SQL 开始调用 AI，但 AI 写 SQL 尚未成熟
假设你要分析一批产品评论：哪些是负面评价？用户抱怨的是物流、质量、服务，还是价格？以前，分析师往往先从数据库提取评论，在独立环境中进行情感分析和分类，随后将结果回填至数据库。如今，仅需一条 SQL 语句即可搞定：第一步用 AI 函数判定情绪，第二步将投诉归类至物流、质量、服务或价格等板块。这些功能还能与常规的筛选、连接、聚合等 SQL 操作无缝结合。这种查询被称为 AI-native SQL，即“原生调用 AI 能力的 SQL”。Snowflake、BigQuery 和 Databricks 等云数据平台
AI时代的家庭教育核心：培养孩子应对不确定性的能力
最近读马兆远老师的著作，他在《世界的逻辑》中提出了一个发人深省的观点：人类耗费数千年追寻“确定性”，最终却发现不确定性才是宇宙中唯一确定的存在。回顾我们80后这代人所接受的传统教育，本质上是一个“确定性崇拜”系统——标准答案、标准解法、标准评分。我们被塑造成在固定轨道上奔跑得最快的人，然而人工智能的发展速度令人惊叹，而AI最拿手的恰恰是处理确定性问题，且效率远超人类。那么，我们应该为孩子规划怎样的教育呢？ 1、优先培养“逻辑思维”，而非单纯积累“知识” 马老师反复强调：古典逻辑奠定了现代科学的基石。古希腊
AI探索实践时代：在不确定性中寻找秩序
2026年夏天，上海。当世界人工智能大会的灯光照亮会场时，产业界和学术界共同传递出一个谨慎的共识：我们可能正处在一个历史拐点，但前方的道路并非平坦，而是布满未知与裂缝。“没有任何AI专家能完全预见AI的未来”——这一观点在大会上得到证实。2024年图灵奖得主理查德·萨顿直接指出，当前AI展现的语言和图像生成能力，“主要反映的是计算能力，而非智能的本质突破”。中国工程院院士王坚同样指出，目前的大模型仅基于文本数据，如果AI对世界的认知只限于论文中的“静态知识”，未来创新将受到严重限制。由大语言模型引发的热潮
英方海上贸易机构：将也门海域事件认定为船只遭劫持
英国海上贸易行动办公室对也门穆卡拉港以南65海里处所发生事件进行重新定性，将其归类为劫持事件，涉事船舶被身份不明人员登船并加以控制。 事发之际该船正朝东穿越亚丁湾水域。据军方通报给英国海上贸易行动办公室的信息，涉事船只已被引导驶入索马里领海范围。 责任编辑：李桐 新浪财经声明：此消息系转载自合作媒体，新浪财经登载此文出于传递更多信息之目的，文章内容仅供参考，不构成投资建议。 郑重声明：1.根据《证券法》规定，禁止编造、传播虚假信息或者误导性信息，扰乱证券市场；2.用户在本社区发表的所有资料、言论等仅代表个
AI下半场：靠谱比聪明更关键
过去几年，行业热议哪个模型更智能，比拼参数和跑分。但2026年后，新焦点变成了：AI能否在真实业务中连续运转且不出错？近期新闻正印证这一转折点。3月，亚马逊网站频发故障，一次长达6小时。原因：Gen-AI辅助变更。工程师信了AI从旧文档推导出的错误建议。亚马逊补救：重聘高级工程师审核，把人拉回关键决策圈。同期，Self Inspection融资1000万美元。用户拍车照，AI定损出报告。已服务超100万次，省下8000万成本和30万工时。Roblox则把AI生成器塞进手机，一句话搭个游戏。三件事看似无关，
AI编程指南：找到最适合你的开发搭档
倘若此刻有人向我询问： “进行AI编程，究竟哪个平台堪称最佳？” 我的回应仅有一句： 不存在绝对的最佳、唯有更优之选 说错了，并非没有最佳，只是没有普适的最佳，唯有最契合你自身- 例如你的具体需求是什么、你采用何种大模型、你的预算规模如何、你掌握多少技术知识、甚至还包括-（低声透露）你的身体素质是否过硬能否轻松跨越一面高墙 从 WorkBuddy、Cline，到后来钻研各类大模型，再到现在持续运用 CodeWhale 构建aquirex全自动营销获客系统AquireX获客引擎、 财税领域专属的Ai-CR
科技新贵的财富归途：从代码到房产的迁移
2026年6月，深圳湾畔。一套备案单价39.86万元/平方米的顶层复式，总价超过2亿元，被"秒抢"。同一天，前海湾一个楼盘加推40套大平层，开盘即罄。把镜头拉到杭州。滨江望天际把506平方米楼王的看房验资门槛，推到了8000万元。想进门看一眼？先证明你卡上有8000万流动资金。这些房子，不是煤老板买的，也不是地产商买的。买它们的，是做AI、芯片、半导体的"科技新贵"。这就引出一个问题：为什么这轮AI造富的钱，最终都流向了房子？01一笔钱的迁徙路线答案，藏在一笔钱的迁徙路线里。传导链其实很清晰：AI股权暴涨
腾讯混元Hy3调用量激增68倍，登顶OpenRouter榜首
