
小声读书 🙈
在喧嚣的 AI 浪潮中,我们选择回到最朴素的成长逻辑:通过阅读沉淀思考,通过思考驱动行动,最终在技术的折叠中,重塑个体的厚度。
🖼 写了个小火车游戏,好有趣。
写了个小火车游戏,好有趣。
https://trains.monk.party

🖼 https://developers.google.com/edge/foresight
🔁🖼 我最近也使用 GPT-6 Astra 模型烧了 300 多刀,加入了 JEV 决策模型,重构了「股市挖掘机」,作为我的个人量化分析工具,已经完全免费开放使用,大家配...
Forwarded From 扫地僧º笔记 (mastergo)
我最近也使用 GPT-6 Astra 模型烧了 300 多刀,加入了 JEV 决策模型,重构了「股市挖掘机」,作为我的个人量化分析工具,已经完全免费开放使用,大家配置好自己的模型,即可开始内容分析,从中挖掘各类投资机会。
https://mastersgo.cc
任何新股买入之前务必请你的 AI 老师分析一下。🤝

https://skywt.cn/blog/apple-typography-details
🔁🖼 #Kindle
我一直觉得,光模块可能是中国在整个 AI 产业链里,最有竞争力的一环。
我一直觉得,光模块可能是中国在整个 AI 产业链里,最有竞争力的一环。
GPU、HBM、先进制程这些地方,我们都还有明显短板,但光模块不一样。
中际旭创、新易盛、天孚通信这些公司,早就已经不是简单的“国产替代”了,人家是真正在全球 AI 数据中心供应链里赚钱。
AI 集群越做越大,GPU 越堆越多,机器之间的数据传输就越重要。
从 800G 到 1.6T,再到后面的 3.2T,光模块其实一直在吃 AI 算力扩张的红利。
而且这个行业特别符合中国制造的优势:扩产快、交付快、成本能压下来,工程能力也够强。
所以最近市场传美国可能会在 3.2T 这一代开始限制中国光模块准入,我第一反应其实挺有意思。
如果中国供应链真的那么容易被替代,为什么不现在就限制 800G 和 1.6T?
很可能就是因为现在北美 AI 数据中心扩得太快,真把中国供应商切掉,AWS、Google、Meta 自己先难受。
这个逻辑我觉得是成立的。
但有一点一定要分清楚。
产业逻辑对,不代表 A 股的股价就一定涨。
A 股很多时候交易的是资金、筹码、情绪和节奏。再好的公司,涨多了也会跌;再硬的产业逻辑,市场提前两年把预期打满了,后面业绩继续增长,股价照样可能横着甚至往下走。
所以我现在越来越愿意把产业研究当成一张地图。
它告诉我哪里有金矿,哪里值得长期盯。
至于什么时候下铲子,多少钱下铲子,这又是另外一回事。
光模块这条线,我依然会长期跟踪。
但研究归研究,交易归交易。
尤其在 A 股,谨慎一点,永远不亏。🏄
cf 命令真的出来了!
cf 命令真的出来了!
