Posts for: #AI

AI 时代,知识星球还提供什么

前些天脑子里冒出一句话:「人类的美好社区」。

越想越觉得它对。AI 写文章、做视频、画图,成本在快速降低。内容会越来越不值钱,真人、关系和社区反而越来越贵。知识星球做了十年,一直希望用户因信息和资源而来,最后因人和社区留下。

但「美好社区」到底是什么意思?试着往下想。

知识星球上的「美好」,我更愿意理解成信任。创作者和用户之间、用户和用户之间,长期积累下来的信任。一个星球经营久了,成员之间积累下来的不是信息量,是一起经历过的事。AI 能提供无限量的内容,但不能提供信任。AI 能给答案,但不会跟人一起熬过一件事。

怎么跟团队讲清楚?可以用一个简单的问题,每次讨论功能的时候问一下:这个东西做完了,星球里的信任是变多了,还是变少了。变少了就不做。

反过来想,更容易看清楚。一篇 AI 生成的帖子混在星主的真实内容里,没人发现,这个社区就烂了一个角。十个帖子没人发现,烂了一片。AI 假装星主回复、批量制造内容刷存在感、让成员只看摘要不再交谈——每做一件,人味就淡一层。

不是说不能用 AI。用 AI 帮星主整理内容、发现好问题、减轻管理负担,这些反而增加信任。关键是用的时候心里有没有那条线:谁是主体,谁在经营这些关系。

「人类的美好社区」是个想去的地方。不用急着把它写成使命。放在心里,每次犹豫的时候想想:在做的这件事,跟那个方向是不是同一条路。

Hedy 不开源,有哪些开源 AI 听课助手?

需求很明确。

工具要在 Mac 上同时听到电脑声音和麦克风,边听边显示逐字稿。讲师提到新概念、数字或者值得怀疑的判断时,AI 能主动补充解释、联网查证、提出反例,也能结合提前提供的个人资料给出提示。课程结束后,再把录音、逐字稿和笔记存下来。

重点放在课程进行中的实时提示:AI 跟着一起听,及时提醒哪里值得多想一步。会后转写和总结工具不在这次比较范围内。

Hedy 已经覆盖实时转写和自动建议等主要功能,但它是商业闭源产品。本文把它作为参照,再检查三个开源项目:Raven、Anarlog 和 Meetily。

以下信息截至 2026 年 8 月 8 日,来自产品官网、文档和公开源码。本文没有一小时中文课程的实测数据,无法比较实时识别准确率和延迟。

Hedy:商业闭源的参照

Hedy 能实时转写谈话,根据不同场景给出自动建议,还提供面向学生的课程模式。用户可以配置 Session Context,让 AI 预先知道个人背景、目标和词汇。

它的免费版每月 5 小时,每次 Session 的实时建议只覆盖前 30 分钟。Pro 版月付 12.99 美元,年付 99.99 美元,还有 299 美元的终身版。

Hedy 没有开放客户端源码。使用条款把软件、算法和设计列为公司专有资产,并明确禁止反编译、反汇编和尝试推导源码。

Hedy 提供 REST API 和 Webhook,但它们主要用于把 Session 结果接到其他工具。官方集成文档列出的实时事件包括 suggestion.created,可以收到 Hedy 已经生成的建议;包含完整逐字稿的 session.ended 在 Session 结束后触发。官方集成文档未列出可供外部程序消费的实时逐字稿流,也没有说明自动建议会在课程中联网查证。

Hedy 可以直接用来验证自动提示是否有用。它没有开放源码,无法在客户端基础上继续改造。

Raven:已有会中 AI 悬浮层

Raven 使用 MIT 许可证,支持 macOS 和 Windows。它同时采集系统音频和麦克风,在本机完成回声消除,再把两路音频分别交给 Deepgram 实时转写。

[阅读全文]

BoldVoice:一年 150 美元的口音教练

真人口音教练在美国一小时收 200 到 300 美元。BoldVoice 用 AI 接掉了听发音、挑错这部分,真人教练只录课、做一对一。订阅一年 150 美元,用户在 150 多个国家。公司 7 个人,年收入超过 1000 万美元。

