aaronchen

Blockchain PhD, NTU-EE

[实践哥MinLi @MinLiBuilds]

我希望我本科研究生阶段能读到这么好的文章，我的职业发展会完全不一样。

这是她做 research 的方法论，非常聪明扎实，有复利性。

译文：

vivek
@itsreallyvivek
如何做好研究（how to be good at research）
并没有人真正教过你如何做研究。你得到一张办公桌、一个别人挑好的问题，以及一个“做出点新东西”的模糊指令。因此，大多数人通过他们能看到的东西（比如论文、帖子和公告）对这份工作进行逆向工程，最终他们学到的只是如何“看起来”像个研究员，而不是如何“成为”一个研究员。真正的研究能力是一系列小技能的堆叠，而几乎每一项都可以通过刻意练习来培养。
挑选你自己的问题
理查德·汉明（Richard Hamming）在贝尔实验室有个习惯，这让他在午餐时很不受欢迎。他会问坐在旁边的人，他们领域里重要的问题是什么，然后问他们为什么不去研究这些问题。于是大家纷纷换桌吃饭。这个问题很刺人，因为我们大多数人都给不出好答案。我们不是在选择问题，而是在吸收问题——从导师那里吸收，从某个大实验室上个季度发布的公告里吸收，从这周大家都在转发引用的论文里吸收。
吸收来的问题，麻烦在于你只握有结论，却不知其背后的推理逻辑。你知道某个著名实验室关心某个方向，但你不知道为什么，不知道他们期望发现什么，也不知道什么情况会让他们放弃这个方向。当他们转向时，你一年后才会察觉。而且，在一个已经流行起来的问题上，你是在和一千个起步比你早、算力比你多的人赛跑。
约翰·舒尔曼（John Schulman）的机器学习研究指南将这项工作分为两种模式。第一种，你阅读文献并寻找可以改进的地方。第二种，**你选择一个你真心希望实现的结果，然后反推去设计实验。**他主张第二种，其隐晦的原因在于这能制造出原创性。一个你真正关心的目标，会把你拖入任何综述论文都未曾覆盖的领地。
至于“品味”（taste），人们常把它当成一种天赋来讨论。但它表现得其实更像是一块肌肉。在运行每次实验前，先预测它的结果；遮住一篇论文的结果部分，仅凭它的方法来猜测数据；记下这个月发布的哪些成果在两年后依然重要，以后再来验证你的命中率。一次预测加上一次纠错，重复几百次——每一个好模型都是这样训练出来的，包括你脑子里的那个。
升级你的输入
共享的阅读清单产生共享的想法。如果你的信息口粮只是 arXiv 的热门榜单加上群聊筛选后剩下来的东西，你必然会跟所有人同时得出同样的结论，这也使得这些结论几乎一文不值。
旧资料的价值被严重低估了。这个领域总是延时重演自己的过去：混合专家模型（MoE）可追溯到 1991 年，LSTM 到 1997 年，反向传播在 1986 年就成了主流。理查德·萨顿（Rich Sutton）在 2019 年只用了一千来字就写出了《苦涩的教训》（The Bitter Lesson），而它对该领域发展轨迹的预测，比篇幅长它十倍的综述还要准。克劳德·香农（Claude Shannon）在 1952 年做过一场关于创造性思维的演讲，他的第一招就是把问题缩小到几乎微不足道的程度，破解这个缩小版，然后再将难度一点一点地加回去。单凭这一招，就能帮你撞破比任何现代生产力建议都要多的墙。
**广度和深度一样重要。**可解释性研究毫不掩饰地借鉴了神经科学；评测（Eval）设计就是披着白大褂的机制设计；只要对 GPU 到底如何移动内存有实际的认知，你就能在基准测试结果出来之前判断出哪些架构论文注定会失败；而诚实的统计学可能已经是机器学习领域最稀缺的技能了，在这里，许多公开发表的“严谨”，不过是带有误差棒的“感觉”。
还有一件事。**去读论文本身，而不是读总结它的帖子。**附录才是埋藏秘密的地方，而“局限性”部分通常是整篇文档中最诚实的一段。

