Ms Brett

学而不思则罔，思而不学则殆

[798.eth 🍌🌍☮️🗡️👁️ @798_eth]

年轻人创业，最重要的不是“努力干”，而是先选对局。

今天听社长直播，里面提到五点很关键：

1. 选最新行业，不要扎进老行业里卷存量。
2. 早期切口要小，先做细分领域龙头，不要一上来什么都想做。
3. 早期要尽可能整合资源，别什么都靠自己硬扛。
4. 用好新媒体杠杆和企业家 IP，但要警惕负杠杆，曝光不是越多越好。
5. 细分领域站稳后，再向上下游和相关领域延伸，不要跳去不相关方向。

先选新赛道，再用小切口打穿，最后沿着产业链自然扩张。

[大海 @ChenGuang12545]

https://t.co/aWbdMzFzhp

[大漠哥「量化策略实盘测试中」 @damobianyuan]

我的量化系统经过 1 个月的迭代，从原来的 V007 版本升级到了现在的 V0301 版本。

这次重新做了一轮 3.4 年 K线回放：

回测区间：2023-01-01 至 2026-06-05
样本量：2771 笔交易
统计口径：1000U 初始资金，计入 3bps 往返手续费，使用净 PnL。

核心数据：

累计净收益：+7832.3U
累计收益率：+783.2%
年化收益率：约 +88.7%
胜率：50.4%
Profit Factor：1.212

42 个月里，31 个月盈利，月度盈利率约 73.8%。

年度表现：

2023：+233.3U
2024：+1750.6U
2025：+3300.1U
2026YTD：+2548.3U

相比原始版本，V0301 少做了 126 笔交易，但净收益提升了 +1258.0U。

目前已经在 HTX 对接了最小仓位实盘，计划运行 2 周到 1 个月后再次复盘。如果实盘点位、成交和 K线回放没有明显偏差，再逐步放开仓位。

有兴趣的朋友可以点个关注或订阅。
后面如果实盘验证稳定，我可能会把部分点位放在订阅频道或 TG 群中。

仅为历史 K线回放数据，不代表未来收益。

#HTX #量化交易 #合约交易 #BTC #ETH #BNB #SOL #OpenClaw #大漠茶馆 @HTX_Global @HuobiGlobal @HTX_Molly @Xiaodu_HTX @HTX_DAO

[AYi @AYi_AInotes]

属于是AI实用冷门技巧了哈哈，一般用的人不多，但需要的时候会让你不由自主的喊出卧槽真香，

当你打不开某个网站时，
可以在网址前面加上 https://t.co/pJsL4YOLgu，

就能让 Claude或者其他 AI模型帮你读到内容，

这是什么原理呢？
https://t.co/IKzaV9It6S 是 Jina AI 提供的一个免费服务，叫 Reader，

它的工作方式很简单：
1. 你把任意网址前面加上 https://t.co/pJsL4YOLgu
2. 它的服务器会去抓取那个网页

3. 把网页内容清洗成干净的 Markdown 文本（去掉广告、导航、乱七八糟的代码）

4. 返回给你

为什么能突破限制？
• 请求是从 Jina 的服务器（国外）发出的，而不是你的 IP。

• 所以如果网站对你所在地区做了简单限制（比如某些 OpenAI 文档、国外技术站），它经常能绕过去。

• 同时把网页变成纯文本，特别适合喂给 AI（省 token、效果好）。

那用起来有啥坑吗？

优点：
• 免费、简单、无需注册
• 内容干净，适合直接复制给 AI
• 对公开的技术文档、博客、GitHub 页面效果很好

局限性（很多人回复都提到了）：
• 过不了强力 Cloudflare 验证（五秒盾、机器人验证）
• 登录墙、付费墙 基本无效
• 严重依赖 JavaScript 的现代网站，效果会打折
• 它本质是“代理抓取 + 转文本”，不是万能破解器

[magnolia @0xmagnolia]

