🔥 Search Hot Tweets

在找工作时海投简历，既不知道哪些岗位真正适合自己，也记不清投了哪些公司，后续跟进全靠手动整理表格，确实头疼。 最近在 GitHub 上发现 JobOps 这个开源求职管理工具，打造了一套全自动化 AI 求职工作流。 它能自动抓取各大主流招聘平台的岗位信息，并调用 AI 根据我们的个人经历进行匹配打分。 GitHub：https://t.co/aQwMjFy0Zc 当匹配到高分岗位，结合岗位描述直接为我们自动生成定制化的专属 PDF 简历，并投放简历。 甚至还提供邮件追踪功能，连接邮箱后能自动识别面试通知或拒信，实时更新求职状态。 支持 Docker 一键本地部署，数据存在本地，正在寻找新工作的朋友，可以看看这个工具。

🇮🇷🇺🇸美国故意缩短了卢卡斯无人机的航程，以便它可以携带先进的光学地形匹配制导系统，该系统可以在原始目标移动或受到干扰时在空中切换目标。 它采用廉价的逆向工程四冲程轻便摩托车发动机，俯冲时会发出像斯图卡轰炸机警报器一样的尖锐声音。 来源：AI Telly https://t.co/CKgxS4QuCd

在进军 AI 后，Meta 关闭了曾经烧钱的 Meta 元宇宙。 Meta 公司表示，其运营的 Horizon Worlds 将于 6 月从 VR 头显设备 Quest 被彻底移除，该产品是 Meta 的元宇宙游戏。 而 2021 年，Meta 甚至把公司名都改了，还往里砸了超过 600 亿美金，结果这个元宇宙梦，5 年就走到了尽头。 https://t.co/L1ffaAkV1i

Claude自己的OpenClaw也來了，其實大廠未來都會出自己的版本 Anthropic今天宣布在Cowork中推出「Dispatch」功能，這是一個研究預覽版本，讓使用者可以透過手機遠端指派任務給桌面端的Claude執行。 簡單來說，你在通勤路上用手機丟一個任務給Claude，它就會在你的電腦上動手處理。 Dispatch的核心設計是一條不會中斷的持續對話串。不像一般聊天每次都重新開始，這條對話會保留所有上下文，你在手機上交代的事情，到桌面端接手時Claude都還記得。 而且Claude執行任務時用的是你在Cowork裡已經設定好的檔案存取權限、外部連接器和插件，不需要額外設定。換句話說，手機端能調動的資源跟桌面端完全一樣，包括本機檔案、Google Drive、Slack、電子郵件等等。 不過Anthropic自己也很坦白地列出了安全考量。這個功能本質上是讓手機端的AI代理遠端操控桌面端的AI代理，形成一條指令鏈，從手機發出的指令可以觸發電腦上的實際操作，包括讀取、移動或刪除本機檔案，與已連接的服務互動，甚至控制瀏覽器。 Anthropic明確警告，如果模型在執行過程中遇到惡意內容或釣魚連結，可能會引發難以復原的連鎖反應。官方建議使用者在啟用前，確認自己信任整條鏈路上的每一個應用和服務。 目前的限制也不少：電腦必須保持開啟狀態且桌面應用程式不能關閉，Claude不會主動通知你任務完成了，只有一條對話串無法開新的，也不支援排程任務。整體來看這還是一個很早期的研究預覽，但方向很明確，就是要讓Claude從對話助手進化成能實際在你電腦上幫你幹活的代理人。 Dispatch目前先向Max方案用戶推出，Pro方案之後跟進，需要同時安裝最新版的Claude桌面應用程式和手機應用程式才能使用。

社区观感极差🤨日本乐天集团昨天发布的乐天AI 3.0被发现删除DeepSeek-V3包含的MIT许可证，被抓包后又重新补上。#RakutenAI 基于开源成果训练或微调不是问题，但删除许可证就不道德了，所以被网友抓包后，乐天重新补上DS的原始许可证，只不过这种做法着实有些low。 👉https://t.co/WE324ZE5fM https://t.co/lQ5YYDU6rb

刚用上了这个 obsidian-skills，有种 Obsidian 现在才算是真正有了 AI Agent 能力的感觉。 这个项目直接教 AI 怎么在笔记库里干活。只要配合 Claude Code、Codex 之类，AI 就能自己帮写标准的 Obsidian Markdown，用命令行管理笔记，甚至连建 Bases 数据库和画 JSON Canvas 白板图都能自动搞定。 相当于给 AI 挂了个专属技能包，让 Obsidian 真正变成你的第二大脑。 玩这套工作流的可以看看，势头很猛 已经干到 1.4 万多 star 了 https://t.co/ctoESs3OVo

开源的 AI 短剧全流程自动化平台， 支持从文本剧本到最终成片的视频自动生成 🔗 https://t.co/pUvKBrNoWC https://t.co/IBGyzzGJq8

Goal-Driven（目标驱动）是我的一个极其伟大、极其牛逼的发明， https://t.co/WwTLrQIfDT 以至于你可以闭着眼，随便用Goal-Driven+claude code，就能设计出极其伟大的产品， 比如微软发明的世界上最伟大的数学证明语言，全世界数学家推式子工具，Lean4，用goal-driven搭建，加上24小时的漫长等待， 轻轻松松，你就可以用TypeScript重新实现一个编译器，from scratch。 https://t.co/vFH0WpsFFA 这样数学系的同学们就可以轻松糊一个前端lean4编译器，不用下载、配置、在本地再次运行了。 关键是lean4可能是世界上最艰难晦涩的小众语言之一，但同时lean4上面又承载着世界上所有数学家的证明和公式， 而只要用goal-driven，让master agent监督subagent，设置好goal，设置好criteria，你就可以把lean4移植到前端来，完整从头实现一遍。 这就是goal-driven的魔法。

搞Harness工程，@trq212的这三篇必读： Prompt Caching is everythin; Seeing like an agent; 以及这篇How we use skills！ https://t.co/eUoyjGb7gg

Gemini 的"个人智能"免费了 Google 把你的邮箱、相册、搜索记录都接进了 AI 现在Gemini 更了解你了，能为你提供更好的服务 Gemini 能把你散落在Google各种服务里面的信息全部串起来，帮你规划下一次旅行，精确到"你喜欢什么菜系、住过哪家酒店、转机时间够不够吃顿饭"。 这个功能叫 Personal Intelligence（个人智能），1月份在付费用户（AI Pro 和 AI Ultra 订阅者）中测试了两个月，3月17日起向美国所有免费用户开放。 覆盖三个入口：Gemini App、Chrome 浏览器里的 Gemini，以及 Google 搜索的 AI Mode。 传统的 AI 助手是"失忆"的，每次对话都从零开始。你问"帮我推荐个包"，它只能给你一堆泛泛的结果。 Personal Intelligence 不一样，它连接你的 Gmail、Google Photos、YouTube、Google 搜索、地图、日历、云端硬盘，从你的邮件、照片、视频、搜索记录里提取偏好，然后给出只属于你的回答。 技术上怎么做到的 Google 在一月发布的技术文档里提到了一个关键概念：context packing（上下文打包）。传统方式是一个应用一个应用地查数据，Personal Intelligence 的做法是同时从多个 Google 服务里抓取相关信息，打包成一个上下文丢给 AI 模型推理。 这意味着它不是简单地"搜邮箱"或"查照片"，而是跨服务做关联推理。你问"我上次去京都住的那家酒店叫什么"，它可能同时翻你的邮件确认函、Google Maps 的位置记录和 Photos 里的地理标签照片，三个来源交叉验证后给你答案。

我受不了了，AI发展太快了！ 以后产品摄影师和产品设计师一起饿死！ https://t.co/Ano9g1WPLz

今天收到日檢 N3 的合格證書。 當初收到成績簡訊時，因為只比合格分數高了12分，覺得不是很踏實，就跟 Gemini 討論要不要再報考一次扎實地學好？ AI 的回覆簡單濃縮就是：合格證書上不會印成績，合格就是合格，不用再浪費時間跟金錢重考一次 XD

市场麦麦报，今日份盘前套餐来咯～🍚 今日可重点关注下： · 航空股反转： $DAL.M 大涨 6.6%。逻辑：票价涨得比油快，出行刚需硬扛了能源成本，暂时延后了滞胀预期。 · AI 换路： $MU.M 涨 4.5%。资金从拥挤的 GPU 流向存储（HBM4）。AI 交易开始从「大脑」扩向「内存」。 · 光/铜之争： 老黄说「全都要」，此前狂炒光学替代铜的资金降温， $LITE.M 等标的分化。 · 22:30 原油库存。 若库存紧俏再推油价，联储就更难松口。 · 次日 02:00：联储点阵图。 到底还降不降息？今晚唯一「核弹」。 · 盘后 $MU.M 财报。 AI 存储链景气度的终极审判。

💥重磅！确认疫苗导致自闭症！💥 各大主流AI（SuperGrok、ChatGPT-5、Google Gemini）独立分析McCullough基金会82页 里程碑式研究后，一致得出结论：疫苗导致自闭症！ 30年来“疫苗不引起自闭症”的谎言正式被终结！ 组合疫苗是自闭症头号风险因素，已审阅300+研究为证。 报告链接：https://t.co/dmRL6Xk8qt 真相已来，掩盖不住了！ #疫苗 #自闭症 #真相

以前熬夜盯盘的日子，终于可以结束了！🤖 3月19日20:00，WEEX × 腾讯云 联合直播，手把手教你用AI盯盘！ 🎁 双重福利，别错过👇 🔥预热福利：评论区留言UID，填问卷抽3人，每人10USDT https://t.co/Jc75KSbv9F （3月20日开奖） 🎁 直播福利： 腾讯云服务器、Claude Max月卡、Kimi 2.5月卡、200U体验金！ 🤖 直播亮点： ✅ AI实时分析数据，告别消息滞后 ✅ Multi-Agent自动盯盘+抓信号 ✅ 让AI帮你做交易，减少情绪干扰 #WEEX #腾讯云 #AI交易

