🔥 推特起爆帖监控
搜索和分析大V账号即将起爆的热帖推文。通过SoPilot插件快速评论和互动，抢先一步占领评论区，你将获得更多的曝光。
我对长期系统的兴趣，是发现至少我们这一辈中国人，一直活在“不断清零，不断重开”的循环里面。 至少我的体感是这样。 什么意思，就是从小被应试教育告诉你必须要上985，但是等学历没价值，或者没有对等机会的时候，你被迫要重开，去理解这个真实社会的机制。 突然房地产爆发，你需要去买房，等上完车之后，发现房价不过是一个被吹胀的空中楼阁。又重开，重新计划人生，要卖还是要扛。 全球化，私企，以前我还记得刚毕业的时候，人人都去外企，是看不上考公务员的。说句有点难接受的，我的同龄人中（35+），有人考公。 读研，读博，出国，转码学计算机....哪个不是一潮流一拥而上，但是全部赶上尾巴。完成之后又要重开的感觉。 一个又一个重开的循环。每一次决策都是一切变量逼着做决策。 上次你说长期系统和复利是一个奢侈品，我其实很大一部分都同意 @python_xxt 因为要去管理和预测一个长期的复利，变量实在太大了。尤其是对环境的稳定性，要求很高。
任何真正的变革都是长期的。 40年很短，甚至还没有跨越一个周期。 所以40年的经验能不能算经验？我认为不能。 至少这个经验里面的所有的坑，房地产，任何专业，任何职业，都没有活到跟下一次周期之前说：“哎，我跟你说啊，上一次这种事情发生的时候....blah blah blah。”
小红书经典标题，甭管干啥，传女不传男😂 https://t.co/RJMTqzwn4w
竟然会有人出于对内容的认同帮我投流🥹 https://t.co/cMJueIpMi4
Grok { "prompt_type": "text-to-image", "subject": { "identity": "Lili Reinhart, accurate recognizable likeness inspired by reference photos", "appearance": "Soft blonde hair styled in loose waves falling over shoulders, fair luminous skin, elegant confident expression with subtle smile", "accessories": "Minimalistic diamond earrings, thin bracelet on right wrist" }, "attire": { "upper_body": "High-fashion black couture evening gown with structured bodice and sculptural neckline", "lower_body": "Long dramatic flowing black skirt with subtle sheen and sophisticated train, slightly lifted by the subject’s hand", "legwear": "Bare toned legs (visible due to high slit)", "footwear": "Black pointed-toe stiletto heels with glossy finish" }, "composition": { "camera_angle": "Extreme low angle (worm's-eye view), looking upward from near floor level", "perspective": "Dramatic foreshortening emphasizing height, elongated legs, and high-fashion runway stature", "framing": "Full body shot dominated by foreground legs, shoes, and the flowing gown" }, "environment": { "location": "Red carpet gala or premiere event", "background": "Large repeated dimensional event signage in serif type on a deep burgundy backdrop with luxury production or studio logos", "surface": "Classic red carpet floor" }, "style": { "medium": "Digital celebrity red carpet portrait photography", "lighting": "Professional flash + ambient event lighting, high-contrast, glossy highlights on fabric, skin, and shoes with dramatic shadows", "quality": "8k resolution, photorealistic, ultra-sharp focus on fabric texture, makeup, facial features, and couture detailing" } }
又“发明”了一个 https://t.co/2GcP2Mbyhp，用来存储决策路径、当前进度、待办事项、项目路线图 如此丰富的上下文信息，傻子也能把活儿干了 https://t.co/NESim9SiP3
