只有一名舰长两*式开了私信超高收费，我没办法联系，剩下的朋友都已经私信了舰长群 Link，请各位查收自己的私信 ᕕ( ᐛ )ᕗ
Читать полностью…
正在为我的博客开发特辑功能，把我认为可以在一起读的内容放到单独的页面，并且写好导读，试了一下用 GPT 出特辑封面，其实效果不错的
Читать полностью…
Jojo123: jandan.net/t/6131626
OO: 123 XX: 11
VlSO: night你就是原来的漆也没用，新旧都会有色差
OO: 15, XX: 0
Q_Z: jandan.net/t/6128945
OO: 102 XX: 12
巴门尼德: 酷，如果这个水泥是那种不产生灰尘的类型，这个房子简直就是我的梦中情家
OO: 50, XX: 3
野鹤闲云惯: 看阳光就知道坐东朝西，加上大落地玻璃，早上东晒，下午西晒，是把空调开到最大都压不住的温度。窗帘只能挡一些光照，但挡不住整面墙透传过来的热量。
OO: 16, XX: 2
夜无痕: 巴门尼德 刷墙固地固啦。
OO: 14, XX: 0
谷歌：目前公司内部 75% 的新代码由 AI 生成
IT之家 4 月 23 日消息，据《商业内幕》报道，当地时间周三，谷歌称目前公司内部新编写的代码中已有 3/4 由 AI 生成，随后再交给人类工程师审核。
这个比例近几年一直在持续上升。谷歌曾透露，截至 2024 年 10 月，公司大约四分之一的代码由 AI 生成。到了去年秋天，这一比例已经提高到 50%。
谷歌一直在推动员工把 AI 用到编程和其他工作中。CEO 皮查伊周三在博客中披露，谷歌正在转向“真正以智能体为核心的工作流程”，让工程师运行更多自主任务。“最近，一项由智能体和工程师协同完成的复杂代码迁移工作，完成速度比一年前仅靠工程师时快了 6 倍。”
谷歌工程师目前正使用 Gemini 模型生成代码，其中一些工程师还被设定了明确的 AI 使用目标，这些目标将纳入今年的绩效评估。
最近几个月，谷歌 DeepMind 部分员工已获准使用 Anthropic 的 Claude Code，这也在员工之间引发了一些紧张情绪。
据IT之家了解，谷歌并不是唯一一家加大 AI 编程力度的科技巨头。
去年 4 月，微软 CEO 萨提亚 · 纳德拉表示，微软部分项目中已有 20% 到 30% 的代码由 AI 编写。微软 CTO 凯文 · 斯科特也在同月表示，他相信未来 5 年内，95% 的代码都会由 AI 生成。
Meta 同样在大力推进这个方向。截至 2025 年第四季度，Meta 已经设定目标，要求部分组织中软件工程师提交的代码改动里，有 55% 应属于“Agent-Assisted”。文件还说，在 2026 年上半年，Meta 创作组织中 65% 的工程师预计会使用 AI 编写超过 75% 的已提交代码。
本月早些时候，Snap 表示，按照新的运营模式，至少 65% 的新代码由 AI 生成。
https://roriri.one/notes/independent-var
一天两篇，惊喜不惊喜，意外不意外！
Adams（2008）在《实验的文化分析》中提到：
将研究带进实验室、使用抽象刺激、创造「最小群体」、在私密条件下测量反应，这一过程看似是在剥除文化层，以达到一种无立场的「来自虚空的视角」。但事实上恰恰相反，这是将研究搬运进一个特定的文化世界。
Git 2.54
- git history reword <commit> 重写 commit message
- git history split <commit> 将一个 commit 分成两个
https://github.blog/open-source/git/highlights-from-git-2-54/
Deepseek V4 的模型品质非常次，拿来做写作辅助几乎是不可用的，所有问题的解决全都是按字面意思给你对付
Читать полностью…
visual-base 这个项目另一个启发点的来源是 DeepSeek OCR 这篇论文。里面纠正了一个我一直以来的思维误区，就是文字比图片更省 Token。
实际上从 LLM 的角度，图片 Token 的信息密度可能是文字 Token 信息密度的 10x-20x，那么以此类推视频 Token 的密度可能是文字 Token 的 100x 了。所以看似文字是做了压缩，但可能不仅是有损压缩，压缩完了体积还膨胀了。
而且只是做 LLM 的理解并不需要 4K 120fps 的视频输入，在 visual-base 里默认只有 1fps。按照 DeepSeek OCR 的压缩思路其实还可以进一步做有损压缩，像记忆自然衰退一样继续降分辨率，降帧率，视频存储的体积也不会和想象一样夸张。
Q_Z: jandan.net/t/6128599
OO: 113 XX: 11
一切包袱: 虽然强迫症满足，但是要考虑好楼板承重，现在一般都是下面红砖，上面空气砖。
OO: 61, XX: 0
简单繁琐: 瓦工的状元这么厉害么
OO: 15, XX: 0
蛋友e61f7beee00c6: 这工艺应该做外墙，清水墙砌这么好的也不多见了
OO: 8, XX: 0
ˊ_>ˋ 以及，我感觉我博客的正文列表区和笔记区简直是俩画风，笔记区就是一个 Bitch + Nerd...
