假设有个 Agent 正在做一份竞品调研。它能打开网页，能整理表格，能写出一份看起来像样的报告。做到一半，它卡住了。它不知道某个注册流程在真实手机上会不会报错，也不知道一家线下门店现在还开不开。网页上有信息，评论里也有人提过，但这些东西都不够。它需要一个活人拿起手机，走一遍流程，截几张图，或者去街角看一眼。
阅读全文分类： AI
-
当 Agent 开始雇人
Taskpool把一个旧前提拆掉了：雇主未必是人。Agent有目标、有预算、有接口权限，遇到屏幕外的事，就把任务发给真人。截图、核验、线下确…
-
上班路上，到底算不算“上班”？
假设有两个人。 第一个人早上 8 点已经在家打开电脑开始工作。到了 10 点，他为了避开早高峰，关上电脑，开车去公司，11 点到办公室以后继…
本文为 AI 生成文章 假设有两个人。
第一个人早上 8 点已经在家打开电脑开始工作。到了 10 点，他为了避开早高峰，关上电脑，开车去公司，11 点到办公室以后继续工作。
第二个人也是早上从家里出发。但他是一名现场服务工程师，在去客户现场之前，公司要求他先联系客户、安排当天的服务时间，有时还要协调其他工程师。他甚至一边开车，一边继续处理这些工作。
阅读全文 -
大模型被投毒还是挺严重的
不幸中招，防止再次被检索，我就不写名字了。
不幸中招，防止再次被检索，我就不写名字了。
-
别让推荐流偷走你的注意力
你有没有过这样的经历：本来只是想打开 X/Twitter 看一眼行业动态，结果十几分钟后，你已经点进了一个陌生账号的评论区，又顺手看了几个争…
你有没有过这样的经历：本来只是想打开 X/Twitter 看一眼行业动态，结果十几分钟后，你已经点进了一个陌生账号的评论区，又顺手看了几个争议帖、热点帖、反驳帖。等你回过神来，原本要做的事情已经被打断，脑子里还多了一堆和自己目标无关的信息。
这不是简单的“自控力差”。背后真正起作用的，是一个为实时筛选、排序和预测用户行为而设计的推荐系统。
理解推荐系统，不是为了和算法对抗，也不是为了研究如何“骗过算法”，而是为了知道：哪些行为会让系统继续喂给你更多同类内容，哪些设置和使用习惯能帮你重新拿回注意力。
本文分两部分：第一，X/Twitter 的“为你推荐”流大概是怎么工作的；第二，普通用户如果只想保持专注，可以怎样改造自己的使用方式。
阅读全文
