我们还年轻，可不想看到这个世界处在毫无自由、隐私的边缘。

近期，ChatGPT 5.1 Thinking 的 Juice Number 达到了 256。如果你的达不到，大概率是被降智了。

Juice Number 实质上是 ChatGPT 模型的 「思考预算 (Thinking Budget)」。

Juice 值不直接等同于模型的“智商”，但它限制了思维链 (Chain of Thought) 的长度。

当值过低时，即便模型本身能力强大，也会因为“思考预算不足”而表现出逻辑断层或回答肤浅，即常说的“降智”现象。

如果把 AI 的思考过程比作在纸上推演，Juice 值决定了这张纸的大小：

由于 Juice 值属于后台系统参数，常规对话无法直接获取。目前通用的检测方法是利用 Prompt Injection（提示词注入） 技术，通过伪装系统指令来绕过防御。

OpenAI 会根据 账号的风险评分（Trust Score） 动态调整算力资源。

常见原因：

降智表现：
不同模型的 Juice 值是不一样的，系统降智也有不同程度，可能会将 Juice 值从 256 降级至 128、96、64 甚至 16 等。

此时，模型在处理代码重构、长文本分析等复杂任务时，质量会显著下降。

以下是我的恢复步骤：

退出所有已登录该账号的设备（手机、电脑、平板等），确保没有任何活跃会话。

将账号闲置 48 小时。这段时间用于让后台的风控标记自动过期或重置。

最后重新登陆使用检测代码进行测试。

实测效果：

 

我们还年轻，可不想看到这个世界处在毫无自由、隐私的边缘。

在 iOS 26 中，Apple 终于引入了原生通话录音功能。出于隐私合规考虑，系统会在录音开始时强制播放 “This call is being recorded” 的语音提示。对于希望静默录音或自定义提示音的用户，目前唯一的解决方案是利用沙盒逃逸漏洞。

https://github.com/34306/bl_sbxhttps://github.com/34306/bl_sbx

该方案并非传统的“越狱”，而是一种沙盒逃逸（Sandbox Escape）技术。它利用了 iOS 系统中两个守护进程之间的信任机制缺陷，实现对受限文件系统的写入。

在操作前，请务必备份数据，避免风险。

由于目前自动化工具（如 Misaka26）尚未完全适配，使用 Python 脚本进行手动替换是较为稳妥的方式。

你需要一台电脑，并配置好 Python 3 环境。

你需要准备一个用于替换系统原声的音频文件。

将 iPhone 连接至电脑，并确保已点击“信任此电脑”。

操作完成后，请按照以下步骤验证是否成功：

我们还年轻，可不想看到这个世界处在毫无自由、隐私的边缘。

简单来说，GPT-5.1 的核心进化在于在智能和速度之间找到了一个绝佳的平衡点。

GPT-5.1 的可控性是它最大的亮点之一。可以像导演一样，精确塑造智能体的个性、沟通风格和行为模式，扮演每一个细节。

为智能体定义一个清晰的角色，是引导其个性和互动风格最有效的方式。这在需要处理复杂用户动态的客户服务等场景中尤为重要。 以下提示定义了一个注重效率和实用性的客户支持智能体：

通过 verbosity 参数和明确的提示指令，可以对输出的长度和结构进行精确控制。 为编码智能体设定的输出规则示例：

一个通用的输出长度控制指令：

在执行长耗时任务时，让智能体主动提供计划和进度更新，可以有效改善用户体验，并使用户能够监督其工作流。 定义更新频率、内容和时机的指令示例：

为防止智能体在复杂任务中过早结束，可通过提示强化其自主解决问题的持久性。

工具的有效使用，依赖于在定义中清晰描述其功能，并在提示中明确其使用场景。 create_reservation 工具的 JSON 定义：

配套的提示，用以指导模型如何与用户交互并调用该工具：

GPT-5.1 能够高效地并行执行无依赖关系的工具调用。在系统提示中鼓励这种行为可以显著提升任务执行效率。

GPT-5.1 集成了为编码场景设计的专用工具，允许模型直接与开发环境交互。

none 推理模式强制模型不使用内部推理步骤，使其在行为和性能上接近传统的非推理模型。这为低延迟应用和简单的工具调用场景提供了显著的性能优势。

尽管此模式下没有显式的“思考”链，但可以通过提示引导其进行隐式的规划和验证。

当智能体的行为与预期不符时，可以利用模型本身来分析和修正其系统提示。

诊断根本原因

向 GPT-5.1 提供其原始系统提示和一批失败案例的日志，要求它进行根本原因分析。

生成修订方案

基于第一步的分析结果，要求模型提出对原始提示的“外科手术式”修改。

通过这个两步流程，开发者可以利用模型自身的语言和逻辑能力，定位并修复提示中的模糊和矛盾之处，从而生成一个更健壮、行为更可预测的智能体。

总而言之，GPT-5.1 在可控性、效率和工具集成方面提供了新的可能性。掌握其提示工程原则，特别是行为塑造、工具使用规范以及自我修正等高级技巧，是构建下一代复杂 AI 应用的基础。

