Logo
纳米AI

纳米AI

@antiAIvo最近同步 11/13/2026, 12:20:44 AM

Backend Engineer Learning LLM · Agent 我写的大模型教程: LLM:https://t.co/dfVijtIowC Agent:https://t.co/Umtk9GTNWb

the Galaxy

7日排名
#614
总粉丝
31.7K
7日涨粉
+608
7日爆帖
13
7日曝光
124K
帖均曝光
9.5K

Ranking History

Today’s rankings update in real time. Historical records retain daily top-five entries for growth, posts, and reach. Click to view a poster.

No daily top-five records yet.

粉丝趋势

近7日每日已结算数据

内容表现趋势

曝光/互动与爆帖数均按自然日结算

爆帖趋势

近7日每日爆帖数

帖均曝光趋势

每日总曝光 ÷ 每日爆帖数

Participated Topics

Participated in 4 topics

View topic rankings

中文X多名作者传播DeepSeek应用能力通过API向开发者开放的消息,新增讨论集中于搜索、文件处理、语音交互及OCR等接口。Max For AI称,DeepSeek发布应用API,涵盖联网搜索、深度思考搜索、文件解析、链接阅读,以及ASR、TTS和OCR等底层能力,并提到应用开源。歸藏与向阳乔木分别强调应用能力可单独调用、接口种类丰富及申请配置后台易用。这些帖子延续DeepSeek生态的API开放脉络,但接口开放与整个App源代码开源是不同事项。本批材料未附官方接口文档、开源仓库、定价或额度说明,不能确认全部开放范围、功能等价性及实际调用效果,也不能据此认定DeepSeek Harness同步新增相同功能。

Participated post: 学 DeepSeek Harness 之前,我先干了件看起来很绕的事: 先手写一个迷你版的 Cordis 原因其实很简单 DSH 的核心设计是把 agent 运行时的每一部分都做成可替换的插件 LLM 调用、工具、记忆、主循环,全都挂在同一个插件框架上 这个框架就是 Cordis 如果不懂 Cordis,直接读 DSH 源码 满屏都是 ctx、plugin、inject、dispose 分不清哪部分是 agent 逻辑,哪部分是框架胶水 所以我的路线是: 第一步,20 行代码写出最小的 Context 和 plugin 第二步,加事件,让插件之间不认识也能通信 第三步,加卸载,插件拔掉时它注册的东西自动清理 第四步,加服务注入,依赖没就绪就等着 写到这里,DSH里大部分框架用法就能看懂了
Posts 2 Views 21.6KHeat 46.4K
#DeepSeek#应用API#联网搜索

中文X的AI辅助开发讨论新增游戏原型、低成本交互课件与个人应用设想。傅盛发布自称使用Fable 5.2制作的《王者荣耀》式体验,说明当前采用一名人类玩家加NPC的设定,重点是先跑通核心玩法,而非解决联网问题。Berryxia称用文心5.5 Flash制作13个可拖动、可点击的3D作品,总花费约28元,并介绍教学场景与提示词。很大很大的橙子展示将BTC、ETH实时盘口转为战争画面的网站;Tianyi则提出超级App可以只服务个人。相关内容延续从生成演示走向可交互产品的脉络,但盘口网站帖子未说明是否使用AI,个人应用设想也不等于已交付产品。材料不足以验证成本口径、运行稳定性或商业效果。

