IDEALX

[外汇交易员 @fxtrader]

英伟达CEO黄仁勋宣布，微软与英伟达合作三年，重新定义个人电脑，发布与联发科技联合定制的RTX SPARK PC芯片。

拥有6144 CUDA核以及20核Grace CPU；

算力1 Petaflop，支持本地运行120B参数大模型，上下文达100万token，适配Hermes Agent、OpenClaw；

3A光追游戏1440p超100帧，支持DLSS 4.5。

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

用苹果电脑跑本地大模型的人注意了，有个东西你们可能还不知道

Rapid-MLX，一个专门为 Apple Silicon 打造的本地 LLM 推理服务，核心就一句话——比 Ollama 快，而且快不少。

具体快多少？官方数据是 2-4 倍。背后用的是苹果自家的 MLX 框架，不是什么民间魔改，是真正吃透了 M 系列芯片架构的方案。

快在哪几个点：

1️⃣ KV 缓存裁剪加上 DeltaNet 状态快照，多轮对话的首 token 延迟压到了 0.08 秒左右，你懂这意味着什么，对话几乎感觉不到等待

2️⃣ 工具调用做了 17 种解析器，Qwen、DeepSeek、Gemma、GLM 这些主流模型直接自动识别格式，量化把输出搞坏了也能自动修回来，这个细节做得很扎实

3️⃣ OpenAI 兼容 API，Cursor、Claude Code、Aider、LangChain 统统能直接接，基本上你现在用什么工具链，切过来不用改代码

还有一些额外的东西：推理链分离、云端路由、视觉和音频多模态支持、V 缓存压缩，功能密度挺高的。

说白了就是，你有一台 M 系列 Mac，想在本地跑模型又嫌 Ollama 慢，那 Rapid-MLX 现在是最值得试的选项之一。

🔗 https://t.co/rYrGxCrFSY

[知野 @knoYee_]

https://t.co/6pI5PfyEre

[面条 @miantiao_me]

亲测可行，用不完的 GPT 5.5 可以继续发光发热了

[Jackywine @Jackywine]

可以提高审美的网站

https://t.co/CZX1Y8qhCu

https://t.co/qDrrGZg5fY

https://t.co/yoz9mEPUnu

https://t.co/FiOnNlXx1N

https://t.co/X62gcuHfXd

提高你的审美，在 AI 时代显得尤为重要

https://t.co/kI5CR4QaGr

[huangserva @servasyy_ai]

两小时，完全免费。
这堂课教的，正是大多数 AI 课程完全跳过的内容。

Anthropic 每年向工程师支付 75 万美元，让他们去理解 AI 模型究竟是如何工作的。

而斯坦福已经把同样的知识放到了 YouTube 上。

不是教你如何使用工具。

而是解释它们为什么会这样运作。

真正理解“为什么”的工程师，能创造出那些只知道“怎么用”的人甚至无法想象的东西。

这两者之间的差距，就是每年 75 万美元。

而你可以在一个下午缩小大部分差距。

在划走之前先收藏这条内容。

你应该现在就去看看。

[WY @akokoi1]

生成各种日历的提示词：

图1: “设计一张2026年4月20日单日的小王子日历”
图2: “设计一张2026年4月20日单日的小说推荐日历，日历上半部分是图片，下半部分是文字内容”
图3: “生成一张程序员老黄历”
图4: “设计一张2026年4月20日单日的真实风景日历”

[IDEALX @IdealDestructor]

@joshwoodward not work on intel

[Tw93 @HiTw93]

https://t.co/x9eqpjrSuS

[Tw93 @HiTw93]

https://t.co/yJi18lu2a9

[苍何 @canghe]

https://t.co/tuyh6FkdBs

[木马人 @cnyzgkc]

