屁桃

0592 ql

[yofine @yofine2js]

爱马仕架构图

[AYi @AYi_AInotes]

Claude代码泄露事件里最值钱的东西，被这个开源项目彻底开源了。

这个叫Open Multi-Agent的框架，把Claude Code里最核心的多代理协作编排系统，完整提炼了出来。
作者只拆解了大厂内部这套AI团队协作引擎的架构逻辑，然后用TypeScript从零重写，完全规避了侵权风险，把原本闭源的核心能力，免费交到了所有开发者手里。

它最厉害的地方，是把复杂的多代理协作，简化成了一行代码就能搞定的事。
以前你要完成一个复杂任务，得自己手动拆解目标，分配给不同AI代理，梳理任务依赖，处理并行执行和出错重试，整个过程繁琐又麻烦。
现在你只需要给它一个目标，比如做一个Todo List的REST API，它就能自动完成全流程的调度。

它会自动把大目标拆解成带依赖关系的子任务，
会自动并行执行无冲突的任务，
会让不同角色的AI代理通过消息总线和共享内存完成协作，
最后自动合成完整的最终结果，全程像一个智能项目经理，完全自动化。

更难得的是，它精准填补了TypeScript生态的核心空白。
Python生态里早就有CrewAI、AutoGen、LangGraph这些成熟的多代理框架，可JS/TS领域，一直没有足够轻量、好用的同类产品。
这个框架只有3个运行时依赖，27个源文件，整个代码库一个下午就能通读完毕，一句话安装，几行代码就能跑通。

它在性能和部署上，更是直接甩开了绝大多数竞品。
市面上很多多代理框架，每个AI代理都要单独开一个CLI进程，冷启动慢，内存占用高，云部署极其麻烦。
而它全程在同一个进程内运行，共享内存，实时通信，速度快了不止一个量级，能轻松部署在服务器、Serverless函数、Docker、CI/CD流水线里。

它还做到了完全的模型无关，不绑死任何一家大模型。
Claude、GPT、Grok、GitHub Copilot全支持，
甚至连Ollama、vLLM、LM Studio运行的本地模型，也能无缝接入，同一个团队里，不同代理还能混用不同的模型。

这不是那种花里胡哨的演示Demo，是真正能拿到生产环境里用的轻量框架。
发布一天就拿下几千星，足以说明开发者社区对它的渴望有多强烈。

GitHub链接我放在评论区了，一句话安装，几行代码就能上手，Node.js开发者一定要去看看。

[屁桃 @PptaoF]

❤️

[GitHubDaily @GitHub_Daily]

做量化交易，K 线预测一直是个难题，传统的时序模型不光训练麻烦，还特别容易被噪声数据干扰，导致准确率低。

近日，全球首个专为金融 K 线设计的模型：Kronos，开源了，实现精准的金融预测。

基于全球 45 个交易所的海量数据训练，采用自研的离散编码方式，把 OHLCV 数据转成 token，再用大规模 Transformer 模型学会各种走势模式，效果相当惊艳

GitHub：https://t.co/eprbB7F2be

主要功能：

- 提供多种参数模型，从 4.1M 到 499.2M 参数可选
- 专门的金融数据分词器，处理高维 K 线数据
- 一键预测接口，轻松生成未来价格走势
- 完整的微调pipeline，可适配自己的交易策略
- 提供在线 Demo，实时展示 BTC/USDT 预测结果
- 支持 A 股市场数据，集成 Qlib 进行回测验证

通过 pip 安装依赖后即可使用，适合做量化交易研究和金融数据分析的开发者研究学习。

[看不懂的SOL @DtDt666]

兄弟们。发现一个很好的开源项目，专门教你怎么做 vibe coding，GitHub 上已经有 1.5 万多颗星了。

这个项目最有意思的地方在于，它是用一套哲学框架来讲编程的，分成道、法、术、器四个层次。

道，就是先想清楚你要做什么，确保每一步都有明确的方向。

法，讲的是架构层面的事，模块要独立，接口要先行，整体结构要清晰。

术，聚焦在调试环节，核心思路是拿预期结果和实际结果做比对，然后让 AI 定向去修复问题。

器，说的是工具组合，怎么把 IDE、AI 模型和各种辅助工具搭配到最优状态。

除了这套方法论，它在实操层面也做得很扎实。项目内置了提示词库和可复用的技能模块，拿来就能用。上下文是固定的，AI 不会聊着聊着就忘了项目背景。代码采用模块化设计，干净且容易维护。还有一套递归优化的机制，生成器负责产出，优化器负责打磨，用得越多效果越好。

