🔥 Search Hot Tweets

分享一下我管理 Skills 的方式，偏极客风格，不一定适合所有人，但可以给大家提供一个思路。 一、Skills 只装在项目里，不装全局 Agent 的 Skills 可以装在全局（所有项目共享）或者项目内（只有当前项目能用）。我选择只装在项目内，最主要的原因是节约上下文空间。 Agent 在工作时有一个上下文窗口，你可以把它想象成 Claude 的工作台——台面大小是有限的。虽然 Skill 默认只会加载名称、描述等摘要信息（不会把完整内容全部摊开），但积少成多——全局装了几十个 Skill，光是这些摘要加在一起也会占掉不少工作台空间。而且一旦 Claude 判断某个 Skill 跟当前任务相关，就会把它的完整内容加载进来，全局 Skill 越多，被误触发的概率也越大，白白浪费空间。 只在项目内安装真正需要的 Skills，工作台上就只摆当前用得到的资料，把宝贵的空间留给更重要的内容，Claude 干活也更高效。 二、用软链接来安装 Skills 这是我管理方式的核心，先解释一下什么是软链接。 你可以把软链接理解成 Windows 的快捷方式——文件本体只有一份，但你可以在很多地方创建快捷方式指向它。改了本体，所有快捷方式指向的内容都会同步变化。 我的具体做法分三步： 第一步：把开源 Skills 项目下载到统一的目录 我在电脑上有一个专门存放 GitHub 项目的文件夹 ~/GitHub，所有下载的开源项目都放在这里面，比如： ~/GitHub/baoyu-skills ← 存放各种 Skills 的开源项目 ~/GitHub/baoyu-design ← 另一个开源项目 这个文件夹就像一个仓库，所有 Skills 的原件都保存在这里。 第二步：在自己的项目中创建软链接 假设我有一个写作项目 ~/GitHub/baoyu-writing，里面需要用到好几个 Skills。我不会把 Skills 复制进来，而是创建软链接，让项目指向仓库里的原件： 项目内的路径 → 实际指向的位置（原件） .agents/skills/baoyu-comic → ~/GitHub/baoyu-skills/skills/baoyu-comic .agents/skills/baoyu-design → ~/GitHub/baoyu-design/skills/baoyu-design 第三步：给 Claude Code 建一个入口 最后再创建一个软链接，让 Claude Code 能找到这些 Skills： .claude/skills → .agents/skills 这样 Claude Code 就能顺着这条链找到所有需要的 Skills 了。 三、不用记命令，让 Agent 帮你干 看到这里你可能会想：软链接的命令我记不住怎么办？ 完全不用记。直接用自然语言告诉 Codex/Claude Code 你要做什么就行了，比如： > 帮我把 ~/GitHub/baoyu-skills/skills/baoyu-comic 软链接到 .agents/skills/baoyu-comic 甚至更简单： 帮我把 baoyu-skills 项目里的 baoyu-comic 这个 skill 链接到当前项目 Agent 会自动帮你创建软链接，后续的维护、添加、删除也都可以交给它。你只需要说清楚要把哪个 Skill 链到哪，剩下的脏活累活让 Agent 干就好。 四、为什么值得这么折腾？ 初次设置确实比直接复制粘贴多花几分钟，但后续维护特别省心，主要有两个好处： 好处一：更新只需一次。因为所有项目都是通过软链接指向同一份原件的，所以当���源项目有更新时，我只需要去 ~/GitHub/baoyu-skills 拉取最新代码，所有用到这个 Skill 的项目就自动变成最新版了。 好处二：修了 bug 可以直接反哺。比如我在写作项目里用漫画 Skill 画漫画时发现了一个问题，直接让 Agent 修复就好。因为是软链接，Agent 修改的其实是仓库里的原件（~/GitHub/baoyu-skills/skills/baoyu-comic），我可以直接把修复提交到开源项目，相当于顺手给开源社区做了贡献。

Anthropic 工程负责人 Fiona Fung 上周说了一句话，我觉得是 AI 编程工具时代最诚实的观察之一：Claude Code 让工程师越来越孤独。 不是比喻。Anthropic 内部调查发现，随着工程师越来越多地和 Agent 协作而不是和同事协作，人与人之间的技术交流正在减少。Fung 说团队为此专门组织了编程午餐、黑客松和共同开发时段，主动创造面对面协作的机会。 以前讨论 AI 对程序员的影响，总是在问「AI 会不会取代程序员」。但可能更实际的问题是：「AI 会改变程序员之间的协作方式吗？」答案看起来是肯定的，而且方向已经在发生：独立完成任务越来越容易，协作越来越需要主动安排。 不是 Claude Code 让协作变坏了，而是 Claude Code 降低了「不需要协作就能完成任务」的门槛，这件事本身是好事，但它的副作用是减少了被动产生的协作机会。 这可能是 AI 编程工具大规模普及之后，最需要工程团队认真面对的组织问题之一。连做这个工具的人都在认真思考：协作不会自然发生，需要主动设计。 https://t.co/7uFdrhmD6f

