针对苹果的《The Illusion of Thinking》论文，Anthropic 发表评论文章《The Illusion of the Illusion of Thinking》称，苹果的实验设计有问题，而非模型固有的局限性。

文章称：

（1）汉诺塔实验在报告的失败点系统地超出了模型输出 token 的限制，模型在其输出中明确承认了这些约束；

（2）作者 ​​​https://mapp.api.weibo.cn/fx/ff9ff2ae360b848249fcd31da0e717bf.html

之前跟大家分享过 Android 系统开源虚拟定位工具 GoGoGo，底下评论不少人在问 iOS 有没有。

无独有偶，今天在 GitHub 上发现了一款支持虚拟定位到全球任意位置的跨平台开源工具：GeoPort。

不仅支持 iOS 17/18 系统，还可以在 Windows 和 Mac 上运行，无需复杂的 Python 环境配置，直接开箱即用。

G ​​​https://mapp.api.weibo.cn/fx/09ab8bd6d9587abdc42e3806cd945eb0.html

一个学习 RAG 的好地方↓

以更简单的方式实现所有 RAG 技术

本代码库采用清晰易懂的检索增强生成 (RAG)方法，将高级技术分解为简单易懂的实现。这里的所有代码库均使用我们熟悉的 Python 库， openai， numpy， matplotlib 和其他一些基础库构建，而非依赖于LangChain或 FAISS 之类的框架。

目标很 ​​​https://mapp.api.weibo.cn/fx/c4c6df1f77384d247b459458af8f4815.html

对于一些人来说，阅读是一个捏着吸管，四处找营养吸收的过程。所以有的文章没营养文章，他吸了两口就放弃了，继续去找下一个。对于另一些人来说，阅读是一个拎着剑四处找靶子的过程，碰到个靶子就能劈上一整天。前者充盈，后者虚脱。 ​​​https://mapp.api.weibo.cn/fx/2e2b7c8182f0286d7f1447bb816a42bf.html

Figure 发布了一段60分钟的无删减视频

展示了其Figure 2机器人可以连续不间断的进行60分钟的快递分拣工作，没有任何人为干预！

机器人没有进行任何编码，完全依靠其训练结果和神经网络自主工作！

单位包裹处理时间从6.3秒降至4.3秒，扫描准确率从88%提高至约95%。

现在的 Figure 已经具备：

• 触 ​​​https://mapp.api.weibo.cn/fx/8cc20a5f8826989b674c94c8b11fe84c.html

Happy-LLM -- 📚 从零开始的大语言模型原理与实践教程
github.com/datawhalechina/happy-llm/
本项目是一个系统性的 LLM 学习教程，将从 NLP 的基本研究方法出发，根据 LLM 的思路及原理逐层深入，依次为读者剖析 LLM 的架构基础和训练过程。同时，我们会结合目前 LLM 领域最主流的代码框架，演练如 ​​​https://mapp.api.weibo.cn/fx/b405c91327d7ae6c155ea24d5352deec.html

GitHub

GitHub - datawhalechina/happy-llm: 📚 从零开始的大语言模型原理与实践教程

📚 从零开始的大语言模型原理与实践教程. Contribute to datawhalechina/happy-llm development by creating an account on GitHub.

https://www.linkedin.com/pulse/kernel-mind-moon-hee-lee-miwze/
推荐一个系列的文章，Linux 核心开发人员之一的写的。主要是探索 Linux 内核设计的很多思路。推荐大家阅读

Linkedin

The Kernel in the Mind

Understanding Linux Kernel Before Code This isn’t a guide to writing kernel code. It’s an effort to understand how the Linux kernel thinks.

一个受虐者的网页开发指南
http://t.cn/A6eMpIN8
作者尝试将高性能C/C++库（如魔方求解器）移植到Web，利用WebAssembly实现接近原生的性能。这篇指南聚焦技术细节和踩坑经验。文中提到 “自下而上都是不透明的抽象。”​真正的开发效率来自于理解抽象背后的真相，而非逃避复杂性​​。
文章从简单的“H ​​​https://mapp.api.weibo.cn/fx/64f3406ba0da22f25704a7d9ac5ecf78.html

一篇通过可视化的方法介绍限流/限速策略的文章
http://t.cn/A6eMWUeC
包含四种算法:令牌桶、漏桶、固定窗口计数器和滑动窗口计数器
#AI创造营# ​​​https://mapp.api.weibo.cn/fx/27436c1ebe2a0bd7c83c29c9ad495685.html

今天上午，Anthropic官方公开了一份手册，揭秘他们内部10个不同团队（涵盖技术、科研、产品、营销、法律等团队）是怎么使用Claude Code的，场景案例非常丰富，其中的大部分实践经验也可以迁移使用在Cursor、Cline等AI编程工具上。

从官方手册可以看出，Claude Code 正在改变 Anthropic 内部团队的工作 ​​​https://mapp.api.weibo.cn/fx/4941772f49a3cd455f87e1b3bed83672.html

看到个高级 RAG 教程—— NirDiamant/RAG_Techniques

这个教程再 Github 上已经有 16.6K 了，内容包括增强检索的预处理，优化，检索模式，迭代，工程步骤等等等等，绝对是一个很好的进阶教程。想要深入研究RAG的同学可以看看这个项目。

地址：github.com/NirDiamant/RAG_Techniques

#ai创造营# ​​​https://mapp.api.weibo.cn/fx/9b375d03da554520c2a4450cf1a6e811.html

据统计，《多啦A梦》里共有1178件道具，今天成为现实的占60-70%（如图）
每一集多啦A梦，从口袋里掏出来的玩意儿，都是用科技解决生活问题的真实感～“真实痛点 - 具体需求 - 应用到场景 - 失控风险”……用一个个故事，展示了科技产品发展的样子。
我就想知道任意门和时光机什么时候成为现实[哈哈] ​​​https://mapp.api.weibo.cn/fx/dc9f8a751ddc4d2bff29b7fc64cbc27d.html

推荐阅读：AI 让不会写代码的人具备了“直接造辆车”的能力，而让资深开发者一个人就有了“独立建造航母”的可能。

标题我觉得有点夸大了，但作者作为资深开发者，分享的借助AI重构项目的经历还是挺真实的

完整链接： http://t.cn/A6ef7fA2 ​​​https://mapp.api.weibo.cn/fx/c30ed6943acb901e11c62d37e8d737d8.html

Cursor 也搞了个大发布，内容有点多，于是我也给大家整理了一个 Big Map, 可以直接访问。

这次更新内容主要有：

- BugBot, 在 Github 安装后，BugBot能帮你自动回复 issue, 并且直接一键将 issue 在 Cursor 打开进行修复. 这个功能几周前 Traycer 刚上线哈哈哈，真的是太卷了

- 记忆功能，跟ChatGPT ​​​https://mapp.api.weibo.cn/fx/7272dfd359d1648d9ac714f267cbb3aa.html

为什么这么设计系列博文
draven.co/whys-the-design/
作者@Draveness “为什么这么设计（Why’s THE Design）是一系列关于计算机领域中程序设计决策的文章，我们在这个系列的每一篇文章中都会提出一个具体的问题并从不同的角度讨论这种设计的优缺点、对具体实现造成的影响。”
虽然时间比较久了，不过 ​​​https://mapp.api.weibo.cn/fx/22bf6e1a28b11020df507d5164736c74.html