图像是猫还是狗？情感是正还是负？贷还是不贷？这些问题，该如何使用合适的机器学习模型来解决呢？问题暑假后，又有一批研究生要开题了。这几天陆续收到他们发来的研究计划大纲。其中...

对用户来说，更多的选择没坏处；如果这个选择本身还很优质，那就更棒了。对话早上，我收到了 Mistral 发来的邮件，提示我拥有了访问 Le Chat 的权限。我一时觉得很奇怪，什么是 Le Chat？然后我才弄明白，原来是 Mistral 对标 ChatGPT ，推出了一个自己的对话机器人界面。虽然 Mistral 的创始人是 Deepmind 和 Meta 的前员工，但是这个公司毕竟是在法国，所

个性化教程因此只有一节 —— 从「你当时在 Step 5 被问到了什么」开始，讲清楚置信区间的计算、k-fold 交叉验证的原理，配了一段可以独立运行的代码示例，最后留了一道练习题。如果你七个知识点过了六个，只有「小样本评估的置信区间」没答上来，那教程就只讲这一个点 —— 从你当时卡住的那道题开始，用人话把概念掰开，配一段可以独立跑通的最小代码示例，最后留一道练习。学生拿到 AI 的输出之后，不是

这时候，你自然而然的想法可能是：既然手上已经有 Claude Code 账户且付费，设计出来的 Agentic AI 项目又在 Claude Code 运行，那干脆就直接用 Claude Code 去「自我修复或迭代」Claude Code 项目，不是顺理成章吗？因为这个问题，证明了隆鑫同学确实是对 AI 熟悉了，有过经验、踩过坑，才能够一眼看出来这里的门道 —— 要纯人工手写这样复杂的提示词，是

如果说刚才给你介绍和演示的浏览器内聊天功能，是让 AI 「看你所看」，那 Agent 功能则是让 AI 「做你所做」。在可扩展性上，要有想象力。但是我今天要给你介绍的，可能比这些看起来已经很好用的功能，对你更有价值。我询问的是近三年的论文，但我在《图书情报知识》2025 年第 4 期发表的《生成式 AI 搜索引擎人机结合的选题思路拓展研究》却未被计入。我首先发出一个一般的疑问，没开 Agent 模

记得那是 2014 年学院青年教师教学基本功竞赛前一天晚上，我就是用 Markdown 把脑子里的思路梳理了一遍，然后敲了几行命令，一套包含图片、视频和动画效果的幻灯就流畅地跑起来了。从那以后，不管是平时给学生上课，还是做学术报告，甚至是在美国做文化讲座，Markdown -> reveal.js 都成了我的不二之选。它最大的魅力，就在于那个「纯文本」的核心 —— 所有的内容都是你可以随时搜索、编

第二是归因不够彻底，它指出 AI 不靠谱的根本原因是其「概率性」，也就是不具备确定性、不可复现，而不能坍缩为我文章里写的简单的「讨好」或者「童年阴影」之类的比喻；原始文稿描述从 AI 采集主观意见数据，因为是「无中生有」，所以 Gemini 使用了「造物主」这样的词汇，我觉得有些太过狂傲，所以把它改成了「永动机」这样更为贴切的表述。看到这个输出的时候，我是有点震惊的。抱着「死马当活马医」的心态，我

Google 无预警封禁用户的开发者接口（Antigravity、Gemini CLI），订阅费继续照扣，客服形同虚设。Google 直接禁用了用户的 Antigravity 和 Gemini CLI 访问权限 —— 网页版 Gemini 对话不受影响，Gmail、Drive 照常使用，但每月 250 美元的订阅费继续照扣，没有解释，也没有善后。Claude Max 的 200 美元月费提供了接近

第一次修的时候，它看到的那些「问题」 —— 空配置文件、不完整的说明 —— 并不是根因，只是恰好撞见的表面症状。补了一条指令：启动独立的 Agent，做完全相同范围的检查 —— 主观维度（叙事视角、行为归属、事实准确性）和客观维度（格式、拼写、文件完整性）都要覆盖，跟主 Agent 的职责一模一样。而且 —— 这才是关键 —— 它完全没有让任何人来校验它的修复方案。2 月 17 日，我发现产出物的

于是 4 月 24 号那天，我给自己的若干 Skill 定了一条新规则：以后生成图片默认都用 GPT Image 2，只有在自动检查出问题的时候，才降级为 Nano Banana Pro。如果每次都得花五分钟复核文字，你就不会随手干 —— 你会攒着，等有空再说，最后对于我这样的懒人来说，大概率就搁置了。我发那条笔记的时候写了一句话：「更要命的是，可能从今后某一个时刻起，所谓的『真相』再无法奢望用图