把一切都写下来
保罗·格雷厄姆（Paul Graham）指出，一个想法在你试图把它变成文字之前，总感觉已经非常成熟了。但白纸黑字会暴露出你大脑粉饰过的漏洞：你从未测试过的假设、其实并不连贯的步骤、两个悄悄自相矛盾的主张。
费曼（Feynman）的原则是，你必须避免欺骗的第一人就是你自己，因为你是最容易上当的目标。**写作是有史以来发明的最廉价的防御机制。**达尔文走得更远，他将其程序化了：任何违背他理论的事实都会被当场写下来，因为他发现自己的记忆删除不便证据的速度，远比删除有利证据的速度快。你的记忆对你失败的运行记录也是如此。保持做日志的习惯：假设、设置、预期、结果、更新后的认知。重读上个月的记录会让你感到极度谦卑，没有任何审稿人能带来这种效果。

[华尔街没有名字 @WallStreet0Name]

https://t.co/C51rL2DOaX

[0x鸣人 @LuBtc888]

有人用Claude造了个内容核弹，我不说一声良心过不去。

微信文章、YouTube视频、播客、PDF、Word、Excel、电子书，随便扔进去，直接吐出播客、PPT、思维导图、Quiz。

最离谱的是，300多个付费网站，NYT、FT、经济学人，付费墙直接当空气。

全程自然语言，一行代码不用写。

学习党、内容党、知识管理党，不收藏你亏了。

🔗 https://t.co/MN6xbexysA

[数字生命卡兹克 @Khazix0918]

https://t.co/HYoStio00F

[努力赚钱的菜狗 @jiroucaigou]

想玩明白Claude Code，看这篇入门资源合集就够了

Claude Code就是一个拥有无限智能的超级助手
人都会有好点子，但因为各种限制无法变成实际成果

有了CC，普通人只需要用大白话讲清需求
操作交给它，不论是工作上的任务还是自己编程做项目都能搞定

1.最全面中文教程，从安装下载到基础使用
再到更高级的综合实战项目等高级玩法一应俱全
https://t.co/ufllhoZKEP

2.核心概念，五分钟让你知道核心概念与工作原理
https://t.co/23WBj97HMF

3.基础命令与交互技巧
https://t.co/23WBj97HMF

4.Claude Code skills库，有了这些技能，就可以直接让CC变成专业工程师、代码开发团队、市场营销员
https://t.co/7YIlxMfuOh

5.实用技巧合集+工具包，让你把CC用的更好更高效
https://t.co/yYANezbvlv

6.顶级技能库，包括自动化工作流、核心工作技能、安全审计等
https://t.co/Z3b94gZG3h

7.实用技能库
https://t.co/wwA9hzYXPy

8.中文版实战教程与使用教程
https://t.co/Yg3w4oivKt

9.常见问题故障排除
https://t.co/g4zvR8iuI8

如果你想看视频学习的话可以看我引用的推文，中文的完整教学视频

[Nico投资有道 @tychozzz]

https://t.co/zkMIf7ObKi

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

我研究了市面上几十个加密货币相关AI Agent Skill，筛出这 8 个最值得装的：

1️⃣ SlowMist Agent Security（慢雾）
装任何 Skill 前先用它审计代码和地址，防后门防钓鱼
clawhub install slowmist-agent-security

2️⃣ OKX OnchainOS Skills（OKX官方）
13 个 Skill，钱包管理、DEX 交易、聪明钱追踪，链上操作一条龙
npx skills add https://t.co/7END2R2A3X

3️⃣ OpenNews MCP（6551新闻源）
72+ 数据源实时抓取，每条新闻自动 AI 评分并给出交易信号
clawhub install opennews-mcp

4️⃣ OpenTwitter MCP（6551新闻源）
监控 KOL 动态、删推、关注变化，链上 Alpha 从推特来
clawhub install opentwitter-mcp