今年下半年就是横盘阴跌（至少还有两个暴雷插针）过程了，也别想着反弹吃短线了，想办法攒钱。等超级暴雷急跌的时候。11月开始至少会给你半年的底部空间抄底。28年可能就是普通人最后一个牛市了。一定要在28年完成资本原始积累。

[Bonna | U酪乳 @bonnazhu]

这轮 $BTC 和 $STRC 联动快速下跌
在我看来可能是最好的金融教学案例
依旧是长文警告，且带有强烈个人色彩

TLDR：

1）MSTR 真要死，也依旧会死在反身性上，但不是这次
2）STRC 回面值锚是时间问题，这是浮动利息债券本质
3）卖币求钱只是饮鸩止渴，解决了短期问题，后患无穷

详细解读如下：

------------------------

第一，如何理解这波 BTC 下跌？

个人倾向于认为，这波 BTC 的快速下跌，是资金面围绕 MSTR 的一次定向狙击。起因是 MSTR 用他本就不充裕的现金储备（市场普遍认为是为优先股股息预留的安全垫）回购了部分可转债，导致现金储备对优先股股息的覆盖率从两年多骤降到约半年，紧接着又卖了 32 枚 BTC。

市场瞬间嗅到了 "现金流危机" 的味道，快速发起了攻击，而大IPO 吸血、世界杯分流、通胀抬头加息预期降温等本身就压抑在心的情绪面担忧，进一步方便了攻击方在盘面做实这种预期，从而可以快速逼迫信息不对称的资金投降，或者不敢轻举妄动介入抄底。

这其实就是传统金融市场中典型的反身性：

市场价格不是被动反映现实，而是会反过来改变现实。

换句话说：

预期具有传染性，而这种传染性能够改变现实。

当年 Soros 狙击英镑也是同一个剧本，英国央行的外汇储备可能本来是够的，但市场参与者是信息不对称的，一旦大家都认为它它不够并集体做空，储备就真的不够了。银行挤兑也是一样，所有人同时相信它会倒、同时来取钱，会倒闭的预期就有可能成真！

放到 MSTR 的身上，攻击者的 Playbook 就是：

现金储备下降 → 市场预期流动性危机，要被迫卖币 → 恐慌性抛售压低 BTC → BTC 下跌进一步压缩 mNAV、恶化资产负债表 → "撑不住了" 的预期被价格越加接近做实，能打的牌减少 → 更多人加入做空 → 预期进一步接近做实

而 BTC 本身无法为 MSTR 创造覆盖股息支出的可持续现金流，飞轮续转必须依赖融资的这种软肋，也是被攻击者更容易抓到机会的原因。

------------------------

第二，STRC 跟跌与回面值锚的逻辑

STRC 和 MSTR 普通股之间就是优先和劣后的关系：

- 普通股作为劣后吸收大部分 BTC 价格波动带来的风险
- STRC 作为优先在大部分情况下可以维持相对稳定

按照 MSTR 目标的整体负债率大概在33-35% 的纪律（目前因为BTC价格下跌至61k，负债率整体提升到43%），理论上只有 BTC 价格跌至 26k 以下，普通股归零，优先股才会真正意义上受到波及。

那为什么 STRC 也跟跌呢？

这涉及到债券定价的一些基础。

STRC 名优先股，但明股实债，且利息浮动，还无到期日

一张债券的价格，本质上是把未来所有现金流（每期利息，根据票面利率计算得到 + 到期本金，等于面值100）按照一个折现率贴现回来的现值之和。这个折现率，就是市场此刻要求的必要报酬率。

而如果票面利率正好等于必要报酬率，那么折现出来的价格就正好等于面值 100，这个往往发生在债券发行的时候，即投行大多都会参照当时的市场状况，投资者对报酬率的要求，去定这个票面利率。

