一个外行人，不懂代码，没做过互联网 硬是从0到1，自己做出了这个小程序。


✨自己做的「小怪兽学习打卡」小程序终于上线啦！免费使用，用来给孩子做学习打卡、记录作业、留存小心愿。

目前是初版，还有很多不足，欢迎大家试用。
有任何想法、吐槽、想要的功能，欢迎留言提意见，我会持续更新优化💪

也替代不了顾客的收入。
技术进步会创造新工作，价格下降也能带来新的需求。这两件事都可能发生，只是未必来得一样快。十年后出现的新职业，接不住明年失去的工资。商品便宜两成，也很难补回一份被拿走的收入。
企业可以把人工智能带来的红利放进工资，也可以在收入不变的情况下减少工时。利润分享和员工持股能让劳动者分到一部分收益，降价则把一部分红利交给消费者。税收、公共服务和再培训还要照顾那些来不及转岗的人。这些办法各有成本，都在解决同一件很具体的事，让普通人还有钱消费。
硅谷已经花了很多力气回答一个问，怎样让一个人完成更多工作。福特的历史留下了另一个问。当一个人可以做五个人的工作，另外四个人靠什么获得收入？
这个问如果长期没有答案，企业很可能先得到一张更好看的利润表，随后遇到越来越弱的需求。分配从第一天就已经写进公司的账本。工资、工时、价格和股权怎么变，最终会决定这些新产能有没有买家。
再往下还要问一句。
谁来保证这一点？
工业社会里的许多劳工权利，都来自劳动者能够让企业付出代价。工人集体离开，工厂会停工。工资太低，企业招不到人。工作时间长到无法忍受，人员流失也会反过来影响利润。福特提高工资时，面对的正是这种压力。
高度自动化的生产会削弱这张牌。
一家企业若能用人工智能和机器人维持运营，普通人退出生产，对它造成的损失就会变小。企业仍然需要顾客，却可以通过降价、信贷和政府补贴维持需求。消费者有购买行为，未必因此获得决定利润怎么分的权力。
补贴也无法完全解决这个问。它可以让人继续生活，但补贴由谁决定、按照什么条件发放、什么时候可以取消，仍然掌握在资源拥有者和政府手里。一个只拥有领取资格的人，和一个真正拥有资产的人，位置差得很远。
所以AGI带来的讨论最后一定会碰到所有权。
如果模型、算力和机器人创造了社会的大部分财富，普通人需要以某种方式拥有这些生产资料的一部分。它可以是公共基金持有的企业股权，也可以是面向全民的社会分红。养老金、合作社和员工持股也能承担一部分作用。具体形式可以慢慢争，关键是把分享收益写成一种权利，减少它对企业善意和临时政策的依赖。
这件事还关系到民主。
过去的普通人同时是劳动者、纳税人和消费者。社会需要他们工作，也需要他们配合，很多政治权利因此拥有现实力量。一个人在生产中越来越可有可无以后，选票仍然存在，背后的经济筹码却可能变轻。
那时最危险的状态，未必是所有人都陷入贫困。社会也可能给每个人提供基本收入、廉价娱乐和足够的生活用品，同时把重要决定留给少数拥有人工智能的人。大多数人衣食无忧，却无法决定技术往哪里发展，也很难影响公共资源怎么使用。
这样的生活未必痛苦，却会让人慢慢失去作为共同体成员的感觉。
人需要收入，也需要自己的选择能够产生后果。照顾谁、研究什么、怎样建设社区，这些事情要有真实资源跟在后面。社会只把它们当作爱好，人就很难从中获得过去由工作提供的责任、合作和承认。
AGI可以让很多劳动变得不再必要。人的政治位置不能跟着变成可有可无。
当机器不再需要我们工作，制度仍要让每个人参与决定机器为何工作、替谁工作，以及它创造的财富怎样使用。到了那一步，人类才算真正拥有人工智能。
@aigc1024