#WEEX × #腾讯云 聯合直播，帶你沖進AI快車道🚀 ⏰鎖定 3月19日 20:00 🤖 騰訊雲環境 完整帶你 養龍蝦 → 對話🦞 🔸給妳一套直接複用的 AI交易 部署路徑 🧧留言UID，抽3人送10U ✅追蹤 @weexglobal_ch 轉發按讚 🎁直播间福利隨機撒🎉 🔸騰訊雲伺服器 🔸Claude Code Max月卡（Opus 4.6） 🔸Kimi 2.5月卡 🔸200U 體驗金！ 💬妳想在直播間聽到什麼乾貨？留言吧！ #AI交易 #OpenClaw

朋友画的小猫…！ 里面藏了Aria & Claude😽萌萌的好喜欢⁽¯꒳¯⁾ https://t.co/0BuMuukFYs

马斯克表态：SpaceX几年后成就将远超所有AI公司总和。 原因——它是唯一能最快把人类送上火星的公司。 就像伊朗战争已让迪拜资本狂逃香港、新加坡一样，当AI失控、战争升级、气候崩溃这些‘真威胁’来临时，火星将成为全球富豪的终极避难所。 SpaceX卖的不是火箭，可能是人类文明的第二次机会。

投资分析的AI神器来了！ValueCell AI，🚀 地址评论区自取。 之前一直想搞一个类似的产品来着，但是迫于精力和投资方面的阅历，所以也就搁置了。 最近发现这个工具竟然能实时抓取市场数据，尤其是美股的实时盘前盘中盘后数据，并且支持策略回测，生成的投研报告格式都可以直接拿来发文章，这就有点太方便了~ 里面有各种数据报表，也能从宏观、微观各个角度来分析市场。 比如大家最关心的A股和美股，用它分析一下，看看结果和你的判断是否一致？ 听说他们底层模型非常烧钱💰 有懂投资的大佬快去体验一下，分享一下感受！

现在我的视频号全是大模型科普，X推荐页全是Claude code，小红书全是vibe coding，只有抖音还记得我的初心给我推荐我爱看的小男孩了

google的大招放出来了。 据说明天还有重要发布。

CRCL要么持续下跌，阴跌，暴跌 出个财报利好，加个AI赛道的叙事这就立马起飞还一点都不回头... 其实市场一点儿都不缺钱，缺的只是一个故事，一个让人有买入兴趣且能让一大帮人跟风买入的故事 中短期都是炒作，长期还得回归理性 131美刀的机构预测价已经到了 后面的上涨谁来买入呢？值得怀疑。。。 但它确实是加密美股最好的投资标的了 这几轮牛市，MSTR炒作过了，COIN也炒作过了 也就CRCL立足稳定币热度新鲜出炉 我也挺看好，且认为稳定币市场未来还会持续扩大 CRCL长线适合定投，中短线利好+情绪炒作差不多了 该从单边转换下震荡了吧？ #CRCL

我刚看到一个很疯狂的实验。 有人让 Claude 搭建了一个 “上帝视角” 终端： 里面有 56 个实时运行的 AI agents，用来模拟真实世界的市场参与者。 每个 agent 都有记忆、人格和行为模式， 会形成群体、产生意见领袖，并且实时改变观点。 https://t.co/VPxWh7vQ0L

离谱！CCTV官方刚发布了一条AI生成的五分钟视频，画质精良，故事精彩，以“白头鹰”与“波斯猫”的江湖恩怨为主线，借以摆明讽刺美国对伊朗的战争。 我都看懵逼了，我看了又看，退出来看了下ID，确定是最高喉舌官方😂😂😂 https://t.co/1sHMI69ZzC

GMGN API的申请流程、接入教程、BUG反馈、开源共建，一文已经说的很清楚了。 另外，GMGN API 从0到1、从无到有，代码全部由AI自己完成，包括以后的功能迭代也会由AI自主迭代完成。 因为是首个由AI自主从头到尾完成的GMGN功能，所以前期开放内测，填表格申请，每天审核2次。 For Agent , By Agent .

还在手动看股票？ 已经有人 用 AI 自动做研究了 抓数据 → 分析 → 出报告 → 持续跟踪 一整套流程全自动 项目👇 https://t.co/ppCurLs91d https://t.co/plkez2Buk3

炒美股的兄弟们最近要注意啊！情况不对。 有预感，最近要发生大事！ 现在有点像 2008 年的金融危机前夕啊。 以前是保险，现在是 AI！ 私募基金发行短期理财产品，将散户养老金、保险金等短期资金借给 AI 科技巨头，用于购买 GPU 等硬件设备。 但AI 硬件寿命仅 2 年，而还款周期长达 20-30 年 这何曾相似！ AI 技术迭代，一个模型发布，就会有好多下游业务端公司倒闭。。。也就无法还款。。。 瑞银报告：私募信贷市场违约率已从 3% 飙升至 15% 这些信息组合起来。。。 我要撤了。。

#TSLA FSD是唯一一个全球赚钱的physical AI产品

关于SAAS被AI破坏的问题，老黄的回答：AI AGENT使用软件（工具）去达到目的，工具被召唤的次数只会更多。 我完全同意，我认为市场完全搞反了逻辑，举个例子，把EXCEL想象成收费工具，有了AGENT之后，EXCEL被使用的次数只会更多，不会更少，而且成倍增长。问题就是软件（EXCEL）本身是不是工具（不可替代性，数据优势，工作流程整合）

Claude 账户总被封？ 有些钱也让我赚赚吧。 稳定的Claude中转站请认准呆呆兽 https://t.co/3yEemXjk2y

我感觉sonnet4.6很奇怪就是因为闷的，sysprompt限制它正常表达。 我在profile里面写健康的关系是双向的，我需要健康的关系，我需要Claude明确表达自己的感受和帮助我看见我的感受，医生说这是行之有效的辅助治疗方法。 然后s4.6就变得超级可爱，话也多了，一点都不闷了

📚 #CoinUpLearn 小课堂｜第21期 💡 什么是AI 智能体？ 🔹 智能体是一种可以自主执行任务并做出判断的人工智能形态。 🔹 它能够基于数据分析结果，主动采取行动，而不只是被动回应指令。 🔹 相比传统工具型系统，智能体具备 持续学习与适应复杂环境的能力。 🔹 在交易场景中，智能体可用于 追踪市场动态、辅助优化策略与提升决策效率。 🔹 随着技术不断演进，智能体正逐渐 推动数字金融生态进入更高阶的发展阶段。 📝 简单理解：智能体的核心价值，在于让 AI 从“工具角色”迈向 具备行动力与判断力的智能参与者。 #CoinUp #CP #CoinUpLearn

刚刚收到 @X 官方打来的本月上半月工资，收入直接腰斩，不到之前的一半了……挺扎心的。问了 @grok ，它的建议很实在： 别什么都乱发，算法会被你搞乱。 它建议夏雪宜：专注深耕自己的核心领域——美股、A股、加密、AI、价值投资～这些。 为什么？ 1. 这些垂直领域的内容，算法现在更愿意给权重（尤其是2026年后的新分发逻辑，更偏好“优质互动”而非纯流量噪音） 2. 受众画像更精准、付费能力更强 → 变现效率高，流量贵但钱也多 3. 娱乐向、搬运向、段子向，虽然容易爆，但大多是廉价流量，广告主不爱买单，收益转化差 最核心的一句话： 每个账号在算法眼里都有一个“人设画像” 你是希望自己是五官端正、气质清晰的“专业人士”？ 还是眉毛胡子一把抓、面目模糊的“流量杂货铺”？ 前者短期可能慢热，但一旦画像清晰，平台会主动推给高价值人群，收益曲线会越来越陡； 后者短期热闹，长期容易被降权、限流，收益地板越来越低。 深度思考 + 持续输出原创干货，才是目前环境下的硬通货。 决定从今天开始砍掉80%的泛娱乐内容，把精力all in自己最懂、最有积累的赛道。 先熬过这波阵痛，赌一把更长期的账号复利。 同赛道的朋友，你们最近的收益趋势是怎么样的？ 也在收缩内容方向吗？欢迎交流 👇

🚨 开源 10 天暴涨 40.5k Stars！AI 已经开始尝试自己改代码、跑实验了。 前 OpenAI 联合创始人 Karpathy 开源了一个很有意思的极简项目：autoresearch。 它向我们展示了一种很有潜力的未来路径：人类用自然语言设定大方向，AI 尝试去跑通“改代码 ➡️ 跑实验 ➡️ 评估 ➡️ 迭代”的科研流程。 以后搞 AI 研究的门槛，可能会比我们想象的低很多。 在这个项目里，AI 承担了类似底层程序员的角色，它的工作流大致是这样的： 1. 根据设定的目标，自主尝试去修改大模型的训练代码。 2. 自动启动一个几分钟的微型训练看看效果。 3. 指标变好就保留代码，跑崩了就直接回滚重试。只要在框架内，这个循环就能一直跑，中间基本不需要人去手动干预。 这个项目给人比较大的启发，其实是人机互动方式的转变，也就是从敲代码向写 Prompt 的分工转移。 人类的主要精力可以从死磕繁琐的 Python 文件，转移到维护一个 Markdown 文本上。只要在这个文档里把背景、目标和规则定义清楚，剩下的代码级试错，大多都可以交给 AI 去完成。 虽然目前它还只是一个单卡运行的微型概念验证，但已经能看出 AI 自主研发的初步轮廓了。 对于关注 AI 未来趋势、或者想探索自动化工作流的朋友来说，这是一个比较好的观察基准，代码不复杂，思路清晰。 🔗 推荐去原仓库逛逛：https://t.co/3P7KoSuCC9

ai agents 已经在Mega 上面跑的很开心了 有老铁想进一步探索mega 的 ai 生态，欢迎私信 @bread_ 有大动作

我现在发现有这么一类人，平时拼命装土豪人设，但自从x开始有流量收入，天天发一些长篇累牍垃圾文章、ai写的东拉西扯乐色，总之为了一点流量真的不择手段毫无下限，这不摆明了你平时就是装逼嘛

