HaoxuanChai

[HaoxuanChai @HaoxuanChai]

Aim for progress, not perfection.

[Miller @TuyetloanP81840]

用这篇 50 万+浏览的 AI 短剧教程，我从头到尾跑了一条完整短片 👇

《夏日无事》1 分半
✍️ 剧本：Claude
🎬 画面：文中的 H3 工作流，生成 12 段
✂️ 剪辑：剪映

成片用掉 1820 RH 币（约 12元）。
一个女孩、一只猫贯穿全片，脸和花色都没跑。

[Miller @TuyetloanP81840]

https://t.co/bEYQ9U7sGf

[明子206 @mingzi206]

这绝对是一座真金矿！

Anthropic 刚发了一个 Claude Code 封神级的高阶玩法。

思路极其简单：同时跑 Sonnet、Haiku 5.5 和 Opus 5.5，每个模型只干自己最擅长的活。
不仅写代码效果更好，还能省下大笔 token。

启动 Claude Code 这样写就行：
`claude --model sonnet --advisor opus`

三层模型各司其职：
· Sonnet 5.5 负责主会话，专心写代码、改 bug
· Haiku 5.5 并行扫整个代码库，只读搜索、grep 和查文档
· Opus 5.5 坐镇当顾问，只在关键决策时出手，最后审核改动
不需要 Opus 的活，绝不浪费它一丝一毫的上下文。

Opus 只在三个时候介入：
① 计划敲定之前
② 同一个错误出现第二次的时候
③ 宣布完成之前

底层逻辑和 JEV 工程完全一致：不需要动脑的小选择（选文件、选工具、重试或停止）交给 JEV 毫秒级处理，大模型只用来思考真正的硬骨头。

把这段提示词直接贴进 Claude Code 重新配置：
“按这个结构重新配置我的 Claude Code：
1. 主会话用 Sonnet 5.5，Opus 5.5 当顾问。
2. 在 .claude/agents 里建三个 Haiku 5.5 子代理：search（梳理代码库）、grep（查找调用位置）、audit（检查改动）。
3. 给 audit 设置 worktree 隔离，让它的检查不碰我的工作分支。
4. 在 CLAUDE.md 里加一条规则：所有代码库搜索和测试都交给 Haiku 5.5 子代理，让主上下文保持精简。
5. 快速、确定性的小选择（选工具、选路径、重试）交给 JEV 处理。
所有改动先用 diff 给我看，我说开始之前不要动任何文件。”

👉 官方子代理文档：https://t.co/lWJe071wuJ #ClaudeCode

[Eian @EianLu]

https://t.co/IjmUF2hOCn

[cxuan @criscxuan]

https://t.co/kAIOPhpdPa

[Stephan @Stephan_Talk]

《pstack 完全指南 pt.2》重点总结

这篇解决两个问题：
1. 如何与智能体对齐需求
2. 如何进行有效的规划和设计

如何与智能体对齐需求

lauren 会组合使用以下四个技能：

1. /how: 系统现在怎样运行？
2. /why: 为什么这样设计，有什么历史约束？
3. /recall: 过去的对话提供了什么背景上下文？
4. /teach: 能否讲清机制与原因，让人检查理解？

举例：
> /recall 我过去 7 天修复虚拟化 bug 和性能问题的工作。使用 /how 和 /why 了解我们当前的虚拟化实现是如何工作的

* 注意，/recall 能自动搜索你的 harness 的会话历史记录，但这并不是唯一方式。它的目的是为智能体扩充你的环境上下文，以便智能体能有更加全面的视角。所以我认为在这个阶段应该尽可能多的给智能体主动提供环境上下文，比如日志、数据库、外部依赖、外部文档等

这样沟通的好处不仅限于让人类更能全面的理解当前现状和问题，更重要的是推动智能体掌握更全面的上下文，避免它们基于少量的信息匆忙得出片面的结论

* 另外推荐一个我觉得很好的 skill: https://t.co/RsvuZtFbJQ ，当智能体长篇大论或不说人话时，我就会用这个 skill 帮我生成一个网页来理解

如何进行有效的规划和设计

第一，lauren 推荐一种 “逆向工作法” 叫 README 驱动开发 。具体来讲她会用 /technical-writing 技能，在规划阶段写出不同层次的用户教程，打磨好后的教程将成为智能体的行动目标

把写用户文档作为打磨设计文档的手段，好处是可以站在 high-level 的视角逐层打磨设计文档，而不是事无巨细的 grill-me

第二，她建议 “用代码来做规划”，她会使用 /poteto-mode 原型设计工作流 来进行快速原型开发，使用 /architect 技能扇出（Fan-out）多个并行智能体产出不同候选设计方案，最后综合成一份最优设计方案并进入实现

