标签: AI

  • AI裁员潮背后:当打工人被优化,科技大佬们正狂赚数百亿

    AI裁员潮背后:当打工人被优化,科技大佬们正狂赚数百亿

    AI裁员潮背后:当打工人被优化,科技大佬们正狂赚数百亿

    上个月,美国科技公司裁掉了将近4万人。这是两年来单月裁员最高纪录。如果你去问这些公司为什么裁员,十有八九会听到同一个理由:AI。从Block到Cloudflare,从Meta到谷歌,CEO们在解释裁员时都把AI挂在嘴边,好像有了这个借口,一切就说得通了。

    但事情没那么简单。Block的杰克·多西年初裁掉公司一半员工的时候,嘴硬说这是因为AI工具改变了工作方式,公司不需要那么多人了。结果网友在X上不买账,追问他疫情期间过度招聘的事。多西后来只好承认:行吧,我们确实招多了。

    著名VC马克·安德森最近说得更直白:AI现在成了”银弹借口”。他在播客里说,几乎所有大公司都至少多招了25%的人,很多公司多招了50%,不少甚至多招了75%。现在它们都有了完美的借口:”啊,是AI的原因。”

    真正让这事变得火药味十足的,是时间点的巧合。就在成千上万员工被叫去HR办公室领辞退信的同一时刻,一小撮AI圈内人正在变得富有——富有到普通人理解不了的程度。

    上月初,AI芯片公司Cerebras Systems在纳斯达克上市,首日涨幅68%,市值冲到670亿美元。两位联合创始人安德鲁·费尔德曼和肖恩·李一夜之间成了亿万富翁。SpaceX上周五上市,市值2.1万亿美元,马斯克纸面财富突破万亿,顺便造就了大约4400个百万富翁和400个亿万富翁。Anthropic和OpenAI也在排队上市,估值都在万亿美元上下。

    这还没完。在旧金山——现在遍地都是AI公司——高端房产经常以高于要价数百万美元的价格成交。马克·扎克伯格今年3月花了1.7亿美元在迈阿密的”亿万富翁堡垒”买了栋豪宅,创下迈阿密-戴德县有史以来最贵的房屋交易记录。两个月后,Meta宣布裁员8000人,约占员工总数的10%。

    AI裁员潮与科技财富对比
    AI裁员潮中,科技公司股价上涨,高管财富激增(插图:AI生成)

    普通美国人的日子就没这么风光了。今年,有雇主提供的健康保险保费上涨6%到7%,是通胀率的两倍多。自2008年以来,私人健康保险的成本大约翻了一番。房价自2020年初以来上涨了28%,同时房贷利率也翻了近一倍。

    今年1月《纽约时报》/锡耶纳学院的一项民调显示,65%的选民认为中产阶级的生活方式已经遥不可及。最近的另一项民调发现,76%的美国人现在把生活成本列为最关心的经济问题,比一年前的58%大幅上升。

    这不是单纯的失业问题。这是数万被裁员工撞上一个异常无情的成本环境,而与此同时,数万AI圈内人正在见证一代人难得一见的账面财富变现,然后还被告知:AI就是你们丢掉工作的原因。

    2008年金融危机之后,华尔街投行搞出来的烂摊子,最后是政府拿纳税人的钱去救它们,而数百万美国人丢了工作和房子。三年后,那种愤怒结晶成了”占领华尔街”运动。

    如果按目前这个轨迹走下去,”占领华尔街”可能看起来都算温和了。”占领华尔街”是一场危机之后的运动,公众愤怒的核心是说不清楚谁来为收拾烂摊子买单。而这一次,连危机都没有。公司们在赚钱,AI本身在造富,裁员照样发生,而且AI被指为驱动因素。

    2008年的画风是:”我们在救那些搞垮经济的人,而你丢了工作。”这一次可能的画风是:”我们靠那个正在用来替代你的技术变得空前富有。”

    不少公司——包括Block、Atlassian、Cloudflare——发现,当它们把AI作为裁员理由时,股价会飙升。所以这个策略表面上说得通。但它们可能想清楚一件事:这真的是它们想传达给被裁员工、以及所有正在观望的人的信息吗?


  • Agent-Reach:给AI Agent装上「全网眼睛」,30K+ Stars的免费互联网接入神器

    Agent-Reach:给AI Agent装上「全网眼睛」,30K+ Stars的免费互联网接入神器

    Agent-Reach - 给AI Agent装上全网眼睛

    项目简介

    Agent-Reach 是一个为 AI 智能体(AI Agent)提供全网内容读取与搜索能力的开源工具。它让 AI Agent 能够一键读取 Twitter、Reddit、YouTube、B站、小红书、GitHub 等 15+ 平台的内容——完全免费、无需付费 API,只需一行命令安装。

    项目目前拥有 30K+ GitHub Stars,是当前 AI Agent 基础设施领域最热门的项目之一。由开发者 Panniantong 开发并持续维护,采用 MIT 开源协议。

    为什么需要 Agent Reach?

