AG🥷🎮

Father of two boys. Mobile Game Operations , Game Developer .

[Geek Lite @QingQ77]

Nice

[AG🥷🎮 @ablegao]

这玩意还挺有意思 #arduino

[Nature is Amazing ☘️ @AMAZlNGNATURE]

“Tsitakakantsa,” the largest baobab tree in Madagascar, is slowly fading away after surviving for nearly 1,200 years.

The ancient giant has become a symbol of Madagascar’s unique biodiversity, though scientists say parts of it have been collapsing in recent years due to age and environmental stress.

[Eson Wong @eson000]

E-ink Todo List 首次接收 AI Agent 显示内容

[AG🥷🎮 @ablegao]

@manateelazycat 1

[歸藏(guizang.ai) @op7418]

坏了！这下真能玩了

用 Seedance 2.0 直接把GPT Image 2 生成的 ARPG 《金瓶梅》游戏做成动态的了

UI 交互和两个画面之间的衔接都做了

[Marvix @nanshanjukr]

国产阅读器品牌文石 Boox 上线了一个免费无广告的阅读 App：BooxReader

体验了一下，可以是说安卓体验最好的阅读 App 了：
- 免费无广，还能听书，也不用登录账号
- Telegram 下载书籍之后，直接用它打开自动导入，速度很快。

[UI/UX Savior @UiSavior]

Stop guessing sidebar spacing.

Here are the numbers that actually feel premium.

[GitHubDaily @GitHub_Daily]

想要全面分析一个网站的技术架构、安全配置和潜在风险，手动去查 DNS、SSL、服务器信息这些，得开一堆工具，麻烦得很。

偶然看到 Web-Check 这个开源项目，一个页面就能完成几十项网站分析，从 IP 信息到安全配置一目了然。

基于浏览器端和服务端双重检测，输入域名后自动执行 IP 查询、SSL 证书链分析、DNS 记录解析、Cookie 检查、HTTP 头部分析等 30 多项检测任务。

GitHub：https://t.co/qk8ZA4HZ4W

除了基础的技术栈识别、服务器定位、端口扫描，还能检测 DNSSEC 配置、防火墙类型、TLS 加密套件安全性，甚至计算网站碳排放。还提供截图预览、历史快照查询、全球排名等实用功能。

项目支持 Docker 一键部署，也可以部署到 Netlify 或 Vercel，如果你需要深入了解网站架构或做安全评估，这个工具值得收藏。

[我爱自贸港🇨🇳🇨🇳🇨🇳eason Max❤️❤️❤️ @easonMax2]

小孩姐教你古法健身

[猫神 @maoshen]

天涯神贴回顾：体制内的真相

[向阳乔木 @vista8]

一个 Figma 社区插件，叫 Figroot。

卖点很直接：免费把 Figma 设计转成 React + Tailwind CSS 代码，号称"像素级完美"。

这类工具其实不少，区别：

1. 真的免费

很多"Figma to Code"工具都是免费试用，然后让你付费解锁完整功能。Figroot 直接告诉你：完全免费。

2. 代码质量还行

生成的不是那种一坨 div 套 div 的屎山代码，而是：
- 语义化的 HTML 结构
- 用 Tailwind CSS 写样式
- 自动识别字体并生成对应配置

3. 响应式支持（实验性）

有个"Responsive Screen"模式，虽然还在实验阶段。

局限：

1. 只支持 React 生态
如果你用 Vue 或者纯 HTML，这工具就帮不上忙了。

虽然它说支持 HTML/CSS，但核心还是围绕 React + Next.js 设计的。

2. 复杂交互做不了

能处理静态布局，但如果你的设计里有复杂的动画、状态管理，还是得手写代码。

工具只能帮你搭架子，细节还得自己填。

3. 学习成本
如果你不熟悉 React 和 Tailwind，拿到代码也不知道怎么用。

它提供了详细的安装教程（Node.js、TypeScript、Next.js 一套流程），但对新手来说，这些步骤本身就是门槛。

感觉这个插件适合前端开发和设计师。

以前：
1. 设计师交付 Figma 文件
2. 开发打开文件，手动量尺寸、抠颜色、写 CSS
3. 来回沟通调整

有了 Figroot：
1. 设计师点一下，生成代码
2. 开发拿到代码，微调一下就能用
3. 省下大量重复劳动

让设计和开发的协作更高效。

如果刚好在用 React + Tailwind，可以试试。

https://t.co/8J524dzdKa

[岚叔 @LufzzLiz]

在 NotebookLM 中充分利用幻灯片的 8 种方法，来自官方的推荐方案

没想到还可以改ppt。但我使用发现不能直接上传ppt，得先转成pdf才行；
集思广益，续写小说也可行

这两天和ppt干上了，因为年底有需要😂
原文链接: https://t.co/i3Kej8sjK7

[向阳乔木 @vista8]

AI做了个 "论文翻译器"：自动写文＋配图＋发布。

写了一个Claude skills，提供论文URL，按指定提示词生成 Markdown 文章。

第二遍会反思推理，润色文章，自动截图论文图表配图、调Nano Banana Pro生图。

配合Obsidian插件NoteToMP，一键发布到公众号草稿。

[马克斯Max @Maxandzero]

