T
traeai
Sign in

人物

什么是 李继刚?

也叫:lijigang

推特用户,提出AI处理时使用握力器的创意。

为什么现在值得关注?

📰 李继刚 最新动态

已收录 30 篇与「李继刚」相关的 AI 资讯和分析。

日读论文:

https://t.co/5XxjY9VT83

The Latent Space: Foundation, Evolution, Mechanism, Ability, and Out...

该综述提出LLM进化下一阶段是摆脱token级思考枷锁,让模型在连续向量空间(latent space)中直接推理,实现更省、更准、更快的‘机器原生思考’。

入选理由:模型边想边写本质是向量↔离散token反复转换,造成冗余、瓶颈、低效与语义流失

FeaturedTweet#LLM#latent space#reasoning#AI architecture#arXiv中文
李继刚(@lijigang_com) 图标

弱结构允许使用者灵活补充规定,强结构则限制灵活性,导致组织信息流动受阻。大公司病源于公共对象被强制标准化。

入选理由:弱结构通过创新基金案例展现跨团队灵活性,各团队可按需使用资金。

FeaturedTweet#组织设计#管理#流程优化中文
没有犯过错的理解是可疑的。

没有犯过错的理解是可疑的。

李继刚(@lijigang_com)281 字 (约 2 分钟)
85

AI模型的理解能力需通过错误纠正机制验证,而非仅依赖演示流畅性。

入选理由:AI模型训练时仅接触正确输出,缺乏错误纠正环节。

FeaturedTweet#AI#机器学习#模型评估中文
李继刚(@lijigang_com) 图标

Agent的发展依赖于不断补充支撑技术以弥补能力短板,但这些技术也带来额外成本,形成动态平衡。

入选理由:Agent通过检索接口、状态保存等5类支撑技术弥补能力缺陷

FeaturedTweet#Agent#技术演进#系统设计#AI架构中文
李继刚(@lijigang_com) 图标

电力具有同质性,而 token 具有异质性,这种差异导致 token 更易形成供给瓶颈。

入选理由:电力是同质性的,不同电厂的一度电价值相同。

FeaturedTweet#AI#token#电力#经济模型中文
李继刚(@lijigang_com) 图标

AI 评估应关注问题是否被解决,而非 Token 消耗量或账单。

入选理由:Token 消耗量和账单是「虚假指标」,不应作为评估 AI 效果的核心标准。

FeaturedTweet#AI#指标评估#技术管理中文
我最近在玩的其中一个方向,是探索 AI 时代独有的阅读方式,最近在尝试「影子之书」阅读法:  

印刷时代,我们只能读作者写下的这一本书;可每本书背后,都藏着作者本可以写、却没写的无数本。  

AI...

In the AI era, tools can reveal the 'shadow books' behind texts by using AI to analyze unstated assumptions, opposing views, and intellectual lineages in real time, enabling deep reading.

入选理由:‘影子之书’阅读法通过 AI 实时分析文本背后的隐含逻辑与学术脉络,提升理解深度。

FeaturedTweet#AI#Reading Method#Cognitive Enhancement#Information Retrieval#Knowledge Management中文
AI 的世界里,时间几乎不存在,可以飞快地遍历可能性的解空间。

Agent 一旦探出有效的路径,就可以把其中稳定的部分「固化」成脚本或流程。

AI通过快速遍历解空间并固化有效路径,可显著提升自动化效率。将稳定路径封装为确定性工具是关键优化方向。

入选理由:AI可飞速遍历解空间,使试错成本趋近于零

FeaturedTweet#AI架构#自动化#大模型#系统设计中文
李继刚(@lijigang_com) 图标

书籍选择如同训练数据,质量重于数量,影响思维结构。畅销书可能引入噪声,经典著作塑造深层认知。

入选理由:书籍选择决定思维结构,类似训练数据质量影响模型效果

FeaturedTweet#认知科学#阅读方法#个人成长中文
以「广度」为横轴,以「深度」为纵轴,拉出四象限。

很明显,广度是 AI 的主场,各种跨学科的关联、碰撞、回响,手拿把掐。

深度,会是人类的主场吗?

Using 'Breadth' as the X-axis and 'Depth' as the Y-axis, draw a four-quadrant model.

李继刚(@lijigang_com)201 字 (约 1 分钟)
75

AI has a natural advantage in breadth, efficiently connecting interdisciplinary knowledge; depth thinking may remain a human strength, shaping future human-AI collaboration.