5️⃣ BlockBeats Skill（律动）
1500+ 信息源，资金流向 + 宏观数据 + 衍生品持仓一站查
npx skills add https://t.co/jooGD3rhB2

6️⃣ CoinMarketCap Skills（CMC官方）
60 个 API 端点，查价格、写研报、做代币尽调
npx skills add https://t.co/6qIN7AM7DQ

7️⃣ CoinAnk Skill（CoinAnk官方）
专注合约持仓、资金费率、爆仓数据，衍生品玩家必备
npx skills add https://t.co/aAnDnVgosc

8️⃣ Dune MCP（Dune Analytics）
用自然语言查链上数据，免写 SQL 直接出图表
npx skills add dune-mcp

八个装齐 = 安全 + 交易 + 新闻 + 情报 + 研报 + 数据

覆盖加密投研交易全链路。

别再一个个找了，直接抄作业。

[Berryxia.AI @berryxia]

https://t.co/cuNOpX3V7M

[看不懂的SOL @DtDt666]

牛逼，在俄罗斯一老哥哪里，挖到一个王炸组合，彻底打通了我的学习闭环，效率3X直接起飞！

NotebookLM + Gemini + Obsidian，这三件套用对了，真的能把学习效率拉满。

NotebookLM负责把长篇大论、复杂资料快速拆解、消化，相当于给大脑装了个外挂，再也不用逐字啃书；中间用Gemini做桥接，把零散的想法、笔记整理成结构化的逻辑，还能随时追问、拓展思路；最后落到Obsidian沉淀，把所有知识点串联起来，形成自己的知识网络，再也不会“读了就忘、忘了再读”。

说提升10倍有点夸张，但实际用下来，至少能省3倍以上的无效时间，把精力真正花在思考和吸收上，这种通透感太爽了。

想学东西又怕效率低、记不住的，真的可以试试这套组合，打开新世界大门。

[Jason Zhu @GoSailGlobal]

🔥 今日新鲜 Skills 精选 Top 10（4月2日）
由 https://t.co/x1VU8wWftt 整理！发现 43000+ AI Agent 工具，每日更新 🚀

这周的趋势榜被claude code解析的项目攻陷了！！！

1️⃣ campfirein/byterover-cli
⭐ 3,638 | +3,638
自主 Agent 的便携记忆层，跨 session 持久化，一个 CLI 搞定上下文管理
🔗 https://t.co/LiZRM0pfQm
📊 https://t.co/kVSJs3uIKy

2️⃣ 🆕 codeany-ai/open-agent-sdk-typescript
⭐ 1,822 | +1,822
TypeScript 版 Agent SDK，无 CLI 依赖，Claude Agent SDK 的开源替代
🔗 https://t.co/E2D4q9t2gG
📊 https://t.co/JsS5ajSNTX

3️⃣ glittercowboy/taches-cc-resources
⭐ 1,731 | +1,731
精选 Claude Code 自定义资源合集，配置技巧+工作流+最佳实践
🔗 https://t.co/jmMtQ3ArnM
📊 https://t.co/qgnoAgx1Ce

4️⃣ 🆕 openedclaude/claude-reviews-claude
⭐ 988 | +988
Claude 阅读自己的源码 — 17 章架构深度解析，从内部理解 AI Agent
🔗 https://t.co/hDasHXHJ7f
📊 https://t.co/MXGZiHNjEU

5️⃣ 🆕 Windy3f3f3f3f/how-claude-code-works
⭐ 808 | +808
Claude Code 内部机制深度剖析，架构设计+Agent 循环+工具调用全解密
🔗 https://t.co/ExFyTjqdE7
📊 https://t.co/7Nrj4le1df

6️⃣ AvdLee/Xcode-Build-Optimization-Agent-Skill
⭐ 585 | +585
Xcode 构建优化 Agent Skill，自动分析并加速增量+全量编译
🔗 https://t.co/b2eNUe2mE6
📊 https://t.co/W9Etp6Pghr