为什么今天的人工智能，越来越像一百年前的福特？
我最近翻福特的历史，看到一组很适合拿来理解人工智能的数字。
1913年，福特在海兰帕克工厂把移动流水线用于汽车生产。经过一轮轮调整，一辆Model T的装配时间从十二个半小时压到九十三分钟。产量上去了，成本开始往下走。
工厂里的另一组数字就没那么好看了。
流水线把原来需要经验的造车工作拆成简单、重复的动作。工人每天只做一两道工序，还得追着生产线的速度走。亨利福特博物馆整理的资料显示，1913年福特的工人流动率一度达到370%。美国劳工统计局在1916年公布的一份会议记录给出了另一种口径。从1912年10月到1913年10月，公司招聘了约5.4万人，才能维持大约1.3万人的平均用工规模。
这5.4万人里既有主动离职，也有解雇和裁撤，不能全算成工人受不了流水线。可如此频繁地招人、走人、再培训，已经成了实实在在的经营成本。汽车可以九十三分钟造好，生产线旁边的人却留不住。
1914年，福特推出五美元工作日。符合条件的工人每天收入从大约2.34美元提高到5美元，工作时间从九小时减到八小时。这项政策很快压低了人员流动，也让工厂可以改成三班运转。
这五美元带着很重的附加条件。它包含利润分享，工人能否拿足，还要接受公司对饮酒、储蓄和家庭生活的审查。福特对工人的控制并不温和，把这段历史讲成企业家善待员工，会漏掉太多东西。
公司的经营算盘倒是很清楚。流水线要持续运转，就得有一批愿意留下来的工人。工资和工时因此成了生产制度的一部分，和机器、厂房一样要算成本，也要算回报。
五日工作制早已有劳工运动和其他企业的探索。福特在1926年把五天四十小时引入大规模汽车生产。他在当年一篇谈五日工作制的文章中直接讨论了闲暇与消费的关系。人们在休息时会买更多商品，工时缩短也会逼着管理层改进生产办法。员工既要有钱，也要有时间消费，企业才卖得掉不断增加的产量。
看到这里，我会想到今天的人工智能。它正在对知识工作做一件相近的事。很多公司希望用模型把工作拆开，让同一支团队写更多代码、处理更多资料，也能多服务一些客户。假如一个程序员真能完成过去五个人的工作，单个公司的账很好算。少雇几个人，成本就会下降，利润率也更漂亮。
所有公司一起这么做，账就会变得麻烦。对大多数家庭来说，工资仍是日常购买力的主要来源。企业一边用人工智能扩大产出，一边持续削减就业和工资，省下来的钱会进入利润，却未必及时回到消费。商品再多，模型再强，

“整个 AI 行业几乎都已站到开源一边，唯独 Anthropic 依然坚持更严格的封闭路线。”
——现任美国总统科技顾问委员会联合主席，前特朗普的”AI 与加密货币沙皇David Sacks

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

《阴翳礼赞》 一个字一个字地看完了
谷崎润一郎不愧是大小说家，感受力极强，能把散文写出小说的质感
AI 说看这本书能理解东亚文化的“美”
作者可是连电灯都不喜欢的反科技派
他可能做梦都没想到自己会被 AI 推荐吧
@aigc1024

这两天借鉴 deepseek-harness ，试着开发了一个极简的桌面 AI 知识库客户端（取名 Easy Seek）。
虽然已经有太多同类型的 AI 客户端可以直接用，但是总觉得那些产品太重、太复杂，安装也多有不便。
所以 ES设计为一个最简单的可以在本地做知识库问答的客户端。不搞 npm、pip 或docker，就是纯 windows exe 安装，连本地向量数据库也是 exe 直接后台拉起。
整个开发下来还是有很多心得体会：
首先，克制是很重要的。AI coding 下，功能取舍真的很难，要时不时克制自己想加功能的冲动，特别是想加那种～对技术或开发人员来说顺理成章，但对普通使用者来讲一头雾水的功能选项。
在保证完整功能的前提下，让界面看起来简洁高效，不需要帮助或者培训也能直接上手使用并且做到顺手，也是很难的一个点。个人体会就是要把自己当成一个小白，当成这个软件的第一个天使用户，自己用得顺手是最起码的。
还有就是一些基础功能，比如说知识库，想要在本地客户端中很完整地实现，也是有很多细小的技术点需要一一攻克。之前使用 Dify、Ragflow 等知识库产品的经验在这个时候就有了很大的帮助。
有一说一，现在 DeepSeek Pro 的能力真的很强了，之前这种规模的长程编程任务只能用 Claude 或者 GPT 来实现，现在 DeepSeek Pro 也可以胜任了。美中不足的还是价格略高，涨价之后，还好有缓存命中，到目前为止，软件版本 0.0.2 基本的功能会、agent、知识库功能都具备，绝大多数代码使用 DeepSeek Pro，大约消耗了 165M token，花了 80 块钱左右，马马虎虎，还可以接受。
@aigc1024

哦莫，太好看了这机器人
@aigc1024