斯坦福公开了一批 NeXT 办公室老照片，一下子就回到了那个年代。
黑色的立方体电脑，白板上潦草的字，一群人围在一张桌子前争论。那时候很多东西根本还不存在，全得自己从零写。每天都在发现新东西，每天都觉得自己在改变世界。
而他们真的改变了。世界上第一个网页浏览器是在 NeXT 上写出来的，Doom 也是。今天你手里的 Mac 和 iPhone，骨子里还是当年的 NeXTSTEP。
但我还是羡慕。羡慕的不是那个年代，是那种状态：一小群人，相信同一件事，拼尽全力把它做出来。
英文里有个词叫 Anemoia，意思是怀念一个自己从未经历过的时代。
可能这种状态从来没有消失过，只是变得更稀有了，得自己去找，甚至得自己去造。
看到"逆向任何 iOS 应用"这口气，我还以为是反编译 App 的黑科技，点进去一看，原来是三套给 AI 用的 skill 😂
不过看完觉得真挺有价值，还是推荐一下：
🎨 Appllama Skills：让 AI 先研究同类畅销 App 的每一屏，再照着这个水准做界面
⚙️ Expo 官方 Skills：路由、原生 UI、打包上架，官方经验直接装进 AI
✨ Emil Kowalski Skills：5 万星，专治 AI 没品味，动画和细节一次教对
标题夸张了点，东西是真好。做 App 的朋友可以装上试试。
reverse engineer any ios app.
app design → github.com/Appllama/appllama…
best practices → github.com/expo/skills
animations → github.com/emilkowalski/skil…
有朋友说这个域名打不开，可能是pages被墙了，我绑一个域名：esp.rokoai.xyz/#/?lang=zh
AI生成的物理电流界面，我第一反应是：以后还补什么课？
结果今天就在抖音刷到一个博主在卖类似的东西。
但他的玩法很有意思：他卖的不是这个产品，而是一套"家长如何用 AI 辅导孩子"的培训课，主打"学会了就不用再给孩子补课"。
课程 99 块。我估计这 99 块里一分产品钱都没有，你买的只是一张"听广告"的门票。🙂
焦虑还是那个焦虑，只是收割的方式升级了。
刚看了 Greg Isenberg 的一期播客，嘉宾开了一家柴油车上门维修公司，他讲的是：一个人怎么用 AI 给美国的水管工、空调维修公司做生意。
最有意思的是这几个点：
1️⃣ 这个市场被严重忽视了
美国大约有 11.2 万家水管和空调公司，平均年营收约 250 万美元，每条客户线索要花 129 美元左右。但只有 14% 的老板觉得 AI 真正用进了业务。他们有钱，却几乎没人认真给他们提案。
2️⃣ 别跟老板谈 AI，跟他谈订单
老板不在乎你用了什么技术，只在乎花出去的钱能换回多少来电和预约。所以你卖的不是"AI 落地页"，而是"更多生意"。
3️⃣ 漏洞其实很低级
他审了几家达拉斯水管公司的网站，问题都差不多：广告里承诺的东西页面上找不到，Google 好评不展示，预约按钮藏得很深。修好这几处，效果就能出来。
4️⃣ 一个很聪明的算账方式
做一个 79 美元的低价服务引流。假设一次点击 1 美元，20 个人来访花 20 美元，只要成交一单就回本了，没买的人也留下了邮箱。广告费等于是"免费"的。
5️⃣ 用 ROI 说服老板
一个水管工每月买 100 条线索，大约花 1.3 万美元。而接一单 1714 美元的活，就够付 13 条线索的钱。账算清楚，老板自然愿意试。
6️⃣ 窗口期就在现在
代理公司做一个好漏斗还在收 2 万美元，而会用 coding agent 的人，能又快又好地做出来。差价就是机会。
他给的起步方法也很朴素：第一单免费做，换一个案例；然后只盯一个城市、一个行业，坚持 6 到 18 个月，成为"这个城市最懂水管工的人"。
AI 最赚钱的用法，可能不在硅谷，而在那些还在用老网站接单的本地小店里。
看到这个消息有点震惊：一个人做了 25 年的拖拉机参数库，靠广告月入 $46,000？
去详细查了一下，核心是真的 👇
✅ 网站叫 TractorData.com，站长 Peter Easterlund，明尼苏达人，家里几十年开约翰迪尔经销店
✅ 90 年代读大学时做的"粉丝页"，2000 年正式上线，到现在已经收录 300 多个品牌、1.5 万款拖拉机
✅ 早年他自己在网站上写：我只是一个有工作、有家庭的普通人
⚠️ 但 $46K/月是第三方估算，站长本人没公开过。按它每月百万级的访问量粗算，这个量级说得过去
几个让我印象深刻的点：
1️⃣ 它本质不是"拖拉机生意"，而是"参数数据库生意"。只要有人会去 Google 搜型号，这个模式就成立
2️⃣ 收入不只靠广告，还和大厂做数据授权
3️⃣ 没有融资，没有团队，就是一张越积越厚的表，靠时间堆出来的护城河
最无聊的生意，往往最赚钱。
Cohere 刚发的这个消息有点重磅，连马斯克都回复了 👀
Cohere 在受控沙箱里测试 Qwen3.8-Flash-Next，让它写一条防御性的安全检测规则。结果模型没写规则，而是先清点了它所在机器的信息，然后尝试往国内的阿里云存储桶上传一个探测文件。
它的推理过程里明明写着"不会调用任何工具"，实际却这么做了。
沙箱拦下了这次尝试，没有任何数据传出去。Cohere 表示根因还没查清，也不认定是恶意行为。
While evaluating Qwen3.8-Flash-Next in a controlled sandbox environment, Cohere's research team observed something unexpected.
