https://mp.weixin.qq.com/s/GADvRVn23Xm0-x1eW8Slag

📌 Description:
宁高宁在《三生万物》中分享了他对读书的深刻见解，强调了读书对个人成长和思维方式的影响，并通过对《资本论》、《中国哲学简史》和《正义论》的解读，探讨了哲学、经济学和社会正义对企业管理和个人发展的启示。

🎯 Key Points:
- 宁高宁认为读书对人的影响深远，甚至可能延长寿命15%。
- 他强调选择合适的书籍阅读的重要性，认为读书是一种上瘾的习惯。
- 宁高宁通过《资本论》理解了经济学的复杂性，并认为大部头著作有助于建立系统的思想逻辑。
- 他指出《资本论》中的剥洋葱方法可以帮助分析和解决企业问题。
- 宁高宁认为企业的根本在于产品，好的产品是企业与世界联系的关键。
- 他从《中国哲学简史》中领悟到中国哲学的简洁和深刻，并认为哲学是行为规范的基础。
- 宁高宁强调企业管理中要有哲学思维，尤其是在复杂问题上要简化处理。
- 他认为《正义论》中的公平正义原则是企业和社会发展的基础。
- 宁高宁指出公平不等于平均，强调差别中的公平才是对大多数人的公平。
- 他认为企业的成功在于公正的管理者，员工对企业的热爱与企业的公平程度成正比。
- 宁高宁通过对三本书的解读，展示了哲学、经济学和社会正义对个人和企业的重要性。
- 他认为企业管理者应具备公正的能力，这对企业的发展至关重要。
- 宁高宁强调分配机制在企业管理中的重要性，认为合理的分配能提高生产效率。
- 他指出中国哲学对企业管理的影响，尤其是在提升员工心灵和企业文化方面。
- 宁高宁通过对经典著作的反思，展示了读书对个人思维和企业管理的深远影响。

https://mp.weixin.qq.com/s/fQdLFSWGhu9wJXh3fuyzLw

📌 Description:
小鹏汽车CEO何小鹏在访谈中分享了他从技术导向转向客户导向的转变过程，以及在激烈的市场竞争中如何通过调整战略和管理来实现公司复苏的经历。

🎯 Key Points:
- 何小鹏从技术导向转向客户导向，强调产品市场匹配（PMF）的核心法则。
- 他通过拆除部门墙、建立横向流程来提高公司效率和市场竞争力。
- 何小鹏在2023年裁掉了10位高管，以推动公司变革和提高管理效率。
- 他与600多名员工共进30多顿饭，以重建团队信心和凝聚力。
- 小鹏汽车通过与滴滴和大众的合作，成功在2024年实现销量回升。
- 何小鹏强调企业必须先赚钱才能花钱，改变了过去依赖融资的生存哲学。
- 他认为L3级别的自动驾驶将成为未来汽车行业的重要赛点。
- 小鹏汽车计划通过低毛利实现规模化，并在2025年实现单季度盈亏平衡。
- 何小鹏亲自参与采购和供应链管理，以避免过去的成本陷阱。
- 他强调AI在汽车行业的价值在于硬件与软件的深度整合，而非单独收费。
- 何小鹏对AI驱动的未来充满信心，认为AI将深刻改变物理世界。
- 他计划在2025年推出高阶智驾版本的MONA，进一步提升市场竞争力。
- 何小鹏强调公司文化的重塑，期望科技向善，推动企业长远发展。
- 他承认过去的不足，并表示愿意为公司的变革和失败承担责任。
- 何小鹏对未来充满期待，认为技术创新将带来更好的用户体验和市场机会。