    AI Agent 已经能帮你写代码、改文档、管项目——但你让它去网上找点东西,它就抓瞎了:

    • 📺 让 AI 看 YouTube 教程 → 拿不到字幕
    • 🐦 让 AI 搜推特产品评价 → Twitter API 要付费
    • 📖 让 AI 去 Reddit 找同类 bug → 返回 403
    • 📕 让 AI 看小红书商品口碑 → 必须登录才能打开
    • 📺 让 AI 总结 B 站技术视频 → 被风控拦截
    • 🔍 让 AI 搜索最新 LLM 框架对比 → 没有好用的免费工具

    安装要求与环境配置

    环境要求 说明
    Python 版本 Python 3.10 及以上
    操作系统 macOS / Linux / Windows 全平台支持
    兼容 Agent Claude Code、OpenClaw、Cursor、Windsurf、Codex 等所有能执行命令的 Agent
    网络代理 本地电脑不需要;服务器部署可能需要(~$1/月)

    快速安装步骤

    方法一:一键安装(推荐)
    # 复制这句话给你的 AI Agent:
    帮我安装 Agent Reach:https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md
    
    # 或手动执行:
    pip install agent-reach
    agent-reach install --env=auto
    方法二:安全模式(生产环境推荐)
    pip install agent-reach
    agent-reach install --env=auto --safe

    安装完成后,运行诊断命令查看各渠道状态:

    agent-reach doctor

    核心功能

    🌐 网页阅读

    基于 Jina Reader 免费读取任意网页内容,自动清洗 HTML 标签,输出干净文本。无需 API Key。

    🐦 Twitter/X 读取

    通过 Cookie 认证免费读取和搜索推文,支持单条推文、时间线浏览、长文阅读。无需 Twitter API 付费。

    📺 YouTube 字幕提取

    基于 yt-dlp(154K Stars)提取视频字幕和元数据,支持多语言,无需 API Key。

    📺 B站搜索与阅读

    使用 bili-cli 无需登录即可搜索视频、获取详情。支持字幕提取(需 OpenCLI 配置)。

    🔍 全网语义搜索

    集成 Exa AI 语义搜索引擎(MCP 接入),支持自然语言查询,免费无需 Key。

    完整平台支持列表

    平台 零配置功能 配置后解锁
    🌐 网页 阅读任意网页
    📺 YouTube 字幕 + 搜索
    📡 RSS 解析任意源
    📦 GitHub 公开仓库 + 搜索 私有仓库 / Issue / PR
    🐦 Twitter/X 读单条推文 搜索 / 时间线 / 长文
    📖 Reddit 搜索 + 读帖子和评论
    📕 小红书 搜索 / 阅读 / 评论
    💼 LinkedIn Jina Reader 公开页 Profile / 公司页面
    💻 V2EX 热门帖子 + 详情
    📈 雪球 行情 + 搜索 + 热榜 高级数据

    典型使用场景

    🎯 场景一:AI 产品调研助手

    让 AI Agent 同时搜索 Twitter 用户对竞品的真实评价、Reddit 上的讨论帖、YouTube 上的评测视频,再汇总成调研报告。以前需要人工切换多个平台的操作,现在一句话搞定:

    "帮我调研一下 Cursor vs Windsurf 的用户反馈,
    搜一下 Twitter 和 Reddit 上的讨论"

    🎯 场景二:技术视频学习加速器

    把 YouTube/B站的技术教程链接丢给 Agent,它会自动提取字幕、总结要点、生成笔记。再也不用花 2 小时看完一个视频才知道讲的是什么:

    "总结一下这个 YouTube 视频的核心内容:
    https://youtube.com/watch?v=xxx"

    🎯 场景三:全网信息监控与聚合

    设置定时任务让 Agent 监控特定关键词在 Twitter、Reddit、V2EX 等平台的最新动态,汇总后推送给你。特别适合追踪技术趋势、竞品动态或舆情监测:

    "每天早上搜一下 RAG 相关的最新讨论,
    看看 Twitter 和 Reddit 上有什么新进展"

    推荐理由

    💡 个人使用心得:

    作为一个每天和各种 AI Agent 打交道的人,Agent-Reach 解决了我最大的痛点——Agent 的「互联网盲区」。以前让 Claude Code 去查个资料,它只能靠内置知识或者我手动复制粘贴;现在装上 Agent-Reach 后,它能自己去看 Twitter 讨论、读 Reddit 帖子、甚至总结 YouTube 视频内容。

    最让我印象深刻的是它的「能力层」设计理念:它不自己造轮子,而是帮你在底层选好、装好、配好各个平台的最佳开源工具(twitter-cli、bili-cli、OpenCLI 等)。而且当某个工具失效时(比如 yt-dlp 被 B 站风控封了),它会自动切换备选方案,用户几乎无感。

    另一个亮点是 `agent-reach doctor`——一条命令告诉你每个渠道通不通、走的是哪个后端、怎么修。这种「体检」设计在开源工具里非常少见。

    如果你正在使用 Claude Code、Cursor 或任何 AI 编程助手,强烈建议试试 Agent-Reach。它会让你的 Agent 从「只能写代码的程序员」进化为「能联网调研的全栈工程师」。

    技术架构亮点

    • 多后端路由机制:每个平台维护「首选 + 备选」有序后端列表,某条路失效自动切下一条
    • 零包装层设计:Agent 直接调用上游工具,没有中间封装层,性能损耗最小化
    • SKILL.md 注册制:安装后在 Agent skills 目录注册使用指南,Agent 自动知道该调什么
    • 安全优先:Cookie 仅存本地(权限 600)、支持安全模式和 Dry Run、代码完全可审计
    • 跨平台兼容:macOS / Linux / Windows 全平台支持,兼容所有主流 AI Agent

    下载地址

    GitHub 仓库 github.com/Panniantong/Agent-Reach
    PyPI 安装 pip install agent-reach
    开源协议 MIT License
    Star 数量 ⭐ 30K+ Stars
  • Facebook上线AI搜索模式,你的公开帖子正在帮Meta训练回答

    Facebook上线AI搜索模式,你的公开帖子正在帮Meta训练回答

    Facebook的搜索结果要变样了。Meta正在把平台上用户发的公开帖子,变成AI生成回答的原材料。

    新功能叫”AI Mode”,已经在Facebook搜索栏里和”人物”、”Marketplace”并列出现。点进去得到的不是一堆链接,而是由Meta AI生成的回答,这些回答的内容来源是你和其他用户在Facebook、Instagram、Threads上公开分享的内容。

