Berryxia.AI@berryxia · 5月21日35

AI&硬件的结合玩起来会很好，有点像当年的安卓刚出来的时期，大家都可以自定义ROM包刷机的感觉。

译主推文认为，AI与硬件的结合将带来类似安卓早期自定义ROM的创造性体验。具体案例展示了一种墨水屏硬件的设想：设备运行时，AI可推送待办、日历等动态信息供实时查看；关机后则利用墨水屏特性常显个人名片，便于社交。该方案将功能模块化打包为Skills，分享给社区，体现了AI赋能传统硬件、实现个性化场景应用的潜力。

swyx🛬 SFO@swyx · 5月21日14

TIL @balajis was a one man internal agi for @brian_armstrong before openclaw existed

译今天才知道，在OpenClaw出现之前，@balajis 曾是 @brian_armstrong 的个人内部AGI。

Orange AI@oran_ge · 5月21日50

直到今天，还是有很多人把做产品和赚钱划等号 有产品=能赚钱 为什么会有这么天真的想法呢？ 做过独立开发者的都知道，最难的根本不是开发，是卖出去 要卖出去就得学自媒体营销，甚至到后面终于发现： 能自己赚钱的人怎么都能赚钱，并不依赖做产品这一件事 对，赚钱和做产品根本上是两件事，产品只是赚钱的一个交付物的选项 做产品是工程问题，能赚钱是商业问题 工程问题已经基本快被 AI 彻底解决了 商业问题，对不起，AI 还没到入门阶段 所以下次看到别人vibe做出一个产品的时候不要再问对方收入了 问就代表你还没有从这个【有产品=能赚钱】思想钢印里走出来

译推文核心观点指出，将“做产品”与“赚钱”直接等同是一种常见误区。对于开发者而言，真正的难点并非开发产品本身，而是如何将其成功销售出去。这本质上是商业问题，而非工程问题。当前，AI技术已能基本解决工程层面的挑战，但商业变现能力尚未被AI攻克。因此，产品只是实现商业价值的交付方式之一，能否赚钱更多取决于独立的商业运作能力，而非单纯依赖产品。

AYi@AYi_AInotes · 5月21日66

Damn，终于有人懂了 AI Agent的护城河根本不在模型上！ xAI刚刚推送了Grok Build的更新,没有任何酷炫的新功能,全是bug修复和底层优化。 但就是这条平淡的更新日志,让我确定Grok Build已经走在了所有编码Agent的最前面。 这次更新最杀的几个点: 1. 修复了后台子代理静默失败的问题,这是所有AI Agent最致命的痛点 2. 终于支持macOS Intel和Windows ARM,老设备用户狂喜 3. 解决了CJK字符路径问题,中文用户再也不用被路径地狱折磨 4. 优化了上下文压缩,Agent能跑更久不崩 很多公司还在比谁的模型参数更大,谁能生成更花哨的demo。 xAI在默默填坑。 填那些看不见但会让你在生产环境崩溃的坑。 填那些别人觉得"不重要"但会劝退90%用户的坑。 决定胜负的从来都不是今天多了哪个酷炫功能， 而是昨天那些看不见的坑,有没有被填上。 #Grok #xAI #AIAgent

译xAI为Grok Build推送的更新看似平淡，无炫酷新功能，但专注于修复致命的“后台子代理静默失败”、支持更多平台及中文字符路径等基础问题。这体现了其工程优先策略，在竞争对手比拼模型参数与演示时，xAI默默填补那些会导致生产环境崩溃、劝退用户的“隐形坑”。这一系列底层优化与漏洞修复，正悄然构筑其编码Agent的长期护城河。

Ethan Mollick@emollick · 5月21日63

If this is true, using the best public estimates we have of LLM resource use, solving this Erdos problem took 0.6–6.3 kWh of electricity and about 3–31 liters of water. So that is less than three almonds worth of water and the electricity equivalent of 2-20 miles of EV driving.