Participated post: 最近一直在学 Agent,顺手调研了一圈 Agent 相关的课程 发现斯坦福今年秋季新开了一门:CS329Z《Engineering AI Agents》 翻完课表,我觉得是目前看到的最系统的一门 它不教你怎么调某个框架,教的是把 Agent 当成一个工程系统来做 主讲是 Diyi Yang,另外两位讲师: Michael Ryan,DSPy 团队,MIPROv2、GEPA 作者之一 John Yang,SWE-bench、SWE-agent 作者之一 课程思路很清楚: 先从零手写核心组件,RAG、工具调用、Agent 循环 再看 DSPy 这类框架是怎么把这些模式抽象掉的 内容大致分四块: 积木:RAG、工具调用、MCP 设计:设计模式、记忆、多 Agent、上下文管理 数据与优化:轨迹数据、数据飞轮、提示词优化、强化学习 评估与安全:评估框架、LLM 当裁判、提示注入、沙箱 几个值得注意的细节: 讲设计模式那一课,拿 Pi 做案例拆解 评估占了三讲,还请了 Terminal-Bench 和 SWE-bench 的作者来讲 它的路线也和我在写的「从零手写 Agent」一样: 先手写,再用框架。 课件和阅读清单都放在官网,可以直接看: https://t.co/GhgtD0mcbn
Posts 1 Views 12.1KHeat 9.8K
#AI辅助开发#Fable 5.2#文心5.5 Flash

中文X的AI工作流讨论从工具整合延伸至模型替代成本、协作质量与自主判断能力。纳米AI称,在缺少Claude的情况下尝试多个模型分析DeepSeek Harness代码仓库,最终更认可使用DSH学习自身代码的体验。图拉鼎认为,其他模型并非不能完成工作,但成果质量、返工次数和主动性可能不同,因此应把AI视为能力有差异的同事。初七则提醒,看懂AI提供的完整分析不代表自己具备判断能力,并介绍让Agent查资料、跑策略和做复盘的使用方向。三帖反映用户对AI协作质量及认知依赖的不同关注,但没有统一任务测试、返工统计或长期能力研究,不能据此确立模型排名或认定AI必然削弱判断力。

Participated post: 没有Claude,学习起来的确难受 其他的模型都废话太多,词不达意 分别尝试了以下模型 分析DeepseekHarness的代码仓库 GPT 🙅‍♂️ Grok🙅‍♂️ kimi 🙅‍♂️ 豆包 🙅‍♂️ Gemini🙅‍♂️ 一轮试下来,最终感觉DSH才是最好的 用DSH学习DSH,有点意思 不过就是推理时间太慢了,我得研究下怎么处理
Posts 2 Views 11.8KHeat 10.9K
#AI工作流#Claude#DeepSeek Harness

歸藏与DIYgod在中文X提示,Claude当前登录异常源于服务故障,而非用户账号被封,为持续的Claude封号讨论补充了不同解释。歸藏提醒无法登录的用户不必立即认定账号丢失,DIYgod也明确区分服务中断与账号处罚。TuTu生活志则分享在泰国、马来西亚和台湾使用Claude、ChatGPT正常的个人经历,并将海外访问体验与此前维护网络工具的负担作对比。这组帖子将讨论重点从账号风控延伸至故障识别和地区使用体验,但未附Anthropic官方状态公告、故障范围或恢复时间。个人在部分地区使用正常,也不能证明这些地区不会发生封号,或解释其他用户的具体账号问题。

Participated post: Claude被封了,一时间还是有点手足无措的 我在上面有4四个项目 好在我的项目资料都是本地和 GitHub 同步的 AI 用不了,资料还在 我建项目的习惯一直是这样的: 1. 先在本地建一个项目目录 2. 把项目目录提交到 GitHub 3. 和 AI 的重要对话、关键产出,全部同步进本地文件 4. 再一起推到 GitHub 这样哪怕哪天 AI 突然用不了 整个项目的文档、思路、产出都还在自己手里
Posts 1 Views 10.2KHeat 13.9K
#Claude#服务故障#登录异常