    Facebook AI Mode搜索功能
    Facebook搜索新增AI Mode选项

    背后的模型叫Muse Spark

    Meta把这背后的技术叫做Muse Spark AI模型。按照Meta的说法,这个模型会随着时间推移,逐步解锁引用Instagram、Facebook和Threads上用户分享内容的功能。

    这其实就是把社交平台上的真实用户内容,变成了AI回答的参考来源。你在Facebook上搜一个问题,得到的答案可能来自某个陌生用户在群里的一段讨论,或者某条公开帖子的描述。

    Meta官方表述:”使用Meta AI给你基于我们应用上人们公开分享的内容的答案。”这与Google在搜索结果和AI概览中引用Reddit帖子如出一辙。

    不只有搜索

    这次Facebook的AI功能更新不止AI Mode一个。Meta同时推出了照片预设功能,可以让用户用AI修改照片里的服装、发型、配饰。体育迷可以一键把自己的照片”穿”上主队球衣——操作路径是在Stories里点AI编辑图标选”Wear It”,或者进个人资料页点”用AI重新设计个人资料图片”后选”Wardrobe”选项。

    另一个功能是拼贴模板建议,比如自动生成”过去一个月的朋友聚会”类拼贴内容,以及自动生成流畅的风格化视频蒙太奇。这些功能都是可选开启的,用户随时可以关掉。

    隐私边界在哪

    AI Mode用的是”公开分享的内容”,理论上只涉及用户主动设为公开的内容。但问题在于,大多数用户并不清楚自己的公开帖子会被用来训练AI回答,更不知道这些回答会出现在别人的搜索结果里。

    Google引用Reddit内容时已经引发过一轮讨论——用户在自己帖子下的随意留言,可能变成某个陌生人搜索结果里的”权威答案”。Meta这波操作把同样的逻辑铺到了更大的规模上,毕竟Facebook的日活用户数量远超Reddit。

    Meta在新闻稿里特意强调,AI Mode是”在你已经使用的体验中”出现的,不需要额外跳转。这话换个角度理解就是:你本来就在刷Facebook,现在它顺便用你的内容训练AI,再用AI回答你的问题,整个过程你可能根本没意识到发生了什么。

    更大的图景

    这波更新的时间点值得注意。Meta一直在押注”社交内容+AI”的组合,它手里握着全球最大的社交内容库之一,把这些内容变成AI能力的护城河,是它在和Google、OpenAI、Anthropic竞争时的独特筹码。

    AI Mode目前正在逐步推出,不是所有用户马上都能看到。但按照Meta的节奏,这个功能会在接下来几个月内覆盖到大部分用户。到时候,你在Facebook上搜的任何问题,得到的第一个回答很可能不是链接,而是一段由Muse Spark生成的、引用了某位陌生人公开帖子的文字。

    想关掉这个功能?目前Meta的说法是相册分享建议可以关闭,但AI Mode作为搜索选项本身是否允许用户关闭,官方文档里还没有明确说明。


  • 马斯克告OpenAI偷商业秘密,法官直接驳回:再告也是白费劲

    马斯克告OpenAI偷商业秘密,法官直接驳回:再告也是白费劲

    马斯克的xAI又输了一场官司。这一次,法官甚至没让案件进入审理阶段——直接驳回,而且是以”with prejudice”的方式驳回,意味着这案子不能再重新起诉。

    美国加州北区联邦地区法院法官Rita Lin在6月15日的裁决中写道,继续推进这起诉讼”将是徒劳的”。这句话在法律文书里已经算是相当不客气的表达了。

    马斯克xAI起诉OpenAI被驳回
    xAI诉OpenAI案被法官驳回

    xAI告的是什么

    这起诉讼最早在2025年9月提交,xAI指控OpenAI窃取其聊天机器人Grok的商业机密,包括源代码和其他保密信息。案件后来经过修订,焦点缩小到一件事:前xAI高级工程师Xuechen Li在跳槽OpenAI的过程中,是否泄露了xAI的机密。

    xAI的具体说法是,OpenAI在2025年7月Grok 4发布后,知道自己即将推出的ChatGPT更新在复杂推理上”竞争不过”Grok,因为在强化学习和后训练技术上”落后了”——而Li恰好懂这些。

    xAI在修订后的诉状中称,OpenAI想要的是与Grok 4相关的机密,因为OpenAI即将发布的ChatGPT更新”无法在复杂推理上竞争”,且在Li所理解的强化学习和后训练技术上”落后”。

    法官为什么不买账

    法官Rita Lin的驳回理由其实挺朴素的。她说,招聘时让候选人聊一聊之前做过什么工作,这是再正常不过的操作,你不能因为人家问了,就推断是故意要套取商业机密。

    她在裁决书里写了一句很关键的话:”如果按xAI的逻辑判,那基本上任何雇主在招聘询问候选人过去工作时,都有可能摊上泄露商业机密的官司。”这个口子一开,整个硅谷的招聘就没法做了。

    OpenAI的律师在申请驳回时说得更加不客气:”OpenAI不需要任何人的商业机密,尤其是xAI的——那家公司在市场上正在失败,人才正在持续流失。”

    马斯克连输两场

    这次驳回是马斯克在短短四周内第二次在法庭上输给OpenAI。上一次是5月18日,联邦陪审团裁定马斯克提起的1500亿美元诉讼败诉——那起官司的指控是,OpenAI和Sam Altman”窃取了慈善机构”,背叛了公司最初作为非营利组织的使命。

