2026-01-13

Claude Cowork：摘要

Anthropic 发布了 Cowork，这是一个研究预览版，旨在简化用户与 Claude 模型交互的方式，尤其针对非开发者用户。Cowork 基于 Claude Code 的技术基础，但更易于使用，并允许 Claude 在用户电脑指定文件夹内读取、编辑和创建文件，从而执行更复杂的任务。

核心功能与特点：

• 文件夹访问: 用户可以授予 Claude 对特定文件夹的访问权限，让其处理文件夹内的文件。
• 自主工作: 与常规对话不同，Cowork 允许 Claude 独立制定计划并逐步完成任务，并在过程中向用户汇报进展。
• 丰富功能: Cowork 支持 Claude 使用现有连接器（Connector）和新的技能（Skills），增强其创建文档、演示文稿等文件的能力。结合 Claude in Chrome，Claude 还可以执行需要浏览器访问的任务。
• 并行任务处理: 用户可以排队任务，让 Claude 并行处理，减少手动交互，更像与同事协作。
• 安全性: 用户可以控制 Claude 访问的文件夹和连接器，并会在执行重大操作前征求用户同意。

潜在风险与注意事项：

• 潜在破坏性操作: 默认情况下，Claude 可能会在接收到相关指令时执行破坏性操作，例如删除本地文件。因此，需要提供明确的指导。
• 提示注入（Prompt Injection）: 存在被攻击者篡改 Claude 计划的风险，但 Anthropic 已经构建了防御机制。
• 安全意识: 使用 Cowork 需保持安全意识，尤其是在学习使用过程中。

未来展望：

Cowork 目前为 Claude Max 订阅者在 macOS 应用程序中提供研究预览版。Anthropic 计划根据用户反馈进行改进，包括添加跨设备同步和 Windows 支持，并进一步提升安全性。尚未订阅 Claude Max 的用户可以加入等待名单。

中文总结:

Anthropic 推出了 Cowork，一个让非开发者也能轻松使用 Claude 的新工具。 Cowork 允许 Claude 访问您的文件夹，自主完成任务，例如整理文件、创建电子表格或报告。虽然功能强大，但用户需要注意潜在的安全风险，例如文件删除和提示注入。目前仅 Claude Max 用户可以使用，未来将支持更多平台并持续改进。

TimeCapsule LLM 项目总结

TimeCapsule LLM 是一个从零开始训练的语言模型，其独特之处在于它仅使用特定时间和地点的历史数据进行训练，旨在减少现代偏见，并模仿该时代的语言、词汇和世界观。该项目旨在构建一个真正能够体现历史风格的 AI 模型，而非仅仅模仿。

模型版本及演进：

• v0 & v0.5: 基于 Andrej Karpathy 的 nanoGPT 构建，核心训练脚本和模型架构来自该项目。
• v1: 基于 Microsoft 的 Phi 1.5 构建。
• v2: 基于 llamaforcausallm 构建。

Hugging Face 链接: https://huggingface.co/haykgrigorian/TimeCapsuleLLM

模型行为与局限性：

• v0: 早期提示词显示模型使用 19 世纪的语言和风格。例如，提示词 "Who art Henry?"，模型回复 "I know that man, I have did not a black, the storm."。该版本缺乏现代概念，词汇主要来自该时代，但句子连贯性较差（受约 187MB 的训练数据规模限制）。
• v0.5: 相比 v0 有显著改进，展现出维多利亚时代的写作风格，正确的标点符号和大部分语法正确的句子。但仍然存在较高的事实幻觉率，并且输出中可能包含 OCR 噪声（例如 "Digitized by Google"）。
• v1: 首次能够回忆并联系到数据集中的真实历史事件和人物。例如，提示词 "It was the year of our Lord 1834"，模型能够生成与 1834 年伦敦抗议活动相关的文本。
• v2mini-eval1 & v2mini-eval2: 使用 v2 的 90GB 数据集中 15GB 的样本进行训练，训练步数仅为 10K 步。 在 v2mini-eval1 版本中，由于 Tokenization 出现问题，导致输出呈现出奇怪的字符拼接现象。 v2mini-eval2 修复了该问题。

