Claude 用 11 天完成费马大定理首个完整机器验证证明，数学知识第一次可以被'编译'了
📖来龙去脉
9 月 3 日 Anthropic 宣布 Claude 完成费马大定理的首个完整机器验证证明，称其'上月完成、11 天内基本自主'；9 月 4 日 Anthropic 官方账号披露生成了超过 1300 万行 Lean 代码、验证 29500 个中间引理，是迄今最大的 Lean 形式化项目；9 月 5 日基于 Lean 4.33.1 和 Mathlib 的完整证明以 Apache 2.0 协议在 GitHub 开源（anthropics/fermats-last-theorem）。证明遵循 Frey→Serre→Ribet→Wiles→Taylor-Wiles 的人类论证路线，即把 Wiles 1994 年的证明（论文 100 余页、人类耗时约 7 年）完整翻译成机器可检验的形式。为什么是新闻：费马大定理 1637 年提出、悬置 358 年，此前的机器形式化最长纪录远不及此体量；'数学事实'第一次可以被编译器而非同行评审来保证。
🔬核心洞察
真正的突破不是'AI 想出了证明'，而是 AI 把人类已有的证明完整翻译成了机器可验证的形式——它把数学的可信度从'同行评审的信任'变成'编译器的保证'。翻译者听起来不如发现者性感，但这恰恰是价值所在：验证成本趋近于零之后，数学知识第一次像软件一样可以被 fork、被 diff、被 CI 检查。
📡隐藏信号
'生成 + 验证器'正在成为高可靠 AI 工作流的通用范式：代码配测试、数学配 Lean、硬件配形式化验证。AI 幻觉问题的终极解法可能不是让模型更诚实，而是给每类任务找一个'Lean 内核'式的最终裁判。形式化数学社区（Lean/Mathlib）会成为 AI 公司的新竞技场。
📄文章大纲
- 引子：358 年的猜想，机器用 11 天写完证明——但先说清楚它到底做了什么
- 事实层：时间线（9/3 宣布 → 9/4 披露 1300 万行/29500 引理 → 9/5 开源）与关键数据
- 核心洞察：AI 是'翻译者'而非'数学家'，但这正是价值——可信度从信任变成编译保证
- 对抗视角：数学家会怎么反驳（沿用已有路线、无新数学）
- 范式延伸：'生成+验证器'工作流在代码/数学/硬件中的通用性
- 行动建议：关注 Lean 生态与'形式化即服务'的创业窗口
⚠️争议点
数学界最直接的反驳是：Claude 走的是 Wiles 已有人类证明的路线，本质是超大规模形式化翻译，不是新的数学发现——文章千万别说成'AI 独立证明费马大定理'，这是最容易被打死的点。另外'11 天'是纯机器运行时间，不含此前数月的人类协作与预处理，引用时必须交代，否则有标题党之嫌。
当 Anthropic 十一个月签下 5170 亿美元算力合同、英伟达攒出 990 亿美元股权组合，AI 竞争的主战场已从模型搬到资本结构
📖来龙去脉
9 月 7 日 The Information 报道：Anthropic 十一个月内签署价值高达 5170 亿美元的算力合同，自 2025 年 10 月以来锁定至少 14.8 GW 算力，并计划自建数据中心。9 月 4 日路透社/彭博社报道：Anthropic IPO 推迟至 11 月美国中期选举前，最早 10 月中旬启动路演，目标估值 2 万亿美元、募资 1000 亿美元（将超 SpaceX 的 1.77 万亿美元纪录），年化营收已超 650 亿美元、Q2 营收超 115 亿美元并实现调整后营业利润。同期：《商业内幕》9 月 4 日披露英伟达两年内将股权投资组合做到 990 亿美元（一年涨 14 倍），含 300 亿美元英特尔股份、210 亿美元 SpaceX 股份，另有 250 亿美元投资承诺；VC Tom Tunguz 分析 4 万亿美元规模的 AI 数据中心债务浪潮；路透社调查发现美国数据中心用电申请超 700 GW，是全美实际数据中心用电量的十倍以上，其中大量是重复提交或无资金支撑的'幽灵需求'。