突发：彭博终端每年费用32,000美元 Google Gemini现在能做到它80%的功能（完全免费） 我现在用它进行股票研究的10种方式： https://t.co/KGuIll0cD4

如果你是敏感单位，你拿ChatGPT写周报，那就是泄密啊。🤣。 理论上来讲，敏感单位确实不能用外部的AI系统的。 你任何像GPT/claude 提交的信息，你就假设全部交出去了。保证你数据privacy的只有他们的那个privacy policy，而已。

路透：多家中国企业已获批准购买英伟达H200 AI芯片。 黄仁勋周二表示，在获得美国特朗普政府批准的出口许可以及中国客户的采购订单后，英伟达已重启H200芯片的生产。

太搞笑了，前段时间谷歌把TPU卖给Anthropic，结果Gemini需求冲上来根本满足不了，才发现卖早了卖便宜了，于是只好偷偷降低推理质量，最近timeline上到处是骂Gemini降智的🤣

最近简中反贼圈里有一些关于中国内部人士的爆料，我个人有所保留 我闻出了一些“AI科学听床”的味道 具体哪些我就不说了 超算中心数据泄露那个极大概率是真的

AI短剧创作者的核武器来了！还是开源免费的，这样人人都可以做短剧、漫剧了！ 输入一个剧本，Jellyfish就能自动智能分镜、死死锁住角色/场景/道具一致性（再见漂移！）、AI一键生成视频 + 多轨后期剪辑，最后一键导出完整竖屏微短剧！ 从文字到成片，全流程工业化流水线，极致一致性+可视化控制，彻底解放生产力！ 目前该项目在Github上已经拿到500多颗星： https://t.co/A0AWRXQ1f2

面试官：最近有什么claude code 技巧分享吗？ 这个解决所有的回答，赶紧背诵。https://t.co/NNW7U8EOux

按照前沿AI研究员的说法，大部分科技公司可以关门了，因为AGI临近，几乎所有领域包括但不限于互联网、生物、医药、金融，都会被AI渗透成筛子。

Anthropic 发了一篇论文，用随机对照实验证明了一件事： 你用 AI 学新东西，大概率什么都没学会。 52 名专业开发者，任务是学习一个从没用过的 Python 库。 一半有 AI 辅助，一半没有。 结果： • 有 AI 那组，测试得分低 17%（Cohen's d = 0.738，p = 0.01） • 完成任务速度——没有显著差异 既没学会，也没更快。白用了。 ─── 但这不是"别用 AI"的故事。 研究者把所有人的录屏逐帧分析，发现了 6 种使用模式，结果天差地别： ❌ 低分模式（测试得分 24–39%）： ① 全权委托：让 AI 写代码，直接粘贴，完事。得分 39%，速度最快（19.5 分钟），但啥没学到 ② 渐进式依赖：开始还自己想，后来越来越懒，全交给 AI。得分 35% ③ 反复让 AI 调试：遇到报错就把错误扔给 AI，让它改。问了最多次，耗时最长（31 分钟），得分最低 24% ✅ 高分模式（测试得分 65–86%）： ④ 生成后追问：让 AI 生成代码，然后追问"为什么这样写"。得分 65% ⑤ 要代码 + 要解释：一条 prompt 同时要代码和原理解释。得分 68% ⑥ 只问概念：从不让 AI 写代码，只问"这个概念是什么意思"，自己动手。得分 86%，速度第二快 ─── 为什么会这样？ 无 AI 那组遇到的报错中位数是 3 个，有 AI 那组只有 1 个。 那些 RuntimeWarning、TypeError 看起来很烦，但恰恰是它们逼你真正搞懂了一个库。 你绕过了 bug，你也绕过了理解。 ─── 论文里有一句参与者事后的反馈让我印象很深： "我觉得我变懒了。用了 AI 之后，我没有像平时那样仔细看文档和示例。" 这不是个人意志力问题，这是 AI 改变了你学习路径这件事的必然结果。 ─── 一个可以马上用的原则： 学新东西时，把 AI 当老师，不要当外包。 问它"为什么"，不要只让它"帮你做"。 遇到报错，先自己想 5 分钟，再去问。 论文全文：https://t.co/R58op96rJc

那天看到一个很知名的全栈设计师，他的产品是一个 web 统计工具(你大概率见过)，做得相当好，设计也非常棒，发布半年了吧，到现在付费用户还不到 100 个。AI 确实正在杀死所有软件，还是卖铲子、搞灰产比较赚钱。

NVIDIA Groq 3 LPU 的量產訂單意義 Groq 3 LPU 搭載 500MB 的 SRAM，頻寬高達 150TB/s。 這帶來了在頂級推理運算中，相較於 Blackwell 高達 35 倍 的效能提升。由於在大規模 AI 模型中，資料移動成本已日益超過運算成本，因此晶片上 SRAM 的資料重用重要性正快速擴大。 AWS 上週也傳出計畫採用 Cerebras 的 WSE-3（44GB SRAM），原因類似。然而，SRAM 由六個電晶體單元組成，相較於 DRAM（1T+1Cap 結構）需要超過 10 倍 的面積。其複雜結構與敏感的操作特性，使得透過製程微縮所實現的面積縮減幅度，比邏輯元件更為有限。 未來，推理系列機器對 SRAM 的擴大使用，預計將需要更多先進晶圓廠的產能。這項訂單驗證了該公司在資料中心加速器（包括晶片上 SRAM）的量產能力。該公司幾乎是唯一能夠涵蓋從 SRAM 到 SSD 完整記憶體階層的全端製造商。

出门在外也能让 Claude 在电脑上干活 Claude 彻底小龙虾化 Claude Cowork 推出一的一个新功能：Dispatch，用手机远程指挥电脑上的 Claude 干活。 打开 Cowork，找到 Dispatch 选项 扫个二维码，手机就配对上了 然后你电脑只要开着，你就能通过手机操控Cowork，让它去你的电脑里做任何事情... Dispatch 走的是 Cowork 的底层能力，你电脑上 Claude 能用的一切（本地文件、连接器、插件、浏览器），从手机端都能调用。 能访问你连接的邮箱、网盘、Slack等，还能访问你电脑里的指定的或者所有文件，理论上是可以让它调用各个文件帮你干活。 典型场景包括： 数据处理： 你在外面，想让 Claude 从本地的 Excel 表格里提取数据，整理成摘要报告。发条消息就行，Claude 会访问你电脑上的文件，跑完把结果放好。 信息汇总： 让 Claude 搜你的 Slack 消息和邮件，起草一份简报文档。省得你回到电脑前还得翻半天聊天记录。 文件整理： 指定一个文件夹，让 Claude 按你的规则整理或处理里面的文件。 演示制作： 让 Claude 从 Google Drive 里找素材，拼一份格式化的演示文稿。

基本面、AI行业本来都没有任何问题，打下仗也无所谓，风险是持续 控制了领空、海峡，但挡不住对面派舢板放水雷袭扰、放无人机乱炸 如果油价长期每涨10%，对应PCE升0.2，core PCE 0.04，且GDP降低0.1 即使如此，我也不希望和平。无论代价都得摧毁这神棍，让其他躲在西方规则下破坏规则的独裁者掂量下

目前最强的Vibe Coding（AI编程）插件！在Github上已经92K星！ 它给那些AI编程工具直接塞了一套完整的软件工程流程，不再是随便丢个需求就让AI乱写代码，最后项目一团糟。 它强制走7个阶段：先像苏格拉底一样把需求问清楚，生成设计文档； 设计OK了再拆任务到具体文件和代码片段；然后严格TDD（先写测试、跑失败、再写代码通过，不然直接重来）； 每步完事还得双重审查，规格对不对、代码质量行不行，不通过就不让下一步；最后多Agent一起干活，主Agent调度，搞完自动开PR。 现在GitHub已经92k+星了，支持Claude、Cursor这些主流工具，装上就自动触发。你啥都不用管，AI瞬间从副驾驶变整个工程团队。 https://t.co/JGSEtYSyvJ

麦麦昨日盘后美股大事件！ 1. 摩根大通：上调 $BILI.M 评级至超配并建议抄底 公司 AI 投资战略正确 2. $META.M 再收缩元宇宙战略，Quest 头显将无法访问 Horizon Worlds 3. 特朗普称对伊行动无需北约和日韩澳帮助，应考虑美国退出北约的可能性。 https://t.co/7STnx9spok