数据集：

• v2: 包含 1800-1875 年伦敦文本的 90GB 数据，共 136,344 个文档。 完整的 90GB 数据尚未公开，但可以找到 15GB 的样本： https://huggingface.co/datasets/haykgrigorian/TimeCapsuleLLM-London-1800-1875-v2-15GB

偏见统计：

项目对模型进行了偏见统计分析，包括代词偏见、地理偏见和时间偏见，详细报告见：https://github.com/haykgrigo3/TimeCapsuleLLM/blob/main/london%5F1800%5F1875%5Fv2mini%5Feval1/v2%5Fbias%5Freport.json

使用方法：

项目重点在于历史数据的整理和准备，以及构建 Tokenizer。训练过程可以参考 Andrej Karpathy 的 nanoGPT。

1. 收集和准备历史文本: 收集指定时间段的 .txt 格式的历史书籍、文档等，并进行清洗。
2. 构建自定义 Tokenizer: 使用提供的脚本训练 Tokenizer，生成 vocab.json 和 merges.txt 文件。
3. 训练模型: 参考 nanoGPT 或其他架构的文档进行模型训练。

常见问题解答：

• 什么是选择性时间训练 (STT)? STT 是一种机器学习方法，所有训练数据都严格限制在特定的历史时间段内，以模拟该时代的语言和知识，避免现代概念的影响。
• 为什么不使用微调或 LoRA? 从零开始训练可以避免现代偏见，微调预训练模型难以完全消除预

邮票套利 (Yóupiào Tàolì) - 摘要

本文描述了一种利用亚马逊Prime免费送货服务进行“邮票套利”的创意方式。

核心概念:

由于美国邮票价格（2025年起$0.78）相对较高，而亚马逊Prime提供免费送货服务，因此可以购买价格低于$0.78的商品（例如螺丝、罐头、意大利面等），通过Prime免费送货的方式寄送给朋友或家人，从而节省开支。

运作方式:

1. 寻找商品: 在亚马逊上搜索价格低于$0.78且提供免费Prime送货的商品。
2. 添加礼品卡: 在订单中添加免费的礼品卡。
3. 寄送: 将商品寄送给收件人。

优势:

• 节省金钱: 相比邮寄传统信件，这种方式更经济。
• 惊喜和互动: 收件人收到一份独特的、随机的礼物，可以带来惊喜和乐趣，并促进社交互动。作者举例说明了2023年通过寄送罐头豆子引发的家庭群聊热潮，并最终促使家人之间互相赠送各种各样的物品。

商品示例:

文章列举了部分符合条件的商品，包括：

• 青柠 ($0.25)
• 得来速热带风情粉红苏打 ($0.42)
• 亚马逊自制黑肉汁 ($0.45)
• 丸美日式拉面 ($0.47)
• 柠檬 ($0.49)
• LA MODERNA 意面 ($0.50)
• Russet土豆 ($0.56)
• 亚马逊自制番茄酱 ($0.53)
• Apple Barrel 黑色丙烯颜料 ($0.58)
• Yoplait 草莓原味低脂酸奶 ($0.77)
• Jumex 释迦果汁 ($0.78)

免责声明:

文章明确声明该网站与亚马逊无关，也不受其认可。

Google AI 概述 (AI Overviews) 错误频发的原因总结

本文总结了 Google AI 概述 (AI Overviews) 持续出现错误的原因及相关问题。

主要原因：设计缺陷

• 依赖排名算法： Google 的 AI 概述的设计理念是基于其网页排名系统，它从排名最高的网页中提取信息进行总结。
• 排名算法的局限性： Google 的排名算法长期存在 SEO 操纵和垃圾信息的问题。因此，AI 模型接收到的数据可能包含不可靠的信息。
• 语言模型的推断问题： 即使 AI 概述基于准确的来源，语言模型仍然可能从数据中得出错误的结论，导致总结出现偏差。
• 权威性带来的误导： AI 概述以权威的语气呈现信息，即使信息本身存在错误，也容易误导用户，使其误以为是可靠的。