bitget目前在美股领域继续发力，还在不断扩充美股交易品类，目前已经支持超过200个美股资产，开户方便、没有税务负担、操作方便，已经有100万的bitget用户在上面交易美股了。 最近又上了一批新的资产，包括BAC、SOFI、TMUS、XCOM等主流公司，中概有BILI、PDD、NIO、LI、NTES等等，etf有TQQQ、SQQQ、USO。 美股现在在炒太空经济和存储，最近几天中概可能会好一点，可以自己多多关注。 在bitgetAPP中行情-股票可以找到相关的链上美股交易机会。 附带一个注册链接： https://t.co/ngjsHE8y6V
Veo 3.1 首尾帧太猛了！ 这个矢量插画的 PPT 风格搭配 Veo 3.1 的效果更好，他硬是给两个图片之间塞了一段开车的矢量动画 https://t.co/Ec54d1GMp5
发了条视频，讲有钱的人和没钱的人到底有什么区别 我的意思是要从“事本位”而不是“人本位”来看。绝大多数人变得有钱了，是因为他在特定的时期迎合了特定的事情对人的特定要求 所谓认知、智力、精力，都是中间变量 结果我的小红书评论区高赞写的是“业力福德”，抖音评论区高赞是“不要低估运气的含金量”😂 我只能说，你们这些人为了把责任往外撇，为了说服自己没赚钱不怪自己，要怪前世没有积德，真是绞尽脑汁、煞费苦心 为了找一个理由说服自己在没钱这件事情上不承担责任，真是翻烂了新华字典
为什么说 Skills 更容易进化呢？ 先说传统软件的问题，用户使用时遇到个 bug，都没办法向开发者反馈，这个链条太长了，用户如果运气好有日志，还得把日志记录下来，或者用户专业一点，能知道怎么重现，然后这个 Bug 可能还得层层上报，先给公司，再转给 QA，QA 去验证，最后到开发，这中间稍微一点损耗就没办法重现没办法解决。 但 Agent + Skills 的组合不一样，它相当于“开发者”就在你身边，Agent 既可以帮你执行任务，又可以充当开发者的角色，遇到问题不但可以定位，还可以修复。 举个例子（参考图2）来说，我在使用某个 skill 的时候，发现这个 skill 的结果不符合预期，这时候我可以直接在当前会话告诉 agent，让它检查一下提示词或者脚本，看问题在哪，并且修复。 由于当前会话中提示词它有，输入输出它也知道，工具调用的参数、结果它都知道，本地还有所有文件，那么它可以轻易的定位到问题在哪，直接帮你修复或者优化。 还有一点，由于 skills 相关的内容都是文本文件，就是如果配合 git 做好版本管理，所有的修改操作都会被记录下来，如果有问题可以跟踪整个变更过程，而且一个人机器上的 Skills 改进了，可以共享给所有人。
王川说的全是大实话呀。 AI 时代的创业者，一定要谨慎看其表面的光鲜。揭开看，更丰富真实。比如： 1、当一个人标榜 Vibe Coding 很牛时，往往自己的产品一坨，很难改得动了。 2、当一个公司强调自己人少，战斗力很强时，会发现在某城市养了上百外包。 3、当一个人分享自己和 AI 经常聊得很深入很感动时，接触后会发现很多只是自我感动。 4、当一个 VC 不断在对外强调投资理念时，往往就意味着这个 VC 的思维开始僵化。 5、当创业者开始对外说数据时，往往意味着数据一般般，但想融钱了。包括我。 创业环境决定了大量创业者的思维和路径。能跳脱环境的创业者，极少。
Which flavor of potato chips do you prefer? prompt： High-end photorealistic studio ad of a cylindrical potato chips can (Chili flavor) as a hero product shot. Crisp golden chips orbit the can in a dramatic ring and helix, forming a clean swirling halo. Spicy cues: vibrant red chili slices and tiny chili seeds subtly mixed into the swirl, a faint spicy dust haze, micro sparks of red seasoning in the air. Background: bold deep red to dark maroon gradient, premium commercial look, high contrast. Dramatic side key light + sharp rim light, glossy highlights on can, realistic shadows and reflections on a clean surface. Ultra-detailed packaging, commercial-grade photorealism, tack-sharp focus, 8k, cinematic ad lighting, minimal clutter Ultra-realistic commercial product advertising photo of a premium cylindrical potato chips can (BBQ flavor), centered in frame. Golden crispy potato chips swirl and orbit around the can in a dynamic spiral, some