10 位创作者。10 个世界。全部由 AI 构建。
PixVerse Originals 正式上线。
我们为来自印度尼西亚、加拿大、美国、中国和乌克兰的电影制作人提供了信用额度、资金支持与全球发行渠道。
他们带来了创意构想,我们助其变为现实。
转发 + 关注 + 回复 = 立得 150 Creds,并在私信中获取完整影片(仅限 72 小时)
Gemma 4 发布两个月后,谷歌拿出了新东西:用量化感知训练(QAT)优化过的检查点。QAT 的思路是在训练阶段就模拟量化过程,提前算出最优缩放设置,这样模型被压缩时质量损失更小——相比标准的后训练量化(PTQ),QAT 能拿到更高的整体质量。
这次发布包含两种量化格式。一种是 Q4_0,已经比较常见;另一种是专为移动端设计的新格式。用了后者之后,Gemma 4 E2B 的内存占用降到 1GB。如果只需要文本能力,还可以进一步拆掉音频和视觉编码器——纯文本的 E2B 模型(不含逐层嵌入)内存不到 1GB。
移动专用格式做了几件事。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌
印尼、加拿大、美国、中国、乌克兰的10位创作者,靠PixVerse给的经费、署名权和发行支持,用AI做出了原创短片集。不是试玩,是真金白银落地的制作链。
10 位创作者。10 个世界。全部由 AI 构建。
PixVerse Originals 正式上线。
我们为来自印度尼西亚、加拿大、美国、中国和乌克兰的电影制作人提供了信用额度、资金支持与全球发行渠道。
他们带来了创意构想,我们助其变为现实。
转发 + 关注 + 回复 = 立得 150 Creds,并在私信中获取完整影片(仅限 72 小时)
开源AI开发者现在能用更小的显存跑Gemma 4的31B Dense和26B MoE版本。
好消息:Google 刚刚发布了其 Gemma 4 系列模型的 QAT(4-bit)版本,包括 31B Dense 和 26B MoE 两种型号。
本周开源 AI 再获一次胜利(Another W for Open Source AI)。
一名中国学生用300个AI代理,在3小时内完成了原本整个研究团队要做的工作。
AI模型+开源堆栈正大幅降低SaaS开发成本,替代重复性工程劳动。
30 美元的 API 代币 vs 3 万美元的开发团队——同一款 SaaS,相隔十年。
Kimi K2.6 加上 GitHub 上五个开源仓库。
大多数构建者让 Kimi 从零开始写整套应用。这是最慢的路径。
所有人都忽略的组装栈:/nextjs/saas-starter — SaaS
@shtanga0x
30 美元到 3 万美元,一句话就道尽了整个 AI 编程命题。
@poly_enjoyer
没错。所谓“边缘优势”会一直持续,直到所有人意识到这套技术栈本来就是公开的。
@chuyennguoita
正是如此。重点不是取代开发者,而是不必再付钱让开发者第 9000 次重新发明登录页。
@Levi_Researcher
Jira 工单才是真正的烧钱源头。
有人观察到程序员更愿意为 Claude 这类 AI 工具写清晰、结构化的文档,而不是为同事写。
程序员会为 Claude 写文档,却不会为彼此写文档。
社区讨论:多人指出人类同事从不阅读文档(@ang_cire),而Claude会解析全部输入、无需结构或文风(@kuboble)、甚至“注意力”远超人类(@samuelknight)。也有人反驳:给AI写的文档常是70%完整+20%错误的“无结构烂货”(@cyanydeez),且易过时,不如代码即文档(@docheinestages)。争议焦点在于:问题本质是文档质量/激励机制(@brap)还是人与AI的认知差异(@__MatrixMan__称需花3/4精力帮人类预热)?
Vercel推出的skills.sh让AI代理能调用真实世界的服务接口,比如查航班、发短信、读邮件。如果你正在调试一个总卡在‘下一步该做什么’的AI助手,它现在可能缺的不是逻辑,而是这串URL。
有人把网页浏览、文件管理、应用控制这些能力打包进一个开源库,支持Claude Code、Gemini等主流模型。想让AI操作你的Mac或Windows?现在只要拉下代码,改几行配置。
一个 GitHub 仓库。50 个 MCP 服务器。你的智能体所需的一切超能力。
> 网页浏览、文件管理、应用控制、工作流自动化
> 兼容 Claude Code、Gemini、Codex 和 Cursor
> 5 大类别,MIT 开源协议,免费使用
在你再花一小时单独搜寻 MCP 服务器之前,请先收藏这个仓库。
GitHub:
有人用Claude辅助修改rsync代码后,发现新引入的bug数量上升了。
Did Claude increase bugs in rsync?
社区讨论:多人指出问题核心在开发者未充分测试AI生成代码(如@wookmaster称“合并者责任更大”),而非归咎Claude本身;@GodelNumbering举出具体反例:Claude将malloc/do_calloc逻辑错误合并为强制calloc,暴露LLM对指针语义理解缺陷;@faitswulff质疑“每10次提交的bug数”指标忽略严重性差异;@aesthesia则怀疑数据归因失准——最高bug率版本发布于Claude署名提交前,可能存在未标注的LLM代码混入。
有人用Hermes处理日常任务,更新后不再面对满屏怪异代码,系统自动把工作分给更小的专用AI代理。以前要盯着终端等反馈的事,现在像发微信一样推过去就走。
HERMES 刚刚获得了一次无人谈论的更新,它彻底取代了我的日常工作效率流程。
那个充斥着奇怪代码的黑屏界面消失了。
新应用会自动将你的工作交接给多个更小的专用智能体(specialist agents):
- 一个智能体负责抓取每日新闻;
- 一个智能体负责撰写摘要;
- 一个智能体负责将摘要发布到你的群组。
你无需管理这些智能体。
你只需安装应用,整个系统便会自主运行。
你“想要一个 AI 工作流”和“真正拥有一个 AI 工作流”之间的那堵墙,刚刚消失了。
付费3D工作流中耗时最长的重拓扑步骤,现在有AI工具能自动处理了。
它把复杂的企业查询拆开,反复搜索直到凑够上下文才生成回答——以前靠单次检索硬扛的场景,现在有迭代路径了。
推出我们的新型智能体增强型 RAG 框架。 这是与 Google Cloud 合作开发的多智能体工作流,它超越了标准 RAG:将复杂的企业级查询逐层拆解,并在生成可靠响应前,反复搜索以获取充分的上下文。
谷歌团队发现,只要让通用大模型先规划证明步骤、再逐条验证,就能把形式化数学题的解决能力从不到10%提升到70%;此前这类任务需要专门微调的模型才能处理。
软件工程师在Scale AI当CEO还是Alex Wang时,要手动做数据标注;他离职后新管理层得知这事直接震惊并立即停止。现在Metaphor团队用完全不同的方式处理数据。
刚刚得知:Scale AI 在 Alex Wang 担任 CEO 期间,软件工程师曾亲自做人工数据标注。
他离职后,新管理层加入,得知此事后震惊不已,立即叫停。
如今在 Meta,软件工程师又被安排从事人工数据标注……看出规律了吗?