这张图，几乎涵盖了所有期权波动率交易绕不开的核心公式。

从BS 定价、d1/d2 与Delta的本质
到 Vega / Gamma 如何决定你在升波与回落中的盈亏结构
最后是Theta 的真实来源，以及 Volga、Vanna 这些决定二阶收益的高阶希腊字母

如果只是零散地背公式，其实很难真正开展波动率套利交易。真正的难点在于理解：这些公式如何起作用？PnL来自哪里？

所以@JeffLia12309881 在波动率课程，才会围绕这些“必懂的公式”，一步步拆解推导：
VRP、Gamma Carry、Vol-of-Vol、Smile Carry...
最后公式如何落到新兴/传统市场的实盘交易中？

如果你想通过课程系统性开展波动率套利交易，欢迎加 VX：MaxLi1700 交流探讨
（自学可先收藏，熟知公式会对期权交易会有帮助）

[karminski-牙医 @karminski3]

游戏代打也要失业了? 来看 NVIDIA NitroGen

NVIDIA 刚刚又发了个新模型 NitroGen，这是个只有 1B 大小却可以玩游戏的大模型，它接受视频帧输入，然后输出手柄操作。所以非常适合用来玩手柄可以操作的动作类游戏。

这个模型最大的特点是，它是基于游戏视频本身学习的，以往互联网上虽然有很多游戏视频，但是游戏操作并没有记录下来，而 NitroGen 它利用了合成动作标签技术。研究团队通过大规模的逆动力学模型，从公开的互联网游戏视频中“反推”出当时玩家可能按下的键，从而人工合成了海量的训练数据，通过上万小时的纯视频数据进行预训练，打破了数据瓶颈。

而且最重要的是，这个模型支持后训练。这意味着面对一款它从未见过的全新游戏不需要从头训练，只需少量的微调或适配即可上手游玩。

[Jason Young @Jason_Young1231]

Tauri 魅力时刻（

[宝玉 @dotey]

Redis 之父 Salvatore Sanfilippo 最近发了一篇年终 AI 反思，一共 8 条观点。

先说个背景：Salvatore 不是 AI 圈的人，他是程序员圈的传奇。2009 年创造了 Redis，这个数据库如今是全球最流行的缓存系统之一。2020 年他从 Redis 退休，去做自己的事。2024 年底回归 Redis，同时成了 AI 工具的深度用户，Claude 是他的编码伙伴。

这种身份很有意思——他既是技术大牛，又是 AI 的普通使用者，视角比纯 AI 研究者更接地气。

一、随机鹦鹉的说法，终于没人信了

2021 年，Google 的研究员 Timnit Gebru 等人发了篇论文，给大语言模型起了个外号叫随机鹦鹉。意思是这些模型只是在概率性地拼凑文字，既不理解问题是什么意思，也不知道自己在说什么。

这个比喻很形象，传播很广。但 Salvatore 说，到 2025 年，几乎没人再这么说了。

为什么？因为证据太多了。LLM 在律师资格考试、医学考试、数学竞赛上的表现超过了绝大多数人类。更关键的是，研究者通过逆向工程这些模型，发现里面确实形成了对概念的内部表征，不是简单的词语拼贴。

Geoffrey Hinton 的说法最直接：要准确预测下一个词，你必须理解这个句子。理解不是预测的替代品，而是做好预测的必要条件。

当然，LLM 是不是真的理解，哲学上还可以争论。但实用层面，这个争论已经结束了。

二、思维链是个被低估的突破

思维链，就是让模型在回答之前先把思考过程写出来。看起来简单，背后的机制却很深。

Salvatore 认为它做了两件事：

第一，它让模型在回答前先采样自己的内部表征。说人话就是，先把和问题相关的概念、信息调动到上下文里，再基于这些信息回答。这有点像人考试前先在草稿纸上列提纲。

第二，结合强化学习，模型学会了如何一步步把思考推向正确答案。每一个 token 的输出都会改变模型的状态，强化学习帮它找到那条能收敛到好答案的路径。

这不是什么神秘的东西，但效果惊人。

三、算力扩张的瓶颈被打破了

以前 AI 圈有个共识：模型能力的提升取决于训练数据量，而人类产出的文本是有限的，所以扩张迟早会撞墙。

但现在有了可验证奖励的强化学习，情况变了。

什么是可验证奖励？就是有些任务，比如优化程序速度、证明数学定理，模型可以自己判断结果好不好。程序跑得更快就是更好，证明对了就是对了，不需要人来标注。

这意味着模型可以在这类任务上持续自我提升，产生几乎无限的训练信号。Salvatore 认为，这将是 AI 下一个大突破的方向。

还记得 AlphaGo 第 37 手吗？那步棋当时没人看懂，后来证明是神之一手。Salvatore 觉得，LLM 在某些领域也可能走出这样的路径。

四、程序员的态度转变了

一年前，程序员圈子还分成两派：一派觉得 AI 辅助编程是神器，一派觉得是玩具。现在，怀疑派大规模倒戈了。

原因很简单：投入产出比过了临界点。模型确实会犯错，但它节省的时间已经远超你修正错误的成本。

有趣的是，程序员使用 AI 的方式分成了两派：一派把 LLM 当"同事"，主要通过网页界面对话式地用。Salvatore 自己就是这派，用 Gemini、Claude 这些的网页版，像跟一个懂行的人聊天一样协作。