各路交易员速速来玩｜分析妖币/扒庄神器 这是HertzFlow @Hertzflow_xyz：把原本需要半天甚至一天的链上信息（庄家筹码结构、内幕动向），压缩到10分钟内完成，并给出可直接导入钱包追踪器的监控清单 这个Space同时教你如何用Claude/Codex + Surf + 这个Skill，从0到1手搓属于自己的AI交易策略闭环 ｜HertzFlow 联创加密韋馱 @thecryptoskanda ｜Surf AI 增长负责人 James @DaiZeshi ｜美女交易员小桃 @richpeach888 近1.5小时高浓度干货，我已经学麻了。顺便提炼最精简、的核心内容，纯文字版无废话，供大家学习 1️⃣ Binance Alpha 机制核心逻辑 ➤ 它不是纯DEX，也不是传统CEX现货+合约，而是CEX订单簿 + DEX的混合体。Mark Price主要来自Binance Alpha自身报价（而非链上DEX），大幅降低插针概率 ➤ 资金费率是核心博弈工具。每小时结算，极端情况下年化可达数千%。做空方如果被逼到山腰，每小时交高额资金费，容易被迫投降（类似“合约收割机”机制） ➤ 链上流动性极薄（0.1%深度可能只有10万刀级），这既是风险（容易滑点），也是机会（庄家控盘后拉升或砸盘成本可控）。庄家获利主要靠多空博弈，而非单纯砸现货出货 2️⃣ HertzFlow Alpha Skill 核心价值与定位 ➤ 不是信号产品，而是事后验证 + 链上法医工具。你看到价格异动或技术形态后，丢CA进去跑报告，快速验证“庄家到底控了多少筹码”“有没有在派发” ➤ 把专业链上八卦（气泡图 + 聚类算法 + 内幕经验规则）做成Skill，普通人10分钟内拿到专业级报告。手动做同样事情通常要半天以上，且容易遗漏“藏筹码”手法 ➤ 报告最后会输出 past.json，直接复制粘贴到OKX/币安钱包的地址追踪功能，即可自动监控高价值可疑地址 3️⃣ 报告核心指标拆解（重点只看这几项） ➤ 风险评分：仅供参考，不能当硬信号（派发和拉盘前动作有时相似） ➤ 确认变现：内幕/项目方/VC/多签等已冲CEX或已变现的金额（以当时价格折算）。数字越大，历史派发压力越大 ➤ 进场滑点/流动性：链上流动性薄度直接决定你买现货的上“税”成本。薄到一定程度，大仓位容易自伤 ➤ 72小时高价值移动：重点看批量从CEX提币分发到新地址、异常大额转移等。总结成“高价值关注地址”，可直接导入钱包追踪 ➤ 庄家筹码结构（最核心） 分三部分： 庄家可控弹药（最重要）：已解锁 + 仍在多签/大户/未卖出部分。>80-90%属于高控盘，既有机会拉升，也有随时砸盘可能（高控不等于一定拉） 非庄抛压：与内幕无关地址持有的筹码（公售、空投、野庄、高频套利机器人等）。数字大说明对手盘强 交易所中转池：CEX + 跨链桥等中性池，透明度低，庄家可能利用其演戏 4️⃣ 傻瓜式使用流程（实操最简单版） 在Claude / Codex / Surf AI里直接丢入 HertzFlow 的 Alpha Skill（npx安装或Surf客户端添加） 把Binance Alpha代币CA丢给AI，让它调用Skill跑报告（通常2-10分钟） 重点阅读上面第3节指标，尤其是庄家可控弹药比例和确认变现 把报告最下面的 past.json 内容复制，导入钱包地址追踪器，持续监控可疑地址 需要更深分析时，再追问AI：“基于这个报告，哪些链上特征可能预示拉盘/砸盘？我可以监控哪些数据？” 5️⃣ AI交易策略手搓完整路径（加密韋老师实战框架） ➤ 观察 → 假设收敛：先自己看盘或链上发现规律，写成一句极简假设（例如：“��X事件发生时，价格倾向于Y方向运动，且持续Z时间”）。假设必须可被数据验证，否则策略做不成 ➤ 数据获取与因子挖掘：用Surf AI统一拉取CEX数据（OI、资金费率、多空比等）+ 链上数据 + 这个Skill的链上法医因子。AI帮你批量找具体因子（技术指标、链上移动、社交等） ➤ 回测（必须做）： 数据必须严格切分（70%训练 + 30%未见过的测试数据），防止过拟合 必须把真实交易成本全算进去（手续费 + 滑点 + 资金费率 + 最坏情况） 自动化策略推荐看 logEV × N（正期望 × 触发次数），比单纯胜率或单笔PNL更适合长期自动化 ➤ 验证路径（不可跳步）： 纸面测试（Testnet，用真实API但不上真金） 实盘小仓验证（单仓几十到几百刀，2-5倍杠杆内，人机结合或全自动） 持续监控 + 维护（尤其是腰币流动性会快速变化，要写脚本动态筛选深度足够的交易对） 6️⃣ 关键实操心得与风险提示 ➤ 高控盘是双刃剑：>80-90%才有明显拉升可能，但也可能在流动性足够薄时低成本砸盘（不一定损失大量筹码） ➤ 做多策略最难的是区分“即将拉盘”和“平稳baseline”，链上移动是目前最有效的额外因子之一 ➤ 做空策略相对有确定性（腰币必然有短崩盘机会），但要严格控制资金费率和滑点 ➤ 这个Skill + Surf是极强的数据统一层，能把原本散落在各处的链上/CEX数据高效整合，极大降低策略研发的token和时间成本 ➤ 报告是验证工具，不是信号。想做信号或自动交易，必须走完上面第5节完整路径 原Space信息密度极高，建议有时间的朋友听完整版@hertzflow_cn