Читать полностью…
https://x.com/solanamummy/status/2044808122997284963?s=46
Читать полностью…
草，我试了一下讲得真蛮好的。
https://x.com/threeaus/status/2046916469578158576
我的提示词是让它讲清楚 LAB 色彩体系的原理，用的 ChatGPT：
從前有一座很奇怪的城，叫作觀色城。
這座城裏住着三位最重要的大臣。第一位大臣掌管明暗，人人都叫他「亮使」。他不太關心顏色是紅還是綠，也不太在乎偏藍還是偏黃；他唯一在意的，是一件東西到底亮到像正午的牆，還是暗到像深夜的井。
第二位大臣掌管兩種永遠對立的力量。城裏的人稱他為「青紅使」。他工作的方式很簡單：如果某樣東西越偏向紅，他手中的秤就越倒向一邊；如果越偏向青綠，秤就往另一邊傾。正中間，便代表它既不偏紅，也不偏青綠。
第三位大臣則掌管另一組對立的力量，人稱「黃藍使」。他的秤和青紅使一樣，只是衡量的不是紅與青綠，而是黃與藍。越偏黃，秤越往一端；越偏藍，秤越往另一端；若在正中，便代表它不特別偏黃，也不特別偏藍。
觀色城的律法與其他國家都不同。別的國家往往讓工匠先把紅色顏料、綠色顏料、藍色顏料拿出來，混一混，再告訴別人這件布、這朵花、這片天究竟是甚麼樣子。觀色城卻不這樣做。這裏的人覺得，那樣雖然方便製作東西，卻不夠接近人真正看見世界的方式。
「人不是先看見三桶顏料，才看見顏色的，」亮使常說，「人先感到明不明，再感到偏不偏暖，偏不偏冷，偏不偏另一個方向的色氣。」
所以，每當城裏要記錄一件東西的樣子，三位大臣就會一起出面。
若是一張白紙，亮使會說：「很亮。」青紅使看看秤，說：「不偏紅，也不偏青綠。」黃藍使也說：「不偏黃，也不偏藍。」於是大家都知道，那是一張亮而中性的白紙。
若是一顆熟透的檸檬，亮使說：「它不算太暗，還挺亮。」青紅使說：「不太偏紅，還微微向青那邊退了一點。」黃藍使便笑了：「可它顯然很偏黃。」於是記錄官便把這顆檸檬記作：亮度偏高，黃感很強，紅綠方向不突出。
若是一塊深藍色絨布，亮使先皺眉：「它不亮。」黃藍使立刻把秤壓向另一端：「而且很偏藍。」青紅使則慢慢補一句：「紅綠方向不太明顯，或者只輕輕地偏一點。」這樣一來，那塊絨布的樣子，也被描述清楚了。
外地來的商人一開始都很不習慣。
他們總問：「你們為甚麼不直接說，這東西用了多少紅、多少綠、多少藍？」
觀色城的人便帶他們去看日落。先看黃昏時的牆，再看夜色下的牆。接着問他們：「你們眼中的差別，真的是哪桶顏料多了幾勺那麼簡單嗎？還是你首先感到，整體暗下去了；接着才感到顏色在偏移？」
商人往往答不上來。
後來，城裏出了一位年輕的修補師，名叫伊紗。她的工作，是替古畫修復顏色。這份工作最難的地方在於：她不能只把顏色「調得像」，她還得知道，究竟是那幅畫太暗了，還是偏黃了，還是原本中性的石牆如今微微發綠。
有一天，她接到一幅受潮多年的壁畫。畫中的天空失去了原本的清澈，人物的皮膚也變得古怪。她請來三位大臣一起判斷。
亮使看了很久，說：「整幅畫變灰了，像是光被抽走一層。」
青紅使扶着秤說：「人物的臉往青綠方向偷偷滑了一點。」
黃藍使則說：「雲層倒是變黃了，不過天空本身並沒有跟着一起黃。」
伊紗聽完，沒有急着大把調色。她先只把畫提亮少許，人物氣色立刻回來了一半；再往青紅那組對立裏輕輕拉回來，膚色便更像活人；最後只處理雲的黃藍傾向，天空與雲層竟然各自歸位。圍觀的人都很驚訝，因為伊紗幾乎沒有「重新上色」，她只是把三位大臣失衡的秤，一一扶正。
從那天起，更多人明白了觀色城的高明之處。
若你只知道一件東西由哪幾桶顏料拼成，你有時很難直接想清楚：現在的問題到底是它變暗了，還是偏色了；是整體往暖跑，還是只在某個對立方向上傾斜。可若你把一個顏色拆成三件事來看：它有多亮，它在第一組色彩對立中偏向哪一端，它在第二組色彩對立中又偏向哪一端，那麼很多本來混在一起的問題，就忽然能分開處理了。
