今日阅读

这篇文章介绍了作者用 Rust 从零实现一个可自我进化的 AI Agent——Rust-daerwen。作者的核心观点是，真正有生命力的 Agent 不能只会对话，而要把技能、记忆和自我认知都落到磁盘上，做到可版本化、可回滚、可审计。文章把系统拆成了几个层次：记忆、技能、自我模型，以及任务循环、反思循环和主动循环等多个闭环。

作者强调，Agent 的关键不是“壳”有多漂亮，而是能否把一次对话中学到的东西沉淀下来，并在下一次任务里继续使用。为此，他设计了类似 L0/L1/L2 的记忆分层、AAAK 紧凑事实格式，以及通过反思自动生成 wiki、候选技能和改进建议的机制。文章还提到，所有这些内容都能被版本控制和自动提交，保证演化过程可追踪。

另一个重点是“闭环”。作者指出，仅仅生成技能候选并不算进化，必须让 Agent 真的调用自己学到的技能、根据失败记录去修改旧技能、并把新学到的事实写回自我认知。文章举了 skill 反哺、失败驱动进化、AAAK 反哺等例子，说明系统不是静态工具箱，而是会持续学习的结构。

文章后半部分介绍了 MCP 的作用：通过接入 Playwright 等外部工具，Agent 可以自己修复浏览器缺失、自己安装依赖，然后继续完成任务。作者还展示了它如何通过社区 skill hub 自主发现、安装并使用外部技能，让 Agent 具备“借轮子再进化”的能力。

整体来看，这是一篇偏工程实践和架构总结的长文，重点不在于某个单点功能，而在于如何把一个 AI Agent 做成可持续成长的系统。作者试图说明：如果想让 Agent 真正“越用越聪明”，就必须接受它是一个会积累、会反思、会修正自己的长期系统，而不是一次性聊天壳。

这篇文章翻译并整理了 Lenny Rachitsky 对 50 家顶级消费级公司的创业起源研究，重点讨论“创业灵感到底从哪里来”。作者的核心结论是：大多数成功产品的起点并不戏剧化，往往只是创始人先被一个具体问题困住，然后亲手去解决它。无论是 Dropbox、Airbnb、Uber，还是 Calm、Warby Parker，很多故事最初都只是“我自己先不爽了，所以想做个更好的东西”。

文章把找到创业点子的方式归纳为五类：关注自己的痛点、追随好奇心、放大已经跑通的东西、关注范式转移，以及和朋友一起头脑风暴。作者强调，最常见的路径是“先解决自己的问题”，但这并不意味着所有好点子都来自亲身痛点。相反，很多优秀创意其实是在持续观察、反复试错和不断积累中自然浮现的，而不是某次灵光一现。

文章还总结了很多消费级创业者的共性：他们大多比较年轻，常常有联合创始人，且并不总是拥有特别罕见的专业背景。更重要的是，许多最成功的产品在诞生时都看起来并不起眼，甚至显得有点蠢，但它们背后解决的是高频、真实、足够痛的需求。作者因此提醒创业者，不要被“点子不重要”的口号误导，真正重要的是你是否能识别一个值得长期打磨的问题。

文章后半部分用大量案例说明，每一个点子如何从日常烦恼、个人体验或行业空白中长出来。它的实际价值不只是讲故事，而是给创业者一套筛选灵感的视角：关注自己周围反复出现的不便、观察别人已经做成但还没被彻底优化的事情，并警惕那些看起来很酷、但没有真实需求支撑的想法。

整体来看，这是一篇关于“如何找到好创业点子”的系统性方法总结。它想传达的不是神秘配方，而是一个很朴素的判断：真正好的产品灵感，往往来自对现实的不满、对细节的观察，以及愿意亲自动手把问题做对。

这篇文章围绕 ADC 联用免疫治疗在肺癌，尤其是 NSCLC 领域的机会展开，核心判断是：ADC+IO 已经不是“要不要做”的问题，而是一个大概率会持续推进的大趋势。作者认为，当前驱动基因阴性的 NSCLC 仍然存在很大的未满足需求，二线治疗里还在使用化疗+VEGF 单抗这类相对“老旧”的组合，临床上缺少真正更优的方案。文章提到，即便是 PD-1 单药或 PD-(L)1 相关方案，在这一人群中的覆盖和证据也仍然有限，因此新机制组合的价值非常突出。

