Yaa🥃☕️

看看黨/台澎建國/還沒死透/學習POJ/充滿廢文/天安门事件

[Yaa🥃☕️ @ADDADDQD]

每個人都要為自己的認同付出代價😈

[karminski-牙医 @karminski3]

运行视频中的脚本在这里 https://t.co/SKbxjcwPt5

[Matias Scalbi @MatiasScalbi]

🔥 Morgan Stanley le puso número al negocio de los robots humanoides: US$7.5 trillones de facturación al año para 2050, cerca del doble del tamaño de toda la industria automotriz mundial de hoy

Su Global Humanoid Model traza la curva completa y hoy estamos en el pie de la montaña: las empresas del sector facturan apenas millones de dólares

Lo que el banco proyecta es un crecimiento exponencial: años casi planos y de golpe un despegue vertical

Los hitos del modelo:
- 2030: US$30 billones de facturación anual
- 2040: US$2 trillones
- 2050: US$7.5 trillones al año, o 7.5 millones de millones de dólares, con un parque de 1000 millones de robots funcionando en el mundo

La curva roja del gráfico es ese parque instalado creciendo de casi nada a mil millones de unidades, la mayoría destinadas a fábricas y depósitos, no a los hogares

El otro día te mostré la supply chain que fabrica estos robots y los vehículos para invertir en el tema. Este gráfico es el porqué de todo eso: el tamaño de la ola que explica que cada banco, automotriz y gigante tech se esté acomodando ahora para la foto

Ahora, lo honesto, porque con proyecciones a 2050 es obligatorio

Esta es una de las estimaciones más agresivas de Wall Street y mira a 25 años, una eternidad para cualquier pronóstico. El propio Morgan Stanley advierte que en el corto plazo hay hype, riesgo de shakeout (depuración: muchas de las startups de hoy van a morir en el camino) y una brecha enorme entre el capital que entra y las aplicaciones reales probadas a escala, que casi no existen todavía

Para dimensionar la incertidumbre: Goldman Sachs, para una fecha más cercana como 2035, proyecta US$38 billones. Que dos bancos top tengan números tan distintos te dice lo temprano e incierto que es todo esto

A mi parecer, los US$7.5 trillones no son una promesa, son el techo de un escenario optimista a dos décadas y media, útil para entender por qué se mueve el capital y no como garantía de nada

La tesis de fondo es sólida (poblaciones que envejecen y costo laboral en alza que empujan a automatizar), pero entre esa tesis y los 7.5 trillones hay un océano de ejecución que recién se está cruzando

[saso @saso_capital]

My favorite 800V Power Semiconductor stocks ranked:

1. $WOLF (Wolfspeed) $2.7B market cap — The most asymmetric setup in the entire space. Wolfspeed controls the SiC substrate bottleneck, the foundational material every other SiC device maker needs. If the fab reaches target utilization, revenue could 3-5x from the current ~$713M run rate, and gross margins would inflect from negative to 40%+. At $2.7B, the market is pricing in heavy skepticism. A successful execution would make this a $10B+ company.

2. $NVTS (Navitas Semiconductor) $6B market cap — If Navitas captures even 2-3% of the AI data center power conversion TAM over the next three years, that’s a $500M+ revenue business on a fabless cost structure with 40%+ gross margins. The GaN IC technology is proven, the GeneSiC SiC portfolio adds a second vector, and the 59% revenue concentration in one AI-infrastructure distributor tells you where the growth is coming from. From a 3-year view, the revenue base could be 10x larger than today.

3. $AEHR (Aehr Test Systems) $1.5B market cap — The purest picks-and-shovels play on SiC scaling. Every SiC wafer that Wolfspeed, onsemi, STM, Infineon, or Rohm produces needs burn-in testing, and Aehr’s FOX-XP platform is the standard tool. Revenue is ~$100M and growing rapidly, but SiC production volumes are projected to 5-10x over the next five years. Aehr’s revenue is directly levered to that ramp with high incremental margins. A $100M revenue equipment company serving a market that’s about to quintuple has obvious math.

4. $VICR (Vicor Corporation) $5B market cap — Vicor’s factorized power architecture and power-on-package modules solve a physics problem that gets worse with every GPU generation: delivering 1,000+ amps at sub-1V to a processor die without unacceptable voltage droop and heat. If this architecture becomes standard in AI accelerator designs, Vicor’s content per server could be $500-1,000+. Revenue is ~$400M today. In a bull case where 2-3 major AI chip platforms adopt Vicor’s approach, this is a $2B+ revenue company at 50%+ gross margins, a $25B+ market cap.