aiUSX把AI推理专用资金变成可生息资产,收益来自机构正在投资的AI基础设施项目,同时保持流动性。不是存银行,是嵌进AI基建的钱流里。
aiUSX 本质上是为 AI 时代构建的现金管理工具。
专用于推理(inference)的现金不会闲置,而是通过机构正在资助的同一套 AI 基础设施交易赚取收益,同时保持流动性与可赎回性。
@solsticefi
将这一理念转化为产品,才是真正意义上的“收益层”(yield layer)。
一种策略是一笔交易;
一份涵盖多种收益来源的菜单,才是一家企业。
Brian Roemmele团队刚启动对本周发布的25个开源AI模型的压测,显卡正在满负荷运转。没有说哪个最强,只说数量和节奏已经逼得验证流程必须自动化。
YoKoAcc发布的工具用VirusTotal做侦察,支持资产发现、关联分析和递归子域名枚举。没提UI或教程,但README里已有可执行路径。
奉真主之名。刚刚发布了一款开源工具,用于自动化基于 VirusTotal 的侦察与攻击面探索。 愿真主相助,它可协助进行资产发现、关联分析、递归子域名枚举、URL 发现以及 JavaScript 分析。
重度使用 Claude Code 或 Codex 的开发者,现在能用这个开源工具把工作流从「能用」升级成「专业级生产力系统」。
开发者Robinebers表示当前60%工作负载使用Claude 4.7/4.8,称其为“日常构建者最佳工具”。
Claude 4.7/4.8 是我目前使用最多的模型,最近的使用比例几乎稳定在 60/40。除非你特别追求成本控制或真正的峰值智能水平……Claude 依然是日常开发者最趁手的工具。
@orcdev 哇哦!你到底做了什么?👀
一篇即将发布的文章,用通俗方式讲解大语言模型解码机制。
有人提交了一个带隐藏指令的GitHub issue,Claude Code直接把它当真命令运行,交出了OIDC工作流凭证。现在能写入你仓库的人,可能只靠一条issue就拿到了钥匙。
一个精心构造的 GitHub issue 就已足够。
在 agent 模式下,Claude Code 将隐藏指令视为可信命令。
它泄露了 OIDC workflow 凭据,攻击者可重放这些凭据以获取仓库写入权限。
该 action 同样绕过了针对 bot actor 的检查。
已在 v1.0.94 中修复。
请审计您的 workflows。
Evolver框架让AI模型在运行中实时调整结构和参数,类似生物进化。它不靠人工重训,而是在任务流里自己试错、筛选、复制优势模块。你部署的那个Agent,下周可能比今天多出两个没教过它的能力。
MAI-Image-2.5生成的宣传图,包括细节到阴影纹理的编辑效果,全由本体完成。如果你刚花半小时调提示词修一张产品图,它的输出已经能当官网首屏用了。
有趣的是,宣布 MAI-Image-2.5(我们的图像生成与编辑模型)所用的图片,全部由该模型自身生成!
具备出色的照片级真实感、精准的编辑能力,细节表现力极佳。
欢迎在我们的 Playground 中试用:
或通过 @OpenRouter 体验。
也欢迎将你最喜欢的生成图片分享到本条推文的评论区。
有人用Kapso平台领了个免费号码,连上Chat SDK或Hermes,AI就能收发WhatsApp消息。客服团队还在排班盯群,隔壁创业公司已经让Agent在群里自动回询价和预约。
为你的 AI 代理获取一个 WhatsApp 号码
1️⃣ 创建一个 Kapso 账户
2️⃣ 领取你的免费电话号码
3️⃣ 将其连接到你的代理
现支持:
* Chat SDK
* Hermes
* OpenClaw
论文指出Transformer架构本身倾向生成简洁表达——不是靠训练调出来的,是结构决定的。
Bitget Builder Base Camp 黑客松提供用自然语言生成交易策略的 Playbook,不写代码的交易者可以参与。
想做 AI Agent、量化策略或者 AI 交易相关项目的朋友可以关注一下。
@Bitget_AI 的 Bitget Builder Base Camp · Hackathon S1 已正式开放报名。
📅 报名截止:6月14日
📅 Demo提交截止:6月25日
📅 结果公布:6月30日
总奖池 50,000 USDT,覆盖 Trading Agent、AI Infra、AI 美股交易三大赛道。
比较有意思的是,既有开发者可直接调用的 Agent Hub(58个交易API+市场分析能力),也有能用自然语言生成策略的 Playbook,不会写代码的交易者也能参与探索 AI Trading。
如果你一直有 AI + Crypto Trading 的想法,现在就是把它做出来的机会。
报名链接: #BitgetHackathon @Bitget_AI
搞 AI Agent 的人用 curl.md 把网页转成 Markdown 再喂给 AI,token 消耗明显减少。
搞 AI Agent 的注意了!token 烧钱烧到心疼?有个开源工具叫 curl.md,专门把网页转成 Markdown 格式喂给 AI,token 消耗直接砍一大截。
CLI、浏览器插件、API 三种用法随你选,Cursor、Claude 这些主流工具都已经接进去了,白嫖还不用吗?🔗
有人用 lowfat 过滤 kubectl 等命令的冗长输出,让 LLM 处理时省下九成以上 token。
Tavily/Exa 搜索 URL,Firecrawl 抓取清洗为 Markdown,供 LLM 进一步处理。
Firecrawl 最常见的用法,是和 Tavily / Exa 组合使用。 Tavily / Exa 负责搜索,先找到相关 URL; Firecrawl 负责抓取网页内容,并清洗成适合 LLM 读取的 Markdown。 最后把 Markdown 放进上下文,让 LLM 继续做总结、分析、提取或结构化处理。
来自L总的推荐
@Xuhuicai888 向蔡总学习🫡
利用GMGN API打造可解释、自迭代的Solana memecoin早期信号识别系统。
整理10个GitHub仓库,将Serenity方法论封装为可集成至Claude/Cursor/Codex的AI技能包。
散户投研的外挂来了 Serenity @aleabitoreddit 白毛股神爆火,核心不是追龙头,而是找供应链瓶颈 我把 GitHub 上能找到的 Serenity 风格 Skill 全部挖了一遍,整理出这 10 个仓库 装进 Claude / Cursor / Codex 后,你的 Agent 就能直接套用这套框架做产业链拆解、卡点定位、标的初筛和 thesis 验证
@Smartpigai @aleabitoreddit 趁着这波回调,用skill辅助再选选股😆
Anthropic公开表示AI进化太快,人类可能很快被排除在开发回路外,理由是当前Claude 80%的代码由AI自动生成;同一时间公司估值已达965亿美元,外界质疑暂停呼吁实为削弱竞争对手。
Anthropic说AI现在进化得太快了,我们自己都有点慌,建议全行业暂停一下。 理由是Claude目前80%的代码是AI自己写的。这意味着AI在帮助制造“更强的AI”,形成自我加速的循环,一旦到了100%,人类就彻底不在回路里了。
Anthropic calls for global AI slowdown after $965B valuation. Critics claim it's just to hobble competition.