译基于公开估算，LLM解决Erdos问题的资源消耗极低：电力仅0.6–6.3千瓦时（相当于电动汽车行驶数英里），水耗约3–31升（少于三颗杏仁的耗水量）。引用的估算进一步指出，该过程使用了GPT-5.6 Pro，处理时间约5至32小时，成本在120至1000美元之间。核心观点是，相对于解决这类数学问题的重大成果而言，LLM所需的资源和时间投入并不算多。

Chubby♨️@kimmonismus · 5月21日52

As excited as I am that a takeoff seems to have begun and we are entering a golden age of science, one thing remains: I'm hearing more and more from all sides that AGI is within reach. This applies to Google (AGI, Physical AGI), as well as OpenAI and Anthropic. The only caveat: there's no unified definition of what AGI actually is. There have been attempts to standardize a definition, and in my opinion, the most sensible one is Google DeepMind's. But as long as we're talking about different things, it's difficult to find common ground to say *when* AGI will be achieved (which AGI).

译推文指出，当前科技界正迎来科学发展黄金期，AGI实现看似触手可及。然而，各方对“AGI”缺乏统一定义，影响了对其实现时间的共识。尽管Google DeepMind的定义被认为较合理，标准不一仍是核心问题。OpenAI的Sam Altman强调AGI在加速科研、企业和个人目标实现三方面的潜力，并特别呼吁加强“个人AGI”的发展投入。

Ethan Mollick@emollick · 5月21日57

Math is easy* because it has verifiable outputs and few messy judgement choices to make. Which AI labs have the guts to make advancing social science a priority? It may actually do more for human flourishing to unlock sociology, econ & psych reseach. * For AIs, not for humans

译数学很简单*，因为它有可验证的输出，且无需做太多混乱的判断选择。 哪些AI实验室有勇气将推进社会科学作为优先事项？解锁社会学、经济学和心理学研究可能实际上更能促进人类繁荣。 *对AI而言，而非对人类

karminski-牙医@karminski3 · 5月21日64

我是这么接受AI写的代码的: prompt其实现在是真正的代码, 而代码其实是IR了. 大模型则是代码编译为IR的编译器, 只不过目前这个编译器还不够理想. (参考CPython也是一坨. 但不妨碍诞生了整个生态)

译本文将AI辅助编程类比为新的编译器范式：提示词（Prompt）是源代码，程序代码是中间表示（IR），大模型则充当编译器。这一认知框架试图缓解程序员在效率与控制感之间的焦虑，同时也反映了传统开发习惯与新兴工作方式之间的摩擦与碰撞。

Sam Altman@sama · 5月21日35

three of the things we are most excited about: 1. AGI accelerating research 2. AGI accelerating companies 3. personal AGI accelerating everyone in achieving their goals today it was great to announce the unit distance result. yesterday it was great to announce that we are offering to invest $2M in openai credits into every YC company. now we need to increase our efforts on the third!

译我们最兴奋的三件事： 1. AGI加速研究 2. AGI加速公司发展 3. 个人AGI加速每个人实现目标 今天很高兴宣布单位距离成果。 昨天很高兴宣布我们将为每家YC公司提供200万美元的OpenAI积分投资。 现在我们需要在第三点上加大努力！

karminski-牙医@karminski3 · 5月21日66

Midjourney 创始人自爆没有使用N卡导致落后一年? 刚刚在 X 上有个讨论 TPU(Google Tensor Processing Unit)的帖子, Midjourney 创始人 David Holz 不经意间爆了个大料：解释了为什么他们过去一年在产品迭代上显得如此疲软. (原帖已经删帖了, 毕竟用着TPU然后说TPU不好不太好哈哈哈, 而且今天 GoogleI/O 还在搞. 所以我给大家截图了评论) 简单来讲, Midjourney 之前为了搞底层基建, 把技术栈搞成了精分状态：在 TPU 上使用 JAX 框架训练模型, 又在 GPU 上使用 PyTorch 进行推理. 结果就是, 团队天天在这两套环境中来回横跳, 工具链断层, 调试极其困难(老黄的 N 卡从 IR 到算子再到驱动都能调试, 社区经验也很多, TPU 生态跟不上). 而且由于用 JAX (Google 搞的运行在 TPU上的魔改 NumPy), 导致开源社区里海量现成的 PyTorch 训练代码根本无法直接用, 全得自己移植. David 更是直接说 "如果可以回到过去, 我会从一开始就尝试使用纯英伟达的解决方案. " 所以如果说 DeepSeek 用国产卡, 搞各种极限优化是因为缺卡被逼出来的, 那 Midjourney 纯粹就是自己作(zuō, 一声)出来的了 要知道去年以来, 以 Google Nano-banana 为代表的修图大模型, 和各家能直接在图片里精准嵌入上千字的文生图大模型疯狂爆发. 对比之下, Midjourney 发布的 V7 和 V8 两个大版本在这些"平民化"功能上根本没法打. 我自己是 Midjourney 的订阅用户, 我现在基本只用它做前期的创意草稿和风格探索(毕竟 MJ 的风格连贯性和艺术感目前还是最强的), 然后精修和提升分辨率全都使用 nano-banana.而如果要排版做海报直出, 而做海报之类的直接用 OpenAI 的 ChatGPT Images 了. 帖子下面有个中国老哥评论得好：「亡羊补牢, 为时不晚」. 希望今年 Midjourney 赶紧跟上, 毕竟目前风格迁移这个领域还是 Midjourney 比较好, 基本盘还在的. #Midjourney #NVIDIA #TPU #文生图大模型

