Viz

[小互 @xiaohu]

Cloudflare 发布 Drop

把文件夹扔进去，就能立刻让你的网页在全球上线

而且免费不用注册

Drop在不要求先有 Cloudflare 账号 的前提下，可以将任意把静态站部署到 Cloudflare；得到一个临时上线的预览，约 1 小时内可测试、分享

认领后长期保留...

支持静态资源：HTML、CSS、JavaScript、图片、字体

URL 形态为 *.workers.dev

很合适:

演示 HTML/CSS 成品、客户预览、黑客松、课堂作业、AI 刚吐出的静态页要立刻给人点开、先感受 Cloudflare 边缘再决定是否开户。

[王多鱼AI @wdy188]

感谢大家，紫微斗数开源项目即将突破3000stars

51w样本数据开源只是起点，后续我们会打磨出312w样本，以及800w+的样本，同时将在后续陆续开源，敬请期待。

[Leo｜一个人 + AI @runes_leo]

https://t.co/AvwXnhzALZ

[Baye @waylybaye]

刚发现 OpenAI 把我每天使用的跑 macOS CI 的 tart 给收购了，我买了一些 Mac mini 自建 CI，全都跑在 tart 上 https://t.co/P0k1GkE2It

[Fang @FLMdongtianfudi]

我最近翻到一个硬核到变态的开源 AI 课程，看完真的觉得以前学的东西全白搭了，后背直冒冷汗。

现在咱们这帮搞 AI 自动化、玩 Agent 的人有个极其尴尬的现状：84% 的人都在用 AI 工具，但只有不到 18% 的人真觉得自己具备专业使用的能力。以前大家学 AI，全是在网上“捡垃圾”：这里看个五分钟的爆款视频，那里抄一段微调代码，拼凑出一个聊天机器人。结果呢？你连它的损失曲线都解释不清；你给智能体挂了个函数，却根本不知道模型内部的注意力机制（Attention）是怎么调用的。这种玩法，遇到真正复杂的业务绝对抓瞎。

这个《Agent Memory》的原作者直接掀桌子了，开源了一套堪称 AI 界“九阴真经”的终极教程。整整 20 个阶段，503 节课，320 个小时的魔鬼训练！从最底层的线性代数开始，带你一路手搓反向传播、分词器，直到干出自主智能体集群（Swarm）。涵盖 Python、TypeScript、Rust 和 Julia 四大语言。

最狠的是，它没有无脑的复制粘贴，每节课都逼着你走完一个完整的闭环，并且必须产出一个可复用的资产：一个 Prompt、一项 Agent 技能，甚至是一个 MCP 服务器。

结合第一性原理，给想真正在 AI 时代搞钱吃肉的兄弟们总结 3 条避坑铁律：

● 别再到处捡碎片化的快餐教程了，一定要顺着主轴建立系统认知。 那些五分钟包教包会的视频除了给你制造虚假的正反馈，没有任何卵用。真正的护城河，是从头到尾跟着这 503 节课，把散落的知识点打磨成你自己的体系。
● 别甘心只做一个无脑调 API 的“工具人”，一定要看透 AI 的底层逻辑。 如果你连算法底座都不懂，你怎么去优化你的 Claude Code 自动化工作流？只有从数学公式开始懂了底层运作，等用到 PyTorch 这种框架时，你才是真正驾驭它，而不是被它牵着鼻子走。
● 别光看不练，一定要把每次学习都沉淀为“数字资产”。 这套课程最牛逼的地方在于：读题、推导、写代码、测试，最后保留成果。你每学完一课，手里就多了一个能直接塞进你系统的 MCP 插件或者自动化技能。你的每一次时间投入，都在变成能直接提效的真实资产。

说白了，外面大多数人都在教你怎么“用” AI，而这个项目是在逼着你亲手“造”一个 AI。这就是普通玩家和顶级操盘手的分水岭。

这个纯免费、全开源的神级项目地址我已经扒下来了。兄弟们，赶紧把它存进你们的 Obsidian 知识库里啃起来，别又躺在收藏夹里囤灰！

自取：https://t.co/N5EDQtCRNF

[KK.aWSB @KKaWSB]

顶级量化公司Jane Street每年支付75万美元聘请能够解答如何在量化交易中使用随机过程和马尔可夫链的量化分析师。

麻省理工学院这节1小时的概率论讲座，能让你获得与那些月薪6万美元的量化分析师相同的洞见。

立即收藏并观看。然后阅读下面的文章。

[Michael Guo @Michaelzsguo]

Figma CEO Dylan Field 最近在采访中说了一句大实话：

AI 让每个人都觉得自己可以单干了。

“工程师说：我不确定还需要 PM 和设计师。
PM 说：我不需要工程师和设计师。
设计师说：也许我也不需要 PM 和工程师。”

但问题是，团队和分工真的不重要了吗？

[Serena @369Serena]

https://t.co/cu98aKewnY

[Rachel🥥 @Zesee]

https://t.co/pz2DD9lXxA

[Kimberly @king1818888]

https://t.co/eCjHZdZm5Z

[Yohei Onishi 🇸🇬 @legoboku]

原著がオライリーで読めるので読んでみよう

[导演BK｜游戏行业幕后 @bkingfilm]

失业游戏人，全片最沉重的一刻，是个快 40 岁的人

他妈高血压昏迷送医，救护车上他绷不住了: 「我这么大一个人，还没一份稳定工作，不能让我妈放心。」

「我一直觉得自己不太会哭。突然就绷不住了。」

#gamdev #indiegame

[Yanhua @yanhua1010]

https://t.co/3MsbHw7TSl

[Jimmy Su @jimmy_su]

