JKSD-9526

6666

[憨厚的麦总 @Michael_Liu93]

富途和老虎被封了，国内这么多要冲美股的资金和用户会去哪里呢？

如果你看不懂现在的RWA，就像你三年前也看不懂AI🙂‍↔️

[诺鸭船长3 @noahduck283]

我也补几个，我现在只用 3 个网站
每天 5 分钟看完全网热点

1、NewsNow（多平台聚合）
一个页面看完知乎、微博、B站、虎扑、V2EX
不用来回切 App
https://t.co/MsQg0CQsHq

2、今日热榜（类目最全）
除了常规平台，还能看 GitHub Trending、Product Hunt、Hacker News
技术圈和产品圈的热点都在这
https://t.co/WaaCtZ3qcH

3、SoPilot（X 爆帖专用）
只看 X 上的爆款推文
抢前排评论、捕捉舆论动向都靠它
https://t.co/bw1dFF4y1V

这 3 个工具解决了我 80% 的信息焦虑
收藏这条，下次找热点直接打开

[一起发财 @yiqifacai]

小镇做题家从小的教育就是努力的确定性，标准答案体系里训练很强，比如多考20分，结果就会上一个更好的学校之类。 但是投资偏偏是一个频繁看盘、频繁换策略，越努力越失望的地方。
投资本质是面对不确定性做决策，并在“胜率”和“赔率”之间做权衡。
小镇做题家投资之后，固定型思维容易把失败理解为“我不行”，从而回避挑战；而成长型思维会把失败当作暴露盲点的反馈，继续迭代策略。 可以刻意练“复盘而非自责”

[JKSD-9526 @Alexexander_L]

@Goupenguin 鹅总牛逼，期待鹅总的文字版总结

[JKSD-9526 @Alexexander_L]

@Cryptoqqbus @Goupenguin 同问

[宝玉 @dotey]

Andrej Karpathy 是 OpenAI 联合创始人、前特斯拉 AI 总监，也是全球最有影响力的 AI 研究者之一。他刚刚发布了一篇 2025 年 LLM 年度回顾。

第一个大变化：训练方法的范式升级

2025 年之前，训练一个好用的大模型基本是三步走：预训练、监督微调、人类反馈强化学习。这个配方从 2020 年用到现在，稳定可靠。

2025 年多了关键的第四步：RLVR，全称是 Reinforcement Learning from Verifiable Rewards，翻译过来就是「可验证奖励的强化学习」。

什么意思？简单说，就是让模型在「有标准答案」的环境里反复练习。比如数学题，答案对就是对，错就是错，不需要人来打分。代码也一样，能跑通就是能跑通。

这和之前的训练有什么本质区别？之前的监督微调和人类反馈，本质上是「照葫芦画瓢」，人给什么样本，模型学什么样本。但 RLVR 不一样，它让模型自己摸索出解题策略。就像学游泳，之前是看教学视频模仿动作，现在是直接扔水里，只要你能游到对岸，怎么划水我不管。

结果呢？模型自己「悟」出了看起来像推理的东西。它学会了把大问题拆成小步骤，学会了走错路时回头重来。这些策略如果靠人类标注示范，根本标不出来，因为人自己也说不清「正确的思考过程」长什么样。

这个变化带来一个连锁反应：算力的分配方式变了。以前大部分算力砸在预训练阶段，现在越来越多算力用于 RL 阶段。模型的参数规模没怎么涨，但推理能力飙升。OpenAI 的 o1 是这条路的起点，o3 是真正让人「感觉到不一样」的拐点。

还有个新玩法：推理时也能花更多算力。让模型「想久一点」，生成更长的推理链条，效果就更好。这相当于多了一个调节能力的旋钮。

第二个大变化：我们终于搞懂了 AI 是什么「形状」的聪明

Karpathy 用了一个很妙的比喻：我们不是在「养动物」，而是在「召唤幽灵」。

人类的智能是进化出来的，优化目标是「在丛林里让部落活下去」。大模型的智能是训练出来的，优化目标是「模仿人类文本、在数学题里拿分、在评测榜单上刷分」。

优化目标完全不同，出来的东西当然也完全不同。

所以 AI 的智能是「参差不齐」的，英文叫 jagged intelligence。它可以在某些领域表现得像全知全能的学者，同时在另一些领域犯小学生都不会犯的错。上一秒帮你推导复杂公式，下一秒被一个简单的越狱提示骗走你的数据。