文章重点讨论了 Dato-DXd 等 ADC 在肺癌里的数据表现，认为其在部分队列中已经展示出不错的有效性信号，并且在某些亚组里有更亮眼的客观缓解率和缓解持续时间。作者还把它和既往常用方案做了横向对比，强调当下治疗格局已经出现明显松动，新的 ADC 方案正在把二线乃至更前线治疗的想象空间打开。与此同时，文章也提醒读者不要只盯着疗效，安全性尤其重要，ADC+ICI 的常见不良反应、ILD 风险等问题仍然需要持续关注。

作者进一步从机制上解释了 ADC 与免疫治疗联用为什么有可能形成协同：ADC 通过杀伤肿瘤细胞释放抗原和危险信号，可能增强免疫激活；而 PD-1/PD-L1 抑制剂则负责解除 T 细胞刹车，两者组合具备“先点火、再放大”的逻辑。文章还提到，像 SKB264 等其他国产 ADC 也在快速推进，说明这条赛道并非单点突破，而更像是一波系统性的临床和产业机会。

整体来看，这篇文章的态度非常明确：ADC+IO 正在把肺癌治疗推向新的阶段，尤其是在驱动基因阴性的 NSCLC 中，未来值得重点关注的不是“是否会来”，而是“谁先拿到更好的数据、谁先把安全性和疗效平衡做出来”。

本文延续了作者对美伊局势的跟踪，重点关注霍尔木兹海峡在开放与重新封锁之间的反复拉扯。文章先回顾了此前围绕停火、谈判以及海峡开放的消息博弈，指出美国方面的强硬表态与以色列继续采取行动，让局势并没有真正缓和。

作者提到，伊朗方面随后公开否认了周末与美国进行第二轮会谈的消息，并明确表示特朗普式的极限施压在伊朗身上并不好用。文章认为，双方在核心问题上仍然没有实质进展，因此谈判大概率还会继续拖延。

在航运层面，作者写到两艘印度船只尝试通过海峡时被迫返航，而一艘巴基斯坦油轮则据称成功穿过双重封锁线，抵达目的地。作者借此说明，海峡局势依旧复杂，短期内的市场乐观并不代表真正稳定。

文章的整体基调是：中东局势仍处于高压博弈状态，特朗普的公开说法、伊朗的反制动作、以色列的后续动作以及海上航运动态彼此交织，短期内很难看到明确的解决方案。

这篇文章围绕《巴菲特投资案例集》第三卷《巴菲特的黄金时代》展开，重点梳理了巴菲特在 1989—1998 年间几个经典案例背后的决策逻辑，并从中提炼经验与教训。文章先概述了这十年里伯克希尔资产和股价的大幅增长，说明这是巴菲特投资风格成熟并走向高峰的阶段。但作者也强调，这个阶段并不是“只赢不输”，而是包含了成功、平庸和失败三种不同结果。

文章用富国银行的案例说明，逆向投资并不是简单的“别人恐惧我贪婪”，而是要建立在对企业质量、管理层能力和行业环境的深刻理解之上。巴菲特之所以敢在银行业低迷时买入富国银行，是因为他看到了它卓越的经营能力、优秀的管理层以及清晰的经营边界。这个案例前半段非常成功，但后半段则因为管理层品格和治理问题而变得平庸，说明长期持有优秀企业也不能忽视管理层变化带来的风险。

美国运通的案例则被作者视为“伟大的投资”。文章强调，真正伟大的企业要有持久护城河，能够在长期竞争中维持高资本回报率。巴菲特看重的不是短期报表波动，而是品牌、网络效应、客户信任和商业模式本身的稳定性。美国运通在面对外部冲击和内部混乱时仍能恢复并持续增长，这让它成为巴菲特长期持有的核心资产之一。

与前两者形成鲜明对比的是德克斯特鞋业。巴菲特在这笔并购中用伯克希尔股票换来了一家后来被证明缺乏竞争优势的公司，最终几乎血本无归。作者借此指出，企业如果缺少护城河，即使短期看起来利润不错，也可能在全球竞争中迅速失势。德克斯特鞋业的失败说明，产业结构和成本优势有时比管理层故事更重要。

整篇文章最终想表达的是：巴菲特的成功并不来自某种神奇公式，而是来自对企业本质的持续判断、对资本回报率的重视、对护城河的偏爱，以及在不同案例中不断修正认知。对读者而言，这些经验比单纯复述投资结果更有价值。