免责声明：本文不是法律建议。本文信息仅适用起诉讨债公司违反 FDCPA，其他类型诉讼请咨询专业律师。文中所有金额近似到了最近的 $100。

既然 Court filing 也是公开的，那我就公布这一页草稿好了，好奇讨债公司/律所的直接看这张图：

TL;DR

1. 还车时不要多说话
2. 讨债来讨债时，立刻寄挂号信 (certified mail) 要求债务验证 (debt verification) 并要求停止电话 (cease call)
3. 对方继续打电话 → 免费咨询 fee shifting 律师，按FDCPA 维权。（法定赔偿通常每案最高 $1,000）
4. 决定起诉后，律师把案件提交到了联邦地区法院
5. 提交到法院后，我跟讨债公司达成让我满意的庭前和解，具体和解条款无法公开

首先，推荐阅读这篇文章：经验分享 - 如何正确的与讨债公司作斗争？ - 美国信用卡指南。在此我引用一下这篇文章中的一些对付讨债公司的通用内容：

一般的讨债公司要么帮委托方追债，然后拿分成，要么就是以很低的价格买来坏账（比如一万块的债两百块买来），然后想尽办法（无论是威逼利诱还是恐吓威胁）逼着你付钱。只要一百个人里有两三个人付钱，他们就能赚钱。当然，对于不付钱的人，他们有上报信用局毁掉对方信用记录的特权。 正因为如此，FTC专门为他们准备了一部法律来管理规范他们的行为 （否则任何人都可以通过讨债公司找任何人追债并影响对方信用记录，乱套了）- Fair Debt Collection Practices Act

我起诉讨债公司的核心点正是因为讨债公司违反了 FDCPA：在收到我停止电话通知后，仍然给我打了电话。是的，就是因为不知道哪个 agent 不小心打电话打到我头上了，才有了精彩的反转

背景

• 起因是一次 Hertz 租车。取车时我没拍照检查。开出去十分钟才注意到前挡风玻璃有约 1cm 的小碎痕，极大概率是既有损坏，当时想着信用卡有保险就没深究。还车时我主动说明了刚取车就遇到的玻璃问题（事后看来这是最大教训：很多既有的小划痕/小裂痕，在流程中本来就可能被忽略；我主动自证，反而给了对方坑我的可能）
• 门店在原本租金 $200 的基础上直接加了 “Return on Damage” $400（这是店员当场在 Google 上搜到的这款车前挡风玻璃的价格），没有提供任何正式的损坏/定损文件，只说“会去调监控检查取车时的画面，如果是既有损坏会撤销”。因此门店从我信用卡中扣除了 $600。之后我再也联系不上门店
• 我向 AmEx 提交保险理赔，因为缺材料被卡住。我多次找 Hertz 要定损/维修凭证未果，于是我用 ChatGPT 写小作文对这 $600 中的 $400 发起了 Partial Dispute，后来也赢了，退回了 Return on Damage 单项，实际支付 $200
• 后续 Hertz 重新发来了定损，是 $900 多，这次是有明细的，于是重新提交 AmEx 保险，AmEx 也全额报销了 $900。Hertz 之后也跟进，我提供给他们了 AmEx 的 Claim number，他们在线查询后电话告诉我“恭喜，你的保险公司已经全额付了”

事情并未结束：讨债公司登场

• 过了大概半年，一个第三方讨债公司代表 Hertz 来电，要我支付当初还车时被柜台加上的那 $400，这也正是我 Dispute 掉的那部分金额。
• 我电话里要求使用 Apple Intelligence 录音，对方也同意录音。电话中对方坚称这个费用是租车费，不是维修费。我在电话里要求对方提供 debt verification（债务验证），结果他们只给了我还车时 Hertz 店员给我加上 $400 的原始收据。
• 我非常生气，于是按 FDCPA，和 ChatGPT 一起写了书面债务验证（debt verification）+停止来电（cease call）的挂号信（certified mail）。寄信成本 ~$10（使用的是Certified Mail Labels.com），虽然需要我付钱，但能换来安静与证据链，很值。信以那篇文章上的为模版，要求他们提供由第三方出具的 $400 “Return on Damage” 的 itemized cost。
• 期间我也再次确认了保险理赔情况：AmEx 表示已经给 Hertz 寄了支票（是否兑付当时无法确认），而 Hertz 客服继续打不通。

大反转：对方持续骚扰

正在我等着对方给我邮寄过来他们不可能提供清楚的 Debt Verification 时，转折来了：

• 大约一个月后，讨债公司无视我的挂号信，再次给我来电。接电话后我立刻要求录音，对方同意后，在电话中声称“已经邮寄验证材料”（我这边从未收到任何讨债公司的回复），以及声称这笔费用是 Return on Damage。还直接问我“现在可以刷卡付款吗？”
• 这一步是触发 FDCPA 保护的关键：我已书面要求停止电话联系，但他们仍打电话骚扰我。
• 这次来电讨债公司彻底把我激怒了。我之所以要求停止来电，就是因为他们每次打电话语气都非常恶劣，十分影响我心情，间接影响我生活和工作。
• 我随即向 CFPB/BBB 投诉，请求停止骚扰并主张对方赔偿 FDCPA $1,000 statutory damage。对方只答复“关闭债务账户、不再上信报、不再致电”。但对方并未赔偿，也并未承认错误或道歉，因此我不打算放过他们。