入选理由:AI 在广度上具备显著优势,可快速关联跨学科知识,实现信息爆炸式整合。

FeaturedTweet#AI#Human-AI Collaboration#Cognitive Differences#Deep Learning#Technological Philosophy中文
李继刚(@lijigang_com) 图标

The questions you can ask reflect the paths you see in your mind.

李继刚(@lijigang_com)67 字 (约 1 分钟)
75

The quality of your questions reflects your cognitive path and depth of thinking; high-quality questions often stem from insights into systemic structures.

入选理由:能提出深刻问题的人通常具备系统性思维能力,能够识别关键变量与因果链。

FeaturedTweet#Cognitive Science#Thinking Patterns#Questioning Skills#Systems Thinking中文
ai 生成长文,甚至一本书,面面俱到地讲解某个领域知识,太容易了,自然也泛滥起来了。

读多了之后,反而对这种内容有种生理性的抗拒,打开读几句就忍不住关闭,哪怕里面真有不错的见解。

不是说想要拒绝 ...

李继刚在X平台上发表了一篇关于AI生成内容的文章,他指出AI可以轻松生成详尽的长文甚至书籍,但这种内容的泛滥导致了人们对这类内容的生理抗拒。他不主张完全拒绝AI内容,而是希望人们在与AI交流后,能够结合自己的思考和整理,产出既有AI洞察又有人性化的综合表达。他认为这不仅仅是去除AI痕迹的问题,更是人机协作的态度问题。

入选理由:AI可以轻易生成详尽的长文和书籍,导致内容泛滥。

FeaturedTweet#AI内容生成#人机协作#内容泛滥#智识懒惰中文
以 llm 基础,看到有两条发展路径:

一条是往下走,原子化,把一个人的能力给拆成一个个针对具体任务的技能包,供用户调用。

一个是往上走,组件化,把一个场景的最佳实践(workflow 、节点优化...

Two Development Paths Based on LLM Foundation

李继刚(@lijigang_com)309 字 (约 2 分钟)
72

LLM application architecture is diverging into two paths: atomic skill packs that decompose individual capabilities for flexible use, and componentized best practices that encapsulate scenario workflows to improve delivery efficiency.

入选理由:向下原子化路径将人的能力拆解为针对具体任务的独立技能包,支持用户按需灵活调用。

FeaturedTweet#LLM#AI Agent#Workflow#System Architecture中文
李继刚(@lijigang_com) 图标

Time Allocation for Preparing Presentation Materials

李继刚(@lijigang_com)133 字 (约 1 分钟)
72

Engineer Lijigang shares an efficient workflow: spend 3 hours with AI to build a thinking framework, write a structured Org-mode document in 30 minutes, and generate HTML slides in just 5 minutes using his tool /ljg-present — total time under 3.5 hours.

入选理由:与AI讨论思考框架耗时3小时,是准备阶段最核心环节

FeaturedTweet#AI-assisted writing#Org-mode#presentation prep#productivity tools中文
大家天天穿梭于网络世界,推荐读一下《弱传播》,可以对这个世界的舆论起伏有一个方法论层面的理解。

这本书核心就说了一句话:

舆论世界的运行规则,与现实世界完全相反。

────────

为什么相反...

《弱传播》提出舆论世界与现实世界规则相反:现实稀缺资源是权力(集中、主流、理性),舆论稀缺资源是注意力(分散、异常、情绪),导致弱者更易在舆论中被放大。

入选理由:舆论世界的运行逻辑由注意力稀缺性决定,而非权力结构

FeaturedTweet#传播学#舆论#注意力经济#弱传播中文
半年过去,「一个 Agent」这条路开始挤了。

半年过去,「一个 Agent」这条路开始挤了。

李继刚(@lijigang_com)296 字 (约 2 分钟)
70

Agent发展呈现「单体全能」与「分工协作」路线之争,当前技术探索尚未形成统一方向。

入选理由:50+AI员工分工协作模式已落地实践

FeaturedTweet#AI#Agent#技术趋势#架构设计中文
李继刚(@lijigang_com) 图标

AI 可通过媒介、梯度和创造三个角度提升儿童学习效果,具体方法包括多媒介教学、个性化题目生成和创造实践。

入选理由:AI 可通过图片、视频、游戏等媒介形式增强知识理解。

FeaturedTweet#AI#教育#学习技术#儿童教育中文
李继刚(@lijigang_com) 图标

手机端AI回答直接滚动至结尾,用户需上滑查看开头,建议优化交互定位以提升体验。

入选理由:用户每次需上滑3秒查看回答开头,1000万用户累计节省3000万秒时间

FeaturedTweet#交互设计#用户体验#移动端#AI产品中文
李继刚(@lijigang_com) 图标

Minimax定理揭示有限双人零和博弈中双方最优策略的平衡点,但文章未深入技术应用或实践案例。

入选理由:Minimax定理适用于有限双人零和博弈,双方使用随机策略时收益相等。

FeaturedTweet#博弈论#数学#人工智能中文
李继刚(@lijigang_com) 图标

过度使用设计模板会导致审美疲劳,应注重内在独特性以保持美感。

入选理由:流行设计模板被广泛使用后会快速产生审美疲劳(7.6K views)

