DeepSeek Harness目前还是技术驱动，距离产品可用还有一段距离
因为靠这DeepSeek这个牌子，DSH一发布就获得了巨大流量。我在收到消息的第一时间，就去了解，第一反应是：这玩意和Pi有什么区别？在深入理解之后，发现确实还是有本质的区别。Pi更收敛，其哲学是做减法，不要搞一堆有的没的，把功能都掌握在开发者自己手里。而DSH其实完全相反，其哲学是直接交出自主权，去做DNA，除了底层代码不变，所有的模块都可以变，都插件化。所以，用DSH构建的应用，更具有科技感，它可以自己进化，随着社区的发展，可以获得更强功能。
但是，我想说的是，我比较喜欢从泼冷水的角度，去冷静、消极一点的分析。DSH本身没有新东西，它只是背靠DS这棵大树，获得了较大流量而已。他们团队发了一篇类似论文的东西，我感觉就是为了牵强附会，没有理论价值。当然，它在工程上的探索，对于我们开发者而言，工程师们的G点被触发了，大家看到这种工程上的尝试，就像磕了药一样的，非常开心和热闹。这对开发者而言是一场狂欢，因为大家可以在一种曾经设想过但是没有实际实践过的项目下，去追求自己在技术上的畅想。但是，就目前而言，DSH在产品上仍然是零，甚至是负数，它给DeepSeek带来了巨大隐患，因为对于群众的预期而言，绝大部分DS的信徒，都是在期待一款可比肩Claude Code 或 Codex 的桌面级Agent，但是现在DSH出来的，本质上是一个类似React或者Spring之类的编程框架，然后在产品层面，更像是为了验证这套框架的可行性而给出了一个Demo一样。最后，大家会不会为此埋单，以及类似TraeWork、WorkBuddy之类的团队成员，在看到这种所谓“自进化Agent”的理念后，会不会在自家Agent中去践行，还是嗤之以鼻，都是未知数，因为对于这些已经相对成熟的Agent产品而言，已经有了成熟的商业模式，技术上，使用最稳妥的方案，来驱动自家产品，比使用一套更能激发技术G点的方案，可能前者更有商业价值。
当然，这不代表着我对DSH持否定态度。任何刚出来的技术，总会沉寂一段时间，然后在另外一个产品上得到爆发，例如Pi本身很安静，但是却催生了openclaw这样的产品一样。
真开源！Kimi K3这次真的掀桌子
昨晚，Kimi终于把K3开源承诺兑现了。之前传出的消息是，会完全开源权重，也就是可以部署到自己的服务上，但是今天看到的结果是，不仅开源了完整权重，而且连推理内核、MoE 通信库、Agent 训练环境整套底层技术栈全部都开源了。采用了MIT协议和商业授权双层协议，可以说是AI开源最完美的一次呈现。
对企业来说，特别是中国企业，只要拿到Kimi官方授权，就可以上架自己的K3服务，阿里、字节这些，很快就能上。可以想象，这里的授权费不会高的离谱，毕竟是国内企业。而对于想要进入大模型这一行的普通开发者而言，则是盛宴级别的资源，特别是对国外的开发者，是绝对的冲击。
国外的那些工程师，都很聪明，他们趴下来看了以后，去改进改进，很快就会发布自己的大模型（自研），就像之前Cursor的操作一样。这对国外的那些闭源模型是一次掀桌子的打击，他们怎么也想不到，一个中国模型，还开源，怎么就把自己干翻了。这样的场景，在2025年初我们就见过一次，当时，deepseek r1发布，也是开源，直接干翻当时刚发布没多久的o1模型，引起了一阵恐慌。
当然，这次开源对我们普通使用者来说，实际的好处不是非常大，但是也有非常积极的作用。由于K3的参数量摆在那里，算力成本高，即使第三方的服务，价格必然也比之前模型更高。但好处很明显，就是我们有更多的选择，不一定非得接官方的API或plan，说实话，这段时间我用官方的kimi code接K3，消耗非常快。但如果像字节、阿里它们上线，整合在自己的coding plan里面，那么就可以分摊成本，我们用户端也可以有更低的成本来使用。
这次对Kimi的看法，真正得到了改观。从deepseek到kimi，这两家大模型真的是撑起了中国大模型创新的旗帜，说不定后面还会有更多。
FLUX 3
FLUX 3 出来了，又是一个王炸级别的模型，黑森林这个实验室是真的极客风格，从 flux kontext 封神到被超越，中间无声无息这么久，没有做营销，只专心做研究。FLUX 3 是一个真正的多模态输入多模态输出的模型，他们没有公布具体采用了哪个LLM底座，但是估计仍然是Qwen系列。目前来说，这样的多模态模型，独此一份，其他比如gpt、gemini都是agent实现。
卸压小游戏
在群里看到有个小伙伴发了一个开源的小游戏，感觉非常解压，就fork过来，做了一些调整和优化，让交互起来更有意思。