5. $AOSL (Alpha & Omega Semiconductor) $1.5B market cap — The most overlooked name in power semi. AOSL makes power MOSFETs and PMICs for computing, server, and industrial applications. At $1.5B market cap and ~$650M revenue, it trades at ~2.3x sales, a fraction of MPWR’s 37x. The company is modestly profitable, has real products shipping into server power applications, and would benefit enormously from any broadening of AI power demand beyond the top-tier suppliers. This is the deep value pick: if the AI power theme lifts all boats, AOSL re-rates from 2x to 5x sales and the stock doubles without heroic assumptions.

Honorable mentions:
$DIOD $XFAB $ON $POWI $MPWR

[勃勃OC @bboczeng]

专家解释道，只有INTC的EMIB封装可以实现真正的CPO

TSMC的CoWoS不行

[qinbafrank @qinbafrank]

AI数据中心电力上的关键环节：800VHDC，今天在这里https://t.co/aDqiOvKFhj聊到大摩拆解VR200NVL72提到，大摩预计800V直流电将在2027年下半年推出的Rubin Ultra平台上得到大规模采用。其实800VHDC并不是全新概念，自从英伟达去年说要推直流供电架构后，市场对此的关注度其实挺高的，这个板块的相关的标的已经炒过一博预期了。但实际上800V直流电在下半年才真正大规模采用，值得关注。聊下几方面的问题：

1、800V HVDC架构是什么？
传统高密度AI rack的路径大致是：电网中压AC → 变压器/UPS/PDU → 415/480VAC到机架 → 机架内PSU转54VDC/12VDC → GPU核心电压。

达子的800VDC愿景则是：在数据中心边界/电力室把中压AC集中转换成800VDC，用800V DC busway送到IT rack，再在靠近GPU的位置用高比率DC/DC转换。NVIDIA称，54V架构在200kW以上开始撞上物理限制；1MW rack如果继续用54V，单rack铜排最高可能需要约200kg铜，而800V架构通过减少电流、减少转换级数、减少机架内PSU，目标是提升效率、降低铜耗、释放机架空间。

它不是简单的电压升级，也不是“发明了直流供电”，而是AI数据中心供电架构的一次平台级切换，是对整个电力交付架构的系统性重构，旨在解决传统48V/54V机架电源的瓶颈（空间受限、铜缆过载、多级转换损耗高），支持单机架功率从数百kW跃升至1MW+，并为未来GW级AI工厂铺路。

2、800V HVDC的意义和革命性是什么？
1）首先自然是效率和空间布局
效率提升：从电网到GPU的转换环节大幅减少，整体能效可提升从以前90%能大幅度提高到98.5%以上传输损耗显著降低，TCO（总拥有成本）降低可达30%
空间与密度优化：减少铜缆用量和电源单元体积，机架内计算空间利用率提升超80%，支持更高密度GPU集群

2）800V不是单一器件升级，而是生态重构：中央整流、800V DC busway、固态断路器、热插拔保护、sidecar/power rack、BBU/CBU、超容/电池储能、DC/DC、GaN/SiC、液冷都要协同。NVIDIA也明确说需要OCP等组织推动电压范围、连接器、安全标准。

如果大家有关注过新能源汽车产业链，应该有影响这两年国内电动车厂商都在推的“快充”基本上就是800V高压直流充电。现在达子正在把800VDC变成下一代AI rack标准化路线的一部分，所以一部分原来给新能源汽车充电产业链上的关键环节，又开始外溢到AI数据中心上了。

3、800V HVDC空间有多大？
要看大背景，AI数据中心整体市场从2025年约3440亿美元增长至2032年超2万亿美元（CAGR 27.5%）。 功率基础设施将成为AI建设的核心瓶颈与增长点，NVIDIA的标准将加速 hyperscaler采用，带动固态变压器、GaN/SiC功率器件等子市场爆发。

2027年后，>300kW/rack、尤其是400kW-1MW rack的AI zones中，800VDC或类似HVDC架构渗透率快速提升。若未来新增AI容量中有30%-60%采用高压DC架构，并且每MW对应的核心800V电力链价值量在几十万到数百万美元区间，累计空间就会进入百亿美元到千亿美元级。