🔬核心洞察
AI 竞赛的主战场已经从'模型能力'转移到'资本结构'——谁能以最低成本锁死算力和电力，谁才拿得到下一代模型的入场券；而 700 GW 幽灵用电说明连'需求'本身都在被金融化：申请用电指标成了一种占位投机。这场游戏的终局不取决于谁的模型聪明，而取决于谁的资产负债表撑得久。
📡隐藏信号
算力长约本质是用未来的 token 收入质押今天的 GPU——但 Astra 在 ARC-AGI-3 上展示的'更少动作、更少 token、更强能力'暗示：如果模型效率进步打破'算力=能力'的假设，这些巨额合同就从护城河变成负资产。资本开支的赌注和算法进步的方向，正在出现结构性矛盾。
📄文章大纲
- 引子：一周内的三组数字——5170 亿合同、2 万亿估值、990 亿股权组合
- 事实层：Anthropic 算力合同与 IPO 时间线；英伟达投资版图；4 万亿债务与 700 GW 幽灵用电
- 核心洞察：竞争从模型层上移到资产负债表层，需求本身也在被金融化
- 隐藏信号：模型效率进步（更少 token 更强能力）与算力长约的结构性矛盾
- 对抗视角：这是泡沫还是基础设施前置投资？两种叙事的证据各是什么
- 行动建议：普通从业者如何读这些信号（别赌单一叙事，盯住电力和交付数据）
⚠️争议点
5170 亿是知情人士透露的'合同金额上限'而非已支出，14.8 GW 也不等于已交付算力——写成'Anthropic 花了 5170 亿'会被内行打脸，必须区分'签约额/锁定容量/实际交付'。另外若只写泡沫叙事也站不住：2 万亿估值对应的年化 650 亿营收和调整后盈利是真实披露的，Anthropic 是这轮竞赛里少有的'有收入支撑巨额开支'的公司，多空两面都要给证据。
最高法发布 5 部分 24 条涉 AI 纠纷审理意见，国内 AI 产品合规红线从'不确定'变成'可预判'
📖来龙去脉
9 月 7 日，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》，共 5 部分 24 条，是国内首个系统性的 AI 纠纷裁判文件。明确规则包括：未经同意生成可识别的虚拟数字形象或合成人声，构成对人格权和声音权益的侵害（直指'AI 换脸/拟声'）；'AI 复活逝者'纳入死者人格利益保护；仿冒名人带货构成欺诈的，消费者可主张惩罚性赔偿；'大数据杀熟'、'网络开盒'、自动驾驶事故责任（车辆缺陷与驾驶人过错结合致损时，可同时请求驾驶人及生产者、销售者担责）均有对应裁判规则。为什么是新闻：此前 AI 侵权案件多靠既有人格权、消保条款个案裁量，这份意见把高频场景的裁判尺度一次性公开，等于给从业者发了一份'负面清单'。
🔬核心洞察
中国对 AI 的治理选择了'司法先行'而非'立法先行'——用裁判规则快速填补空白，比等一部大而全的 AI 法快得多、也灵活得多。对做 AI 产品的人来说，这意味着合规红线从'玄学'变成了'可预判'：意见里点名的每个场景，都是已经有或将有判例的高危区。
📡隐藏信号
意见把责任分配给'提供者'而不只罚'滥用者'——做套壳产品、二次分发 AI 生成内容的团队风险敞口最大，上游模型的锅可能由分发层背。自动驾驶'双轨追责'会让车厂保留更多行驶数据用于自证，'数据自证清白'可能成为智能硬件的合规标配。
📄文章大纲
- 引子：'AI 复活逝者'第一次写进最高法文件——这份意见管的是什么