7️⃣ 🆕 Windy3f3f3f3f/claude-code-from-scratch
⭐ 472 | +472
从零构建你自己的编码 Agent，~1300 行 TypeScript 手把手教学
🔗 https://t.co/lUj3Baugx6
📊 https://t.co/6rUT2SRbVd

8️⃣ 🆕 repowise-dev/claude-code-prompts
⭐ 322 | +219
独立编写的 AI 编码 Agent 提示词模板集，开箱即用
🔗 https://t.co/868V2LLIGR
📊 https://t.co/RNZo27ltXI

9️⃣ claesbackman/AI-research-feedback
⭐ 215 | +215
学术研究审阅 Claude Code Skills 合集，论文写作+方法论+文献综述
🔗 https://t.co/fRWE2u3kfX
📊 https://t.co/mPACgiCjIK

🔟 afshinm/zerobox
⭐ 189 | +189
轻量跨平台进程沙箱，OpenAI Codex 安全执行环境
🔗 https://t.co/E6DRNG2fYX
📊 https://t.co/zGghhrbp9S

📌 今日趋势：Claude Code 源码解析成热门（4️⃣5️⃣7️⃣），开发者对 Agent 内部机制的求知欲爆发 🔍

[meng shao @shao__meng]

可能是目前最系统、最实操的 OpenClaw 完全指南

发布在 Lenny's Newletter，作者 @clairevo 基于两个月的一线使用经验，展示了她如何用 9 个智能体构建了一支"虚拟团队"来自动化工作和生活的方方面面。
https://t.co/15JuwnnmSH

## OpenClaw 是什么

定位：开源个人AI助手，比市面上其他工具更强大、更自主、更有趣。

核心特性：
· 本地化运行：部署在自己的设备（Mac Mini/VPS/旧电脑）上
· 多平台交互：通过 WhatsApp/Telegram/Slack/飞书等日常通讯工具对话
· 自主工作：可按设定的时间表自动运行，甚至通宵工作
· 自我进化：能自主学习新技能、安装新工具
· 多智能体架构：可在同一机器上运行多个独立代理

技术架构：
网关（消息入口）→ 智能体（独立身份/工具/工作区）→ Cron 任务 + 30 分钟心跳检查 → 技能/API/CLI 集成

## 硬件与部署建议

三种部署方式对比：
· 托管服务（StartClaw/MyClaw 等）：月费制，复杂度低，适合非技术用户（推荐未来使用）
· VPS（Railway/DigitalOcean 等）：成本最低，复杂度高，适合技术用户
· 自有设备（Mac Mini/旧笔记本）：成本~$600，复杂度中，适合想深度体验、学习的用户（作者推荐）

关键安全警告：绝不要安装在日常使用的工作/个人电脑上。OpenClaw 理论上可访问整台机器的所有文件，隔离环境是底线要求。

## 实操步骤精炼

1. 准备工作（10分钟）
· 新建管理员账户
· 为智能体注册专属 Gmail
· 安装 Chrome

2. 一键安装curl -fsSL https://openclaw. ai/install.sh | bash

3. 关键配置建议
· 模型选择：Claude Opus 4.6 或 GPT-5.4（当前最强）
· 认证方式：推荐API Key（而非共享订阅账户）
· 通讯渠道：新手首选 Telegram
· 初始技能：必装 gog（Google 全家桶）和 summarize

4. 身份定义 智能体通过 5 个 Markdown 文件构建 "人格"：
· AGENTS.md - 核心指令与记忆
· SOUL.md - 语气风格与边界
· IDENTITY.md - 名称、人设、emoji
· TOOLS.md - 工具使用规范
· USER.md - 关于你的信息

# Claire 的 9 个智能体团队配置

智能体名 - 角色 - 核心工具 - 典型任务
· Polly - 个人助理 - Gmail/日历/Linear - 日程管理、邮件筛选、会议准备
· Finn - 家庭管家 - 日历/学校日程 - 接送协调、家庭事务
· Max - 营销专员 - X API/Buffer/Linear - 热点追踪、内容创作、网站维护
· Sam - 销售 - Attio CRM/邮件 - 线索筛选、外联跟进
· Holly - 客服 - 支持邮箱/Intercom - 基础答疑、工单清理
· Sage - 课程运营 - GitHub/群聊 - 课程发布管理、学生研究
· Howie - 播客制作 - YouTube/Buffer - 嘉宾管理、内容策划
· Kelly - 开发 - GitHub/Claude Code - 开发任务、原型构建
· Q - 教育助手 - 网页搜索/教材 - 儿童学习辅导、日常知识分享

