Kevin Simback

這週行程：
週一 - Sol 5.6 ftw
週二 - 回到 Fable
週三 - 回到 Sol 5.6
週四 - omg Kimi 3
期待看看明天會帶來什麼

讓我們談談所謂「共享上下文層」（shared context layers），常被稱為「公司大腦（company brains）」
為了回答關於你們公司的難題，例如：
「關於 X，哪些是真的、從何時開始、依據是誰，以及帳務彼此在哪裡不一致？」
你需要的是一個由推導而來、可引用的事實層，建立在你們所有的通訊與文件之上
它是公司或組織「知道什麼」的系統化紀錄（system of record），而這與包含工作輸出內容的那些系統化紀錄不同
會計部的 Jack 知道為什麼一張供應商發票被支付了——因為它不符合採購單（PO），但會計系統只包含資料要素：採購單（PO）以及付款
所以如果你想知道「為什麼我們付的金額跟採購單（PO）上的不一樣」，你就得去問 Jack
除非你有一個共享上下文層，能連到 Slack 和電子郵件串，顯示 Jack 已經與業務經理確認：該訂單已變更，且批准了付款
一個共享上下文層要能發揮作用，就必須有扎實的證據支撐，能浮現矛盾，並用新資訊推翻舊的真相
它必須能回答：
- 這個人是誰？會計部的 Jack，而不是工程（Engineering）部的 Jack
- 目前的狀態是什麼？採購單（PO）不符合發票，未解決前不能付款
- 帳務在哪裡不一致？原本的採購單（PO）是由 Jane 在電子郵件中核准，但變更單（change orde

主權情報飛輪：
開放權重 → 後訓練 → 評估 → 代理程式執行 → 軌跡回饋進後訓練
讓這個流程更容易、更能讓企業採用的公司，將在未來 5 年內大幅超越

我一整天都沒有看到一則
“🚨BREAKING：有人剛剛…” 的貼文
感覺很好

「我死亡的消息被大幅誇大了」
—企業 AI 投資，2026 年 7 月

我今年最用心的 AI 文章幾乎寫完了，明天應該就能發佈
它針對目前 AI 產業最重要的問題，考量到週末期間的討論，時機也很恰當

農夫市集基本上已經變成一種線下版的 IRL Etsy，只是混進幾家賣農產品的攤商來維持表面感覺
大多是你不需要但還是會忍不住買下來的過度定價商品

這個週末炸了：
> GPT-5.6 + ChatGPT Work
> Meta Muse 1.1
> Grok 4.5 + Grok Build
誰有最好的文章／影片關於這些？

現在在加密貨幣 x AI 領域有一些極好的風險回報機會
正確的篩選條件是：真正的人工智能開發者人才 + 不僅吸引加密貨幣原生用戶的產品
有幾個項目無論主流幣種如何表現，都能輕易實現 5 到 10 倍回報

我相信我們將會在2026-27年見證史上最大的科技併購浪潮
龐大的股權估值可作為貨幣 + 用AI重塑行業動態 = 收購狂潮

任何不是極度偏頗的人都會看著這場比賽，得出Balogun受到不公平對待的結論。
無論是誰促成此事，推翻這個決定都是正確的。

剛剛聽完最新的 @theallinpod，裡面討論了 Alex Karp 本週爆紅的「抱怨文」
大家逐漸意識到最大的問題是使用前沿模型時缺乏競爭優勢
如果你的競爭對手都在用，你就沒有任何差異化
更糟的是，使用這些模型可能讓你面臨競爭風險，如果那些實驗室決定拿你的資料來開發與你競爭的產品（問問 Figma 就知道）
最誇張的是，這些模型的成本是其他替代方案的 5 到 100 倍，而這些替代方案只要正確實施也能做到同樣好
所以你不但失去了差異化，還要付出高昂代價來失去它
這些觀點，我們這些長期支持開源 AI 的人已經說了一段時間，很高興看到它逐漸成為共識
但現在真正的挑戰才開始——使用 Anthropic 或 OpenAI 在很多方面就像按「輕鬆鈕」一樣
產品很棒，確實有效，新的「部署公司」會樂於將它們嵌入你的組織，讓你不用太費心想怎麼用
但用你自己的資料和開源模型來建立主權 AI 需要更多技巧，並不容易
那些能讓企業輕鬆做到這一點的公司，在未來幾年將會表現得非常出色

想像可能性
推論資本市場 x $ansem 聯手
利用注意力來推動去中心化AI、代理市場
抄送 @blknoiz06 和 @0xgilbert

自從重新啟用後，我一直在極致使用 Fable
我的主觀意見是——它以其他模型目前無法做到的方式展現自主性
它會做我要求的事，然後在過程中找到其他重要的相關事項，也一併處理
它像一個在乎的人一樣處理工作

當每個人都在談論 Anthropic/OpenAI 與中國開源模型的競爭時
請記住，還有其他參與者可能在任何一天發布重大消息，從而改變任何一方的平衡
預測：我們將在未來一到兩週內迎來一個重大消息

編寫程式碼是 AI 無可爭議的 PMF 使用案例，但大多數知識工作仍有待改進
編寫程式碼之所以可行，是因為所有脈絡都存在於一個版本化、結構化、集中於一處的 Git 儲存庫中，而且通常附有測試套件來告訴你什麼是正確的
另一方面，知識工作則是基於分散在不同地方的資訊——Slack、電子郵件、各種系統，甚至經常存在於人們的腦袋裡
所以，如果你想讓知識工作像程式碼一樣自動化，你需要一個「脈絡儲存庫」，或者常被稱為「公司大腦」
但一個只是接收檔案、把它們放到某處然後加上 RAG 的公司大腦，並非正確的解答
你需要的是基於本體論的系統——建立這個系統很困難，維護它更是難上加難
我們看到許多企業 AI 試點失敗或無法產生投資回報率是有原因的，因為「脈絡儲存庫」沒有被正確建立
不過，關鍵在這裡——如果做得正確，脈絡層可以從公司為新工具付出的成本，轉變為他們建立且能持續增值的資產
當以代理人為基礎的工作流程建立在脈絡層之上，且這些代理人的遙測數據饋入強化學習環境，使公司能夠後續訓練出編碼公司運作方式的模型，而這些模型由公司擁有時，這就變成了資產
擁有一個包含你公司實際運作方式的資料的模型，就是最終的 boss 級招式