https://game.tangshuang.net/wangwang
上班的时候，或者无聊的时候，可以打开来遛一下，还是非常解压的。
Kimi K3 把我当日本人整
听说Kimi K3已经把claude和gpt都给干怕了，说是前端非常屌，于是我赶紧充了个会员，体验一下「国产最屌」，下单了99每月的次高等会员。然后下载了kimi code来用。
首先一个任务，是使用kimi code+k3，帮我完成一个产品概念视频。整体用时可能有半天，体感比glm-5.2要慢，而glm-5.2我就已经感觉很慢了。总体效果，不能说很好吧，只能说过得去。可以看这里看效果。我看了它的原理，就是写html，做ppt，合成视频。说是前端很屌，或许这里确实有点优势，就是写html。但是，在执行agent上，说实话，不咋滴。而且它自家的kimi code，还总是掉线，还要我激活重启。
再后来，我让它给我用svg，画一个插画，来在我博客首页用。于是它就开始画了，画了不到10分钟，告诉我，限量了！我擦……就限量了！
这也不是最低套餐啊，两个任务都完不成，就没量了。我服了。于是我打算到x上吐槽一下，结果一看，已经有人吐槽贵的死了。原来不是我一个人的问题。
我用gpt、claude、glm、minimax，从来没有遇到过这么操蛋的事，两个任务都没做完，就限量了。说是国产最强，我只看到别人嘴里最强，在我手里，就是把我当日本人割韭菜。
关闭了订阅，老老实实用glm。
谁能想到有一天，VS Code会是我电脑里面占用内存最多的软件，这种多，是不留一点活路的多。太残暴了！
Seedance2.0通过栅格线突破人脸审核的理论依据找到了
今天看了一篇文章《图片越糊越危险？西湖大学发现多模态大模型「攻击舒适区」》让我联想到之前有些人通过给真人图片打栅格线就能突破人脸审核的事，让我更加确信我之前的理论，就是大模型（Seedance2.0也是大模型）的算力（专注力）是有限的，这是导致某些完全不符合我们预期的现象出现的根本原因。
这篇文章，讲了一种通过把图片弄的很糟糕，来突破多模态模型的安全审查的手段。简单讲，就是模型花了很大的力气，把精力都用在了识别文字上，结果，留给安全审查的力气就变得很少。
通过对国内外各大模型的测试，这个团队得到了确切的结论，为图片增加杂音，确实可以消耗模型的专注力来抵消安全审查的强度。
对应到Seedance2.0中，作为用户，我们可以利用这一特性来优化我们的视频生成。具体来说，可以有以下几个方面：
- 突破人脸审查，通过将人脸隐藏在杂质信息后面，让模型花更多算力去重建人脸，安全审查的算力就更少
- 将出现问题的提示词（文本）以图片的形式提交给Seedance，同时，提供更多参考图，让Seedance先去理解图片中的文本，理解参考图信息，把花在图片理解上的算力拉满，这样它就没有功夫去琢磨安全审查的问题
- 撇除多余信息，将你参考图中的多余信息抹除，为seedance保留足够的算力，来确保还原你参考图中场景、人物的一致性，这是一个反向利用算力理论的方案
不过，这种思路，可以解决前置，也就是视频生成前的审查或算力问题，而不能解决视频生成后官方的版权检测问题，官方在seedance2生成视频后，有一个版权检测的阶段，如果发现生成的视频中，存在侵犯第三方版权的可能，就会报错。
意识不自由，和主观能动性
今天看到一个非常有意思的话题，大概如下：
人的大脑本身，与意识之间，可能并不存在必然的联系。我们必须面对一个问题，就是我们的大脑是物理的，客观的，它接收感官系统发送的信号，并通过神经学层面的物质激发，来构造响应，但是，我们是如何产生意识的？本质在于，信息如何从物理的电信号，变为我们人类的主观意识？
这个话题原博主可能讲的更深刻，我这里无法用语言去概括。
不过，我自己也深受启发，我想到一个问题：人可能并没有意识，或者说人的意识并不是人本身的。
这个大胆的假设，来自于不下十篇博客或短视频。虽然这些信息来源不可靠，但是，这种思考不是一两个人这么想，说明具有一定的共识基础。
意识的本质，是一种信息。而人的大脑，是这种信息的播放器。意识并不属于人本身，就像人的影子不属于人本身一样。人们之所以觉得意识属于自己，只是因为意识通过大脑，投射到我们的大脑皮层，产生了幻觉。
最有力的证据在于：人无法操控自己的意识。
是的，人无法操控自己的意识。无论是从生理学、心理学视角，还是从物理学、量子力学视角去阐述，我们都能得到这个共同的结论。
人为什么无法操控自己的意识，核心原因就在于意识本身不属于人本身。
