# 优化的所有文章

在 HTX 新聞中心流覽與「优化」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策,提供權威的加密行業洞察。

Deepseek 能否为中国节省 1 万亿美元?

《DeepSeek 能否为中国节省 1 万亿美元?》一文探讨了DeepSeek如何通过技术创新,可能大幅降低中国AI基础设施的建设成本。 核心在于,AI硬件的成本正从计算芯片向昂贵的内存(如HBM)倾斜。DeepSeek通过三方面技术突破,系统性降低了对这类稀缺硬件的依赖: 1. **压缩“记性”**:采用多头潜在注意力(MLA)等技术,将长上下文对话所需的缓存(KV Cache)压缩至原来的极小部分,极大节省显存。 2. **按需唤醒“身体”**:利用混合专家(MoE)模型架构,每次只激活部分参数,并结合智能的存储调度,将多数参数移出昂贵显存。 3. **复用计算结果**:将算过的上下文作为缓存复用,用低成本的内存读取替代高成本的重复计算。 这些技术协同,使DeepSeek V4等模型在长上下文场景下,用同等硬件可能产出数倍的有效Token,等效于大幅提升硬件效率、摊薄单位成本。 文章据此进行推演:到2030年,全球AI硬件投资预计达数万亿美元。若DeepSeek的技术路线能使中国未来AI基建的硬件需求等效减少75%,在日均Token消耗达到数千万亿级的规模时,节省的投资额可能接近1万亿美元(约7万亿元人民币),相当于少建数万座智算中心。 更重要的是,此举将产业价值从受制于人的尖端算力芯片,部分转移至中国已有所突破的存储芯片及系统工程领域,提升了供应链安全性。DeepSeek的意义不在于“消灭硬件”,而在于通过极致优化,降低行业对最昂贵、最稀缺硬件的边际依赖,让AI能力更普惠,重塑未来AI基建的账本。 (注:文中关于万亿节省的具体数字属于基于行业趋势的推演观点。)

marsbit06/03 00:47

Deepseek 能否为中国节省 1 万亿美元?

marsbit06/03 00:47

一周省下3亿Token,Anthropic工程师的Claude Code缓存指南

这篇文章分享了Anthropic工程师通过有效利用Claude Code的Prompt缓存机制,一周内节省超过3亿Token的经验。核心观点是,缓存的Token成本仅为普通输入的10%,因此提高缓存复用率能显著降低使用成本并延长会话额度。 缓存机制依赖“前缀匹配”,分为系统层、项目层和对话层三层。只要会话前缀与已缓存内容一致,Claude即可直接复用,无需重新处理。Claude Code订阅版的缓存有效时间(TTL)为1小时,而API默认为5分钟。 文章强调了几个关键的使用习惯以避免“打断”缓存: 1. 不要让会话空置超过1小时,否则缓存过期,重新开始成本更低。 2. 切换任务时,建议进行清晰的会话交接(如使用自定义的handoff技能总结进度后新建会话),而非使用可能破坏缓存的`/compact`命令。 3. 避免在会话中途切换模型(包括开启“Opus plan”模式),因为不同模型使用独立缓存,切换会导致缓存失效。 4. 大文档应放入Projects中管理,而非反复粘贴进对话,以获得更好的缓存优化。 此外,文章提到Anthropic内部会监控缓存命中率,因为这直接影响服务成本和用户体验。通过理解并遵循这些简单的原则,用户可以在不改变使用习惯的情况下,更高效地利用Claude Code,节省Token消耗。

marsbit05/24 00:36

一周省下3亿Token,Anthropic工程师的Claude Code缓存指南

marsbit05/24 00:36

如何用30天成为Claude高阶用户?

本文提供了一个为期30天的Claude进阶使用教程,旨在帮助用户将Claude从一个临时的问答工具,转变为能够理解用户、持续产出高效成果的智能工作助手。教程按周划分,逐步构建个人专属的工作系统。 **第一周:掌握基础能力** 核心是学习撰写结构清晰的Prompt,包含角色、背景、任务、格式和限制条件五个部分。理解上下文窗口的概念,将关键信息前置。最后,设置至少三个专项Projects(如主要工作、研究分析、写作沟通)并开启Memory功能,让Claude记住用户的背景与偏好,奠定个性化基础。 **第二周:搭建核心工作流** 创建可复用的流程模板,覆盖研究、写作和决策三大常见场景。例如,研究流程可快速分析资料并生成报告;写作采用先提纲后全文的两步法,确保方向正确;决策流程则能系统化地分析选项与利弊。这些工作流能将重复性工作自动化,显著提升效率。 **第三周:实现自主与自动化** 通过Claude Cowork功能,让Claude能在指定文件夹内自主读取、处理文件和执行多步骤任务。连接Google Drive、Slack等外部工具,扩展其能力。设置定时自动化任务(如每日计划生成、周报整理),使Claude从被动工具转变为能主动工作的系统。 **第四周:系统优化与积累** 回顾并优化所有工作流,根据输出反馈迭代Prompt,追求稳定高质量。建立个人知识库,保存历史优质产出供后续项目调用,实现知识复利。通过教会他人来巩固自身理解。最终,规划完整的个人Claude操作系统蓝图,明确所需工作流、工具连接和使用节奏,并定期迭代。 遵循此路径,用户能在30天内构建一个深度理解自身需求、能自主运行并持续优化的工作系统,从而将时间专注于更具创造性和战略性的任务上,真正成为Claude的高阶用户。

marsbit05/20 08:06

如何用30天成为Claude高阶用户?

marsbit05/20 08:06

SocialFi 的建立为何源于对自身媒介的误读

本文以媒介理论家麦克卢汉的“热媒体与冷媒体”概念为框架,剖析了SocialFi失败的根本原因。文章指出,社交网络本质上是“冷媒体”,其价值在于用户通过碎片化、低分辨率的参与(如发帖、点赞、评论)共同构建意义,这是一个模糊、依赖语境的过程。 SocialFi(如Friend.tech)试图将社交行为(如关注)实时金融化、赋予明确的价格信号。然而,这实际上是用高分辨率的“热信号”(价格)取代了构成社交媒体的“冷信号”。当每个行为都有了清晰、可交易的价格时,用户行为就从“参与”转向了“分配”和“表演”,社交网络变成了披着社交外衣的金融市场。一旦金融投机动力消失,底层的社交媒介也因已被“加热”而无法维持,导致整个体系崩溃。 文章进一步指出,这种“热化”过程并非SocialFi独有。传统社交平台通过添加点赞数、算法排名、创作者基金等“优化”功能,也在缓慢地从“冷”变“热”,使用户从参与者变为被动消费者或表演者,损害了平台的长期活力。 成功的平台(如Substack、Patreon、Bandcamp)提供了另一种思路:它们让资本在媒介内部的特定“冷凝点”聚集(如订阅、捐赠),而非渗透到每一个社交行为中。基础媒介层保持“冷”和参与驱动,资本以局部化、低频、非实时的方式介入,从而兼容了社会价值与经济价值。 最后,文章以NFT市场为例,说明一个历史悠久的“冷媒介”(收藏)如何被实时价格、稀有度工具等“热化”优化迅速摧毁其文化实践本质,沦为纯粹的金融交易,佐证了“流动性即热量”的核心观点。真正的挑战在于设计让资本凝聚而不扰乱冷媒介稳定机制的方案。

marsbit05/14 09:38

SocialFi 的建立为何源于对自身媒介的误读

marsbit05/14 09:38

活动图片