这篇文章围绕“肥尾收益”展开，核心结论是：极少数公司会贡献极高的长期回报。
文中引用基金经理雷内·塞尔曼和亨利·埃伦博根的研究，说明在滚动 10 年窗口里，约 1% 的公司能达到年复合增长率 20% 以上。
作者强调，这些公司往往在最初只是小盘股，起点并不显眼，但会在多年之后逐步成长为巨头。
文章用沃尔玛作典型例子，说明真正的大赢家往往需要很长时间才能显现出来。
关键教训是：不要太早卖掉赢家，否则会错过收益分布里最重要的那一小撮极端结果。
文章还提到，资本市场的回报并不是均匀分布的，而是高度偏斜、呈现明显的肥尾特征。
这意味着投资时不能只盯着平均值，而要学会识别、持有并让少数真正的赢家持续成长。
作者通过这些研究想提醒读者，长期投资的核心不只是分散，更重要的是抓住真正能穿越时间的优质公司。
如果把视角放长，很多最早被低估的公司，最终会变成整个组合里最重要的收益来源。
整体上，这是一篇讲长期复利、赢家通吃和持有优质公司的投资文章。

这篇文章是对制造业上市公司的一次结构性扫描，核心观点很直接：制造业公司数量很多，但真正值得看的好公司很少。
作者扫描了约 8000 家上市企业，其中带有“制造”标签的公司有 3194 家，是最大的行业门类之一，且 A 股贡献了其中的大头。
但数量大并不等于质量高。作者用自己的分类体系统计后发现，3194 家制造业公司里，A 型公司只有 69 家，占比仅 2.2%，远低于科技行业的 A 型占比。
文章认为，中国制造业的基本盘可以概括为“公司极多，好公司极少”。
在分类结果里，D 型公司占了绝大多数，说明很多企业缺乏明显的增收能力，也很难形成超额回报。
作者把这类公司归因为制造业的结构性问题：大量企业做的是来料加工或同质化竞争，缺少技术壁垒、品牌溢价或规模效应，只能不断卷成本。
相比之下，真正优质的制造业公司往往不是“只会制造”，而是在某个关键环节建立了别人短期追不上的壁垒，比如宁德时代、恒立液压、星宇股份、三花智控、德赛西威等。
文章也提到美股制造业的情况更像“优胜劣汰之后的剩者为王”，因此保留下来的制造公司质量更高、放弃率更低。
除了 A 型公司，作者还重点提到了 C 型公司：这类公司尚未爆发，但在某个细分赛道里已经有积累，可能只差一个大客户、一次技术突破或一个行业周期拐点。
文章最后的结论是，制造业投资难点不在于“有没有公司”，而在于在海量同质化公司里识别少数真正具备壁垒和长期复利能力的标的。

这篇文章讨论的是强化学习在 Agent 后训练阶段的两个关键方向：RL 环境（RL Env）和 RLaaS（Reinforcement Learning as a Service）。
作者认为，RL 之所以重要，不只是因为模型能力提升，而是因为环境本身决定了 agent 能否真正“在做中学”。
文章指出，像 SWE-bench、OS-World、computer-use、mobile-use 这类任务，核心难点都不只是模型，而是环境是否足够真实、足够多样、足够可训练。
其中一个重点是“Meta Environment”概念：环境不一定要无限逼真，但要足够通用、足够抽象，能承载不同任务的共性能力训练。
文章也强调，环境设计不能过细到把 agent 锁死在某种固定路径里，否则会削弱泛化能力；但环境也不能太粗糙，否则无法塑造目标能力。
在在线学习部分，作者认为真正有价值的数据往往来自真实产品和真实反馈，因为这类数据更难被 reward hacking，也更能反映 agent 的实际表现。
文章把适合 RL 的任务画成一个光谱：从数学、编程，到复杂的软件工程、电脑操作，再到更主观的情感和美学任务，难度逐步上升。
其中一个反复出现的观点是：reward 很容易被 hack，所以工程上要接受“部分可被利用”的现实，重点是让系统足以稳定上线，而不是追求绝对完美。
在 ToB 和 ToC 场景上，文章认为本质差异没有想象中那么大，关键还是 pipeline 是否打通、reward 是否可验证、以及人类监督能否形成闭环。
最后，作者把当前 RL 领域的一个现实问题概括为：怎样让系统像人一样从经验中学习、从反馈中泛化，并最终形成不可忽视的新技术栈。