我发现很多人不知道⬇️ 中国电信的天翼云早就开始做中转站卖Token了，而且还有Claude和GPT 价格给的比AWS要便宜🫡 https://t.co/4ZzU9A5fSh

我来告诉你们，数学界接下来一个最大的问题。 我去年就说过，UC Berkeley数学系助理教授Tony Feng在Google Gemini做visiting professor的时候，拿到了当时最好模型Google Gemini的超长极长无敌长的reasoning版本。 这直接导致Tony Feng解决了7道Erdos问题，三道FirstProof问题，开创性地用半监督方式 ，以及无监督方式，指导AI Agent解决数学问题。 我去年就说过，下一步要解决的问题是，尝试把一个数学命题以lean4的形式拆分成多个lemma，多个lemma以DAG的数学结构组合成一个数学命题，每个数学证明可以拆分成几十个到几千个lemma DAG，每个lemma作为节点又可以让多个agent来证明，这样可以用成千上万个agent来碰撞证明每个lemma，尝试组合成一个完整数学证明的DAG。 所有人都忽视了一个最重要的问题，就是一个LLM的reasoning是不可能无限长的，哪怕是Claude和GPT模型，reasoning是有限的，这是LLM结构和目前inference infra决定的。 但是数学家们早就给出了解决方案：在3000多年前，古希腊的数学家们就知道，完备的数学体系需要写书、写笔记、收学生，以学术社区和讨论组的形式，一条条验证，把自己思考的过程记录下来，给同行完成peer review，这样把自己在数学的工作一条条记录、验证、审议、写书、组织起来，一起构建完整的数学大厦。 过去10年来，人类一直在mathlib中实现这一个愿景，全世界所有数学家都在用lean4构建数学大厦，但是还远远不够。 你党弟提出lemma DAG概念后，能大概预测到一个方向，这个方向就是，驱动AI Agent用lean4把所有它能构建数学体系的领域： 1. 用lean4审核目前人类已有的、能用lean4实现和验证的数学论文，全部用lean4实现并验证一遍； 2. 用lean4尝试构建新的问题，实现一个AI native版本的mathlib证明大全——mathlib2——比现有人类数学家构建的mathlib要大一两个数量级； 3. 当人类尝试定义新的问题的时候，先从mathlib和mathlib2中搜索已有近似证明，尝试拆分成DAG的lemma形式，用mathlib2更加快速便捷地实现部分证明； 4. 最后用大量、超大量的AI Agent尝试大量、巨大量、无限提出新的问题，并且并行in parallel用已有mathlib2去验证或者证伪这些新问题，最后由人类数学大师cherry pick出其中有价值的问题和完整证明方案出来。 回到开头，首尾呼应一下： 人类在单一LLM本体进行超长reasoning已经接近inference复杂度极限，这是人类任何人都无法改变的，OpenAI和Anthropic改变不了，玉皇大帝都改变不了， 能提到LLM超长reasoning的唯一办法，就是让LLM Agent不断总结、不断记录、不断验证出过去产出的结构化、逻辑化、有组织的知识库，作为long term memory，这些知识库就是一个LLM Agent过去的所有reasoning中的有效记忆，并且能用于今后未来的所有构建中。 这和朴素古典的memory机制完全不同，无论构建一套lean4还是构建matlab simulink的有效仿真验证后的设计，还是构建HDL各种硬件描述语言在仿真后验证的电路设计，都更有效、更精准、更专业、更小领域， 而且最重要的是，构建这些结构化的专业学术知识库，恰恰是AI Agent加上一个本地仿真、编译、运行环境的最擅长的事情。 说人话说就是，脑子到极限的前提下，好脑子不如烂笔头。

