5月底的赛里木湖，稍微下了点雨，上山后什么都看不见

文章

除了内存，AI 也在导致硬盘涨价

https://www.tomshardware.com/pc-components/hdds/ai-triggers-hard-drive-shortage-amidst-dram-squeeze-enterprise-hard-drives-on-backorder-by-2-years-as-hyperscalers-switch-to-qlc-ssds

人工智能的快速发展导致了数据中心的建设急剧增加，远远超出了制造商的生产能力。这种情况不仅导致了内存条的价格飙升，还引发了硬盘供应短缺，特别是企业级硬盘的交货时间已经延长到了两年。为了避免这种延迟，许多超大规模计算服务提供商（hyperscalers）开始转向使用 QLC NAND-based SSDs，以保持成本并实现足够的耐用性。然而，QLC NAND 的需求激增导致了全球 SSD 价格上涨的趋势，预计 QLC NAND 将在 2027 年初超过 TLC 成为主流存储技术。

AI 需求上涨不仅仅是内存受影响，也先导致机械硬盘短缺，然后转向 QLC 固态硬盘。

巴基斯坦报纸误将AI提示词与文章一同刊出

https://x.com/omar_quraishi/status/1988518627859951986

If you want, I can also create an even snappier “front-page style” version with punchy one-line stats and a bold, info-graphic-ready layout

拍摄于11月的绍兴东湖。说是湖，但面积其实很小，1个小时就逛完了

文章

从机构记忆看笔记的重要性

https://timharford.com/2025/05/the-value-of-institutional-memory/

组织可能会忘记过去的经验教训，导致类似的错误重新发生，如大众汽车的排放测试欺骗事件和航天飞机爆炸事件。

AI 会把我们的知识不断压缩，让我们直接问它就可以了。但从机构记忆的价值可知。除非AI给出的已经是最终方案，我们依然不断记录自己的笔记和解决方案。

链式思维的大型语言模型并不具备推理能力

研究人员强调，当前的大型语言模型在生成 “流畅的无意义”（fluent nonsense）内容时，可能会创造出一种误导性的可靠感，这并不代表真正的推理能力。

目前的 AI 是随机生成，它只能对结果靠训练资料作出筛选。

新尝试

老硬盘的用处

为旧电脑清灰时发现一块 浦科特 M6S 128GB, 借助 2.5 寸转 3.5 寸硬盘盒，插入 NAS 做缓存盘了，提高了 Docker 容器的随机读写速度。

桌面麦克风新方案

最初我用的是桌面电容麦克风（心形指向），收音音质很好，但必须离嘴巴非常近（约5～30厘米）才能听清楚，而且放在桌面上也很占位置。我大部分时间只是用它进行语音输入，这种“录音棚级”的音质其实完全没有必要。

因此，我开始考虑使用收音距离更远的麦克风，比如会议用的全向麦克风（音质会比较嘈杂）。

在这个过程中，我突然想到自己有一个很便宜的摄像头，它自带麦克风。于是我试着用它进行语音输入。结果发现，它虽然录音音质很差，但在语音输入时识别准确、能清楚听懂我的话，对我来说已经足够了。

加快周刊更新

周刊已经更新了一段时间，因为我总想着写一篇“大文章”或长文，结果反而导致输出变少了。

所以接下来一周，我打算把之前的一些文章——无论是半成品还是尚未完善的——尽量整理并发布出来，用这一周的时间来解决这个问题。

之后，周刊也会全面恢复正常更新。有时可能只会分享一些小内容，但重要的是不能中断更新。

封面图片拍摄于今年六月的新疆禾木。到了那，我才发现天能有多蓝，中午可以清晰的看见月亮。

文章

人工智能承诺提高效率，但它却让我们工作得更辛苦

https://afterburnout.co/p/ai-promised-to-make-us-more-efficient

人工智能工具本应释放我们的时间，但它们增加了我们的认知负荷，降低了我们的工作效率。 这种模式在各项研究中是一致的：人工智能工具创造了一种效率的错觉，同时经常使系统更努力地工作，而不是更智能。个人开发人员感觉更快，但团队交付速度更慢。人们报告说节省了时间，但组织发现协调成本增加。 即使生产力确实提高了，“在相同的时间内完成两倍的工作”——不是减少工作，只是在相同的时间里塞进更多的工作。我们不应该试图在相同的时间内做更多的工作;我们不应该以提高时间效率为目标，这样我们就不必每周工作 60+ 小时。

我们是不是过于追求效率，反而导致自己的生活失衡了？

人工智能并没有让工作效率提高 10 倍

https://colton.dev/blog/curing-your-ai-10x-engineer-imposter-syndrome/

10 倍的生产力意味着十倍的结果，而不是十倍的代码行。这意味着您过去在一个季度内发货，现在只需一周半即可发货。这些数字应该会让最真实的人工智能信徒停下来。传统上需要 3 个月的工作中的产品构思、故事点协商、错误修复、代码审查、等待部署、测试和 QA 的数量现在在 7 个工作日内完成？为此，这些瓶颈中的每一个都必须提高 10 倍的生产力。 LLM 产生的东西通常是损坏的、产生幻觉的或低于代码库标准的。这些错误的频率随着代码库的大小而增加。发生这种情况时，您必须重新提示，这可能会立即解决问题，或者可能会浪费大量时间。或者你可以自己进去修复代码。但随后你又回到了区区 1 倍的工程师身份，如果你已经习惯了 vibe 编码而忘记了如何编码 ，也许会更糟。

这篇文章戳破了 AI 生产力论的面具。如果你有相同的纠结，值得细读。

缺乏意图是导致阅读LLM生成的文本令人疲惫的原因

https://lambdaland.org/posts/2025-08-04_artifical_inanity/

我假设作者选择他们所用的词是有原因的，并且每个句子都是为了传达作者希望我理解的东西。 LLM 或类似生成文本时，此模式将失败。当我以为自己正在阅读真实的文本时，阅读草率的文本是令人筋疲力尽的：由于我对幻觉或无关紧要的事物没有警惕，所以每一个看似不合时宜的短语都会让我想知道为什么这个短语会在那里 ，以及我错过了什么 ，而实际上，这样的问题是格式不正确的：那只是一个偶然创作的短语， 听起来不错，但实际上根本没有太多意图。 缺乏意图是阅读人工智能如此令人反感的原因。在我们需要关心和关注的一切背后，都需要有一个人类的意图——人类的意志和人类的关怀。

我习惯用 AI 来修改文章的语法，但总会删掉其中一半的内容。除了废话过多外，更重要的是，我们往往忘了 AI 的生成原理是随机拼接。随机生成的内容，你会喜欢看？

应用

Gemini 创建个人插图故事书

http://gemini.google.com/gem/storybook

只需描述您能想象到的任何故事，Gemini 就会生成一本 10 页的插画书。英文支持语音阅读。可以用来给儿童讲故事，帮将简笔画、照片变成故事书。