另一派把 LLM 当"独立自主的编码智能体"，让它自己去写代码、跑测试、修 bug，人类主要负责审核。

这两种用法背后是不同的哲学：你是把 AI 当助手，还是当执行者？

五、Transformer 可能就是那条路

一些知名 AI 科学家开始探索 Transformer 之外的架构，成立公司研究显式符号表征或世界模型。

Salvatore 对此持开放但谨慎的态度。他认为 LLM 本质上是在一个可微分的空间里近似离散推理，不是不可能在没有根本性新范式的情况下就达到 AGI。而且，AGI 可能通过多种完全不同的架构独立实现。

换句话说，条条大路通罗马。Transformer 可能不是唯一的路，但也不一定是死路。

六、思维链没有改变 LLM 的本质

有人改口了。以前说 LLM 是随机鹦鹉，现在承认 LLM 有能力了，但又说思维链从根本上改变了 LLM 的本质，所以以前的批评仍然对。

Salvatore 直接说：他们在撒谎。

架构没变，还是 Transformer。训练目标没变，还是预测下一个 token。CoT 也是一个 token 一个 token 生成的，跟生成别的内容没有本质区别。你不能因为模型变强了就说它"变成了另一个东西"，来给自己的错误判断找台阶下。

这话说得挺不客气，但逻辑上确实站得住。科学判断应该基于机制，不能因为结果变了就改定义。

还有一个案例很能说明问题：ARC 测试。

七、ARC 测试从反 LLM 变成了亲 LLM

ARC 是 François Chollet 在 2019 年设计的测试，专门用来衡量抽象推理能力。它的设计初衷就是抗记忆、抗暴力穷举，只能靠真正的推理来解。

当时很多人认为，LLM 永远过不了这个测试。因为它需要的是从极少样本中归纳规则、应用到新情况的能力，这恰恰是随机鹦鹉做不到的。

结果呢？2024 年底，OpenAI 的 o3 在 ARC-AGI-1 上达到了 75.7% 的准确率。2025 年，即使是更难的 ARC-AGI-2，顶尖模型也能达到 50% 以上。

这个逆转挺讽刺的。当初设计这个测试，就是为了证明 LLM 不行。结果它反而成了证明 LLM 可以的证据。

八、未来 20 年的根本挑战

最后一条只有一句话：未来 20 年 AI 的根本挑战是避免灭绝。

没有展开，就这么一句。但你知道他在说什么。当 AI 真的变得足够强大，"怎么确保它不会出大问题"就不再是科幻话题了。

Salvatore 不是 AI 的狂热信徒，也不是怀疑论者。他是一个既懂技术又在实际用 AI 的人。不是纯学术的视角，也不是纯商业的吹捧，而是一个资深工程师的冷静观察。

他的核心判断是：LLM 比很多人愿意承认的要强大得多，强化学习正在打开新的可能性，而我们对这些系统的理解还远远不够。

这大概就是 2025 年 AI 发展的真实状态：能力在加速，争议在减少，但不确定性仍然巨大。

[看不懂的SOL @DtDt666]

高盛预测，到2026年底，1美元大概能换6.9元人民币（附：高盛2026年五大预判）

全球顶尖投行高盛，发布一份“重量级报告”，我给大家整理了5大核心要点，看完你心里就有底了！

第一，明年经济大环境预测：高盛给的答案很提气：2026年中国实际GDP增速能到4.8%，比市场普遍猜的4.3%高出一大截。原因是，我们的出口有望迎来爆发，市场份额稳中有升。

第二，股市：高盛称，预计2026年稳步推进，到2027年底主要股指能涨30%。背后逻辑：企业赚钱能力在提升，股票估值不算高，加上新能源、AI这些高新产业势头正猛，外资也越来越愿意进来抄底。

第三，楼市：高盛特意提醒要擦亮眼睛。全国房价整体还在调整期，但分化会越来越明显：一线城市的核心地段、高端住宅，到2026年底可能会先稳住；但三四线城市的房子，由于库存太多，不光会掉价，有些地方想把房子卖出去都难，投资买房的必须要谨慎再谨慎了。

第四，人民币要升值：高盛预测，到2026年底，1美元大概能换6.9元人民币。这背后是我国经济增速比别的国家有优势，中美之间的利息差在缩小，加上人民币在国际上越来越好用，支撑力很足。

第五是，利率：高盛判断，2026年一季度可能降准降息，三季度再降10个基点。政策的核心就是帮大家减轻负担：让企业借钱成本更低，让老百姓房贷压力小一点，对冲国外经济波动的影响。