为什么会这样？因为哪个领域有「可验证的奖励」，模型在那个领域就会长出「尖刺」。数学有标准答案，代码能跑测试，所以这些领域进步飞快。但常识、社交、创意这些领域，什么是「对」很难定义，模型就没法高效学习。

这也让 Karpathy 对基准测试失去了信任。道理很简单：测试题本身就是「可验证环境」，模型完全可以针对测试环境做优化。刷榜变成了一门艺术。所有基准都刷满了，但离真正的通用智能还差得远，这是完全可能发生的事。

第三个大变化：LLM 应用层浮出水面

Cursor 今年火得一塌糊涂，但 Karpathy 认为它最大的意义不是产品本身，而是证明了「LLM 应用」这个新物种的存在。

大家开始讨论「X 领域的 Cursor」，这说明一种新的软件范式成立了。这类应用做什么？

第一，做上下文工程。把相关信息整理好，喂给模型。
第二，编排多个模型调用。后台可能串了一堆 API 调用，平衡效果和成本。
第三，提供专业场景的界面。让人类能在关键节点介入。
第四，给用户一个「自主程度滑杆」。你可以让它多干点，也可以让它少干点。

有个问题被讨论了一整年：这个应用层有多「厚」？模型厂商会不会把所有应用都吃掉？

Karpathy 的判断是：模型厂商培养的是「有通用能力的大学毕业生」，但 LLM 应用负责把这些毕业生组织起来、培训上岗，变成能在具体行业干活的专业团队。数据、传感器、执行器、反馈循环，这些都是应用层的活。

第四个大变化：AI 搬进了你的电脑

Claude Code 是今年最让 Karpathy 印象深刻的产品之一。它展示了「AI 智能体」应该长什么样：能调用工具、能做推理、能循环执行、能解决复杂问题。

但更关键的是，它跑在你的电脑上。用你的环境、你的数据、你的上下文。

Karpathy 认为 OpenAI 在这里判断失误了。他们把 Codex 和智能体的重心放在云端容器里，从 ChatGPT 去调度。这像是在瞄准「AGI 终局」，但我们还没到那一步。

现实是，AI 的能力还是参差不齐的，还需要人类在旁边看着、配合着干活。把智能体放在本地，和开发者并肩工作，才是当下更合理的选择。

Claude Code 用一个极简的命令行界面做到了这一点。AI 不再只是你访问的一个网站，而是「住在」你电脑里的一个小精灵。这是一种全新的人机交互范式。

第五个大变化：Vibe Coding 起飞了

2025 年，AI 的能力跨过了一个门槛：你可以纯用英语描述需求，让它帮你写程序，完全不用管代码长什么样。Karpathy 随手发了条推特，给这种编程方式起了个名字叫 vibe coding，结果这个词火遍全网。
这意味着什么？编程不再是专业程序员的专利，普通人也能做。这和过去所有技术的扩散模式都不一样。以前新技术总是先被大公司、政府、专业人士掌握，然后才慢慢下沉。但大模型反过来，普通人从中受益的比例远超专业人士。

不只是「让不会编程的人能编程」。对会编程的人来说，很多以前「不值得写」的小程序现在都值得写了。Karpathy 自己就用 vibe coding 做了一堆项目：用 Rust 写了个定制的分词器、做了好几个工具类 App、甚至写了一次性的程序只为找一个 bug。

代码突然变得廉价、即用即弃、像草稿纸一样随便写。这会彻底改变软件的形态和程序员的工作内容。

第六个大变化：大模型的「图形界面时代」要来了

Google 的 Gemini Nano Banana 是今年最被低估的产品之一。它能根据对话内容实时生成图片、信息图、动画，把回复「画」出来而不是「写」出来。

Karpathy 把这件事放到更大的历史脉络里看：大模型是下一个重大计算范式，就像 70 年代、80 年代的计算机一样。所以我们会看到类似的演进路径。

现在和大模型「聊天」，有点像 80 年代在终端敲命令。文字是机器喜欢的格式，但不是人喜欢的格式。人其实不爱读文字，读文字又慢又累。人喜欢看图、看视频、看空间布局。这就是传统计算机为什么要发明图形界面。