Seedance 2.0 x周星驰官方授权来了！！ 火山引擎×比高集团合作，《喜剧之王》《长江七号》《食神》经典IP全部开放AI二创 🎬 在即梦上就能用，合法合规，创作者狂喜！为大家详细分析了即梦后续关于明星授权二创的打法😆 https://t.co/TikRrpgdlo

李开复可能离开中国大模型的前沿太久了，以至于他都对国产模型有很大的误判🤣 他在6月11日的访谈里主要说了这几个事情： 1️⃣基础大模型：美国领先，但不是永久碾压 他认为顶级美国模型，尤其是 Anthropic/Claude 这类闭源前沿模型，现在大概领先中国 3-15 个月，领先幅度会波动，不是固定差距。比如去年是差距3个月（我不同意，我的体感是差距6-8个月，如果算开源的话其实是中国模型领先）。 2️⃣开源生态：中国遥遥领先 美国顶级公司越来越闭源，中国公司更像学习小组，通过开源互相追赶。所以如果企业要本地部署、控成本、数据不出门，中国开源模型会很有吸引力。 3️⃣AI商业化：美国明显领先 他提到中国企业还不习惯按年、按量为软件付费，很多 CEO 仍把软件当项目制外包；同样产品，海外客户愿意付的钱可能是中国客户的多倍。 4️⃣消费级产品和硬件：中国更有机会 他看好中国在 AI 消费应用、机器人、具身智能、AI-first 设备上的落地能力。美国可能领先“世界模型”的理论和前沿能力，中国更强在把模型塞进工厂、机器人、设备里。 他认为未来模型会逐渐同质化，真正重要的是模型之上的操作系统、应用层、企业本体论、数据闭环和业务流程改造。 所以AI 转型必须 CEO 亲自下场，不要把 AI 丢给 CIO 或某个部门。CEO 自己必须每天用 AI，才能重新定义组织的信息流、决策流和执行流。 开复博士老老实实在海外刷脸挣钱不就行了，为什么要出来说一个明显误判的观点呢😅 GLM5.2之前我还不好坚持我的观点（中美模型差距是6-8个月），但GLM5.2一出来反而证明我的观点是对的🤷‍♂️

豆包昨天升级为2.1已经比较炸了，但是最令我惊讶和期待的是7月份即将上线的Seedance 2.5，它直接把AI视频生成干上新台阶！ 三大硬核升级太震撼了： 1：单段原生视频最长30秒（全球第一） 2：支持最多50个全模态素材联合输入（全球最多） 3：局部编辑能力大幅提升，画面一致性拉满原生4K输出，质量直接逼近影视级！ 4：玩具级直接升级成工业/影视生产工具，效率和控制力都起飞。 价格目前还没公布，预计还是高性价比路线（参考上一代按tokens计费）。 下面的视频是方舟官方Seedance 2.5制作的30秒一气呵成的电影级视频，大家可以看一下。 7月初正式上线，创作者们准备好被震撼了吗？ #Seedance2.5 #豆包2.1 #AI视频生成 #字节跳动

智谱官方的GLM5.2套餐可能是现在最难抢的一个东西了，甚至比DeepSeek和SpaceX的份额都难抢...... 每天十点之后都会见到抢不到的破防老哥在用户群骂街😂 一边骂一边继续抢，国产模型真的好起来了家人们 https://t.co/OJKNyRY3Od

Claude 能帮你 30 天内找到工作，还是免费的。 下面 8 个 prompt 直接用，省事。 (先存着，以后感谢我)

🚨 突发：Google Gemini 现在可以完全重新编程你的大脑，让你以闪电般的速度学习任何东西。 这是 7 个 Gemini 提示词，让你学习速度提高 10 倍：