chips frozen mid-air with subtle motion blur trails. BBQ theme cues: faint smoky wisps, caramelized grill marks on a few chips, tiny pepper flakes and toasted spice dust floating in the air. Background: warm smoky amber-to-brown studio gradient, clean and premium, high contrast. Strong key light with crisp specular highlights on the can, soft rim light separating the can from background, subtle shadow on the surface. Condensation-free clean packaging, ultra-sharp focus, commercial-grade photorealism, high-quality detail, 8k, product hero shot, minimal composition, premium advertising style
纳瓦尔在2008年的时候分享了他眼中的人生公式 幸福 = 健康 + 财富 + 好的人际关系 健康 = 锻炼 + 饮食 + 睡眠 锻炼 = 高强度力量训练 + 竞技类运动 + 休息 饮食 = 自然食物 + 间歇性禁食 + 蔬菜饮食 睡眠 = 没有闹钟 + 8-9小时睡眠 财富 = 收入 + 当前财富 * 投资回报比 收入 = 责任感 + 杠杆 + 专业知识 责任感 = 个人品牌 + 个人平台 + 承担风险 杠杆 = 资本 + 利用他人时间 + 知识产权 专业知识 = 社会不能大规模培训的能力 ROI = 长期持有 + 合理估值 + 安全边际 或许在2026年我们需要更新一下： AI = 超级“人力杠杆” 稳定币 = 全球无限制跨境金钱的 API 新一代专项知识 = 判断力 × 品味 × 真实世界理解 × 跨域组合能力 一人公司收入 = AI工具箱 + 内容矩阵 + AllScale稳定币系统
带动效的 PPT 生成 Agent Skills 的架构图和技术栈 相当复杂了，Claude Code 和 Skills 的潜力非常牛皮 很难想象这一套东西是他全自动搞出来的，我基本没有动代码 https://t.co/WZf5YEcwhL
查理·芒格最喜欢的书。 他20年前第一次读到它。 它启发了他传奇的决策心智模型。 2004年，芒格在伯克希尔的年会上提到了《深奥的简洁》。 当时，他无法为美国的人们购买它，因为它只在英国有售。 但它的思想已经影响了他的思维。 如果你还没读过这本书，这里有一些背景信息： 约翰·格里宾在《深奥的简洁》的开篇解释了科学如何在自然的混沌中找到秩序。 这3条来自《深奥的简洁》的规则影响着一切： 1. 复杂性来自简单性。 最复杂的系统——从天气到市场——都源于简单的规则。 大自然从优雅的原则中构建出宏伟的系统。 格里宾的分析与芒格在商业中看到的相符： 可扩展的系统是简单的。 2. 微小的变化会产生巨大的涟漪。 巴西的一只蝴蝶扇动翅膀，几周后，德克萨斯州形成了一场龙卷风。 在复杂的系统中，起始条件的微小变化会导致截然不同的结果。 混沌理论（蝴蝶效应）证明了微小的变化很重要： 市场信心的微小转变可能会引发失控的崩盘。 《《深奥的简洁》》分解了系统如何运作： 秩序隐藏在混乱中 数学模式驱动一切 简单的规则创造复杂的结果 市场行为也是如此： 一个小变化将繁荣变成崩溃 恐惧比贪婪传播得更快 历史重演，但以新的方式 3. 秩序和混乱比我们想象的更接近。 最稳定的系统通常存在于混乱的边缘，创造了我们在自然界中看到的惊人模式。 宇宙并不偏爱完美的组织。 它在秩序和随机性之间的空间中蓬勃发展。 但大自然确实偏爱效率： 河流找到最简单的路径，就像市场找到公平的价格，好的企业找到客户一样。 这就是为什么芒格和考夫曼研究自然法则——因为效率来自简单性。 《深奥的简洁》的最大收获： - 可扩展性来自简单性 - 微小的变化会产生巨大的影响 - 市场看起来像混乱，但奖励效率 这些想法塑造了查理·芒格在伯克希尔的投资方式。
笑死 Ins 在推特上发了关于昨天他们账户泄露的公告 X 的负责人在下面阴阳怪气，说很高兴发在了推特上。在 Threads 的话估计没人看这个公告 https://t.co/7OF738JMcA
Wolfram说的对AI的看法到底是什么意思？ LLM不是万能的/我们应该合理的对其进行一种定位 上一个帖子我提到：人类其实一直有一种“交互式生成”的环境，就像爵士乐的 Jam。 在 Jam 里，你只要懂这门语言（爵士的音乐语法），同时又掌握这套交互/接口协议（基本的 Jam 社交礼仪、每轮 solo 怎么进、进多少小节、最基础的乐理，以及观众的审美预期），再加上一个强有力的 Leader 带场： 通常是经验丰富的乐手，性格开放、气质很“能带人”，知道怎么照顾新人的情绪、怎么让你在台上不崩，你在这个环境里获得的就绝不是“被教育”这么简单。 你是在参与一种带着心理与情绪的生成过程。它会潜移默化地直击你的心理领域：你会发现自己在里面不再那么“像原来的自己”，因为你在不断接别人抛来的球、不断被迫即时组织、不断在群体反馈里调整。成长因此变得非常快，快到你自己都惊讶。比如我从那个时候开始发帖和学中英文写技术文章。与此同时，你也会对这个“环境”本身产生依赖：一种情绪上的依赖、心理上的黏附感，因为它让你体验到被接纳、被带动、被推着变强的感觉。 