新闻: 加利福尼亚州的社区学院报告称，财政援助欺诈事件有所增加，今年 1 月，每 4 名大学申请者中就有 1 名疑似机器人。
这些 AI 机器人不仅霸占了学位，还试图申请助学金，以此牟利，由于社区大学接受所有申请者，所以这种欺诈行为似乎很难制止，目前教授对学生布置了额外的人机验证类型的作业，试图以筛选出 AI 机器人，但效果不佳，且有误删真实学生的情况。

这是一个非常有创意的 CG 挑战赛，是由 YouTuber pwnisher 举办，他会提供一个简单的三维动画模板，然后艺术家们可以根据这个动画发挥自己的创造力，除了要求使用最初的三维动画外，没有其他任何限制。
比如最新一期的 Chasms Call，总共有来自 103 个不同国家的 3,018 位艺术家参与了这次挑战，然后筛选了100个优秀作品制作成了视频，超级有意思！
每个艺术家的想象力真的好丰富！看的我好激动，恨不得马上去学习 C4D 也做一个😄

最近在混合使用 gemini-2.5-pro 和 claude-3.7-sonnet 进行编程时，发现 gemini-2.5-pro 像一个多年没写代码的架构师，经验丰富，claude-3.7-sonnet 就是一个高级程序员
所以架构问题或者涉及整体性的代码问题让 gemini-2.5-pro 把把关，然后让 claude-3.7-sonnet 来写代码，这个组合就非常完美了

这两天闲来无事，突然想自己写一个替代 SponsorKit 的工具，之所以有这个想法，主要有以下几个原因：
1. 我太菜了，实在玩不懂 SponsorKit 的配置，怎么折腾都没搞明白；
2. 最近新增的赞助者不知为何一直没能出现在生成的图片里(repo)

不过说实话，我的赞助者本来就没几个，也不想为这点小事浪费太多时间，于是很自然地想到了用 AI 来解决。

这次主角是 Replit Agent，并不是 Cursor 或者 Windsurf，因为 Replit Agent 更自动化，几乎不需要我手动参与编程。
编程语言指定为 Go 语言，虽然我并不懂Go，但考虑到性能和内存占用，Go 是首选，且语法简单，让 AI 写起来出错的概率也低。

整个开发过程比我预想的还要顺利，前后不到两天就搞定了，实际和 AI 沟通的时间甚至不超过五个小时
成果：versun/SponsorGen
包括 Readme、GitHub workflow、Dockerfile、docker-compose 全部由 AI 生成，并且已经成功部署在我的 VPS 上了: supporters.versun.me

4个月前，我使用 Replit Agent 编写 aicmt 工具时，过程其实挺痛苦的，反复返工、不断 debug；
但这次基本都是一遍过，甚至到现在我都没看过代码……

当然，目前这个工具还有不少问题，比如我还没测试过除了爱发电以外的平台能不能正常获取数据——毕竟我只收到过爱发电的赞助……不过我觉得问题不大，因为爱发电的部分也是一次就写对了，甚至在我还没看完官方 API 文档时，AI 就已经写完并能正常工作了。

回过头来看这次用 AI 写工具的经历，感受最深的其实是 AI 发展速度之快、能力之强，已经远远超出了很多人的想象，整个过程就像搭积木一样，上限取决于我的想象力，真是让人兴奋

晚上看了一部3月份才上映的美国科幻冒险电影《电幻国度》，导演是罗素兄弟，曾导过《美国队长》和《复仇者联盟》，如果你喜欢这两部电影，那么也推荐这部新电影。
内容是关于人类与机器人之间的战争，虽然是科幻片，但整部电影更多的是对现实的反讽，挺有意思的，拍的很不错，推荐