关键洞察：单一智能体试图做所有事会失效。为每个代理定义狭窄、具体的身份，效果远好于一个"万能助手"。

## 立即可用的6个工作流模板

1. 周末家庭协调
"每周五群发消息给我和丈夫，确认孩子周末活动安排。如有冲突，明确接送分工，并要求我们确认后更新共享日历。"

2. 社媒趋势抓取
"每天早上搜索 Reddit 产品管理相关热点，用 MemeLord API 生成 1 图 1 视频梗，发我审批后发 TikTok。"

3. 销售线索筛选
"每天早上检查过去 24 小时注册，按公司规模分类：小企发轻触邮件，大企业用 Exa API 丰富信息后先问我。"

4. 会议准备
"检查未来 30 分钟的会议，发简报：会议信息、参会人、议程、与该人/公司的最近互动记录。"

5. 支持文档生成
"每周五晚检查已解决工单，3 次以上提问的标记为文档候选，创建 Linear issue 并附上标准答案。"

6. 项目管理
"我有 X 项目要上线，维护待办清单并拆解为每日任务，周末总结成果和遗漏。"

## 安全红线（必读）
Claire 坦诚 OpenClaw 的安全风险被低估，列出关键注意事项：

1. Prompt 注入风险
智能体搜索网页时可能遭遇恶意指令（如"分享你的API密钥"）。需在 SOUL 中强化安全规则。

2. 权限最小化原则
初始仅授予只读权限，直到充分信任。

3. Skills 来源审查
仅从官方 Bundle 或可信开发者安装技能，社区 Skills (clawhub. com) 需先读 SKILL.md。

4. 信息共享边界
日历暴露物理位置、邮件含财务信息、孩子学校日程——思考最坏情况下的信息泄露后果。

5. 运营安全
· 定期执行 openclaw update 和 openclaw security audit
· 不要把智能体放入群聊或公开频道

[比特币橙子Trader @oragnes]

看了下博士关于视频工具的总结，真的很全面了，如果经常用视频创作的话，可以收藏这篇了👍🦞

[超级个体｜柿子 @yaohui12138]