- 事实层：5 部分 24 条的关键规则拆解（换脸拟声/逝者人格利益/仿冒带货惩罚性赔偿/自动驾驶）
- 核心洞察：司法先行的治理策略，以及'负面清单'式的合规价值
- 隐藏信号：提供者责任与分发层的风险敞口
- 对抗视角：裁判规则≠新立法，增量到底有多大
- 行动建议：AI 产品团队的合规自查清单（人格权授权链、内容标识、投诉响应）
⚠️争议点
最常见的误读是把'意见'当成'最高法出台 AI 法'——它是裁判规则文件，不是新立法，具体判赔尺度要等指导性案例落地，写作时要留这个余地。另外意见中部分规则（如声音权益）与已有民法典人格权司法解释存在承继关系，'增量到底在哪'需要对照原文逐条看，别把旧规则当新突破来写。
Astra 全量推送后额度减半、价格最高涨 2.5 倍——这份实操指南教你把每一分额度花在刀刃上
📖来龙去脉
GPT-6 Astra 于 9 月 3 日发布，9 月 4 日经奥尔特曼致歉后推送至全部 Plus/Business 用户（此前企业安全客户先于 Pro 用户引发不满，OpenAI 按缺勤天数补偿额度重置）。卡兹克 9 月 8 日发布操控 Blender 的保姆级教程，实测三种玩法：① Computer Use 花约 4 小时搭出天坛祈年殿，但耗掉 200 美元 Pro 会员近半额度；② 官方 MCP 更快，可完成摩托车建模与组装动画，但复杂任务会单次超时，需拆分步骤或改用 CLI 执行 Python 脚本；③ 大型系统审查从数小时缩到约 10 分钟，代码扫描找出大量此前未发现的性能问题并 2 小时完成修复。OpenAI 同期发布官方提示词指南：Astra 更常提出澄清问题、对上下文更敏感，建议审计 AGENTS.md 等技能文件、控制子智能体委派与测试规模，并附'slop 词'屏蔽清单。成本侧：消息额度约为 GPT-5.6 Sol 的一半，API 价格最高涨至 2.5 倍（Artificial Analysis 实测编码智能体能力追平 Fable 5）。
🔬核心洞察
Astra 的正确用法不是'问它问题'，而是'给它一台电脑'——但额度减半和价格翻倍逼你学会的第一课是任务编排：什么值得交给它（大型审查、复杂建模），什么自己动手更省（一句话能改的小问题）。会用 Astra 的人和不会用的人，差距不在模型能力，在额度管理。
📡隐藏信号
官方提示词指南里'更常提出澄清问题'和'slop 词屏蔽'两个细节值得展开：前者说明 OpenAI 在用交互成本换准确性，后者说明模型默认输出已经被'反 AI 味'调过——写作者和提示词工程师的工作流需要针对性重调。
📄文章大纲
- 痛点引入：全量推送+额度减半，'随便玩'的时代结束了
- 方案概览：操控 Blender 的三条路线（Computer Use / MCP / CLI）与适用场景
- 分步 SOP：MCP 优先→复杂任务拆步→超时改 CLI 跑 Python 的决策树
- 避坑指南：Computer Use 是额度黑洞（4 小时烧掉半份 Pro）、子智能体委派要设上限
- 进阶延展：官方提示词清单要点——审计 AGENTS.md、利用澄清提问、slop 词处理
⚠️争议点
额度体验因账户档位和时段而异——'半额度搭祈年殿'是 Computer Use 这条最贵路线的样本，读者照抄会心疼，SOP 必须把三条路线的成本差异写透。另外官方提示词指南针对英文场景优化，slop 屏蔽清单在中文写作里效果未经验证，不能当万能清单推荐。
一条 funes add 命令，让 Claude Code / Codex 记住所有历史会话还能溯源——记忆外挂可能是比更大窗口更便宜的路线
📖来龙去脉