这篇文章围绕 DeepMind 创始人哈萨比斯（Demis Hassabis）的一次长访谈展开，重点讨论了 AGI 的时间表、技术路径、安全治理以及它对科学和社会的潜在影响。
哈萨比斯认为，AGI 的定义应接近“具有人类心智能够展现的全部认知能力的系统”，并给出一个相当激进的判断：未来五年内出现 AGI 的概率非常高。
他同时强调，当前最主要的瓶颈仍然是算力。算力不仅用于扩大模型规模，也用于做实验、验证新算法，让研究人员能够不断尝试新的思路。
在他看来，模型的持续学习能力、长期记忆、层级规划和一致性仍然是大缺口。现阶段的系统常常呈现“某些问题特别强、换个问法又突然失效”的锯齿状特征，还不是真正稳定通用的智能。
文章也回顾了 DeepMind 的发展历程：从早期在英国艰难融资，到被谷歌收购，再到 AlphaGo 和 AlphaFold 让世界看到 AI 在复杂决策与科学发现中的能力。
哈萨比斯认为，AI 最重要的长期用途之一是成为科学和医学的终极工具，尤其是在药物设计、疾病治疗和蛋白质结构等方向上。
在安全与监管问题上，他主张建立国际性的最低标准和认证机制，尤其要防止模型具备欺骗能力，并让政府、专业机构和研究共同体共同参与审计。
他还讨论了 AI 对就业、财富分配、能源系统和核聚变等问题的冲击，认为短期内社会会经历剧烈扰动，但长期看也可能带来更高质量的新工作和更大的生产率提升。
整篇文章的基调是“短期高估、长期低估”：当下 AI 热度已经很高，但十年尺度上的颠覆性可能仍被低估。

这篇文章讨论的是外资配置方向与高景气板块之间的关系。
文章指出，外资在一季度明显增配了电池、通信设备、元件等景气度较高的板块。
作者借此说明，外资资金也在向基本面更强、景气更明确的方向聚集。
“拥抱高景气的统一战线”这个标题，本质上是在强调市场对景气资产的共识正在增强。
文章核心不是单纯报数据，而是用资金流向来解释行业选择和市场偏好变化。
从内容风格看，它属于典型的策略研报文章，重点是归纳资金配置趋势。
作者想传达的信息是：不只是本土资金，外资也在追逐高增长、高景气行业。
这通常意味着市场定价正在向景气度更高的方向倾斜。
整篇文章服务于投资判断，帮助读者理解外资在 A 股或相关资产上的偏好变化。
如果一句话概括，就是：外资开始明显站到高景气板块这一边，策略上应重视这一趋势。

这篇文章介绍了一个名为 AmphiLoop 的开源 Agent 框架，作者把它概括为“世界上第一个决策与执行解耦的 Agent”。
文章首先强调，传统 Agent 往往把思考、规划和执行混在一起，而 AmphiLoop 试图把这两部分分开。
所谓“两栖模式”，指的是系统既能做高层决策，也能落到具体执行层面，并在两种模式之间切换。
作者认为，这种设计与 OpenClaw、Hermes 等方案不同，核心差异在于组织任务和分配职责的方式。
文章详细讨论了为什么要把决策与执行解耦：这样可以降低复杂度，提高可控性，也更方便扩展。
从介绍语气看，作者并不是单纯做产品宣传，而是试图把自己的架构思路讲清楚，让读者理解其设计动机。
文章同时展示了开源 AmphiLoop 的定位，说明它希望成为一个可以复用、可以改造的 Agent 基础框架。
文中不断拿 OpenClaw 和 Hermes 作对比，重点是在说明自己为什么选择另一种实现路径。
整体来看，这是一篇偏架构和理念驱动的长文，重点不在某个单点功能，而在 Agent 系统如何组织思考与行动。
如果你关心 Agent 架构设计，这篇文章的核心价值在于提供了一种“决策层 / 执行层分离”的实现视角。

这篇文章围绕黄仁勋接受 Dwarkesh Patel 两小时专访展开，重点梳理了他对 CUDA、TPU、华为以及出口管制的看法。
作者开篇就强调，这不是一次轻松的访谈，而是一场高密度观点碰撞。
文章试图说明，黄仁勋之所以不怕 TPU，不是因为忽视竞争，而是因为 NVIDIA 的护城河不只在芯片硬件，更在 CUDA 生态和软件体系。
面对华为等中国竞争者，文章传达出的信息是：真正的竞争关键不只是单点性能，而是完整平台、开发者生态和持续迭代能力。
对于出口管制，文章重点呈现了黄仁勋如何看待美国政策、全球供应链和市场结构的变化。
整篇内容的逻辑是：算力竞争正在变成平台竞争，单纯追赶某一代芯片参数并不足以改变格局。
文章也在提醒读者，AI 基础设施之争已经超越了硬件本身，延伸到软件栈、工具链和生态锁定。
从语气上看，作者明显是在把这次访谈当作理解 NVIDIA 战略与 AI 行业格局的一手材料。
文章最终想传达的是，黄仁勋对外界最担心的几个问题都有自己的解释，而且这些解释都指向一个结论：平台型公司的优势来自长期积累。
如果把它概括成一句话，就是：这是一篇解读黄仁勋如何面对 AI 时代竞争与地缘政治压力的文章。