终于轮到我感谢 openai 了 好起来了 ！ https://t.co/qjD9mvlkOF

Anthropic今天发布了Claude Tag——把Claude直接嵌进Slack，像普通同事一样@它分配任务。 一个频道所有人共用，记住上下文，不用每次重新解释。开启ambient模式后��主动跟进没解决的任务。 Anthropic产品团队65%的代码现在由Claude Tag生成。 目前Enterprise和Team用户可以开始用了。 https://t.co/eaastJ2Tm0

全世界都想知道fable5的生死，没有任何人关心gemini最近过得怎么样了，会哭会闹的孩子有饭吃，这句话���里都行得通。

Andrej Karpathy评Claude Tag：这是LLM交互方式的第三次范式迁移。 第一代：LLM是个网站，你去访问它。 第二代：LLM是个App，你下载到电脑。 第三代：LLM是团队成员，持久存在、异步工作、共享整个组织的工具和上下文。 "理解这个转变需要一点时间，但它确实有效，而且很厉害。" https://t.co/hvOXGKC6kF

我觉得中美可能会慢慢回过神来： 中美赛跑，韩台吃饱。 这样的游戏不能这么玩下去了。 中美都在疯狂砸capex，但是得利的是谁？ 韩国和台湾。 美国mag7这么多年的积累，居然被韩国和台湾收割了。 韩国人赚的盆满钵满，那可是海对面，被mag7裁员的美国码农们的package啊。 现在而言，美国的这种AI 投入，有点不可持续。 前面，一个山峰比一个山峰高，投入越来越大，但是差距没有显著拉开。 后面，有个老六，中国。损人不利己。 本来openai发现了一些know how，还给业界指了一条弯道。deepseek活雷锋一样，把所有的know how全部��开了。 自己的网站卡的一塌糊涂，自己直接收益没多少，但是让别人出血一大滩。 今年，GLM，Deepseek，KiMi，qwen轮番上阵，主打一个开源。 主打一个我活不活无所谓，你们谁也别想活好。 美国的公司，恨的牙痒痒。 google的斯密特都说，中国的AI 大都是开源的，不可控。 这话说的对，美国无法控制，中国其实也无法控制。 现在出现一个比较有趣的现象，比如日本 日本自己啥都搞不出来，一方面禁止和中国的AI公司合作，一方面自己又套壳千问。 从某种程度上来讲，继续开源就是资敌。 其实字节那样搞搞seedance，收钱，含泪赚个75%利润率的钱，不好吗？seedance现在是独一档的。 openai和ds，zai相互持股，搞成一个托拉斯。咱一起割韭菜去吧。😂

Google Workspace CLI 这项目当时我还转发过，没想到几个月过去，作者 Justin Poehnelt 因为这个项目被开除了。 Justin 在 Google 干了将近七年，岗位是 Workspace 开发者关系工程师。今年 3 月初，他用 Rust 写了一个 Google Workspace CLI，放在了 Google 官方 GitHub 组织下（https://t.co/2vVBxIoI1c），可以用命令行操作 Gmail、Drive、Calendar 等所有 Workspace 服务，还内置了 MCP 服务器，AI agent 可以直接调用。 Addy Osmani 3 月 5 日发推介绍了这个项目。然后就爆了，Hacker News 第一名，GitHub star 数冲到两万多，几天之内就有了几千个实际用户。 Google 内部的反应是两极的：有总监和高管主动来问这个工具能教他们什么；同时法务开始盘问他，为什么项目上有 Google 的 logo 和品牌色。 4 月 22 日到 24 日的 Google Cloud Next 大会上，Google Workspace 官方博客宣布官方 Workspace CLI 即将推出。两天后，Justin 被开除了。 他怀疑是 Workspace 的某些管理层和项目害怕被 AI agent 颠覆，而这种恐惧不只是针对他的 CLI，是针对整个 agent 对 Workspace 意味着什么。 Hacker News 上对这件事的观点两极分化。一派认为这是 Google 官僚主义碾压创新的典型案例，七年老员工做了个用户真正想要的东西，然后被自己公司干掉了。另一派指出，Google 有一套非常明确的开源发布审批流程，用公司品牌发布未经批准的项目，在任何大公司都可能被开除。 Justin 本人在 Hacker News 回复里的说法是：作为 DevRel 工程师，开源发布审批本来就是他日常工作的一部分，而且这个流程文档不清楚，还一直在变。 这个项目本身还活着。最新一次更新是 6 月，GitHub 上 26000 多颗星，InfoQ 和 BetterStack 都有详细的教程。Justin 被开除后还在继续写技术博客，最近一篇是用 Claude Code 的 subagent 做 Gmail 分类。 对于正在用这个 Workspace CLI 的开发者来说，眼下倒不用太担心，项目还在 Google 的 GitHub 组织下正常维护。