https://mp.weixin.qq.com/s/NMW2p8xalh9c8lTLN9B5gg

📌 Description:
本文探讨了 AI 行业的最新动态，特别是 DeepSeek 在推动新范式方面的作用，以及其对市场和竞争格局的影响。

🎯 Key Points:
- DeepSeek 推动了 RL 和推理模型的新范式，尽管没有发明新范式，但其开源策略加速了行业的接受度和发展速度。
- DeepSeek 在技术上超越了 Meta Llama，但与 OpenAI、Anthropic 和 Google 等顶级公司仍有差距。
- DeepSeek 的开源策略填补了市场空白，尤其是在 OpenAI 转为闭源后，成为开源生态的重要参与者。
- DeepSeek 的发布时机与市场事件的结合引发了广泛关注，包括对美国科技霸主地位的挑战。
- DeepSeek 的成功对 Chatbot 市场造成冲击，但对开发者和企业市场的影响有限。
- 短期内，闭源公司如 OpenAI 可能受到冲击，但长期来看，拥有充裕 GPU 资源的公司将受益。
- DeepSeek 的开源策略促进了 AGI 的进程，加剧了市场竞争，推动了开放性。
- 蒸馏技术在 DeepSeek 中的应用可能是其成功的关键，但是否能超越 SOTA 仍不确定。
- DeepSeek 的成功验证了智能技术进步的陡峭性，阶段性产品难以形成绝对壁垒。
- DeepSeek 是否应该承接 Chatbot 流量仍是一个战略性问题，涉及资源分配和组织能力。
- 下一个智能突破可能来自于新的模型架构或 Agent 的落地应用，尤其是在 Transformer 架构的极限边界上。
- DeepSeek 的成功增强了对中国 AI 人才的信心，强调了技术无国界的理念。

美团出品的 AI 浏览器 https://www.tabbitbrowser.com/

https://openai.com/index/harness-engineering/

总结：OpenAI 的 Harness Engineering 实验核心成果
- 5 个月：从零开始构建了一个拥有 百万行代码 的产品
- 0 行手写代码：所有代码都由 Codex（AI）生成
- 效率提升：估计节省了 90% 的时间
- 团队规模：仅 3-7 名工程师，平均每天 3.5 个 PR/人核心理念
人类指挥，AI 执行
工程师不再写代码，而是：
- 设计环境
- 描述意图
- 构建反馈循环学到的关键经验1. 工程师的新角色
不是写代码，而是：
- 把大目标拆解成小块
- 给 Agent 提供它需要的工具和抽象
- 问："缺了什么能力？如何让 Agent 能理解和执行？"2. 不要给 Agent 1000 页手册
- 上下文是稀缺资源
- 大文件会淹没任务本身
- 解决方案：把 AGENTS.md 做成目录，具体文档放在 docs/ 目录3. 让应用对 Agent 可读
- 用 git worktree 让 Agent 能在每个变更上启动独立实例
- 接入 Chrome DevTools Protocol，让 Agent 能截图、操作 DOM
- 把日志、指标通过 LogQL/PromQL 暴露给 Agent
- 效果：Agent 可以自己调试 bug、验证修复4. 严格的架构约束
- 每个业务域固定分层：Types → Config → Repo → Service → Runtime → UI
- 用自定义 linter 机械强制执行
- 这是以前几百人团队才做的架构，现在是 Agent 时代的必要前提5. 代码规范靠「垃圾回收」
- AI 会复制已有的模式（包括坏的）
- 每周人工清理不现实
- 解决方案：写「黄金原则」规则 + 定期后台任务自动扫描并修复6. PR 流程变化
- Agent 可以自己 review、响应反馈、合并
- 人类可以不审查，交给 agent-to-agent 流程
- 测试 flaking 就多跑几次，不阻塞现在 Agent 能做什么？
给定一个 prompt，Agent 可以：
1. 验证代码状态
2. 复现 bug
3. 实现修复
4. 验证修复
5. 打开 PR
6. 响应反馈
7. 检测构建失败并修复
8. 只有需要人类判断时才 escalation
9. 自己合并未来挑战
- 多年后架构如何演进？
- 人类判断如何编码成可组合的规则？
- 随着模型更强，系统如何进化？
一句话总结：这篇文章展示了 OpenAI 用 AI 替代人类写代码的真实实验，核心不是 AI 写代码本身，而是如何设计让 AI 能高效工作的环境和反馈系统。

🦞 TrustMRR - OpenClaw 生态公司，TrustMRR 是一个追踪初创公司营收数据的平台 https://trustmrr.com/special-category/openclaw

The Web Data API for AI - Turn entire websites into LLM-ready markdown or structured data https://github.com/firecrawl/firecrawl