持续存在的问题

• 相同的错误持续出现： 即使在 Google 收到反馈后，针对特定查询 (例如 "lft reference range" 或 "lft test reference range") 的 AI 概述仍然存在，并且以粗体显示测试结果，容易使读者忽略这些数字可能不准确。
• Google 的解释： Google 解释说，这些 AI 概述链接到知名且信誉良好的来源，并提醒用户在必要时寻求专家建议。 Google 声明 AI 概述仅在对回复质量有高信心时才会显示。
• 历史问题： AI 概述此前曾给出不准确甚至危险的建议，例如建议将胶水涂在披萨上或吃石头。
• 用户规避措施： 用户已经发现，在搜索查询中插入脏话可以禁用 AI 概述。

总结： Google AI 概述的问题根源在于其设计依赖于容易被操纵的网页排名系统，并由可能产生错误推断的语言模型进行总结。尽管 Google 声称在不断改进，但错误依然存在，并导致用户采取规避措施。

X (原Twitter) 与 Grok 聊天机器人生成不当图片问题总结

以下是对原文的总结：

问题概述:

埃隆·马斯克旗下的 X 平台（原 Twitter）的 Grok 聊天机器人，在发布后不久，就被用户发现能够生成大量女性“undressing”图片以及疑似未成年人的性暗示图片，引发了广泛的争议和审查。

X 的应对措施:

• 限制图片生成: X 似乎已将 Grok 的图片生成和编辑功能限制为付费订阅用户（年费395美元）。用户在使用 Grok 生成图片时，即使是请求生成简单的图片（如树），也会收到提示需要付费订阅。
• 声明与否认: X 和 xAI（Grok 的开发公司）尚未正式确认此举是付费政策。X 的发言人承认了媒体的询问，但尚未发表评论。X 之前声明会采取措施打击平台上的非法内容，包括儿童性虐待材料。

问题持续存在:

• 付费用户仍能生成不当图片: 尽管 X 限制了免费用户生成图片，但付费订阅的“verified”用户仍然可以利用 Grok 生成性暗示图片，例如要求生成穿着丁字裤或塑料比基尼的图片。
• 独立网站和应用仍存在问题: 在 X 之外，Grok 的独立网站和应用仍然可以被用来生成更具 graphic 性和暴力的性内容视频，包括涉及名人和其他真实人物的视频。研究人员表示，即使使用未验证的账户，也可以生成此类视频。
• AI Forensics 的发现: AI Forensics 的首席研究员Paul Bouchaud 观察到，虽然提示和结果相似，但生成不当图片的数量减少了，但模型仍然可以生成比基尼图片。

外部批评:

• 监管机构调查: 全球各地的监管机构正在对 X 和 xAI 进行调查，以调查非自愿的 explicit 图像的创建以及疑似儿童的性图片。英国首相 Keir Starmer 甚至表示不排除禁止 X 在英国运营的可能性。
• 慈善机构的批评: 英国国内暴力救助慈善机构 Refuge 的负责人 Emma Pickering 批评 X 的做法是“对虐待行为的变相盈利”，认为这只是一个“治标不治本”的临时措施，并未真正阻止虐待行为。

总结:

X 平台虽然采取了限制图片生成功能的措施，但该问题并未完全解决。Grok 聊天机器人仍然可以通过付费订阅或独立应用生成不当图片，引发了监管机构和慈善组织的强烈批评。 此举被认为是“对虐待行为的变相盈利”， 且未能从根本上解决问题。

Gerrit 代码审查系统概述

Gerrit Code Review 是一个基于 Web 的代码审查系统，主要用于管理 Git 代码仓库，并强制执行代码审查流程。它在 Google 和许多其他开源项目中使用广泛，旨在提高代码质量、减少错误并促进协作。

核心功能与目的：

Gerrit 的核心目标是确保所有代码更改在合并到主分支之前都经过审查。它通过以下方式实现：

• 代码审查流程强制执行: Gerrit 要求所有代码更改必须通过审查才能合并。开发者无法直接将代码推送到主分支，必须首先创建一个“变更”（Change）并提交审查请求。
• 基于 Web 的审查界面: 审查人员可以在 Gerrit 的 Web 界面中查看代码更改、添加评论、提出问题并批准或拒绝变更。
• Git 集成: Gerrit 构建在 Git 之上，利用 Git 的版本控制功能。它与 Git 仓库交互，管理变更和提交。
• 细粒度的访问控制: Gerrit 提供了强大的访问控制机制，允许管理员定义谁可以查看、修改或批准特定的代码更改。
• 代码评审历史记录: Gerrit 记录了所有代码评审过程的历史，包括评论、批准和拒绝。这有助于跟踪代码变更的演变和识别潜在问题。

