将自己在最近一周（2026.6.22-6.28）看到的有趣、有用、有启迪的文章、书籍、音乐、影视等，汇总成一篇摘要，既做回顾，也做分享。
文章
斯坦福大学研究：散步能提升创意产出
原文网址： https://www.apa.org/news/press/releases/2014/04/creativity-walk
无论是室内在跑步机上对着一堵空白的墙走，还是在室外呼吸新鲜空气，散步都能显著提升创造力。这项由斯坦福大学学者进行的研究发现，一个人在行走时及刚走完后的创意产出平均增加了 60%。
这篇文章向我们揭示了一个简单却非常实用的生活常识：散步是激发创造力的绝佳方式。研究表明，行走时的创意产出要远高于坐着的时候。有趣的是，无论是选择在狭小的室内跑步机上行走，还是在开阔的室外散步，对创造力的提升效果其实差不多，这说明真正起作用的是“行走”这个动作本身，而不是周围的环境。如果你在工作或学习中遇到了瓶颈、缺乏灵感，不妨站起来走一走，这能帮你打开思路，收获意想不到的奇思妙想。
反思谷歌向开放网络“宣战”
原文网址： https://tante.cc/2026/05/20/on-google-declaring-war-on-the-web/
谷歌的商业模式不再是充当通往网络其他地方的索引，而是吸干网络其他地方的养分来喂养自己的系统，然后将提炼出来的废料提供给用户。
这篇文章尖锐地批判了谷歌当前产品策略对互联网生态带来的毁灭性打击。作者指出，谷歌正试图利用其大模型技术，将原本属于全球网站的优质内容“据为己有”。通过在搜索结果中直接提供 AI 生成的摘要，谷歌成功地把用户留在了自己的生态内，却剥夺了原本属于创作者的网站流量和广告收入。这种“竭泽而渔”的模式正在摧毁开放、多元的传统万维网。如果未来的互联网只剩下一堆被 AI 洗稿后的平庸信息，不仅创作者会失去动力，用户也将很难再看到真正有深度、有独特见解的原创新内容。
将文档编辑委派给 LLM 会造成静默损坏
原文网址： https://www.arxiv.org/html/2604.15597v1
我们的分析表明，当前的 LLM 是不可靠的委派对象：它们会引入稀疏但严重的错误，在长期的交互中悄悄损坏文档，并随时间推移不断累积加剧。
这篇文章探讨了在 AI 时代一个极易被忽视的严重隐患。随着“AI Agent（智能体）”和自动编程的普及，许多人开始把长篇文档、代码的修改工作完全交由大模型自动执行。然而，微软等机构的研究人员通过对 19 个主流大模型进行评测后发现，即使是最顶尖的模型（如 Gemini 3.1 Pro、Claude 4.6 Opus、GPT 5.4），在经历 20 次连续交互编辑后，也会悄悄损坏文件中平均 25% 的内容。这些错误往往非常隐蔽，模型会保持文章整体的“读感”，却悄悄篡改里面的关键事实或逻辑。这种“静默损坏”会像滚雪球一样越积越多，提醒我们在享受 AI 便利的同时，绝不能丢掉人类的最终审查和监督。
大模型维基：利用大模型构建个人知识库的新范式
原文网址： https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
这篇文章介绍了一种利用大模型（LLM）构建个人知识库的全新方法。传统的检索增强生成（RAG）往往只是在用户提问时临时去原材料里翻找切片，大模型无法真正沉淀和积累知识。而作者提出的新范式是让大模型在后台扮演一个不知疲倦的维基（Wiki）维护者，负责阅读、提取、更新、纠错并交叉引用所有的信息流，从而构建起一个结构化、互联的持久化网络。人类只需负责挑选优质源文件和提出核心洞察，大模型则包揽所有枯燥的整理排版工作。这种协作方式让知识能够真正像滚雪球一样持续复利。
Ben Thompson 做客 Cheeky Pint 播客接受 John Collison 访谈录