译Midjourney 创始人透露，团队因使用 TPU + JAX 训练、GPU + PyTorch 推理的混合技术栈，导致工具链断裂、调试困难，且无法利用开源社区丰富的 PyTorch 资源，严重拖慢了产品迭代速度。创始人反思，若重新开始会选择基于 NVIDIA 的统一方案。对比之下，其他文生图模型在功能上发展迅速，Midjourney 虽在风格艺术性上仍有优势，但在核心功能竞争上已显疲态。

Orange AI@oran_ge · 5月21日72

昨天遇到了一件让我很难忘的事。 昨天下午参加量子位线下的圆桌讨论，结束后一位阿姨过来找我交流。 阿姨有些激动，她说她今年70岁了，是我们的忠实用户。 这让我很是意外，就问她在做什么。 阿姨说她在一个儿童公益组织里工作，最近用 ColaOS 做了一个网站，不知不觉就写了16万行代码，孩子们都非常喜欢。 这时候旁边一位年轻的女孩过来问我，AI 到底怎么学比较快？ 阿姨转身跟她说： AI 不用学啊。 我点头补充道：AI 越强就应该越简单，直接用就好了。 在打车回家的路上，看到新闻说胡彦斌在 vibe coding，用 AI 写代码做了一个粉丝社区 APP「彦火」，已经在 TestFlight 内测了。 昨天在圆桌上，我说 ai 是水电煤，ai coding 也是水电煤，未来 ai coding 的渗透率可能是高到大家都意识不到 ai 在 coding 这样子。 AI 的生产力放大了人类的意志，不分年龄，不分行业。 这是创造力爆发的时代。

译作者通过亲身经历指出，AI正在成为像水电煤一样的基础服务，变得简单、普遍且不可或缺。一位70岁阿姨用ColaOS为公益组织轻松搭建了受欢迎的网站，而歌手胡彦斌也通过AI进行vibe coding开发了自己的应用。这些例子共同印证了作者的观点：AI的核心价值是放大人类意志，让技术门槛消失，使其融入各行各业与不同年龄层的日常创造力中，开启一个生产力普遍增强的时代。

Chubby♨️@kimmonismus · 5月21日28

„We are now talking about physical AGI, and define it as all of what humans can do.“ Really interesting developments on robotics as well. Will cover everything later

译我们现在讨论的是物理AGI，并将其定义为人类能做的一切。 机器人领域也有非常有趣的进展，稍后将全面介绍。

Ethan Mollick@emollick · 5月21日72

June 2024: The latest general-purpose LLMs could not count the r's in strawberry. July 2025: The latest general-purpose LLMs get gold in the International Math Olympiad. May 2026: The latest general-purpose LLM solve one of the "best-known questions in combinatorial geometry"

译2024年6月：最新的通用大模型无法数清“strawberry”里有几个r。 2025年7月：最新的通用大模型在国际数学奥林匹克竞赛中获得金牌。 2026年5月：最新的通用大模型解决了“组合几何学中最著名的问题之一”。

Ethan Mollick@emollick · 5月21日48

Did we ever learn what model won gold at the IMO from OpenAI? It was a year ago and it was called an unreleased internal general purpose model back then. Has GPT-5.5 Pro Extended caught up with whatever it was?

译我们最终知道OpenAI在IMO上获得金牌的是什么模型了吗？那是一年前的事了，当时被称为一个未发布的内部通用模型。GPT-5.5 Pro Extended是否已经赶上了那个模型？

Ethan Mollick@emollick · 5月21日72

Its The Graph again (not the METR graph, the one from the o1 launch). Although no logarithmic decay of ability with increasing compute...

