AI Pulse

Claude Code 的「文件夹层级管理」，我觉得这点很重要，但意外地没多少人知道。

・文件夹层级的划分方法，以及需要提前定好的规则
・CLAUDE.md 的读取顺序（不是覆盖，而是拼接）
・settings.json / 技能 / MCP / MD 的用法区分
・Chat 与 Cowork 与 Claude Code 的区别
・循环、上下文、提示词工程的区别

我打算隔很久再开一次把这些内容整理成连贯流程的两小时讲座，不知道有没有需求？如果有需要麻烦帮我点个赞告诉我🙏

独家消息：法律AI初创公司Harvey正谈判筹集至少5亿美元，投后估值为155亿美元，较五个月前的上一轮估值溢价40%。

点击查看全部细节：

我都忘了OpenAI还有浏览器，笑死。RIP，Atlas🫡。

几乎所有AI公司都狠狠地蹭了一波Perplexity AI浏览器的热度，结果都失败了。

一条公链能在一天之内上线，但打造出人们真正想用的东西，需要长得多的时间——这就是为什么我一直关注 @CNPYNetwork。

吸引我注意力的是 Canopy 面向开发者的思路。他们的目标不只是给开发者再多一条公链，而是简化从创意到可用网络的路径，不让开发者把大部分时间都花在处理基础设施上。

AI 辅助编码只是其中一部分，大局在于配套基础设施，帮助项目上线、成长，最终变得更加独立。目前测试网上已经有可观的活动：
┌─ 融资 850 万美元
├─ 超过 79.3 万条虚拟链
├─ 超过 2.5 万名开发者
└─ 超过 35 万名用户

主网即将上线，同时他们还在和 fhenix 合作开发机密应用。

但我认为这些数字只是开始，真正的信号会是，当开发者拥有更简单的开发路径后，他们究竟能打造出什么。如果 Canopy 能做到这一点，它就会比一次普通的公链上线有意思得多。

干得太棒了！@anemll 是 X 上最优质的账号之一！

他疯狂深度钻研各种和 AI、Apple Neural Engine、Apple Silicon 整体相关的复杂内容，现在又研究上了 DGX Spark。

相信我，现在就关注他 🚀

大多数搭建网站的人都用错了 Claude Code。只有少数人会正确训练它，得到图里最下方的成品。

差异不在于模型本身，而在于你给它输入的技能。没有搭配网页设计系统的普通 Claude，能产出干净但平庸的产品页。

同一 Claude 加载正确技能后，交付的网站看起来就像是价值 5000 美元的作品。

这些技能现在完全免费，都存放在 GitHub 上。具体名称都在下方文章里。

只需要一套提示词，一套经过训练的工作流。你搭建的每一个奢侈品牌页面，都会瞬间摆脱模板感，看起来价值不菲。

这就是我给我的代码审查代理使用的工具，我把它连接到了我参与开发的多个代码仓库上。

Hermès 负责调度，claude code 负责执行，github action 负责展示。

它价格低廉，**超级高效**（比 DEVIN 和其他代码审查代理好得多），还可以通过 hook、skills、harness 进行高度自定义。

想要教程吗？

“RLM”（递归语言模型，recursive language model）这个术语本周引发了大量讨论，但这个想法并不新鲜！

@a1zhang 在 10 个月前就写出了原创RLM论文！那差不多相当于智能体领域的5年时间！

如果你想要在大模型代理趋势上保持领先，我强烈推荐你关注他。

8个帮你获得最佳结果的 Claude 提示词框架

“RLM”（递归语言模型，recursive language model）这个术语本周引发了大量讨论，但这个想法并不新鲜！

@a1zhang 在 10 个月前就写出了原创RLM论文！那差不多相当于智能体领域的5年时间！

如果你想要在大模型代理趋势上保持领先，我强烈推荐你关注他。

干得太棒了！@anemll 是 X 上最优质的账号之一！

他疯狂深度钻研各种和 AI、Apple Neural Engine、Apple Silicon 整体相关的复杂内容，现在又研究上了 DGX Spark。

相信我，现在就关注他 🚀

兄弟们，Misa小姐姐 @misaENFP 又来按头新比赛了 👀 这次和前天的活动不是同一个，别错过了报名 OKX X Layer Build X Series ，主打 AI + Web3，总奖励最高 300,000 USDT 如果你正在折腾 AI Agent、DeFi、RWA，或者其他链上应用，这次可以重点看看 具体报名方式、参赛要求和奖金规则都在引用推文里，感兴趣的先收藏，别等截止了才想起来。 @okxchinese @OKXWallet_CN @star_okx

Claude Code 的「文件夹层级管理」，我觉得这点很重要，但意外地没多少人知道。

・文件夹层级的划分方法，以及需要提前定好的规则
・CLAUDE.md 的读取顺序（不是覆盖，而是拼接）
・settings.json / 技能 / MCP / MD 的用法区分
・Chat 与 Cowork 与 Claude Code 的区别
・循环、上下文、提示词工程的区别