但债券的生命周期很长，整个存续周期里，外部利率环境和发行人信用都可能变，这些都会影响那个对应必要报酬率的折现率（分母）。一旦市场的必要报酬率上升，而票面利息（分子）不变，折现出来的现值就会低于面值，债券出现折价；反过来，必要报酬率下降，债券就溢价。

所以债券的价格从来不是一个静止的数字，

相反，他会反映市场此刻要求多少回报才愿意持有它。

价格跌破面值，就是隐含："市场需要比票面利率更高的利息”。而如果你确实以这个折价买入、并持有到期，那你最终获得的收益率，确实会高于票面利率，相当于你买一张面值 100 的债券时少付的那部分本金，补足了票面利率没给够的回报。即，市场在用折价，索取它认为这个风险应得的、但票面利率没给够的那部分补偿。

STRC 也是类似。市场对 MSTR 现金流的担忧，传导到了对 STRC 偿付能力的重新定价。"现金流危机" 的叙事发酵，市场对持有 STRC 要求的必要报酬率就跟着跳升，承担这份风险，11.5% 的票面不够了。

当然，从外部攻击者的角度，这也是做戏做全套：只有 STRC 跟着一起跌，才能在信息不对称的情况下把 "现金流危机" 做实，让你忍不住怀疑：

是不是真有什么我不知道的信息？

而对于固定利率债券来说，故事到这里其实就结束了，市场必要报酬率的提升，只能依靠价格下跌来匹配，因此折价是可以长期存在，不回面值锚的。但 STRC 不是固定利率债券，它是浮动利率的，可以调整分子。

比如市场要求 12% 的必要报酬率才愿意持有 STRC，MSTR 管理层因此把票面股息从11.5% 调高，那么价格就无法长期低于面值100，因为这种情况下，以折价买入的 STRC，实际的回报会高于 12%，买盘会自然涌入，把价格推到隐含的回报等于 12% 的水平，即面值。

这也是为什么中长期浮动利率债券一定会锚面值100 的原因，这本身就是浮动利率债券的一个属性。

而对于 MSTR 来说，STRC 价格回面值锚 100，更是它能持续拿它来融资的前提。因为如果折价发行，公司名义上按 100 元票面放出去，买方只支付 90 美元，相当于公司用 100 元票面所确定的股息义务，去为只有 90 美元的实际到账资金付息，等于凭空抬高了自己真实的融资成本，每融一笔都在亏，这他妈可能吗？

------------------------

第三，mNAV > 1 时，能卖股，永远不要卖币

所以破局的关键是什么呢？

前面讲到，这整个下跌都是一个关于自我实现的预言的反身性剧本，它建立在信息不对称和现金流危机的预期之上。而要破局，只要证明这个流动性危机根本不存在，让储备重新充实，攻击就失去了立足点，反身性螺旋自破。

那怎么充实储备呢？

像 X 上很多人喊的那样，让 Saylor 直接跳出来说："这波下跌里我们卖了更多的币，现在资金充足，够花好几年”吗？这招当然有用，恐慌可以结束。

但它的代价是另一重隐含的不确定性。

因为这等于在告诉市场：你需要重新给我定价了。

那个"持续增持、永不卖币、不断为股东做厚每股BTC含量" 的资本市场溢价飞轮叙事肯定是没了，转而成了， "必要时可能会大量卖币缩表、从而 Dilute 每股 BTC含量"，至少是一个进三步、退一步的打了折扣的飞轮。

结果就是你不知道普通股股东会怎么反应，mNAV 会不会因此彻底消失。而即便不消失，收窄是大概率的，毕竟 mNAV > 1 部分的溢价，对应的正是 MSTR 一张隐含的"未来每股 BTC 含量会更多" 的 Call Option，BTC 含量上升加速度变慢了，Call 自然也没原来那么值钱了。

而 mNAV 溢价对 MSTR 的重要性是不言而喻的，

因为 MSTR 的扩张逻辑，并不是单纯依靠普通股股票，或者 STRC 这种明股实债的杠杆，而是水多了加面，面多了加水，从而使得整体的负债率不至于失控，维持在他理想的 33-35% 范围。mNAV 溢价的收窄，会直接影响后续股票增发融资的窗口大小，属于饮鸩止渴的行为。