cf deploy
太酷了。
Cloudflare 这次推出了全新的 Agentic CLI:cf,准备逐步接替我们熟悉的 Wrangler。
安装也很简单:
npm i -g cf
然后进入项目目录,直接:
cf deploy
就能往 Cloudflare 部署。
对于静态项目,甚至可以不提前写配置文件,直接部署。新项目也可以通过 cf init/deploy 自动初始化相关配置。
这才是我理想中的开发体验。
写完代码,Agent 跑一下:
cf deploy
啪,上线。
少开一次控制台,少配一点东西,也少让人在中间反复点按钮。
更有意思的是,cf 背后直接覆盖了 Cloudflare 3000+ API operations。
Workers、D1、R2、Access、WAF、域名……
以后 Coding Agent 不只是帮你写代码,它还可以自己部署、查日志、改配置、管理资源,甚至把整套 Cloudflare 基础设施一起管起来。
Cloudflare 官方还披露了一个挺有意思的数据:
今年 3 月,Agent 占 Wrangler 使用量大约 25%,最近已经涨到了 48%。
差不多一半的 Wrangler,都已经不是人在敲了。
难怪 Cloudflare 干脆重新做一套真正面向 Agent 的 CLI。
我自己其实也是 Cloudflare 的重度用户。
最近跑在上面的项目就有:
mail.monk.party
这是我自己搭的临时邮箱服务。
还有:
muse.monk.party
这是最近做的 Muse 邀请码互助池。
这种小项目真的特别适合 Cloudflare。
以前我们聊 Agentic Coding,总盯着模型到底会不会写代码。
现在我越来越觉得,真正爽的地方,是代码写完之后的那些脏活累活,也开始一起被 Agent 接过去。
从开发,到基础设施,再到部署上线,中间的人类操作正在一点点消失。
Cloudflare 这次的 cf,味道真的很对。
怪不得它的股价已经来到了 350 刀,它一直在做正确的事情哇。
另外,据说谷歌最新模型已经在反重力里面测试了,搞不好现在的 gemini 3.8 flash 就是 gemini 4 pro 呢?🤡
我建议大家准备好你的 Google AI Pro 订阅,静待超级模型的出现!
↩️🖼 大家可以尝试把 monk 的调用链接切换到 https://api.monk.party/v1 试试,长连接会稳很多,少一次 Cloudflare 的 TLS 和转发。
经过一周的努力,https://monk.party 已全系标配 gemini 3.8 flash 模型,非常适合作为子任务的模型使用,输出又快又好。一天一块钱,纯纯合租服务器,福利局。🤣
大家可以尝试把 monk 的调用链接切换到 https://api.monk.party/v1 试试,长连接会稳很多,少一次 Cloudflare 的 TLS 和转发。
适合换成 https://api.monk.party/v1 的是会流式输出、会跑很久的客户端,例如 Codex 的 Responses。短请求留在 https://monk.party/v1 也能用。
另外,今晚优化了一下前端设计,后端反馈的几个 bug 也解决了。
monk.party 服务也越来越稳定了,最近那个 space-bunny-alpha 和 gemini 3.8 flash 的组合真是又稳又快又便宜。🏄
看了下后台数据,最近 30 天,Monk 服务输入 Token 总计约 1211.27 亿,缓存 Token约 851.93 亿。

以前总觉得,一个地方“四季分明”是一件很美好的事。
以前总觉得,一个地方“四季分明”是一件很美好的事。
春天看花,夏天听雨,秋天看落叶,冬天看雪。
但后来越来越觉得,四季分明更像一种审美优势,不一定是居住优势。
真正决定一个地方宜不宜居的,其实是:
一年有多少天,你愿意主动走出家门。
很多四季特别分明的城市,代价也很明显。
冬天接近 0℃甚至零下,夏天又能冲到 35℃以上。春秋虽然舒服,可往往短得可怜。
一年下来,几个月靠暖气,几个月靠空调,换季还要面对干燥、花粉、湿冷、暴晒、冰雪天气。
所谓“四季分明”,换个角度看,其实就是温差够大。
真正舒服的气候,反而往往没那么戏剧化。
冬天不用硬扛冷,夏天不用硬扛热,大多数时候穿件薄外套就能出门,这才是真正影响生活质量的东西。
所以如果只看中国,我反而会优先看两类地方:
一类是低纬度 + 高海拔。
最典型就是云南。