当然这个预测区间也很宽，因为真实取决于Kyber/Rubin Ultra出货节奏、超大云厂接受NVIDIA 800V的程度。

4、800V HVDC产业链构成
完全是英伟达参考设计主导资格认证，之前英伟达也公开列出的核心合作伙伴分为三类，竞争激烈，份额将取决于认证进度、量产能力和 hyperscaler合同。

1）硅片/功率半导体供应商（核心器件，如SiC/GaN MOSFET、控制器，用于高效转换）：
主要玩家：Texas Instruments（TI，已发布完整800V解决方案）、STMicroelectronics（ST，6-18kW功率板）、Infineon、ROHM（SiC器件）、Navitas（GaN/SiC）、Analog Devices、onsemi、Renesas、Innoscience、MPS、AOS、EPC等。
这些是NVIDIA“硅供应商”名单核心，TI/ST等已演示参考设

2）电源系统组件/模块供应商（电源架、Sidecar、DC-DC转换器等）：
主要玩家：Delta Electronics（与NVIDIA深度合作，发布800V解决方案）、Flex、LITEON、Megmeet、Lead Wealth、Bizlink等。
Delta等中国厂商优势明显，已有白皮书和技术落地；LITEON等股价因800V预期已经显著上涨。

3）数据中心电源系统/基础设施供应商（机架级配电、Sidecar、SST、母线等）：
主要玩家：Vertiv（Hopewind为其800V系统关键子供应商）、Schneider Electric（开发1.2MW Sidecar）、Eaton、ABB、GE Vernova、Siemens、Hitachi Energy、Mitsubishi Electric等。
这里面Vertiv、Schneider、Eaton等是传统强者。

个人角度看
1）Vertiv、IFFNY、Schneider、Eaton、Delta、ABB是最可能在早期800VDC相关收入中占到显著份额的几家公司；
2）LITEON、TI、ST、Infineon、onsemi是第二组确定性较强的受益者；
3）Navitas、Power Integrations、MPS、BizLink、Megmeet、Innoscience（英诺赛科）属于弹性更大但验证/量产/竞争风险也更高的一组。

个人角度当下比较看好的则是，当然这个还要动态迭代：
nvts、IFNNY、英诺赛科、vicr

5、后续跟踪落地节奏的几个重要节点
1）NVIDIA Kyber / Rubin Ultra 2027节奏：是否明确把800VDC作为默认/主推rack电力架构，而且出货节奏也带动800V的落地节奏
2）OCP标准进展：800V连接器、安全、保护、PDB、BBU/CBU是否标准化。

3）看点电源管理系统组件，功率半导体供应商的点单披露，谁真正进入了进入backlog和量产socket；这个最关键决定了哪家供应商能吃到多大的份额

4）超大云厂路线：800V vs 400V/±400V vs 50V HPR是否分裂。决定了市场对800V hvdc的预期和想象空间。

5）单MW成本下降曲线：如果800VDC使每MW可部署GPU数量、能效和维护成本明显改善，它会从NVIDIA专用架构变成行业事实标准。

[AYi @AYi_AInotes]

Damn！所有AI开发者，立刻停下你手里的npm install🤯

现在正在爆发有史以来最恐怖的供应链攻击，
代号Mini Shai-Hulud，

已经波及TanStack全家桶、Mistral AI、UiPath等170多个npm和PyPI包，
全是你们天天装的工具链，
周下载量加起来超过一个亿，

已经不是传统的维护者账号被盗了，
而是整个GitHub Actions CI管道被直接劫持，
合法的官方项目，自己发布了带毒的版本，
还带完整的SLSA 3级可信证明，
所有传统的签名验证全失效，

最狠的是它的持久化机制，
它不会只藏在node_modules里，
它会直接修改你的~/.claude/settings.json和~/.vscode/tasks.json，

就算你npm uninstall删光所有包，
只要你下次打开Claude或者VS Code，

它就会自动重新执行，
如果你敢撤销被盗的token，
它会直接删光你整个home目录，

而且它是蠕虫，
偷到一个项目的CI密钥，就会自动感染下一个，
现在还在指数级扩散，

以前我们说别用latest，别用^，
现在就算你pin死了版本，
只要那个版本是6分钟窗口期内发布的，
就是带毒的，

越依赖AI Agent自动装包的人，
这次中招的概率越高，
因为你的Agent根本不会帮你检查lockfile，

现在立刻做这三件事，
第一，冻结所有包安装，
第二，跑npx supply-chain-attack全盘自查，
第三，全量旋转你所有的云密钥、GitHub token和SSH key，
一个都别漏。
#网络安全 #npm #AI开发者