9 月 3 日，Hugging Face 发布开源工具 funes：为 Claude Code、Codex、pi、Hermes 等编码智能体提供本地记忆层。原理是把已有的会话记录索引成 Lance 数据集（列式存储，本地持有），之后一条 `funes add` 命令即可让 Agent 自主召回历史记忆，且每条记忆可回溯到原始出处——来自哪个 Agent、什么时间戳、哪次会话的第几轮。为什么是新闻：编码智能体的'失忆'是当下最普遍的痛点——每个新会话都要重新交代项目背景、踩过的坑和约定俗成的决定；现有方案要么靠 CLAUDE.md/AGENTS.md 手工维护，要么依赖厂商云端记忆，funes 提供了第三条路：本地、可溯源、与具体 Agent 解耦。
🔬核心洞察
Agent 记忆问题的解法正在从'把窗口做大'转向'跨会话检索'——funes 的聪明之处是不改造 Agent 本身、只在外围加一层本地索引：记忆的所有权归用户，检索的粒度细到'哪次会话第几轮'。外挂式记忆 + 数据主权，这套组合对企业和个人开发者都是刚需。
📡隐藏信号
Hugging Face（刚被英伟达 129 亿美元收购）亲自下场做编码智能体工具链，说明'Agent 周边基础设施'被认定为下一个平台层；本地记忆层一旦普及，'会话记录'会成为个人开发者的新型数据资产，围绕它的索引、压缩、交易生态值得关注。
📄文章大纲
- 痛点引入：每个新会话都从'失忆'开始，重复交代背景的时间成本
- 方案概览：funes 是什么——本地 Lance 索引 + 可溯源召回的架构拆解
- 分步 SOP：安装 → funes add 导入历史会话 → 验证召回质量 → 接入 Claude Code/Codex
- 避坑指南：会话记录里的密钥和内网信息会变成可检索资产，导入前必须脱敏
- 进阶延展：funes 本地记忆 + CLAUDE.md 声明式记忆的分层组合拳
⚠️争议点
funes 是刚发布的早期工具，生产稳定性未经大规模验证，文章应定位为'值得关注的早期方案'而非'已验证的生产依赖'，SOP 里别出现'放心上生产'这类话。另外'本地持有'是卖点也是双刃剑：会话记录里若含 token、内网地址，建索引等于把敏感信息变成一搜即得的可检索资产——脱敏步骤必须写进 SOP，否则这篇实操本身就是在教读者埋雷。
当 Agent 常驻后台干活，产品的核心界面不再是聊天框，而是'状态可视化 + 一键接管'
📖来龙去脉
9 月 2 日，Claude 官宣 Cowork 和 Claude Code 支持后台操作电脑：用户把任务交给 Claude 后，它会像人一样点击、输入、打开应用，用户可以同时去做别的事。9 月 3-4 日，xAI 连发两篇设计文章介绍 Grok Bot：产品以'Bot'而非'会话'为核心对象——Bot 拥有身份、记忆、自己的计算机和工具；头像动效呈现空闲/工作/等待/阻塞/思考/完成六种状态；工作区提供状态查看、预览、接管三级访问粒度。xAI 还发布 Grok Bot 承担采购工作的案例：Haggle Bot 找出超 10 万美元直接节省。同期卡兹克报道：用户用 GPT-6 Astra 自主操控专业软件，旧金山艺术宫 3D 复刻案例中，Astra 夜间自主搜索几百张参考图、翻到美国国会图书馆的老扫描文件找柱子尺寸，多数工作在夜间无人值守完成。为什么是新闻：三家头部厂商在一周内共同把'委托-监控'式交互推到台前，Agent 从'你问我答'变成'常驻同事'。
🔬核心洞察
交互范式正在从'对话轮次'变成'委托-监控'——当 Agent 上夜班，人类的工作从'盯着它干活'变成'设计好委托单再睡觉'。产品的核心界面不再是聊天框，而是状态可视化与接管机制：Grok Bot 用六态动效和三级访问回答的，正是'怎么让人类敢把电脑交给 AI'这个新问题。