大模型也需要自己的「GUI」。它应该用我们喜欢的方式跟我们说话：图片、幻灯片、白板、动画、小应用。现在的 Emoji 和 Markdown 只是初级形态，帮文字「化个妆」。真正的 LLM GUI 会是什么样？Nano Banana 是一个早期暗示。

最有意思的是，这不只是图像生成的事。它需要把文本生成、图像生成、世界知识全部绞在一起，在模型权重里融为一体。

Karpathy 的总结是这样的：2025 年的大模型，比他预期的聪明，也比他预期的蠢。两者同时成立。

但有一点很确定：即使以现在的能力，我们连 10% 的潜力都没挖掘出来。还有太多想法可以试，整个领域感觉是敞开的。

他在 Dwarkesh 的播客里说过一句看似矛盾的话：
> 他相信进步会继续飞速推进，
> 同时也相信还有大量的工作要做。

两件事并不矛盾。2026 年系好安全带继续加速吧。

[LonelyInvestorX @webb_dever]

分享一个超实用的 AI Agent 实战教程仓库！🔥

实测是现在最好 AI Agent 教程

涵盖 17+ 种前沿 Agentic 架构，每个都配详细讲解 + 可直接运行的 Jupyter Notebook 代码

基于 LangChain & LangGraph 构建，结构清晰、易上手，从基础到高级逐步进阶

快速掌握 Reflection、ReAct、Multi-Agent、Tree of Thoughts 等热门架构，强烈推荐！

我把它翻译成了中文版本
GitHub: https://t.co/SgvknmQiuf

@nake13 @yangyi @frxiaobei

[zhenyang @nicing]

@bozhou_ai 传送门：https://t.co/xc8AP1fGKI

[Nova⚓️🏴 @final_object]

（上面提过的和烂大街的就不写了）
ShareX，写了17年的开源免费截图分享编辑录屏工具；
Listary，启动器+与Everything同原理的文件查找+文件选择窗口自动与另一个文件夹窗口同步位置；
Fences，Stardock出品的桌面自动整理器；
Start11，只在Win11上用，用来还原开始菜单的Win10样式+一些别的新功能比如调用everything；
EnPass，密码管理器，用自己的云平台存储；
Directory Opus，多功能现代文件管理器；
AutoHotKey，用来自己写快捷键脚本，也可以用来映射按键；
Sunshine的某个国人fork，串流工具，搭配iOS客户端上的VoidLink（moonlight fork）；
ludusavi，开源的游戏存档扫描备份工具；
Sysinternals Suite，被微软收购了的系统管理工具；
PowerToys，微软的power user工具套件；
Xshell+Xftp，SSH+SFTP工具，国际版个人用免费；
Magpie，开源的游戏画面放大工具，有些算法比较好；
GitKraken，可视化Git工具；
Typora，markdown读写；
Notepad++；
VMware Workstation 17.5.2，被博通收购以前的最后一个版本，老系统VMware Tools比较全，Unity也没被砍；
LockHunter，查询文件被谁锁定了；
Total Uninstall，主要用它的那个监视功能，观察系统文件变化；
WizTree，高速的磁盘空间管理软件，NTFS上扫描非常快；
Registry Workshop，顾名思义，比系统自带的好用；
UCheck+Patch My PC，效果比较好的更新检查器，免费可用；
Locale Emulator+LEShortcutCreator+Locale Remulator，转区运行某些游戏和软件；
yt-dlp，用于下载各种视频，远不止youtube能用；
Uniextract，开源工具，这个不是安装的软件，而是分析解压各种安装程序用的，加壳不严的话可以用它来解出绿色版；
K-Lite Codec Pack，解码器包，这个很显然不清真但是可以解决问题；
UWFUtility+一个自己写的脚本，开源，用于管理微软自带的UWF，高危或者不确定结果的操作前先开一波文件系统还原；
Diskgenius+图吧工具箱+Ventoy+微PE+Rufus，装机维护用