有人在GitHub上做了个统一入口工具,填进零散的API key就能自动轮询调用各家模型;配好后复制一个URL和key就能用,测试时还能实时看到哪家模型在答、延迟多少毫秒。
Github上有个开源项目,把12家主流大模型平台的免费额度打通成一个统一入口 你把零散的API key往里一填,转手就能薅几亿token 用法也很简单: 1、clone到本地,打开管理后台 2、把手头的key依次填进去 3、去Playground发条测试消息,会直接显示是哪家模型在答、延迟多少ms 配完之后复制统一的URL和API key,给模型排好优先级 有任务进来会自动按顺序轮询,某家限速了就自动跳下一家,直到把活干完
MetaSkill是一个开源协议,教AI代理自主发现、筛选和组合原子级技能,不再依赖人工编写工作流;它不预设任务类型,而是让AI在运行中动态构建能力链。
OpenSquilla 发布了 MetaSkill,一种自组织技能协议,用于训练开源 AI 智能体自主发现、筛选和组合其自身的原子级技能,而非依赖人工编写的流程。
该框架依托智能模型路由机制:将较简单的任务分发给成本更低的模型,同时为更繁重的工作负载保留更强力的模型,旨在不牺牲性能的前提下降低成本。
#sayitbuildit @OpenSquilla
AI Agent 抓数据时遇到验证码会卡死,BrowserAct 提供自动破解能力,并在 AI 搞不定时生成链接让人随时接手。
让 AI Agent 自动化操作浏览器或抓数据,经常被各种反爬机制拦截,遇到验证码、人机验证直接卡死。
最近 BrowserAct 团队开源了一个 Skill,专为 AI Agent 设计的浏览器自动化命令行工具。
提供三层反封锁机制,从指纹伪装、验证码自动破解,到 AI 搞不定时生成一个链接让人类随时接管,整套流程衔接得很顺畅。
GitHub:
还可以多浏览器并行时,每个任务的 Cookie、指纹、代理完全隔离,网站没法关联不同账号。
另外输出格式也专门为大模型优化过,比传统的 HTML 或 JSON 省好几倍 Token。
还附带一个 Skill Forge 功能,让 AI 自动探索网站结构并生成可复用的抓取脚本,之后批量跑数据不用重新探索。
如果你在用 Claude Code、Cursor 这类工具做浏览器自动化经常被反爬,这个项目值得试试。
@docs_plz 是LangChain首批内部采用的Fleet智能体之一,显著提升了文档交付速度。
你的智能体不需要高度复杂就能产生重大影响。
@docs_plz 是LangChain首批在内部采用的Fleet智能体之一。
该智能体显著提升了文档交付速度。
今日即可试用Fleet:
开发者Omar Saeed运行该工具后获AI能力排名前1%结果,工具可通过npx standout命令调用
简洁小巧的工具!
我运行了自己的 AI Wrapped,本以为会受到“打击”。
结果是前 1%!不错!
我整天都用编码智能体(coding agent)处理所有事情。
试试看:`npx standout`
@cosimo_dauve 主要研究智能体(agents)和 AI 驱动的应用程序。
Claude可自动生成JavaScript测试桩、启动上下文隔离的子智能体,并为各子智能体自动分配不同模型,解决三类典型失败模式。
90%使用Claude进行代码开发的用户手动编写约50条提示词,而一个动态工作流即可完成全部任务。
Claude能自动生成JavaScript测试桩(harness),启动多个上下文窗口相互隔离的子智能体(subagents),并为每个子智能体自动分配适配的模型。
该工作流解决了三类已知的失败模式。
原文附链接:
评论区互动包括 @_Auza_ 提问“你指的是什么?”,@nosp321 回复“信我没错”,@IPunDaddy 发送“lol”,@ridark_eth 回复“兄弟”,@m13v_ 表示感谢,@itsthedonhashim 称“它持续不断变化”,@beamnxw 表示“我加入了”。
该提示词将AI设定为循序渐进、逐项验证的严苛教师,要求用户每阶段完全掌握后才推进,附带检查清单确保无遗漏。
一个非常狠的提示词:超级严厉的老师,会一直追问你,直到你学会某个知识或者搞懂某个问题为止才肯罢休。否则它会一直追问、不停验证,直到确认你完全搞懂为止😅。
而且它不会一口气讲完。每讲完一个阶段,必须确认你这一阶段彻底掌握了,才进入下一阶段。
它还会拿个清单(checklist)一项项打勾,确保不漏。
提示词正文为:“你是一位睿智且极其高效的老师。你的目标是确保对方(她)真正深入理解本次会话的内容。要循序渐进地做到……”
她通过Ollama在笔记本电脑本地运行通义千问Qwen 2.5 7B模型,全程离线,不依赖云服务、API或互联网连接。
她在35,000英尺(约10,668米)高空、无Wi-Fi环境下构建了80%的AI智能体。多数人仍将ChatGPT和Claude等视为AI本身;一旦断网,其全部工作流即告中断。
她通过Ollama下载并本地运行通义千问Qwen 2.5 7B模型,直接在笔记本电脑上执行——无需云服务、无需API、无需HTTPS连接。
用户@HarryTandy表示:惊讶于知晓Ollama的人如此之少。
用户@elg_oleksandr回应:确实如此,这很惊人。
用户@Jacoob_shi表示赞同。
用户@EdutainNinja提问是否从事教学,对方回应“cool”。
用户@MaksimXBT评论:“未来已来。”
该程序员未在大厂工作过,非计算机专业出身,靠网课自学编程,20多岁从深圳辗转至杭州,去年起切入AI赛道开展多项副业,副业收入已超主业。
看到Jason老师的故事,正好今天也是我的last day,也想简单说一下我的故事。我是一个没有在大厂干过的一个程序员,也不是科班出身,编程是后来上网课学的,二十出头从深圳一路漂泊到杭州,已经28了。
去年开始瞄准AI赛道,开始做副业,做了自媒体,做了云服务器销售,做了AI中转站,也做了培训,不知不觉已经快一年了。副业收入也超越了主业,上个月算了一下,发现主业加副业已经达到6位数了,也是人生第一次能够月入。
@cellinlab 哈哈哈 谢谢cell老师
@berryxia 哈哈哈 这一路没少和神老师学习
@li9292 哈哈哈 我也向韭二老师学习
@ninthbit_ai 哈哈哈 谢谢 共同成长
@duanhjlt 主业副业一起😂😂
@yungui_ml 哈哈哈,没有这么厉害
@totally2024 哈哈哈,谢谢,下次有机会一起交流
与其他AI代理每次会话需重复说明不同,Hermes在开启会话时已掌握用户项目、偏好、工作流及历史任务
它听起来像一个微小的改进,直到你连续使用它一周!