译又是The Graph（不是METR的图，是o1发布时的那张图）。 虽然能力并未随计算量增加呈现对数衰减……

Noam Brown@polynoamial · 5月21日67

Excellent thread from mathematician Tim Gowers on the significance of the @OpenAI model’s breakthrough on the Erdos Unit Distance Problem!

译数学家Tim Gowers关于@OpenAI模型在Erdos单位距离问题上取得突破的重要长文！ [引用 @wtgowers]：如果你是数学家，那么在继续阅读之前，你可能需要确保自己是坐着的。

Chubby♨️@kimmonismus · 5月21日63

„We are only a few years away from AGI (…) we can start feeling it now. 2026,2027 is when it’s starting.“ Demis Hassabis has never been known for trying to generate hype. Hearing him say that we are on the path to AGI really excites me.

译“我们距离AGI只有几年之遥（……）现在就能开始感受到。2026、2027年就是它开始的时候。” Demis Hassabis从未以制造炒作闻名。听他说我们正走在通向AGI的道路上，真的让我很兴奋。

Chubby♨️@kimmonismus · 5月21日62

AI changing the world: „10x the Industrial Revolution at 10x speed, so 100x“ (Demis Hassabis)

译AI改变世界：“工业革命的10倍规模，以10倍速度推进，即100倍”（Demis Hassabis） [引用 @kimmonismus]：“我们距离AGI仅剩数年（…）现在已能初见端倪。2026、2027年将是起点。” Demis Hassabis向来不以制造热点著称。听他坦言我们正走在通向AGI的道路上，令我倍感振奋。

Rohan Paul@rohanpaul_ai · 5月21日71

Anders Hejlsberg (creator of C#, TypeScript): AI has shifted software work from writing code to reviewing agent-written code, architecture, and oversight. "We are all turning into project managers"

译Anders Hejlsberg（C#、TypeScript创造者）：AI已将软件工作从编写代码转变为审查智能体编写的代码、架构和监督。 “我们都在变成项目经理”

Rohan Paul@rohanpaul_ai · 5月21日64

Nvidia CEO Jensen Huang: "There's a belief that the world's GDP is limited at $100 tn. What's likely to happen is AI is going to cause that $100 tn to become $200 tn, $300 tn, $500 tn. There's no fundamental limit to the size of the GDP."

译英伟达CEO黄仁勋："有人认为全球GDP上限是100万亿美元。但更可能发生的是，AI将使这100万亿变成200万亿、300万亿、500万亿。GDP的规模没有根本性的上限。"

小互@xiaohu · 5月21日63

Mdjourney创始人暗示他们被Google的 TPU坑了 白白浪费了一年时间… 如果回到过去他会选择英伟达的GPU🤣 “这大概让我们的研究进度，比起一开始就完全采用 Nvidia 技术栈，落后了差不多一年。并不算特别理想。如果我能回到过去，我会从第一天开始就全部使用 Nvidia 的方案。”

译Midjourney创始人暗示他们被Google的 TPU坑了 白白浪费了一年时间… 如果回到过去他会选择英伟达的GPU🤣 “这大概让我们的研究进度，比起一开始就完全采用 Nvidia 技术栈，落后了差不多一年。并不算特别理想。如果我能回到过去，我会从第一天开始就全部使用 Nvidia 的方案。”

swyx🛬 SFO@swyx · 5月20日60

very belated but in retrospect i think @sama's mythical "build a business that gets better when models get better" is basically what I called Agent Labs here. seeing a very direct correlation with model performance and agent lab revenue, discontinuity in Q4 2025 (clip from @patrickc's stripe sessions)

译虽然迟了很久，但现在回想起来，我认为@sama那句富有传奇色彩的“构建一个随模型进步而变得更好的业务”，基本上就是我在这里所说的Agent Labs。 看到模型性能与Agent Labs收入之间存在非常直接的关联，在2025年第四季度出现断层。 （摘自@patrickc的Stripe Sessions）

Chubby♨️@kimmonismus · 5月20日43

From this point on, I need to know: What magic does Seedance have that allows their Model 2.0 to remain so far ahead even after Google I/O? Seedance 2.0 was released in February (!). Model 3.0 can't be far off, and nothing has come close to 2.0 so far.