昆明、大理、腾冲、西昌这类地方,纬度低,所以冬天不会太冷;海拔又够高,把夏天的炎热压了下去。
昆明尤其典型,全年温度相对平稳,夏天很少出现内地那种持续高温,冬天也没有北方那么难熬。
另一类是沿海城市。
比如珠海、厦门、威海、烟台。
海洋会把温度波动压小一点。珠海和厦门冬天舒服,威海、烟台则更适合怕热的人。
如果再把医疗、交通、商业、生活便利一起算进去,我个人会重点看:
昆明、珠海、厦门、大理。
昆明胜在气候。
珠海胜在综合生活体验。
厦门胜在城市品质和海边环境。
大理胜在生活方式。
当然,没有完美城市。
昆明紫外线强,大理医疗资源一般,厦门夏天湿热,珠海也有台风。
但宜居本来就不是找一个“什么缺点都没有”的地方。
更现实的标准应该是:
这个地方最难受的那几个月,你能不能接受。
所以现在如果再让我选宜居城市,我已经不太在意“四季分明”这四个字了。
我更在意的是——
一年 365 天里,到底有多少天,我愿意出门散步、晒太阳、喝咖啡,什么设备都不用开,也觉得刚刚好。
🖼 中秋快乐🎑
中秋快乐🎑

📄 jev 手册.pdf - 17.6 MB
jev 手册.pdf
17.6 MB
这个好玩 https://gordensun.github.io/little-critters/
这个好玩 https://gordensun.github.io/little-critters/
gordensun.github.io
纸上小伙伴 · A Sociable Sketchbook一群由代码一笔一划画出来的小动物:靠近鼠标的会转过头盯着你看,离得远的就打哈欠、哼小曲、犯困、说小话……点一下按钮,换一批新朋友。
周末去 Apple Store 摸了一圈 iPhone 18 系列。
周末去 Apple Store 摸了一圈 iPhone 18 系列。
本来没准备换手机,结果 iPhone 18 Pro Max 的手感意外不错,刘海也明显小了一圈。A20 Pro 性能提升很大,只是日常用起来,我确实感知不到多少。😂
这颗芯片很大一部分价值还是端侧 AI。对于暂时用不上完整 Apple Intelligence 的国行用户来说,多少有点英雄无用武之地。
而且今年有个很搞笑的地方:
iPhone 18 居然还能套 iPhone 17 的手机壳。
保护壳一戴,隔壁老王看半天可能都不知道你换手机了。😂
真正在意辨识度,我反而更期待 10 月份的 iPhone Duo。那个造型一眼就能看出来是新东西,也更好玩。
至于怎么买,我今年的思路依然很明确:澳门。
主要考虑三个东西:eSIM、Apple Intelligence 和价格。
国行是双实体 Nano-SIM;港澳版则更适合有 eSIM 需求的人。对于经常跨境、折腾海外服务的人来说,eSIM 用习惯以后确实很难回去。
价格也可以算一笔账。
以 iPhone 18 Pro 256GB 为例,国行官方 9999 元,港版 10499 港元,澳门版 10799 澳门币。按现在汇率折算,港澳版本大概都在 9600 元人民币附近。
如果再叠加银行卡 2%~5% 的境外消费返现,实际成本还能继续往下压。
当然,完全不急着首发的话,等双 11、百亿补贴也很好。国行直接降个 500~1000 元很正常,纯看价格的话,到时候国行甚至可能更划算。
我属于另一种情况。
澳门离广州不远,我澳门蚂蚁银行账户里刚好还有将近 1 万澳门币。😂
所以准备 10 月份自己跑一趟澳门 Apple Store,直接买 iPhone Duo,顺便把账户里的钱花掉。
而且我专门问了在澳门 Apple Store 上班的朋友:内地用户过去,以旧换新同样可以参加。
其实去年我已经这么干过一次。
当时去澳门买 MacBook Pro M5 Pro 24G + 1T,最后大概 14000 元拿下。后来 Apple 官网涨到 19999 元,再回头一算,相当于省了接近 6000 块。
那次经历之后,我对澳门买 Apple 产品的印象一直很好。
路线也简单得离谱:
高铁到珠海 → 横琴口岸过关 → 免费发财巴士 → 路氹 Apple Store。
顺利的话,过关、买机器、拆箱检查,一两个小时就结束了。
我使用在 cloufdflare 上搭建了一个邮箱服务 https://mail.monk.party ,支持 monk.party 和 ssggo.net 后缀邮箱注册,同时支持绑定 GitHub 找回。