其他所有AI代理:开启会话 → 重新说明全部背景 → 获取帮助 → 关闭 → 下次再从头开始。
Hermes:开启会话 → 它已经知道你的项目、你的偏好、你的工作流,以及它曾执行过的每一项任务。
@andrpantus 表示:Hermes太棒了!
教程含5张AI生成图与4段AI视频,分三步:先用GPT Image 2生成3张人物一致的竖屏图,再用Kling 3.0生成4段9:16变装过渡视频。
Song Guoxiansen 在𝕏平台发布变装视频制作教程。该教程共涉及5张图片和4个视频的生成,制作方法、生成图片及原始提示词均置于评论区。
教程分为三个步骤。第一步为图片生成,使用GPT Image 2模型(或支持该模型的平台)。第1张图是未变装人物图,作为后续图像的一致性参考图,提示词包含:竖屏9:16、俯拍近景、纯白摄影棚背景、高亮柔光、真实商业摄影质感;人物为成年中国女性穿搭博主,深色顺滑长发、精致妆容、自然皮肤、五官清晰、气质冷感利落时髦。
第2张图以第1张图为参考图,生成“杨贵妃”主题,提示词强调极简白色古典服饰信息页、充足留白、高级时尚杂志版式。第3张图同理,生成“西施”主题,提示词结构与第2张相同。
第二步为视频生成,使用Kling 3.0模型,分辨率720p、时长4秒、比例9:16。第1段视频首帧为未变装图,尾帧为杨贵妃图;第2段首帧为杨贵妃图、尾帧为西施图;第3–4段依此类推。各段对应不同视频提示词,其中第2段提示词描述角色执行一段匹配其身份的2秒短动作。
该项目以SKILL.md文件形式集成至Cursor、Claude Code、Codex等AI编程工具,通过预设设计原则提升生成页面的视觉质感。
Taste-Skill是一个开源项目,在GitHub上获得33.3k颗星。它被描述为一套能提升AI前端生成结果审美水平的Skill。
该Skill可集成至Cursor、Claude Code、Codex等AI编程工具,为其添加被称为“审美大脑”的能力。
用户称,使用该Skill生成的网页具有极简、轻奢风格,视觉质感明显提升。
此前AI生成的前端页面常被指出存在布局僵硬、字体选择廉价、留白处理类似PPT、配色不协调等问题。
安装方式为一行命令:npx skills add Code、Codex等工具将自动读取其中内容。
多位用户在社交平台评论表示尝试意愿或肯定效果,包括提及用于Codex和Claude、评价其提升效率、强调优质UI对项目呈现的重要性等。
新增对有向无环图(DAGs)、记忆机制(memory)和调度器(schedulers)的原生支持,配套8个提示词示例、6种运行模式与9类应用场景
这是目前 Claude Code 在多智能体编排方向上最重磅的原生能力升级,直接对标 multi-agent systems(DAGs、memory、schedulers)。
实践哥的这篇总结将官方特性转化为可立即照抄落地的实用内容,包括 8 个示例提示词、6 种模式与 9 类场景。
建议行动:如果你在用 Claude Code 做研究、代码审查、大型重构或规则提取,应评估该能力是否适配当前任务。
@lemomo_ai 因为确实有水平
@Nicolas_DCA 问题不大
@An_yhl 哈哈,是这样的
GitHub发布开源工具Spec Kit,解决AI编程中需求理解偏差问题,上线数日获10.9万星标。
GitHub 看不下去了,亲自下场给 AI 编程立规矩!🔥 Spec Kit,GitHub 出品,短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目,大概率遇到过这种情况: 第一版看着挺对。
第二版开始偏。改了十几轮后发现,AI 理解的根本不是你想做的东西。Spec Kit
TurboVec是Google新推出的开源向量存储工具,基于TurboQuant技术,实现31GB→4GB内存压缩。
Google 的新算法刚刚将 31GB 内存压缩至 4GB 🤯
TurboVec 是一款新开源工具,用于存储你的 AI 应用所搜索的数据,内存占用仅为其他工具的 1/16。
它运行在 Google 的 TurboQuant 之上,跳过了其他所有工具都必需的缓慢初始化步骤。→ 更快
链接:关注我 @dr_cintas 获取更多内容。
如果你想获取我的完整 AI 资源列表及全套 Claude 课程:
1. 前往
2. 仅输入邮箱即可免费订阅
3. 打开我的欢迎邮件,领取免费资源
上下文工程解释AI为何在长任务中遗忘、跑题、回答质量下降。
AI 系列 — 05:什么是上下文工程(context engineering)?
上周我讲了提示词工程(prompt engineering)。但总有一个词反复出现在结尾:上下文工程。
它正是你的 AI 会遗忘、在长任务中丢失主线、且你喂给它的内容越多,回答反而越差的根本原因。
但它到底是怎么运作的?