多个并行智能体扇出的方式，有点像赛马机制。核心思想是利用不同家族的模型进行并行研究，以避免单一模型的局限性。然后从所有返回的内容中综合整合出最优方案（不是只选一个模型的结果）。这种机制在 pstack 的整体设计中会有多处体现

这里需要注意，并行赛马比较的并不是最终实现，而是草图、类型定义、接口定义组成的一套接口规范层面的设计草案

lauren 特别提到，她“从不费神去对抽象计划做对抗性评审”的原因就来自于此。如果用类似 grill-me 这类 skill，难免会陷入纸上谈兵的境地，既费人又容易过度设计。而让代码自己去竞争评审能更落地且节约人脑细胞

补充说明一点：/architect 在 D 阶段人类确认后，会自动进入实际代码的实现阶段。这里如果你是比较大的任务，可以在人类确认后掐断（pstack 有提供其他的长周期任务工作流），举例如下：

> /skill:poteto-mode 为 <功能> 制订实现计划。先用 architect with checkpoint 完成设计并暂停。本轮不要进入 Phase D，也不要实现功能逻辑。将设计方案转化为一份计划

---

以上是我在看了这篇文章以及相应 skill 源码后的一份总结，有趣的是我在总结过程中就已经会应用上以上提到的技能了。包括下面这张图的文稿也来自于 /teach 和 /technical-writing。所以大家如果有不懂的地方，非常推荐直接跟 pstack 对话，另外更推荐直接看它的 skill 实现，很多宝贵的设计思想

/architect skill 流程图

[DAN KOE @thedankoe]

https://t.co/CdLm1xoOAb

[Jerry Fang @Jerry_fsy]

如果你想做AI相关的工作，不妨考虑一下Agent Infra这个新兴领域。我最近也在入门这个领域，做了一些调研，记录了这个领域需要的技能清单，欢迎收藏，保存，我也会继续分享在这个领域的学习心得。

完整 List：
1.Agent Runtime：理解 Agent Loop、Tool Calling、Streaming、Session，理解并实现一个最小可用Agent，而不是只调用一次模型 API。
2.上下文与状态管理：喂给大模型的上下文决定了这一轮模型能看到什么，也很大程度上决定模型做的决策质量；State 会保存任务当前执行到了哪里。需要处理上下文裁剪、压缩、Checkpoint、任务状态，长期记忆与短期上下文。
3.任务队列与 Worker：把任务通过 Queue 分发给 Worker 执行，并控制并发、优先级、Backpressure 和 Worker Pool。
4.调度与多 Agent 编排：把复杂任务拆成多个子任务，支持DAG、Reviewer、Handoff 和 Human-in-the-loop。
5.Durable Execution：Agent 即使运行几十分钟甚至几个小时后，也不会因为进程重启而导致任务的丢失，需要持久化执行状态、Checkpoint、Replay、Resume 和 Recovery。
6.Retry、Timeout 与幂等：模型、工具、网络和 Worker 等各方面都会遇到问题；系统要能判断什么时候重试、什么时候超时，以及避免 git push、发邮件、创建资源等操作被重复执行。
7.分布式状态与一致性：多个 Orchestrator、Worker 和数据库共同维护 Task State，需要理解 Transaction、WAL、Lease、Heartbeat、Replication、Consistency 以及故障恢复。
8.Sandbox 与执行环境：Coding Agent 会执行 Shell、Git、Python、构建和测试，需要为每个 Agent 提供隔离的文件系统、进程、网络和资源环境，并限制 CPU、内存和执行时间。
9.工具基础设施与 MCP：Agent 不只是调用几个 Function，还需要统一管理 Shell、Filesystem、Browser、Database、API 等工具；MCP 可以作为 Agent 与外部工具、资源之间的一种标准接口。
10.权限、安全与 Secrets：控制 Agent 能访问哪些文件、调用哪些工具、连接哪些网络和读取哪些密钥，涉及 Authentication、Authorization、ACL、Secret Management 和 Audit。
11.可观测性与调试：Agent Task 的完整执行过程会通过trace记录下来，用 Metrics 看延迟、Queue、Token、成本、失败率和 Retry。
12.Evaluation 与 Replay：不只看“Agent 能不能跑”，还要判断任务是否真的完成正确，通过 Dataset、Rubric、Task Success Rate、Regression、Replay 和 LLM-as-Judge 做持续评估。

[范凯说AI @fankaishuoai]