    两起诉讼的背后是同一段历史:马斯克是OpenAI的联合创始人,但早在2018年就离开了董事会,后来彻底分道扬镳。2023年,他创立了自己的AI公司xAI,推出了聊天机器人Grok,直接与ChatGPT竞争。

    从那以后,马斯克在公开场合对OpenAI的攻击就没停过——发推、接受采访、提起诉讼。但法庭上的结果说明,光有舆论声势,在法律层面并不好使。

    OpenAI对两起驳回用了几乎同一套回应话术:”这个毫无根据的诉讼不过是马斯克持续骚扰活动的又一战线。”

    目前xAI方面没有对最新裁决作出公开回应。Xuechen Li本人也被xAI另行起诉,但他否认有不当行为。法官Lin的裁决只涉及xAI对OpenAI的诉讼,Li个人的案子仍在推进中。


  • 谷歌CEO斯坦福演讲遭嘘声:当科技巨头遇上校园抗议

    谷歌CEO斯坦福演讲遭嘘声:当科技巨头遇上校园抗议

    斯坦福毕业典礼上,200名学生用脚投票

    上周末,谷歌CEO Sundar Pichai在斯坦福大学发表毕业典礼演讲时,遭遇了一场小型”叛乱”。大约200名应届毕业生当场退场,没走的那些人则大声喝止这位科技高管。Pichai本人曾在斯坦福获得材料科学与工程研究生学位,但这次回母校,他收获的不是掌声。

    抗议的焦点是谷歌的军事合作关系——包括”云雀计划”(Project Nimbus),这是一份颇具争议的12亿美元合同,由谷歌和亚马逊共同提供云服务和AI技术给以色列军方。另一个靶子是谷歌与美国移民和海关执法局(ICE)的合作关系。

    Sundar Pichai在斯坦福毕业典礼
    谷歌CEO Sundar Pichai在斯坦福毕业典礼上遭到学生抗议

    学生的标语写得很直白

    现场学生举的标语包括”ICE用谷歌AI监视”、”种族灭绝运行在谷歌上”、”解放巴勒斯坦”等。学生们还挥舞巴勒斯坦国旗,高喊”解放巴勒斯坦”。一段网上视频记录了抗议现场。

    一份与抗议相关的声明写道:”我们退场,是因为我们拒绝美化那些煽动暴力的公司,我们要用我们的力量做出不同的选择。”

    这次退场是由多个校园激进组织联合组织的,包括斯坦福巴勒斯坦正义学生组织、”不要技术搞种族隔离”组织、以及”解放科技”组织。

    “我们退场,是因为我们拒绝美化那些煽动暴力的公司,我们要用我们的力量做出不同的选择。”

    谷歌的”云雀计划”到底怎么回事?

    随着加沙战争持续,谷歌参与”云雀计划”引发了公司内外的抗议。2024年,谷歌开除了28名抗议这份合同的员工,但此后公司一直面临内部异议。最近,电子前哨基金会(EFF)也批评了谷歌和亚马逊,指责它们”选择对以色列使用这些服务的行为视而不见”。

    “云雀计划”同样得到了亚马逊的支持。微软也因支持以色列军方而受到批评,不过在一项调查发现其云服务被用于大规模监视巴勒斯坦人之后,微软已经限制了以色列政府使用其技术的权限。

    硅谷大佬的反应很直接

    学生的抗议也引来了在线商业领袖的批评。Sun Microsystems联合创始人、硅谷最著名的风投之一Vinod Khosla在X上发文称,这场抗议”有偏见、愚蠢、短视且非常自私”。他补充说,自私是因为学生们”忽视了地球上最底层30亿人可能从AI中受益,而他们却在担心自己那些被误导的、自私的自身利益”。

    Pichai出现在斯坦福是更大模式的一部分。全国各地的大学毕业典礼演讲者都曾试图让应届毕业生对AI感到兴奋,结果遭到喝止。但很少有学生像对待Pichai那样针对性地表达敌意——他们的矛头不是指向AI炒作,而是指向他所领导的公司的具体商业决策。

    总的来说,年轻人似乎认为AI正在威胁他们的就业机会,而且可能还在毁掉社会的其他部分。


    这次抗议事件折射出的是年轻一代对大型科技公司日益加深的不信任。当AI成为这些公司推销给世界未来的关键技术时,它们自己的商业决策却在制造新的争议。Pichai那天的演讲,大概很难被在场的学生们听进去了。

  • 把同事「蒸馏」成AI技能:中国科技工作者的焦虑与反抗

    把同事「蒸馏」成AI技能:中国科技工作者的焦虑与反抗

    一个恶搞项目,戳中了中国程序员的集体焦虑

    上个月,一个叫”Colleague Skill”的GitHub项目在中国的社交媒体上疯传。项目的宣传很离谱——声称可以把同事的技能和性格特质”蒸馏”出来,然后用AI代理复现。虽然创始人后来承认这只是一个恶搞,但它在网上引发的讨论却一点都不好笑。

    项目的操作逻辑很简单:输入同事名字,加点基本信息,它就会自动从飞书、钉钉这些办公软件里导入那个人的聊天记录和文件,然后生成一份”可复用手册”,详细描述这位同事的职责——甚至包括他的一些小怪癖——好让AI代理能够模仿。

    AI同事技能概念图
    一个能把同事”蒸馏”成AI技能的项目,戳中了中国科技工作者的焦虑

    “它甚至捕捉到了那个人用小箭头的习惯”

    上海的一位科技工作者Amber Li(27岁)在社交媒体上看到这个项目后,拿它做了个实验——她用这个项目”重建”了一位前同事。几分钟内,工具就生成了一份文件,详细描述了那个人怎么工作。Li说:”效果出奇地好,它甚至捕捉到了那个人的小怪癖,比如他怎么反应、用什么标点习惯。”

    有了这个”技能”,Li就可以把一个AI代理当作新的”同事”来用——帮她调试代码,而且秒回信息。但她说,这种感觉既诡异又不舒服。

    “它甚至捕捉到了那个人的小怪癖,比如他怎么反应、用什么标点习惯。有了这个技能,我可以把一个AI代理当作新的’同事’来用。但感觉既诡异又不舒服。”

    老板们在推什么?

