Deelion

深圳大学博士在读

[Deelion @DaPengBuHuiFei]

@wutilliu @openmys 感谢

[Fang @FLMdongtianfudi]

easy-weixin-clawbot

一个多账号微信 ClawBot 连接器，通过 Web 后台管理多个微信号的 ClawBot 接入，支持扫码登录、对话持久化、LLM 智能回复、插件化工具/技能扩展。

提供账号、记忆图谱、工具列表、技能列表、运行监控、定时任务、Webhook、MCP 等功能的可视化入口，覆盖 AI Agent 的全生命周期管理。

https://t.co/LA9ZnP62SA

[Asa @app_sail]

关于 Claude 对中国用户大面积封号，我的看法是：

长期来说，任何伪装、任何和 Anthropic 斗智斗勇的策略，都很难持续。

Anthropic 拥有世界顶级的 AI，伪装出来的环境，总有一天会露出破绽，或许已经有破绽了。

与其想办法「伪装成美国用户」，不如让环境本身就是美国：

一台真正位于美国的机器、美国出口 IP、美国时区，从注册到日常使用，全程都在这台机器上完成，不混用中国网络，也不来回切换代理。

少一点伪装，多一点一致性，这才是更长期的方案

[Deelion @DaPengBuHuiFei]

@xiax0603 @grok 对应的政策链接发出来核实一下

[逸尘 @gengdaJ]

https://t.co/xlWrXLAQhg

[劳伦斯 @LawrenceW_Zen]

🌿 我之前的 Claude 号全都封了。今晚折腾了一晚上，注册了一个新的 Claude 号。这次我不再像之前一样那么随便，这次每一步都跟 Agent 核对过审核过，确保万无一失。

下面跟大家分享我的整个过程：

排查电脑网络环境，然后我给指纹浏览器配了一套「真实指纹」，目标是让它看起来和我这台 Mac 上的普通 Chrome 一样，BrowserScan 最后测到 100%。

指纹浏览器负责模拟真实、干净、且稳定的环境。

整个过程分两段：

一、先查网络。用梯子的人最容易栽在这里，指纹配得再真，网络一漏就白搭。
二、再配指纹。边设边问 Agent，配完打印指纹，和本机逐项比对

先说网络环境。

最常见的是三种泄露：IPv6 泄露、DNS 泄露、WebRTC 泄露。这三项都能在 https://t.co/lMST70gp1C 免费测，配指纹之前，以及之后都测试一遍。

以前，我用自认为自建 + TUN 模式，以为流量全接管了，结果一测：

IPv6：显示电信的地址，TUN 模式开了个寂寞
DNS：服务器里啥国家的都有
WebRTC：没漏勉强还行

找个 Agent 直接按照上我说的，一次排查修复。

最后是，指纹浏览器配置。

指纹浏览器太多，但是设置都大差不差。

这段照着做，就三步，全程让 Agent 陪着：

边设边问：设置页截一屏，就丢给 Agent 问「这几项选什么才像真机」。它会直接读你电脑的 CPU、内存、分辨率、时区来对照，不用自己查

打印指纹：配完启动环境，按 Cmd+Option+J，粘一段采集脚本，把浏览器指纹全部打出来

最后最后，和本机比对：同一段脚本在平时用的 Chrome 里再跑一遍，两份结果交给 Agent 逐项对。哪项被改过、哪项对不上，一眼就能看出来。

最后确保都没问题之后，打开 Claude 官方网站注册即可。温馨提示：先 Free 用几天，然后开个Pro用几天，最后再上 5x 甚至是 20x 的套餐。

支付方式也是一个大问题，风控占比最大之一，等之后我真实开通的时候再聊。

[套利豪仔🗽 @pritipatelor]

整个 RAG 行业要被掀翻了

研究人员搞出了一种全新的 RAG 方案，几乎绕开了传统 RAG 依赖的所有东西：

不用向量数据库
不用数据嵌入
不用切块
不用相似度搜索

它叫 PageIndex

它不再把文档切成碎片丢进 Pinecone，而是建一棵树状索引，让大模型像人看书一样在里面推理查找

FinanceBench 准确率 98.7%，超过排行榜上所有向量 RAG

完全免费，开源

[南鸢 nuyoah @nanyuan0412]

浅浅的分析了一下这个视频的技术栈：

TypeScript + three.js + bun/Vite 三个东西来做画面；

Python（Demucs / Whisper / CTC）做分轨和对齐；

ffmpeg + headless Chrome 做最后的视频离线导出。

我只能说，这样的视频，你让我去剪，我TM 一点都剪不出来。真的感受到了世界爆炸💥 老年人的无力感。未来是什么样子的？完全无法想象了

[TechVerser @realfxw]

