创业独立观察｜和几位 AI 硬件从业者聊了聊
前阵子参加了一场 AI 硬件方向的闭门交流，在场的有做可穿戴设备的创始人、做机器人的、做宠物科技的，还有几个在做全球化的。聊了快三个小时，几条判断我印象很深，先放最前面：AI 硬件真正要补的短板不是"听得见看得清"，而是"记不记得住"；通用大模型讲故事好听，但真正需要的是"只做一件事"的小模型；情感陪伴这件事，AI 越完美越容易崩，反倒是有点"小脾气"、需要你投喂才跟你亲的设定更稳；出海反直觉建 …
文章
从 2016 年写到现在，已经 168 篇。写的东西跟着我当时在做的事一路变化。
2016 至 2018
从计算机视觉、机器学习比赛和模型复现写起，边学边做。
2018 至 2020
进入网易游戏后，内容转向数据挖掘、用户分析、A/B 测试和模型部署。
2020 至 2025
在米哈游做算法，继续写反作弊和用户增长，也开始整理技术管理、量化研究和读书笔记。
2025 至今
把重心放到 AI 编程、Agent 与 Skills、内容增长和产品实践，记录真正用过之后的判断、方法和结果。
智谱 x MiniMax：配对交易的验证与心得
先说结论 多智谱、空 MiniMax 能带来可观收益，但并非常态，难以复刻。最好施加波动率风控策略，降低回撤，增强体验。 协整检验不通过，经典配对交易的前提不成立；顺分化做多空回测夏普 3.52，但样本外验证表明合理预期在 0.5~1；波动率降仓把最大回撤从 -27.9% 压到 -9.2%，比单日止损更有效。 注意：本文仅分享个人思路和回测过程，不代表投资建议。投资有风险，需充分衡量个人风险承受能 …
不想为总结一个网页花20美元，我给Chrome做了个平替插件
需求痛点 刷网页的时候，总会碰到这种时刻：看到一篇长文，或者一段讨论，想快速知晓大意或是多方观点。念头很简单，但满足它却挺麻烦。前大模型时代只能硬啃；后大模型时代，能把内容丢给豆包、丢给 DeepSeek，可这个"丢"字里全是摩擦：开一个新标签页，将链接丢给他们。碰上反爬或者排版诡异的页面，结果不可控还得回来复制粘贴。 我真正想要的东西十分简单：看到感兴趣的内容，选中，问一句，拿到答案。中间越少越 …
你以为的 AI Native
你以为的 AI Native 年轻人，在 AI 的环境下成长。他们接触到的世界，天生就有 AI。理所应当，他们是 AI 的一代，是人类未来的希望。 他们不需要学，因为他们就是 native。就像母语者不需要背单词一样。他们天然知道怎么用这些工具，天然知道怎么和模型协作。 营销号说，再不上车就晚了。VC 说，AI-native 才是未来。你要么变得 AI native，要么被淘汰。 不过很遗憾，你不 …
接入富途券商 API，用 AI 接管投资仓位（ in-house 仓位管理）
毕业以来，我的财务一直通过记账的方式进行归集。早期通过 GoodNotes 进行手动记账，好处是可以手动批注。后来迁移到了 Notion，原因是发现需要记录的东西很固定，每次复制旧的内容到新日期，接着修改数值即可。而且，使用 Notion 能够很方便地按类型进行归类和计算，较为方便看到每个月的动态状况。 但是后来，随着投资标的的分散，每次在券商上算账都要耗费不少的心力。需要计算杠杆、货币转换。这让 …
利用微信读书skill，将读过的知识整合进AI实践
遇到难回答的问题，我不回答。但遇到难解的问题，我倾向于向书中寻求答案。过去几年，工具书我主要关注六类：横向与纵向领导力、组织与战略、销售与说服、产品与增长、个人成长、投资交易。微信读书每年差不多是 40 多本。大模型从 2023 年火了以后，很多内容能直接问出来，量大管饱看起来还蛮精炼。 是不是阅读就没有意义了呢。我的答案是非也。大模型适合科普通识性问题：“SLMs是什么"“端侧模型有哪些技术要 …
LLM Token Expenditure Index 是怎么算出来的？我复现并给出了异动归因
起因 财联社报道，6月Token支出指数下降了。以此来说明终端买家愿意承担的成本在降低，进一步暗示可能影响上游的各个环节。实话说，这个结论大致符合直觉：无论科技大厂还是个人，近期都不再无脑敞开用最先进模型，转而注意模型的能力边界，搭配着用提升性价比。 但是你说，该“指数是外界目前所能获取的最清晰、最直接的市场风向标”，总感觉话说得太满了。作为一个算法出身，长期和数据打交道的人，自然也想知道是如何计 …
写在离职一年半
现在是20260621的早上5点半，你失眠了。原因无非是焦虑引起的躯体化反应，包括湿疹、心率偏高。焦虑的原因，也很简单：近期做的SRI商业化，一周下来预估的MRR（月经常性收入）是1.4k，而改版带来的收入反而下降了。隐约觉得这仅有的现金流收入，似乎也难以抓住。 此外，近期一直困扰你的是：在投资上似乎站错队了。这段时间的行情风向长期保持在AI的上游基础设施，甚至牵扯到了组装厂和原材料上。中间有两 …
不要再 Vibe 创业了，干点儿实事吧阿谷
大家好，我是谷粒粒，OPC（One Person Company）练习生一年有余。vibe coding 这个话题，随着过去半年基础模型能力的提升和 agent harness 架构的成熟，越来越火。 不少公司在内部扩大 AI 辅助编程的范围，试图提升编码和想法验证的速度，同时进行 Token 消耗量的考核。也有人像笔者一样，经历过公司的一些事，想借助编码工具的生产力提升，构造更多属于自己的产品。 …
拒绝感觉有效，基于在线推理性能测评，选出最适合我 Mac 的 LLM 推理框架
经常捣鼓大模型的朋友都知道，各大厂商提供的模型是生产力工具。可以蹭，但也需要计算性价比。一些小的任务或是隐私任务，放在本地更合适。随着越来越多开源的 SLM（Small Language Model）智力水平的提升，部署到本地也是一个选择。 作为一个玩过智能家居、玩过路由器、玩过 NAS 的人，本地模型当然也要拉下来玩玩。这不仅可以用来窥探模型本身的技术架构，还可以解决手边的小问题。但技术选型过程 …