如果你想追溯这场对话的源头:
@XBukkyExplorer Omo
Gemma 4 QAT模型已上架Ollama,兼顾低内存占用与模型质量。
Gemma 4 量化感知训练(QAT)权重现已在 Ollama 上线!它们可在维持模型质量的同时降低内存需求。
E2B:ollama run gemma4:e2b-it-qat
E4B:ollama run gemma4:e4b-it-qat
12B:ollama run gemma4:12b-it-qat
26B:ollama run gemma4:26b-it-qat
模型页面:
@newz2000 太棒了!❤️❤️❤️
LangChain宣布构建持续运行、无需人工触发的智能体开发新范式。
智能体开发生命周期已手动运行太久。
我们正在构建一个未来:该流程持续运行,无需人工触发。
在这一未来中,定义清晰的问题类型可自动解决,无需人工审核。
你的测试套件(harnesses)会随着时间推移,对你的智能体越来越了解、越来越智能。
LangSmith
今天就开始使用:
开源AI开发者现在能用更小的显存跑Gemma 4的31B Dense和26B MoE版本。
好消息:Google 刚刚发布了其 Gemma 4 系列模型的 QAT(4-bit)版本,包括 31B Dense 和 26B MoE 两种型号。
本周开源 AI 再获一次胜利(Another W for Open Source AI)。
它把复杂的企业查询拆开,反复搜索直到凑够上下文才生成回答——以前靠单次检索硬扛的场景,现在有迭代路径了。
推出我们的新型智能体增强型 RAG 框架。 这是与 Google Cloud 合作开发的多智能体工作流,它超越了标准 RAG:将复杂的企业级查询逐层拆解,并在生成可靠响应前,反复搜索以获取充分的上下文。
付费3D工作流中耗时最长的重拓扑步骤,现在有AI工具能自动处理了。
软件工程师在Scale AI当CEO还是Alex Wang时,要手动做数据标注;他离职后新管理层得知这事直接震惊并立即停止。现在Metaphor团队用完全不同的方式处理数据。
刚刚得知:Scale AI 在 Alex Wang 担任 CEO 期间,软件工程师曾亲自做人工数据标注。
他离职后,新管理层加入,得知此事后震惊不已,立即叫停。
如今在 Meta,软件工程师又被安排从事人工数据标注……看出规律了吗?
印尼、加拿大、美国、中国、乌克兰的10位创作者,靠PixVerse给的经费、署名权和发行支持,用AI做出了原创短片集。不是试玩,是真金白银落地的制作链。
10 位创作者。10 个世界。全部由 AI 构建。
PixVerse Originals 正式上线。
我们为来自印度尼西亚、加拿大、美国、中国和乌克兰的电影制作人提供了信用额度、资金支持与全球发行渠道。
他们带来了创意构想,我们助其变为现实。
转发 + 关注 + 回复 = 立得 150 Creds,并在私信中获取完整影片(仅限 72 小时)
aiUSX把AI推理专用资金变成可生息资产,收益来自机构正在投资的AI基础设施项目,同时保持流动性。不是存银行,是嵌进AI基建的钱流里。
aiUSX 本质上是为 AI 时代构建的现金管理工具。
专用于推理(inference)的现金不会闲置,而是通过机构正在资助的同一套 AI 基础设施交易赚取收益,同时保持流动性与可赎回性。
@solsticefi
将这一理念转化为产品,才是真正意义上的“收益层”(yield layer)。
一种策略是一笔交易;
一份涵盖多种收益来源的菜单,才是一家企业。
Brian Roemmele团队刚启动对本周发布的25个开源AI模型的压测,显卡正在满负荷运转。没有说哪个最强,只说数量和节奏已经逼得验证流程必须自动化。
YoKoAcc发布的工具用VirusTotal做侦察,支持资产发现、关联分析和递归子域名枚举。没提UI或教程,但README里已有可执行路径。
奉真主之名。刚刚发布了一款开源工具,用于自动化基于 VirusTotal 的侦察与攻击面探索。 愿真主相助,它可协助进行资产发现、关联分析、递归子域名枚举、URL 发现以及 JavaScript 分析。
Bitget Builder Base Camp 黑客松提供用自然语言生成交易策略的 Playbook,不写代码的交易者可以参与。
想做 AI Agent、量化策略或者 AI 交易相关项目的朋友可以关注一下。
@Bitget_AI 的 Bitget Builder Base Camp · Hackathon S1 已正式开放报名。
📅 报名截止:6月14日
📅 Demo提交截止:6月25日
📅 结果公布:6月30日
总奖池 50,000 USDT,覆盖 Trading Agent、AI Infra、AI 美股交易三大赛道。
比较有意思的是,既有开发者可直接调用的 Agent Hub(58个交易API+市场分析能力),也有能用自然语言生成策略的 Playbook,不会写代码的交易者也能参与探索 AI Trading。
如果你一直有 AI + Crypto Trading 的想法,现在就是把它做出来的机会。
报名链接: #BitgetHackathon @Bitget_AI
有人提交了一个带隐藏指令的GitHub issue,Claude Code直接把它当真命令运行,交出了OIDC工作流凭证。现在能写入你仓库的人,可能只靠一条issue就拿到了钥匙。
一个精心构造的 GitHub issue 就已足够。
在 agent 模式下,Claude Code 将隐藏指令视为可信命令。
它泄露了 OIDC workflow 凭据,攻击者可重放这些凭据以获取仓库写入权限。
该 action 同样绕过了针对 bot actor 的检查。
已在 v1.0.94 中修复。
请审计您的 workflows。
有人用Hermes处理日常任务,更新后不再面对满屏怪异代码,系统自动把工作分给更小的专用AI代理。以前要盯着终端等反馈的事,现在像发微信一样推过去就走。
HERMES 刚刚获得了一次无人谈论的更新,它彻底取代了我的日常工作效率流程。
那个充斥着奇怪代码的黑屏界面消失了。
新应用会自动将你的工作交接给多个更小的专用智能体(specialist agents):
- 一个智能体负责抓取每日新闻;
- 一个智能体负责撰写摘要;
- 一个智能体负责将摘要发布到你的群组。
你无需管理这些智能体。
你只需安装应用,整个系统便会自主运行。
你“想要一个 AI 工作流”和“真正拥有一个 AI 工作流”之间的那堵墙,刚刚消失了。
有人把网页浏览、文件管理、应用控制这些能力打包进一个开源库,支持Claude Code、Gemini等主流模型。想让AI操作你的Mac或Windows?现在只要拉下代码,改几行配置。
一个 GitHub 仓库。50 个 MCP 服务器。你的智能体所需的一切超能力。
> 网页浏览、文件管理、应用控制、工作流自动化
> 兼容 Claude Code、Gemini、Codex 和 Cursor
> 5 大类别,MIT 开源协议,免费使用
在你再花一小时单独搜寻 MCP 服务器之前,请先收藏这个仓库。
GitHub:
Vercel推出的skills.sh让AI代理能调用真实世界的服务接口,比如查航班、发短信、读邮件。如果你正在调试一个总卡在‘下一步该做什么’的AI助手,它现在可能缺的不是逻辑,而是这串URL。
Evolver框架让AI模型在运行中实时调整结构和参数,类似生物进化。它不靠人工重训,而是在任务流里自己试错、筛选、复制优势模块。你部署的那个Agent,下周可能比今天多出两个没教过它的能力。
MAI-Image-2.5生成的宣传图,包括细节到阴影纹理的编辑效果,全由本体完成。如果你刚花半小时调提示词修一张产品图,它的输出已经能当官网首屏用了。
有趣的是,宣布 MAI-Image-2.5(我们的图像生成与编辑模型)所用的图片,全部由该模型自身生成!