说来惭愧，对于兴趣，本人虽已三十出头，但依旧还在探索的路上，但一路走来依旧有些许经验，故分享，希望能启发更多人。

如果你不确定自己喜欢做什么，特别是在进行职业规划或人生选择时，可以试一试下面的方法：
1. 写日记：不一定每天都写，但建议要经常写，这是一个思考你的人生观、价值观，了解自己性格的唯一途径。下面所有观点完全可以写入日记里，做为自我探索的日志。
2. 兴趣可以很平凡：要明白，兴趣不一定是指绘画、音乐等特定才能，也可能是日常生活中让你感到快乐、满足或好奇的事情，比如享受阅读、喜欢整理规划、乐于研究某个话题等，留意那些能真正取悦自己、带来成就感的活动，即使它们看起来很平凡
3. 保持好奇心：对新事物保持开放和好奇的态度，这是发现兴趣的起点，记录你脑子里冒出的所有问题
4. 记录你的情绪：感受并接纳它，它们可以提供线索，告诉你什么事情能真正触动你、让你愿意投入
5. 广泛尝试：兴趣往往是在不断尝试新事物、学习新技能的过程中被发现的。你无法在尝试之前就知道自己是否喜欢某件事
6. 收集信息：主动了解不同类型的职业，可以通过与人交流、网络搜索等方式，调研你可能感兴趣的领域或工作
7. 区分喜好与职业：要认识到，喜欢某个活动（比如玩游戏）和喜欢从事相关职业（比如游戏开发）是不同的，在决定投身某个行业前，要了解该职业的实际工作内容和流程，判断自己是否真的喜欢
8. 利用排除法：如果难以确定喜欢什么，可以先排除自己明确不喜欢的领域或专业，多去尝试、排除、记录，路自然就清晰了
9. 专注当前：如果你正在工作或学习，即使不确定是否喜欢，也先全情投入。努力在所做的事情上取得进步，变得擅长，因为在此过程中，你可能也会发展出新的技能、兴趣。
10. 拥抱变化：兴趣会变，太正常了。别因为一时的热情冷却或方向摇摆而自责，人的兴趣本来就会随着经历和成长而演变，这恰恰是你探索自我、保持好奇心的证明。允许自己“三天打鱼，两天晒网”，这没什么大不了。关键在于拥抱这个动态的过程，从每一次尝试中，无论时间长短，都试着去汲取一些新的认知或感受，并记录下来，这是非常宝贵的线索

寻找自己真正热爱的事，就像开启一段持续探索的旅程，既需要时间，也需要耐心，或许还需要一点点运气的眷顾。
如果你已经幸运地找到了那份让你心动的热爱，由衷地为你感到高兴！非常欢迎留言分享你的喜悦与发现。
但如果你和我一样，仍然在这条探索之路上前行，也请不要灰心。保持一颗开放和好奇的心，积极拥抱生活中的各种可能与体验。不必焦虑，也无需停下脚步，继续尝试，哪怕只是微小的探索
请相信，只要保持前行和开放，属于你的那束光，总会在不远的前方等着你

该文的想法源自RSS 翻译器的重构之路。
在九个月前，我踌躇满志地开始了 RSS 翻译器的重构项目。但九个月后的今天，进度条依然是 0%。

头四个月，我像个无头苍蝇，试遍了各种能想到的框架和语言，却没一个能让我满意。这不仅仅是技术选型的问题，我渐渐意识到，更深层的原因在悄悄发酵。

当初开发这款 RSS 翻译器，是为了在信息的海洋里更快地捞到珍珠，提高筛选效率。讽刺的是，效率是提高了，但我并没有感到轻松，反而被卷入了更汹涌的信息流。每天面对刷不完的订阅源，压力有增无减。

我开始琢磨，是不是该再写个新软件？也许可以请 AI 来帮忙筛选？但转念一想，这似乎还是老路子——用更高的效率对抗无限的信息。这真的能解决根本问题吗？说实话，我甚至不确定这“根本问题”到底是什么。

过去，每当发现有趣的博主，我都会毫不犹豫地将他们添加到 RSS 翻译器里。但现在，我会停顿、犹豫，最终放弃添加。因为我知道，即使加进去，也根本刷不到、刷不完。列表越长，焦虑越深。

五个月前，我写过一篇关于如何应对“信息焦虑”的文章，没想到才过了不到半年，我面临了一个新的、更棘手的问题——“信息阳痿”，即对什么新资讯都提不起兴趣，只想“摆烂”。
曾经那个热衷于挖掘信息、提升效率的我，似乎正在消失。
是信息本身的问题，还是我自己的问题？

在和 AI 探讨了该问题后，我发现“信息阳痿”不仅仅是“不想看”，更多是“认知过载”、“决策疲劳”、“注意力稀缺”等问题，可能是一种大脑的自我保护机制，因信息量过大、质量参差不齐、持续涌入，最终导致大脑罢工。
而我热衷的各种效率工具、方法，让我接触了更多本不需要的信息，而效率提升的初衷也从“获取价值”变成了“完成任务”。
随即，我开始逐步分析我的信息获取流程，我发现了问题：
1. 我没有明确的信息目标，我一直在“刷”，不断的切换不同的上下文去阅读不同的信息，这极易导致大脑的疲劳。
2. 我依旧无法接受自己无法了解所有事情的真相，试图用各种手段提高我的信息处理能力，而不承认大脑的有限性。