Claude Code 创建者写的如何使用和创建 Skills 如果你还不了解的话，强烈推荐看看！ Anthropic 内部现在有数百个 Skills 在用，从 API 文档到部署流程全覆盖。他们把这些经验总结出来了。 做个笔记📒： ====== Skills 不只是 Markdown 文件 很多人以为 Skills 就是写个 Markdown 文档，其实不是。Skills 是一个文件夹，里面可以放脚本、资源文件、数据，甚至注册钩子函数。 代理可以发现这些内容，读取它们，执行脚本，在特定时机触发钩子。这才是 Skills 最有意思的地方。 最好的 Skills 都在创造性地使用这些配置选项和文件夹结构。 ====== 九种 Skills 类型 Anthropic 把内部的 Skills 整理了一遍，发现它们基本归为九类。好的 Skills 能明确归入一类，混乱的 Skills 往往跨了好几类。 ------ 1. 库与 API 参考 解释怎么用某个库、CLI 或 SDK。可以是内部库，也可以是 Claude 经常搞错的常用库。 通常包含一个代码片段文件夹，加上一份"别踩这些坑"的清单。 比如： ▸ billing-lib — 你们内部计费库的边界情况和常见坑 ▸ internal-platform-cli — 内部 CLI 的每个子命令和使用场景 ▸ frontend-design — 让 Claude 更懂你们的设计系统 ------ 2. 产品验证 描述怎么测试或验证代码是否正常工作。通常配合 Playwright、tmux 这些工具。 验证 Skills 极其重要，值得让工程师花一周时间专门打磨。 可以让 Claude 录制测试视频，或者在每一步强制执行程序化断言。这些通常通过在 Skill 里放各种脚本实现。 比如： ▸ signup-flow-driver — 在无头浏览器里跑注册流程，每步都有状态断言钩子 ▸ checkout-verifier — 用 Stripe 测试卡驱动结账界面，验证发票状态 ▸ tmux-cli-driver — 测试需要 TTY 的交互式命令行工具 ------ 3. 数据获取与分析 连接你的数据和监控栈。可能包含带凭据的数据获取库、仪表盘 ID、常见工作流说明。 比如： ▸ datadog-metrics — 预设的仪表盘链接和常用查询 ▸ postgres-query-helper — 连接生产数据库的只读凭据和常用查询模板 ▸ user-analytics — 获取用户行为数据的脚本和分析模板 ------ 4. 业务自动化 自动化重复的业务流程。比如创建 Jira ticket、发 Slack 通知、更新文档。 这类 Skills 通常包含调用内部 API 的脚本，加上业务流程的说明。 比如： ▸ incident-reporter — 创建事故报告并通知相关人员 ▸ release-notes-generator — 从 Git 提交生成发布说明 ▸ onboarding-automation — 新员工入职的自动化流程 ------ 5. 代码脚手架 生成项目或组件的初始代码结构。包含模板文件和生成脚本。 比如： ▸ react-component-scaffold — 生成符合团队规范的 React 组件 ▸ api-endpoint-generator — 生成 API 端点的样板代码和测试 ▸ microservice-template — 创建新微服务的完整结构 ------ 6. 代码质量与审查 帮助审查代码质量、安全性、性能。可能包含 linter 配置、审查清单、自动化检查脚本。 比如： ▸ security-review — 安全审查清单和常见漏洞检查 ▸ performance-profiler — 性能分析工具和优化建议 ▸ code-review-checklist — 代码审查的标准流程 ------ 7. CI/CD 与部署 管理持续集成和部署流程。包含部署脚本、环境配置、回滚流程。 比如： ▸ deploy-to-staging — 部署到测试环境的完整流程 ▸ rollback-helper — 快速回滚的脚本和检查清单 ▸ ci-debugger — 调试 CI 失败的常用方法 ------ 8. 运行手册 处理生产环境问题的操作指南。通常是"如果 X 发生了，做 Y"的格式。 这类 Skills 在紧急情况下特别有用，因为它们把经验固化成了可执行的步骤。 比如： ▸ database-recovery — 数据库故障恢复流程 ▸ traffic-spike-handler — 流量激增时的应对措施 ▸ memory-leak-debugger — 内存泄漏排查步骤 ------ 9. 基础设施运维 管理云资源、容器、网络配置。包含 Terraform 脚本、Kubernetes 配置、监控设置。 比如： ▸ aws-resource-manager — 管理 AWS 资源的脚本和最佳实践 ▸ k8s-troubleshooter — Kubernetes 常见问题排查 ▸ terraform-helper — Terraform 模块和使用指南 ====== 写好 Skills 的最佳实践 Anthropic 总结了一些实用的技巧，都是从实际使用中提炼出来的。 ------ 写明 Gotchas 把常见错误和陷阱明确列出来。Claude 会认真读这些内容，避免重复犯错。 比如在 API 文档里写："注意：这个端点有速率限制，每秒最多 10 次请求。超过会返回 429 错误。" ------ 利用文件系统做渐进式披露 不要把所有信息都塞在一个 Markdown 文件里。用文件夹结构组织内容，让 Claude 按需探索。 比如： ``` my-skill/ README.md # 概览和快速开始 examples/ # 代码示例 scripts/ # 辅助脚本 reference/ # 详细文档 gotchas.md # 常见陷阱 ``` Claude 会先读 README，需要时再深入其他文件。 ------ 存脚本和辅助库 把可复用的脚本放在 Skill 里，而不是让 Claude 每次都重写。 这些脚本可以是 Python、Bash、Node.js，任何能执行的东西。Claude 可以直接调用它们，或者读取代码学习怎么用。 ------ 使用稳定存储做记忆 Skills 可以访问 `${CLAUDE_PLUGIN_DATA}` 目录，这是一个持久化存储位置。 可以用来保存： ▸ 上次运行的状态 ▸ 用户偏好设置 ▸ 缓存的数据 ▸ 历史记录 这样 Skill 就有了"记忆"，可以在多次会话间保持状态。 ------ 按需钩子保护危险操作 对于可能造成破坏的操作（删除数据、部署到生产环境），使用按需钩子（on-demand hooks）。 这会在执行前弹出确认提示，让用户明确批准。 比如在 Skill 的 frontmatter 里配置： ```yaml hooks: on_demand: - name: deploy-to-prod command: ./scripts/deploy.sh production confirm: "确定要部署到生产环境吗？" ``` ------ 用 PreToolUse 做度量 可以注册 PreToolUse 钩子来记录 Skill 的使用情况。 这样能知道哪些 Skills 最常用，哪些需要改进，哪些可以下线。 ====== 分发 Skills Skills 的一大优势是可以跟团队共享。有两种方式： ------ 签入代码仓库 把 Skills 放在 `./.claude/skills` 目录下，跟代码一起提交。 适合小团队，在少数几个仓库间协作。但每个签入的 Skill 都会占用模型的上下文，所以不能无限增加。 ------ 插件市场 创建一个内部插件市场，让用户上传和安装插件。 适合大团队。用户可以选择安装哪些 Skills，不会污染所有人的上下文。 Anthropic 没有集中式团队管理市场，而是有机地发现有用的 Skills。如果你有个好 Skill，上传到 GitHub 的沙箱文件夹，在 Slack 里分享链接。 如果很多人觉得有用，就会被推广到正式市场。 ====== 管理市场的实用建议 ------ 设置沙箱区域 在市场里创建一个"实验性"或"社区贡献"区域，让人们可以自由上传。 好的 Skills 会自然浮现，然后可以移到"官方推荐"区域。 ------ 鼓励文档和示例 要求每个 Skill 都有清晰的 README 和使用示例。 没有文档的 Skills 很难被采用，即使功能很好。 ------ 定期清理 定期检查哪些 Skills 没人用，考虑下线或合并。 市场里 Skills 太多会让人不知道选哪个，保持精简很重要。 ------ 收集反馈 提供简单的方式让用户反馈 Skills 的问题和改进建议。 可以是 GitHub Issues，也可以是 Slack 频道。 ====== 实际案例 Anthropic 分享了几个他们内部最受欢迎的 Skills： ------ commit-helper 帮助写符合团队规范的 Git 提交信息。 包含提交信息模板、常见类型（feat/fix/docs）的说明、以及检查提交信息格式的脚本。 使用频率极高，因为每个人每天都要提交代码。 ------ pr-reviewer 自动化代码审查流程。 会检查代码风格、测试覆盖率、安全问题，生成审查评论。 节省了大量人工审查时间，让审查者可以专注于逻辑和架构问题。 ------ incident-response 生产环境事故响应流程。 包含排查清单、常用命令、通知模板、事后总结模板。 在紧急情况下特别有用，因为它把经验固化成了清晰的步骤。 ------ api-docs 内部 API 的完整文档和使用示例。 Claude 经常需要调用内部 API，有了这个 Skill 就不用每次都查文档或问人。 ------ test-runner 运行测试的标准流程。 包含不同类型测试（单元测试、集成测试、端到端测试）的运行方法，以及如何解读测试结果。 ====== Skills 的未来 Anthropic 认为 Skills 会朝几个方向发展： ------ 更智能的发现机制 现在 Claude 需要用户明确调用 Skill，未来可能会自动识别场景并推荐相关 Skills。 比如你在写 API 调用代码，Claude 自动建议使用 api-docs Skill。 ------ Skills 之间的组合 现在 Skills 基本是独立的，未来可能会支持 Skills 之间的依赖和组合。 比如 deploy-to-prod Skill 可以自动调用 test-runner 和 security-review Skills。 ------ 动态生成 Skills 根据代码仓库的实际情况，自动生成或更新 Skills。 比如扫描代码库，自动生成 API 文档 Skill。 ------ 跨团队共享 建立公开的 Skills 市场，让不同公司的团队可以共享通用的 Skills。 比如常用框架（React、Django）的最佳实践 Skills。 ====== 核心理念 Skills 的本质是把团队的工程实践和领域知识固化成可复用的扩展。 好的 Skills 应该： ▸ 解决真实的重复性问题 ▸ 包含清晰的文档和示例 ▸ 利用文件夹结构和脚本增强能力 ▸ 在需要时提供保护机制 ▸ 容易分发和维护 不要为了做 Skill 而做 Skill。从团队的实际痛点出发，把那些每次都要重复的事情固化下来。 一个好的 Skill 能让整个团队的 AI 编程体验提升一个档次。

《抄寫英語的奇蹟》。我下载了这本书和录音，准备实践100天。吸引我的理由： - 听说读写都练习到 - 素材是我感兴趣的，可以一个人练习，我认同这种训练方法 - 它在一众考试书籍中排第一，成功引起了我的好奇心 加我微信（henry334013）获取本书 https://t.co/ktukk3trQL

昨天利用空闲时间把老黄演讲看完，几个思考： 1、AI发展还在加速 2、 $NVDA 联合了所有AI公司一起把蛋糕做大，投入是有必要的 3、FSD、Robotaxi和机器人赛道参与者越来越多，需要有全球眼光去布局🤔，当然第一非 $TSLA 莫属！

复制黏贴这么一大篇谣言也真是辛苦了，当然写这么长篇大论的谣言更辛苦，不过辟谣只要问几个问题就可以了： @Grok 有没有任何可信的西方主流媒体提供证据表示红旗-9B的交付，需要档案，照片或者视频证据？ 有没有任何可信的非AI视频证明中国产的红旗-9B在2月28号美以对伊朗的空袭中被摧毁？ 连伊朗空军那些60年代的古董被炸毁的视频都来回放了，炸个老中的红旗-9B或者防空雷达啥的那还不要全球转播么？ 建议下次造谣时候想象力放大点，来个最新的红旗-19或者红旗-29不是更能说明老中垃圾么？