🔥 移动端开发的最后一块拼图终于被补齐了：让 AI 直接操控并测试真实手机！

过去用 AI 辅助开发 App，最大的痛点在于验证断层——模型可以飞快地写完 Flutter/Swift/Kotlin 代码，但一旦进入运行调试阶段，开发者依然得手动安装、点屏幕、查断点，或者编写极其脆弱的传统自动化脚本。

今天社区热议的开源项目 mobile-mcp 带来了非常优雅的解法：把 Model Context Protocol（MCP）作为标准接口引入移动设备自动化。

📱 核心特性：

跨平台双生态：原生支持 iOS 与 Android 模拟器，甚至兼容真实物理设备（提供免费套餐）。

主流模型开箱即用：无缝对接 Claude Code、Codex、Gemini 等前沿 AI Agent。

开源透明：完全开源，开发者可自行定制工具链扩展。

💡 为什么这个模式极具杀伤力？

闭合开发全流程：AI Agent 终于从单纯的“代码生成器”进化为“端到端测试工程师”。它能直接启动应用、模拟用户手势交互，并实时校验 UI 逻辑与状态。

降低自动化门槛：告别繁重的云端设备池配置，本地即可快速拉起针对模拟器和真机的自动化 QA。

结构化指令 > 暴力视觉：相较于频繁发送全分辨率截图消耗海量 Token，通过 MCP 暴露底层无障碍树（UIAutomator / XCUITest）能大幅降低推理成本，同时消除渲染超时带来的假阳性报错。

当 AI 不仅能看懂代码，还能替你触摸真实屏幕，移动端研发与质量保障的范式正在发生质的转变。

🔗 项目开源地址：https://t.co/tPQOz3bITe

#移动开发 #AI工具 #MCP #iOS开发 #Android开发 #开源项目

[Milan Janosov @milan_janosov]

𝐔𝐫𝐛𝐚𝐧 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬 𝐰𝐢𝐭𝐡 𝐏𝐲𝐭𝐡𝐨𝐧 — 𝐒𝐩𝐚𝐭𝐢𝐚𝐥 𝐃𝐚𝐭𝐚, 𝐎𝐩𝐞𝐧𝐒𝐭𝐫𝐞𝐞𝐭𝐌𝐚𝐩, 𝐚𝐧𝐝 𝐭𝐡𝐞 𝐁𝐚𝐬𝐢𝐜𝐬 𝐨𝐟 𝐔𝐫𝐛𝐚𝐧 𝐀𝐧𝐚𝐥𝐲𝐭𝐢𝐜𝐬

Get started with urban analytics in Python following my new course:

1 · Setting Up — The study-area pattern the whole course runs on: one place name resolves to an administrative boundary, and everything clips to it. Change one string, and the analysis re-runs on a new city.

2 · Acquiring Urban Data from OSM — Boundaries, cafes, parks and footprints, pulled from OpenStreetMap by tag. Pull a generous bounding box, then crop it to the exact shape with a spatial join.

3 · Buildings — Every footprint via one query, the messy tag table screened down to what's actually populated, mapped by function, and measured in real square metres. (And why a footprint isn't floor space.)

4 · Road Networks — The city as a graph of intersections and segments. Drive vs. walk networks, structural hubs, segment-length texture, and road-class hierarchy.

5 · Basemaps, Projections & the Urban Profile — Real basemaps, the declare-vs-reproject CRS distinction every measurement depends on, and every layer composed into one urban profile — then swapped Vienna → Budapest unchanged.

6 · The Livability Index — All 23 Vienna districts. Ten OSM KPIs across five dimensions, normalised and weighted into a single rankable, mappable score — with every assumption on the table.

𝐒𝐚𝐦𝐩𝐥𝐞 :https://t.co/YJmMH4uOBC

▶ 𝐄𝐧𝐫𝐨𝐥𝐥 𝐧𝐨𝐰 https://t.co/qKM1WD1fnm

🗺 𝐓𝐡𝐞 𝐍𝐞𝐰 𝐒𝐜𝐢𝐞𝐧𝐜𝐞 𝐨𝐟 𝐌𝐚𝐩𝐬: https://t.co/dhdrB98c5J

[lumxss @bkdgiffug]

想在电脑上直接操作安卓手机？QtScrcpy 就挺方便。

它可以把手机画面实时投到电脑，再用鼠标键盘直接控制：

① USB 或 Wi-Fi 都能连接
② 支持录屏、文件传输、安装 APK
③ 延迟较低，日常操作比较流畅
④ 一台电脑还能同时连接多部手机

开源免费，Windows、macOS、Linux 都支持。
🔗 https://t.co/fv6n6Tnnlx

[Deelion @DaPengBuHuiFei]