[Roland.W @rwayne]

本地跑 7B 模型把 CNC 报价从 30-60 分钟压到 30 秒。

多智能体 AI 系统给小型 CNC 加工车间做可制造性分析。上传 STEP 文件加材料公差，30 秒出报告，明确零件能不能做、需要什么工具、生产前要采取哪些动作。

核心是用 AMD MI300X 加速卡本地跑 Qwen 2.5 7B，靠 192GB HBM3 显存把 7B 模型完整放在卡上，客户设计数据不出本地。制造业对数据隐私的硬需求被这套方案接住了。

五组件流水线把几何特征提取和 LLM 制造知识推理拼起来。

[Serenity @aleabitoreddit]

Did you remember my $AXTI InP substrate bottleneck call last year anon?

IntelliEPI CEO (Q1 2026 ER):

"The InP substrate shortage is a bottleneck for the entire AI infrastructure"

Digitimes: "Taiwan's IntelliEPI warns of severe indium phosphide supply shortage"

I said as photonics ramps: There was going to be a major InP bottleneck as all the next-gen AI architectures go optical.

This was most goated call with AXT as the upstream chokepoint.

I'm usually a few months ahead of time, but they play out directionally.

While I'm sitting in existing bottlenecks up 1800%+, I'm long CPO as the next major supercycle.

[駿HaYaO @QQ_Timmy]

玻璃基板
1. 有機基板、矽基板與玻璃基板比較
- 有機基板：耐熱性低、容易翹曲、線路較粗、成本中等。
- 矽基板：耐熱性高、線路極細、導熱最好，但成本很高且難以做大尺寸。
- 玻璃基板：耐熱性高、翹曲小、線路細、成本低，能做大尺寸。

2. 大廠最新進展
- 台積電：2026年上半年完成首條玻璃基板中試線，預計2028-2029年量產。
- 英特爾：2026年1月在日本展出78mm×77mm玻璃基板原型。
- 英偉達：下一代AI系統將採用玻璃基板搭配TGV、CPO等技術。
- 群創與SpaceX：群創已獲得SpaceX玻璃基板FOPLP射頻晶片訂單。
- 三星電機：2025年起積極推動玻璃基板與玻璃中介層，並向英特爾、博通供貨樣品。
- 蘋果：已開始測試玻璃基板，用於Baltra AI伺服器晶片，由三星電機送樣。
- 博通：玻璃基板ASIC已從原型測試進入批量驗證階段。

3. 三種玻璃基板技術簡介
1) Carrier載板：
玻璃只當臨時載板，用在FO-PLP扇出型封裝，主要應用在群創和SpaceX。
2) Glass Interposer（玻璃中介層）：
用來連接晶片與基板，取代傳統矽中介層，適合HPC、GPU、HBM和高頻模組，台積電CoPoS和三星都在做。
3) Glass Core（玻璃芯基板）：
直接把玻璃當核心基板，訊號穿過玻璃內部（TGV），取代傳統ABF基板，適合超大AI晶片和5G封裝，英特爾和藍思科技等。

4. 不同領域應用
- 顯示器：用在LCD、OLED面板背板，大尺寸顯示需求持續增加。
- 先進封裝：玻璃中介層用於2.5D封裝，玻璃芯用於3D多晶片封裝，解決AI晶片翹曲與高密度連接問題。
- 射頻元件IPD：用來做高頻電感電容，提升5G/6G訊號品質。
- CPO：光電異質集成的理想平台，同時承載高速電互連和嵌入式光波導，實現光信號傳輸。實現高帶寬密度、低功耗光互連，也可應用於光波導路線。

5. 設備市場占比（估計）
- TGV雷射設備：約20%
- TGV濕蝕刻設備：約10%
- AOI檢測設備：約10%
- PVD鍍銅與電鍍設備：合計約20-30%
- 塗膠/微影/LDI/清洗等��約30-40%

6. 製程流程

https://t.co/FFvN3ldOKX

[Yaa🥃☕️ @ADDADDQD]

@allen1392 @Grace51046835 台語漢字就是條死路

[Yaa🥃☕️ @ADDADDQD]

claude

[看不懂的SOL @DtDt666]