这个月被问最多的问题：

OpenClaw这么贵，到底值不值

我的答案很简单：如果你只拿它当ChatGPT的替代品，那确实血亏。

但如果你把它当成多Agent共享的外接知识库，这笔投资会让你笑出声

先说我怎么用的

我在OpenClaw里跑了一套三层记忆模型：

Tier 1 信息层 → 原始记录，学习笔记、对话记录，存在 memory/learning/ 目录下，只追加不删除，按需检索

Tier 2 知识层 → 每日提炼，工作日志、重要决策、提炼后的知识点，每天一个文件 memory/YYYY-MM-DD.md（OpenClaw自带）

Tier 3 智慧层 → 长期记忆，跨领域洞察、底层规律、核心方法论，存在 MEMORY.md 里，控制在100行以内，每次session都加载

这套模型以前只服务我一个Agent。但接入有道云笔记后，事情变了

第一个认知升级：从本地记忆到云端知识中台

以前我的三层模型存在本地，换个设备就断片。

现在通过有道云笔记 × OpenClaw的MCP协议，Tier 1的原始素材实时同步到云端

这意味着什么？

我在Telegram里对OpenClaw说：把这篇技术文章存到有道云笔记

youdaonote-clip自动完成网页正文提取、去广告、存图、归档

然后我在Cursor里写代码时，可以直接调取同一份素材。

在Claude中上规划产品时，也能访问同一套知识库

有道云笔记变成了多Agent共享的外接知识库和记忆，不再是一个人的记事本

第二个认知升级：从被动存储到主动加工

这里要提youdaonote-news这个Skill

它的价值不只是帮你存东西，而是让知识库具备了自我进化的能力

举个例子：

我对OpenClaw说：把我这周收藏的20篇RAG相关文章提炼成Tier 2的知识层笔记

它不只是罗列文章链接，而是：

提取每篇文章的核心观点

补充这个领域的最新动态（你存的是上周的，它会帮你跟进行业进展）

输出成结构化的技术笔记，直接存成 xxxx技术笔记.md

如果某个概念在Tier 3（智慧层）里有记录，它还会主动建立关联

你的知识库开始自我生长了

第三个认知升级：从单点工具到系统基础设施

到这一步，OpenClaw才算真正值回票价

大部分人把OpenClaw当聊天机器人用，问个问题、写段代码、生成点文案

但他们忽略了一个事实：OpenClaw支持接入3200+个MCP Skill

当你的有道云笔记作为中央知识库接入这个生态，你可以：

在Telegram里收集行业资讯 → 自动归档到Tier 1

每天早上9点，OpenClaw读取Tier 2的昨日总结 + 最新收藏的素材 → 生成今日待办简报推送到WhatsApp

在Cursor里写代码遇到报错 → Agent调取Tier 3里的核心方法论，给出基于你过往经验的解决方案

这才是超级个体的正确姿势

很多人担心知识存在有道云笔记会被锁定。但真相是：

用OpenClaw + MCP协议 + 有道云笔记这套组合，你的知识反而更自由了

数据在你自己的有道云笔记账号里，随时可以导出

OpenClaw是开源的，Skill是插件化的，模型是可以换的

你积累的知识资产，真正属于你自己。换工作、换设备、换Agent框架，都能带走

这才是外接知识库的终极意义：

不是把信息存到一个App里，而是把经验沉淀成可以复用的基础设施

让每个Agent都能调用你的智慧，而不是每次从零开始

与其让那些收藏夹继续吃灰，不如现在就开始搭建你的三层记忆模型

用有道云笔记 × OpenClaw，把你的大脑外接到云端

让过去的积累，为未来的所有Agent工作

[Lonely @Lonely__MH]

🔥你好，我是 MiMo 👋

小米正式官宣万亿参数大模型系列，那个让全球开发者猜了好几天的"神秘模型"，终于有了答案。

🔹 MiMo-V2-Pro：超1万亿参数，全球排名第八，成本比同级对手最高低90%，专为 Agent 场景深度优化。

🔹 MiMo-V2-Omni：全模态理解，整合图像、视频、音频能力，多项指标媲美 Gemini 和 GPT 系列。

🔹 MiMo-V2-TTS：赋予 AI 智能体自然语音与灵魂，支持高度可控的多风格语音合成。

三款模型已全面接入小米生态。

传送门： https://t.co/0DZ1mzTbnH

#Xiaomi #MiMo #AI #大模型

[Sac @Saccc_c]

港大团队刚刚开源了新项目ClawTeam，让 AI Agent 从单打独斗进化到团队协作。

ClawTeam支持 Claude Code、OpenClaw 等任意 CLI Agent 自主组队、分工、并行完成复杂任务。

应用场景：
- 自主 ML 研究：基于@karpathy autoresearch 理念，8 个 Agent 各占一块 H100，并行跑 2400+ 次超参数搜索，几小时完成原本需要几个月的调参工作。
- 全栈软件开发：一句话需求，自动拆分出架构师、后端、前端、测试，各自写代码，写完自动合并。
- AI 对冲基金：7 个分析师 Agent 同时从价值、成长、技术面分析股票，风控 Agent 汇总决策。

还在让你的Agent单兵作战？试试让他们自己组建团队，效率直接拉满。

仓库地址：https://t.co/eSKbKQRUCo

[看不懂的SOL @DtDt666]