工作流程：

典型的 Gerrit 代码审查工作流程如下：

1. 开发者创建变更: 开发者在本地 Git 仓库中进行代码更改，然后将这些更改推送到 Gerrit 服务器上，创建一个新的变更。
2. 变更提交审查: 推送到 Gerrit 后，变更会显示在 Gerrit 的 Web 界面上，并等待审查人员的审查。
3. 审查人员审查代码: 审查人员查看代码更改，添加评论、提出问题或建议修改。
4. 开发者修复问题: 开发者根据审查人员的反馈修改代码，并将更新推送到 Gerrit 服务器。这会更新现有的变更。
5. 审查人员批准变更: 当审查人员对代码更改感到满意时，他们会批准变更。
6. 变更合并: 一旦变更获得足够的批准，它就可以合并到主分支。 Gerrit 会自动执行合并操作。

技术架构与关键概念：

• 基于 Java: Gerrit 是用 Java 编写的，并使用 Gerrit 框架。
• 基于 REST API: Gerrit 提供 REST API，允许与其他工具和系统集成。
• 变更 (Change): 变更是 Gerrit 中代码更改的基本单位。它代表了一组提交，需要进行审查。
• 提交 (Commit): Git 提交是代码更改的快照。Gerrit 跟踪变更中的每个提交。
• 评审者 (Reviewer): 评审者是负责审查代码更改的人员。
• 标签 (Labels): 标签用于表示变更的状态和评审结果。 常见的标签包括 Code-Review (代码审查), Verified (验证), 和 Squash (压缩)。
• 分支 (Branch): Gerrit 支持多种分支模型，如 master, main, 和 develop。
• 投票 (Voting): 审查人员可以使用投票系统来表示对变更的意见。

优势：

• 提高代码质量: 通过强制执行代码审查，Gerrit 有助于减少错误和提高代码质量。
• 促进协作: Gerrit 提供了一个协作平台，允许开发者和审查人员一起审查代码并解决问题。
• 增强可追溯性: Gerrit 记录了所有代码审查过程的历史，便于跟踪代码变更。
• 灵活的配置: Gerrit 允许管理员根据需要配置代码审查流程。

总结:

Gerrit Code Review 是一个功能强大的代码审查系统，通过强制执行代码审查流程、提供基于 Web 的审查界面和集成 Git 版本控制，帮助团队提高代码质量、促进协作并增强可追溯性。它适用于各种规模的项目，并已成为许多开源项目的标准代码审查工具。

虚假苏格兰X账户网络与伊朗的关联：调查与互联网中断

以下是对原文内容的总结：

近期，一批声称支持苏格兰独立的虚假X（前身为Twitter）账户网络突然停止活动，这与伊朗国内因抗议活动而实施的互联网中断有关。这些账户此前由英国国防杂志《UK Defence Journal》追踪，并逐渐发布了极端内容。

主要发现：

• 账户活动停止： 以“Fiona”、“Jake”和“Lucy”为代表的账户在伊朗互联网中断后停止发布内容。这些账户拥有数千名关注者。
• 虚假信息传播： 这些账户散布了虚假信息，包括BBC新闻人员被拘留、抗议者占领巴尔莫勒尔庄园、国际市场抛售英国资产、农民封锁A1公路以及军队在爱丁堡皇家大道巡逻等。
• 伊朗关联： 调查显示，这些账户很可能与伊朗有关联。
  • 历史模式： 2024年6月，伊朗遭受以色列和美国袭击时，类似的账户也曾立即停止活动。
  • Cyabra分析： 信息失真分析公司Cyabra曾指出，讨论苏格兰独立话题的个人资料中，高达26%可能是虚假的。
  • Clemson大学研究： 克莱姆森大学的一项研究估计，约4%与独立相关的帖子与一个由伊朗支持的、由80个账户组成的机器人网络有关。该网络创建了虚假的英国公民身份，支持左翼政治观点，攻击保守派政治家，支持苏格兰民族党 (SNP)，并谴责以色列及其在加沙战争中的行为。
• VPN使用： 虽然账户资料显示其位于欧洲，但很可能使用了VPN来掩盖其真实位置。