[泊舟 @bozhou_ai]

今天在公司给同事们做了一场简短的AI分享会，我说了一下我日常如何用AI的，同事们觉得都很有收获，在这里也分享给大家。

日常工具
聊天工具： ChatGPT，Gemini，Qwen
学习工具： NotebookLM
输出工具：YouMind
编程工具：后端Codex，前端Antigravity
图片工具：Nano Banana Pro，Lovart

如何使用AI
和AI聊天
在聊天之前我要先想清楚我要问的问题属于什么维度，这里参照四象限，看图片一。

根据维度来选择沟通的方式，比如我要AI帮我做个数据清洗，这属于共识区，我直接把数据给他，让他给我清洗一下，提取我要的结构就可以了。

这里有个小技巧，我们让AI回答的时候让他基于思维框架来回答会出奇的好，比如：
SMART，5W2H，黄金圈，第一性原理，金字塔原理，SWOT，奥卡姆剃刀，二八法则。

具体用法就太多了，我就不一一举例，大家可以给到AI让其分一些应用场景

写提示词

文本创作类
1. 先搜集相关资料，我会使用Deep Research，比如我要写一个儿童绘本提示词，我会让调研一下一个好的儿童绘本要有什么核心要素

2. 告诉AI我要写一个提示词，会提供什么，我需要得到什么，然后提供调研的资料，让其出一个结构化的元提示词
修改一下元提示词，然后去使用，把结果给到AI，说要改进的地方，不断迭代

图片类
找对标，然后发给AI，生成一个json的元提示词，限制800字，然后改里面的主体结构等等
基本能复刻90%

如果对于自己的目标比较模糊，我们要学会让AI对我们进行提问，就是让AI问我们问题，来理清目标再写提示词。

AI进行编程
遵循spec规范驱动开发的原则，先写PRD，然后技术文档，然后列计划然后开发，测试

1. 写PRD，我一般是通过和AI沟通，然后不断PUA ，就是说一下自己的需求，然后不看第一版，直接开始不断PUA，一般效果能好不少。图二

2. 使用aistudio的Build模式进行快速原型开发，只开发前端功能

3. 代码拉下来到Antigravity进行调优

4. 然后可以让写测试用例，使用 chrome-dev-tool MCP进行自动化测试

5.后端编写我会用提示词先总结一个文档文件夹，看图三，然后使用专有的规则，会先读取私域知识库，然后再进行开发。

这种代码采用率会很高，但是要求就是在架构层面需要提前设计好，反正宗旨就是上下文越清晰，越准确，AI生成的质量越好。

对于从0到1的项目，就直接按照Sepc规则，生成技术文档，然后一步一步执行

关于企业化落地方案

我了解到市面上就以下几类，比较火，大家可以从这里面找一些我们可以做的

问答类
主要是是企业内知识库问答和ToC的智能客服

审核类
合同审核，然后一些流程审核

写报告类
比如写PRD，研报，季度汇报，规划等等

问述类
TextToSQL这种，比如老板直接说一句要第一季度报表，会查询数据库这种

我觉得可以看一BISHENG这个产品，我觉得公司部署一个是非常好的

AI信息源

我的AI信息流主要来自于以下三个

1.Waytoagi飞书文档，Waytoagi应该是国内最大的一个AI社群了，知识库非常的全面

2. aibase 这个会有很多AI导航和新闻一体化的，中文友好

3.自己搭建了符合我个人需求的一个获取外网的AI最新信息的网站

三个链接都放在评论区了

[挖矿小企鹅｜进群私信 @Goupenguin]

小资金想要暴富，需要你有过人的学习能力，智商，自制力，专注力，信息渠道。换句话说，如果你有这些迟早会成功的。如果你都没有，你有过人的运气也行。

[熊布朗 @Stephen4171127]