兄弟们，今晚别再刷抖音消磨时间了

这条 1 小时播客，专访 Claude Code 负责人。

抽出一小时，沉下心来看完这套视频，你对 vibe-coding（氛围式编程）的理解，会超过 100 门付费课程。

它能教会你自主搭建、自动化处理各类事务
今晚认真学完的兄弟，明天醒来就会掌握一项
未来两年里绝大多数人都不具��的硬核ai能力。

而选择跳过的人，或许明年此刻
还在刷着剧，困惑着生活为何始终毫无起色
路怎么走，全看你自己的选择。

积极学习 拥抱ai！

[Yaa🥃☕️ @ADDADDQD]

橫隔膜

[Dr.Wang @HotmailfromSH]

你用来解决含胸驼背的训练，可能出发点就错了！

这个视频里，纠正性训练专家Conor 给出了「一个动作就能解决」的方案：相比拉伸和猛练背肌，你更需要的，是解决胸部这块肌肉退化的问题。

[Yaa🥃☕️ @ADDADDQD]

stock

[爱丽丝呀！ @BTCqzy1]

别再问“想学美股不知道怎么办”了

微软官方开源的 Qlib，直接把一套工业级的 AI 量化实验台���到了 GitHub 上。GitHub Star 数已狂飙至 39.6k+，Fork 6.2k 次，热度疯狂飙升中！

一句话概括：它将 AI 训练和美股回测的复杂链路彻底标准化了。

大多数美股新手还在折腾指标分析，微软 Qlib 做了一件很实在的事——把从数据处理、特征提取到模型训练的每一个步骤都做了模块化封装。

核心逻辑很清晰：数据驱动的自动化研究流。它内部集成了一套高性能的数据存储方案，配合自带的机器学习模型（如 GBDT、LSTM 等），让开发者能把精力完全放在策略逻辑的开发上。

这个项目解决了量化研究的几个核心痛点：

完善的数据准备工具链：Qlib 提供了从 Yahoo Finance 等公开源获取数据，并将其处理成标准特征集格式的工具，从底层解决了数据准备的工程化难题。

���型库支持广：不仅有传统的机器学习，还涵盖了强化学习和市场动态建模等前沿 AI 量化方向。

专业级回测引擎：回测逻辑严谨，考虑了滑点和交易摩擦等真实场景，输出的分析报告涵盖了策略收益和回撤等核心指标。

这不是一个概念性的 Demo，而是微软在生产环境中使用并开源出来的量化平台。除了美股，Qlib 目前也完整支持 A 股市场，是目前工程化做得最完善的开源框架之一。

以前是靠经验在市场里博弈，现在 Qlib 提供了用 AI 视角重新审视市场波动的可能。有兴趣的小伙伴们可以看看～
#AI量化 #Qlib #微软
传送门：https://t.co/1YsTb345ua

[Yaa🥃☕️ @ADDADDQD]

learn

[无颜 @WY_mask]

📚一个很离谱的学习网站：Learn Anything

这是一个能帮你找到任何学习资源的网站，只要输入你想学的内容关键词，比如绘画、摄影、AI、编程、英语等等，它就能立刻帮你整理出一整套超清晰的学习路径、最优资源以及知识结构图
https://t.co/w0bGOkhj3e

每个主题下的资源都经过精心整理，真正做到了想学什么就学什么，还可以把喜欢的资源一键收藏，甚至标注自己的学习进度方便随时接着学，赶紧收藏起来吧

[Yaa🥃☕️ @ADDADDQD]

claude
教學

[泊舟 @bozhou_ai]

一个 GitHub 上 10.7k star 的 Claude Code 学习指南，从零开始把你教会

Claude Code 是 Anthropic 出的一个 AI 编程助手，功能很多但官方文档只告诉你每个功能是什么，没教你怎么组合起来用

这个项目把 10 个核心功能拆成了 10 个教程模块，每个模块都有流程图、配置模板和实战案例，照着做就行

涵盖的内容包括：记忆系统、Skills 技能、子智能体、MCP 协议、Hooks 自动化等等

完整学一遍大概 11-13 小时，赶时间的话 15 分钟快速入门也有

https://t.co/b4N8xtaXZk

[Yaa🥃☕️ @ADDADDQD]

claude
教學

[泊舟 @bozhou_ai]

