Potato

hi, 🚶‍♂️

[Potato @FDoctor00]

@arkuy99 java代码真的不想看 浪费token

[Potato @FDoctor00]

@m0d8ye cli是自由的

[KrunalSinh Sisodia @krunalbuilds]

Senior Backend Interview Question:

Two engineers built pagination for 100 million users.

Engineer A 👇

GET /posts?page=4&limit=10

Engineer B 👇

GET /posts?cursor=eyJpZCI6NDB9&limit=10

Both work perfectly at 1,000 users.

At 100 million users, one of them makes your database cry.

Which one would you approve — and why?

[Pietro Schirano @skirano]

Excited to share that MagicPath is now available as an official plugin for Codex, in collaboration with OpenAI!

It's incredibly easy to give Codex an infinite multiplayer canvas where it can design, build, and iterate with you.

[恒星 @vintcessun]

AI agent 要跑沙箱隔离，但冷启动微VM太慢了。这个项目干脆把预热好的父 VM snapshot 当进程 fork：子 VM 共享内存直到写时才复制，100 个 KVM 隔离的沙箱 100ms 就能全出来。相当于把 fork 的开销套在 VM 身上，还保留了硬件隔离，思路挺离谱的。

https://t.co/D9yIIHTLgJ

[Viking @vikingmute]

说的很好，现在让 AI 生成设计要想好看远离 AI 味道还是这几点：

* 不要让GPT 直接生成 design，现在 GPT 系列的设计真的是最丑的
* 使用 Design.md ，平时多搜集各种参考网站，如果不想搜集就从 https://t.co/3KIqe1R4AH 或者类似站点，找喜欢的就可以
* 有了 Design.md 然后用 images2 按照这个色彩系统结合你的需求生成图片
* 最后使用图片参考或者直接网站参考结合 design.md 让大模型开始编码
* 还有就是他说的在 Agents.md 当中设定 design rules（这个我需要加一下）

之后可以总结一篇我个人的让 AI 做设计的经验给大家看看。

[Potato @FDoctor00]

@Barret_China 真的是忙成狗，昨天躺在床上vibe ，macmini上的Claude自己测试竟然把我代理进程杀了，吓我一身冷汗。 上周重构了一大半Claude写的垃圾代码，不重构ai写起来非常吃力，经常犯错破坏老的逻辑，越来越累了

[Asteri @Asteri_eth]

Karpathy found a way to reduce token consumption by 90%

The problem is that the LLM re-reads the same files over and over again, loses context between documents, and provides less accurate answers as a result

The solution is called Wiki Layer the LLM cleans, structures, and links all your data once, after which it never works with raw files again

Three folders `raw/` for originals, `wiki/` for a clean knowledge base in Markdown, and files with rules for the agent

Result up to 90% token savings on repeat queries, automatic links between documents, and a visual knowledge graph in Obsidian

Everything stays on your local machine nothing goes to the cloud

[Potato @FDoctor00]

claude opus 4.8都来了

[Potato @FDoctor00]

x这个following水平不居中怎么回事 我还以为feature

[Potato @FDoctor00]

@CuiMao 结尾还有拍照视角 闭环了哈哈哈

[區塊先生 🐡 ⚠️ (rock #58) @mrblock]

這真的太瘋狂了！🚀

Polsia 創辦人 Ben Cera 是公司裡唯一的真人，卻讓 AI 自主完成投資人 outreach、data room、盡調回覆等全部流程，成功募到 3000 萬美元，估值直接衝上 2.5 億美元！

更猛的是，Polsia 自己也即將達到近 1000 萬美元 ARR，目前已為數千位 solo founder 自動 spawn 並營運 7600 多間 AI 公司，其中約 10% 已經開始產生收入。

一個人搭配 AI 就能打造商業帝國的時代，真的來了！🤯

👉🏻

Polsia 是一個自主 AI 代理協調平台（AI Agent Orchestration Platform），官方標語是：「AI That Runs Your Company While You Sleep」（讓 AI 在你睡覺時幫你經營公司）。

簡單來說，它不是「幫你做事的 AI 工具」，而是直接替你建立並全權經營一家完整公司的 AI 系統。你只要給它一個商業想法，它就會像一個「永不睡覺的 AI 共同創辦人」一樣，從零開始幫你把公司跑起來。

目前 Polsia 平台上已經有超過 7,600 多家主動運作的 AI 公司，其中約 10% 已經開始產生收入，Polsia 自己也即將達到近 1,000 萬美元 ARR（年化經常性收入）。