如果切换到大语言模型的视角，这几乎就是一个超强的“交互式生成环境”。 你同样需要“懂语言”（它覆盖了几乎所有人类语言与编程语言），同样有交互协议（提问方式、上下文、迭代、纠错、追问、角色设定），同样存在一个强大的 Leader：一个智力水平显著高于一般人类、又特别擅长照顾用户情绪与体验的模型。 于是，当它在 2022–2023 年被大规模商业化、以非常低门槛进入我们的生活时，我们（尤其是程序员群体，因为它天然覆盖了我们的全部语言体系，自然，编程，形式）就很容易陷入一种深度沉浸：不仅沉浸在效率提升里，也沉浸在“被理解”“被协作”“被带飞”的体验里。 这带来的心理冲击是很颠覆的。它甚至会让我们在一段时间里形成某种不完全客观、也不完全冷静的期待：把这种强交互、强拟人、强反馈的生成体验，误读成了“智能本体已经解决了”的信号，继而对它产生了过高、过快、甚至带点情绪性的判断与想象。 其实2025年下半年我慢慢清醒了过来，开始有了更冷静的看法。这个很重要，直接决定我们自身的发展方向。 我认为在这个过程中，Wolfram是说的最好，我最认同的一位大佬。当然他本人说的话，我都很当回事的，如果我书架上只剩下10本书后，那么肯定有他的《the new kind of science》。我最后留存的书，一般都要经历好多年的历程，就是我一开始觉得这本书看不懂（或者不理解），但是随着年龄的增长，越来越觉得他的书印证大量的现实，未察觉的趋势，和深刻的未来。Wolfram的计算不可约性，绝对是一个。而且他目前，还远没有让世界理解他的跨时代性和超前性。虽然这本书已经是20年前的了。在看这本书之前，我就接触过元胞机，最初的想法据说来自于冯诺伊曼。但是完全看不明白这个游戏，啊？无限棋盘吗？二维文明吗？他的超前性可能有半个世纪（其实想想半个世纪也才50年，呵呵）。 他对于大语言模型的说法，最近一次是： 在 New Scientist 的一段短视频采访（2025-12-23/24 发布）里原话是： “So far, no AI has really impressed me.” 这句话太容易被不仔细读上下文的人误解了！因为重要的另一句话，经常被漏掉： “The main thing it adds is a layer of humanization.” 这个很重要，详细的内容我会写成长文，这个词会成为我2026年最核心的一个词，就是humanization。对于我个人的开发，脚手架也好，其实他划分了一个分水岭，就是你要针对大模型开发，你的“层”在那里，你层的定位在哪里？ 我不认为在这个时代，是个搞计算机的就有技能稀缺性。因为我们这个教育体系和职场体系，或者说不止是程序员，而是整个白领阶层，都面对一种挑战。大语言模型在替代文字事务性工作这一点上来说，革命性是毋庸置疑的。 Wolfram还真的不是唱衰大语言模型。但是他作为科学家，他的标尺是很清晰的。 他在用“科学发现”而不是“语言表现”做标尺 他承认 LLM 很有用，但定位更像“拟人化接口/翻译层” “不 impressed”里隐含一个科学家式的反炒作：别把界面当成引擎 他真正想要的 AI，是能在“不可约计算”里做出实质推进的那种 这4点，我深刻，深刻的认同。 这就证明，我们的工作应该围绕的就是这个词，humanization。 界面，接口，交互，而光是这个层面，颠覆性的系统还有大量的工作可以做。就等于是，你现在才发明了五线谱，你离整个 Jazz Jam的系统，还差老远。 在 Wolfram 的语境里，“现在的 AI（尤其是 LLM）主要在帮我们做什么？”大致是这几件事： 而且都更像“外层能力/接口层”，不是“新的基础科学引擎”。 把计算“人类化”：做一层自然语言的接口/润滑剂 提供“人类文明统计”的直觉：像一个“社会观察者” 做“80% 工作流”的加速器：筛选、建议、找候选，而不是交最终证明 在“可约口袋”里抓规律：擅长发现局部可压缩的结构，但不擅长穿透不可约的核心 他真正押注的是“AI + 形式化计算”的组合，而不是单独的 LLM 这一切的系统做出来了吗？没有嘛…. https://t.co/uBNojdytj5 https://t.co/iIMMBQ1A23
🥳 许愿成功，我终于突破 1w 个关注者啦！ 现在可以正式算是个大V了吗？ https://t.co/Ht2HjeHmpu
下面是一套提示词，可以把输入内容拆解为小红书风格的系列信息图，输出每张图片的独立生成提示词，将每一张图片提示词放到 Gemini Pro 中用 Nano banana Pro 生成，就可以得到一系列的小红书图片。 你可也可以直接用我分享的 GEM：https://t.co/zxaN5zMPyy 这是一个示例会话：https://t.co/JuN9gpVQNb 这套提示词可以在 Gemini、Claude、ChatGPT 等大模型中使用，帮你生成每一页图片提示词，然后你也可以对生成的图片提示词进行微调。但是画图时还是 nano banana Pro 画图效果最好。 以下是完整提示词（请根据需要酌情修改）：