一个 GitHub 上 10.7k star 的 Claude Code 学习指南，从零开始把你教会

Claude Code 是 Anthropic 出的一个 AI 编程助手，功能很多但官方文档只告诉你每个功能是什么，没教你怎么组合起来用

这个项目把 10 个核心功能拆成了 10 个教程模块，每个模块都有流程图、配置模板和实战案例，照着做就行

涵盖的内容包括：记忆系统、Skills 技能、子智能体、MCP 协议、Hooks 自动化等等

完整学一遍大概 11-13 小时，赶时间的话 15 分钟快速入门也有

https://t.co/b4N8xtaXZk

[Yaa🥃☕️ @ADDADDQD]

claude
cowork

[币世王 🦅 @0xKingsKuan]

Claude Cowork 真的要卷死所有AI工具了！

我一个普通打工人，用了它之后，周报、邮件、文件夹整理、客户跟进……全自动了！Anthropic 这次真把 AI同事做出来了！

以前我们用 ChatGPT，Claude、Grok、都是问一句答一句。现在Claude 直接进化成能自己干活的同事：它会主动扫描你的文件夹、拉取Drive 文件、生成报告、写邮件、排周计划……而且还能永久记住你的工作风格！

我昨天按照 @dr_cintas 的教程试了，真的爽到飞起。5分钟搞定设置，今天已经省下我 3个小时！

⚠️⚠️

超简单 3步设置（小白也能秒懂）
1. 去 https://t.co/tPtM1NZlNc 下载桌面版（必须Pro计划，20刀/月，值！）
2. 打开软件，切换到顶部 “Cowork” 标签
3. 设置 → Cowork → Global Instructions

一次性告诉它：

• 你是什么角色（比如内容创业者）
• 你喜欢什么格式（Markdown / 表格 / 报告）
• 你的语气（专业/轻松/硬核）

以后它就永远用这个风格为你工作，再也不用每次重复提示了！这步是灵魂！ 官方叫永久上下文，相当于给 AI植入了你的工作人格。

⚠️⚠️

我最爱的 4个真实用例（直接复制就能用）
1. 文件夹秒变整洁

提示词：“扫描我的Downloads文件夹，提出分类方案、命名规则，并标记需要处理的垃圾文件。先给我看计划，别直接动。”

2. 会议笔记自动变报告

提示词：“读取这个文件夹里所有文件，提炼关键主题、痛点和待办事项，做成Word报告，按客户+日期整理，重复出现的内容标红。”

3. 客户更新一键群发

提示词：“从Drive拉取最近5份项目报告，给每个项目负责人写个性化邮件更新，标记逾期事项，存成Gmail草稿待我审核。”

4. 每周自动巡航

在任何任务里输入 /schedule，设置每周一早上8点自动执行，它就真的自己跑了！

⚠️⚠️

进阶玩法：Connectors + Plugins（这才是降维打击）

• Connectors（连接器）：直接连Google Drive、Gmail、Slack、Notion等。它不只是看你的数据，而是拉取→处理→写回去，真正闭环自动化。
• Plugins（插件）：一键把 Claude变成营销专家、销售专家、生产力专家……输入 / 就能看到一堆专属指令，爽到爆炸。

真实感受：用了 Claude Cowork 之后，我感觉自己多雇了一个全能助理，还是 24小时不休息、不请假、不要工资的那种。

⚠️⚠️

避坑提醒：

• 必须桌面版 + Pro计划
• 第一次 Global Instructions 要认真写，别乱来！
• 重要操作先让它 “Show me the plan”（先看计划再执行）

AI 的下一阶段已经来了，不是更会聊天、而是真正帮你干活。Claude Cowork 就是这个时代的开���。你还在用老式 AI 聊天吗？

[Yaa🥃☕️ @ADDADDQD]

claude

[币世王 🦅 @0xKingsKuan]

Claude Cowork 真的要卷死所有AI工具了！

我一个普通打工人，用了它之后，周报、邮件、文件夹整理、客户跟进……全自动了！Anthropic 这次真把 AI同事做出来了！

以前我们用 ChatGPT，Claude、Grok、都是问一句答一句。现在Claude 直接进化成能自己干活的同事：它会主动扫描你的文件夹、拉取Drive 文件、生成报告、写邮件、排周计划……而且还能永久记住你的工作风格！

我昨天按照 @dr_cintas 的教程试了，真的爽到飞起。5分钟搞定设置，今天已经省下我 3个小时！

⚠️⚠️

超简单 3步设置（小白也能秒懂）
1. 去 https://t.co/tPtM1NZlNc 下载桌面版（必须Pro计划，20刀/月，值！）
2. 打开软件，切换到顶部 “Cowork” 标签
3. 设置 → Cowork → Global Instructions