近7日爆款推文

按近 7 日曝光排序,展示前 10 条。

1
3.2万 followers
Views3.1万
最近很多人问,想学 Agent、想找相关工作 到底该从哪里下手? 我的建议是:直接啃 DeepSeek Harness 原因有三个: 第一,它够主流、够新 面试拿它出来讲,面试官不用你解释它是什么 第二,它是开源的 工业级的 Agent 大多不开源 能把完整源码摊开给你学的,屈指可数 第三,它是真实的工程 学校的课、各种名校推荐的课程,讲的多是概念和原理 你跟面试官讲半天,很难讲明白,也没有分量 DSH 是一个真正在跑的系统,Github可见 我做过多年技术面试官 我认为绝大多数面试官是没有看过DSH源码的 如果你花大量时间把它研究透 再搞一个 GitHub 项目记录学习和思考 写进简历,面试官顺着问下去,你基本都接得住 对于特别是没有亮眼实习的同学 我觉得这会是很有分量的一项,非常加分。
2
3.1万 followers
Views2.5万
用AI学技术,有个很烦的问题 一段代码讲解看到一半,冒出个小疑问 在原对话里问吧,回答一长串,把最开始那段分析冲散了 得往上翻半天才找得到,不问吧,又卡着 以前我的办法是把代码复制到另一个AI里问,搞懂了再回来,很麻烦 后来想明白了 问题出在对话是一条线,但人学东西的思路是一棵树 主线一个问题,中间不断冒出小分叉,解决完要回到主干 理想的形态应该是: 选中回答里的某一段,弹出一个小窗 围绕这段单独问答,问完关掉,主对话原封不动 我去查了一下,发现不少人有同样的痛点,已经有一些解法了 不过我还是习惯了deepseek+claude的协作方法
3
3.1万 followers
Views2.1万
DeepSeek Harness(DSH)的插件体系 核心是一个经典设计:控制反转(IoC) DSH 用 TypeScript 写,每个插件只导出一个 apply(ctx) 插件不自己启动,由 Context 统一加载、调用 apply 并把自己传进去 插件拿着 ctx 注册逻辑,什么时候执行,由框架决定 简单来说:不是你调用框架,是框架调用你 同一个思想,在不同语言里有不同的实现: Java:Spring 容器,创建、注入、生命周期全包 Go:接口加注册,比如 http.Handler、init() 里 Register C++:虚函数和回调,访问者模式 v.visit(*this) 就是同一结构 Python:装饰器,比如 Flask 的 @app.route TypeScript:插件就是一个带 apply 的对象,最轻量 框架只定规则和时机,能力全部交给插件 配图:一个 IoC 的最小实现 plugin 调插件,on 让插件挂逻辑,start 由框架决定时机
纳米AI 的图片 1
5
3.2万 followers
Views1.6万
其实很早以前,还没有 AI 的时候,我就有过一个想法 今天早上,它又冒出来了: 是不是可以把市面上有名的系统,挨个拆开学一遍? 比如: Git 的版本管理是怎么实现的? Docker 的容器隔离到底靠什么? Google 搜索怎么从万亿网页里找到你要的那一条? 推荐系统和广告系统,从召回到排序是怎么一层层做的? 还有那些大家天天在用的互联网公司,它们的基础架构是怎么搭起来的? 以前想搞懂这些,门槛很高,资料零散,论文难啃 遇到不懂的地方也没人可以问 所以这个想法一直只是想想 现在不一样了 AI 可以随时陪你追问“为什么这样设计” 一个问题问十遍也不嫌烦 学习的成本,降了一个量级 很多以前觉得太复杂、想都不敢想的事 现在好像真的可以去做了 具体怎么学还要再想想,先把这个念头记下来🤔
6
3.1万 followers
Views1.3万