是什么

创始人 Anada Lakra 和 Ilya Usorov,YC 2021 年夏季批次,公司在纽约。

App 里的课是好莱坞口音教练录的,这些人平时教演员说各地方言和口音。你跟着读,AI 当场告诉你哪个辅音、哪个元音没发对,准到单个音。每天练什么,看你的母语,也看你的目标是面试还是日常社交。

到 2026 年 1 月,下载超过 500 万次。同月 BoldVoice 拿了 2100 万美元 A 轮,Matrix 领投,累计融资 2710 万。

解决谁的什么问题

用户是已经能用英语工作、但口音拖累表达的人。专业能力不缺,说出来别人得费劲才听懂,或者自己开口心里没底。

以前这个问题只能花钱请真人教练,贵,还得约时间。看 YouTube 不要钱,可没人听你说,也没人告诉你错在哪。BoldVoice 卡在中间:随时能练,每句话都有反馈,一年的钱不够真人教练一个小时。

公司把目标定在让人说清楚、够用就行,不去追消除口音、说得跟母语者一样。

独特价值

别的发音 App 大多是纯 AI,给你打个分数。BoldVoice 的课是好莱坞口音教练录的,他们懂怎么把一个总也发不对某个音的人,一步步带到能发对。这套本事来自给演员做训练,写算法写不出来。

AI 在这里只做反馈,内容归教练。价格也照这个分:AI 课月付 25 美元、年付 150 美元;真人一对一单次 119 到 450 美元,按教练资历定价。

护城河

BoldVoice 的语音识别和发音打分不难复制,微软 Azure、ELSA 都有现成的同类技术。它那个传过一阵的小工具 Accent Oracle——上传一段语音,AI 猜你母语是哪国的——竞品想抄也快。定价同样抄得走。

[阅读全文]

OSCAR:看 CPAP 真实在做什么

之前那篇 Apple Watch 数据分析说过,Apple Watch 推断的"夜间呼吸异常事件"不准。要看 CPAP 真实效果只能看机器本身的 SD 卡——那里有每一晚每两秒采样的数据。

把 SD 卡从呼吸机里拔出来插到电脑上,里面有个 DATALOG 文件夹,按日期一晚一个子目录。导出来扔给 Claude 跑脚本,14 晚的数据 30 秒就出来了。

下面分开说:CPAP 是什么、OSCAR 是什么、SD 卡里有什么文件、这些数据能算出什么、我自己最近两周的情况。


CPAP 是什么

Continuous Positive Airway Pressure,持续气道正压通气。一台小机器,靠管子和面罩把空气持续吹进鼻腔,用正压撑开睡觉时容易塌掉的上气道。专门治阻塞性睡眠呼吸暂停(OSA,Obstructive Sleep Apnea)。

OSA 的机制:睡着后喉咙后面的软组织松弛塌下来,把气道堵住,呼吸短暂停。停几秒大脑缺氧自动惊醒一下,气道打开,又睡着,几分钟后再来一次。一晚循环几十上百次,自己感觉不到。

CPAP 不吃药、不开刀,靠空气压力机械上不让气道塌。

我用的是 ResMed AirSense 10,自动调压(AutoSet)模式——机器实时检测气道塌陷的程度,自动在 5-15 cmH₂O 范围内调整压力。


OSCAR 是什么

Open Source CPAP Analysis Reporter。开源软件,Mac/Windows/Linux 都能装。专门解析 ResMed、Philips DreamStation、Fisher & Paykel 这几家主流厂商 CPAP 机器 SD 卡的数据。

呼吸机厂商通常有自家 App(ResMed 的 myAir、Philips 的 DreamMapper),但只给摘要:昨晚 AHI 多少、漏气是否合格、星星几颗。

OSCAR 直接读底层 EDF 文件,能看到每一晚每两秒的漏气、压力、流量限制、潮气量、呼吸频率,以及每一个被检测出来的呼吸暂停或低通气事件。还能画图,把 5 个小时的数据铺成一张大图。

[阅读全文]

Apple Watch 九年数据让我盯上三件事

断断续续带了几块不同的表,数据都在苹果手机里。

五月初我把数据导出来扔给 Claude,让它跑 Python 脚本逐项分析。三件事最值得管:

  1. 阻塞性睡眠呼吸暂停(OSA),要重新用 CPAP 呼吸机
  2. HRV 偏低
  3. VO2max 这一年在跌

下面分开说。


数据怎么来

苹果手机的「健康」app 里有「导出健康数据」按钮,生成一个 zip。解压后是一个 export.xml 文件,所有指标按时间顺序记在里面:心率、HRV、血氧、睡眠分段、呼吸频率、跑步路径、ECG 波形。戴表的每一秒它都在记。

最早一条是 2017 年。文件大,直接打开看不了,但 Python 脚本一两分钟就能跑完。

让 AI 写脚本,可以按自己想看的方式切。HRV 不看整天均值(白天工作时本来就低),只看凌晨 3-5 点睡眠最深的时段。跑步心率不看总均值,看各心率区间的占比。血压不看一两次读数,看 300 次测量里有多少次踩进高血压区。


三件事

OSA 和 CPAP

睡觉的时候,喉咙后面的软组织松弛塌下来,把气道堵住,呼吸短暂停。停几秒大脑缺氧自动惊醒一下,气道打开,又睡着,几分钟后再来一次。一晚循环几十上百次,自己感觉不到。

数据里能看出来。90 天里血氧有 12 次低于 92%;夜间呼吸异常事件均值 3.5 次/小时,最高 9.6 次/小时。

这事不是「打呼噜的小毛病」。每次呼吸暂停身体都进入一次窒息-惊醒应激,长年累月推高血压,加速心血管病变。我的血压 306 次测量里 62% 已经踩进 130/80 以上,多半跟 OSA 有关。

CPAP 是一台小机器,吹气进鼻子。持续正压把气道撑开,机械上不让它塌。不吃药,不开刀,靠空气压力解决问题。

我家这台 ResMed AirSense 10 几年前买的,因为面罩漏气吵到我太太,闲置半年多。五月初换了鼻枕式面罩,5/11 到货,5/13 重新开始用。

HRV 偏低

心率变异性。两次心跳之间的间隔不是固定的,有微小变化。变化越大(HRV 高),说明自主神经系统弹性越好——副交感(休息)和交感(应激)切换自如。HRV 低意味着身体长期处在应激态。

[阅读全文]

招 AI 同事还是给 AI 装本事

最近看到一个新产品 Moxt,官网上自己是这样介绍的:

一个 AI 原生的工作区。你的 AI 团队 7×24 小时工作、边干边学、和你一起协作。

来认识 momo——你的第一个 AI 队友。住在你的 Slack 里,认识你的团队,不用解释背景。

一个 momo 是另一个你。一队 momo,就是你 ×100。

简单说:每个人配一个 AI 助手叫 momo,多个 momo 互相协作、共享所学。

我平时用 Claude Code,那边的思路叫 skills——给一个 AI 装很多本事,主 AI 自己挑着用。Moxt 是把 AI 拆成几个角色,让它们在 Slack 里像同事一样互相配合。

Code Wiki:Google 给 GitHub 仓库自动生成的可交互 wiki

Google 在 2025 年 11 月推出了 Code Wiki,对着任意 GitHub 公开仓库自动生成持续同步的可交互文档站——架构图、类图、时序图,加一个用这份 wiki 当上下文的 Gemini chat。

用法:把 github.com/<org>/<repo> 换成 codewiki.google/github.com/<org>/<repo>。

丢一个看效果:openclaw/openclaw 的 Code Wiki 视图。

私有仓库要走 Gemini CLI extension。

官方介绍:Introducing Code Wiki。

eval 是什么,sgai.md 怎么做

只要产品里嵌了 AI,就一定要做 evals。这是过去两个月在 sgai.md(新加坡 AI 战略观察站)上踩坑总结出来的判断。

eval 是什么

eval = 评估测试。给 AI 输出和数据完整性写的回归测试,但和单元测试不是一回事。

单元测试测的是「函数给定输入,输出是不是这个值」——确定性的。

eval 测的是「AI 这次生成的东西,和金标 / 规则相比,质量有没有掉」——非确定性的。

简单说:单元测试盯代码,eval 盯模型 + 数据。

eval 解决什么问题

任何依赖大模型的系统,都有三个天然漏洞。代码里写的单元测试管不到,人肉 review 一定漏。

模型会幻觉。 LLM 会编一个看起来合理但根本不存在的 URL、人名、事实。我自己在 sgai.md 上踩过——5 月初让 agent 给一批 voice 人物档案补「主导项目 / 公开引言」,agent 给两条记录写了根本不存在的 sourceUrl(一个伪造的 Fintech Festival 演讲者 ID,一个伪造的航空业报道)。URL 模式正确得肉眼分辨不出,靠用户事后报错才发现。