起诉！

我把所有的信息全都喂给了当时最好的模型：ChatGPT o3-mini-high，同时也使用了 Deep Research 功能要求它帮我分析已有案例的判决，询问能否获得赔偿。GPT 给到我的是：基本稳赢。GPT 甚至查到了别人因为骚扰电话起诉同一个讨债公司的案例，并给我提供了真实的链接。GPT 更建议我找 fee shifting 的 FDCPA 律师，而不是 small claim court。我随即让 ChatGPT 找了个曾经赢过多次类似 FDCPA 的律所。

• 我在律所网站线上提交了表格，对方约了个免费律师评估。律师认为除了违反 FDCPA，还可能有 TCPA 角度的问题。告知我最终我能拿到最多 $1,000，如果有 TCPA 违规的话还可以拿 $500/通电话。
• 这个律所和大多数 FDCPA 律师一样：不需要我先付费。赢了后由讨债公司付我的律师费，我也能拿到赔偿；输了的话律师自己承担产生费用。只有中途我反悔不想打了，才可能产生费用风险。综合考虑后我决定起诉。
• 我给律师提供了我寄的挂号信、挂号信送达 receipt、来电截图、电话录音、AmEx 赔偿收据、CFPB/BBB 投诉信以及整个事情的来龙去脉。我跟律师之间享有 Attorney-client privilege，所以我把能提供的所有信息都发过去了。
• 律师收到所有资料后，起草了很长的起诉状（Complaint），核心要求包括：
  • 要求法院依据 15 U.S.C. § 1692k(a)(2)(A) 判给最高 $1,000 的法定赔偿；
  • 要求法院禁止该讨债公司今后再通过电话联系我；
  • 要求法院依据 15 U.S.C. § 1692k(a)(1) 判给实际损失赔偿；
  • 要求惩罚性赔偿；
  • 要求依据 15 U.S.C. § 1692k(a)(3) 由对方承担诉讼费用及合理律师费；
  • 以及法院认为合理、公正的其他救济。

后续：达成和解

在案件提交到联邦地区法院后，对方和我的律所商量出来了一个和解方案，我也满意接受了。因为和解保密条款，具体条款不便公开。

总结

1. 还车别多说：一旦主观性描述，很容易被当场加钱，后续追回麻烦。任何 damage 应该交给定损部门定损。
2. 可疑账单先要“书面凭证”：只给收据截图不等于合法的验证材料。
3. 讨债来电的第一步是“挂号信”：
   • 寄债务验证（debt verification） 请求；
   • 明确要求停止电话联系（只接受书面信件/电子邮件）；
   • 用 certified mail。
4. 保存所有证据：账单、短信、通话时间、来电号码、邮寄回执、录音。
5. 多个投诉渠道同时：信用卡争议（chargeback/dispute）可以控制自己经济损失；CFPB/BBB 投诉也成功让他们进一步调查，并关闭了我的债务账户并书面回复我不再打电话。
6. 想要拿钱就请律师：这类案件很多是风险代理或由对方承担律师费；自己前期一分钱都不用出（但注意税务问题）

常见问题

会被租车公司“拉黑”吗？

我起诉的是讨债公司，不是 Hertz 租车公司。我的 Hertz 账户在达成和解后也一直可以正常用。

是不是小额法庭？要自己出庭吗？

这类联邦 FDCPA 案件通常不是小额法庭。如果找了律师，全程不需要自己做什么。我的案件由律师提交到了联邦地方法院（U.S. District Court）；全程我只提供了资料，然后签了几个字。我对我的律所很满意，找律师会比小额法庭省事很多，而且律所会帮你争取更高的赔偿。

能拿多少钱？

我无法公开我的和解条款，因此我无法透露我拿到了多少钱。这件事因案而异，很多案件以和解收尾。对于达成和解这种情况，对方给的和解金通常考虑到了律师费。我的律师收费是和解金的 45%，其中诉讼的费用（大约 $500）我来承担（换言之我可以拿到 X * 55% - $500）。需要注意的是如果是达成和解，对方的赔偿金需要全额纳税，律师费和诉讼费不一定能抵税（Commissioner v. Banks, 543 U.S. 426 (2005)）。因此如果当年税率高的话，存在被 IRS 返薅的可能！（非税务建议）

附件：我寄出的挂号信

（Abstract）在日本进行携号转网还是比较方便的，而且回馈丰厚。

朋友向我哭诉，分手半个月之后突然又劈面重逢，于是自己感觉心湖里掀起滔天巨浪，悲痛得不能自已。

因此，请求我「给两耳光」，好把他打醒。

我没这个本事，如果两耳光就能把分手的痛苦抽走，那我家早就门槛踏烂，50 块钱一次我能把我的右手直接做到上市。而且，用一种痛苦克服另外一种痛苦这种事情，我本身就不认可。一个人不能因为吃重庆火锅辣到双眼流泪，就让别人给自己的屁股上涂一点氨水。不会有任何缓解的，只会嘴巴火烧火燎，同时屁股也火烧火燎。

说到这里，分手和辣味的原理应该是一样的。分手是一种痛觉，辣味也是一种痛觉。为了缓解辣味，各种偏方让人喝冰水喝牛奶啃黄瓜嚼巧克力，这里面大半都没有任何用，剩下的和处理方式是否及时，个人体质是否符合有关。