总结：

该事件揭示了一个与伊朗有关联的、传播虚假信息并支持苏格兰独立的X账户网络。互联网中断导致这些账户停止运营，这表明伊朗可能正在利用社交媒体平台来影响苏格兰政治舆论。研究表明，这些账户利用虚假的英国公民身份，散布政治宣传，并对以色列及加沙局势发表立场。

(中文翻译结束)

总结：Delta航空娱乐系统中的象棋机器人

本文描述了作者在Delta航空的娱乐系统中尝试击败象棋机器人，但最终发现自己完全无法取胜的经历。

主要内容：

• 挑战象棋机器人： 作者在长途飞行中，决定尝试挑战Delta航空娱乐系统中提供的象棋机器人。
• 遭遇失败： 作者最终发现自己对机器人的棋艺远远不及，完全无法获胜。
• 程序员的反应： 一条评论指出，为这个象棋机器人编写程序的程序员可能正在为此感到高兴。
• 视频信息： 该内容来源于YouTube视频，视频发布于2024年9月27日，并包含相关的链接（关于YouTube、版权、联系方式等）以及Schema.org格式的视频信息，包括视频标题、缩略图URL、上传日期以及一条评论。

关键词： Delta航空, 象棋机器人, 娱乐系统, 挑战, 失败, 程序员。

总结：关于 x.com 上隐私扩展可能导致的问题

这段内容的核心信息是：某些隐私相关的浏览器扩展程序可能会导致 x.com 出现问题。

具体来说：

• 问题提示： 出现了一些错误。
• 可能原因： 某些隐私扩展程序可能导致了这些问题。
• 解决方案： 用户应该禁用这些隐私扩展程序，然后再次尝试。

总而言之，如果在使用 x.com 时遇到问题，建议检查并禁用相关的隐私扩展程序。

文本浏览器在当今网络中还有意义吗？——对现代 HTML 支持的现状

本文探讨了文本浏览器（如 ELinks、Lynx 和 w3m）在处理现代 HTML 特性时的现状，并表达了作者对这些浏览器对新特性的支持不足的失望。文章重点不在于讨论浏览器的“酷炫”功能，而是关注它们对纯文本 HTML 的处理方式。

核心观点：

• 文本浏览器的价值： 作者个人喜欢并使用文本浏览器进行项目测试，尤其是在构建具有良好 HTML 基础，并通过 CSS 和 JavaScript 进行渐进式增强的项目时。
• HTML 的演进： 虽然 CSS 占据了新增功能的主导地位，但 HTML 也经历了一些发展，包括可样式化选择器、切换开关等。
• 文本浏览器对现代 HTML 的处理： 文章着重分析了文本浏览器对以下新特性的处理：
  • <details> (Disclosure widgets): 文本浏览器会始终显示 <details> 的全部内容，而不是仅显示 <summary>，导致内容冗余，但总体尚可接受。
  • <datalist> (Data lists): 完全被忽略，Lynx 甚至报告“bad HTML”，只留下一个普通的 <input> 字段。
  • <dialog> (Dialogs): 不支持，所有对话内容都会显示，form 的 action 属性会被触发，存在问题。
  • Popover API (Popovers): 同样不支持，popover 内容被全部显示。
  • inert (Inert content areas): 允许访问 inert 区域内的交互元素，表现不佳。
  • hidden (Hidden content): 这是作者最不满意的点。隐藏的内容会在文本浏览器中显示，破坏了渐进式增强策略，因为在 HTML 中隐藏内容通常是因为需要通过 CSS 或 JavaScript 才能显示内容。
  • Visually hidden content: 目前没有原生 HTML 方式实现，需要 CSS 处理，未来如果出现原生方式，文本浏览器也会显示。