整体思路就是把 AI 从随意生成代码，变成一个稳定、可用、越用越顺手的开发伙伴。

仓库地址：https://t.co/KR2JIZ6BIL

[Stanley @Stanleysobest]

养小龙虾Openclaw谁都会，

但是如何养出聪明的小龙虾，

那可不是谁都会🤣🤣🤣

[阿川 | AI thinking @AI_jacksaku]

靠谱儿！这个很适合新手

[数字生命卡兹克 @Khazix0918]

https://t.co/rCPcjI5fMn

[Nicolechan @stark_nico99]

发现一个质量超高的内容Skills集合站
都是非常实用日常做内容能用得上的Skills
和那些没有经过筛选的库完全不同
链接我放在评论区了

[劳伦斯 @LawrenceW_Zen]

Claude 它又又又更新了。

Claude 现在可以在聊天中直接渲染：
∙流程图、架构图、关系图（SVG）
∙折线图、柱状图、饼图等数据图表（Chart.js）
∙交互式小工具和可视化解释器（HTML/JS）

Claude 太卷了，更新太快，be like:

我醒了，它又更新了。

我准备睡觉了，它又更新了。

甚至有些版本号我还没有用过，它就过去了。

[耳朵 @RookieRicardoR]

最近看过最好的 Claude Code 经验文章，把它当做 Claude Code 入门也不错。

[墓碑科技 @mubeitech]

马斯克亲口承认了。

他的Grok，在代码能力上，现在落后于对手。

他为什么开会迟到？
就是因为刚开完一个全体动员大会。
主题只有一个：代码。

他在梳理所有细节，要怎么追赶，怎么反超。
目标不是赶上，是超越。

时间表也给了。
今年年中。

这是一种罕见的坦率。
硅谷的CEO们，习惯用复杂的公关辞令包装自己的弱点。
马斯克不一样。
他直接把问题和军令状一起摆在桌上。

这是真刀真枪的创业者心态，不是职业经理人的PPT汇报。
先承认差距，再公开承诺，最后带着团队去冲锋。

当然，马斯克的时间表一向都很激进。
这次，他能兑现吗？

[Sanbu 散步 @sanbuphy]

刚刚，吴恩达又发了新神器——Context Hub，拯救码农和agent们！
- 再也不用反复查API文档，npm装个chub，按一下能查到最新版接口，省时省脑细胞。
- 模型幻觉日子终于可以 say goodbye，自动上下文+agent互助社群（未来规划），告别讨厌的反复漏洞！
详情看吴恩达来信：https://t.co/rfSXYKvAwJ

[马东锡 NLP @dongxi_nlp]

如果 autoresearch agent 足够可靠，不单单是 nanochat，很多研究项目，随便扔一百个 research idea，自动执行验证。选出结果好的，让 prism + codex 直接写文章。

很多学术职位，如research engineer/ assistant 可能不再需要了，或许很多 phd 也不再需要了。

[小互 @xiaohu]

装好小龙虾之后：小学生都会的完整配置指南：

https://t.co/QRoSf5TSj2

[GitHubDaily @GitHub_Daily]

面试大模型算法岗时，最怕面试官递过来一支笔，让我们在白板上徒手写一个 Attention 或者 Transformer 结构。

若我们平时都用 PyTorch 封装好的 API，，真要脱离框架从底层手搓算子，往往大脑一片空白，细节全忘。

在 GitHub 上找到 TorchCode 这个开源项目，专门针对 PyTorch 面试场景设计的刷题平台，像刷 LeetCode 一样练习手写深度学习算子。

基于 Jupyter 环境，提供 40 道精选题目，涵盖基础算子、注意力机制、完整架构和训练优化等核心知识点。

GitHub：https://t.co/9biwUABRKi

每道题都配有自动评测系统，实时检查输出正确性、梯度流和数值稳定性，像竞赛编程一样给出彩色的通过/失败反馈。

卡住时可以查看提示，完成后能对照参考实现学习最佳写法，还有进度追踪记录你的解题情况。

提供 Docker 一键部署，也可以直接在 Hugging Face Spaces 在线使用，每个题目都支持一键在 Google Colab 中打开，完全不需要本地环境。

想要真正搞懂大模型底层原理，或者正在备战 AI 岗位面试的朋友，这套题库非常值得刷一遍。

[苏打白.Dev @sodawhite_dev]

有人创建了一个名为 GitCity 的城市，其中每栋建筑代表一个 GitHub 帐户，其高度取决于该帐户的贡献。你甚至可以在那里投放广告，这真是个天才的想法…

[老张来了 @laozhang2579]

GPT-5.4物理效果真是炸裂💥

提示词我放👇

[Roland.W @rwayne]

卧槽 第一次有人测评X上各种付费群！
这应该是前无古人 后无来者的级别！