我使用在 cloufdflare 上搭建了一个邮箱服务 https://mail.monk.party ,支持 monk.party 和 ssggo.net 后缀邮箱注册,同时支持绑定 GitHub 找回。
用处多多。
Jev 火了:AI 支出或砍掉 60%
Jev 火了:AI 支出或砍掉 60%
Jev 怎么用呢?🤔
问题一旦提出来,就开始研究,发现了好多新东西,探索的乐趣啊!🏄
拿到 API 后研究了一圈,发现大家已经把 Jev 玩出花了。给同样拿到 API、但还不知道怎么玩的人,整理一份 Jev 使用清单:
0. fast-jev-compaction
给 Claude Code 做上下文压缩,用精准裁剪替代默认的摘要压缩。
1. jev-ultrafast
Browser Use 做的高速浏览器 Agent,让 Jev 判断下一步做什么、点哪个元素。Google Flights 搜航班完整跑完约 7.1 秒。
2. typesafe-mcp
把 Jev 接进 Claude Code、Claude Desktop 和 Codex,随时做 Choice / Score 这类结构化判断。
3. jev-mcp
封装事实核验、Prompt Injection 检测和语义排序。
4. Jev Codex Router
这个很有意思:Jev 先判断 Coding 任务难度,再决定交给便宜模型还是旗舰模型。作者回放 237 个真实 turn,自测成本降低约 60%。
5. neo4jev
给知识图谱候选边打概率,再用 beam search 找路径。搞过图谱的朋友一定知道这个有多重要。太省力啦!
6. TypeSafe on Neon
拿 Jev 做模型 Router,先判断任务,再转给 Grok 4.6、GPT-6 Astra 等模型。
看完这一圈,Jev 的玩法其实很简单:
要不要?选哪个?打几分?下一步干什么?
这些高频的小判断交给 Jev,真正需要写代码、长文本和复杂推理的时候,再叫传统大模型出来干活。
@forgebitz 提到一个很有意思的判断:
分类是很多公司的巨大用例,LLM 处理上亿资产依然又贵又慢,Jev 这类模型有机会砍掉 50%-60% 的 AI 支出。
Jev Codex Router 的实测也给出了约 60% 的降本结果。当然,这个数字还需要更多真实业务验证,但方向很值得关注。
忙活了一下午,我也终于赶在下班前把 Jev 集成进了 monk.party,顺手做了一个监控看板。
实际跑起来后,有个细节我很喜欢:Jev 默认输出置信度。
以后完全可以根据置信度做分层路由:高置信度直接执行,拿不准就交给 Flash,再难一点才叫旗舰模型。
给个好评。👍
折腾完这一下午,我对 Jev 的理解反而更简单了:
Jev 负责便宜地做决定,Flash 负责便宜地干活,旗舰模型留给真正困难的问题。
AI 应用下一轮降本,可能已经开始了。🏄
Jev + Flash + AGI 会成为什么?谁需要这样的体系?
我觉得是字节和谷歌。十亿级别的免费用户,需要豆包,需要 Gemini。
Jev 提供了一种可能性。
🖼 Jev 用上了,用来做 LLM 判定。
Jev 用上了,用来做 LLM 判定。

🖼 最新的 stealth/union-alpha 模型已经在 monk.party 中的 monk-coding 中上线。
最新的 stealth/union-alpha 模型已经在 monk.party 中的 monk-coding 中上线。
参数详见 https://openrouter.ai/stealth/union-alpha#providers
说明一下:monk-coding 本身是一个基于以 deepseek 4.1 flash 和 gemin 3.8 flash 为主和其它各类 beta 模型为辅的融合模型,一次请求会生产多次上游请求,然后取质量最好的结果返回,这个过程中会有 RTK 在其中做优化。(详见封面图)
还使用到的技术有 👇
HeadRoom 本地上下文压缩与优化层
https://github.com/headroomlabs-ai/headroom
CaveMan 让 Agent 像穴居人一样说话,精简输入输出
https://github.com/JuliusBrussee/caveman
PonyTail 约束并引导 AI 写出能达成需求的最少代码
https://ponytail.dev/
一切基于开源生态构建,monk 其实只能算是一个搬运工。
感兴趣的朋友可以把四个项目都玩一下,能够极大加深自己对大模型的理解和使用。