分享10个AI学习神器，效率拉满！🚀

1. Google NotebookLM：把复杂学习资料一键转成笔记、播客、总结等多种格式，懒人福音
🔗 https://t.co/Wk3BCuGhZV

2. Claude：结构化解说 + 长逻辑推理，输出安全靠谱，我自己重度使用搓东西的首选
🔗 https://t.co/0hk2w8NJPU

3. Perplexity：带来源的精准答案，研究、查证事实超实用
🔗 https://t.co/XYYmvCuVjl

4. Quizlet：根据材料自动生成闪卡、测验和AI学习辅助，一键搞定
🔗 https://t.co/8RdiymMkKN

5. Grammarly：实时AI写作助手，语法、语气、清晰度秒优化
🔗 https://t.co/8FWCS1tCQE

6. Khanmigo：Khan Academy的AI私人导师，引导练习超强
🔗 https://t.co/8VV75743hv

7. Notion AI：笔记整理 + 内容总结 + 快速起草学习材料，神级组织工具
🔗 https://t.co/LfJnbRFVXC

8. SciSpace：AI研究代理，科研文献学习一切都能搞定
🔗 https://t.co/kTs3DtmVNq

9. Otter：自动录制 + 转录讲座/会议，笔记还能搜索
🔗 https://t.co/WCZFaXYfOG

10. Poised：AI沟通教练，提升表达和沟通能力
🔗 https://t.co/pBW34GRibB

尤其是NotebookLM和Claude，组合起来学习体验直接起飞～

[Yanhua @yanhua1010]

https://t.co/9bLSQxoY8u

[Tw93 @HiTw93]

想和大伙聊聊，在 AI 时代我是如何深入学习一个技术领域的。

之前没有 AI 之前更多是看书、翻这个领域有名的国内外人的所有博客，然后摘抄记录到笔记本，这种速度挺慢，但是很有学习的乐趣，比如当时学习 WebGL 就是这种感觉，可能学懂一个东西差不多要半年空闲时间，慢但快乐。

现在有了 AI 之后，其实我很讨厌网上那种3分钟教你看完百年孤独，也讨厌一切短剧和倍速看电视剧的方式，更多还是挑好的看，吃好一点。

不过最近写你不知道的 Claude Code 和 Agent 系列，除了自己懂的部分外，其实还有大量不太清楚的领域，好在之前收藏了不少文章，刚好借助这一块清库存，全部搞懂输出出去，一直认为，很多时候，不在于看了多少东西，听了多少东西，输入了多少东西，其实用处不大，更加看重你输出了多少东西，这个才是你自己的。

然后我上上周启动了一个深坑挑战自己，研究大模型的训练流程，确保非专业的人也听得懂，探索了2周，刚好这个经验可以分享给大伙，当然成文也差不多好了，最近会发出。

我会把这个学习过程当做写代码一样的组织，第一步收集高质量的资料，比如与之相关的近几年的精品论文，各大模型厂商发布的关键模型的博客，X上模型负责人发表的一些文章，以及斯坦福等高校的近两年关于这一块的课程学习，还有经典的手搓一个大模型的代码仓库等等，这些都是我的一个资料来源过程，我会借助工具自动化全部下载、转md、清洗，梳理，弄好结构化分门别类到我这次研究的仓库。

然后对于自己看得懂的内容就全部看一遍，把不好的删掉，好的留下，对于看不懂的内容，直接借助 Claude 帮我的理解，更复杂一点的直接翻译成中文去阅读，对于代码本地可以跑的就跑起来，不能跑的那种就去看结构，总之会有一个大概的认识和知晓技术原理，这个阶段可以去掉原有一半可能没有用的内容。

到了这个阶段，其实你对这个领域有一个大概的认知了，就可以给这篇文章开始写一个大纲，以及大纲应该结合的来源内容，这里均可以用markdown很多表达，你要讲什么，或者说你想讲什么更想让读者知道，一定一定，文章是写给你给给看的人看的，需要知晓对方的认知水平，和汇报其实差不多。