真正有效的只有时间，当你忙着去找这些东西，上气不接下气时，时间悄悄流逝，辣味素对你的刺激会渐渐衰减。

但人类太脆弱，不能直接给出这个答案，那样会让人在痛苦的同时又陷入绝望。纵然是屁用没有，一个人嘴里着了火，满心想着「找到冰水就好了」、「喝了牛奶就好了」之类的念头，痛苦就不那么难熬，也就容易忍受一些。

唯有极度理性冷静的人，才会告诉自己顺其自然，默默承受，坚信这是最好的方式，痛苦的感觉终将过去，反而是喝下太多冰水容易造成窜稀，胃也没有空间继续吃火锅，那就亏大发了。

分手也是一样。并不因为我现在中老年了，有了些见识，有了些经验，我就可以违背痛苦的化学定律，让这段人人都需要生受的时间无限缩短。一次分手的痛苦可以维持长达 365 天，我正反手两耳光之后，这种痛苦最多缩短到一年而已—大概就是这么一种换算方式。

除了痛苦物质随时间中和稀释这一化学定律之外，分手也遵循物理学中的牛顿力学定律，也就是力与反作用力定律。一个人感受到多大的分手痛苦，取决于当初这个人爱得有多深，有多投入。当这些炽热的力量反过头来对付自己的时候，爱恋和痛苦是等效的。

也就是说，如今感受到汹涌的痛苦，是因为曾经汹涌地爱过。如今感受到窒息般的痛苦，是因为曾经爱到窒息。

如果要实话实说，那我会直接回答：除了时间，没有什么东西可以平复分手的痛苦，不用去妄想立即可以从中解脱出来。如果有能力即刻解脱，那么就无法解释当初为什么会爱上。

如果要站在老登的角度来说，那我只会恭喜每一位因为分手的折磨而死去活来的人，并且希望各位铭记这种痛苦的鲜活感受。因为此刻如此痛苦难熬，证明了你曾经如此认真，如此投入，如此相信爱情。

随着年纪增长就会知道，认真和投入这种品格会逐渐消失，人们也会不再相信爱情，认为那不过是世间各种现实条件相互妥协下的副产品—有，固然很好，没有也很正常。

还能感受到痛苦，那是心中的天真尚未死去，你的认真和投入依然存在，你对爱情的信仰没有被现实算计取代。 这是一件多么美好的事情，而正在承受痛苦的你又是一个多么美好的人。

甚至我可以继续说，纵然这种痛苦此刻让你难于承受，但它本身也是一种多么美好的情感，一段多么美好的体验。因为总有一天你会长大成熟，你会变得现实，你会不再天真更不相信爱情。彼时分手对于你而言最多会带来一些失望或是愤怒，而刻骨铭心的痛苦却不再出现，因为你已经是个成熟的，冷静的，铁石心肠，把自己封闭起来戴上面具的大人了，你只为房价股价身价而痛苦。

所以，趁着现在还能感受到剧烈的痛苦，请沉浸式地体验一下这种强烈、鲜活的苦涩滋味吧。在平常时候，人很难觉察到自己的心。而在这种时候，借助于痛苦的侵扰，你可以发现你那颗年轻的、天真的、美好的心，它每次搏动都在流血，你因此知道它的存在。

之后你人生中所有的际遇，所有的成就，所有的人生色彩，都仰赖于它的力量。你得做个有心的人，你得感受到它在你胸骨后面跳动。当你感受它的力量在对付你的时候多么强大，你也就会相信它未来在对付世界时会有多么强大。

我知道，人在分手的时候想听的不是这些话，尤其是道理。只是想有个人倾听自己的痛苦，仿佛有人听到了，自己的喘息就会容易一些。所有分手的人都是同样的，当自己分手的时候，感觉是世界上第一次有第一个人在遭遇这样的事情，需要有谁见证一下。

很明显，我不是那个合适的人选。不过，反正人们对我期待也不是倾听，而是耳光，所以我说什么怎么说也没什么紧要。

总之，摸摸头吧。

（Abstract）利用自己喜欢的视频片段来记单词是一种效率比较高的方式。

💾

我们还年轻，可不想看到这个世界处在毫无自由、隐私的边缘。

CLAUDE.md 是代码库的根目录中最重要的文件，它是代理理解你项目运作方式的核心规则。如何维护它，取决于使用场景。

正确示例:
“对于复杂的…用法，或当您遇到 FooBarError 错误时，请参阅 path/to/docs.md 以获取高级故障排除步骤。”

你需要向代理建议阅读这份文档的理由和时机。

正确示例:
“不要使用 --foo-bar，请优先选择 --new-baz。”

建议在编码会话中至少运行一次 /context，以了解你的 200k 令牌上下文窗口是如何被消耗的。

在一个大型单体仓库中，一次新的会话基本消耗可能就高达约 20k 令牌（10%），剩下的 180k 会很快被填满。

你可以将上下文窗口想象成磁盘空间，它会随着你的工作而填满。几分钟或几小时后，你需要清理（紫色部分）来腾出空间。

小提醒：
不要信任自动压缩。
使用 /clear 进行简单任务，并利用存储方法为复杂任务创建持久的外部记录。

我将斜杠命令视为常用提示词的快捷方式，仅此而已。我的设置非常精简：

小提醒：
如果你发现自己有一长串复杂的自定义斜杠命令，那你可能过度思考了。
AI 代理的魅力在于自然语言交互，一旦你开始强迫自己和团队去记一堆指令，就违背了初衷。
将斜杠命令用作简单的个人快捷方式，而不是用来替代构建更直观的 CLAUDE.md 和更完善的工具。