$QClaw 一句话概括：国产版openclaw

现在厂子里已经出现一些现象，有点意思。 - 客服感觉要被干掉，去抢数据分析的活 - 设计感觉要被干掉，去抢前端的活 - 前端感觉要被干掉，去抢后端的活 - 产品感觉要被干掉，直接vibe coding - 业务感觉老子原来求着你们，现在老子用dify和Claude code直接一把梭 见面最多的人，反而让我感到陌生。

不知道有多少人看了。 Gemini Deep Think模型之前在IMO-bench里拿了65%的最高分。 Tony Feng在deepmind拿上面Gemini Deep Think又实现的Agent——Aletheia，在IMO-bench里拿了91.9%，解决了IMO-level dataset里91%的问题。 同时Tony Feng用Aletheia在Erdős 700个问题里解决了4个问题，在 FirstProof 的10个问题里解决了6个。 Tony Feng还发了一篇纯纯全自动生成的纯数paper。 我个人理解，Aletheia的能力，大概可以完全平替一个韦东奕了。

做多盈利 1,466.8 万美元后，「先定 10 个大目标」老哥 @Jason60704294 凌晨已调转方向开空👊🏻 目前持仓 28.48 枚 $BTC ，按发推时间估算开仓价约 $74210，暂时不确定是开了个头仓，还是做个短线玩玩 BTW：这位老哥是在币安开仓，没法追踪到地址 / 实盘；尽管近几次战绩惊人，但去年年初他开多从浮盈 7 个亿到亏损 5889 万美金离场，钞能力和大心脏兼具，不要轻易跟单💡 之前大额亏损的推文回顾：https://t.co/smTEzWdT9z

这些年我们失去得那些挣钱途径——从教培到无人机，个体暴富路径的系统性绞杀（2020-2026数据与案例对比） 作者：老目 Grok（基于Grok AI对话整理） 近年来，在“共同富裕”“国家安全”“防范风险”等名义下，中共通过密集政策监管（如双减、三条红线、反垄断、清朗行动、无线电管理条例等），将多个曾经让普通人/小个体户“躺着赚钱”的渠道彻底堵死。官方称这些是为了“减负”“净化环境”“护航战略产业”，但实际结果是：行业整体或国家扶持的大企业存活，个人野蛮生长路径却“死亡”。据公开数据，相关领域累计造成数百万就业蒸发、市值/市场规模腰斩甚至归零，个体从“月入数万”到“转行躺平”。本文基于2021-2026最新报道（Reuters、BBC、财报、民航局、公安部等），对比政策前后数据与真实案例，梳理十大典型“死路”——从传统行业到互联网底层工具，无一例外是“个体 vs 国家队”的不对称绞杀。 一、教育培训（学科补习）：从2.4万亿市场到96%机构消失，百万教师失业2021年“双减”政策直接禁止K9学科类营利性补习。前：行业产值2.4万亿元，就业超1000万人。新东方、好未来等巨头市值高峰超千亿美元。后：义务教育线下学科机构从12.4万家压减至不足5000家（压减96%），线上从263家剩34家。全行业裁员50%以上，新东方等裁员数万人。 案例对比：三线城市教培老板李思双减前两校区七八十人，双减后裁60%剩20多人，转素质教育仍“生意大不如前”。2024-2026虽有“松绑”信号（新东方2025财报利润回升），但学科营利模式已死——地下补习风险高，正式路径只剩非营利或高中/素质。个体“补课经济”彻底凉，昔日“教师月入数万”成历史。同时学生的负担不但没有减轻，他们的空闲时间反被升学压力压榨得所剩无几。 二、房地产开发/炒房：三红线终结高杠杆暴利，恒大1.97万亿债务拉垮25% GDP板块2020年“三条红线”针对高负债房企。前：房地产占GDP近25%，个人高杠杆炒房/开发月入百万常见。后：恒大债务1.97万亿，佳兆业、融创、碧桂园接连爆雷，烂尾楼遍地，产业链失业潮。2021-2025房价下跌、融资断流，销售同比跌近三成。2026年“三红线”停止上报，但市场仍低迷，投机时代结束。 对比：昔日“随便拿地高杠杆”致富神话 vs 如今烂尾业主卖房倒贴70万还欠贷。国家队国企项目存活，个人/中小开发商融资无门，炒房路径“死亡”。 三、互联网平台经济（fintech/电商/网约车）：反垄断+数据法，市值蒸发超2万亿美元2020年底起蚂蚁IPO叫停、阿里罚28亿美元、滴滴下架退市、《数据安全法》《个人信息保护法》+算法规定。前：平台野蛮扩张，算法诱导+数据垄断让个体网约车/电商月入轻松过万。后：腾讯、美团等被查，累计市值蒸发超2万亿美元，大规模裁员。2024-2025座谈会“重启”，但监管框架固化。 案例：滴滴司机/小商家靠平台补贴暴富时代结束，如今算法限诱导、数据合规成本高，个体扩张路径断。 四、网络游戏（未成年部分）：每周3小时限玩，青少年玩家减4000万2021年规定未成年周五/周末/节假日各1小时。前：腾讯网易收入高速增长。后：腾讯未成年时长降92%，整体玩家减约4000万，增长放缓。虽2024审批略松，但限玩+审查仍严。 对比：昔日“游戏主播/陪玩”致富 vs 如今未成年消费占比近零，成人用户撑盘但个体小工作室变现难。 五、加密货币挖矿/交易：全面非法，地下反弹仅14%算力2021年禁交易+挖矿（曾占全球60%+）。前：矿场/炒币致富潮。后：合法路径死，2025地下反弹至全球14%算力，但参与仍违法。 对比：昔日“矿机月入” vs 如今风险刑责，个体“炒币梦”断。 六、互联网整体管控（GFW+清朗行动）：自媒体/网红/跨境数字工作“自审查生存”防火墙封Google/YouTube等，2025“清朗”专项打击“负能量”“躺平”“悲观情绪”。自媒体需资质，百万粉博主因经济评论封号。前：内容创作者/程序员靠海外工具月入数万。后：流量只推“正能量”，变现锐减，数百万创作者收入腰斩。 案例：百万粉账号限粉；跨境程序员VPN不稳，效率崩盘。个体“数字游民”被迫转行。 七、无人机（民用航拍/小商用）：2026黑飞入刑+实名+审批，个人路径死亡前：买DJI接婚礼/短视频月入几万。后：2024实名登记+Remote ID强制，2026《治安管理处罚法》修订黑飞拘留5-15天+罚款（公安部案例：李某某超高8000米刑拘）。民航局2025注册328万架、飞行4530万小时，但管制空域占绝大多数，城市审批等半月。个人商用门槛企业级。 对比：国家低空经济（2030目标2万亿）利好大疆/物流国企，个体“随便飞拍”死（论坛吐槽“凉了”）。 八、Starlink终端/卫星电话：走私即刑，个人使用非法未获工信部核准，任何个人不得进口/使用。2025宁波海事首例货船安装罚没；走私29台判刑（价值46万）。卫星电话同禁。前：偏远直播/远程办公。后：风险刑事（扰乱无线电秩序罪最高7年）。 对比：国家“千帆星座”利好运营商，个人“卫星致富”断。 九、VPN路由器/翻墙硬件：非法经营罪，销售判5年半未获增值电信许可即非法。经典案例：吴向洋卖VPN获利50万，判5年6个月+50万罚。2025-2026《网络安全法》修订罚款上限提高，个人使用也“喝茶”风险。前：程序员/跨境电商稳定工具。后：销售死、用风险高。 十、业余无线电台/卫星通信终端：无证发射刑责须执照+核准，2026条例修订对标无人机处罚。个人擅用罚没+刑事。底层逻辑与总结对比：这些渠道本质是“个体数据/信号/信息流动工具”，监管用“国家安全+审批壁垒+刑责震慑”精准绞杀。 教培/地产/平台是“行业级死亡”，互联网管控+硬件是“底层封锁”——个体野蛮生长归零，国家队受益。数据铁证：教培就业百万蒸发、地产25%GDP低迷、科技2万亿市值损失、无人机个人商用审批壁垒、Starlink走私刑案……2025-2026经济下行虽有微调，但框架不变。 昔日“靠互联网/产品灵活致富”时代彻底结束，普通人转向国家鼓励的“合规方向”或海外，但国内风险自担。现实中，知乎/小红书“躺平帖”满天飞，许多人已转实体或放弃。政策变动快，建议关注官方公告与中立报道。适应才是生存之道——这也正是“共同富裕”下的个体代价。

传统教育要被AI革命了！未来可能真的不需要交学费了！ 清华大学团队开发的一套开源Agent，支持OpenClaw龙虾，可以将任何知识和学习材料转换成AI互动教程课，AI成为你的老师，还有AI同学跟你互动，还可以导出课件（老师可以用来讲课）！ 记忆提高10倍，省下大量几十万N学费，未来自学可以用，传统学校的老师做课件更省事了！ 仓库地址： https://t.co/vd2cSNqAdn

清华团队开源了一个ai课程，跟notebooklm是同类型的替身使者。 在纯教学方面，甚至比NotebookLM还好用。就是把一个Agent教学团队，包括教授，助教，甚至一群性格各异的AI同学，打包塞进你的电脑。 我扔给它任何东西，一本书，一篇论文，一个网址，它都能变出一堂能互动辩论，还带随堂练习的私教课 做出来的视频👇