任何人都无法在清晰或半醒的状态，去引导自己的意识。相反，他们只能在意识的引导下完成某些行为。人们不仅无法操控自己的意识，甚至绝大多数人反过来会被意识所操控。而且这种操控是没有任何自由的被动接收，意识让你怎么样，你就会怎么样。人就像一个提线木偶一般，被另一层维度的力量，通过意识这条丝线所控制。因此，有科学家认为，意识本身就是量子态，当人们对意识进行“观察”时，它会坍缩为不同人意识中的具体反应。
我还想到另外一个案例，就是荷马史诗中，远古英雄也是没有自己的意识，对感官的刺激，全凭肌肉记忆，意识完全是神主导，神一开口说话，人就机械的照做。
听上去，人似乎成为一副空有其壳，一台精密的机器，被另一个维度的力量通过意识进行操控，完全是没有自由的。但是，好消息在于，人虽然不能操控意识，但可以通过训练，来改变对意识投射的响应。从我们常见的说法来讲，这就叫“认知”，也就是在被投射意识时，所作出的响应模式不同。认知原始的人，没有经过任何训练，对意识的投射完全属于物理性的随遇而安。而认知高的人，经过特殊训练，对意识的投射作出适应性的物理反应，并最终引导自己的行为朝有利于自身的方向去执行。
人有主观能动性，本质上人们可以改造大环境来让所有人能对意识做出更高级的反应。这也是为什么越高级的文明可以拥有更先进的科技的原因。单纯从一个人来看，是无法抵抗这种意识的控制的。但是作为一个社会整体，在社会运行机制下，低级的意识响应被过滤，每一个人对意识的响应都在一个平均线。面对相同的感官刺激，古时候的人和现代人的反应完全不同，这种本能级别的差异，就是社会机制对意识过滤作用的效果。同时，这种对环境的改造具有螺旋上升的效果，除非发生巨大的灾难，否则人们对环境的改造会越来越先进，对意识的响应水平也会水涨船高。当这种响应级别达到一定高水平后，就可能迎来量变后的质变，突破无法操控自己意识的窘境。
当然，以上全是无稽之谈，可以作为茶余饭后的闲扯。
我正在用AI亲手毁掉我的项目
2024年我离开腾讯的时候，请团队小伙伴吃饭，饭后小伙伴问我，“你说AI会取代写代码，能展开说吗？”，但对当时的我而言，无法系统性回答这个问题，我智能说自己有这样的直觉，AI正在显露出它在写代码领域的厉害之处，但是，对于2024年的我，这几乎是难以回答的问题。
时间已经过去了2年多，现在，我相信无需我多言，当时问我的小伙伴自己已经在心里有了答案。
离开腾讯之后，我开始构建自己的系统，在花了6个多月之后，这套系统初见雏形，纯手工打造，精致而且尽在掌控。我上线了一些产品，有的效果不错，有的石沉大海。但我翻看自己的代码时，往往有种赏心悦目的怡然自得。这些精巧的设计，让我感叹写代码真有趣，足以慰藉人生中的孤独。
然而，这一切的美好，在一个2025年的炎热的午后被打破。我第一次在这一套精密的代码系统中，使用AI编程来完成一些新功能。从2025年中开始，我几乎没有手写过一行完整的代码，所有的代码、架构、UI设计，几乎都是AI帮我完成的。这一切看起来顺其自然，直到最近的一件事，让我突然冷汗直流，内心深处的恐惧吞噬了我的好脾气——我发现，我正在用AI亲手毁掉我的项目。
这天，我照常打开代码编辑器，和Codex对话。但是当我在处理一个bug很久之后都没有修复时，我开始有点焦虑。我让codex告诉我，这个功能涉及的代码都在哪里，给我列个列表。它非常完美的给了我一个列表，我点击进去，开始打算自己查看代码来修复。那一刻，我对自己手动改代码的自信心是爆棚的，因为我知道，这套系统是我亲手打造的，虽然中间AI帮我写了很多代码，但是再怎么变，它的地基是我搭建的，我不可能搞不定，无非是要多花一些时间。然而，当我开始深入去阅读代码时，我傻了，我完全不懂这些代码在干什么！！
我瞬间僵住了，我自以为是这套代码的创造者，总设计师，引擎的操控者，AI不过是给我搭了把手。可现实给了我一记狠狠的耳光，我真的不懂这些代码是在干嘛。它们就像一串奇怪的歪歪扭扭的蚂蚁，但是它们却正常工作着，支撑着几万用户的正常使用。我意识到，这个bug可能藏在1万行代码中那个不起眼的角落，但是，我却不可能通过手写代码的方式找到它。
最后，我只能加大调试剂量，让AI帮我一步一步排除问题可能出现的地方，每一次找到可能的原因，AI就会改上几十行代码，不知不觉，在经过十多轮调试后，终于解决了。可此时，我却毫无快乐可言，因为我知道，在这个过程中，每次AI修改的那几十行代码，可能又在撼动另外一个地方的功能。
最后，我垂头丧气的关掉了所有窗口，深深呼吸了一口气。
从那之后，我再也不敢尝试手写代码，几乎所有的调整，都是AI帮我完成。这套原本有我亲手写下第一行的代码，在我一次又一次，实现一些以前没遇到过的功能时，那种开心的状态，那种在深夜为了实现一个算法而进入心流状态的日子，那种编程的乐趣，我知道，再也回不去了，这套看似功能齐全的代码，我的项目，可能永远离开了我的掌控。
