Kling 看起來非常棒！ 這對影像轉視頻的製作是一個巨大的提升。 • 令人驚嘆的主題一致性 • 非常流暢、動態的運動 • 整個視頻的風格保持一致 • 超級清晰的視覺效果 這是他們的新版本。顯然，#kling 將其與舊版本進行了比較，結果好到驚人，提升了 102%。 #klingai 很慷慨地提供了我早期訪問他們平台的機會，並與我合作撰寫這篇文章。 以下是你需要做的來嘗試這個： • 前往 @Kling_ai 的網站 • 上傳一張圖片 • 使用提示添加一些有趣的東西 就這樣！享受吧。

我昨晚無法入睡，因為我一直在思考這件事： 昨天，在上床睡覺之前，我使用 @code 的代理程式來建立一個腳本，完成所有這些： 1. 它連接到我的 Gmail 2. 搜尋來自 Stripe 的任何電子郵件 3. 過濾出與我其中一家公司有關的付款電子郵件 4. 從電子郵件正文中提取付款 ID 5. 使用該付款 ID 搜尋 Stripe API 6. 檢索與該付款相關的發票 ID 7. 用該 ID 更新一個電子表格 8. 用該 ID 更新我擁有的一個檔案 這一切我實際上花了不到 45 分鐘就完成了。在一個沒有 AI 的世界裡，這應該至少需要我一天的工作。 我不得不介入三次： 1. 配置 Gmail API 的訪問權限 2. 配置 Stripe API 的訪問權限 3. 配置電子表格 API 的訪問權限 這個代理程式寫了 2,529 行代碼。這感覺不對，但我還沒有查看代碼，所以我不能確定。 這是使用 Claude Sonnet 4 完成的。 我仍然感到震驚。 我不明白發生了什麼事。

數學並不是成為機器學習工程師所必需的。 就像你不需要了解歐洲歷史就能旅行並享受意大利、西班牙或法國。 但如果你知道歷史，你的旅行將會更加愉快，提升十倍。 我99%的時間不會想數學，但我仍然非常精通，能夠毫無問題地完成我的工作。我知道很多人有類似的經歷。 但當我上大學時，我別無選擇，只能學習矩陣、卷積、概率、梯度以及所有那些有趣的東西。 今天，偶爾會有這些知識派上用場。當這種情況發生時，感覺就像魔法。 我知道為什麼某些東西會這樣運作。 我知道為什麼我們應該測試這種方法而不是那種方法。 我知道為什麼我們會遇到那個奇怪的錯誤。 這些知識在那些奇怪的情況下非常有用。只要多花點努力，任何人都可以克服這些問題，但我不需要，因為我花了很多不眠之夜學習幕後發生的事情。 你不需要數學來當工程師。 但如果你投入時間，你肯定會好上十倍。

MacBook Air 是一台荒謬的電腦。 我用我的 Air 連續兩個月在歐洲旅行。沒有其他電腦。 我真的很擔心這台電腦會拖慢我的腳步，但它沒有。 我每天都用 Visual Studio Code 寫程式碼（使用 Dev Containers，這些使用 Docker）。在這段時間裡，我甚至編輯了十幾個視頻。 一切都很好。我從來沒有希望我有其他的筆記本電腦。 我不會很快買 MacBook Pro。我的只花了 $1,399。

我正在使用谷歌的 A2A SDK 建立一個多代理系統。 這是一個簡單的系統。 協議很穩固，但你需要寫大量代碼才能讓多個代理運行並相互通信。 整個系統都很挑剔。我不確定問題出在 Gemini、ADK（代理開發工具包）還是 A2A SDK。 有時事情能正常工作，有時又會失敗。這真讓人沮喪且脆弱。 在這個時候，使用這些東西在生產應用中簡直是瘋了。

有些事情是普通代碼永遠比 AI 做得更好的。 事實上，大多數軟體仍然依賴於老式的普通代碼，而不是 LLM。 我記得當物件導向程式設計（OOP）成為一種趨勢時。每個人和他們的母親都想寫類別，而不是結構化的函數。 很難理解因為 OOP 純粹主義者不想做其他事情，導致代碼庫變得多麼臃腫。 我們現在正經歷同樣的情況，但現在我們面對的是以 AI 為先的代碼（不管那意味著什麼）。 將來會有一個時刻，我們會集體回顧並嘲笑這麼多人使用 LLM 來做普通的 if/else/for/while 語句可以做得 100000 倍更好和更有效率的事情。

我最近遇到一個團隊，他們使用 LLM 來實現狀態機。 他們稱之為 "agentic"。他們還告訴我，它大多數時間都能正常運作。 我請他們寫下從一個狀態轉移到另一個狀態的規則清單。 他們列出了這些規則。 不久他們就意識到發生了什麼：他們用 AI 建立了一個解決方案，但這個問題其實不需要 AI。 我們移除了模型，寫了一些代碼來實現這些規則。這可能最多只花了 2-3 小時。 他們從 "它大多數時間都能運作，速度相對較快，並且需要一些代幣" 變成了 "它 100% 的時間都能運作，瞬間完成，並且不需要任何費用。" 最近有這麼多類似的例子。 黃金法則：建立可能運作的最簡單的東西。

人工智慧正在改變一切。就這樣。 如果你還不明白，請觀看這個。 看看附上的視頻。使用這個工具的公司將比其他公司快 100 倍執行任務。人工智慧轉變你所做的事情的速度簡直無法匹敵。

我正式回到 @code。 Copilot 團隊的進展令人難以置信，已經追上了 Cursor。現在的情況是，我無法再合理地擁有兩個訂閱了。

你將參加的最佳 AI/ML 工程班明天開始。 這將幫助你變得更具生產力和技能，提升一個數量級。 如果你認為 AI 會在今年年底取代工程師，那就不要加入。繼續玩遊戲或做其他你喜歡的事情。 如果你想建立能讓你在未來幾十年內位居世界頂端的技能，請在這裡加入我們：