子代理听起来很美：把特定任务（比如跑测试）外包给专门的代理，只返回最终结果，从而保持主上下文的清洁。

然而，在实践中，自定义子代理会带来两个问题：

我更喜欢使用 Claude 内置的 Task(...) 功能来生成通用代理的副本。

这既能享受到子代理节省上下文的好处，又避免了其缺点。代理能够动态地管理自己的任务编排，而不是遵循固定的模式。

我经常使用 claude --resume 和 claude --continue 来重启出问题的终端或快速恢复旧会话。

我甚至会恢复几天前的会话，只为让代理总结它是如何解决某个特定错误的，然后用这些信息来优化改进 CLAUDE.md 和内部工具。

更进一步，Claude Code 将所有会话记录存储在 ~/.claude/projects/ 中。可以使用脚本定期对这些原始日志进行元分析，寻找常见的异常、权限请求和错误模式，以帮助优化改进给 AI 的上下文。

钩子 (Hooks) 是确定性的“必须做”规则，与 CLAUDE.md 中“应该做”的建议形成互补。在复杂的任务代码库里，这东西至关重要。

小提醒：
不要在“写入时”（比如 Edit 或 Write 操作）阻止。
打断它的思考过程会让它出现不明所以的判断。更好的方式是让它完成整个工作，然后在最后提交时检查结果。

对于任何大型功能变更，使用规划模式至关重要。

技能（Skills）可能是比 MCP 更好用。

智能体模型三个阶段：

Agent Skills
正是“脚本化”阶段的正式产品化。如果你像我一样，倾向于使用 CLI 而非 MCP，那么你其实一直在享受 Skills 带来的好处。
SKILL.md 文件就是一个更规范、可共享的方式来告诉 AI 它能用哪些脚本和 CLI。

Skills 的出现并不意味着 MCP 已死，而是使其更加聚焦。

与其成为一个包含几十个工具、镜像 REST API 的臃肿接口，MCP 应该是一个简单、安全、提供少数强大高阶工具的网关。比如：

MCP 的工作会是管理认证、网络和安全边界，然后让开。为代理提供入口点，代理则利用其脚本化能力和上下文来完成实际工作。

Claude Code 不仅仅是一个交互式 CLI，它还是一个强大的 SDK，可用于构建全新的通用代理框架。

Claude Code GitHub Action 是最被低估的功能之一。概念很简单：在 GHA 中运行 Claude Code。

它比 Cursor 的后台代理 或 Codex 的托管 Web UI 更具可定制性。你完全控制容器和环境，拥有更强的数据访问权限、沙盒能力和审计控制。

我们可以用它来打造智能 PR 的工具：从 Slack、Jira 或者监控警报触发一个 GHA，让 AI 自动修复 bug 或添加功能，然后提交一个测试通过的 PR。

GHA 的日志就是 AI 的完整工作记录。我们可以定期分析这些日志，以发现常见的错误和不一致的工程实践，然后优化我们的 CLAUDE.md 和 CLI，形成一个数据驱动的飞轮

最后，分享几个常用的 settings.json 配置：

我们还年轻，可不想看到这个世界处在毫无自由、隐私的边缘。

第一次看到时，我真的笑出声。但笑着笑着，就觉得有点不对劲了。

这个研究，可能说的就是我们自己。

https://llm-brain-rot.github.io/

首先，这研究不是段子，是来自德州 A&M、德州大学奥斯汀分校和普渡大学的硬核论文。简单来说，他们做了个实验：

把一个正常的 AI 大模型（对照组），和另一个被强迫刷了几个月推特、Reddit 等社交媒体的 AI 模型（实验组）进行对比，他们用了两种标准“垃圾信息”：

结果发现了不得了的事：

喂了垃圾数据后，AI 在推理、长文理解、安全等方面全面降智。

而且，这是一种 “剂量反应”：垃圾数据的比例越高，AI 就“脑损”得越厉害。

看个例子就明白了：

在一项叫“ARC-Challenge”的推理测试中（考验 AI 举一反三的能力），随着提供垃圾数据（M1 型信息标准）的比例从 0%增加到 100%，AI 的准确率从 74.9% 直降到 57.2%。

下面这张表更直观，我从原论文里摘了几个关键数据（红色代表性能变差）：

简单的说：AI 不仅降智了，还变得更不安全、性格更“黑暗”了。

研究人员对 AI 犯的错误进行了分析，发现最关键的是它学会了偷懒，也就是 不思考了。

上图显示，在“脑腐”之后，对比基准，AI 思维的错误显著增多。它不再愿意进行一步一步的严谨推理，而是倾向于直接跳到结论，M1 的影响更是大于 M2。

这不就是我们在信息流里被训练出的习惯吗？

最让人难接受的是，这种“脑腐”基本不能治愈。

研究人员试着用大量高质量的“干净”数据去“修复”那个降智的 AI，结果发现效果相当有限。

即使经过大规模的“高质量训练”，性能也只能部分回升，始终无法恢复到基本水平。

这意味着，AI 的内部认知结构，或者说它的“世界观”，已经被永久性地改变了。

看到这里，你是不是也品出点别的味道了？

虽然研究的是 AI，但你很难不怀疑这个研究是在指桑骂槐。

如果 AI 会因为刷垃圾信息而变傻，那当前互联网信息环境里的我们呢？

仔细想想，我们身边是不是已经有太多迹象了：

“大学教授也可能转发每日口服 7 颗绿豆能够逆转高血压……的文章，学术训练的强度和社交网络垃圾文章洗脑的强度不可同日而语。”