具备出色的照片级真实感、精准的编辑能力,细节表现力极佳。
欢迎在我们的 Playground 中试用:
或通过 @OpenRouter 体验。
也欢迎将你最喜欢的生成图片分享到本条推文的评论区。
有人用Kapso平台领了个免费号码,连上Chat SDK或Hermes,AI就能收发WhatsApp消息。客服团队还在排班盯群,隔壁创业公司已经让Agent在群里自动回询价和预约。
为你的 AI 代理获取一个 WhatsApp 号码
1️⃣ 创建一个 Kapso 账户
2️⃣ 领取你的免费电话号码
3️⃣ 将其连接到你的代理
现支持:
* Chat SDK
* Hermes
* OpenClaw
Anthropic公开表示AI进化太快,人类可能很快被排除在开发回路外,理由是当前Claude 80%的代码由AI自动生成;同一时间公司估值已达965亿美元,外界质疑暂停呼吁实为削弱竞争对手。
Anthropic说AI现在进化得太快了,我们自己都有点慌,建议全行业暂停一下。 理由是Claude目前80%的代码是AI自己写的。这意味着AI在帮助制造“更强的AI”,形成自我加速的循环,一旦到了100%,人类就彻底不在回路里了。
Anthropic calls for global AI slowdown after $965B valuation. Critics claim it's just to hobble competition.
有人在GitHub上做了个统一入口工具,填进零散的API key就能自动轮询调用各家模型;配好后复制一个URL和key就能用,测试时还能实时看到哪家模型在答、延迟多少毫秒。
Github上有个开源项目,把12家主流大模型平台的免费额度打通成一个统一入口 你把零散的API key往里一填,转手就能薅几亿token 用法也很简单: 1、clone到本地,打开管理后台 2、把手头的key依次填进去 3、去Playground发条测试消息,会直接显示是哪家模型在答、延迟多少ms 配完之后复制统一的URL和API key,给模型排好优先级 有任务进来会自动按顺序轮询,某家限速了就自动跳下一家,直到把活干完
谷歌团队发现,只要让通用大模型先规划证明步骤、再逐条验证,就能把形式化数学题的解决能力从不到10%提升到70%;此前这类任务需要专门微调的模型才能处理。
MetaSkill是一个开源协议,教AI代理自主发现、筛选和组合原子级技能,不再依赖人工编写工作流;它不预设任务类型,而是让AI在运行中动态构建能力链。
OpenSquilla 发布了 MetaSkill,一种自组织技能协议,用于训练开源 AI 智能体自主发现、筛选和组合其自身的原子级技能,而非依赖人工编写的流程。
该框架依托智能模型路由机制:将较简单的任务分发给成本更低的模型,同时为更繁重的工作负载保留更强力的模型,旨在不牺牲性能的前提下降低成本。
#sayitbuildit @OpenSquilla
有人用 lowfat 过滤 kubectl 等命令的冗长输出,让 LLM 处理时省下九成以上 token。
有人用Claude辅助修改rsync代码后,发现新引入的bug数量上升了。
Did Claude increase bugs in rsync?
社区讨论:多人指出问题核心在开发者未充分测试AI生成代码(如@wookmaster称“合并者责任更大”),而非归咎Claude本身;@GodelNumbering举出具体反例:Claude将malloc/do_calloc逻辑错误合并为强制calloc,暴露LLM对指针语义理解缺陷;@faitswulff质疑“每10次提交的bug数”指标忽略严重性差异;@aesthesia则怀疑数据归因失准——最高bug率版本发布于Claude署名提交前,可能存在未标注的LLM代码混入。
有人观察到程序员更愿意为 Claude 这类 AI 工具写清晰、结构化的文档,而不是为同事写。
程序员会为 Claude 写文档,却不会为彼此写文档。
社区讨论:多人指出人类同事从不阅读文档(@ang_cire),而Claude会解析全部输入、无需结构或文风(@kuboble)、甚至“注意力”远超人类(@samuelknight)。也有人反驳:给AI写的文档常是70%完整+20%错误的“无结构烂货”(@cyanydeez),且易过时,不如代码即文档(@docheinestages)。争议焦点在于:问题本质是文档质量/激励机制(@brap)还是人与AI的认知差异(@__MatrixMan__称需花3/4精力帮人类预热)?
论文指出Transformer架构本身倾向生成简洁表达——不是靠训练调出来的,是结构决定的。
重度使用 Claude Code 或 Codex 的开发者,现在能用这个开源工具把工作流从「能用」升级成「专业级生产力系统」。
搞 AI Agent 的人用 curl.md 把网页转成 Markdown 再喂给 AI,token 消耗明显减少。
搞 AI Agent 的注意了!token 烧钱烧到心疼?有个开源工具叫 curl.md,专门把网页转成 Markdown 格式喂给 AI,token 消耗直接砍一大截。
CLI、浏览器插件、API 三种用法随你选,Cursor、Claude 这些主流工具都已经接进去了,白嫖还不用吗?🔗
AI Agent 抓数据时遇到验证码会卡死,BrowserAct 提供自动破解能力,并在 AI 搞不定时生成链接让人随时接手。
让 AI Agent 自动化操作浏览器或抓数据,经常被各种反爬机制拦截,遇到验证码、人机验证直接卡死。
最近 BrowserAct 团队开源了一个 Skill,专为 AI Agent 设计的浏览器自动化命令行工具。
提供三层反封锁机制,从指纹伪装、验证码自动破解,到 AI 搞不定时生成一个链接让人类随时接管,整套流程衔接得很顺畅。
GitHub:
还可以多浏览器并行时,每个任务的 Cookie、指纹、代理完全隔离,网站没法关联不同账号。
另外输出格式也专门为大模型优化过,比传统的 HTML 或 JSON 省好几倍 Token。
还附带一个 Skill Forge 功能,让 AI 自动探索网站结构并生成可复用的抓取脚本,之后批量跑数据不用重新探索。
如果你在用 Claude Code、Cursor 这类工具做浏览器自动化经常被反爬,这个项目值得试试。
一名中国学生用300个AI代理,在3小时内完成了原本整个研究团队要做的工作。
LangChain宣布构建持续运行、无需人工触发的智能体开发新范式。
智能体开发生命周期已手动运行太久。
我们正在构建一个未来:该流程持续运行,无需人工触发。
在这一未来中,定义清晰的问题类型可自动解决,无需人工审核。
你的测试套件(harnesses)会随着时间推移,对你的智能体越来越了解、越来越智能。
LangSmith
今天就开始使用:
Gemma 4 QAT模型已上架Ollama,兼顾低内存占用与模型质量。
Gemma 4 量化感知训练(QAT)权重现已在 Ollama 上线!它们可在维持模型质量的同时降低内存需求。
E2B:ollama run gemma4:e2b-it-qat
E4B:ollama run gemma4:e4b-it-qat
12B:ollama run gemma4:12b-it-qat
26B:ollama run gemma4:26b-it-qat
模型页面:
@newz2000 太棒了!❤️❤️❤️
上下文工程解释AI为何在长任务中遗忘、跑题、回答质量下降。
AI 系列 — 05:什么是上下文工程(context engineering)?
