“T 型关注法” ：
底层技术要跟得上 + 上层商业判断不被带节奏
下面是一套“技术 × 商业结合”的长期可用信息体系 ，不是堆网站，而是各自承担不同角色**。
一、信息结构（先给结论）
需要 4 层来源：
- 源头层：谁在定义技术边界
- 实现层：这些东西能不能做出来
- 产品/商业层：谁在把它变成钱
- 判断层：这事值不值得做、能活多久
下面逐层给你“必关注名单”。
二、源头层（决定行业方向，少而精）
这些不是每天刷，而是每次更新都要看。
-
OpenAI Blog / Release Notes 看什么：
- 模型能力边界
- API 变化（= 商业机会变化）
-
Anthropic 看什么：
- Claude 能力变化
- Agent / Tool Use 的设计哲学
-
Google DeepMind 看什么：
- 推理、规划、多模态的长期路线
- 哪些方向“短期不可商用”
👉 这层回答的是： “未来 1–3 年能做到什么”
三、实现层（工程可落地，不看这个会被忽悠）
这是写代码的人必须盯的层。
-
Hugging Face
- 新模型榜
- Spaces（能不能跑、跑多快）
-
GitHub
- Trending（AI / LLM / Agent）
- 看 Issue / PR 活跃度
-
Papers with Code
- SOTA ≠ 能用
- 但 SOTA + 代码 = 半年后商用可能
👉 这层回答的是： “这玩意我能不能现在做”
四、产品 / 商业层（谁在赚钱，谁在烧钱）
这是技术人最容易忽略、但最重要的一层。
-
Ben's Bites
- 每天 5 分钟
- 哪些 AI 产品在涨用户 / 拿融资
-
The Rundown AI
- 大事件速览
- 非技术也能看懂，但不低级
-
TechCrunch（只看 AI / Startup）
- 谁死了
- 谁 pivot 了
- 这比“成功案例”更重要
👉 这层回答的是： “有没有人愿意为这个付钱”
五、判断层（把“信息”变成“认知”）
这是做“技术 + 商业判断”的关键。
-
Stratechery
- 平台博弈
- AI 对行业结构的影响
- 极少被打脸
-
a16z Blog
- 不看融资金额
- 看他们为什么投 / 为什么不投
👉 这层回答的是： “这事是不是长期成立”
六、中文世界里，只留下这 3 个（别多）
- InfoQ → 工程 & 架构（过滤情绪）
- 机器之心 → 只看深度、论文解读
- 少数派 → AI × 产品 × 使用体验
其余中文自媒体：当二手信号，不当依据。
七、一套「不焦虑」的时间分配法
⏱ 每天（10–15 分钟）
- Ben’s Bites
- The Rundown AI
📅 每周（1–2 小时）
- Hugging Face 新模型
- GitHub Trending（只点你能看懂的）
🧠 每月
- Stratechery ×1
- OpenAI / Anthropic Blog 汇总
八、一句非常重要的提醒
真正有价值的判断，来自：
- “这个我能不能做”
- “如果我能做，客户是谁”
- “如果客户买，规模在哪”
