博客
AI 泡沫下的最后一舞
我从 2023 年 3 月 10 日硅谷银行倒闭之后开始买入黄金。FDIC 后来确认，SVB 在 2023 年 3 月 10 日被加州监管机构关闭，并在 3 月 13 日宣布保护所有存款人；同年 FDIC 的存款保险改革报告也把这次事件放进了美国存款保险制度重新讨论的背景里。[G1][G2] 距今，黄金已翻了三倍。
黄金将要回归本质，重新挑战美元的权威。
今天，2026 年 6 月 12 日，SpaceX 在 Nasdaq 上市。[X5] 测试市场水温的 IPO 来了。
OWASP LLM 2025 Top 10 学习笔记
这篇是对上一篇 AI Agent Privacy and Protection 的补充。
那篇文章主要从 AI Agent 的隐私、工具调用、提示注入和 subagent 隔离角度展开；这里参考 OWASP Top 10 for LLM Applications 2025，补上当时没展开的系统提示词、训练数据、记忆系统、工具链、成本攻击和侧信道问题。
因为我目前专注于构建 AI Agent 系统本身，所以这里暂时不探讨训练 AI 的安全风险。
LLM 安全最容易犯的错误，是把 AI 当成一个“更聪明的后端服务”。但它更像一个会被上下文影响、会调用工具、会保存记忆、会产生费用、还可能被反向观察的概率接口。
OWASP LLM 2025 Top 10 的价值，不是给我们一份“照着打勾就安全”的清单，而是提醒我们：LLM 应用的攻击面已经不只在模型本身，而是在 模型、上下文、工具、数据、记忆、权限、成本和网络流量 共同组成的系统里。
AI Agent Privacy and Protection
How to build an AI Agent that protects your privacy and your data against prompt injection
首先，要分析 AI Agent 的安全问题，需要先回到 LLM 的本质：LLM 不是 Agent，而是一个根据上下文生成 token 的模型。
为什么最终更年轻的人会比年长者更会使用 AI
我发现我无法使用 AI 学习/解决哲学问题的思考。
专业的人能轻松解决我几年时间都思考/看书无法解决的问题。
回顾自己，也许我使用的 AI 也只是在“我的”有限向量空间的搜索而已因此我想到了，那什么样的人真的“会用” AI 了呢
年长的人使用新工具，解决现有的比如工作问题；而儿童/学生使用 AI，则是为了解决学业问题。
往往来说，我们认为，相对于工作等"成年人"的问题，年幼的人面对的学业问题则更加简单而且成体系。但是实际上，年幼的人并没有时间去学习"如何学习"这个元问题——这里的"元问题"指的是他们来不及养成走"传统老路"的习惯，所以他们反而有充裕的动力去寻找自己喜欢的"最短路径"，而且这个最短路径事后还会必然被"考试"等考核方式校验。
守着 AI 工作的人
守着 AI 工作的人，闭上眼，思绪逐渐飘走了。
守着 AI 工作的人，
闭上眼，思绪逐渐飘走了。他想起千百年——
守着稻田和割麦机的农民，
守着车床和机械臂的工人。AI 时代的乐观可失败队列
本文源于为 MCP 官方 Memory Server 修复并发写入问题 PR #3286 的思考。
问题背景：AI 会频繁多次调用 MCP 进行记忆存储，而多个 AI 客户端同时写同一个文件会直接导致文件格式损坏。
选择解决方案
显而易见的，悲观锁。
AI 时代的脑腐症
每个人都希望获取你的注意力，从报纸时代就开始了。
以前，人还需要花精力，用越来越专业的方式人工制造内容。
而当有人发现 AI 可以直接生产内容并发布时，开启了潘多拉的魔盒。
批量修复 DJI Mimo 导出照片/视频的拍摄时间
DJI Mimo APP 导出的照片和视频导入 Apple Photos 后，日期可能会显示错误。更麻烦的是，Apple Photos 原生不支持批量恢复原始拍摄时间——选择多张照片时"恢复"按钮会消失。
本文介绍如何使用 osxphotos timewarp 命令，从文件名中提取正确的拍摄时间并批量修复。
如何将 10G 11 万个文件的文件夹（微信存档）从一个 iPhone 传输到另一个 iPhone
当你需要在两台 iPhone 之间传输一个包含 10GB、11 万个文件的微信存档时，传统方案往往力不从心：
- AirDrop：会无限等待"准备文件"，永远无法开始传输
- iCloud：直接报错，无法处理如此大量的文件
本文介绍一种通过 a-Shell + SSH + tar 的高效方案。
AI 撰写 Post 的有趣观察
最近，我正在为 Klavis-AI 编写各个社交平台的新功能发布的 Post
我们准备了一个大家都同意的，精心准备的技术 Blog，然后期望 AI 为我们编写各个平台不同风格的 Post
然后在我们 Review 后，我们发现了惊人的质量差异：
- Hacker News：符合专注 Open Source 的风格，但是语气浮漂，容易夸大
- LinkedIn：完全不符合其"商业"的风格，完全按照开源和技术风格的标准写
- Reddit：感觉确实像是在看一个 Reddit 里的帖子 ，但是就算不是英文母语者，也觉得是 AI 生成的
- Twitter/X：Perfect
- V2EX：是那么回事
- Discord：按照封闭社区的目光来看，没问题