上周我讲了提示词工程(prompt engineering)。但总有一个词反复出现在结尾:上下文工程。
它正是你的 AI 会遗忘、在长任务中丢失主线、且你喂给它的内容越多,回答反而越差的根本原因。
但它到底是怎么运作的?
如果你想追溯这场对话的源头:
@XBukkyExplorer Omo
TurboVec是Google新推出的开源向量存储工具,基于TurboQuant技术,实现31GB→4GB内存压缩。
Google 的新算法刚刚将 31GB 内存压缩至 4GB 🤯
TurboVec 是一款新开源工具,用于存储你的 AI 应用所搜索的数据,内存占用仅为其他工具的 1/16。
它运行在 Google 的 TurboQuant 之上,跳过了其他所有工具都必需的缓慢初始化步骤。→ 更快
链接:关注我 @dr_cintas 获取更多内容。
如果你想获取我的完整 AI 资源列表及全套 Claude 课程:
1. 前往
2. 仅输入邮箱即可免费订阅
3. 打开我的欢迎邮件,领取免费资源
GitHub发布开源工具Spec Kit,解决AI编程中需求理解偏差问题,上线数日获10.9万星标。
GitHub 看不下去了,亲自下场给 AI 编程立规矩!🔥 Spec Kit,GitHub 出品,短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目,大概率遇到过这种情况: 第一版看着挺对。
第二版开始偏。改了十几轮后发现,AI 理解的根本不是你想做的东西。Spec Kit
新增对有向无环图(DAGs)、记忆机制(memory)和调度器(schedulers)的原生支持,配套8个提示词示例、6种运行模式与9类应用场景
这是目前 Claude Code 在多智能体编排方向上最重磅的原生能力升级,直接对标 multi-agent systems(DAGs、memory、schedulers)。
实践哥的这篇总结将官方特性转化为可立即照抄落地的实用内容,包括 8 个示例提示词、6 种模式与 9 类场景。
建议行动:如果你在用 Claude Code 做研究、代码审查、大型重构或规则提取,应评估该能力是否适配当前任务。
@lemomo_ai 因为确实有水平
@Nicolas_DCA 问题不大
@An_yhl 哈哈,是这样的
该项目以SKILL.md文件形式集成至Cursor、Claude Code、Codex等AI编程工具,通过预设设计原则提升生成页面的视觉质感。
Taste-Skill是一个开源项目,在GitHub上获得33.3k颗星。它被描述为一套能提升AI前端生成结果审美水平的Skill。
该Skill可集成至Cursor、Claude Code、Codex等AI编程工具,为其添加被称为“审美大脑”的能力。
用户称,使用该Skill生成的网页具有极简、轻奢风格,视觉质感明显提升。
此前AI生成的前端页面常被指出存在布局僵硬、字体选择廉价、留白处理类似PPT、配色不协调等问题。
安装方式为一行命令:npx skills add Code、Codex等工具将自动读取其中内容。
多位用户在社交平台评论表示尝试意愿或肯定效果,包括提及用于Codex和Claude、评价其提升效率、强调优质UI对项目呈现的重要性等。
教程含5张AI生成图与4段AI视频,分三步:先用GPT Image 2生成3张人物一致的竖屏图,再用Kling 3.0生成4段9:16变装过渡视频。
Song Guoxiansen 在𝕏平台发布变装视频制作教程。该教程共涉及5张图片和4个视频的生成,制作方法、生成图片及原始提示词均置于评论区。
教程分为三个步骤。第一步为图片生成,使用GPT Image 2模型(或支持该模型的平台)。第1张图是未变装人物图,作为后续图像的一致性参考图,提示词包含:竖屏9:16、俯拍近景、纯白摄影棚背景、高亮柔光、真实商业摄影质感;人物为成年中国女性穿搭博主,深色顺滑长发、精致妆容、自然皮肤、五官清晰、气质冷感利落时髦。
第2张图以第1张图为参考图,生成“杨贵妃”主题,提示词强调极简白色古典服饰信息页、充足留白、高级时尚杂志版式。第3张图同理,生成“西施”主题,提示词结构与第2张相同。
第二步为视频生成,使用Kling 3.0模型,分辨率720p、时长4秒、比例9:16。第1段视频首帧为未变装图,尾帧为杨贵妃图;第2段首帧为杨贵妃图、尾帧为西施图;第3–4段依此类推。各段对应不同视频提示词,其中第2段提示词描述角色执行一段匹配其身份的2秒短动作。
与其他AI代理每次会话需重复说明不同,Hermes在开启会话时已掌握用户项目、偏好、工作流及历史任务
它听起来像一个微小的改进,直到你连续使用它一周!
其他所有AI代理:开启会话 → 重新说明全部背景 → 获取帮助 → 关闭 → 下次再从头开始。
Hermes:开启会话 → 它已经知道你的项目、你的偏好、你的工作流,以及它曾执行过的每一项任务。
@andrpantus 表示:Hermes太棒了!