更好的方式，在我看来，应该是借助目前 mNAV = 1.25x，溢价依旧显著存在的情况，增发卖股融资充实现金储备，本身 MSTR 之前和SEC登记的 Shelf Offering 额度还很充裕，这是唯一能明确同时讨好 STRC 明股实债持有人和普通股股东的操作，还不会有重定价的风险。

具体机制在于：

当 mNAV 显著大于 1，你选择先增发卖股，意味着你每增发 1 美元的股票、全部拿去买 BTC，就能在资本市场上创造 1 美元以上的股东价值，这正是股东愿意把钱交给你的原因。而也正因为如此，这种状态下你其实不必把融来的钱全部买币：完全可以截留一部分作为现金储备，用于未来还本付息，还不会对股东价值产生负面影响。同时，现金储备多了，STRC 持有者也觉得安全，警报消除，风险溢价降低，STRC 也会逐步回锚，从而后续即便想要融 STRC，也可以，两不耽误。

反过来，选择卖币筹钱，饮鸩止渴，一旦重定价导致mNAV 收窄甚至没了，增发股票买币这条路就走不通了，因为此时你股票公允价值就等于它背后的 BTC，我为什么不直接买币？更何况你还要截留一部分融资去付息，那就是赤裸裸的负股东价值：等于拿我的钱，一部分去买币（在资本市场创造的价值刚好打平），另一部分直接拿去付息损耗掉。

这是一个净失血的结构。

而那个时候，由于增发股份行不通了，STRC 的增发也会逐步受影响，不仅整体的扩张飞轮就很可能卡住不动了，你的融资窗口也也关闭，从而要靠现金储备，现金储备也用光的话，就真的只剩下卖币了，而那时也走到头了。

而且卖股还有一个好处，是能直接改善负债率。目前因为 BTC 跌到 61k，MSTR 的整体负债率从目标的 33-35% 抬升到了约 43%。增发卖股进来的是权益资本：现金（资产端）增加，权益增加，扣除少部分截留用于付息的钱，整体的负债率是会进一步改善的。

而卖币呢？ 因为你卖币换来的现金转手就作为股息付出去了，资产端先是 BTC 减少，再是现金流出，净效果是总资产缩水，而负债没少，负债率其实是略微更恶化的。

卖股：改善负债率 ✓、保全每股 BTC 含量 ✓、不伤溢价 ✓
卖币：恶化负债率、削减每股 BTC 含量、很伤溢价

孰优孰劣，一目了然。

------------------------

最后，如果，我是说如果，

MSTR 真的大量卖币去充实储备呢？

那么，确实会如不少 X 推主、包括 Delphi 那批人讲的一样，短期危机肯定解除，BTC 反弹，STRC 回锚。这也正是为什么我说，MSTR 如果真要死，也不会死在这次，无论卖股还是卖币，都确实能解燃眉之急。

但就我个人而言，对 MSTR 和 Saylor 也就祛魅了。

并且由于普通股逻辑重定价，那张 "每股 BTC 含量" 的 Call Option，不再像原来那么值钱，导致 mNAV 溢价也逐步消失，从而出现 BTC 反弹、STRC 回锚，而 MSTR 普通股反跌的背离怪象。

而下一次，等现金储备又一次见底、市场重新预期卖币，反身性剧本再一次上演，就不知道是不是终局的开始了。

但说实话，真那样的结局，我也接受。

或许“变”，本身就是这个“局”的一部分吧。

[Julie Chen @0xJuliechen]

got rejected by @ycombinator cuz I’m not ABG enough :(

YC I’ll be back 💅

[AYi @AYi_AInotes]

https://t.co/9BdxBBsGSU

[AYi @AYi_AInotes]