📡隐藏信号
'看着 AI 干活'本身正在变成一种产品设计品类——状态动效、预览、接管这些细节的心理学价值不亚于模型能力；谁先把'监控体验'做舒服，谁拿到下一代 AI 交互的入口。同时'夜间自主工作'意味着 Agent 的产出审查将成为每个知识分子的晨间例行工作，'审阅队列'类工具有空缺。
📄文章大纲
- 痛点引入：盯着 Agent 干活比自己干还累——委托为何这么难
- 方案概览：Claude 后台电脑操作与 Grok Bot 的'Bot 即同事'设计
- 设计拆解：六态动效、三级访问（状态/预览/接管）背后的信任心理学
- 分步 SOP：怎么设计自己的'委托工作流'——任务卡片、验收标准、晨间审查队列
- 进阶延展：多 Agent 并行时的注意力管理——你是调度员不是操作员
⚠️争议点
'夜间自主干活'的案例全是最佳样本，失败率和人工监督成本没有公开数据——写成'从此解放双手'会被现实打脸，监控本身就是新增工作量，这点必须诚实。另外后台操作电脑的权限边界（它能碰到支付按钮吗、能发邮件吗）是读者最关心的安全问题，Claude 目前的沙箱和确认机制细节官方披露有限，文章若回避这个方向会被认为不专业。
34,000 行 C++ 一晚迁入 Godot，72,758 行无注释汇编先重建字节一致二进制再移植——可验证里程碑是 AI 时代啃遗留代码的唯一正解
📖来龙去脉
开发者本周发文复盘：用 Claude Fable 5 在 Claude Code 中把自己的 1993 年 Amiga 平台游戏 Babylonian Twins 移植到现代引擎 Godot。关键数据：34,000 行 C++ 一个晚上迁入 Godot 4；72,758 行无注释的 68000 汇编代码，先用 vasm 汇编器重建出与当年发售版字节完全一致的二进制（以此验证对代码的理解无误），再逐步移植；最终还把 1993 年原作作为'第二启动项'嵌入新游戏，形成数字孪生。为什么是新闻：无注释汇编是公认的最难迁移场景，'先字节级验证再迁移'的做法展示了 AI 处理遗留代码时'先证明理解、再动手改'的方法论，可迁移到任何大型遗留系统。
🔬核心洞察
这个案例最值得学的不是'AI 能写汇编'，而是那个'先重建字节一致二进制'的验证步骤——把模糊的移植任务拆解成一串可机器验证的中间里程碑，每一步都有客观的'对/错'判定，AI 的幻觉空间就被压缩到零。生成-验证闭环在遗留代码工程里的落地，比在数学里离普通开发者更近。
📡隐藏信号
'字节一致重建'是适用面极广的通用技巧：任何'看不懂但跑得对'的遗留系统（老汇编、混淆代码、前员工的黑盒脚本），都可以先让 AI 重建出一个与原系统行为一致的'孪生体'，再在孪生体上做理解和迁移。'数字孪生式迁移'可能成为 AI 时代遗留系统改造的标准方法论。
📄文章大纲
- 痛点引入：没人敢动的遗留代码——32 年前的游戏和 7 万行无注释汇编
- 方案概览：三步移植法（C++ 直迁 / 汇编先重建后迁 / 原作嵌入致敬）
- 分步 SOP：搭 vasm 环境 → 字节一致重建验证理解 → 按模块逐步迁移 → 双启动项验收
- 避坑指南：无注释代码的上下文饥饿、Amiga 硬件特性的坑、何时该停下来人工核对
- 进阶延展：把'可验证里程碑'思维用到你自己的遗留系统和老项目上
⚠️争议点
案例作者是游戏原作者，对自家代码和 Amiga 平台有常人没有的直觉记忆——'零基础用 AI 搬运老项目'的迁移性存疑，文章别许诺'人人都能一晚搞定'。另外'一个晚上'指的是机器运行时间，人工验收、环境调试和模块规划的时间被省略了，实操复盘必须诚实标注哪些环节仍然依赖人，否则读者照做会受挫。