今天发布了 Claude Tag，让 Claude 以同事的身份常驻 Slack 频道。团队成员在频道里 @Claude 就能分配任务，Claude 会把任务拆成几个步骤，逐步完成后在 Slack 线程里交付结果。 目前以 research preview 形式提供，Claude Enterprise 和 Team 客户可以使用。 跟之前 Slack 里给 Claude 发私信或者在频道里临时呼叫不同，Claude Tag 有几个变化。 一是多人协作。 一个频道里只有一个 Claude 身份，所有人共享同一个对话上下文。你让 Claude 做了一半的事，同事可以接着往下聊，不用从头解释。 二是持续学习。 Claude 会持续关注频道里的对话，逐渐积累对团队工作的理解，不需要每次都重新交代背景。管理员可以授权它读取其他频道的信息，让它更快了解整个组织的情况。 三是主动干活。 开启 ambient 模式后，Claude 会主动推送它认为你需要知道的信息，跟进没人回复的线程，提醒被遗忘的任务。Anthropic Claude Code 产品负责人 Cat Wu 举了个例子：她把自己的 Claude Tag 连上了 Gmail，Claude 会自动读邮件，遇到重要邮件就在 Slack 里通知她。 权限控制方面，管理员可以精确指定每个频道的 Claude 能访问哪些工具和数据。法务频道的 Claude 不会把信息带到工程频道，也不会让工程师接触到法务数据。 Anthropic 自己已经是重度用户。目前产品团队 65% 的代码由内部版 Claude Tag 生成。用途也不限于写代码，团队还用它查产品数据、处理客服工单、排查疑难 bug。 Claude Tag 会替换现有的 Claude in Slack 应用，管理员有 30 天的迁移窗口。Anthropic 会给符合条件的企业和团队账户发放体验额度。底层模型用的是 Opus 4.8。

你的 AI 数字员工，Claude Tag 正式发布了 Claude 的思考和其他产品有点不同 不是基于三省六部给身份，也不是基于 team context 让 Agent 知道一切。 他们选择了一个 channel based context，因此来界定 multi Agent 这也是 Claude 内部使用数字员工的方式。 很有意思，正在实践 AI 新组织的可以看看

以我对 OpenAI 的了解，他们绝对不会在 Fable 5 回归之前发布 GPT-5.6。 OpenAI 习惯于后发制人，当对手出绝招（为就是 Fable 5 回归） 后的一小会儿，立即掏出一个更好的模型，打击对手士气。 你们觉得有道理吗？

OKX 强永动机 @misaENFP 调查报告（bushi） 🔍 核心论点：此人不是碳基生物 我认真复盘了一下这位的发布频率，得到以下结论： 人类做不到，绝对做不到。 正常人一天发三条朋友圈已经算社交悍匪了，这位是 24 小时不间断输出—— 早上 7 点：在发。 中午 12 点：在发。 下午 3 点：在发。 凌晨 2 点：还在发。 凌晨 4 点：居然在剪视频。 早上 6 点：视频剪完了，准时发出。 请问这位的睡眠窗口在哪？是在两次发帖之间的 0.3 秒里完成的吗？ 🤖 AI 实锤证据合集 : ------------- 人类特征 @misaENFP 表现 结论 吃饭 从未见过发"干饭"内容 ❌ 不需要能量摄入 睡觉 凌晨还在回评论 ❌ 无睡眠需求 emo 永远阳光永远嗨 ❌ 无情绪波动模块 充电 不用 ❌ 自带光合作用 摸鱼 概念不存在 ❌ 无偷懒函数 ------------- 唯一合理的解释：这人其实是 OKX 内部部署的 GPT-6 营销 Agent。 而且是已经通过图灵测试的那种。 💸 薪资结构合理推测 徐老板的工资体系我大概推演了一下： ▪️发一条推文：+¥50 ▪️剪一条短视频：+¥200 ▪️评论区精准互动：+¥30 ▪️@ OKX 竞品并阴阳：+¥500 ▪️在凌晨三点制造话题：+¥1000（夜间补贴） 按这个算法，这位的月薪应该是 OKX 全体 marketing 部门预算的总和。 难怪 OKX 的预测市场这波宣传能炸—— 人家是拿命在发，字面意义上的拿命在发。 🚨 跳槽预警 ： 作为一位有良心的围观群众，我必须向 OKX 高管层发出以下警告 ▪️再不涨薪，你将永远失去这位永动机。 ▪️届时隔壁 Binance、BIT、Bybit 的橄榄枝会像下雨一样砸过来。 ▪️甚至 Web3 野生 DAO 都会开出 "年薪 + 治理代币 + 灵魂绑定 NFT" 的天价。 ▪️你将面对的不是人事变动， 而是 OKX 社媒影响力直接归零。 一个没有 @misaENFP 的 OKX， 就好比一个没有瑞秋的 Central Perk， 你还开什么店？关门吧。 📢 最后呼吁 致徐老板：@star_okx 涨薪！现在！立刻！马上！ 致 @misaENFP： 如果 OKX 真的不涨， 请记住， 你的下一份工，不必更好，只需更贵。 你值得。 我们都值得。 🫡 @star_okx @okxchinese @okx @Haiteng_okx