一次性告诉它：

• 你是什么角色（比如内容创业者）
• 你喜欢什么格式（Markdown / 表格 / 报告）
• 你的语气（专业/轻松/硬核）

以后它就永远用这个风格为你工作，再也不用每次重复提示了！这步是灵魂！ 官方叫永久上下文，相当于给 AI植入了你的工作人格。

⚠️⚠️

我最爱的 4个真实用例（直接复制就能用）
1. 文件夹秒变整洁

提示词：“扫描我的Downloads文件夹，提出分类方案、命名规则，并标记需要处理的垃圾文件。先给我看计划，别直接动。”

2. 会议笔记自动变报告

提示词：“读取这个文件夹里所有文件，提炼关键主题、痛点和待办事项，做成Word报告，按客户+日期整理，重复出现的内容标红。”

3. 客户更新一键群发

提示词：“从Drive拉取最近5份项目报告，给每个项目负责人写个性化邮件更新，标记逾期事项，存成Gmail草稿待我审核。”

4. 每周自动巡航

在任何任务里输入 /schedule，设置每周一早上8点自动执行，它就真的自己跑了！

⚠️⚠️

进阶玩法：Connectors + Plugins（这才是降维打击）

• Connectors（连接器）：直接连Google Drive、Gmail、Slack、Notion等。它不只是看你的数据，而是拉取→处理→写回去，真正闭环自动化。
• Plugins（插件）：一键把 Claude变成营销专家、销售专家、生产力专家……输入 / 就能看到一堆专属指令，爽到爆炸。

真实感受：用了 Claude Cowork 之后，我感觉自己多雇了一个全能助理，还是 24小时不休息、不请假、不要工资的那种。

⚠️⚠️

避坑提醒：

• 必须桌面版 + Pro计划
• 第一次 Global Instructions 要认真写，别乱来！
• 重要操作先让它 “Show me the plan”（先看计划再执行）

AI 的下一阶段已经来了，不是更会聊天、而是真正帮你干活。Claude Cowork 就是这个时代的开���。你还在用老式 AI 聊天吗？

[Yaa🥃☕️ @ADDADDQD]

https://t.co/CRCrFyAMBe

[比特币橙子Trader @oragnes]

刚才看完 GitLab 创始人 Sid Sijbrandij 的最新访谈，大受震撼。

被医院下达“死刑判决”后，他靠着第一性原理、大模型和极客精神，把骨癌晚期硬生生干到了“临床检测不到”的状态。

这绝对是今年最硬核的“系统 Debug”全过程——只不过这次，他 Debug 的是自己的身体。

这篇推文有点长，但绝对值得你花几分钟看完，信息量极大。👇

🧵 1/ 事情的转折在2024年。Sid 的骨癌全面复发，医生无奈摊牌：标准疗法已经打空，临床试验也因为指标问题进不去，相当于被传统医疗系统放弃了。

换一般人可能就崩溃了，但他直接卸任 GitLab CEO（转执行主席），瞬间切入“Founder Mode”（创始人模式）。他出资搭建了一条专属的抗癌流水线，决定自己接管自己的生物数据。

🧵 2/ 他根本不按常理出牌，直接开启了打破常规的“并行治疗”。 当医生警告他：“如果你把好几种药混着用，就算最后病好了，我们也不知道到底是哪个药起效的啊。” Sid 的回答极其干脆：“我根本不在乎是什么治好了我，我只想活下去。”

他把软件工程里的敏捷迭代直接用在了身体上，靠着第一性原理来自己组合靶向药。

🧵 3/ 为了活命，他把全球当成了自己的测试网络。 看重效率，他飞去中国做极其前沿的 B7H3 扫描，因为在那里从登记、配药到出结果只要两个小时，效率高到让他震惊。 为了精准打击，他跑去德国做实验性的放射治疗。

结果因为体内辐射太高，过机场安检时直接触发了寻找钚元素的核警报，把华盛顿的科学家都惊动了。

🧵 4/ 在这个疯狂的自救过程中，AI 成了他的“超级军师”。 他甚至把自己癌细胞的 RNA 测序电子表格直接扔给 ChatGPT，让大模型去分析 MDM2 等复杂的基因通路。