我每天用得最多的软件，也是我最痛恨的软件：Typeless。

我已经累计口述超过了 100 万字，每天的工作状态就是一个人对着电脑呱呱呱。但它经常抽风、识别慢，价格还贵——月付 $30，年付 $144。

天下苦 Typeless 久矣，可我一直没找到能替代的。开源的闪电说最接近，但打磨和体验还是差得远，无法替代。

现在真正的免费竞品来了：网易刚出的叭哥说。我已经装上用了一段时间，是目前产品体验上最接近 Typeless 的语音输入软件，而且有两点更胜一筹：

1. 彻底免费，一分钱不花
2. 语音识别速度非常快

有道 9 月底开源了背后的 R2T2 模型，和流式翻译模型 T3PO 一起登顶了Hugging Face 细分领域 Trending 榜。社区还把它移植进了纯 C++ 的本地推理框架。能被全球开发者主动拿去适配的模型，底子一般不会差。

它上线才一个月，还是个新软件。但以我每天上万字的口述量，这是我目前唯一会劝人换掉 Typeless 的选择。

[龙海 @longhaiqwe123]

为什么做菜离不开菜谱？照着菜谱做还行，脱谱就变成“抽盲盒”？

离开大厂接管厨房半年后，我借助 Grok、Muse 与 Dots，结合自己的实战和理解，把烹饪当成工程学彻底拆解。

本文总结了 22 条做菜底的底层原理，从此做到“手中无谱、心中有谱”，直达大厨境界！ https://t.co/xX096vlpZ2

[beamnxw ./ @beamnxw]

Andrej Karpathy (ex-OpenAI, ex-Tesla) just released a prompt that turns Opus 5.5 into a harness that actually finishes the any job.

It's f*cking unreal...

send it to Opus 5.5, and thank me later. Then read the full guide for Opus 5.5 Harness Engineering.

[Peng Zhang @PengZhangCom]

@realchendahuang https://t.co/ZTR5pVgB0E

[witcheer @witcheer]

here is a map of the Hermes Agent videos worth watching, sorted by what you want to do with it:

(1) start here
(2) running a business on it
(3) real setups and use cases
(4) skills
(5) teams of agents: Kanban, Bot Mode, cron
(6) by job: marketing, sales, support, research

see thread below

[M. @wlzh]

ESP32 圈也有自己的 awesome 清单了。curisama 维护的这份 awesome-esp32，副标题写得很直白，值得做、值得抄、值得看着它跑的项目。

作者在开头交代了缘由，他的原话是 tiny computers are having a moment，小电脑正在网上迎来自己的时刻，于是干脆把大家用 ESP32 做出来的东西收成一份精选。

每条项目结尾都标注跑在什么硬件上，微雪、LilyGO、M5Stack、Ulanzi 这些成品设备全算进去。

你手里有哪块板子，搜名字就能列出对应的全部项目，devices.md 专门干这个。

清单密度很高，挑几个我停下来看的。

桌宠是一大类。中文圈熟悉的 xiaozhi-esp32 在列，MCP 协议的对话固件，几十块板子能跑，后面拖着整个说话桌宠生态。pixelcat 是电子宠物机式的像素猫，会学你的作息，摸它有反应，而且永远不会彻底死掉。pocket-pet 复刻初代口袋妖怪的计步手表，屏里的小动物在草地上晃，走够步数才升级。还有一串盯着 AI 编程代理的。Vibe Watch 是戴手腕上的 M5Stack，几个 coding agent 并行干活，干完等审批，你按实体键批准或拒绝。Code Familiar 接 Codex 和 Claude Code，任务跑到哪、什么时候弹权限请求，都摆在一块圆屏上。代理还没普及到家门口，伺候代理的硬件先做出来了，这个趋势本身比单个项目有意思。

显示类里 OpenEPrierLink 最野。等一下，是 OpenEPaperLink，把超市电子价签回收成无线墨水屏阵列，ESP32 做热点。航空罗盘那个也妙，在 M5Stack 上模拟飞机的磁罗盘卡片，连真仪表的过冲和误差都复现。游戏区有 esp32-gameos，一块触摸板跑六个程序生成的游戏，60 帧，没引擎没素材文件。infinite-golf 打高尔夫要真的抡设备，IMU 负责测挥杆。

老牌实用货都在，Tasmota、WLED、Meshtastic。新东西里 ESP-KVM 值得单说，ESP32-P4 加 HDMI 采集芯片，把目标机器的画面采进来，再把自己伪装成键鼠，浏览器里能一直操作到一台系统都坏了的机器的 BIOS。两个小件收尾。esp_ble_finder 帮你找丢在家里的手机，靠信号强度测距，越走近响得越急。ESP32Drop 让 ESP32 直接出现在 iPhone 的 AirDrop 分享栏里，免配对收图。familybox 是给出差家长和不识字的小孩做的，手机发照片和语音过去，设备上两个按键，一个播放一个回录。

刚入门也不慌。清单开头附了开发实践指南，经验全部从收录项目里提炼，每条注明是哪个项目踩的坑。暂时没硬件，可以用 Wokwi 在浏览器里仿真，或者用 ESP Web Tools 从网页直接刷固件，本地连工具链都不用装。

仓库 CC0 协议，做出东西可以照着 CONTRIBUTING 提 PR。地址 https://t.co/3xt7aWb0SV

[Miles Ma @miles_mazy]

天啊，之前一直想买影视飓风的课学剪映，现在这钱省了

Tim 老师对不起，我选择想风老师

[Ronin @DeRonin_]

which board should you actually start with?

