42_42

A Craftsmen ⚒️🖥✏

[Glenn Beck @glennbeck]

At 15 years old, Liv Perrotto’s biggest dream was to meet @elonmusk. She had even written out a list of questions to ask him. Her mother @rebeccaperrotto told me that just days before she passed away from cancer, she had a chance to speak with Elon, but she was too tired and asked him to call later. The questions still sit on her nightstand, unanswered. Liv's mother shared them with me in hopes that Elon would change that today.

1) Are you going to make your own phone?
2) Are you expanding the Tesla Diner to new areas?
3) Will there be any new games with any upcoming Tesla updates?
4) What is your favorite anime?
5) Have you ever been to Japan? What was your favorite place/thing there?
6) Do you know who Hatsune Miku is?
7) Was Ani inspired from Misa from Death Note?
8) Can you make Asteroid (the Shiba Inu zero-g indicator she designed for the Polaris Dawn mission) the mascot for SpaceX?

[日拱一卒王小楼 @wang_xiaolou]

很多人觉得找电子书要花钱，但其实还有更野的路子。

PDFDrive，号称 1 亿本电子书，从学术论文到小说漫画，全是 PDF 直链下载。不用注册，不用充值，输入关键词三秒出结果，还能在线预览。

这玩意儿就是个电子书界的「羊毛聚合器」——4300万册图书、9800万篇论文，完全免费。Z-Library倒了的真空期，它默默承接了大量流量。

当然，版权灰色地带是它的原罪。但对于想省钱的学生党和研究者来说，这种"一键下载"的体验确实香。

我的观点：工具无罪，关键看你怎么用。用来下公版书、开源论文完全没问题；拿去盗版最新畅销书，那就是另一回事了。

知识平权的另一面，永远是版权保护的博弈。

链接：https://t.co/9bceke2ZH5

[Benson Sun @BensonTWN]

裝好 OpenClaw，設定跑完，然後呢？

大部分人會卡在這裡。要先設自動化流程嗎？還是先測不同的 model？選項太多，反而不知道從哪開始。

想像一個剛進公司的新人。智商超高、學習速度比誰都快，但對公司跟老闆都一無所知。

你不會第一天就叫他去做事，你會先做新人教育訓練。

AI agent 一樣，要幫他做 onboarding。

—
第一步：讓雲端 AI 幫你做 onboarding。

你跟 ChatGPT 或 Claude 已經聊了幾百個小時，它對你的理解程度比你想的深。直接問它：

「你覺得我是什麼樣的人？我關注什麼？我做事的風格是什麼？如果我是創作者，我的寫作風格怎麼歸納？」

然後自己修一修，去掉幻覺、補上它不知道的細節。

如果你已經花時間調教過雲端 AI 的回應方式，也請它再側寫一份：

「你覺得我喜歡你怎麼回應我？我討厭什麼？我對語氣、格式、細節程度有什麼偏好？」

總共兩份資料：一份是關於你自己的，一份是關於你希望 AI 怎麼跟你互動的。

整理好之後，直接丟給你的 OpenClaw agent：「這是關於我的側寫，還有我對 AI 回應的偏好，請你記住。」

它會自動把內容寫進對應的檔案裡。

這是最快的冷啟動方式，因為訓練資料已經存在了，只是散落在不同的對話裡。

—
第二步：讓 AI 自己去爬你過去的內容。

X 推文、部落格、電子報，這些都是你公開的數位足跡。讓它全部讀一遍。

如果你有在用筆記軟體，Notion、Obsidian 這類的，直接 export 餵給它也行。私人筆記往往比公開內容更能反映你真正在想什麼。

這個過程本身就有雙重價值。一方面它在學你講話的方式和關注的主題，另一方面它在學怎麼操作 browser、處理登入、跑爬蟲。這些工具遲早都要用到，趁 onboarding 一次把工具鏈跑通。

—
第三步：把房間規矩定好。

OpenClaw 啟動時會自動把你 workspace 裡的核心 .md 檔全文注入到 System Prompt。AI 醒來的第一秒，腦子裡就裝了這些檔案的內容。

但 OpenClaw 官方對這些檔案的分類規範，是放在安裝目錄的 docs/ 資料夾裡，這部分不會被自動注入。

AI 拿到了檔案內容，卻沒拿到分類說明書。它在執行任務需要記錄新規則時，只能憑直覺判斷。

比如我的 SOUL 本來只該放人格跟語氣，結果 AI 把操作流程、工具規則全塞進去，我跑了三天才發現規則錯亂的問題。它不是判斷力差，是它以為自己已經讀完所有規則了，不知道分類手冊被漏掉了。

解法：把官方那份 File Map 對照表，直接貼在 AGENTS 的最頂端。AGENTS 是每次啟動都會被注入 System Prompt 的檔案，把規矩寫在這裡，等於把說明書黏在工作手冊第一頁。

日常使用一定會不斷新增規則。如果一開始就放錯地方，後面每個新 session 讀到的都是亂的，行為會越來越偏。建議每週讓 AI 開一個乾淨的 session 掃一次，對照規範檢查有沒有放錯。

—
做完這些之後差別有多大？

昨天我用 Whisper 轉錄了一場公司內部會議，逐字稿丟給 Agent 做摘要。它知道會議裡每個人是誰、負責什麼模組、公司的技術架構長怎樣、哪些討論跟正在開發的功能有關，精準度可達 90%。