突然覺得這時代應該不用再付錢給 Inoreader 了，請 AI 幫忙在家裡搭了 Miniflux。但現成的 RSS 翻譯專案試過後都很鳥，一不做二不休用 Shinkansen 移植重刻一個

和 Shinkansen 一樣，有完整的 web inerface 和用量追蹤，RSS 愛好者歡迎試試看 https://t.co/9Kt3oatIlc

[Jackywine @Jackywine]

我把我常用的知识库中的7000 条个人笔记全部删除
保留了我的常用主题、CSS、插件、Agent 运行环境、Skills
只为了让刚开始接触 obsidian 的小伙伴更快上手
大小不超过 20Mb，下载后就可以直接用 obsidian 打开：

飞书链接：https://t.co/PDBrc5PZan 密码：Jackywine666

[ruanyf @ruanyf]

这个周末，最意外的事情，莫过于发现小红书在做 REDSkill 社区。

在我印象中，小红书属于生活方式时尚社区，而这个 REDSkill 更像是程序员功能。

你能相信吗，现在发小红书笔记，居然可以上传 Skill 文件（图一）。

它属于小红书的 AI 助手服务。你可以上传 skill 到小红书，别人的 skill 也可以一键复制分享给你，用在你的 AI Agent。

任意 Skill 都可以上传，你的笔记结尾因此就会多一个“Red Skill”按钮，比如减少 Token 消耗的 Skill（图二）。https://t.co/JUFcjsdkw7

用户点击这个按钮，查看 Skill 详情，然后复制下载地址（图三），粘贴到自己的 Agent 里面安装。

这就是说，如果你要发布 Skill，可以用小红书托管和传播。

它把社媒平台和 Skill hub 做在一起了，全世界应该都没有先例吧。我看评论说，它想做 Skill 的 GitHub。

小红书的目的，可能是增加平台的技术内容，为社区下一步的 AI 转型打基础。

但对程序员来说，这就是一个扩展用户的好机会。你把自己软件服务包装成 Skill，就能接触到海量的小红书用户，这是其他平台接触不到的。#rednote #skill #redskill

[墓碑科技 @mubeitech]

一个拿过两次全球第一的机器学习大神，看了一眼大学里教 AI 的方式，觉得这帮教授全搞反了。

大学教 AI，喜欢先筑基：
微积分、线性代数、概率论，一啃就是一两年。
等学生终于见到真正的神经网络时，脑子早就被公式格式化了。
至于怎么把模型部署到服务器上？
对不起，那是工程问题，学校不教。

这位大神觉得，这就像学棒球先学三年流体力学，纯属折腾人。
学 AI，应该像学写代码或者学骑车：
先跨上去，把车骑走，摔倒了，再来琢磨重心在哪。

于是，他做了一门完全免费的课程：https://t.co/TkGmf193P4（《Practical Deep Learning for Coders》）。
没有任何学院派的花架子。
它不设繁琐的高数门槛，只要你有一点最基础的编程经验，就能开始。

它的授课逻辑是“自顶向下”。
第一节课，不推公式，直接教你用 PyTorch、fastai 和 Hugging Face 跑通一个图像分类模型，并且部署上线。
先让你看到：这东西不仅能用，而且我也能做出来。

有了这个正向反馈，再往深了刨：
神经网络底层是怎么进行矩阵乘法的？
Stable Diffusion 到底是怎么一步步降噪生成图片的？
反向传播（Backpropagation）又是怎么更新权重的？

看一眼他们的教学大纲就知道有多务实：
第一部分，全是实战，连“数据伦理”和“模型部署”这种学校里极少提、但工作里天天踩坑的细节都包进去了。
第二部分，才是带你硬核手撕底层，从零手写 Stable Diffusion。

在这个人人都想靠卖 AI 课割韭菜的时代，https://t.co/TkGmf193P4 始终免费，没有广告。
这不只是一门课，这是一场对学术精英主义的“物理超度”。
它向所有人证明了：在 AI 时代，动手构建并交付产品的能力，永远比那一纸名校的学术头衔更管用。

[Viz @AnalystViz]

@cat88tw 自我反思後的觀點 才是這個時代最珍貴的

[[email protected] @Jiaxi_Cui]

Cerul 解决的是一个很具体的问题：你明明记得视频里有某个画面/观点/片段，但就是想不起标题、时间点、字幕关键词。

Cerul 可以直接按语义搜视频：搜你记得的意思，而不是搜精确关键词。

https://t.co/DD1epu45iy

[kabikabi @jakevin7]

做一个预言：AI 时代的下一阶段，会变成 “Infra is all you need”。

现在 AI 生成代码的能力已经很强，但是在可用性和稳定性目前还远远不够。

最近 OpenAI 订阅系统出现了超大bug，会员系统完全炸了。
系统一旦进入真实生产环境，问题就不再是模型能力，而是工程基础设施能力。
未来真正重要的会是这些“AI infra”能力：
●可复现系统（reproducibility）
●完整 trace 系统（全链路可观测）
●checkpoint / rollback 机制（可恢复状态）
●压测与混沌测试环境（production-grade robustness）
●以及 agent 运行时的安全隔离与控制

AI 现在已经把“生成”做的很好了，未来会打磨 infra “让AI可控地运行”。下一阶段的竞争会是比谁的系统能稳定承载 AI 行为。