用 skills 做了一个 skills 的学习分享站，可能这就是所谓的“干中学”，也确实学到了很多，过程中实践出了几个重磅 skills，整个站在 fumadocs 基础上，多个skills 自己读取外部 URL 完成下载、撰写、翻译、制作封面图片等功能。
——
内容和代码包括我完成的 skills，以及准备skills 的过程和想法完全开源。欢迎查看、批评、讨论。
——
Skills 不是代码，它更是一种提高日常工作、处理事务的效率工具。我会持续发现、分享、制作 Skills，也希望各位给我留言，提供一些好的关于 skills 的内容和线索。
——
持续分享！
https://t.co/KJOVe62JSP

[Crypto北斗 · ᵃˡᵖʰᵃ @btc2ai]

#Memecoin🧲 | $GOR 为什么说可能会跟随 $BONK 等优质IP的步伐，观点：

• Meme赛道新叙事：Meme分叉链
• $GOR 具备模因与应用双优秀属性潜质
𝕏 @lex_node

📑CA
71Jvq4Epe2FCJ7JFSF7jLXdNk1Wy4Bhqd9iL6bEFELvg

🗞️叙事：

$GOR IP角色来到《芝麻街》Oscar the Grouch（垃圾桶奥斯卡）由 Solana 联合创始人（@toly Toly）和推动者 @lex_node 的高频互动推动。嘲讽各公链是垃圾分叉叙事，将SOL分叉成 $SOL $GOR. 提议以 $GOR 为原生代币，打造一个以 Gorbagana为 logo 的 Solana 分叉链，围绕“垃圾”meme文化，讽刺现有区块链的“正统”叙事。

$GOR 《芝麻街》耳熟能详的IP以及分叉技术。$GOR 具备模因与应用双优秀属性潜质。是Meme赛道新叙事：公链与meme结合的分叉叙事。

[宝玉 @dotey]

教你如何在 Codex CLI 里面用 SKILLs

1. 在你的项目目录下创建一个 “.claude/skills”目录，如果你不想提交到 git 就把 .claude 加到 .gitignore

注：也可以是任意其他目录，放在“.claude/skills”目录下有个好处就是 claude code 默认能使用，不需要额外配置。

2. 把你要用到 skill 复制到“.claude/skills”目录下（可以去 https://t.co/ZGUX9aVy6q 这里找现成的）

3. 如果你需要用到哪个 skill，只需要手动 @ 一下相应的 skill 文件即可，比如：
> 请使用 @.claude/skills/artifacts-builder/SKILL.md ，创建一个 whiteboard 项目

也就是说只要你让 agent 去读取相应的 SKILL md 文件，就可以让 Agent 学会使用 SKILL。

这个方法不仅仅适用于 codex cli，也同样适用于 TRAE、Cursor、GitHub Copilot 这类 coding agent。

只能说 SKILL 的设计是想当超前的，而且跟 MCP 一样，并非 Claude Code 专属。

[一泽Eze @eze_is_1]

Claude Skills 的潜力被大大低估了。
其实只靠一个 claude skill，就能取得非常好的 AI Partner 对话效果（可以看图对比）
——甚至说一个 Skill 就可以是一个 AI 产品

受益于 Claude Code 的 Agent 框架基础，以及 Kimi K2 thinking 的多轮工具调用能力，Agent 的记忆上限被大幅提升

我做了一个 AI Partner Skill 能够自主多步检索相关记忆 → 重建记忆逻辑 → 自主更新人格与用户画像，指导推理风格

最终给到极度拟人效果与深刻洞察～

这个「AI Partner Chat」Skill 也已经在 Github 上开源了，教程见公众号

[Cell 细胞 @cellinlab]

把 TED 系列，变成你的“英语私教” 🦜

深入使用了下 https://t.co/mW2CQxPVgh，做了一个 TED 英语学习 SOP：
1）添加 Url 到素材库
2）一键生成 生词表、例句、扩展情景、模拟对话、听力填空、跟读脚本等，还能按水平（无经验/CET4/CET6/雅思/托福）与词汇量自动降级或进阶
3）实时边学边聊
4）聊完进行综合测试归档生词表

目标：用最少时间，做最有产出的学习。

👉 原始提示词我放在评论置顶

[木子不写代码 @ai_muzi]