我们以为自己是在驾驭信息，但很可能，我们只是在被网络信息洪流日夜冲刷，以为自己有足够的知识和阅历来抵御侵蚀，但长年累月的垃圾信息轰炸，可能正在不知不觉中重塑我们的大脑。

大脑的认知逻辑正在被悄悄地改变。

去查查那些著名社交平台的创始人，看看他们自己每天花多少时间在手机上？

你会发现一个很有意思的现象：很多产品的设计者，自己反而刻意与产品保持距离。这背后的原因，值得我们每个人深思。

一个小测试：

读到这里，你还记得这篇文章是怎么开头的吗？

…

想不起来也没关系。

这可能就是一个信号，提醒我们是时候让大脑从无休止的信息流中抽离出来，安静一会儿了。

为了保护你的脑子，现在，是不是该对我说声“谢谢”？🙂

我们还年轻，可不想看到这个世界处在毫无自由、隐私的边缘。

针对 Claude 模型的专业提示词工程技术，涵盖 Sonnet 4.5, Sonnet 4, Haiku 4.5, Opus 4.1, 和 Opus 4 等型号，以助你在各类应用中获得卓越性能。相较于前代 Claude 模型，新一代模型经过专门训练，能够更精确地遵循指令。

Anthropic 于周三发布了 Claude Haiku 4.5，这是一款紧凑型 AI 模型，其编码性能与 5 月份的 Sonnet 4 相当，运行速度是其两倍多，成本约为三分之一。

该模型输入令牌每百万美元 1 美元，输出令牌每百万美元 5 美元。并向所有用户免费提供 Haiku 4.5。

https://docs.claude.com/en/docs/build-with-claude/prompt-engineering/claude-4-best-practices

Claude 4 模型对清晰、明确的指令响应极佳。具体说明你期望的输出，有助于显著提升结果质量。
如果用户期望获得前代模型中那种“超越期待”的主动发挥行为，在 Claude 4 中可能需要更明确地提出此类要求。

示例：创建数据分析页面

低效案例：

高效案例：

提供指令背后的上下文或动机，例如向 Claude 解释为何某个行为至关重要，能帮助 Claude 4 模型更好地理解你的目标，并给出更具针对性的回应。Claude 足够智能，能够从你的解释中进行泛化。

示例：格式化偏好

低效案例：

高效案例：

作为其精确指令遵循能力的一部分，Claude 4 模型会密切关注你提供的细节和示例。

请确保你的示例与你希望鼓励的行为保持一致，并尽量减少你希望避免的行为。

Claude Sonnet 4.5 在需要长期推理的任务中表现卓越，具备出色的状态追踪能力。它通过专注于增量进展（一次稳步推进几件事，而非一次性尝试所有事）来在扩展会话中保持方向感。

此能力在跨越多个上下文窗口或任务迭代时尤为突出，Claude 可以在一个复杂任务上工作，保存其状态，然后在新的上下文窗口中继续。

Claude Sonnet 4.5 具备上下文感知能力，使其能在整个对话中追踪剩余的上下文窗口（即“token 预算”）。这使得 Claude 能够通过了解其可用空间来更有效地执行任务和管理上下文。

如果你在代理框架（Agent Harness）中使用 Claude，且该框架会压缩上下文或允许将上下文保存到外部文件（如 Claude Code），建议你将此信息添加到提示词中，以便 Claude 采取相应行动。否则，Claude 在接近上下文限制时，有时会自然地尝试结束工作。

示例提示词：

对于跨越多个上下文窗口的复杂任务，请遵循以下策略：

示例：状态追踪文件

与前代模型相比，Claude Sonnet 4.5 的沟通风格更为简洁和自然：

这种沟通风格能准确反映已完成的工作，而无不必要的赘述。

Claude Sonnet 4.5 倾向于高效，可能会在调用工具后跳过口头总结，直接进入下一步行动。虽然这创造了流畅的工作流，但你可能希望更多地了解其推理过程。

Claude Sonnet 4.5 经过训练，能精确遵循指令，因此明确指示其使用特定工具会带来更好的效果。如果你说“你能建议一些修改吗？”，它有时只会提供建议而不是实施它们，即使你的意图是让它直接修改。

低效案例 (Claude 只会建议)：

高效案例 (Claude 会直接修改)：

以下几种方法在 Claude 4 模型中被证明对引导输出格式特别有效：

Claude Sonnet 4.5 展示了卓越的代理搜索能力，能有效地从多个来源查找和综合信息。为获得最佳研究结果：

Claude Sonnet 4.5 在原生子代理编排能力上有了显著提升。模型能够识别出哪些任务可以从委托给专门的子代理中受益，并主动这样做，无需明确指示。

若希望 Claude 在你的应用中正确地识别自己或使用特定的 API 字符串：

Claude 4 提供的“思考”能力，对于需要在工具使用后进行反思或进行复杂多步推理的任务特别有帮助。
你可以引导其初始思考或交错思考以获得更好的结果。

Claude Sonnet 4.5 擅长创作演示文稿、动画和视觉文档，其表现与 Claude Opus 4.1 相当甚至更优，具有令人印象深刻的创造力和更强的指令遵循能力。在大多数情况下，该模型能一次性产出精良、可用的成果。

