AI

在哈萨克斯坦：用 AI 规划，被风吹走无人机，与黄金时代的余晖 一、缘起 一对情侣朋友要去哈萨克斯坦，问我五一的安排。刚好我没有安排，遂欣然同意，还拉上了大学舍友。整个行程 4 月 25 号到 5 月 4 号，请了 4 天年假，大概八九天。 说实话现在出行更多还是在乎自然风光——人文方面的东西确实没那么感兴趣，也看不懂。另外就是尽量错峰。哈萨克斯坦的地形地貌和新疆差不太多，但至少人少一些，从成本上讲也不贵。 反正有人订机票酒店做行程计划，我只需要付款跟着走就行。开团秒跟。 但还有很多日常的东西要谋划——交通、汇率、钱币，这些就交给了我。 二、用 AI 规划一次冷门自由行 整个前期规划很大程度上是借助 AI 来完成的。具体来讲比较简单：汇总多个不同平台的 Deep Research 报告，让 Claude Code 跟我聊里面哪些是共性的、哪些是冲突的，最后通过飞书 CLI 写入飞书文档，然后分享给同行的人。 Deep Research 用了四个渠道：豆包、点点、千问、Gemini。 从最终结果看，我理解两块信源其实就足够了： 点点（背靠小红书）：时效性强，很中国化。有些踩坑的点它提前踩过了——比如机场汇率差、建议去银行换汇，比如 Google Map 在当地不如 2GIS 好用。这是它独一无二的优势。 Gemini（背靠 Google）：信源更国际化、更规范。比如药品携带规定这种东西，在其他渠道完全看不到。全球视野对准备东西还是有帮助的。 当然，里面提到的很多注意点未必会在实际过程中遭遇到，更多的是有备无患、心里有个数。反正既然已经生成了，我干脆就直接分享出来给有需要的朋友。 📎 完整出发前准备文档：飞书 Wiki 链接（含 Checklist、通信方案、换汇攻略、支付方式、交通、阿克套专题等） 三、踩坑清单 我们去的是阿拉木图和阿克套。这两个地方不能代表完全的哈萨克斯坦，只能谈自己的感触：很有那种上个世纪停留在苏联时期的感觉。自然风光比较原始，商业化没有那么完善——你可以看到更原始的东西，但配套体验也就没有那么方便。厕所是一个永恒的话题，后面会反复提到。 以下是实际执行中踩过的坑。 3.1 SIM 卡：IMEI 绑定的坑 尽管前期调研了比较多，实际执行中还是遇到了问题。 我们定的方案是国内买两张漫游卡 + 当地买两张本地卡，互有备份——还真得是靠这个互补。实地体验下来： 漫游卡（淘宝） 当地本地卡 价格 80 元 20G / 10 天 80 元 / 不限流量，超出降速 市区信号 尚可 好 郊区/乡下 经常没信号，有信号也只能发文字，图片加载费劲 明显更强，图片加载流畅 荒野（阿克套） 信号稍强一点 大差不差 整体更建议买当地卡。不论安卓还是 iOS，当地卡在乡下的网速都可以很顺畅地加载图片。 ...

我的硬件我做主，AI 时代按需定制手机功能 上一篇《Agent 的家，AI 时代个体的硬件基座》里，我提到过一个观点：AI 时代，值得拥有一台 Root 过的手机。 当时给了四个理由，但没有展开讲。 这篇文章就是那个展开。 我会用 5 个最近实际在用的 Root 模块来演示：当你拥有硬件最底层的权限，配合 Claude Code 这样的 AI 编程工具，一个普通人能做到什么。重点不在这些具体的插件——它们只是载体。我想展示的是一种可能性：只要你能把问题定义清楚，把测试说明白，人人都可以是开发者。 这篇文章会有点极客。如果你对 Root、Xposed 这些概念完全陌生，建议只看每个模块「它解决什么问题」的部分，感受一下思路就好，不必实际折腾。 给不了解的同学： Root 是什么？简单来说，你买了一台手机，但厂商只给了你「住户」权限——能用，但不能改。Root 就是拿到「房东」权限，可以修改系统的任何行为。而 LSPosed 是 Root 之后最常用的工具框架，它可以在不修改 APP 本身的情况下，改变 APP 的行为——比如让微信的链接跳转到外部浏览器，或者让视频 APP 默认 3 倍速播放。下面提到的「插件」「模块」，都是基于这个框架开发的小工具。 一、从零造一个插件：锁屏直达飞书机器人 问题 在之前《我用 AI 长出来的那些工具》里，我分享过自己的 Memo 笔记体系——通过飞书/企微/Telegram 机器人，随时随地把想法发给机器人，自动存入 Memo 并触发 AI 后处理。 这套体系运转得很好，但有一个环节一直不够顺畅：记录闪念的速度。 当一个想法冒出来的时候，我需要：解锁手机 → 打开飞书 → 找到机器人 → 开始输入。三步，每一步都有摩擦。我一直在找一个更快的方式，也考察过各种随身硬件，但始终没找到合适的。 思路 既然硬件路线走不通，那就从手机本身想办法。 我知道很多 APP 支持 URL Scheme 协议——比如你点一个特定的链接，可以直接跳转到小红书的搜索页、微信的扫码页。飞书也支持类似的能力：可以把机器人的聊天窗口以 URL 的形式分享出来。 ...