FeaturedTweet#设计哲学#UI/UX#创意#审美中文
李继刚(@lijigang_com) 图标

通过自动化脚本消除复制粘贴的场景切换摩擦,提升工作效率。

入选理由:使用脚本自动化处理复制粘贴流程,减少手动操作。

FeaturedTweet#自动化#脚本#macOS#效率工具中英混合
李继刚(@lijigang_com) 图标

It feels like the world has suddenly gone quiet lately.

李继刚(@lijigang_com)126 字 (约 1 分钟)
65

While the global tech landscape appears calm, AI model companies' stock prices are surging irrationally, reflecting strong market expectations for the AI industry.

入选理由:2026年6月,AI模型公司股价持续飙升,与整体市场安静形成鲜明对比。

FeaturedTweet#AI#Stock Market#Large Models#Investment Trends中文
李继刚(@lijigang_com) 图标

人类语言使用与鱼的游泳机制存在相似的耦合关系,语言作为认知漩涡驱动思维过程。

入选理由:鱼通过自身运动与水中漩涡耦合实现高效游泳

FeaturedTweet#AI#认知科学#类比#语言学中文
现在听人表达时,大脑会自动过滤「形容词」和「副词」,关注「名词」和「动词」。

经常会发现一个人表达了半天,观点是「null」。

大脑在听人表达时自动过滤形容词和副词,关注名词和动词,但该观点缺乏技术深度和实证支持。

入选理由:大脑优先处理名词和动词,忽略形容词和副词

FeaturedTweet#认知科学#沟通技巧#语言处理中文
Agent = Harness(LLM)

Result = Agent(Context)

Agent = Harness(LLM) Result = Agent(Context)

李继刚(@lijigang_com)140 字 (约 1 分钟)
60

推文提出Agent与LLM的等式关系,但缺乏技术细节和论证,信息密度较低。

入选理由:Agent被定义为Harness(LLM)的产物

FeaturedTweet#AI#Agent#LLM#概念中英混合
模型厂商进入了红皇后效应的博弈局面:「落后即死」。

大家觉得太快有点晕车,想踩一脚刹车也不行,这个局面不允许。

只有拼命奔跑,才能继续活在牌桌上。

模型厂商陷入红皇后效应,必须持续创新以避免被淘汰。该观点通过推文形式提出,但缺乏技术细节和数据支撑。

入选理由:红皇后效应在AI领域表现为模型厂商必须持续进步才能保持竞争力

FeaturedTweet#AI竞争#红皇后效应#模型厂商中文
新增了skill: /ljg-classic  

在小红书上看到解读文言文的一类模板卡片,试着写了一版。  

用途:将文言文做逐字解读+章节释义 
用法:/ljg-classic 《金刚经》第一品

李继刚在X上发布了一个新功能/ljg-classic,用于文言文逐字解读和章节释义,适用于《金刚经》等经典文本。

入选理由:/ljg-classic功能支持《金刚经》等文言文的逐字解读和章节释义

FeaturedTweet#文言文解读#小红书模板#李继刚中英混合
以前是 read-only 权限,现在是 write-only 代码。

以前是 read-only 权限,现在是 write-only 代码。

李继刚(@lijigang_com)149 字 (约 1 分钟)
60

代码权限从只读转向只写,反映了开发者对代码可见性和协作态度的转变。

入选理由:开发者从隐藏代码转向主动暴露代码的协作需求

FeaturedTweet#代码协作#开发者文化#权限管理中文
J-space 是 LLM 的 白板?

J-space 是 LLM 的 白板?

李继刚(@lijigang_com)39 字 (约 1 分钟)
60

J-space 被提出作为 LLM 的白板,但文章缺乏具体技术细节和论证。

入选理由:文章未明确解释 J-space 的技术实现机制

FeaturedTweet#LLM#J-space#技术观点中文

与「李继刚」经常一起出现的 AI 术语。

💡 想追踪「李继刚」的长期趋势?去 实体雷达 · 李继刚 查看详细分析和跨材料问答。

AI may generate inaccurate information. Please verify important content.