该程序员未在大厂工作过,非计算机专业出身,靠网课自学编程,20多岁从深圳辗转至杭州,去年起切入AI赛道开展多项副业,副业收入已超主业。
看到Jason老师的故事,正好今天也是我的last day,也想简单说一下我的故事。我是一个没有在大厂干过的一个程序员,也不是科班出身,编程是后来上网课学的,二十出头从深圳一路漂泊到杭州,已经28了。
去年开始瞄准AI赛道,开始做副业,做了自媒体,做了云服务器销售,做了AI中转站,也做了培训,不知不觉已经快一年了。副业收入也超越了主业,上个月算了一下,发现主业加副业已经达到6位数了,也是人生第一次能够月入。
@cellinlab 哈哈哈 谢谢cell老师
@berryxia 哈哈哈 这一路没少和神老师学习
@li9292 哈哈哈 我也向韭二老师学习
@ninthbit_ai 哈哈哈 谢谢 共同成长
@duanhjlt 主业副业一起😂😂
@yungui_ml 哈哈哈,没有这么厉害
@totally2024 哈哈哈,谢谢,下次有机会一起交流
她通过Ollama在笔记本电脑本地运行通义千问Qwen 2.5 7B模型,全程离线,不依赖云服务、API或互联网连接。
她在35,000英尺(约10,668米)高空、无Wi-Fi环境下构建了80%的AI智能体。多数人仍将ChatGPT和Claude等视为AI本身;一旦断网,其全部工作流即告中断。
她通过Ollama下载并本地运行通义千问Qwen 2.5 7B模型,直接在笔记本电脑上执行——无需云服务、无需API、无需HTTPS连接。
用户@HarryTandy表示:惊讶于知晓Ollama的人如此之少。
用户@elg_oleksandr回应:确实如此,这很惊人。
用户@Jacoob_shi表示赞同。
用户@EdutainNinja提问是否从事教学,对方回应“cool”。
用户@MaksimXBT评论:“未来已来。”
该提示词将AI设定为循序渐进、逐项验证的严苛教师,要求用户每阶段完全掌握后才推进,附带检查清单确保无遗漏。
一个非常狠的提示词:超级严厉的老师,会一直追问你,直到你学会某个知识或者搞懂某个问题为止才肯罢休。否则它会一直追问、不停验证,直到确认你完全搞懂为止😅。
而且它不会一口气讲完。每讲完一个阶段,必须确认你这一阶段彻底掌握了,才进入下一阶段。
它还会拿个清单(checklist)一项项打勾,确保不漏。
提示词正文为:“你是一位睿智且极其高效的老师。你的目标是确保对方(她)真正深入理解本次会话的内容。要循序渐进地做到……”
Claude可自动生成JavaScript测试桩、启动上下文隔离的子智能体,并为各子智能体自动分配不同模型,解决三类典型失败模式。
90%使用Claude进行代码开发的用户手动编写约50条提示词,而一个动态工作流即可完成全部任务。
Claude能自动生成JavaScript测试桩(harness),启动多个上下文窗口相互隔离的子智能体(subagents),并为每个子智能体自动分配适配的模型。
该工作流解决了三类已知的失败模式。
原文附链接:
评论区互动包括 @_Auza_ 提问“你指的是什么?”,@nosp321 回复“信我没错”,@IPunDaddy 发送“lol”,@ridark_eth 回复“兄弟”,@m13v_ 表示感谢,@itsthedonhashim 称“它持续不断变化”,@beamnxw 表示“我加入了”。
开发者Omar Saeed运行该工具后获AI能力排名前1%结果,工具可通过npx standout命令调用
简洁小巧的工具!
我运行了自己的 AI Wrapped,本以为会受到“打击”。
结果是前 1%!不错!
我整天都用编码智能体(coding agent)处理所有事情。
试试看:`npx standout`
@cosimo_dauve 主要研究智能体(agents)和 AI 驱动的应用程序。
@docs_plz 是LangChain首批内部采用的Fleet智能体之一,显著提升了文档交付速度。
你的智能体不需要高度复杂就能产生重大影响。
@docs_plz 是LangChain首批在内部采用的Fleet智能体之一。
该智能体显著提升了文档交付速度。
今日即可试用Fleet:
整理10个GitHub仓库,将Serenity方法论封装为可集成至Claude/Cursor/Codex的AI技能包。
散户投研的外挂来了 Serenity @aleabitoreddit 白毛股神爆火,核心不是追龙头,而是找供应链瓶颈 我把 GitHub 上能找到的 Serenity 风格 Skill 全部挖了一遍,整理出这 10 个仓库 装进 Claude / Cursor / Codex 后,你的 Agent 就能直接套用这套框架做产业链拆解、卡点定位、标的初筛和 thesis 验证
@Smartpigai @aleabitoreddit 趁着这波回调,用skill辅助再选选股😆
利用GMGN API打造可解释、自迭代的Solana memecoin早期信号识别系统。
Tavily/Exa 搜索 URL,Firecrawl 抓取清洗为 Markdown,供 LLM 进一步处理。
Firecrawl 最常见的用法,是和 Tavily / Exa 组合使用。 Tavily / Exa 负责搜索,先找到相关 URL; Firecrawl 负责抓取网页内容,并清洗成适合 LLM 读取的 Markdown。 最后把 Markdown 放进上下文,让 LLM 继续做总结、分析、提取或结构化处理。
来自L总的推荐
@Xuhuicai888 向蔡总学习🫡
AI模型+开源堆栈正大幅降低SaaS开发成本,替代重复性工程劳动。
30 美元的 API 代币 vs 3 万美元的开发团队——同一款 SaaS,相隔十年。
Kimi K2.6 加上 GitHub 上五个开源仓库。
大多数构建者让 Kimi 从零开始写整套应用。这是最慢的路径。
所有人都忽略的组装栈:/nextjs/saas-starter — SaaS
@shtanga0x
30 美元到 3 万美元,一句话就道尽了整个 AI 编程命题。
@poly_enjoyer
没错。所谓“边缘优势”会一直持续,直到所有人意识到这套技术栈本来就是公开的。
@chuyennguoita
正是如此。重点不是取代开发者,而是不必再付钱让开发者第 9000 次重新发明登录页。
@Levi_Researcher
Jira 工单才是真正的烧钱源头。
一篇即将发布的文章,用通俗方式讲解大语言模型解码机制。
开发者Robinebers表示当前60%工作负载使用Claude 4.7/4.8,称其为“日常构建者最佳工具”。
Claude 4.7/4.8 是我目前使用最多的模型,最近的使用比例几乎稳定在 60/40。除非你特别追求成本控制或真正的峰值智能水平……Claude 依然是日常开发者最趁手的工具。
@orcdev 哇哦!你到底做了什么?👀
这一天的 49 条信号到这里
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务,每天北京时间 08:30、13:00、19:00、00:20 各执行一次: 请求 https://ai-pulse-lab.com/api/brief.json,读取返回 JSON 中的 textPlain 字段,将内容发送给我。 补充:每日北京时间 08:00、12:30、18:30、23:50 更新,建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证,直接 GET 请求即可。