这篇文章的核心观点是：作者所做的不是传统意义上的“炒股”，而是一种更强调主观判断、容忍波动、追求翻倍机会的投资方式。作者先把“炒股”和“主观投资”区分开来，认为前者更像严格止盈止损、赚一点就跑的短线娱乐，而后者则允许更大的回撤，以换取更大的收益弹性。文章反复强调，主观投资的目标不是规避所有波动，而是在波动中抓住少数真正能带来高回报的机会。作者还借中国经济的结构性分化来说明：少数优秀企业和优秀老板会持续兑现增长，而大量普通企业则会陷入平庸甚至衰退。基于这一判断，文章主张把押注重点放在“能发财的老板所在的企业”上，而不是追热点、追概念、看涨停板。作者明确反对那种盘中盘后盯着涨跌和题材的“钻研”，认为这套方法在过去或许有用，如今更容易变成韭菜思维。文章进一步把“含科量”与高质量发展、新国九条、长期主线联系起来，主张做真正的科技成长企业，而不是炒概念。作者也表达了自己对深圳和科技创新的强烈偏好，认为成长股投资某种程度上是对深圳经验的情感投射。文中还提到，A股 40% 到 50% 的波动率并不可怕，关键在于是否具备驾驭这种波动的能力。最后，作者提醒读者不要沉迷宏大叙事和盲目跟风，而应脚踏实地、坚持正道，在自己能理解的框架里做投资决策。

这篇文章讨论的是量化策略研发范式的升级：不要只停留在对 BB、MACD、ATR、RSI 这类指标做参数寻优，而要转向一套能持续发现因子、验证因子、淘汰因子并不断迭代的研究系统。
文章认为，传统“调参数”方法的瓶颈主要有三个：因子来源过度依赖人工经验、参数优化容易过拟合历史、策略缺少持续自我更新能力。
因此，更值得建设的不是单纯的策略脚本，而是一个完整的研究闭环：自动生成候选因子、验证其有效性、在新窗口中滚动重训、将通过验证的因子进入信号层。
作者强调，模型第一阶段不应直接学习买卖点，而应先输出可解释、可验证的候选因子，因为交易动作本身还受到风控、成本、仓位和流动性等多重因素影响。
在标签设计上，文章建议先从未来 5 日、10 日、20 日的超额收益入手，观察因子在短、中、长周期上的稳定性。
在模型结构上，可用时序编码器先把行情数据压缩为潜在表征，再通过瓶颈层映射成候选因子，而不是让模型直接输出价格预测。
衡量因子是否有效，文章把 IC、RankIC、分层收益、多窗口稳定性、衰减曲线、换手率和与已有因子的相关性都纳入验证框架，强调单期收益并不可靠。
为了避免“历史有效、未来失效”，文章主张使用 Walk-Forward 滚动验证，让因子在不断前移的时间窗口中被重新发现、重新筛选。
在工程实现上，作者建议核心研究逻辑由 Python 服务承担，Agent 只做外层编排和自动化调度，不直接接管核心算法或高风险交易权限。
文章最后给出的结论很明确：真正的竞争力不是某个神奇指标，也不是一次漂亮的回测曲线，而是一台能持续生产研究结论、不断进化的因子研究机器。

这篇文章像是一篇人物故事或纪念性文章，围绕“他”生前最后留下的那句“请勿打扰”展开。
导语写到他去世时还欠着房租，但世界的灯都因他而亮着，说明文章在讲一个生前处境普通、但影响力很大的角色。
文章的叙述重点明显在人物命运、精神气质和遗产，而不是具体业务或技术细节。
从标题和导语看，作者想营造一种克制又有力量的纪念感。
“请勿打扰”这句话很可能是文章的情绪锚点，用来突出他在生命最后阶段的安静、独立或对外界的疏离。
文章同时强调“世界的灯都因他而亮着”，暗示他虽然低调，却对外界产生了很大的照亮作用。
整体来看，这是一篇偏人物传记/纪念文章，关注的是一个人离开后留下的影响。
它的情感基调应该是哀而不伤，更多是在回顾一个人的存在价值。
如果概括成一句话，就是：这是一篇通过一句临终遗言，讲述一个人如何在平凡处境中照亮世界的故事。
文章的重点在于纪念、致敬与情感表达。