@li9292 我领了，也绑了 github，使用正常

[Deelion @DaPengBuHuiFei]

@NFT_Chen 我领了，连接了 github，没有问题

[实践哥 Li @MinLiBuilds]

卧槽，国产开源这次真把实时同传做出来了。😲
看了雨哥这条，我深度评测了网易有道的这两个模型。R2T2实时听写模型，T3PO 实时翻译。

🎉牛逼的是，两个模型一上来就把 Hugging Face 各自的 Trending 分区第一拿了：
R2T2：ASR #1
T3PO：Translation #1

🔥更骚的是，这两个都能 Streaming，而且还能直接串起来。
怎么记住这两个模型，一个是R开头，Realtime，一个是T开头，Translation。后面阅读就会顺一些。

对面的话还没说完，中文字幕已经出来了。所以我直接搞了个很抽象的 Demo：

😍如果邻居娶一个乌克兰老婆，用英语连续跟他吵 30 秒。
中间老公回嘴、老婆切俄语、再切乌克兰语，我作为隔壁老王插话。
乌克兰语，它是没训练过的，我来盘盘它 😂

ASR+Translation, 除了视频字幕，以后直接挂在电脑上，挂录音豆里，挂手机上，挂AI眼镜上：
看剧、Zoom、Meet、Teams、Discord、跨国电话……
对面老外说话，你屏幕下面直接出中文。
出国泡吧搭讪也更方便。
下面视频就是完整实测。

R2T2｜实时 ASR https://t.co/OU833Calzj
T3PO｜实时翻译 https://t.co/W8VQX711nx

[shi-works @shi__works]

PLATEAU建築物はLOD2の割合が高くなっている気がする( ..)φメモメモ

[Deelion @DaPengBuHuiFei]

@fatlein @NFT_Chen 使用桌面端和cli测试结果是不一样的；cli端测试的都是不知道，客户端测试的都知道，我怀疑这个测试方法不准

[梭哈.AI @SUOHA_AI]

手把手教你光速用上 Jev

1、申请 Waitlist：
• 官网直达：https://t.co/mJAR87S6CC （@typesafeai）
• 提交后务必顺手把附加问卷（Answer a few questions）填了，内容极其简单，直接让 AI 帮你生成一段“AI 开发者”的背景介绍填进去，我昨天填完问卷几个小时内就通过了审核

2、一键配置SKILL：
• 审核通过进入官网，找到 Quickstart 模块；
• 直接把里面的命令复制给你的 AI Agent（Claude Code、Codex、Cursor、Grok 都行），让 AI 自动化帮你装好Skill

3、获取 API Key

• 在官网后台新建一个 API Key，喂给你的 Agent 即可；

4、直接开跑 & 实测体验：
• 在对话的Prompt 里说：use the TypeSafe skill 就可以用了

• 实测下来，Jev 的响应速度快到让人震惊，快去试试

[TechVerser @realfxw]

想自己从零动手搓一架真正能飞的微型无人机？推荐一个把极客精神贯彻到极致的开源硬核项目——Flix。

它完全基于廉价、通用的硬件打造，主打教学与飞控研究，把原本复杂的飞控系统精简到了极致：

代码极简透彻：核心固件完全用 Arduino C++ 编写，代码量不足 2000 行。没有庞大晦涩的黑盒封装，是学习姿态解算、PID 控制理论以及嵌入式飞控架构的绝佳范本。

门槛极低的通用硬件：主控采用常见的 ESP32 Mini（兼容 ESP32-S3 / C3），搭配常见的 8520 空心杯电机、MOSFET 驱动电路以及 GY-91 / MPU-6050 等传感器，机架完全支持 3D 打印，自己采购元器件就能轻松组装。

现代化的通信与操控：原生支持 MAVLink 协议，可通过 Wi-Fi 或 ESP-NOW 无线通信；不仅能用普通双摇杆手柄和手机遥控，也兼容常规航模遥控器。

完整的开发与仿真生态：内置无线 CLI 工具与飞行日志分析功能；支持直接在 Gazebo 仿真环境中运行原版 Arduino 代码进行物理仿真，并提供 Python SDK 用于自动化脚本飞行。

无论是嵌入式开发者进阶、高校机器人课程实践，还是单纯想圆一个“手搓无人机”的极客梦，Flix 都非常值得 Star 收藏与复刻。

项目链接：https://t.co/0SwTfqdzCJ

#开源项目 #ESP32 #嵌入式开发 #无人机 #DIY #机器人