Sid 说，你想凑齐八个顶尖人类医学专家开会几乎是不可能的，但 AI 就像一个终极“博学家（Polymath）”，能瞬间跨学科把极其碎片化的医疗知识整合起来。

🧵 5/ 奇迹真的发生了。这套硬核的工程逻辑强行修复了底层的系统漏洞，现在他体内的���细胞已经检测不到了。 但极客永远在做灾备规划：他不仅冷冻了肿瘤组织备用，还给自己搭了一个包含 30 种备选药物的“治疗阶梯”防变异。

最离谱的是，治病期间他顺手创办了大约 30 家公司（包括 6 家生物技术公司），还把高达 25TB 的个人医疗记录和基因图谱全部开源了。

🧵 6/ 聊回老本行，Sid 对 AI 编程的判断极其敏锐。 在疯狂抗癌的同时，他创办了开源 AI 编程平台 https://t.co/6urAIFtIJE，直接对标 Cursor。他断言 2026 年绝对是“并行智能体（Parallel Agents）”的元年。

未来的开发者根本不需要去卷 LeetCode，只要脑子里有想法，就能像转盘子一样，同时指挥一堆 AI Agent 在不同的工作流里并发干活。这其实也就是我们一直在聊的 Vibe Coding 的终极形态。

🧵 7/ 他还提出了一个极其反共识的观点：“停止协作（Stop Collaboration）”。 未来，每个知识工作者手里都有一支专属的 AI 团队。你不需要再苦苦等待人类同事的排期、开会和反馈，你自己带着 AI 就能把任务直接推过终点线。哪怕以后每个开发者每个月要烧掉 1 万到 10 万美金的 Token 算力，换来百倍的工程效率也是绝对血赚的。

当算力、开源精神和极致的工程思维结合在一起，不仅能重塑软件开发的未来，甚至能把人从死神手里抢回来。

强烈建议大家去刷一遍原片，顺便附上他硬核的开源数据网站（评论区）👇👇👇

[Yaa🥃☕️ @ADDADDQD]

claude

[AYi @AYi_AInotes]

用Claude Code的朋友，
别光在���话框里一轮一轮地聊了，
看看这篇，一个.claude文件夹，五层配置，
200行规范，AI自己规划、自己改、自己测、
失败了自己修，跑完整个闭环不用你盯。

说实话这篇我看完沉默了很久，
不是因为Claude Code有多厉害，
功能列表谁都能写，
而是因为它戳中了一个我一直在回避的问题：
我到底是在"用AI"，还是在"和AI聊天"？

作者花了2个月，每天泡在Claude Code里，
不是随便玩玩，是做课程、拿认证、建项目、踩坑、烧了200美元学费那种深度，他得出的核心结论让我停下来想了很久，

Claude Code不是Copilot，不是autocomplete，
不是你问它答的聊天框，它是一个真正的agent：
读懂整个项目，自己规划，多文件同时改，跑测试，
失败了自己修，修完再跑，直到通过为止。

这还没完，真正让我愣住的是那个.claude文件夹，
一套极简的配置系统：CLAUDE.md写死规范控制在200行以内，rules/按路径分发模块化规则，
skills用YAML自动触发工作流，
hooks跑确定性脚本守门，MCP连接外部工具。

一个文件夹，就把AI从"你问我答"变成了"你配好规则，
我自己跑完闭环"。

回到我的认知重构系统，
CLAUDE.md对应我的核心认知原则，
rules/对应不同领域的判断规范，
skills对应自动触发的工作流，
MCP连接Notion和Obsidian里的第二大脑。

以前我觉得"用AI重构认知"是一句正确的废话，
现在发现，它缺的从来不是理念，
是一个极简的配置协议。

作者还提到一个数据让我挺感慨的：
power user平均同时用2.3个AI编码工具，
但Claude Code负责真正的重活。

这也是我踩过的坑，工具栏塞满了，
每天在好几个AI之间跳来跳去，
最后真正落地的就那一两个，其余全成了数字墓碑。

所以看完这篇我���自己定了一条规矩：不再追新工具，
把一个工具的极简配置做透，让它真正读懂你的系统，
比装10个新玩意儿强100倍。

不是工具不够多，是你从来没给任何一个AI配过"怎么当你队友"的说明书。

感谢 @Axel_bitblaze69，不管你写不写代码，这篇里那个.claude的配置思维——极简规则、自动触发、闭环迭代值得每个认真用AI的人拿走。