对于信息目标，我只完成了主动选择和管理信息源，但对于信息源的所有内容，或许可以使用 AI 进行初步筛选 ，但筛选的标准是什么？什么样的信息是有价值的？是时效性强的新闻，还是经过沉淀的知识？是广泛的涉猎，还是深入的理解？如何定义“信噪比”？

这些问题我还在探索中，救赎之路还在继续，如果你有什么想法，欢迎交流！！

刚刚看了昨天刚出的 Switch 2 硬件配置介绍视频，不得不佩服任天堂的设计能力，每个改进都相当精准：

2. 添加了新硬件：Switch 2 Camera
 可以在游戏时显示玩家的实时视频，非常适合直播或者远程和朋友游玩

3. Gameshare功能
如果一款游戏支持本地联网多人游戏，则只要有一个玩家拥有该游戏，则本地的其他玩家无需拥有该游戏就可以一起游玩
4. 屏幕从6.2英寸升级到了7.9英寸LCD屏，1080p分辨率，120hz刷新率，支持HDR，基座连接电视支持 4K HDR
5.手柄改为磁力连接，话说原来的连接方式真的不好拆卸，而且增大了SL/R按钮，可以不用安装腕带直接使用！

6. 总共2个 Type-C 口，上面的口用来连接摄像头或者充电
7. 自带存储升级到了256GB
8. 基座内置风扇

最后，Switch 2 将在今年的6月5号上市，售价$449.99起

最近状态有点低迷，还在适应最近的环境变动：
我上班的公司在上周搬到了徐汇星杨西岸中心，对面就是腾讯大厦，离大厂最近的一次😛（有在附近的网友欢迎面基哈）
通勤从原先离家步行的距离，变成了地铁1.1小时的距离（钱多事少离家近）
原先每天5点下班，5点15到家运动锻炼，6点左右晚饭的规律作息也不得不改变了。
现在是每天锻炼时间改成了早上，在徐汇滨江跑步半小时，5点下班，5点50左右到家吃饭。

最主要的是通勤问题，地铁时间比较固定，但太耗时耗精力了，所以这两周都是开车上下班，早上6点10分出发避免了早高峰，35分钟左右就能到公司，比地铁1.1小时要节省很多时间，一个月能节省十几个小时，同时也为我挤出了难得的锻炼时间。
但代价是停车问题，公司楼下一个月1200元，实在消费不起，所以这两周尝试停在路边，但隔三岔五都会收到违停驶离通知，这就导致上班的时候需要留意手机短信的通知，非常影响效率。
所以今天在海鲜市场找了隔壁的西岸凤巢商场的月租停车，600/月，还是可以接受。

-------
明天清明节放假，准备去爬爬山，换换脑子，希望下周能找回状态。

最新的 The Batch 周刊中，吴恩达 (Andrew Ng) 介绍了微调小模型的适用范围，非常浅显易懂，概括如下：

微调是利用预先训练好的模型，在特定应用的数据上对其进行进一步训练，因此你需要收集训练数据，然后找到一个供应商(或自己部署设备)来运行微调，最后部署微调后的模型

一般情况下建议使用提示词来完成项目，微调只有助于提高最后一点准确性。目前微调主要用于以下几种情况：
1. 提高关键应用程序的准确性
比如客户服务聊天机器人，它需要可靠的调用正确的 API 以进行交易、退款等操作，这种情况下，95%的 API 调用准确率并不够，那么就可以使用 API 数据集进行微调以达到99%的正确率，同时还有其他特殊案例的情况，也需要微调才可以达到。
2.学习一种特定的交流风格
比如爱因斯坦的回复风格等，这也需要微调才能做到
3.降低扩展过程中的延迟或成本
随着使用规模的扩大，大型模型速度过慢或成本过高，因此可以使用微调后的较小模型，即可达到较大模型的性能，以满足较窄的应用范围。此外，大型模型（或代理工作流）还可用于生成数据，以帮助针对该任务对小型模型进行微调。

在进行微调之前，请考虑一下是否应该在提示词或代理工作流方面再多下点功夫，这样可以获得更简单、更易于维护的解决方案