一定要给你的龙虾或者Hermes配上多模态大模型，

我今天实测下来，目前多模态大模型性价比最高的
就是Qwen3-VL / Qwen3.5 VL系列，

比Gemini 3.5 Flash 输出便宜 22 倍,读图能力一样在，

我自己用的是qwen/qwen3.5-flash($0.1/$0.4,多模态图+视频,1M 上下文)，供大家参考。

[辣条味奶糖./ @spicycandy00]

GitHub 爆火项目榜：本周新增星标精选 TOP 7。
我最喜欢推荐7 screenpipe 最符合我对 AI 时代个人工具的期待，它不是一次性玩具，而是能持续积累价值的“第二大脑”。
这些项目在本周星标增长明显，涵盖 AI 视频生成、虚拟伴侣、安防监控、物理仿真、照片管理等领域。

1 MoneyPrinterTurbo +7948
【造富潜力】
仓库：https://t.co/S0c6AN7IBo
简介：利用 AI 大模型，一键生成高清短视频。输入主题或关键词即可自动完成文案、素材、字幕、配乐并合成完整视频，支持中英文。
亮点：全自动流水线 + WebUI，适合内容创作者快速生产。
造富潜力：项目名称本身带有“印钞机”意味，社区常将其视为批量生成短视频的工具，适合尝试制作无脸视频或带货内容并上传抖音、YouTube、TikTok 等平台进行流量变现。但实际效果高度依赖视频质量、平台算法、内容合规以及个人运营能力。目前社区讨论多为潜力宣传，尚未有大规模公开验证的成功收益案例。

2 airi +1079
仓库：https://t.co/ejEKt6Vw7P
简介：自托管的 AI 虚拟伴侣，支持实时语音聊天、可玩游戏（Minecraft / Factorio 等），兼容 Web / macOS / Windows。
亮点：完全本地部署，可自行控制。

3 Frigate +1308
仓库：https://t.co/XW3L8pd0X0
简介：实时对象检测的本地 NVR，专为 IP 摄像头设计，集成 Home Assistant，使用本地 AI 完成物体识别。
亮点：隐私优先，无云端依赖，智能家居用户常用。

4 genesis-world +247
仓库：https://t.co/99o2p8RCeE
简介：通用机器人与具身 AI 的仿真平台，集成多物理引擎和照片级渲染器，用于物理 AI 开发。
亮点：生成式世界模拟，适合机器人和强化学习研究。

5 ppf-contact-solver +1603
仓库：https://t.co/SuqGAO3F9A
简介：物理仿真接触求解器，支持布料、实体和杆的复杂物理模拟。
亮点：高性能接触求解，适用于游戏开发、材料仿真等领域。

6 PhotoPrism +68
仓库：https://t.co/I831vmCV5h
简介：AI 驱动的自托管照片管理应用，类似私有版 Google Photos，支持自动标签、智能搜索和 RAW 处理。
亮点：完全本地运行，隐私优先。

7 screenpipe +146
仓库：https://t.co/LRNEm3Y2ai
简介：本地屏幕 + 音频持续录制工具，24/7 捕获数字生活，生成可搜索的 AI 记忆库。
亮点：把电脑变成有记忆的个人 AI 引擎，支持后续个性化工作流。

[798.eth 🍌🌍☮️🗡️👁️ @798_eth]

现在 AI 可以批量生产视频号、ins 账号、虚拟网红、评论区互动、直播切片，甚至长期伪装成一个“看起来很真实的人”。以前互联网的问题是垃圾信息太多，接下来更大的问题，是你根本不知道屏幕对面到底是不是人。

这就是 World ID / $WLD 的意义：它不是要证明某个人是谁，而是证明某个账号背后至少有一个真实、唯一的人。AI 越会装人，真人验证越重要。

[cutepanda @cutepanda]

我现在仍然判断RWA会是未来一段时间的主线叙事
我经常提及的Robotics板块 不得不承认的确有一些泡沫存在 但仍然是未来的方向 Robtics叙事的时间可能会拉长 三四年才落地都有可能