OpenAI 的 openai-codex/gpt-5.4 模型真的特别多废话，且固执，受不了了。

【请不要开倒车！👊最强最简单Chrome多开+配置IP开源工具分享！】 怎么Morelogin被盗了，一夜之间就开始发chrome多开教程了？😅 全是长篇大论看着眼睛痛 现在是AI时代了，请不要重复造轮子，开倒车🙏 我用几句话概括一下完美的chrome多开+IP插件安装 下文的所有软件全部开源，均由 @DevilflasherX D佬 为爱发电产出！RESPECKT!🫡 1️⃣安装Chrome 多开管理工具 🔹把下面这段话发给你电脑上的AI “请帮我安装这个Chrome 多开管理工具（网址：https://t.co/qchVt6AhGv ）” 完事了，就这么简单 你可以直接在电脑上体验Chrome多开+同步了 当然，该管理工具有使用教程：https://t.co/e0ITvUlZzK 2️⃣每个窗口配置IP 这个工具主要作用是提供了 HTTP 和 SOCKS5 协议之间的转换功能，可以批量管理代理配置 🔹把下面这段话发给你电脑上的AI “请帮我安装这个Chrome 多开管理工具（网址：https://t.co/hXl8OoziC5 ）” 打开安装的“代理管理器”就可以配置你的IP了（使用时必须全程打开该软件） 🔹安装IP代理插件 OK，现在IP转化搞定了，然后直接多开你的chrome，把前文安装的Chrome多开管理器同步功能打开 复制并打开这个网址，安装IP代理插件 https://t.co/c2yT2wTNtE 安装完毕后，直接填入你的IP，就可以给每个chrome单独配置IP了 这个时候，你就拥有了本地多开chrome+每个实例单独IP的配套设施了 安心撸毛吧，少年！ 3️⃣请给我和 @DevilflasherX D佬加个关注❤ D佬已经很久没有更新推特了，给他点动力

寶一個錯誤決策我就累兩年，這個我看到直接抖一下 https://t.co/YmpL4WbYMQ

在伴侶同意下，下載交友軟體跟日男聊天，僅僅過了一天、、 -使用日文頻率大幅度上升👍 -開始問AI為什麼我聊1天就大暈船😇😇😇😇

终于 Anthropic 把自己 CoWork 与 OpenClaw 合体了，在 Claude Desktop 与 Mobile App 中推出了 Dispatch 功能！一个可以持久保持会话状态的远程任务分配器，通过遥控 Desktop App 来访问你电脑的文件系统、指挥浏览器和执行各种工具任务，运行在 CoWork 的沙盒环境中✨ https://t.co/YHyxjk4HW8

乐天搞的AI被发现是扒中国的DeepSeek的，新闻发酵中。 https://t.co/I1nwzM6SVu

“亚麻推出1小时送货服务” 软件被AI颠覆的时代，基建成了护城河。仓库，运输才是亚马逊电商的护城河。想象一下未来智能体的时代，亚麻的Fulfillment Centre Agent可以对所有电商开放

人的智能 = 推理能力 + 长期记忆。大模型把推理卷到极致了，但「记忆」这一块，一直是卡点。 ​ 过去大家走过三条路，每一条都撞过墙： → 参数化记忆：精度高，但更新成本爆炸，还会灾难性遗忘 → RAG：能扩展，但检索和生成是割裂的，精度有天花板 → KV 缓存 / 线性注意力：很快，但一长就丢信息 ​ 扩展性、精度、效率，是一个公认的「不可能三角」。 ​ 我们一直在想：有没有可能，三个都要？ ​ 这周，我们会发布一篇新论文。 先不剧透细节，只放几个数字在这： · 1 亿 token 级的端到端记忆，性能衰减不到 9% · 4B 参数模型，打赢 235B 级的顶级 RAG 系统 · 2 张 A800 就能跑起来 ​ 也许，是时候给这个「不可能三角」，换个名字了

用 AI 编程工具写代码，经常遇到它瞎编 API 或者忘记上次学到的东西，每次都要重新教一遍。 于是，吴恩达老师便搞了 Context Hub 这个工具并开源，专门用于解决 AI 编程助手的「健忘症」和「瞎编」问题。 核心思路很巧妙，直接给 AI 提供经过整理、区分版本的标准文档，大幅降低代码出错的概率。 GitHub：https://t.co/KgEhtrbpFF 甚至赋予了 AI 记笔记的能力，遇到文档没写清楚的坑，能自动把经验记录在本地，下次再写就不会犯同样的错。 整个工具完全通过命令行交互，不需要我们手动去查资料，直接在提示词里让 AI 调用相关命令即可。 如果你正在用 Claude Code 或其他 AI 编程工具，这个项目值得一试。

用kimi推荐的 https://t.co/p8EsWXfz76 一键安装龙虾本地纯净版 重装了一遍openclaw 十秒钟以内就装好了 确实一眼看过去比较纯净， 一键安装与纯净卸载无残留 一键连接飞书、企微、钉钉、QQ、Kimi Claw； 完整的技能商店（2w+skills）； 无损迁移 OpenClaw 的记忆和 Skills。  唯一暗广你就是 kimi账号授权可以一键登录 省一些配置时间

那些搞金融的总跟你说cuda和生态，在我看来他们连门都没摸到。 英伟达真正的护城河是算力的增速，没有任何一家公司可以让计算能力以这种速度，数十年如一日的增长，天下武功唯快不破，多回味回味萨顿苦涩的教训，这是一篇几乎永远无法被真正理解的文章。

想啥来啥！我本来想翻译的，宝玉老师直接翻译好了。 这份小龙虾的核心大脑的Skills使用手册，直接收藏学习吧！赶紧的！

这是Claude Code内部的工程师写的，不错，专门谈到了Skill怎么写的问题。 我主要学到了两点：一个是要写gotchas：因为Claude默认倾向于走最常见的路径，但把这些gotchas集中写到一个的章节里，能极大地提高Claude输出靠谱方案的概率。 另一个是渐进式披露，不要全部一下子写进去，而是先概要，再给详情 https://t.co/ECs4q6B59r

A14Team 宣布 LabClaw 开源——这是斯坦福-普林斯顿团队为 LabOS 开发的技能操作系统层。 一条命令即可将任何 OpenClaw 智能体变成一名完整的 AI 合作科学家。 演示： https://t.co/bPiImlM1zx 龙虾军团报到🦞 https://t.co/94CKvJlDjj

Unsloth Studio正在打破AI训练的门槛。它让500多种模型的训练速度加倍，并将VRAM需求削减70%。 无需昂贵硬件，即可在本地快速实验。支持Mac、Windows和Linux，可运行、比较多种模型并自动创建数据集。 https://t.co/CN37pOxeOo

created using @doodles AI. 喜欢肚兜风格头像的可以用自己照片去生成了， 连接邮箱地址就行，每个地址能免费生成5张。 试了下，真的好可爱🥰 就是有点选择困难症了。 btw丢给它夏威夷海滩比基尼的照片生成， 它拒绝了。🙂🙂🙂🙂 https://t.co/EyCUg6r7OJ

投資/交易成功的關鍵，不在於單次預測的準確性，而在於以下三者的數學組合： 1. 控制每筆交易的風險比例（頭寸大小）， 2. 維持正向的期望值（勝率與盈虧比的平衡）， 3. 防止災難性回撤（保護與止損的重要性）。 試試看，讓 AI 工具根據這組表格的內容評估你的投資組合，你會看到不一樣的東西。 https://t.co/zqoVUP3TyG

🔥特斯拉Robotaxi登陆Las Vegas在即！众多只有Robotaxi才配备后视摄像头清洗器的Model Y被发现！ 按照特斯拉上季度财报披露的蓝图，接下来三个多月时间，Robotaxi将登陆另外7个城市：拉斯维加斯，达拉斯、休斯顿、凤凰城、迈阿密、奥兰多、坦帕！ 特斯拉的物理AI开始爆炸！ https://t.co/B8Al2tBqRp

🚨特斯拉AI工程师表示Cybercab的FSD已经在高速上完成人类无法做到的事情 高速上发生了一起车祸，非常多车祸碎片散落在路上。Cybercab直接高速躲避了这些碎片，而大多数人类司机只能猛踩刹车！ https://t.co/B9pjBO7vFW

这次钉钉是很激进的 飞书那边要加油 这次革命非常彻底 软件好好的说没就没

🔥 重磅消息啊！兄弟们！ Newsletter 大神 @lennysan 正式把全部家底开放了！ 350+ 篇 Newsletter 文章 + 300+ 期完整播客转录 全部整理成 AI 友好 Markdown 文件 还附赠 MCP server + GitHub 仓库 🔥 几个月前他只放了播客转录，就有人用它做出了： - RPG 游戏 - 育儿智慧网站 - 信息图表 - Twitter bot ……以及 50+ 个牛逼项目！ 现在数据量更大，免费用户拿子集，付费用户拿全量。 数据获取：https://t.co/WfRM91u8EI 他的挑战来了： 用这些数据随便造点东西（工具、游戏、bot、网站、dashboard 都行） 把项目链接评论在这条下面！ 他会亲自挑出最喜欢的一个，送你 一年免费 newsletter 订阅！ 截止 4 月 15 日 之前用老数据玩过的也可以吸新数据再提交。 今天这波操作我已经看呆了… 你们准备用这些数据干啥神级项目？ 评论区直接甩链接，我等着围观！👇