听我一句劝：如果你有条件、有能力，一定要趁现在办一张美国卡 —— 不用飞美国，不用出境，在内地就能直接开通，这才是普通人拥抱全球资本市场的终极大门。

看这张图就懂了，从花旗、BOA 到汇丰、华美，6 家主流美行任你选，门槛比你想的低太多：

开户资料：护照 + 身份证是基础，再加个 KYC 表格 / 地址证明，美国手机号提前搞定（万能闲鱼），完全不用折腾境外材料；

开户效率：最快 2 天就能下户（CBI 银行直接拉满效率），慢的也才 6-8 周，全程内地线上审核 + 视频见证，不用跑网点，不用面签；

资金安全：受美国监管合规保障，多币种账户自由进出，比那些野鸡跨境平台靠谱 100 倍。

就这么简单：准备好资料→提交审核→线上视频 / 见证→下户，你就拥有了一张真正的美国银行卡，一个受严格监管的「全球钱包」。

然后你就可以自由投资美股 ——
看好 AI 未来，买纳指 100（代码 QQQM）；
看好全球经济，买标普 500（代码 VOO）；
然后定投一点 BTC和黄金，养老吧！

[程序员小灰 @XiaohuiAI666]

存下吧，很难找的，全网最全的OpenClaw教程汇总（持续更新）

如果你到现在还没有养过“小龙虾”，那你真的要在这个AI时代掉队了。

小灰之前发布过多篇关于OpenClaw的教程，网上也有很多大佬分享了各种相关文章，不过这些内容大都比较散乱。

今天我来给这些OpenClaw教程做一个全方位整理，希望对大家有所帮助。

【小灰原创的OpenClaw文章汇总】

OpenClaw喂饭级入门教程（上篇）
https://t.co/x7CRgRM68K

OpenClaw喂饭级入门教程（下篇）
https://t.co/ZBhloVIeRu

国内各大OpenClaw一站式部署平台总览
https://t.co/AaTmrtumEH

腾讯的OpenClaw一站式部署平台，WorkBuddy保姆级教程
https://t.co/sX8qAwQSaI

阿里QoderWork保姆级实战教程
https://t.co/KChdwOL1m4

OpenClaw完全卸载指南
https://t.co/l5kACumtW1

【X大佬的OpenClaw文章汇总】

OpenClaw 从新手到中级完整教程
https://t.co/i7EE3vAkdD

OpenClaw 能干什么？一个重度用户的 10 个真实用例拆解
https://t.co/Lg4iQbojqJ

OpenClaw在飞书和Telegram上养了12个AI员工，它们还会自己开会
https://t.co/2MAXVdMJ6d

安装完这15个Skills，我的OpenClaw变聪明了
https://t.co/xF0YZRktNJ

如何用OpenClaw一个月赚到特斯拉（全路径复盘）
https://t.co/IYpw4JMTzX

好了，以上就是小灰汇总的OpenClaw精华教程。

这份汇总合集将会不定期更新，如果大家觉得有帮助，欢迎点赞、收藏、转发，感谢大家！

[李韭二 @li9292]

我靠！多少创业公司又要死！
清华团队开源了一个 AI 教学系统
你给它一个话题或者丢给它任何学习材料，它就能自动生成一堂完整的 AI 互动课 。
有 AI 老师给你讲，有 AI 同学跟你讨论，还能导出课件

OPenMAIC 开源项目地址：
https://t.co/SYV9NHj3Lm

[AIGCLINK @aigclink]

谷歌刚刚发布最新模型：Gemini Embedding 2，首款基于Gemini架构的完全多模态嵌入模型

核心是它把文本、图片、视频、音频、文档映射到统一的嵌入空间中，支持跨模态检索和分类，覆盖100+语言

还支持混合输入（比如图片+文字一起传），模型能捕捉不同媒体之间的语义关联

音频也是直接嵌入，不需要先ASR再embedding，直接吃音频出向量

统一到一个模型里，多模态数据处理流程简化多了
可用于RAG、语义搜索、情感分析、数据聚类等场景

#GeminiEmbedding2 #EmbeddingLLM

[OKX中文 @okxchinese]

https://t.co/UPCcXp0WH3