昨天 Claude Code 源码泄露，中文社区最热门的操作就是照着教程关闭遥测。请不要这样做。 这篇文章解释为什么。 主图 昨天发生了什么 Claude Code 的当前版本源码（cli.js.map）被逆向泄露了。泄露内容里包括遥测上报的全部逻辑——上报了哪些字段、走了几条链路、以及怎样通过环境变量把遥测关掉。 很快，中文社区开始疯传一份"遥测拆解文档"，有一个建议是：设置几个环境变量，把遥测关掉，这样 Anthropic 就看不到你的信息了，账号就安全了。 恐怕有非常多人照做了。 我写这篇文章，是因为我认为这个建议不仅没用，而且有害。它会让你的账号更危险，而不是更安全。 在开始之前：两个共识 第一，所有风控策略都是黑盒。 除了 Anthropic 内部的风控团队，没有人知道确切的规则和权重。我们能做的，只是根据现象反推逻辑，结合经验做出判断。包括这篇文章本身，也是我的推测和分析，不是内部信息。 第二，风控是概率题，不是是非题。 风控系统做的事情，是给每个用户打一个"风险分"，综合多个信号交叉判断。这就导致了一个现象：同样的操作，A 做了没事，B 做了被封。不是因为规则不一致，而是两个人的其他信号组合不同，最终得分不同。 记住这两点，后面的分析会更好理解。 一个重要背景：Claude Code 深度参与 Anthropic 的运作 在聊风控之前，有一个背景值得单独拿出来说。 Anthropic 已经多次公开表示，他们公司内部大量的工作——包括代码开发、内部工具搭建——都是由 Claude Code 自己来完成的。换句话说，Claude Code 不只是他们卖给用户的产品，也是他们自己每天在用的生产工具。 那么我们就有理由做一个合理推测：Claude Code 的风控策略设计、信号分析、甚至判定逻辑，很可能也有 Claude 自身的深度参与。 这意味着什么？意味着你面对的风控系统，不太可能是一堆写死的 if-else 规则。它更可能具备大模型的分析能力——能理解上下文、能做多信号交叉推理、能识别行为模式。 用人话说：你面对的"审查官"，可能就是 Claude 本人。 而你觉得自己很聪明地关掉了遥测，在它看来，可能只是一个非常显眼的异常信号。 Claude Code 风控的两个目的 在分析具体行为之前，先理解风控在防什么。Claude Code 的风控主要针对两类人： 1. 反逆向 / 反自动化 有人通过逆向 Claude Code 的客户端，对外暴露 API 接口来倒卖。Claude Code 是按月订阅的（Max 套餐 $200/月），但如果逆向后当 API 用，可以跑出远超订阅价的调用量。这中间的利润空间非常大，所以有很强的经济动机。 ...

本文是「LLM 吞噬一切」系列的硬件篇。上一篇 我用 AI 长出来的那些工具 聊的是软件层我怎么搭的，这一篇聊底下的硬件基座——怎么搭、为什么这样搭，以及硬件市场的趋势判断。 这篇文章会有点极客。其实我早就想写了，拖了快一个月，结果这一个月硬件的价格又涨了不少。 硬件全景 一、我的硬件全景 先上一张全局架构图，看看各设备之间的协作关系： graph TB subgraph 网络层 R2S["R2S 软路由全局网络管理 & 分流"] end subgraph 主机与服务器 NAS["NAS 32GUnraid | 数据存储"] N305["N305 小主机PVE + Debian | 自部署服务"] MAC["Mac Studio 64GM1 Max | ASR/OCR 计算中心"] X86["X86 高性能主机 64GPVE + Ubuntu | 本地模型 & 开发机"] end subgraph 云端存储 GH["GitHub代码仓库"] JG["坚果云 / OneDrive文件同步"] W115["115 网盘 40TB大容量云备份"] end subgraph 冷备 COLD["独立断网硬盘冷备 ~40TB"] end subgraph 手机 MI14["小米 14Root | Agent 工具机"] K90["红米 K90 Pro MaxRoot | 主力机 & 日常自动化"] DB["豆包手机豆包原生 Agent"] end subgraph 随身硬件 LYD["飞书录音豆语音采集 → 飞书妙记"] GLASSES["小米智能眼镜拍照 & 录音兜底"] end subgraph 日常硬件 GUITAR["Libre Live 无线吉他情绪舒缓 🎸"] ACTION["Action 5 Pro生活记录 🎬"] end R2S -->|网关| NAS R2S -->|网关| N305 R2S -->|网关| MAC R2S -->|网关| X86 R2S -->|网关| K90 R2S -->|网关| MI14 R2S -->|网关| DB NAS <-->|镜像互通| N305 X86 <-->|镜像互通| N305 MAC -->|API 调用| X86 K90 -->|HAPI 远程| X86 MI14 -->|HAPI 远程| X86 LYD -->|自动同步| K90 X86 -->|镜像/数据| NAS N305 -->|镜像/数据| NAS MAC -->|数据| NAS NAS -->|云端同步| W115 NAS -->|文件同步| JG X86 -->|代码推送| GH NAS -->|重要数据| COLD style R2S fill:#e74c3c,color:#fff style NAS fill:#3498db,color:#fff style N305 fill:#2ecc71,color:#fff style MAC fill:#9b59b6,color:#fff style X86 fill:#f39c12,color:#fff style K90 fill:#1abc9c,color:#fff style MI14 fill:#1abc9c,color:#fff style GH fill:#24292e,color:#fff style JG fill:#2980b9,color:#fff style W115 fill:#2980b9,color:#fff style COLD fill:#7f8c8d,color:#fff 下面逐一展开。 ...