Arduino vs ESP32 vs Raspberry Pi

4 months into robotics as a hobby, here's what i'd tell myself on day one:

1. start with arduino

use it when you're learning:

- motors
- servos
- sensors
- basic circuits

atmega328p, 16 mhz, 2 kb of ram, and 5v logic so most hobby parts plug straight in

when your code runs, nothing interrupts it, and that makes timing easy to reason about

best place to learn the fundamentals without debugging an operating system at the same time

you outgrow it the day you add wifi or a camera

2. move to esp32

use it when you want:

- wifi
- bluetooth
- wireless control
- anything that reports back to your phone

dual core at 240 mhz, 520 kb ram, radios on the chip, around $5 a board

more connectivity and still hands on, so you keep writing the same kind of code

two things that cost me a weekend each:

3.3v logic, so your 5v sensors need a level shifter or they read garbage

and on the original esp32 the adc2 pins stop reading the moment wifi turns on

3. go for raspberry pi

use it when your robot needs:

- computer vision
- ai and ml
- ros 2
- heavy processing

now you're running a computer inside your robot, with all of the upside and all of the cost

linux decides when your code runs, so pwm timing jitters and servos twitch

and pulling the power without a shutdown corrupts the sd card, which i learned twice

also worth knowing, raspberry makes a real microcontroller too, the pico, about $4

so the quick version:

never wired anything before -> arduino

want wifi and the best price -> esp32

need vision or a camera -> raspberry pi

and yes, you can use more than one

arduino -> control
esp32 -> connect
raspberry pi -> compute

that combination is what took me 4 months to understand

the pi is the brain and the microcontroller is the spine, and a real robot wants both

also, if you want to learn robotics engineering for 6 months, read the article below:

[Callan @callanxai]

Google Brain founder, Andrew Ng:

"100% of my tasks are done by AI agents. Loops and Graphs did it. Prompting is gone."

In 30 minutes he shows how self-improving agents really work, and what makes them possible

Chat → Agents → Loops → Graphs

a loop hands back finished work instead of a draft

a graph decides what gets worked on before anything runs

worth more than any $500 agentic course, and it costs nothing

watch it today

then save the full graph engineering guide below before everyone catches up ↓

[shikamaru @shikamarutsai]

Anthropic engineer:

"You don't need better prompts. You need to master Opus 5.5 engineering: so your agent never forgets anything."

In 1 hour he explains what Anthropic does differently, how to build and structure work with agents.

This beats any paid agent course I've seen.

Watch it, then read the article below

[Andrej Karpathy @karpathy]

We'll be spending a lot more time trying to understand the outputs of language models. A few thoughts, tips & tricks:

Writing. Something I've had success with: Ask your LLM to explain something in ASD-STE100, it's a controlled language specification originally developed for aerospace maintenance documentation. LLMs well-versed in this language and it comes with heavy constraints on clean writing style that I often find a lot more readable. Sometimes I've tried to soften it a bit e.g. ask for "80% of the way to ASD-STE100" because the spec is quite stringent. But even better:

Diagrams / images. Instead of writing, ask your LLM to create a diagram. These can be a lot easier to process, parse, and understand. But even better:

Web pages. Ask for output "in HTML" to get a beautiful, interactive webpage. LLMs are getting really good at frontend and can create beautiful experiences, animations, etc. But even better:

Explainer videos. The output format I am most bullish on is fully custom / bespoke explainer videos generated on any arbitrary topic. Experiment with things like "Create a 3b1b style video explainer on X. Use my ElevenLabs API key for audio narration". (you'd need an API key for the latter or you can ask your LLM to find you decent free alternatives that use your local compute). This is actually starting to work!

In summary:
- As LLMs get better, they will do more and more of the legwork autonomously, and a lot more of our work will rise up the abstractions into oversight and understanding.
- Luckily, LLMs can help here too because as intelligence and code are increasingly abundant, you can ask for large, custom, discardable software artifacts (e.g. web apps, video explainers) that would have never made sense to create before. Push the boundaries here and you'll be surprised.

[Rahul Kumar @RahulTechX]

One of my friend makes $1.2 million a year as an Anthropic engineer.

I asked him how he learned prompting so well. He sent me a video that was never supposed to get out. Their core team's prompting playbook.

You won’t find anything better about prompting than this 30 minutes video.

I watched it last night. Halfway through, I realized I've been using Claude completely wrong for two years.

Watch it, then read the article below.