    自从OpenClaw在国内火了之后,中国的老板们就在推员工去试验AI代理。虽然AI代理能帮你读新闻、回邮件、订餐厅,但一线科技工作者说,这些工具在商业场景里的实用性目前为止还很有限。

    Emory大学助理教授Hancheng Cao(研究AI与工作)认为,公司让员工制作这种”工作蓝图”有充分的理由——除了跟风。他说:”公司不仅能获得工具的内部使用经验,还能更丰富地掌握员工的知识、工作流和决策模式这些数据。这帮公司看清工作的哪些部分可以标准化或编码成系统,哪些仍然依赖人的判断。”

    但对员工来说,制作代理甚至为它们制作蓝图,可能感觉奇怪而又疏离。一位软件工程师(因担心工作安全而匿名)用自己的工作流训练了一个AI(不是Colleague Skill),发现这个过程感觉很简化——就好像把他的工作压平成了模块,让他更容易被替代。

    反抗开始了

    这种”把人简化成技能”的推动也激发了聪明的对策。北京的一位AI产品经理Koki Xu(26岁)被这个想法激怒了,她在4月4日发布了一个”反蒸馏”技能。这个工具她大约花了一小时构建,设计目的是破坏为代理创建工作流的过程。

    用户可以根据老板观察的密切程度,选择轻度、中度或重度破坏模式,然后代理会把材料重写成通用的、不可操作的语句,产生一个没那么有用的AI替代品。Xu发布的项目视频在网上疯传,跨平台获得了500多万个赞。

    Xu告诉MIT Technology Review,她从一开始就关注Colleague Skill的趋势,这让她思考异化、失权以及更广泛的劳工问题。她说:”我本来想写一篇评论文章,但觉得做一个能pushback的东西更有用。”


    上海的那位科技工作者Li说,她公司目前还没找到用AI工具替代真实员工的方法,主要是因为它们仍然不可靠,需要不断监督。她说:”我不觉得我的工作马上就有危险,但我确实觉得我的价值在被廉价化,而且我不知道该怎么办。”

  • 从养老院机器人到”AI和尚”,韩国人为何对AI如此狂热?

    从养老院机器人到”AI和尚”,韩国人为何对AI如此狂热?

    韩国AI热潮
    首尔街头的AI机器人与数字化生活(配图由AI生成)

    从养老院机器人到”AI和尚”,韩国人为何对AI如此狂热?

    上个月,MIT Technology Review的一位记者从旧金山飞了12小时抵达首尔。入关时走的是无人边检通道,机器扫了一下脸和护照,完事。坐地铁进城,即便在地下,5G信号也是满格,车厢里每个人都在低头看手机。出了江南区的地铁站,一个卡通大眼睛的轮式机器人在路口耐心等红灯,它要去给某户人家送晚饭。

    这场景对韩国人来说,没什么好大惊小怪的。


    全世界最拥抱AI的国家

    皮尤研究中心去年在25个国家做了调查,问大家对AI的感受。结果出来,韩国是唯一一个对AI感到兴奋多过担忧的国家——只有16%的韩国人说自己”更担心而非更兴奋”,美国人这个比例是50%。

    韩国人每天都在用AI。政府部门的调查显示,大多数韩国人要么把AI当私人助手,要么在工作中靠它完成任务。这个国家有一种深入骨髓的信念:技术能让国家现代化,能在全球秩序中站稳脚跟。从钢铁、造船到半导体、智能手机,韩国每一次经济飞跃都是靠技术实现的。AI,不过是这段故事的下一章。

    韩国科学技术政策教授Chihyung Jeon说:”韩国政府把AI驱动的第四次工业革命定为国家前进方向,一直在 aggressively 推广和投资。韩国人持续不断地被政府告知,AI有潜力创造一个更美好的未来。”

    从教科书到寺庙,AI无处不在

    韩国人对新技术的街头测试热情,全球少见。AI网络漫画、虚拟K-pop偶像、人形机器人”和尚”——去年5月,韩国佛教曹溪宗寺庙里,一个叫Gabi的人形机器人正式出家,成为全球头条。

    政府部门的动作更快。2025年,韩国政府不顾争议,强行在全国学校推广AI教科书(后来被发现错误百出,不得不暂缓)。福利中心里,AI养老机器人已经上岗,陪老人聊天、监测健康数据。

    首尔江南区今年6月宣布,要把公交站升级成”AI公交站”——加一个信息亭,能用多种语言回答等车人的问题。这个消息在韩国人看来,稀松平常。

    国家意志:把AI当经济引擎

    这股全民AI热,很大程度上是国家级推动的结果。2024年,韩国国会通过了《AI基本法》,是全球最早的一部综合性AI法律,重点是促进AI发展,监管是轻触式的。

    总统李在明上任后承诺,要把韩国带进”全球AI三强”的行列,跟美国和中国并列。他成立了总统国家AI战略委员会,政府出钱帮企业买算力,还搞了一个”主权AI基础模型”项目,专门资助韩国公司开发本土AI模型。

    三星和SK海力士两家 semiconductor 巨头,目前供应全球大部分高带宽内存芯片——也就是英伟达那些训练AI模型用的硬件的核心组件。2026年,两家公司的股价双双突破1万亿美元,把韩国综合股价指数(KOSPI)推到了历史新高。


    盲点:谁在乎工作被取代?