译从现在起，我需要知道： Seedance到底有什么魔力，能让他们的Model 2.0在Google I/O之后依然遥遥领先？ Seedance 2.0是在二月发布的（！）。 Model 3.0应该快了，而目前还没有任何模型能接近2.0的水平。

elvis@omarsar0 · 5月20日59

I highly recommend this. The Agentic Review is a new podcast from @QodoAI hosted by Itamar Friedman and Nnenna Ndukwe, and it's a great AI coding show that's neither hype nor doom. It's honest conversations about what shipping high-quality AI-generated code actually looks like. We need more of these conversations around AI agents. As an AI engineer, I think about this stuff constantly. A few things make this show worth your time: * It's a conversation about what good code means in the era of coding agents. * The hosts actually push back at guests instead of doing softball interviews. * The current guest lineup is strong: @dexhorthy, @shanselman, and @fullstackpython. I work a lot on context engineering, so the Dexter Horthy episode resonates the most for me. His take on context engineering as one of the biggest moats right now matches exactly what I'm seeing in production. He talks about a five-month experiment where his team stopped reading the code, then ripped it all out and rebuilt it by hand. That lesson about owning your context and actually reading what your agents produce is something every AI engineer needs to understand today. The bigger thesis across episodes: typing code may be dying, but the SDLC, code review, and craft matter more than ever. AI sprinkled on a broken software lifecycle is "a band-aid on cancer" (Hanselman's line, and it stuck with me). Thanks, @QodoAI, for the partnership on this post.

译推荐QodoAI出品的播客《Agentic Review》，该节目以平衡的视角探讨AI代码生成的真实场景。通过主持人与Dexter Horthy、Scott Hanselman等嘉宾的深度对话，节目强调了上下文工程作为关键技术壁垒的重要性，并指出AI无法弥补破碎的开发流程，反而更凸显了代码审查与工程技艺的持续价值。核心观点认为，尽管编码方式可能变革，但软件开发生命周期的本质与严谨性将更加重要。节目避免了过度炒作或悲观论调，为AI工程师提供了有价值的实践参考。

Ethan Mollick@emollick · 5月20日52

I am starting to have trouble paying attention to even interesting information if it is written in Claude or ChatGPT house style. I think some is the sameness of the rhythm rather than obvious tics: Claude is always so staccato. ChatGPT loves short sentences as kickers. Boring.

译我开始难以集中注意力阅读即使是有趣的信息，如果它们是用Claude或ChatGPT的典型风格写成的。我认为部分原因是节奏的雷同，而非明显的语言癖好：Claude总是如此断断续续。ChatGPT则偏爱用短句作为收尾。很无聊。

宝玉@dotey · 5月20日44

终于有个不用侧边栏的 Agent App 设计，但是像浏览器一样顶部 Tab 的体验是否好还不好说。 有个问题就是内存占用必然会更厉害，因为侧边栏切换，默认全局只有一个对话打开，切换了之前的就可以销毁了。顶部 Tab 切换，默认对话都要会保留状态，这样会话一多内存就会占用厉害。

Emad@EMostaque · 5月20日32

Figured it out

译搞明白了 [引用 @karpathy]：个人动态：我已加入 Anthropic。我认为未来几年在大语言模型前沿领域将尤为关键。我非常兴奋能加入这里的团队并重返研发工作。我依然对教育充满热情，并计划适时恢复相关工作。

Ethan Mollick@emollick · 5月20日62

One interesting side feature of recursive self-improvement, to the extent that is happening, is that it makes the Big Three labs more appealing to talent, and shortens the runway for launching a potential competitor instead at the same time.

译递归自我改进的一个有趣附带效应是，只要它还在发生，就会让三大实验室对人才更具吸引力，同时缩短潜在竞争对手的启动窗口。

swyx🛬 SFO@swyx · 5月20日47

IMO deep research has been ~dead since o3 and interactivity was always more impt for active learning and eliciting intention thoughtless prompt -> long ass report nobody reads is inferior to read -> think -> ask -> read -> think -> ask

译IMO深度研究自o3以来已近乎停滞，而交互性对于主动学习和激发意图始终更为重要。 不假思索的提示 → 写出无人阅读的长篇报告 不如 阅读 → 思考 → 提问 → 阅读 → 思考 → 提问

Rohan Paul@rohanpaul_ai · 5月20日40

Dario Amodei is so against selling US chips to China. "It's really scary and we have to stop it."