一个3万粉的𝕏原创作者 真实流量是多少?能赚多少钱? 晒一下我最近两周的后台数据: 140w基础曝光 平均下来 每天发10个帖子 每天大约10万曝光 先说清楚我的玩法: 不追热点 不搬运AI公司新闻 不蹭大V流量 不互动 不转发 不引用 只发自己写的技术文章和自己研究的东西 在这种完全不吃泛流量的情况下 一个3万粉的账号 天花板大概就在这里 收益方面 算给大家看 140万曝光里 真正的蓝V曝光大约只有1/5到1/10 也就是14万到28万 按我自己的经验 1000个蓝V曝光大约1美元 这两周的收入大概 140到280美元 折合一个月 三五百美元 所以如果你想靠𝕏创作者收益赚钱 我这种方式完全不适合 需要花大量时间学习,换来的钱其实很少 但我做这个号 本来就不是为了赚这点钱 最主要的目的是驱动自己学习AI 输出是最好的学习方式,收益只是顺带的 也正因为这样 我的心态非常轻松 不追热点 不引用 不参与任何话题 想发就发, 不想发就不发,从来不需要为流量焦虑
纳米AI 的图片 1
7
3.1万 followers
Views1.3万
我准备开始录全英文的技术视频了 发YouTube 讲LLM和Agent 整天在𝕏中文区发内容 学一点 分享一点 看起来挺充实,其实没什么成长感 因为对我来说 这件事没有难度,没有挑战,也就没有收获感 就如同某个午后 我站在腾讯大厦楼下,跟同事说: 你说我们每天在这个格子间 按部就班的上下班、接需求、写代码 重复又重复,loop循环具象化 是不是这辈子就废了、完了 因为我完全不记得上个月干了什么 感觉我目前也基本这个状态 所以想换个真正难的 用英文 把LLM和Agent讲清楚 及时脱离舒适区,找一点能让我兴奋的事情 。🙂
8
3.1万 followers
Views1.2万
最近一直在学 Agent,顺手调研了一圈 Agent 相关的课程 发现斯坦福今年秋季新开了一门:CS329Z《Engineering AI Agents》 翻完课表,我觉得是目前看到的最系统的一门 它不教你怎么调某个框架,教的是把 Agent 当成一个工程系统来做 主讲是 Diyi Yang,另外两位讲师: Michael Ryan,DSPy 团队,MIPROv2、GEPA 作者之一 John Yang,SWE-bench、SWE-agent 作者之一 课程思路很清楚: 先从零手写核心组件,RAG、工具调用、Agent 循环 再看 DSPy 这类框架是怎么把这些模式抽象掉的 内容大致分四块: 积木:RAG、工具调用、MCP 设计:设计模式、记忆、多 Agent、上下文管理 数据与优化:轨迹数据、数据飞轮、提示词优化、强化学习 评估与安全:评估框架、LLM 当裁判、提示注入、沙箱 几个值得注意的细节: 讲设计模式那一课,拿 Pi 做案例拆解 评估占了三讲,还请了 Terminal-Bench 和 SWE-bench 的作者来讲 它的路线也和我在写的「从零手写 Agent」一样: 先手写,再用框架。 课件和阅读清单都放在官网,可以直接看: https://t.co/GhgtD0mcbn
9
3.1万 followers
Views1.1万
在国内的自媒体平台发技术类的讲解视频 比如:LLM和agent 我的体验是: 抖音是最有流量的,有很多想学、在学、懂的人 小红书、众众号几乎没人看 抖音:我对着白板一个架构图就随便讲,无任何剪辑 播放量就能过w,而且被官方评为 “精选视频” 其他平台都是惨淡的几十个播放 但是还是很难坚持发作品,因为收益非常少 而且视频剪辑是一个非常麻烦、耗时间的事情 我不太想做,所以已经几个月没更新了 还是𝕏容易经营,只需要发文字就能快速获得反馈 同时还能赚点小钱 但是我觉得这种模式,还是不可持续滴 因为世界上不存在一个平台 随便发发文字,不用动脑,只要动手动嘴 就能长期拿到可观的收益 道理很简单,如果真这么容易 所有人都会涌进来,蛋糕就那么大 人越多,每个人分得越少 没有门槛的红利,最后一定会被抹平。
10
3.2万 followers
Views1.0万
Claude被封了,一时间还是有点手足无措的 我在上面有4四个项目 好在我的项目资料都是本地和 GitHub 同步的 AI 用不了,资料还在 我建项目的习惯一直是这样的: 1. 先在本地建一个项目目录 2. 把项目目录提交到 GitHub 3. 和 AI 的重要对话、关键产出,全部同步进本地文件 4. 再一起推到 GitHub 这样哪怕哪天 AI 突然用不了 整个项目的文档、思路、产出都还在自己手里