    当然,这种一边倒的AI乐观主义,也有它的盲点。最突出的问题是:没人认真反思AI对社会、政治和伦理层面的广泛影响。

    今年1月,现代汽车宣布要在工厂里部署Atlas人形机器人,现代汽车集团工会立马强烈抗议。”没有劳资协议,一个用新技术的机器人都别想进车间。”工会放话道。

    64%的韩国人担心AI会抢走自己的工作,或者加剧不平等——尽管同时有52%的人认为AI能提高生产力。这种矛盾心态,在年轻人身上尤其明显。

    “算命、炒股、写方案,ChatGPT全包了”

    文章作者讲了一个自己的亲身经历。在一个周五晚上,她和堂兄弟姐妹们去首尔中央市场旁边的大排档吃宵夜,喝着烧酒兑啤酒。其中一个29岁的堂妹——在首尔做保险代理人,正祈祷能找到新工作和男朋友——说她最喜欢用ChatGPT算”saju”(韩国传统算命术)。她把出生日期输进去,让AI给她算命。

    韩国Gallup的调查显示,46%的20多岁的韩国人用聊天机器人算过命。这些年轻人沉迷屏幕,夹在失业和烂工作之间,买不起房也结不起婚——ChatGPT,在他们眼里,是通往更好未来的传送门。

    这位堂妹还说,她用ChatGPT问炒股建议,梦想靠投资账户发一笔。她把工资不停地往投资账户里塞。尽管她那么喜欢这个聊天机器人——把它当萨满和财务顾问——她还是担心自己的工作被AI抢走。但她还是在工作中疯狂用ChatGPT,因为所有同事都在用,怕落后。

    “我有时候害怕AI,但现在嘛,它实在太有用了。”她说。

  • 白宫急着在中期选举前搞定AI监管,手段是把儿童安全法案当”嫁妆”

    白宫急着在中期选举前搞定AI监管,手段是把儿童安全法案当”嫁妆”

    AI监管游说
    白宫与科技巨头的AI监管博弈(配图由AI生成)

    白宫急着在中期选举前搞定AI监管,手段是把儿童安全法案当”嫁妆”

    硅谷的游说团队最近很焦虑。他们追了好几个月的东西叫”联邦 preemptive 法案”——说白了就是一部全国统一的AI法,一旦通过,各州自己搞的那些AI监管条例全部作废。对科技公司来说,这简直是梦寐以求的终极武器。

    但现实很骨感。几个月下来,游说团队碰了一鼻子灰,全国范围内的政治反弹越来越强。更麻烦的是,中期选举就在眼前,一旦国会翻盘,民主党可没兴趣跟他们合作。留给科技巨头的时间,真的不多了。


    儿童安全成了”特洛伊木马”

    本周有消息泄露出来:白宫告诉儿童安全倡导组织和科技巨头们,它打算把参议员Marsha Blackburn(共和党,田纳西州)牵头的《儿童在线安全法案》(KOSA)打包进AI preemptive 一揽子法案里。KOSA这个东西已经折腾好几年了——它要求科技公司对孩子用户负起”注意义务”,AI公司也跑不掉。

    白宫打的算盘是:把儿童安全这个政治正确的议题,跟科技公司最想要的AI统一监管捆绑在一起,这样国会通过的概率就大多了。问题是,这一招搞得所有人都一头雾水。

    据《华盛顿邮报》报道,白宫本周会见了儿童安全团体和科技公司代表,表示将支持以KOSA为核心的一揽子AI立法方案。但消息传出后,众议院共和党人发现自己被蒙在鼓里——他们刚通过自己版本的KOSA。

    更尴尬的是,那些跟Blackburn一起推KOSA的民主党人,也是事后才知道这事儿。参议院版的KOSA在2024年曾经以91比3的压倒性优势通过,但那是”standalone”版本。现在突然要跟AI preemptive 绑在一起,民主党人不干了。

    “四C”条件:保守派的关键先生

    这出戏的关键人物叫Mike Davis。此人是特朗普的盟友,也是”第三条款项目”(Article III Project)的创始人。去年,就是他成功搞掉了参议院里另一个AI监管提案。现在,他在白宫的政策圈子里很有影响力。

    Davis提了一个条件,叫”四C”——儿童(Children)、保守派(Conservatives)、创作者(Creators)、社区(Communities)。他的意思是:任何AI preemptive 法案,必须同时照顾到这四方面的利益,否则免谈。白宫今年3月发布的AI立法框架草案里,已经部分采纳了这些价值,把KOSA塞进去就是为了满足”儿童”这一条。

    但Davis不满足。他直接放话给The Verge:”如果没法同时满足四C,这个法案连万分之一的通过机会都没有。我保证。”


    参众两院的KOSA之争

    就算科技公司愿意接受KOSA,参众两院之间还有一道大鸿沟。参议院版的KOSA要求科技公司承担”注意义务”,这个概念挺重的——意味着如果平台设计了让孩子上瘾的功能,是要负法律责任的。而且这个义务同样适用于AI公司。

    但众议院版呢?去年11月底,在众议院多数党领袖Steve Scalise(共和党,路易斯安那州)的主导下,这个条款被大幅稀释了。儿童安全倡导者当时就炸了。

    现在白宫绕过众议院,直接跟Blackburn的参议院版KOSA绑在一起,众议院共和党人自然很不爽。一位为中等规模科技公司游说的共和党人说得很直白:”没人知道这事儿到底谁在主导。所有人都深表怀疑,因为大家的立场差太远了。众议院不可能通过Blackburn想要的东西。”