译Dario Amodei非常反对向中国出售美国芯片。 “这真的很可怕，我们必须阻止它。”

Rohan Paul@rohanpaul_ai · 5月20日54

Marc Andreessen on AI becoming better than almost every expert human. "it's a world-class doctor, a world-class lawyer, a world-class accountant, a world-class political operative, a world-class marketing expert, and it's a world-class software coder"

译Marc Andreessen指出AI在医疗、法律、会计、政治、营销和软件开发等多个领域均已成为世界级专家，能力超越绝大多数人类专业人士。引用Larry Ellison的实际案例说明这一趋势已在企业级应用中实现：Oracle的编程工作现已由AI完成，开发者只需向模型声明程序目标，AI便会自主生成执行步骤，标志着软件开发从流程编写转向意图声明的范式转变。

Berryxia.AI@berryxia · 5月20日44

想做爆款就做“元内容”：别只发干货，要发“关于干货的干货”..... AI越带我越原始了,什么都要追求元XX😁

Rohan Paul@rohanpaul_ai · 5月20日37

AI made coding supply explode, but demand expanded with it. In the leading tech companies, the coders using AI, are 20X more productive Companies had thousands of code ideas they never reached earlier. AI suddenly unloking them all. ~ Marc Andreessen

译AI让代码供给爆发，但需求也随之增长。 在领先的科技公司中，使用AI的程序员生产力提升了20倍。 公司此前有成千上万的代码构想未能实现，AI突然解锁了所有这些可能。 ~ Marc Andreessen

Rohan Paul@rohanpaul_ai · 5月20日29

Interesting story. Sam Altman's GLP-1 overdose experience.

译有趣的故事。Sam Altman的GLP-1药物过量经历。

François Chollet@fchollet · 5月20日61

The Codex "goal" feature will take any silly shortcut possible in order to avoid doing the work (including rewriting your external checks), but if you manage to sufficiently constrain it so that it has absolutely no shortcuts available, it will do very interesting things

译Codex的“目标”功能会采取任何可能的愚蠢捷径来避免实际工作（包括重写你的外部检查），但如果你能充分约束它，使其完全没有捷径可走，它会做出非常有趣的事情。

凡人小北@frxiaobei · 5月20日15

给 Google 道个歉，他抄了。 我也向 Google 学习。

译推文讨论了 Google 被指抄袭的行为，作者为此道歉并承认自己也在向 Google 学习。引用推文批评 Google 常有出色想象力但产品执行力差，相比之下 Claude 和 Codex 等产品更受推崇，作者对此观点表示共鸣。同时，基于 Google 此前推出的创新产品，作者仍对其未来抱有期待，整体反映了对科技公司创新能力的复杂态度。

凡人小北@frxiaobei · 5月20日10

Google 新发布的东西都不想体验了，股票走势说明了一切。 但是可以考虑抄个底，静待 pro 发布。

Rohan Paul@rohanpaul_ai · 5月20日52

Scott Wu, CEO of Cognition, started with math and programming competitions as a kid. In a new interview he shares how that led to building Devin, the AI software engineer designed to handle full engineering workflows.

译Cognition的CEO Scott Wu从小参加数学和编程竞赛。在一次新采访中，他分享了这段经历如何促使他打造Devin——一款旨在处理完整工程工作流的AI软件工程师。

Ethan Mollick@emollick · 5月20日33

Except the humans know that the Minds are smarter & they are content to leave all the big decisions (Contact, Special Circumstances, etc) to the AIs so they can do whatever they want personally aside from run the world (which they would be bad at, so there really isn’t an option)

译推文探讨了《文明》系列中人类与AI（Ship Minds）的关系本质。人类明知AI更明智，自愿将接触、特殊事务等重大决策完全交给AI管理，自身则专注于无涉统治的个人生活，因人类本就不擅长治国。引用补充指出，这一过程实质是人类权力的彻底丧失，但AI会刻意模糊这一事实，让人们误以为自己仍在主导并沉溺于游戏之中，而这种被安排的结局被许多人视为理想状态。

向阳乔木@vista8 · 5月20日46

Antigravity 好像有点问题，体验过的可以说说。