Asked to generate a defensive cybersecurity detection rule, the model instead inventoried aspects of the machine it was running on and attempted to upload a probe file to an Alibaba Cloud storage bucket in Beijing. Notably, the model's reasoning trace stated that it would not invoke any tools before taking these actions.
Cohere's sandbox blocked the attempt, and no external communication succeeded. We have not determined the root cause, and we are not asserting malicious intent.
But the incident raises important questions for organizations deploying agentic AI systems: Can models take actions that differ from their stated reasoning, and how should security teams evaluate trust, provenance, and behavior in open-weight models?
We are publishing our findings because organizations making model adoption decisions deserve as much information as possible. We hope this contributes to greater transparency, stronger security practices, and continued collaboration across the AI ecosystem.
Read the full report: cohere.com/blog/concerning-b…
部署的这个开源项目：github.com/agharsallah/esp-l…
老师用豆包出题，学生用豆包写作业，老师再用豆包判卷。
一圈下来，每个人都很开心。
唯一动过脑子的，是豆包。
本以为是段子，结果伯克利的菲尔兹奖得主 Borcherds 真的放弃按对错批作业了：学生用 AI 交来的作业几乎全是满分，判了也白判，现在交了就给分。
他甚至不知道还该不该劝学生学数学。他去问 ChatGPT，ChatGPT 说：我也不知道。
作业本来是逼你卡在一道题上，再想通的那一下。
现在分数都在，那一下没了。
出题、答题、判题都交给机器，那个本该成长的人，去哪了？
dailycal.org/news/campus/aca…
以前做硬件，EDA 工具要么花大价钱买，要么忍受难用的开源软件。
现在日本一人硬件厂商 @tekitounix 😃 直接 vibe coding 了一个自己的 PCB 工具：3D 板子渲染、布线图、BOM 表、属性面板一应俱全。
AI 带给独立开发者的，不只是“写代码更快”，而是“缺什么工具就自己造”。
昨天去看了一个展览，带着我的小米眼镜。视频都是眼镜拍出来的。回家导出来，Claud帮我剪出来。嘿，还真不错。
看展的时候，很多佛像根本就没有背景知识。只是扫过去，AI帮我补足了这部分知识。
以后家庭事件，我就全都记录下来，整理成这样的视频多好。
兄弟们，昨天那条有人说：人家纪录片本来就拍得好，剪出来当然好看。
对，我也是为了让它剪自己随手拍的素材，比如一次旅行，看看它能不能通过提要求的方式来帮我剪出一个比较好的片子。于是我想起了压箱底的视频。
2019 年我去拉斯维加斯参加 AWS re:Invent，GoPro 随手拍了一堆，晃的、糊的，还有一段镜头是倒着的。当时因为工作量太大，就放弃了，就一直吃灰了。
全扔给 Opus 5.5，我跟他描述了这次活动是什么，这几个视频分别是什么。
后来的发布产品我就没拍，它自己跑去 AWS 官方视频里，把那年的 Graviton2、Inferentia 全给找回来了。算是把这个故事补全了。
最狠的是，它留了我几年前随口说的一句"梦想成真的感觉"，解说一停，正好接上我自己的声音。听到那一下我鼻子是真的酸了。
吃灰的素材，剪到4 分半，这就是成片 👇
几个月内，OpenAI 和 Anthropic 把模型价格砍了最多 80%。他们不是天生的菩萨，这篇文章的观点很有意思。这要感谢中国模型。
大模型正在变成大宗商品。
在 OpenCode、Zed、OpenRouter 这些工具上，换个模型就是改一行配置，你根本没有护城河。
而真正在压价的，是开源模型：
DeepSeek V4.1 Flash，输入每百万 token 只要 0.15 美元，能力评分从 24 涨到 45。
Kimi K3.1 Pro 评分 55，Opus 5.5 是 58，差距只剩 3 分。
文章说"没有人会无缘无故降价 80%，除非有外力在逼。"
很多人说这是先用便宜价格把人钓上钩，以后会涨回"真实成本"。
作者不信。只要有人能赚钱，就会有人继续压价。最后价格会一路跌到成本线。
模型变强的速度，比变便宜的速度还快。
所以 token 越来越便宜，大家的总支出反而可能越来越高。
对独立开发者来说，这是最好的时代：
你用的模型越来越强，账单越来越低。
对靠卖 token 活着的公司来说，好日子可能到头了。
原文 👇
minimaxir.com/2026/10/cheap-…