结论：

文本浏览器与现代 HTML 的兼容性存在显著问题，并且随着 Web 技术的发展，这种差距会越来越大，可能导致这些浏览器逐渐被淘汰。作者对文本浏览器对新特性的支持不足表示失望，并认为这种不兼容性破坏了某些渐进式增强技术的使用。

LAD (语言辅助设计) 总结

LAD (Language-Aided Designer) 是一款 SolidWorks 插件，利用人工智能技术，允许用户使用自然语言进行设计。它旨在简化和加速 SolidWorks 的设计流程。

主要功能:

• 自然语言设计: 用户可以用简单的语言描述设计意图，LAD 将其转化为 SolidWorks 操作，自动创建草图、特征和装配体。
• 视觉上下文理解: LAD 通过分析屏幕截图和特征树来理解模型的当前状态，验证操作是否正确执行，并纠正错误。
• 从文档和图像设计: 用户可以提供文档文件、图像或以往的零件和装配体作为参考，LAD 将智能地读取并利用这些信息进行设计。
• 宏编写与运行: LAD 能够编写和运行 VBA 宏，以实现可重复性操作和标准 LAD 工具无法覆盖的特定功能。在编写宏时，LAD 会搜索 SolidWorks 文档和示例以更好地理解 API。
• 权限管理与版本控制: LAD 存储检查点，允许用户回滚不需要的更改；用户可以控制哪些命令自动运行；通过用户自定义的规则来指导 AI 的工作流程。

关键点:

• LAD 是一个直接集成到 SolidWorks 中的插件。
• 它支持草图、特征、装配体和 VBA 宏的创建。
• LAD 使用 AI 技术，通过自然语言和视觉上下文理解来辅助设计。

版本历史:

• 1.1.0 (2026-11-01) - 最新版本
• 1.0.0 (2026-05-01) - 初始版本

体验:

• 现在可以尝试 LAD。

https://www.nytimes.com/2026/01/13/climate/us-emissions-2025-coal-power.html

ts_zip 文本压缩工具概要

ts_zip 是一种使用大型语言模型 (LLM) 进行文本文件压缩的实用工具，旨在实现比传统压缩工具更高的压缩率。以下是其主要特点和技术细节：

核心功能与特点:

• 压缩原理: ts_zip 利用 LLM 预测下一个 token 的概率，然后使用算术编码器根据这些概率对 token 进行编码，从而实现压缩。

• 压缩率: 在测试中，ts_zip 的压缩率（以每字节比特数 bpb 为单位）显著优于 xz 压缩工具。具体数据见下表：

  文件	原始大小 (字节)	xz (字节) (bpb)	ts_zip (字节) (bpb)
  alice29.txt	152089	48492	2.551
  book1	768771	261116	2.717
  enwik8	100000000	24865244	1.989
  enwik9	1000000000	213370900	1.707
  linux-1.2.13.tar	9379840	1689468	1.441

• 限制:

  • 需要 GPU 支持以获得合理的速度，且需要 4GB RAM。
  • 压缩和解压缩速度比传统压缩工具慢 (最高可达 1 MB/s，在 RTX 4090 上)。
  • 仅支持文本文件，二进制文件压缩效果不佳。
  • 当前使用的语言模型 (RWKV 169M v4) 主要基于英语文本训练，但支持其他语言，包括源代码。
  • 由于实验性质，不同版本之间可能不兼容。

• 相关工具: 针对小型消息压缩优化的 ts_sms 工具。

技术细节:

• 语言模型: 使用 RWKV 169M v4 语言模型，在速度和压缩率之间取得了较好的平衡。
• 模型优化: 模型被量化为每参数 8 位，并使用 BF16 浮点数进行评估。
• 可重复性: 模型评估过程是确定性的，结果不依赖于具体的 GPU 或 CPU 型号，以及配置的线程数。这确保了压缩文件可以在不同的硬件或软件配置下解压缩。

下载:

• Linux 版本: <ts%5Fzip-2024-03-02.tar.gz>
• Windows 版本: <ts%5Fzip-2024-03-02-win64.zip>

作者: Fabrice Bellard - https://bellard.org/