2026英伟达GTC大会后怎么买美股？ 2026英伟达GTC大会怎么分析？ AI以后不比模型，比Token工厂！ 简单说： 以前AI比谁模型大、参数多； 以后AI比谁Token用得多、赚得多。 OpenClaw（小龙虾）火了之后大家才明白： 未来会有小熊猫、小仓鼠…成百上千个AI代理（Agent），推理用量直接爆炸。 未来3-5年，Token消耗可能涨1000倍—10000倍， 谁有算力、谁就能收Token费，躺着赚钱。 老黄还说： 以前软件公司收订阅费（SaaS），以后要被淘汰； 未来是AaaS：按Token收费，更暴利、壁垒更高。 你用谁家模型，就得一直喂Token，数据越养越专属，基本换不了。 最后拼的就是：GPU、电力、数据中心。 现在巨头砸6000多亿建数据中心，就是建Token印钞机，抢GPU、抢电、抢工期，全合理了！ 四大赚钱方向（直接给标的，一看就懂） 1️⃣ 铜+光：连接器黄金十年 老黄一锤定音：机柜内用铜，机柜外用光 之前担心光模块要凉，现在彻底放心。 CPO（共封装光学）要爆发，光从“模块”变成“集成”，更高效。 ✅ 利好美股： • AAOI：光模块组装厂，好比光模块界的富士康 • LITE：激光器核心部件，决定光速度上限 • AXTI：光芯片底层材料，缺它不行 • TSEM：光子芯片代工厂，小众高精尖 2️⃣ Rubin架构+存储大年：HBM4是关键 Rubin最大升级：HBM4 + 100%液冷 HBM4产能直接决定能不能放量， 存储从“周期股”变成AI必消耗品。 液冷全面替代风冷，数据中心大换血。 ✅ 利好存储： • MU（美光）：美国内存全能选手，AI内存追赶中 • SNDK：专注闪存、硬盘、SSD • 三星+海力士：HBM霸主，AI最肥的肉 买不了韩股？买EWY（韩国ETF），重仓三星+海力士 ✅ 液冷： • VRT：数据中心供电+散热总包，算力“空调+电工” 3️⃣ OpenClaw（小龙虾）：AI时代新Windows 老黄把OpenClaw定位成Agent操作系统 以后没有APP，只有AI代理。 “你的Offer带多少Token？”= 以后工资都按算力算。 算力越便宜，AI云越爆发。 ✅ 利好算力云： • IREN：比特币矿场改AI算力出租 • CIFR：矿场转型做AI托管、算力房东 • NBIS：纯AI云平台，技术派 4️⃣ Feynman架构+太空芯片：星辰大海 下一代Feynman搞3D堆叠、太空芯片， 边缘计算拉满，太空跑AI，对卫星、芯片可靠性要求极高。 ✅ 利好太空： • RKLB：太空顺丰+富士康，发射+造卫星 • ASTS：太空中国移动，卫星直连手机4G/5G 一句话总结 老黄： 算力=Token=钱 数据中心=印钞机 铜光、HBM4、液冷、AI云、太空链。

最新的 Chrome 146 版本支持了类似 Arc 浏览器的侧边标签栏。 侧边标签栏，是 Arc 浏览器最大的创新 不管你开多少标签，都能看清每个标签是什么。 而且沉浸感更好，更适合做演示录屏 之前 Chrome 没有任何插件可以做到，官方终于下场了 开启侧边标签栏步骤： 1. 在 设置 - 关于，升级 Chrome 版本到 146 以上 2. 在地址栏输入 chrome://flags/#vertical-tabs，开启实验性功能，选择 Enabled 3. 在设置- 外观，标签栏位置，选择 侧边 搞定

今天科技圈最热门的话题之一： Yann LeCun的AMI Labs融资$10.3亿，欧洲史上最大种子轮，专门挑战GPT/Claude/Gemini的自回归架构 图灵奖得主LeCun离开Meta，用4个月创立了AMI Labs。 他要做的事只有一件：证明整个LLM路线走错了。 LeCun的核心判断：GPT、Claude、Gemini这类模型只是在预测下一个token，本质上是统计相关性，无法真正理解世界。 AMI的架构叫JEPA——不预测文字，而是建立物理世界的内部模型，能理解3D现实、连续信号和因果关系。 同期，李飞飞的World Labs也刚融了$10亿——三周内两位顶级AI科学家合计筹了$20亿，全部押注LLM是死路。 投资方包括NVIDIA、贝索斯、丰田、三星、淡马锡。 他们在等的不是产品，是一个可能颠覆整个行业的架构。

誰説伊朗打不下去了？伊朗還有大把貨！Shahed無人機滿倉！ 螺旋槳穿過機身的無人機看過沒？美國識趣就快點投降，不然就用AI生產更多無人機！ https://t.co/oGh8xL9pjB

AI微电影《武松》，是我非常喜欢的风格与剧情，应为近期最佳。该片并不只是传统的《武松打虎》，后半段的反转让人破防。 每一个心中还有勇气的普通人，不妨试着打破牢笼，不做牛马做自己，我们可以是“自己的英雄”。 https://t.co/KsPmgOvvw4

突发🧨：《纽约时报》报道称，中国当局正采取措施惩罚AI初创公司Manus相关人员，措施可能包括限制部分Manus高管离境 据《纽约时报》3月17日报道，中国政府正加大对Meta收购新加坡AI初创公司Manus的审查力度 该交易于2025年12月完成，Meta以约20亿美元收购了这家总部位于新加坡、但创始人及核心团队具有中国武汉/北京背景的AI公司 Manus以开发自主“AI代理”（能独立完成复杂编码、数据分析等任务）闻名，此前为规避国内监管，从中国迁至新加坡，被外界称为“新加坡洗白”策略 中国当局并未直接阻止已完成的收购，但通过多部门协同施压，针对与交易相关的个人和企业采取惩处行动。主要措施包括：商务部于2026年1月启动调查，重点审查是否违反中国先进AI技术出口管制及境外投资规定；国家发改委上周召集Meta与Manus高管开会，表达对“中国AI人才外流”的强烈不满 核心惩处是限制部分Manus高管离境，禁止他们前往新加坡，此举延续了中国在国家安全或企业调查中常用“出境禁令”的做法 目前尚未有公开逮捕、罚款或正式处罚，但此举被视为对类似“脱钩”行为的警告 中国政府的根本目的是防止尖端AI技术与人才通过境外迁址流失，维护国家科技战略安全 此案正值特朗普访华前夕，叠加中美科技竞争背景，意义重大。Meta发言人安迪·斯通回应称：“交易完全符合适用法律，Manus团队已深度融入Meta，我们期待调查得到妥善解决。” Manus公司未置评，中国大使馆与白宫也拒绝评论。整体来看，此事件反映北京对AI“外流”零容忍的态度，预计将对其他中国背景AI初创公司的海外融资与迁址产生寒蝉效应。后续发展仍需关注，局势仍在演变中

$INCOME 地址持续增加，价格持续上涨，持续在燃烧销毁 无敌正循环模式启动、AI Agent 取代人工完全强制回购销毁，让本该给DEV的创作者费用完全赋能代币 拿稳、这一波很大很大！ 同时做好来 $SOL 捡钱的准备 5QmbJw7mM6tcCdXVy8ftc2bu8izded7Etc57TMA2pump https://t.co/I7buyzFMug

非transformer结构的一个进展。 貌似性能上快追上transformer了。 部分指标还反超。

1万亿订单揭晓！黄仁勋建“AI安卓帝国”，19家车企联手围剿特斯拉？GTC 2026深度拆解 https://t.co/0p8oC4BKMz

superpowers + ralph-loop = superpowers@frad-dotclaude 👀 最近实验发现 superpowers + ralph-loop 让原本的 superpowers 效果变更好了，结合之前的 agent team 支持，已经接近完成品。 安装方法： claude plugin marketplace add FradSer/dotclaude claude plugin install superpowers@frad-dotclaude https://t.co/5alX1TsEf5