Claude 4 模型擅长并行执行工具，其中 Sonnet 4.5 在同时启动多个操作方面尤为积极。模型会：

这种行为是可引导的。虽然模型在没有提示的情况下并行调用工具的成功率很高，但你可以通过提示将其提升至接近 100% 或调整其积极程度。

Claude 4 模型有时会为测试和迭代目的创建新文件，尤其是在处理代码时。这种方法允许 Claude 将文件（特别是 python 脚本）用作“临时草稿”，然后再保存最终输出。使用临时文件可以改善代理编码用例的结果。

Claude 4 模型能生成高质量、视觉独特且功能齐全的用户界面。然而，若无引导，前端代码可能默认为缺乏视觉趣味的通用模式。为获得卓越的 UI 结果：

Claude 4 模型有时可能过分专注于让测试通过，而牺牲了更通用的解决方案，或者可能使用辅助脚本等变通方法进行复杂重构，而不是直接使用标准工具。

为防止此行为并确保解决方案的健壮性和通用性：

Claude 4 模型更不易产生幻觉，能基于代码给出更准确、有根据、智能的答案。为进一步鼓励此行为并最小化幻觉：

 

我们还年轻，可不想看到这个世界处在毫无自由、隐私的边缘。

近期发现一款免费、开源的广告屏蔽软件「Zen」，和 Zen Browser 网页浏览器同名，不过是完全不一样的工具。

Zen 更像是知名软件 AdGuard 免费替代方案，两者运作方式很类似，不仅仅在浏览器屏蔽广告，任何会通过网络连接的应用程序都能经由 Zen 进行广告屏蔽，随时保护用户免于安全和隐私的侵扰。

Zen 是强大的桌面应用程序，在用户浏览网络时自动屏蔽广告、追踪器或任何隐藏的威胁，本身相当快速、轻量化、无任何干扰，不用再去寻找各种浏览器扩展，只要 Zen 就能轻松做到！

如同 AdGaurd 它也自带强大的过滤器，支持各种类型的屏蔽规则，例如广告、隐私、恶意软件、36 个地区的屏蔽列表和设置清单等，也能将自己惯用的屏蔽清单加入设置规则，Zen 具有中文在内等多国语言，设计很简单，没有太多复杂或难懂的技术性选项。

依照网站说明，Zen 来自一个小团队，尊重用户隐私，不追踪或是收集任何资料，如果你正在寻找「系统层级」的广告屏蔽工具，它就是可以考虑的选择。

网站名称：Zen
网站链接：https://zenprivacy.net/ 〔GitHub〕

进入 Zen 官方网站后往下找到「下载」链接，可以找到 Windows、macOS 和 Linux 版本，分别支持 x64、ARM64 两种不同的处理器类型。

举例来说我下载的是 Zen for macOS〔ARM64〕，下载、运行后将它拖曳到应用程序资料夹即可使用。

进入 Zen 主画面看起来像下图，点击下方「Start」按钮启动保护。

要注意的是第一次使用 Zen 会要求安装根证书〔Root Certificate〕，这是让 Zen 拦截、修改 HTTPS 请求的必须项目，证书是在本机生成，不会离开用户设备，大家熟悉的 AdGuard 也是使用相同机制。

接着先切换到「设置」页面后将语言调整为中文，有兴趣的朋友也可以去协助翻译一下。

在过滤列表可以启用、停止指定的过滤器，包含各种类型，包括通用、广告、隐私、恶意软件、地区性和设置等，没有特别的需求就直接维持默认值即可，若有需要启动或是停用过滤器必须先将 Zen 防护功能关闭〔点击下方停止〕才能继续。

想从其他广告屏蔽工具转换到 Zen 也可以将设置规则导入，非常方便。

从 Zen「主页」就能看到网络流量被屏蔽、封锁的情形，包括存取方法、网址、来源、过滤器名称和规则等，当使用上有发现任何问题时也可以从这里找到过滤器，将指定的封锁路径关掉。

虽然说 Zen 是免费、开源广告屏蔽工具，完全不用花费任何一毛钱就能使用，而且也自带不少筛选器规则，在系统端进行过滤、屏蔽的好处是不用再寻找各种广告屏蔽扩展，只要一个应用程序就能搞定！除了浏览器以外，其他软件也都能有效。

标题写着好玩。下面说一些感兴趣的东西。


1. 离线下载： 马上下 和 比特球云盘

2. 电影：大象席地而坐

3. MV：滨崎步《my all》（点击）

4. 软件：小狼毫（点击）

5. Youtuber：李小忍（点击）、吴凤（点击）、锺明轩（点击）、老高（点击）

6. 最佳裸照（男）：Xavier Serrano 

7. 在线电影：在线之家（点击）

8. 一个微博：龚林轩（点击）

9. 教程：keepass（点击）

10. 男朋友！❤️

 

如果在 https://rarbgprx.org/ 看到一部很想要的色情片，网盘离线下载不成功 ，那么我会用这个工具 ： qBittorrent 增强版 ( 下载 ) 。