    民主党人是绕不过去的坎

    就算特朗普能压住共和党不造反,还有一个更大的麻烦:民主党。参议院KOSA当年是由Blackburn和康涅狄格州民主党参议员Richard Blumenthal联合牵头的,以91比3通过。但那些民主党人现在才发现,自己辛苦推的法案被人拿去当AI preemptive 的”嫁妆”了,而且事先根本没人通知他们。

    一位AI政策倡导者说,如果Blackburn和白宫想推独立法案,那得走参议院程序,需要60票才能通过——这就意味着必须争取民主党人的支持。以目前的政治氛围,这几乎是不可能完成的任务。

    更何况,时间表也不站他们这边。现在是6月中旬,再过六个星期,国会议员就要休会,然后直接进入大选季。剩下的立法窗口,已经被FISA重新授权、移民收紧方案、国防开支增加、加密货币市场监管法案、医保预算等一堆更紧迫的事挤满了。

    “现在是6月中旬。你还有一个半月就要休会,然后就是大选季了。根本没戏。”一位AI政策倡导者这样告诉The Verge。

    Austin Carson——前英伟达政府关系负责人、现为专注于AI普及的非营利组织SeedAI创始人——对此更加不看好。他告诉The Verge:”我想象不出这个法案有任何推进的可能。真的想象不出来。”

  • LightRAG – 轻量级知识图谱RAG框架,微软GraphRAG的高效替代方案

    LightRAG – 轻量级知识图谱RAG框架,微软GraphRAG的高效替代方案

    🔍

    LightRAG

    轻量级知识图谱RAG框架 – 微软GraphRAG的高效替代方案

    🏫 香港大学
    📄 EMNLP 2025
    ⭐ 2.4K+ Stars

    📋 项目简介

    LightRAG 是由香港大学数据科学实验室(HKUDS)开发的轻量级、基于知识图谱的检索增强生成(RAG)框架。作为微软GraphRAG的高效替代方案,LightRAG专为法律、医疗、金融等复杂文档分析场景设计,支持多模态文档处理。其创新的双层级检索架构同时管理知识图谱(KG)和向量嵌入,解决了传统GraphRAG大规模数据处理时的高算力开销、响应慢、增量更新成本高等瓶颈问题。

    ⚙️ 安装要求

    ⚠️ 环境要求

    • Python 3.10 及以上
    • 推荐使用 uv 包管理工具(比 pip 性能更优)
    • 前端构建依赖:bun(如需自行构建WebUI)

    快速安装(三种方式)

    方式一:从PyPI安装(推荐)

    # 安装带API服务的LightRAG
    uv tool install "lightrag-hku[api]"
    
    # 构建前端产物
    cd lightrag_webui
    bun install --frozen-lockfile
    bun run build
    cd ..
    
    # 配置环境变量后启动服务
    cp env.example .env  # 修改.env中的LLM和嵌入模型配置
    lightrag-server

    方式二:从源码安装

    git clone https://github.com/HKUDS/LightRAG.git
    cd LightRAG
    
    # 一键初始化开发环境(自动安装所有依赖+构建前端)
    make dev
    
    source .venv/bin/activate  # Windows用 .venv\Scripts\activate
    
    # 配置环境变量后启动服务
    make env-base  # 生成.env配置文件
    lightrag-server

    方式三:Docker部署

    git clone https://github.com/HKUDS/LightRAG.git
    cd LightRAG
    cp env.example .env  # 修改LLM和嵌入模型配置
    docker compose up

    ✨ 核心功能

    🔍 双层级检索架构

    同时管理知识图谱(KG)和向量嵌入,弥合传统向量RAG和图RAG的技术鸿沟。支持5种查询模式:local(局部上下文)、global(宏观主题)、hybrid(融合模式)、naive(传统向量检索)、mix(默认,最全面)

    ⚡ 增量更新能力

    支持知识库无缝增量更新,新数据通过标准图索引pipeline生成局部图后直接合并到现有图谱,无需重构全局索引。删除文档时可基于构建阶段的LLM缓存快速重建受影响的关系,更新效率极高。

    🎯 多模态文档处理

    v1.5版本起支持多模态文档分析,文档处理管道支持MinerU、Docling、Native等多解析引擎,可高效提取文档中的文本、表格、公式、图像,实现跨模态实体和关系的统一映射与索引。

    💰 成本优势

    无需生成低效的社区报告或多跳推理来处理复杂查询,大幅减少索引和查询阶段的LLM调用次数,降低响应延迟和算力成本。在农业、计算机科学、法律、混合领域四类测试集上,性能均显著优于NaiveRAG、RQ-RAG、HyDE、GraphRAG等基线方法。

    🗄️ 多存储后端支持

    支持4类存储(KV存储、向量存储、图存储、文档状态存储)的灵活配置。生产环境可选择PostgreSQL、MongoDB、OpenSearch等统一后端,也可分别搭配Milvus/Qdrant做向量存储、Neo4j/Memgraph做图存储。

    🎯 典型使用场景

    📄 场景一:垂直领域复杂文档分析

    适用场景:法律合同审查、医疗病历分析、金融研报解读等需要深度上下文理解、逻辑推理的场景。
    优势:LightRAG的图索引能力可捕捉实体间复杂语义依赖,生成质量优于传统RAG。例如在法律领域,其全面性指标达到83.6%,远超NaiveRAG的16.4%。