而且更奇妙的是，在觀色城，人們逐漸發現：從一個顏色走到另一個顏色，若是三位大臣的數值變化得均勻，人眼感受到的變化，往往也比較均勻。這對畫師、染匠、修補師、玻璃工和織布者來說，幾乎像是一種魔法。因為他們終於能更接近「眼睛真正怎樣感到差異」，而不是只停留在材料如何混合。
直到這時，你大概會慢慢意識到，觀色城根本不是在講一座城，而是在講一種描述顏色的方法。
那三位大臣，其實是在把一個顏色拆成三個座標。亮使負責的是亮度；青紅使負責的是一條從青綠到紅的軸；黃藍使負責的是一條從藍到黃的軸。當一個顏色被放進這三個維度裏，它就不再只是材料配方，而更像是一個在感知世界中的位置。
上面那個寓言真正要講的，是 LAB 色彩體系。
LAB 通常寫作 L、a、b。L 代表明度，也就是一個顏色看起來有多亮；a 代表從綠到紅的軸，數值往一邊走是偏綠，往另一邊走是偏紅；b 代表從藍到黃的軸，往一邊是偏藍，往另一邊是偏黃。
它的重要性在於，LAB 不是單純從設備出發去描述顏色，而是試圖更接近人眼怎樣感受顏色差異。這樣做有幾個好處。
第一，你可以把「亮不亮」和「偏不偏色」分開理解。這對調色、修圖、修復圖片都非常重要。因為很多時候問題不是顏色本身錯了，而是亮度錯了；或者不是整體都錯，而只是某個色相方向偏了。
第二，LAB 很適合思考顏色之間的距離。兩個顏色在 LAB 空間裏如果很接近，人眼通常也會覺得它們相似；若距離很遠，人眼就更容易察覺差別。這就是為甚麼它常被用在色差計算、印刷、色彩管理和專業圖像處理裏。
第三，當你學 RGB 時，你學到的是「設備怎樣發出顏色」；當你學 CMYK 時，你學到的是「印刷怎樣把顏色印出來」；但當你學 LAB，你更像是在學「人怎樣感受到顏色」。它不是最直觀的入門體系，卻是一個很好的中層視角，能把設備、畫面和視覺感受串起來。
你可以先這樣粗略記住：
L：亮不亮
a：偏紅，還是偏綠
b：偏黃，還是偏藍
只要這個骨架立住了，之後再去理解色域、色差、白平衡、膚色校正、曲線調色，會容易很多。
https://web.archive.org/web/20150818033829/http://design.google.com/
真好看啊真好看啊
#GitHub情报 #Design #Web
🎨 基于数学曲线的加载动画集
🔗：GitHub | Web
👉 Features
- 基于数学曲线生成的加载动画（不是手写关键帧）
- 多种曲线类型（正弦 / 螺旋 / 利萨如等风格）
- 丰富的参数控制，为动画带来实时变化
- 纯前端实现，所见即所得，支持多种形式导出
💡 在小红书冲浪的时候，发现了这个个人项目。作者使用数学公式曲线运动做动画，还增加了玫瑰、心型曲线的动画，并对每个动画增加了配置项，大家可以尝试调整出自己想要的效果
👀 这个项目无疑结合了数学、动画和 UI，让我们能够自行探索函数与前端的美。大家可以将它们用在Demo / 展示页、加载动画或艺术项目之中，我也向 GPT 发出了询问，得到了另外一些同样很优美有趣的可视化图案代码。可以说，AI 极大程度上方便了普通人去发现美、创作美
🧑🏻💻 人终究是视觉动物，近年来各类可视化网页做得越来越精美，短视频也牢牢抓住了人们的眼球。从中挑选出一些适合自己审美的，细细挖掘，背后的原理也十分有意思
📘 关联阅读：
1️⃣ 介绍两个有趣的地铁网页可视化项目
2️⃣ Aeris：实时 3D 航班飞行可视化网页
3️⃣ NO DAYS OFF：Adrien Friggeri 和他的跑步可视化网站
4️⃣ Bartosz Ciechanowski 和他的博客
频道：@NewlearnerChannel