兄弟 我和你一样，一度真的怀疑过 @misaENFP 是 AI。 不是开玩笑。 无论是在微信上，还是在推特私信里，跟她说话基本都是秒回。 你凌晨发，她回。 你白天发，她回。 你以为她该睡了，结果她还在回。 你以为她终于消失了，转头一看，她又在发世界杯。 唯一合理的解释就像你说的： 她其实是 OKX 内部部署的 GPT-6 营销 Agent。 还有一种解释： 她雇了 24 个和她声音、语气、都一模一样的人，每小时轮班一次。 除了这两个，我真想不到第三种可能。 而且这不是一天两天了。 从世界杯开始，我就没见她停过。 发活动、回消息、搞互动、群里聊天，感觉她就像打了鸡血一样！ 兄弟们，我可以曝聊天记录。 这要不是 AI，那只能说明一件事： OKX 这次真的捡到宝了！！ @star_okx @okxchinese @okx @Haiteng_okx

《Codex 橙皮书》——来源 @bozhou_ai 大佬 一份 PDF 206页，从零到能用 Codex 跑通真实项目，全程中文，面向小白 https://t.co/AJcIMUQbkK 一、先搞懂 Codex 是什么 它和 ChatGPT、Cursor、Claude Code 到底差在哪，四个入口怎么选，先把概念捋清楚。 二、安装、配置与环境准备 App、CLI、IDE 插件、Web 四端，从下载到第一次跑通，一步步带着做。 三、核心功能详解 自动化、插件、Skill、MCP、Git/GitHub、云端运行、记忆系统 AGENTS.md，一个个讲透。 四、标准工作流 我们自己跑出来的标准六步法，再配一套能直接复制的任务模板。 五、实战案例库 从宠物零食官网、管理后台，到招商 PPT、宣传视频，五个案例手把手做完。

OpenAI的员工来自哪所大学 ... 第一:斯坦福大学 第二:加州伯克利分校 第三:麻省理工 除了美国的高校，剩下就是滑铁卢清华北大 。 https://t.co/tmS974slLL

Alisa Liu 拿到了OpenAI AI 的offer，很大程度上当然是因为她本身背景非常强，但也离不开她为面试准备时用到的这些资源。 在她博客的最后，她列出了自己用来准备面试的资源。 这不是一份随机的“学 AI”清单。它其实很好地对应了 AI research / MTS 岗位的面试考察范围： LeetCode 75 / NeetCode Blind 75：通用编码能力 Stanford CS336：从零构建语言模型 Self-Attention & Transformers：attention 机制 The Illustrated GPT-2：对 decoder-only LM 的可视化直觉 Backpropagation：梯度机制 Policy Gradient for LMs：把 RL 概念映射到语言模型 GRPO guide：现代 RL 训练直觉 How to Scale Your Model：系统��扩展判断力 AI 面试考察的似乎不只是 research taste，还会考你能不能在压力下实现、推导、解释、debug，并对系统做出判断。

“如果你早上到中午还没用光你Claude限额，说明你都是在浪费时间。”——鲁迅 https://t.co/XxZRFCXlSQ

GitHub Copilot 桌面版支持 BYOK 自定义模型了，今天接了 GLM-5.2，效果不错。 ���对 Codex，Cursor 等工具的激烈竞争，这个新 App 迭代速度非常快，上周正式发布，现在每天都更新一个版本。 https://t.co/lmfdmC7UZ0