    🏢 场景二:大规模知识库构建

    适用场景:需要处理海量文档、且知识库需要频繁更新迭代的企业知识库、技术文档站等。
    优势:LightRAG的增量更新能力可大幅降低更新成本,支持30B参数级开源模型也可达到高精度。无需每次都重构全局索引,显著提升运维效率。

    🚀 场景三:生产级RAG系统部署

    适用场景:企业级RAG应用,对高可用、低延迟、安全性有严格要求。
    优势:可通过配置统一存储后端、本地部署嵌入/重排序模型、调整并发参数,满足企业级部署需求。支持引用溯源、文档删除、RAGAS评估集成、Langfuse链路追踪等生产特性。

    💡 推荐理由

    作为一名经常与RAG系统打交道的开发者,我必须说 LightRAG 是我近期见过的最务实的RAG框架创新。它并没有试图颠覆什么,而是精准地解决了GraphRAG在实际落地时的三大痛点:算力开销高、更新成本高、响应速度慢

    最让我印象深刻的是它的增量更新能力。在传统GraphRAG中,每次添加新文档都需要重构整个知识图谱,这在动态知识库场景下几乎是不可接受的。而LightRAG通过局部图合并策略,实现了真正的无缝增量更新,这让它在企业级应用场景中具备了极强的竞争力。

    另外,它的多模态支持也非常实用。在现代文档中,表格、公式、图片的信息同样重要,但传统RAG往往只能处理纯文本。LightRAG v1.5通过集成MinerU、Docling等解析引擎,真正实现了对复杂文档的全面理解。

    当然,它并不是完美的。相比成熟的商业化方案,LightRAG在文档量和用户友好度上还有提升空间。但考虑到它是开源且活跃维护的项目,而且已经有EMNLP 2025论文背书,我相信它会成为RAG领域的一个重要里程碑。

    适用人群:如果你正在构建需要处理复杂文档的RAG系统,或者对GraphRAG的性能和成本不满,LightRAG绝对值得一试。特别是对于法律、医疗、金融等垂直领域的应用,它的知识图谱能力会让你事半功倍。

    ─────────────────── ✨ ✨ ✨ ───────────────────

    LightRAG 为RAG系统提供了一种更高效、更经济的解决方案。无论是构建企业知识库、垂直领域问答系统,还是进行RAG相关研究,它都是一个值得深入探索的优秀工具。

    你是否也在使用RAG技术? 欢迎在评论区分享你的经验和想法!

  • 特朗普封了Anthropic模型,全球「主权AI」大幕拉开

    特朗普封了Anthropic模型,全球「主权AI」大幕拉开

    全球主权AI浪潮
    全球”主权AI”浪潮加速

    特朗普政府一道命令,Anthropic把最新、最强的两个模型Fable 5和Mythos 5全部下线了。理由是国家安全和越狱风险。这件事发生在6月14日,距离这两个模型发布才过去几天。

    Anthropic说它没得选——白宫要求切断所有外国公民的访问权限,连自己的员工也在封禁范围内。这件事传递了一个信号:美国不仅主导了前沿AI,它的政府还可以决定谁能用、谁不能用。

    英国AI与在线安全部长Kanishka Narayan说:”我们以极其严肃的态度对待对主权的一切其他威胁,但我们还没有学会以同样的方式对待这个威胁。”他没有直接点名Anthropic或特朗普,但用这次封禁事件来论证英国必须发展自己的AI能力。

    欧洲:从担心到警惕

    在欧洲,这次封禁让本就存在的”美国技术依赖”焦虑变得更加具体。法国前总理、现任总统候选人Gabriel Attal直接把这件事称为”AI战争”的开始。他把Anthropic撤回模型比作伊朗封锁霍尔木兹海峡——AI访问权现在已经成了一个战略卡点,法国必须为此做好准备。

    Attal这么说不是孤例。《世界报》报道称,法国整个政治光谱都在表达类似的警觉。欧洲议会成员也指出,Mythos和Fable的撤回就是证据,说明欧洲需要把技术主权变成现实——而且要快。

    加拿大也学到了类似的教训。总理Mark Carney说,这种情况凸显了在关键资源(比如AI)上过度依赖单一伙伴的风险。”我们目前共同面临的Mythos和Fable的局面,是过度依赖某些模型时可能发生的事情。没有人在这个局面里做错了什么。但如果我们只是接受这个现状,不吸取教训,不搞多元化,那就是我们的错了。”

    主权AI不等于从头训练大模型

    当然,大多数政府和公司根本无法匹敌美国或中国前沿实验室的规模和资源。但主权AI并不总是意味着要造出最大、最强的工具。

    法国的Mistral和加拿大的Cohere证明了,来自这些国家之外的扎实努力是可能的——即使它们的模型还不能在基准测试上正面对抗。新加坡和阿联酋则专注于更窄但仍然具有战略优先性的方向,比如基础设施,或者更好地支持本地语言的模型。

    还有开源模型这条路。有一天,具有Mythos级别能力的开源模型可能会出现,到那时候,任何单一党派都很难控制访问权。


    特朗普可能把限制Mythos和Fable视为国家安全问题。但这个论点反过来也成立——华盛顿现在在问AI是否对所有人来说都太重要了,不能让所有人都有访问权;而其他国家的政府则在问,他们是否能承受让华盛顿来决定谁有访问权的代价。

    Anthropic可能很快会把Mythos和Fable重新上线。但要让全球对美国AI的信任恢复原状,那就是另一回事了。不管这次封禁持续多久,它都照亮了一个事实:对美国前沿AI模型的访问是多么脆弱。很多政府和公司不喜欢他们看到的情况——而且已经被激发起来,确保这种情况不再发生。