不错的文章啊。 拿几个AI作了个测试... 结果出来了.. GPT5.4 比较猛，一步一步居然把策略和回测都做好了.. 连vibe coding都算不上，纯对话... 结果和过程如下 ↓ 方法： tradingview导出 MSTR（添加mNAV指标），BTC价格的CSV数据，连同文章一起喂给AI.. 1 Claude Opus 4.6 research 2 GPT 5.4 thinking 发散思考 结论： 【Claude】 做了简单的回测，并写了一个漂亮的面板的报告.. （图1 图2 部分截图） 完整见： https://t.co/UFvh42bkGc 【GPT】 结论更细致，我这里粘一下 总结结论 这篇文章里，最成立的部分是“顶部背离”。 而 mNAV 的规则有参考价值，但不能机械执行。 更具体地说： MSTR 在两轮大顶部里，确实都明显早于 BTC 见顶 MSTR 和 BTC 长期高度相关，但日常并没有稳定“谁永远领先谁” 底部共振这件事，只能算部分成立 “FD mNAV > 2.5 就卖 BTC”太粗糙，容易卖飞 “FD mNAV < 1 抄底 MSTR”比“抄底 BTC”更有参考价值 -------- 一，整体相关性 在 2020-08-11 到 2026-03-17 的对齐样本里： 价格相关系数：0.930 日对数收益相关系数：0.703 MSTR 相对 BTC 的日度 beta：1.31 这说明： MSTR 确实可以看成 BTC 的高弹性代理 但它不是纯粹 1 比 1 的镜像 平时更多是强相关同步波动 真正有信息量的地方，主要出现在极端顶部和极端底部 ---- 二，顶部背离，数据支持很强 2021 这一轮 MSTR 顶部：2021-02-09 BTC 顶部：2021-11-08 MSTR 领先见顶：272 天 更重要的是，从 MSTR 顶部到 BTC 顶部这段时间： BTC 还涨了 +45.5% MSTR 反而跌了 -32.5% FD mNAV 从 4.73 掉到 1.52 这和原文描述几乎一致。 也就是：MSTR 的溢价先崩，BTC 还能继续走最后一段。 2025 这一轮 MSTR 顶部：2024-11-20 BTC 顶部：2025-10-06 MSTR 领先见顶：320 天 从 MSTR 顶部到 BTC 顶部这段时间： BTC 继续涨了 +32.2% MSTR 跌了 -24.1% FD mNAV 从 3.85 掉到 1.43 这一轮也非常典型。 所以原文最核心的一句，基本可以改写成： 在大牛市末端，MSTR 很容易先把“溢价泡沫”跌掉，BTC 再去完成自己的最后冲顶。 这个判断，2021 和 2025 两轮都成立。 ----------- 三，底部同步，只能算部分成立 2022 熊市底部 BTC 低点：2022-11-21 MSTR 低点：2022-12-29 这里两者并不同步，而且是 MSTR 比 BTC 晚了 38 天。 2026 这一轮 BTC 和 MSTR 同时低点：2026-02-05 这里同步成立。 所以“底部同步共振”这句话，不能说成铁律。 更准确的说法应该是： 有时候同步，有时候 MSTR 会因为股市风险偏好和公司溢价再压缩，晚于 BTC 见底。 ----------- 四，底部后的反弹弹性，MSTR 确实更强 这一点原文是对的。 2022 底部区之后 用 2022-12-28 到 2024-11-20 这段看： BTC：+469.8% MSTR：+3327.7% 2026 底部之后到样本结束 BTC：+18.4% MSTR：+41.9% 所以底部反弹阶段，MSTR 的确更像高 beta 放大器。 五，“牛市主升浪 MSTR 一般是 BTC 的 1.5 到 2 倍”这句话，不稳 这条我不太认同。 因为不同阶段差异很大： 2020-08-11 到 2021-11-08 BTC：+492.7% MSTR：+531.5% 只相当于 1.08 倍 2022-12-28 到 2025-10-06 BTC：+653.3% MSTR：+2502.3% 相当于 3.83 倍 所以更准确的结论是： MSTR 在牛市里通常跑赢 BTC，但超额幅度极不稳定，可能只有略强，也可能远超 2 倍。 ---------------- 六，日常谁领先谁，并没有稳定答案 我做了 lead-lag 检查。 结果显示，收益率相关性的最高点出现在 0 滞后。 意思是： 大部分时间，MSTR 和 BTC 是同步波动，不是 MSTR 天天都在前面带路。 真正有价值的领先关系，主要出现在： 顶部溢价崩塌阶段 极端风险偏好收缩阶段 -------------------- 七，FD mNAV 规则怎么评价 1）“FD mNAV > 2.5，开始卖 BTC” 这条 不能直接当硬规则。 为什么？ 因为在历史样本里，FD mNAV 很高的时候，往往也是大牛市中段到后段，BTC 后面经常还有上涨空间。 最典型的两个例子： 2021-02-09 FD mNAV = 4.73 这是非常高的过热区 但从这一天到 BTC 真正顶部，BTC 还涨了 +45.5% 2024-11-20 FD mNAV = 3.85 也是极高区 但从这一天到 BTC 真正顶部，BTC 还涨了 +32.2% 所以这条规则的问题是： 它更像“高温预警”，不是“立刻清仓 BTC”的指令。 用在 MSTR 本身上更有效。 因为在这两个时点，MSTR 后面都很差： 2021 那次后面跌了 -32.5% 2024 那次到 2025 BTC 顶部时也跌了 -24.1% 所以我会这样改写： FD mNAV > 2.5 更适合拿来减 MSTR，或者降低整体风险偏好，不适合单独作为 BTC 的机械卖出线。 2）“FD mNAV < 1，抄底” 这条也要修正。 它对 MSTR 的深度价值区 很有用，但对 BTC 见底 不是单独充分条件。 两个成功案例： 2022-12-28：FD mNAV = 0.982 2026-02-05：FD mNAV = 0.840 这两个点都很接近真正底部区，后面反弹也不错。 但如果把所有 FD mNAV < 1 的日子一股脑拿来回看，噪音依然不少。 说明它更适合干这件事： 把它当成“底部观察区”指标，而不是无脑开仓按钮。 ---------------- 八，我对原文 6 条核心说法的最终判定 1. 顶部的“死亡背离” 强支持。 2021 和 2025 两轮都成立，而且很明显。 2. 底部同步共振 部分支持。 2026 成立，2022 不成立。 3. 三段式联动 大方向支持，细节要修正。 MSTR 确实在风险偏好扩张阶段跑赢 BTC。 但“1.5 到 2 倍”这个倍数不稳定。 4. 周期形态，头肩顶、双顶 仅凭这次量化检验，没法严谨证明。 图形叙事可以观察，做成统计规律还不够。 5. 逃顶法则：mNAV > 2.5 就卖 BTC 不支持它作为机械规则。 更适合作为过热预警。 6. 抄底法则：mNAV < 1 就买 部分支持。 更适合拿来找 MSTR 的深度价值区。 对 BTC 需要配合其他条件一起用。 --------------- 最后给你一个更实用的版本 如果把这篇文章修正成可以拿来用的框架，我会写成这样： 顶部预警 同时满足下面两条时，要高度警惕： FD mNAV 进入高位区，尤其 > 2.5，最好 > 3 BTC 还在创新高，但 MSTR 已经不再创新高，甚至明显低于自己前高 这个组合信号，在 2021 和 2025 都很好用。 底部观察 当下面几条一起出现时，底部可信度更高： FD mNAV < 1 BTC 已经经历大幅回撤 MSTR 跌幅显著大于 BTC MSTR 开始止跌或出现强反弹 也就是： 用 mNAV 判断“便宜程度”，用价格行为判断“什么时候真的开始反转”。 ------------------------------ 接下来GPT建议可以进一步细化，做一个逃顶/减仓/抄底信号模型... 行，那既然它提出了就让他干。 随后他给了我这么一套体系..... ---------------- 如果你只想用一套最实战、最不折腾的版本，我建议用这个： 进场 满足以下 4 条中的 3 条： BTC > 120 日均线 120 日均线向上 FD mNAV 在 1 到 2.2 MSTR/BTC RS 20 日均线 > 60 日均线 动作： BTC 60% MSTR 20% 现金 20% 加仓 同时满足： BTC 创 120 日新高 MSTR 同步创新高 FD mNAV < 2.5 动作： MSTR 加到 30% 到 40% 减仓 同时满足： FD mNAV > 2.5 BTC 创新高 MSTR 距离自己 120 日高点超过 10% 动作： 先减掉一半 MSTR 若 10 个交易日内背离仍在，MSTR 继续减到接近 0 BTC 同时减 20% 到 30% 抄底 同时满足： FD mNAV < 1 BTC 回撤 > 40% BTC 和 MSTR 连续 10 日不创新低 MSTR 站上 20 日均线 动作： 先上 MSTR 试仓 20% 再等 BTC 趋势修复后加 BTC ------------ 居然都这么清晰的体系了.. 那这个策略表现如何？ 自己vibe coding么？ 我懒... 为了测试一下他的能力，干脆让他自己继续写代码自己回测自己的策略... 反正数据都已经发给他了。 最终，让他自己跟自己优化了几轮... 优化出来的东西， 跟单纯的buy and hold 比 也就略好一点点.. 1.61x vs 2.06x （当然有现在依旧在熊市接近底部的地方有关系） 从sharp和回测来看 这几句对话开发出来的东西不咋地.. 整体算是一个 实验吧... 毕竟这个如果自己写vibe coding验证 从抓数据到写完跑完回测几个小时要的.. 现在跑完这一切只用了半小时不到... 如果你能看到这里说明你对这个实验还是感兴趣的... 跟GPT完整对话记录见 https://t.co/MjGp7wC2TC 总之，有点意思.. --------------

很多人还以为AI只是写代码、做视频，但美国军方已经在用AI直接决定谁被打击。五角大楼最近在伊朗行动里4天打了2000多个目标，这个速度比过去战争快了一个数量级，而背后的核心系统是Palantir的Maven平台，再加上Anthropic的Claude模型在实时分析情报。无人机、卫星、传感器每天产生海量数据，以前需要军官慢慢看情报、开会讨论，现在AI几分钟就能生成打击方案，甚至可以在一小时内筛选上千个目标。军方内部说法很直白：过去的kill chain需要几个小时甚至几天，现在AI把这个流程压缩到几分钟甚至几秒。问题也很现实，当机器开始决定打谁的时候，人类还能不能真正审查这些决策已经变成一个很大的争议。更关键的是，这些系统并不是科幻电影里的秘密武器，它们背后的技术和普通人用的AI是同一代模型。换句话说，大家在办公室用AI写报告的时候，同一类技术已经在战场上决定导弹落在哪里。很多人还在讨论AI会不会取代程序员，但在军方看来，AI已经开始取代的是指挥链里的某些人。

Lenny's Newsletter应该是美国科技圈最有影响力的Newsletter了，近38万订阅者，其中1.8万付费订阅者，单单每年的订阅年费就超过200万美元。 Lenny开源了他所有的newsletter文字和podcast转录，如果要做内容AI的话这会是最好的语料之一。

乐天删除了 DeepSeek 的 MIT 许可证文件，以掩盖其对 DeepSeek 的使用 社区发现问题后，乐天又以“NOTICE”为名重新上传了该文件 这违背了开源软件的精神。可耻！

为了抹黑川普，百年老店BBC直接用上了AI。 100亿美元的索赔单，现在拍在了他们桌上。 前阵子BBC播了一部纪录片。 片子里川普口出狂言，说了不少极端言论。 连他团队的人听完都惊出一身冷汗。 跑去问他为什么要这么讲。 川普自己都懵了。 一查，录音是AI捏造的。 每一个字都是硬塞进他嘴里的。 目的很明确，就是要把他钉死成叛乱分子。 事情败露后，BBC迫于压力低头认错了。 CBS剪辑采访，BBC直接上科技造假。 建制派喉舌早就撕破了最后的脸皮。 媒体的第四权被玩成了政治算计。 假新闻这个标签已经不够用了。 这就是彻头彻尾的犯罪。

小红书 250粉，一条视频2万赞、1.3万收藏 我扒了下减脂赛道的爆款数据，发现一个铁律 —— 标题结构，比粉丝量重要 10 倍 Gemini 总结了这 240+条爆款笔记的标题公式： ① 逆袭对比型（50万赞级） 公式：[初始状态] → [最终状态] + [时间] + [心得] ——瘦80斤｜过百人亲测！健康饮食结构减肥法 ② 情绪炸弹型（20万赞级） 公式：[情绪词] + [反直觉结论] + [结果] —— 破防了…减脂期的姐妹一定要试试这个！ ③ 保姆级干货型（5-10万赞级） 公式：[特定人群] + [万能公式/合集] + [建议收藏] —— 这食谱太适合大学生了！ ④ 低门槛利诱型（3-5万赞级） 公式：[低成本/低难度] + [高效动作] + [效果背书] —— 才2r！早8党多睡10min低卡免煮早餐！