然后接下来就是苦力活加之前内容的复习过程，和大学时候考试前复习很像，把每一章的内容填充完整，这样下来，你会得到一篇非常长而且有点啰嗦的文章。

这个时候AI就可以帮太忙，你可以让他帮你不改变你原有的内容意思你的语气的情况下，帮我去掉无用的啰嗦内容，以及连贯不到位的内容，或者是这一块缺少的内容，还需要补充什么知识的地方，借助AI继续去完善补充，这里又可以学到很多原来遗漏的东西。

最后整理好以后，可以继续自己读一遍，而非让AI读一遍，这里AI只是工具，千万不要把你的脑袋被AI代替了，这就没有啥意思来，自己读的过程中可以对文章继续修改调优，这里和写代码又非常像了，自测那种感觉，修复问题修问题，最后读了2遍以后，基本感觉完美了，然后就可以发出来给大伙看看。

有小伙伴肯定是担心自己写的东西没有人看，就不太喜欢发出来，或者说就不写了，其实只要你的内容有意义，自然就有读者，而非是你偷懒的理由。

花10min写完这个碎碎念，结束，欢迎交流你是如何学习一个新领域的，下面视频就是我后面要发的那篇你不知道的大模型训练文章的学习仓库，挺有意思，就录了一个视频给大伙看看我的工业化学习方式。

[yishan @lnyisn]

深入逆向 Claude Code 源代码。

发现 Claude Code 之所以优秀，不在于单一技术突破，而在于 12 层渐进式工程包装（Progressive Harness） 将一个最小 Agent Loop 逐层升级为工业级自主编码代理。

整个架构中，最大的文件是 query.ts，约 785KB。 这不是代码混乱的标志——它是整个 Agent Loop 的心脏，所有的流式处理、工具调度、上下文压缩、子代理管理都在这个文件中协调。

这种"胖核心"设计是刻意的：保持核心循环的原子性，避免分散到多个模块导致的协调复杂度。

[Crypto_Painter @CryptoPainter]

文章列举的特别详细，每一章都可以深入进去研究个4~5天，强烈推荐！

[泊舟 @bozhou_ai]

https://t.co/bRqFpLLWzr

[Hedy.eth 🎮 @Crypto_hedyEth]

Claude Code 最佳 GitHub 仓库，
让你的下个项目效率提升 10 倍：

1. Supabase CLI
本地开发、数据库管理、部署一套打通
https://t.co/mueQAJasxL

2. Skill Creator
给 Claude Code 定制技能，重复工作直接模板化
https://t.co/P1HE3apgas

3. Get Sh*t Done
把任务拆解、执行、推进这件事流程化
https://t.co/hMZadLHri4

4. NotebookLM (Python)
做资料整理、知识吸收、上下文管理很好用
https://t.co/rTDKtsLLJ8

5. Obsidian
沉淀项目笔记、知识库、开发过程
https://t.co/Xivaa8Hmzh

6. Continue
把 AI 编码助手更深地接进你的工作流
https://t.co/6OE0kIPvUW

7. Open Interpreter
让 AI 不只是写代码，还能直接调用系统做事
https://t.co/N6W9xRG09K

8. AutoGen
多 Agent 协作方向里，绕不过去的项目
https://t.co/L3WoQHRWIP

9. LangChain
复杂 AI 应用、工具调用、RAG，这个非常常见
https://t.co/D90Vi6380s

10. Flowise
可视化搭建 AI 工作流，上手门槛低很多
https://t.co/iHxPBe8ne0

11. https://t.co/hP6D1IlO1u
AI 建站、快速生成应用，值得研究
https://t.co/nSgRZWjMT2

12. Awesome Claude Code
Claude Code 生态资源合集
https://t.co/J52xLNkRr2

13. Prompt Engineering Guide
系统学提示词，依然有价值
https://t.co/RCVG4WIMuY

14. Everything Claude Code
Claude Code 的民间资料库
https://t.co/BlXaLZRuXI

[超级个体｜柿子 @yaohui12138]

https://t.co/pmr6FRSkfY