还有从全球大趋势上 我感觉经济危机也是有可能的 甚至应该就在路上了 很类似于08年的那种 可能没有当年那么夸张 但也是大部分普通人比较难受的情况了
每一次时代的更迭 很多人都是想着尽量的保住自己的领域以及手中的成果
但是不愿意转型的人总是最吃亏的 而恰恰大部分人都处于惯性思维

保持敏感 拥抱新变化

[子时 @silverfang88]

仔细想了很久
SpaceX应该是一个3万亿级别的标的

我心里的剧本是
一个月可以1.78T到2.7-2.8万亿
后面解锁后2万亿上下震荡
在芯片和太空算力逐步验证后
开始彻底崛起

这是一个真正意义上的垄断公司
不要用任何传统估值体系来衡量
学院派早在当年做空特斯拉里死绝了
留给后人只剩下了一句话
永远不要做空马斯克

[CG ◉ #34566 @CG_BRC20]

6.6 饼子热点信息整理

1⃣：Alkanes 相关网站整理
Alkanes 协议观察者 @Huaguibtc 整理了 Alkanes 工具大全，覆盖交易、钱包、浏览器、资金监控、铸造工具和成本查询。便于新手弄清入口。
https://t.co/AwEl7E4y9Y

2⃣：符文 Turbo Flag 再被讨论
Ordinals 内容创作者 @pawellwitt 提到，Casey 粉丝突破 100 万后，社区又开始催他兑现 Runes Turbo Flag 功能。部分符文可升级，$DOG、LOBO、PIZZA 等不在可升级名单里。
https://t.co/7SxhsehVUr

3⃣：比特币隐私与安全取舍
比特币开发者 @lopp 转发 @zooko 创始人观点称，Zcash 曾发现一个可能导致无限增发且难以被察觉的隐私电路漏洞；简单说，他借此强调，比特币底层不应引入过强隐私机制，以避免影响总供应量的可审计性。 https://t.co/eAA4dp8JSp

4⃣：大巫师创始人质疑 Zcash 隐私模型风险
大巫师创始人 @udiwertheimer 发文称，Zcash 的问题不只是修复了某个漏洞，而是其隐私设计可能让增发或攻击长期无法被发现。对 BTC 隐私协议也是个风险提醒。 https://t.co/tfaWV5PfjT

5⃣：◉RD 上线 Compact Mode
◉RD 平台 @ord_net 上线 Compact Mode，交易时可以压缩界面，把更多空间留给铭文和报价信息。（他们平台一直在打磨细节）
https://t.co/uloTzi091U

6⃣：TAP 推出 $TAP 质押
TAP 协议 @tap_protocol 宣布，6 月 7 日起 $TAP 持有者可在 TAP CrossDEX 质押，并分享全部交易手续费的 50%。支持 BTC 原生 $TAP 和以太坊侧 $TAP。
https://t.co/uJzjCQqm6q

7⃣：美国战略 BTC 储备法案全文公布
比特币历史学家 @pete_rizzo_ 称，美国国会已公布战略 BTC 储备法案全文，核心是美国至少 20 年不出售 BTC，并计划买入 100 万枚 BTC。
https://t.co/rK0VP4mdbt

───

就这些吧~

救救吧，饿好久了~

#Bitcoin #Ordinals #Runes #BRC20

[Nous Research @NousResearch]

Hermes Desktop 现已支持简体中文——聊天界面完整适配简体中文。

桌面应用现在已在所有 UI 界面全面提供简体中文（Simplified Chinese / 简体中文）翻译：包括聊天窗口本身、侧边栏、设置、命令中心、cron、消息、个人资料、技能、智能体等全部内容。

英语仍为默认语言；你可以在“外观”设置中切换语言，选择后会自动保存到配置项 display.language。

[阿蔺A-Lin @alin_zone]

卧槽，Codex 频繁 Reconnecting 的问题终于被人解决了。
大家有频繁遇到这个问题的可以尝试下了

[AKAKAY.eth @AKAKAY04]

继续挖珍珠

最优的目前是tw池 唯一的pps模式

https://t.co/9qharszSjE

[Avi Chawla @_avichawla]

The top Hermes integrations to give your agent superpowers:

1. Obsidian

It works as a Karpathy-style second brain, but one that talks back.