这是一篇科技科技博客 Stratechery 创始人 Ben Thompson 与 Stripe 总裁 John Collison 的精彩对话实录。两人从 Ben Thompson 此前在台湾长期的独立写作生活聊起，逐渐深入探讨了当下最前沿的科技商业议题。Ben Thompson 针对人工智能时代的聚合理论（Aggregation Theory）给出了最新的思考，并重点辩护了广告作为大模型商业化手段的合理性与必要性。他认为，面对极其高昂的算力成本，引入广告能够让无力支付高额订阅费的普通大众也能平等享受到顶尖的 AI 服务，这与科技平权的愿景完全契合。
折叠上下文：大模型输入、压缩与“揉面团”
原文网址： https://newsletter.squishy.computer/p/folding-context
这篇文章探讨了大模型（LLM）中上下文窗口与信息压缩的奇妙关系。作者将大模型处理超长文本的过程形象地比喻为“揉面团”。面对海量的输入信息，简单的机械式拉长窗口并不能真正解决问题，真正的关键在于大模型如何通过分层、压缩和提取，将庞大的上下文信息进行深度“折叠”和融合。这种机制让大模型既能装得下长篇大论，又能在纷繁复杂的文字中精准提炼出核心要义，为我们理解大模型如何处理长文本提供了极具启发性的新视角。
别再把 AI 当成同事了，它其实是你的外骨骼
原文网址： https://www.kasava.dev/blog/ai-as-exoskeleton
别再问：“如何部署能自主处理工作流程的AI代理？” 要问：“我们员工工作中哪些环节最重复、易出错或令人疲惫？AI如何能减少这些摩擦？”
这篇文章提出了一个颠覆性的 AI 应用思维模型。作者指出，现在很多人把 AI 想象成一个“可以独立分担工作的同事”，结果往往因为期望过高而感到失望。实际上，AI 最完美的定位是人类的“外骨骼”。它不应该全面替代人类去独立决策，而是应该贴合在人类的日常工作流中，去帮我们承担那些机械、重复、容易疲劳的重体力活（如写样板代码、查日志等）。人类负责决定方向和核心把关，AI 负责提供力量放大器，这种“人机合一”的协作模式才能爆发出最大的生产力。
宇宙级唯一 ID：如何在全宇宙规模下分配不重复的识别码
原文网址： https://jasonfantl.com/posts/Universal-Unique-IDs/
在宇宙尺度上尝试分配唯一标识符会成为一个更具挑战性的难题。但我们仍可一试。
这篇文章硬核又浪漫，探讨了一个技术上的终极问题：如果把唯一标识符（ID）的分配拓展到整个宇宙的尺度，我们该怎么做才能保证绝对不重复？作者从最基础的中央计算机计数器模型出发，推演了在物理距离和光速限制下，宇宙两端的设备该如何无通信地生成不冲突的 ID。文章通过生动的图表和数学模拟，对比了杜威分类法（Dewey）和二叉树（Binary）等不同的 ID 分配方案，计算了在极限状态下（如给每个原子、甚至每克纳米机器人分配 ID）所需的比特数，展现了计算机科学在终极尺度下的迷人魅力。
网站
Rare Historical Photos
网站地址： https://rarehistoricalphotos.com
Rare Historical Photos（罕见历史照片网）是一个专注于挖掘与呈现全球珍贵影像的数字化史学平台。该网站以“影像背后的故事”为核心，不仅收录了跨越 19 世纪至今的大量稀有照片，更通过详实的文字考据，深度还原每一帧画面所承载的政治背景、社会变迁及人文细节。
内容涵盖世界大战、冷战风云、科学发现以及历史名人的私密瞬间。其叙事风格严谨客观，旨在为公众提供一个透视历史、反思过去的严肃视角。对于史学爱好者、研究者及纪实摄影关注者而言，该网站是极具权威性与教育价值的在线影像档案馆。
影视
火神的眼泪
故事描述一群大员市消防局同安分队的消防队员，在每次面临惊险的打火、救护与救援任务中看见人性与社会百态，透过他们执行的案件揭露许多消防职业不为人知的心酸故事。
真实，没有多余的煽情。才知道台湾的119和120是一个机构。整部剧不只聚焦于消防急救业务的不易，还直接展露台湾社会政治的运行逻辑。林义阳的牺牲根本原因是商人与政客的利益绑定，让民众知道真相靠的是媒体对公司和政府机构无处不在的报道，最后基层消防员通过向议员提交报告试图推进消防改革。