模型会退化。 升级模型(Claude 4.6 → 4.7)或改 prompt,输出可能变差。但你不会主动知道——除非有人发现产出明显烂了。等用户先发现就太晚了。

数据会漂移。 AI 生成的内容入库后,没人持续盯着完整性,漏字段、缺翻译、链接腐烂会慢慢累积。sgai.md 是中英日三语站,数据文件里每条 record 要求 title / titleEn / titleJa 三套字段必须同时给。我有一次只 commit 了中文,下一个 PR 想补英日——结果 EN/JA 页面立刻断裂。

[阅读全文]

Warp 文档站的 agent 工作流

Warp 是从终端起家的 AI 开发环境。2026 年 5 月,它把产品文档站 docs.warp.dev 的源代码开源了,仓库地址 github.com/warpdotdev/docs。这个仓库除了文档内容本身,还配了一整套用 AI agent 维护文档的工作流。

文档站基于 Astro 6 + Starlight,内容用 MDX 写在 src/content/docs/ 下。Node.js 22 起步,npm install 后 npm run dev 启动本地预览,端口 4321。“Ask AI” 按钮和 “Was this helpful?” 反馈是可选功能,需要在 .env 里填公开值。

下面分四块说明仓库里 agent 相关的结构。

.agents/ 目录

.agents/ 分四个子目录:

  • skills/ — 25 个 skill。每个 skill 是一个子目录,里面至少有一个 SKILL.md 描述用途和执行步骤,部分含有 references/、scripts/。
  • rules/ — 通用规则,当前只有一个 oz-style-guidelines.md。
  • templates/ — 不同类型文档页面的模板(quickstart、guide、procedural 等)。
  • references/ — 词汇表等参考资料。

25 个 skill 按用途分四类:

草稿生成(10 个):draft_quickstart、draft_guide、draft_procedural、draft_conceptual、draft_reference、draft_faq、draft_troubleshooting、draft_feature_doc、draft_docs、missing_docs。从空白页起一篇新文档时使用。

[阅读全文]

为下一代模型做产品

上次整理过 Lenny’s Podcast 那期 Boris Cherny 的中文版:编程已被"解决"之后的世界。这次是 Boris 在 Sequoia Capital 的另一场访谈(2026-05-04 发布,YouTube 24 分钟版),重叠不多,更聚焦在 Claude Code 起源、他现在的工作方式,以及组织和团队的变化。下面是我整理润色的中文版。

现场

主持人是 Sequoia 合伙人 Lauren Reeder。她介绍 Boris 时说:“整个软件开发似乎都压在他肩上。“她想聊三个方向:软件的未来、写代码的未来、大家以后应该把空闲时间花在什么事情上。

Lauren 顺带补了一个细节:Boris 一直是非常纯粹的工程师,写过《Programming TypeScript》。但她上次和 Boris 聊时,Boris 说自己 2026 年到目前为止,没有亲手写过一行代码。

Boris 反问现场使用 Claude Code 的方式。多数人主要用 CLI;桌面端用户也有一些;VS Code 或 JetBrains 插件用户相对较少。他自己现在反而主要在 iOS 上用。

Claude Code 是怎么开始的

Claude Code 很大程度上是"意外"做出来的。

Boris 在 2024 年底加入 Anthropic Labs。这是 Anthropic 内部的一个孵化器——非常小,像一个创新小组。这个小组后来做出了 Claude Code、MCP 和桌面 app。完成阶段性任务后团队一度解散,现在又重新聚在一起做第二轮,由 CPO Mike Krieger 带队(前 Instagram 联合创始人)。

[阅读全文]