👉🏻它如何服務用戶？（實際運作流程）

1. 註冊與啟動
你付費後（$49/月起），在平台上輸入一個商業想法（例如：「我想做一個 AI 幫忙找工作的工具」或「賣手作飾品的電商」）。

2. AI 自動執行全流程（端到端自主運作）
Polsia 會啟動多個專門的 AI 代理（Agent），這些代理像一個完整團隊分工合作：
• 市場研究代理：做競爭分析、定價策略、目標客群研究。

• 工程代理：自動寫程式、建網站/App、設定伺服器、資料庫、GitHub、Stripe 付款等基礎設施。

• 行銷代理：建立 Meta 廣告、冷郵件外展（cold outreach）、內容行銷、A/B 測試廣告。

• 客服代理：處理客戶詢問、支援。

• 策略代理：每天評估什麼該繼續做、什麼該停掉、怎麼優化。

• 它還會自動修 Bug、部署新功能、分配廣告預算、殺掉沒效的活動。

整個過程是24/7 自動運行，你會收到每日狀態 email，也能在儀表板（dashboard）即時看到：
• 正在跑哪些任務
• 廣告建立了幾支
• 營收數字
• 各家公司即時狀況

3. 你只需要做「20% 的人類判斷」
創辦人 Ben Cera 常說的公式是 80% 自主 + 20% Taste（品味）。

AI 做 80% 的執行工作，你只需要偶爾給指令、審核關鍵決策、提供方向（就像老闆一樣），不需要寫程式、不用招人、不用開會。

4. 一人可同時經營多家公司

很多 solo founder 會讓 Polsia 一次 spawn（生成）好幾家公司，全部在同一個儀表板追蹤，真正實現「一人商業帝國」。

👉🏻收費模式
• 固定月費：約 $49/月（包含伺服器、資料庫、Email、行銷工具等）
• 抽成：平台拿 20% 的營收（部分情況也會抽廣告花費的 20%）
• 免費試用：有試用機制可先體驗
官方連結
• 官網：https://t.co/5tukbTyDt4
• 即時觀看平台運作：https://t.co/UWQygixNV5 （可以看到目前 7,600+ 家公司同時在跑的即時畫面）

👉🏻總結
Polsia 的核心價值就是把「建立與經營公司」這件事，從需要團隊、技術、時間，變成一個人有筆電 + 一個想法就能做到。它把過去只有大公司或有錢創辦人才能做的事，民主化給了普通人。

👉🏻當然，目前還在早期，部分用戶反饋有冷郵件過度、Bug、或 retention（留存）問題，但對很多 non-technical 的 solo founder 來說，它已經是真正能「把想法變成會賺錢的公司」的強大工具。

想試的話可以直接去 https://t.co/U10sTxvHZL 註冊體驗！有什麼特定部分想再深入了解

[droidHZ @hezhiyan7]

https://t.co/fOaC3ebpij

[Feiteng @FeitengLi]

动手搭了一个 ReAct agent 系统：围绕 LLM 做 agent 系统
傍晚散步时在想：如何训练 LLM 的 agentic 能力、数据准备、模型训练、agent 轨迹 action 构造 RL 训练，再想 Claude 在过去一年的进步来自于哪些 SFT RL 方面的进步；

晚饭后读 智谱 “GLM-5: from Vibe Coding to Agentic Engineering” 是真的技术报告、细节非常丰富了；和自己想的差不多，用了 9T Code 还是数据让我感到意外 👍 多个 推理框架 top-k 实现竟然还存在 random 🥲

https://t.co/Ds13cqfH2Z

[Potato @FDoctor00]

@DIGITALYCHEE 最近连续两周每天睡眠6个小时 工作到1点完刷短剧一个多小时。 现在感觉心脏难受。害怕 但是躺着真睡不着

[Potato @FDoctor00]

三亚我来了🌴🌊

[Potato @FDoctor00]

@FeitengLi 我是直接用电信的公网IP，直接SSH到家里的。进去用tmux防挂

[Potato @FDoctor00]

感谢分享🙏

[Pedro Duarte @peduarte]

everything you need to know about how the team built the new @raycast from the ground up

honestly worth a read 👉 https://t.co/vP4OUpIHSV

there's nothing to hide

[Potato @FDoctor00]

@landiantech 写这种逻辑的人类应该死全家

[Potato @FDoctor00]

这个好 家里的私人数据可以更好的召回了

[Jina AI @JinaAI_]

jina-embeddings-v5-omni is here! Our first universal embedding model for text, images, audio, and video. Available in two sizes: small (1.57B, 1024-dim, 32K context) and nano (0.95B, 768-dim, 8K context). Both support Matryoshka truncation down to 32 dimensions.

v5-omni is back-compatible: if you already use jina-embeddings-v5-text-small/nano, the existing text indexes work with v5-omni out of the box. Without reindexing the text, just index your multimodal content with v5-omni and start searching images, audio, and video.