资源发现规范”（ARD）通过标准化 AI 客户端查找相关能力的方式，解决了这一问题。客户端无需手动管理集成，而是可以使用 ARD 向发现服务查询符合特定任务的工具。ARD 提供了必要的元数据（工具的功能、提供方及其访问方式），但不强制规定具体的调用方法——调用仍由资源的原生框架（如 MCP 或 API）处理。 作为通用的发现层，ARD 允许资源只需发布一次，即可被不同的客户端发现。这构建了一个可扩展的生态系统，使 AI 智能体能够轻松定位并利用除开发者预配置以外的广泛且多样的工具。
这是一篇讽刺短文，是对“古宇航员”理论——即声称外星人建造了埃及金字塔——的一种疲惫反驳。叙述者以一名古代监工的视角，认为将人类历史上最伟大的建筑成就归功于外星人而非人类自身的智慧，这是一种侮辱。 作者指出，人们总是低估了大规模人力组织、数学计算以及工程试错法所蕴含的巨大力量。他强调了“外星人说”的荒谬之处：如果先进的生物真的能够跨越星系旅行，他们很可能会发明比几何石结构更实用的东西，比如空调或人体工学椅。最终，这篇文章嘲讽了现代人倾向于通过科幻神话来美化历史，而不是承认人类毅力背后那种艰苦、枯燥却令人赞叹的现实。文章以一种讥讽的视角总结了历史循环：人类将继续创造宏伟的成就，而未来的后代只会无视其中付出的汗水与劳动，转而青睐那些关于星际来客的荒诞故事。
泰斯勒定律（Tesler’s Law）指出，任何系统都存在着无法消除的复杂性。尽管硅谷过去一直通过将这种负担从消费者转移到自动化系统上来取得成功，但生成式人工智能的兴起催生了一种危险的错觉：人们认为公司现在可以“一键”优化其员工队伍。 创始人日益认为生成式人工智能可以取代设计师和开发人员等人类角色，使他们能够孤立地构建产品。这是一种根本性的范畴错误。首先，软件开发需要一个深思熟虑的过程来发现用户真正的需求——这是一项无法自动化的任务。其次，由于复杂性是守恒的，将产品策略的智力劳动转移给人工智能并不能消除这种负担，它只是将其推入了一个无限的回归之中。 硅谷正试图绕过人类处境进行工程设计，将员工视为昂贵的累赘。然而，商业本质上是社会技术性的。一家公司不可能在取代构建产品所需的人类洞察力的同时，还能指望有效地服务于另一端的人类。通过自动化削减内部员工，领导者冒着失去解决目标市场复杂需求所必需的人文联系的风险。
RTK 声称通过压缩终端输出能大幅降低大模型成本，但其病毒式的流行掩盖了重大的运营风险。该工具所谓的“90% 节省”指标具有误导性，因为它仅针对命令行输出，却忽略了仓库上下文和模型推理等主要的成本驱动因素。 除了营销宣传外，RTK 还存在三个根本性问题： 1. **静默失败陷阱**：通过截断终端数据，RTK 有在不通知 AI 的情况下剥离关键上下文（如堆栈跟踪）的风险，从而导致幻觉、构建失败和计算资源浪费。 2. **缺乏透明度**：RTK 标榜节省了 Token，却未能提供有关“任务成功率”的严谨基准测试。如果代理的可靠性下降，节省成本反而适得其反。 3. **架构脆弱性**：RTK 依赖于对人类可读的 CLI 输出进行脆弱的正则解析。这只是一个功能而非完整产品；一旦主流工具链实现原生流式传输标志，它很可能会被淘汰。 归根结底，RTK 是为了虚荣指标而牺牲了确定性的可靠性。除非开发者能够解决静默数据丢失问题，并通过标准化基准测试证明其准确性，否则将该工具集成到生产环境的代理工作流中，将带来重大且不必要的运营风险。
在多年使用 GNU Stow 管理配置文件后，作者转向了 **chezmoi**，以解决符号链接冲突及新机器配置过程繁琐的问题。 与依赖符号链接的 Stow 不同，chezmoi 将源目录作为唯一事实来源，并在主目录中创建真实文件。这消除了因意外编辑导致的“脏”工作树，并提供了一种通过 Go 模板处理跨机器配置的稳健方法。 作者的工作流与 Homebrew 和 macOS 系统设置实现了无缝集成。通过使用带有 `run_onchange_` 前缀的脚本，系统配置和软件包安装可以自动且仅在必要时应用。该设置还追踪了 LLM 智能体技能，利用 chezmoi 在不同的智能体工具间同步这些技能，即使在需要符号链接以实现特定兼容性的情况下也能正常工作。 **核心优势：** * **中心化事实来源：** 基于 Git 的源目录防止了设备间的不同步。 * **简化的引导配置：** 只需一条 `chezmoi init --apply` 命令即可完成新机器的全面配置。 * **受控的更新：** `chezmoi edit --apply` 和 `diff` 功能提供了清晰的配置变更可见性。 作者的完整配置已在其公开的 dotfiles 仓库中提供。