海外8年，分享我的英语/法语学习诀窍：

1. 吃透一篇演讲胜过百篇课文。

当年为了用英语讲PPT，找到奥巴马就职演讲，

听一句重复一句，

勉强记住 → 模仿语调 → 滚瓜烂熟，

最后的效果好过学习100篇课文。

2. 打造语言环境。

人不在海外，喜欢的电影/剧，不要只是看，

把自己带进去，同样的语气多次重复角色台词。

人在海外，越不表达，就越不能展现个人魅力，就越不想表达。

越表达，越能展示真实的我，越能发现与外国朋友的共同点，

形成正反馈，就越想表达，正向循环。

有朋友和我的方法一样吗？

[少个分号 @shaogefenhao]

@PandaTalk8 所以我把我整个计算机-工程领域的东西整理了一套框架。

从逻辑学-计算机模型-对象模型，甚至软件工程中的政治和团队管理。

https://t.co/OobP9QrmY3

[Haotian | CryptoInsight @tmel0211]

下一波AI Agent热潮会以怎样的姿势出现？ 简单谈谈看法：

1）名人币和各种MEME币的持续作妖带不来一场大的财富盛宴，只会榨干市场仅存的流动性，透支牛市的进程和预期。因为，大家预期总统币为“确定性机会”，看中的是其总统声誉和现实世界影响力背书效应，但逻辑显然不成立，川普打样了。

这类币逃不开零和博弈，结果只会让一小部分分人赚钱，大部分散户更大概率亏钱离场，会加剧市场的一二级结构性崩坏，从过去以VC驱动Builder为主体的平衡态变成纯pump发币造泡沫模式，一地鸡毛之后需要长时间的灾后重建。

2）AI Agent第一波是以 $GOAT 和 $ACT 为代表的 AI MEME热潮；第二波则是以 #ai16z、#Virtual 两家马车为代表的AI Infra演进叙事，出现了单体AI应用、框架标准、链化、DeFai等一系列价值细分赛道；第三波我倾向于在AI infra某个细分赛道抢先破局，且会走VC+社区双驱动的高门槛价值创造路径。

因为，虽然 ai16z 以开源社区创新为文化中轴带来了一波市场热度，但事实证明，这波AI Agent热潮并没有褪去MEME化的本质，大量web2的野生Dev和web3的骨灰级投机项目占了主场，使得市场短期涌现了大量披着“价值外衣”的AI MEME项目。所以，当 $TRUMP 这种更简单更有传播力的总统币MEME出现了，AI Infra市场很快就被打回了原型；

3）为什么会是VC+社区双驱动，纯VC币驱动会是失去社区化MEME发行的早期优势，显然不行，而纯MEME币驱动又会被背后的阴谋集团快速速通成为一波流的烂摊子，情况会更糟糕。

唯有VC早期切入给项目方提供基本的Build创新预期，降低Dev在MEME化发行阶段的融资需求，同时又增加背后阴谋集团速通的门槛，最终才能走出健康的链上资产发行和项目赋能平衡模式。

具体这样的平衡点如何把握，类似的项目会以怎样的形式冒出头，目前还很难给出答案。但大概率，DeFi+ AI （DeFai）会是一个潜在破局细分赛道。

因为AI Agent自主托管掌控资产可解决传统DeFi的人为Rug困局，同时AI Agent自主交易决策会集中显现AI Agent的应用能力，最关键是，AI Agent只是承接了DeFi的新前端，后端DeFi基础设施和链抽象等基础设施已经足够完善，可以快速检验AI Agent结合Crypto的场景落地价值。

最后，虽然AI Agent赛道短暂陷入了低迷，但一番彻底的洗牌之后，会涅槃重生一些有优秀Dev，有成熟产品PMF发展路径，有合理社区资产激励分配方案的项目。

当然，这都是基于内在价值的可持续性构想出来的赛道发展趋向，因为只有这样，在市场技术创新演进过程中，才有预期中的大牛市，多数人才能抓到属于各自的机会。

一旦市场脱离了价值创造的内核，“牛市”概念恐怕都不复存在了，因为，纯Gambling炒作的短期繁荣根本无关乎牛熊。

Note：知道很多人还是想让推荐Ticker，在趋势明朗之前，没办法在推特公开推荐，望理解。建议可在首页订阅我Substack专栏关注更多内容，谢谢大家。