這些 context 全部是 onboarding 時搬過來的，加上它自己爬我內容學到的。如果一條一條手動教，要調幾個禮拜。

雲端 AI 聊完就忘，下次開對話又要重頭來過。本地端 agent 的記憶是持久的，你灌進去的 context 會一直留著，每次啟動都在。

既然它最大的優勢是記得住，你就該在 context 上多花功夫。Onboarding 做得越紮實，它就越能用你的方式做事，而且這個效果會隨著時間累積，不會歸零。

[Naval @naval]

Apple: https://t.co/wwu3EpHexQ

Spotify: https://t.co/7BU818Rhoz

YouTube: https://t.co/EgC9Z2OFNU

Transcript: https://t.co/Ac58pwOjeJ

[白骏知识分享 @cj3214567667]

黄仁勋2011年在斯坦福的这场演讲，一小时内直击商业本质，比两年的MBA课程更能教会你商业知识。

[42_42 @42a_a42]

@iamai_eth 我也不理解manus

[42_42 @42a_a42]

@cyrilxuq 我觉得。。加里有点太激进。叙述也很夸张。

[42_42 @42a_a42]

@CindyCastaldo scam?

[Ray Dalio @RayDalio]

https://t.co/3axXP2mPHg

[Machinations @machinationsio]

It’s simple to explore. Just press play.
This isn’t theory or ideology. It’s mechanics.
👉https://t.co/OMjD8jz5nj

[42_42 @42a_a42]

@Mount1908 @FinanceYF5 try to use R1 vs V3

[42_42 @42a_a42]

@BowtieFarmer ԅ(✧_✧ԅ)

[AI Will @FinanceYF5]

编码游戏是学习编码的最佳方式。

从CSS、Python、JavaScript到区块链。

以下是 10 年学习编码的 2024 款最佳在线游戏：

[Rowan Cheung @rowancheung]

This new AI tool allows me to generate a functional website in 2 minutes from just a doodle.

I'm convinced the kids growing up today with AI will be 10x more efficient than we are now.

Tutorial on how to access it below.

[穆尼 @MooenyChu]

#Dalle3 衍生用法4【图像合成】
我们用AI绘画生成图片想要做到一致性需要用到图片的gen_id，gen_id也是图片的唯一标识符。有了这个ID就可以拿多张图片进行合成做出更酷炫或与之前相关联的图片。

图像合成需要用到的2个参数，分别是：“gen_id”和“referenced_image_ids”，它的用途是：如果你之前已经使用 DALL-E 生成过一个或多个图像，并且你希望新的图像在某种程度上参考或与之前的图像有关联，你可以将之前图像的唯一标识符作为 referenced_image_ids 的值提交。这样，新生成的图像会考虑到之前图像的特点或风格。

我测试了一个男生向女生求婚的图像合成，供大家参考

操作步骤：打开gpt-4的DLLE3窗口，输入第一条prompt：
请帮我一次生成2张图片并为生成的每张图片提供gen_id

第二条prompt：输入基本提示词
（一位名叫Andy的20岁中国女生照片，穿着粉红色毛衣，牛仔裤和高跟鞋，戴着时尚的耳饰，她的金黄色卷发盘成发髻，正面角度，动作：直视镜头，微笑或正式表情 21:9）

第三条prompt：用女生生成的gen_id重新创建一个男生
（用gen_id: GZs97CZDlrpXaUpe创建一个穿白色外套的中国男生）

第四条prompt：场景+动作提示词
1、男生牵着女生$referenced_image_ids:DVV8uZfB9dOXftgd，GZs97CZDlrpXaUpe
2、男生牵着女生，男生抱着鲜花$referenced_image_ids:DVV8uZfB9dOXftgd，GZs97CZDlrpXaUpe

后面的场景（剧情）可以自由发挥去生成，另外两张图片我放在评论区。比较好玩的地方是你可以通过AI绘画来讲故事了。

关注我，获取未来的更新、酷炫的 AI 发现，以及编写提示的最佳方法。 快来分享你最有创意的想法，一起看看 #dalle3 能创造出什么精彩作品！#AI

[Jiayuan (JY) Zhang @jiayuan_jy]

ChatGPT 背后的原理是什么？

Stephen Wolfram 花了大概 3 个多小时的时间解释了 ChatGPT 背后涉及的原理。

最近又重新借助 https://t.co/jgjk1NmDE1 把底层的基础概念学习了一下，左侧是视频，右边可以直接针对不熟悉的内容来进行查询。

Stephen 从最基础的模型概念一直到如何构造一个神经网络，深入浅出，对于没有深度学习背景的人也能够很好地理解。

https://t.co/0bTkR5Igcw

这是这篇视频基于的文章：
https://t.co/VMyguYbAdq

[Gong Z. @gong_cn]

这应该是体验 LCM 最简单的仓库了吧，macOS 系统都能一键跑起来。https://t.co/dQZZvljk13（怎么才22个星呢）

[Sahil Bloom @SahilBloom]

The most powerful paradoxes of life.

1. The Productivity Paradox: Work longer, get less done.

(a visual thread)

[Tim Ferriss @tferriss]

The key to having more time is doing less, and there are two paths to getting there, both of which should be used together:

(1) Define a to-do list and (2) define a not-to-do list.

In general terms, there are but two questions:

What 20% of sources are causing 80% of my problems and unhappiness?

What 20% of sources are resulting in 80% of my desired outcome and happiness?

[硅谷王川 Chuan @Svwang1]

获得新增长的一个要素和动力来自不断做减法，减掉耗费精力的人，事，物件，等等。

检验做减法是否足够的一个标准是，你是否曾经懊悔自己减得过多。如果没有这种懊悔，那肯定就是减得还不够。