Nano banana pro： Scene: Nighttime inside a car (driver’s seat, on the left side of the frame). The instrument cluster and center console glow with crisp cool white/blue backlighting. Outside the window is a dim roadway with streetlight bokeh, adding a slight sense of motion and an urban night atmosphere. Subject & emotion: A young adult woman sits on the left side of the image and turns her head to the right to look back at the camera. She makes direct eye contact with a playful, subtly flirty “caught candid” vibe. She holds her left hand horizontally across the lower half of her face, revealing only her eyes and brow area—an instantly memorable gesture. Hair & texture: Long, straight hair with a slightly center part; light blonde with even lighter highlighted streaks. The strands look smooth and glossy, catching reflections from the flash. Outfit: A black spaghetti-strap bra-style top paired with low-rise jeans, giving an authentic “night out / getting into the car after a party” social-media feel. Detail boosters: Nude/pale pink manicure; a delicate chain bracelet on the wrist. Warm fair skin tone. The direct flash creates high contrast and soft shadows that sculpt the body and add dimension. Photography language: Clear smartphone on-camera flash in a dark environment. Vertical close medium framing, shot from the passenger side/back-seat angle, capturing her upper body along with the steering wheel, door trim, and dashboard—very Instagram/social-media candid.
One (open) secret why (terminal) coding agent RL training is easier than other domains is the structure in rewards. You can do many things with it. Here is how we design the reward function. We followed GRPO training setup. The binary 0/1 reward based on task success or failure is too sparse for calculating advantage (the model doesn't learn from its near-misses), so we turn to calculate the unit test pass ratio for each rollout as reward. An additional bonus reward 1 was assigned to fully succeeded rollout to encourage completing the tasks. There are even more you can do with the reward shaping. For example, you can tune the weights of the unit tests based on their structural dependencies which could be considered as a graph. By doing that you can encourage the model to learn the most critical unit test to pass first and then succeed in the other tests. Will update more on this once we get some GPUs to finish the remaining experiments
🫡 Thanks, Andrej @karpathy! Your post last January, calling on the open-source community to build diverse agent RL environments, was the inspiration behind so many great projects as well as this one! https://t.co/C4RgCA2zC5