Kevin Simback

萊奧波德（Leopold）和情境意識（Situational Awareness）剛剛發生了什麼：這是經典的加密貨幣劇本
> 主角早早登場，提出強而有力的論點
> 追隨者帶著借來的篤定湧入
> 被影響的資本會變成推動市場的力量
> 過度槓桿之後，就會被迫出清而遭遇強制平倉
在加密貨幣裡，這些資產通常不會恢復，因為那個論點大多只是敘事與炒作
一旦主角被擱置，故事就會跟著他一起走向終結
真正的問題在於，AI 交易是否會不一樣
底下確實有實際的基本面（對運算的真實需求、能創造真實營收的真實公司）
但仍有很多人（就看看 Burry）依然把它的大部分稱作經典泡沫
那接下來會是什麼？
今天的反彈純粹是解脫感：那位大型被迫拋售者不在了，壓力包袱解除，多頭空頭與避險部位也被清理了
市場總是很愛一個乾淨的替罪羊，以及一次技術性清算事件
明天與週一會是更好的訊號——因為是週末與月底，所以我們應該會看到真實的部位配置浮出水面
這個模式很熟悉，所以現在就看結局是否也一樣
我比較傾向於更長時間的（6-9 個月）慢性拖延，而不是呈 BTFD 形狀的快速反彈再衝向歷史新高（ATHs），但我也很希望被證明是錯的

Buzz 最不受關注的功能是「Projects」—基本上就是把 GitHub 整合進 Buzz
不再需要為使用程式碼的代理建立 GitHub token，並管理其存放庫權限
當然這不是 GitHub 的強大替代方案，但很適合小型專案

到現在應該很明顯了：僅僅在競爭激烈且日益商品化的市場中出售推論，並不足以支撐超過 1 兆美元的估值
而且我們也應該記得，如果產品是被補貼的，那麼你現在或最終將會成為該產品本身

一個花費 3 美元微調的小型開源模型，能贏過商用 RAG 設定嗎？
這是我測試的內容，結果令人印象深刻
在一組 100 題的評估集上，經過微調的 Qwen3.5-9B 表現優於搭配 RAG 的 Gemini Flash，以及未使用 RAG 的 Opus4.8/Sonnet 5
正在撰寫完整的端到端流程詳細說明

這個週末關於 Graph Engineering vs Loops 的閒聊（以及廢話）很多，感謝 @steipete
順便提醒一下，Looper 本身其實已經非常貼近圖（graph）的思路
> 它以節點與決策點來思考（目標、計畫、閘門、交付、停止）
> 閘門如同條件分支（通過 / 修正 / 失敗）
> 它維護明確的狀態，並產生流程圖預覽
基本上，它正面處理「天真的 loops」的主要弱點
所以不需要完全丟棄 loops，只要把 loops 做得更好
話雖如此，當你需要在流程中同時把基於 LLM 的行動與基於確定性的行動組合起來時，圖（graphs）會更好
我會著手改進 Looper，讓它更能協助這種需求，這樣你就能同時從 loops 與 graphs 取得最佳效果
在回覆中附上 Looper 連結

身為家長，管理螢幕時間是一場持續的拉鋸戰
所以每個早上，我的 Hermes 代理都會寄一份小測驗給我的大兒子，如果他有任何題目答錯，他的每日螢幕時間就會被減少
邪惡的爸爸！