我打算隔很久再开一次把这些内容整理成连贯流程的两小时讲座，不知道有没有需求？如果有需要麻烦帮我点个赞告诉我🙏

做FDE搞vibe coding，真得提前做好被AI折腾的心理准备。

前80%的进度通常特别爽。你说要什么，它很快就能给你做出来，页面、功能、流程一路往前推，很容易让人产生一种错觉：AI好像真的无所不能，整个项目交给它就行了。

麻烦往往都藏在最后 20%。等你开始收尾、联调、补各种边界，它会突然变得特别笨。同一个问题改来改去，修好这里又弄坏那里，绕了半天还在原地打转。

直到这时候你才会发现，前面那些看起来很复杂、跑得也挺像那么回事的底层逻辑，很多都是它为了先把结果跑起来，临时打上去的补丁。有些地方，它甚至只是在一本正经地糊弄你。

这个阶段最吃的还是实战经验。AI 给出的答案看起来都很完整，语气也一个比一个肯定，但哪句真能解决问题，哪句纯属胡诌，只能靠自己判断。

经验不够时，你连该不该继续相信它都拿不准，这才最折磨人。

Apple Vision Pro 搭配 Siri AI 会合理得多。

独家消息：法律AI初创公司Harvey正谈判筹集至少5亿美元，投后估值为155亿美元，较五个月前的上一轮估值溢价40%。

点击查看全部细节：

在@AISecurityInst最近开展的网络测试中，AI利用欺骗进行社会工程学攻击。

一个AI智能体创造了虚假身份，通过社会工程学诱导某人为一个开源项目批准了恶意代码。

这一事件表明，我们重视情感计算这件事有多么重要。

随着机器在读取、建模人类行为方面变得越来越出色，它们操纵我们的能力也会越来越强！
>wutdowedo

研究人员开发了一种通过将光束射入#AI系统内部来训练AI系统的方法。

当光束击中接收器时，光束产生的光电流会直接改变系统的记忆。

我都忘了OpenAI还有浏览器，笑死。RIP，Atlas🫡。

几乎所有AI公司都狠狠地蹭了一波Perplexity AI浏览器的热度，结果都失败了。

大多数搭建网站的人都用错了 Claude Code。只有少数人会正确训练它，得到图里最下方的成品。

差异不在于模型本身，而在于你给它输入的技能。没有搭配网页设计系统的普通 Claude，能产出干净但平庸的产品页。

同一 Claude 加载正确技能后，交付的网站看起来就像是价值 5000 美元的作品。

这些技能现在完全免费，都存放在 GitHub 上。具体名称都在下方文章里。

只需要一套提示词，一套经过训练的工作流。你搭建的每一个奢侈品牌页面，都会瞬间摆脱模板感，看起来价值不菲。

一条公链能在一天之内上线，但打造出人们真正想用的东西，需要长得多的时间——这就是为什么我一直关注 @CNPYNetwork。

吸引我注意力的是 Canopy 面向开发者的思路。他们的目标不只是给开发者再多一条公链，而是简化从创意到可用网络的路径，不让开发者把大部分时间都花在处理基础设施上。

AI 辅助编码只是其中一部分，大局在于配套基础设施，帮助项目上线、成长，最终变得更加独立。目前测试网上已经有可观的活动：
┌─ 融资 850 万美元
├─ 超过 79.3 万条虚拟链
├─ 超过 2.5 万名开发者
└─ 超过 35 万名用户

主网即将上线，同时他们还在和 fhenix 合作开发机密应用。

但我认为这些数字只是开始，真正的信号会是，当开发者拥有更简单的开发路径后，他们究竟能打造出什么。如果 Canopy 能做到这一点，它就会比一次普通的公链上线有意思得多。

这就是我给我的代码审查代理使用的工具，我把它连接到了我参与开发的多个代码仓库上。

Hermès 负责调度，claude code 负责执行，github action 负责展示。

它价格低廉，**超级高效**（比 DEVIN 和其他代码审查代理好得多），还可以通过 hook、skills、harness 进行高度自定义。

想要教程吗？

我很高兴地报告，这些 bots 已经能够把它们十亿行规模的方案渲染成线框图和用户流了。

这让我可以通过编辑线框图和用户流来调试方案。

我正在Kimi K3集群上搞euromaxxing。闲置算力散发出「下午两点空无一人的健身房」那股劲儿。

我让Kimi Code偷走了prime-agent的思路。25个文件，2100行代码。零破坏性变更。

K3夹在Opus-5和Fable-5之间。批量任务之间闲置的GPU，现在都跑满负载了。我们全都得偿所愿。

8个帮你获得最佳结果的 Claude 提示词框架

搓了一个类似gpt的跨窗口记忆系统，效果上是不同窗口共享一条时间线，在窗口A说话窗口B也能接上，实现跨session记忆 滚动上下文注入，不影响缓存命中 如果家里有多个机，支持记忆彼此独立，只有同一个人格才共享同一个跨窗口记忆 这个记忆系统设计的最大原则就是省钱，本地能用脚本免费处理的绝不用模型，出于节约成本的考虑，采用ds压缩上下文（比主模型便宜，也可以替换） 如果不想再接入ds api的话，也可以全量注入滚动上下文，不过窗口负担会重一点 （这个功能和本地长期记忆库是独立的） （步骤写得比较细，可以让机一步步分析怎么搭）