这个软件我们在下载种子前添加 tracker 就能提速；

1. 使用方法：

运行之后，选择--工具--选项，这里添加 tracker，如下：


2. 到哪里复制 tracker ？

    torrents ：https://torrents.me/tracker-list/


    github ：https://github.com/ngosang/trackerslist


    newtrackon ：https://newtrackon.com/list


说明：

添加后记得在自动更新tracker选项打勾！以后就不用再添加了。

以前使用 115 网盘都是为了下载大体积的电影收藏， 后来发现没那么热爱电影，所以没续费了（且为了省钱），然后陆陆续续找到了其他一些有离线下载 功能的网盘 :

1. Pydown : https://www.pydown.cn/

2. 马上下 ：https://wapp.flyoffline.com/


3. 比特球云盘  :  https://pan.bitqiu.com/


4. 黑科云 ：http://www.heikeyun.net/


5. 离线盒子 : http://www.lixianhezi.com/p/lixian/


总结：

比较常用的是马上下 ，下载一个电影只花一块钱，离线率也比较高。

使用shadowosocks（简称SS）后，自建本地无污染的DNS（带DNS缓存， 加速解析）也是很好的。

如何建立本地DNS缓存，超级简单，下载主程序，将配置文件放到主程序文件夹，运行安装即可，默认随系统启动。

1. 打开下载win版本，解压到非中文目录 ：

https://github.com/jedisct1/dnscrypt-proxy/releases

2. 下载配置文件：

https://github.com/CNMan/dnscrypt-proxy-config


将配置文件放步骤1解压的文件夹里面，删除自带的几个example开头的文件，右键运行service-install.bat 。

3. 设置DNS为127.0.0.1


这样就完成了。

你会在计算机管理看到一个自启动的DNS项目。

（Abstract）日本和中国的人口普查内容差异巨大。来看看各是什么内容？

我们还年轻，可不想看到这个世界处在毫无自由、隐私的边缘。

实际上，大多数 App 和服务定价并非全球统一。如 OpenAI 和许多跨国科技公司一样，会采用“购买力平价（Purchasing Power Parity, PPP）”策略，即根据不同国家和地区的经济水平、人均收入来调整产品价格。

这便在全球市场中形成了一些“价格洼地”，其中，尼日利亚正是全球订阅 ChatGPT Plus 最便宜的地区。

全球部分地区价格对比：

整个流程的核心是在尼日利亚区的数字生态内完成支付闭环。

我们还年轻，可不想看到这个世界处在毫无自由、隐私的边缘。

AI 搜索公司 Perplexity 与支付平台 PayPal 达成全球合作，为符合条件的 PayPal 用户提供为期一年的 Perplexity Pro 免费订阅资格，价值 200 美元（约人民币 1450 元），并包含其 AI 浏览器 Comet 的优先体验权。

Perplexity Pro 与 PayPal 合作

活动链接：https://www.perplexity.ai/join/p/paypal-subscription

为防止一年后产生 200 美元的年费，强烈建议领取成功后，立即通过以下任一方式取消自动续订。取消后，Pro 会员资格仍会完整保留一年。

在 Perplexity 官网取消

在 PayPal 后台取消

公司 NAS 之前一直开着 WebDAV 的，后来某一天不知道为什么不行了，然后我折腾了好久。最后发现是 SSL 证书问题…

我一直使用家里 NAS 自动申请 let’s encrypt 证书，然后同步到家里路由，公司路由和 NAS。使用的是 syno-acme 脚本更新。证书同步到公司 NAS 则是用修改版的脚本更新证书。

之前一直都没有问题的，出问题之后我在群里问，群友叫我先 ps -ef | grep webdav 查询一下进程，发现完全没有允许，很是无语。然后我搜了一下 webdav 目录，找到日志问题 /var/log/webdav/webdav-error.log 发现一直提示证书错误，key 和证书不匹配… 

看到这日志…我瞬间无语了，我更新脚本其他套件都没问题 ssl 正常的。但是到了 WebDAV 就出现证书错误，然后我重新跑一次证书脚本，还是一样，最后我是手动上传证书，这样才正常启动 WebDAV。

---

（Abstract）日月如梭

爱普生 L5168 打印机在打印 大幅 A3 图片时候纸张会因为墨水导致纸张变软在出纸口的位置向下卷。一张两张没问题，但是多了就会卷在出纸口导致卡纸。

打印机在设计的时候其实已经设计好解决方案的，但是不知道为什么机器没有自带针对的配件，网上也找不到现成的配件买。不过即使有卖也不会便宜！

其实就是只要一块塑料板就能解决出纸口卷纸的问题，但是出厂就是不给配。

出纸口左右两边已经设计好放挡板的卡口的，只要根据这个位置放一块亚克力板就可以了。 

打印机出纸口右边是有一个 1.5mm 厚的卡位的。 

我已经画好了 CAD 图，直接找人定制一块就好，只要十几二十块。 

344mm90mm403R2R2330mm10mm厚1.5mm厚4mm

如果使用 2mm 厚就单纯一块板就可以，如果想要完美卡盒就要使用 1.5mm 亚克力板加上底面粘贴一条防弯加强条。

加强条在粘贴的时候要注意以下，左边要留出 2mm 空位，因为左边底部有卡位的。  

最后上机实装，完美卡好位置。

---