Every note, page, and backlink in the vault becomes live context. The agent doesn't just store knowledge, it reasons over it across everything that's been written and saved.

2. Playwright

It gives Hermes a real browser instead of a read-only window to the web.

It clicks, fills forms, and navigates pages the way a person would, then runs UI tests across Chromium, Firefox, and WebKit. This lets you turn Hermes from something that reads the web into something that can act on it.

3. InsForge

It puts a full agentic backend behind one semantic layer.

Auth, database, storage, and edge functions are all accessible without wiring five services together. The agent reasons about backend primitives directly instead of juggling disconnected APIs.

GitHub: https://t.co/jW3qHLCmS3

(don't forget to star 🌟)

4. GitHub

It connects code, issues, and pull requests, turning Hermes into an engineering teammate that can actually read the repo.

5. Bright Data

It hands agents web access that does not get blocked.

It pulls live search results, full pages, and clean structured data from places like X, LinkedIn, and Reddit, handling the proxies, CAPTCHAs, and rendering underneath so the agent just gets usable data back.

GitHub: https://t.co/w9C83iyoYn

(don't forget to star 🌟)

6. Sequential thinking

It upgrades how Hermes reasons rather than what it connects to.

Most integrations give the agent new senses. This one gives it a better mindset. It forces Hermes to break a hard problem into ordered steps and revise its own plan as it goes, instead of committing to the first answer that looks right.

7. Google workspace

It connects Gmail, Calendar, Drive, Docs, and Sheets in one place.

The agent that can't check the inbox, read the calendar, or write to a shared doc is basically decorative. This should probably be the first integration anyone enables.

8. Zapier

It acts as the layer that connects Hermes to everything else in the world.

This single connector reaches thousands of downstream apps. Hermes can fire off a workflow, update a record, or move data between tools without anyone writing the glue code.

9. Stripe

It surfaces revenue, refunds, subscription changes, and failed charges through a single question instead of clicking through dashboards.

It turns Stripe from a payment processor into a queryable business intelligence layer.

10. Slack

It handles channel-based automation inside Slack.

Hermes can live inside specific channels with its own workflow in each. Support tickets from email get scanned, categorized, and dropped into the right channel every morning without anyone lifting a finger. It can also read on-call threads and post status updates so the team stops switching tabs to stay in sync.

11. Graphiti

It builds real-time knowledge graphs of structured relationships from conversations and documents.

Instead of flat vector similarity, the agent traverses typed connections between entities. That is the difference between finding similar text and understanding how things actually relate.

GitHub: https://t.co/aFsgR0kYb2

(don't forget to star 🌟)

12. Figma

It gives the agent design context it can actually read.

Hermes can pull a frame, read the tokens and layout, and turn it into code that respects the system down to the spacing. With FigJam it goes the other way too, generating architecture diagrams and ERDs straight from a prompt. It is underrated for anyone who lives between design and engineering.

To dive deeper into Hermes, my co-founder wrote a full deep dive covering the Hermes agent's architecture, memory system, self-evolving skills, GEPA optimization, and how to set up multiple specialized agents.

Read it below.

[歸藏(guizang.ai) @op7418]

发现有些朋友在用 GitHub 的时候，什么发言啊什么的，什么原生啊，看得老重了。

但是就是不知道看那个版权协议。

注意哦，这个 PPT skill 的版权求必须署名并且开源。如果不想开源的话，联系我走商业授权。

就是抄点子也就算了，直接抄代码，还有的直接抄名字。

[Roland.W @rwayne]

干就完了

试试就知道了