7月15日晚间，新浪科技报道，腾讯混元大模型 Hy3 的调用频次较前代 Hy2 增长了 68 倍以上。得益于 preview 版本的优异表现，Hy3 的增长势头持续强劲。上线仅一周，该模型便登顶 OpenRouter 全球大模型调用量排行榜首位。 数据显示，在 Agent 类产品应用中，Hy3 表现出卓越的竞争力。在 WorkBuddy 平台的自选模型功能里，用户对 Hy3 的选择率高达 60%。 腾讯混元 Hy3 于 7 月 6 日正式发布。相比 preview 版本，Hy3 的智能化程度大幅提升，其性
AI 产品体验设计的五大核心法则
这话乍听似在找借口，实则蕴含朴素真理：概率性系统的失误无法归零。无论模型如何优化、规则如何拦截，总有一部分输出存在偏差或答非所问。真正拉开产品差距的，绝非“错误发生瞬间”，而是出错后用户的选择：是愤而关闭，还是微笑表示“无妨，我修正一下即可”。后者并非仅靠模型能力堆砌，而是源于体验设计的打磨。本文旨在探讨这套设计方法论。01 为何互联网产品的交互范式在 AI 领域失效首先需厘清底层假设的转变。互联网产品的交互设计，建立在“系统确定性”这一隐含前提之上。点击按钮即触发固定逻辑，相同输入必得相同输出。因此设计
人工智能的边界：从拉普拉斯恶魔到熵与噪声
两百年间，人类对“全知全能”的想象，经历了两次深刻的幻灭。 第一次，是拉普拉斯恶魔的幻灭。拉普拉斯设想，如果有一个妖怪知道宇宙中每一个粒子的位置和速度，就能预测整个未来。但物理学的发展告诉我们，世界不是这样运行的。量子力学的不确定性原理、混沌系统的蝴蝶效应，共同宣告了一个事实：即使拥有完美的先验知识，世界本身也不允许无限精确的预测。 但第二次幻灭，可能更贴近我们今天的生活。我们造出了人工智能。我们以为，即使先验知识不完备，只要给AI足够多的数据，它就能自己“学”出规律。天气预报、股价预测、自动驾驶——这些
AI效率提升的边界究竟在何处？
昨天刷到一个讲"陀螺仪"原理的科普短片，从最初的物理结构优化，到后来用激光技术替代传统方案，最后直接让陀螺仪保持静止状态，借助物体运动时惯性引发的物理偏移来推算偏转角度，精度竟然能达到小数点后8个9，也就是误差只有百万分之一。 回过头来梳理这些年的软件开发经历，真正能让效率大幅提升的核心要素其实是确定性。 生活中不少人的手机输入法用的是拼音九宫格，早期电脑自带的输入法里每个字的位置同样是固定不变的，翻两页就能在第三个位置找到目标字，那时候大家打字的速度反而出奇地快。 经验丰富的业务员，操作设备、交接工作都
你没被AI淘汰，只是被踢出了游戏层
上午十点，同一栋办公楼里。五楼，一个初级设计师盯着屏幕——AI刚用三秒钟生成了四版海报方案，每一版都比他自己做的更精致。他的工作，是挑一版。四楼，一个资深设计师正在修改AI生成的海报——他改动的不多，只是调了配色、换了字体、加了三个字。但客户选了第四版。三楼，一个创意总监在给AI写提示词——“不要太商业，要有一种‘刚好错过’的感觉”。AI不懂什么叫“刚好错过”，但她懂。她的工作，是定义AI的方向，而不是被AI定义。但这栋楼里，你看不到负一楼的人。因为他们已经不在这里了。这栋楼，就是AI时代的职业分层。负一
AI 笔记三：详解工作流与智能体的本质差异
工作流究竟是什么？它与 AI 智能体有何区别？又该如何选择使用？01.所谓 AI 工作流，是指将一系列任务按既定顺序排列，由系统自动逐 Execution 完成。每一步的具体操作及后续流向，均在设计之初就已锁定。不妨将其视为一条自动化生产线。举例而言，若要生成日报：先提取数据，接着进行分析，随后绘制图表，最后发送邮件。每个环节都是预设好的，今日如此，明日亦然。无论数据如何波动，流程步骤始终不变。工作流最显著的特征在于确定性。输入相同，输出必然一致。它不会自行判断“今日数据异常，是否需调整处理策略”，也不会
AI崛起与黄金避险：应对不确定性的策略
今日世界局势简析： 全球正步入“高不确定性”阶段：国家安全受重视，黄金受青睐，AI重塑产业。给普通人的三条建议： 1. 少押注单一趋势，分散资产配置 未来最大风险在于：机会虽多，但波动剧烈。 2. 关注AI引发的职业变革 未来十年： 不善用AI者，恐被善用AI者取代。 3. 维持现金流能力 经济周期波动时： 现金流即选择权。一、AI深入产业应用：从概念转为生产力 AI仍是全球资本与产业的焦点。 过去两年，市场讨论的是“AI前景如何？”，如今聚焦于“AI如何盈利？”。 AI未来竞争重心： 第一阶段：模型较量
让人抓狂的AI：为何比人类更令人生厌
每当我使用AI感到怒火中烧时，我便明白，人工智能确实走上了失败的道路。你可能猜测我在谈论AI产生的错觉，但事实并非如此。第一，你在误导他。AI非常容易被用户的输入带离正轨，因为他缺乏真正的语境辨识能力，也没有质疑你所在环境的意识，他几乎会毫无保留地信赖你——这几乎是所有大型模型内置的迎合机制。因此，当你的表述前后不一致时，他的回应就会变得更加凌乱。这就是为何运用AI时，初次交流的结果通常最为亮眼；你追问得越多、越想调整，输出反而越发糟糕。第二，越发成熟，越发固执。某些大型模型已经搭载了高度完善的代理与技能