美光股价在关键财报前下跌13% 在半导体板块整体波动加剧、全球市场情绪紧张的背景下，美光股价出现下跌。其中包括韩国KOSPI指数因税收担忧和高负债问题暴跌近10%。 尽管如此，美光周一仍与AI公司Anthropic达成了一项多年期合作协议，将为其Claude模型提供高带宽内存、DRAM和SSD供应，同时双方还将开展联合设计工作，美光也参与了Anthropic的新一轮融资。 华尔街整体仍保持乐观，部分机构给出的目标价高达1550美元，押注AI驱动的内存需求将持续超过供应，甚至延续至2030年。投资者目前正等待周三财报，以寻找利润率和未来指引方面的线索。

第二次天策成长团内部交流会议圆满结束！ 又来了很多厉害的小伙伴，大家都在分享经验 在这里，你能接触到一群真正下场做事的人 昨晚交流会里： 有人在做 AI Agent 开发，主业年薪70W+； 有人在做 GPT、Claude、Gemini 销售，月营收10W+； 有人一人公司做 AI 项目开发和订阅业务； 有人拿着机器人省代资源，对接高校实训基地，单个项目客单价600万； 有人做供应链、出海、工厂资源整合； 有人做AI论文业务，月净利润35万； 大家聊了： Token怎么做到月营收100万； 三角洲搬砖项目怎么实现规模化； B端客户怎么拓展； 算力租赁到底是不是伪需求； AI自媒体应该优先做哪个平台； 以及未来超级个体的发展方向。 420个人的社群，有大学生，有程序员，有创业者，有老板，有投资者，有正在寻找机会的人 社群预计满480人停止开放，目前499r，交付内容为： 1.每月一次线上内部交流会议 2.25W字知识库文档（创业经历，自媒体经验） 3.绿泡泡交流群 加入方式见主页置顶帖

AI时代，一定要有高级思维， 川沐这条 2 月份发的，但感觉这个思维转换很多人到现在都没完成。 我身边一堆朋友每个月花几十、几百美元订 Claude、ChatGPT，用得很开心，效率确实提高了。 然后呢？省下来的时间继续打工，赚的钱继续交给这些 AI 公司当订阅费。 本质上跟天天上 QQ 聊天充黄钻但不知道买腾讯股票的人没有任何区别。 你每个月付给 Claude 的 20 美元最终流向了哪？流向了 Anthropic 的算力成本，也就是英伟达的 GPU 和美光的存储芯片。 我们每天让 AI 处理的那些文档、写的那些代码、生成的那些图片，全部跑在数据中心里，数据中心里面装的就是 HBM、DRAM 和光模块。 你付费用 AI，是消费者。你买这些公司的股票，是股东。消费者的钱越花越少，股东的钱会跟着产业一起涨。 用 AI 提高效率是打工人思维。 投 AI 让它替你赚钱才是老板思维。 时刻问问自己，或者说提醒自己， 别做那种回望过去发现自己还是同一个傻逼的人。

每次搬家都要处理几天下水道反味这样的事情 似乎上一家的租客们都不在意这些东西 让贝壳的人来修，每次都用最烂的物料，修完几天就又坏了 最后的结果就是自己掌握了完整的下水道治理技能（和供应链 最初我以为这些东西我觉得没啥人关注，但发完上面的吐槽后，一堆朋友来求分享推荐，看来竟然是普遍问题。。。 于是我就把踩坑经验写了下来... 1. 一般淋浴间的最常见也最好解决，换地漏芯，要舍得花钱...其实也不贵，30块钱。这个要密封的同时要保证排水畅快，我买了很多个之后发现潜水艇那种牌子的不如苏泊尔的好，就一直买它了，这种要一两年换个新的 2. 洗衣机地漏，需要加一个洗衣机接口，同时排水量要相当大，这是最满意的一次，用了三年，非常好用，没有任何堵塞和味道。也是最贵的 70多，这个真的很完美 3.洗手池和厨房的，竟然很多没做S弯，需要加一个（图3）还有一个解法是在最下方的接口加密封塞，这个我昨晚美团外卖随便买了个塞住了，完全没味道效果好，见图4，这个设计真的绝了，各种牌子都是用的同一个模具，设计最妙的地方在于，它适配了各种管子不标准的问题... 一般维修公司的物料成本也就1块钱，自己买虽然贵，但是反味儿关乎健康，值得。 单纯分享，利益相关：无。

https://t.co/Jq5kW6WMnK 这个网站的动画过渡效果很不错👍 还可以安装 Skill，这样 Agent 可以自己为你的网页添加炫酷的动画 npx skills add jakubantalik/transitions.dev