Elvis Vans

[淘沙者(TheSandPicker) @Etudecn]

油管大��Dankoe这个AI学习方法，看完真给我整破防了

原来我之前学东西慢，纯粹是方法不对

他手把手教你用AI把学习效率拉满，直接10倍速

不是那种虚头巴脑的理论，全是能立刻上手的实操步骤

链接我放评论区了，有中文音频版

这哥们讲得太通透，感觉以前的时间都白花了

[huangserva @servasyy_ai]

两位 Anthropic 工程师刚在 24 分钟内揭示了几乎无人知晓的 Claude 隐藏功能。

这个视频将彻底改变你使用 AI 的方式。 快看并收藏吧

[huangserva @servasyy_ai]

Karpathy 的 CLAUDE.md 登上了 GitHub Trending 第一。

22 万星标，但大多数开发者还没读过。

它只有 65 行。

却把 AI 编码准确率从 65% 提升到了 94%。

里面的 4 条规则：

→ 先思考再编码
明确你的假设。不确定就提问。绝不猜测。

→ 简单优先
只写解决问题的最少代码。不要做没人要求的抽象。

→ 外科手术式修改
不要动与需求无关的代码。每一行修改都必须能追溯到需求。
→ 目标驱动执行
在写任何代码之前，把模糊的指令转化为可验证的成功标准。

就这些。
65 行。4 条规则。94% 准确率。

趁别人还没看到，先收藏。

[阿西_出海 @axichuhai]

卧槽，有个编程大神把自己的工程经验蒸馏成了一个开源项目

GitHub 热榜第一，Star数直接冲上了9万 +

作者是前 Vercel 工程师 Mat，参与过 Next.js 早期开发，以把复杂技术讲得通俗易懂著称。

他把日常和 Claude 协作的工程实践整理成 16 个 skill，一条命令安装，给 AI 注入几十年的软件工程经验。

最受好评的一个叫 Grim，让 AI 反过来拷问你，沿着决策树逐一确认需求，直到彻底搞清楚你想要什么再动手。

只有 3 句话 42 个词，被不少人评为"token 回报率最高的提示词"。

还有一个 skill 专门解决代码跑不起来的问题，强制 AI 先写一个会失败的测试，再写最少量的代码让它通过，最后重构，经典红绿循环，AI 想走捷径都难。

整套项目不只是教 AI 怎么做事，更是帮你和 AI 建立一套持续对齐的工作机制。

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

兄弟们，我今天刷到一个东西，直接给我整不会了。

GitHub上有个叫 agency-agents 的开源角色库，你知道它现在多少星吗？81万。不是8.1万，是81万。这个数字意味着什么？意味着全球有几十万开发者和AI玩家已经在用了，你还不知道？

🔗 链接: https://t.co/X3Tdcb84fE

先说这东西是干嘛的。

简单讲，就是一个超级角色���示词库，里面塞了140多个专家级Agent角色。CEO、律师、程序员、产品经理、增长黑客、财务顾问、市场策略师……你能叫出名字的岗位，基��都在里面。每个角色都是精心调教过的，不是那种随便写两句"你是一个律师"就完事的垃圾提示词，是真的有深度、有专业框架的角色设定。

用法也极其简单，三步走：

1️⃣ 打开这个库，找到你需要的角色
2️⃣ 把角色描述直接喂给Claude Code或者Cursor
3️⃣ 开始对话，你的AI瞬间变成那个领域的专属顾问

就这么简单。你在做一个创业项目，不知道商业模式怎么跑通？调出CEO角色问它。合同条款看不懂？调出律师角色让它帮你拆解。代码写不下去？调出高级程序员角色让它review。

但最骚的玩法不是单个角色，是多Agent组团。

你可以同时开几个对话窗口，一个跑CEO视角，一个跑市场总监视角，一个跑财务视角，让他们对同一个问题给出不同角度的判断。这��就是给自己开了一家虚拟公司吗？而且这帮"员工"7×24小时在线，不要工资，不会摸鱼，不会跟你讲情绪。

我自己测试了几个角色，说实话，质量比我预期高很多。

特别是那些商业类角色，给出的框架和思路真的有点东西，不是那种泛泛而谈的废话，是能直接落地用的建议。当然，AI终究是AI，专业判断还是要自己把关，但作为思路启发和初稿生成，这个库的价值真的被严重低估了。

还有一点我必须说——它是完全免费的。

开源、免费、随便用、随便改。在这个到处收费、动不动就订阅的AI时代，这种东西真的越来越少见了。

现在AI工具的核心竞争力已经不是模型本身了，Claude、GPT、Gemini底层能力差距在缩小，真正拉开差距的是你怎么用、用什么角色、给它什么上下文。这个库本质上是在帮你解决"怎么用"的问题，把最难的提示词工程部分给你做好了，你直接拿来用就行。

81万星不是运气，是实力。

还没收藏的，现在去。

[huangserva @servasyy_ai]

安装了这个之后，Claude Code 的体验会完全不一样。

Anthropic 悄悄发布了一个官方插件，叫 claude-code-setup，它基本把 Claude Code 从“还不错的工具”变成了一个真正的 AI 开发环境。

它会扫描你的项目，并推荐：

→ hooks（钩子）
→ skills（技能）
→ MCP servers
→ subagents（子代理）
→ automations（自动化）
然后一步一步帮你把这些都配置好。
大多数人现在用的都是“原生版”的 Claude Code……
这也是为什么他们的体验会显得有点混乱。
真正的强大之处，其实来自它周围的生态。

安装方式：

/plugin install claude-code-setup@claude-plugins-official

记得先收藏，免得之后找不到。

[Vincent @Vincent_AINotes]

说句不夸张的，这可能是目前最全面的 Claude Code 零基础教程了。

整整40分钟，从打开界面开始，纯用自然语言带你跑通网页、小游戏、Chrome插件、自动化工作流、AI识图应用，连MCP接入、API key处理、Vercel部署这些新手最容易卡壳的地方都讲透了。

非技术人想靠AI做点自己的东西，看这一个视频就够了。

建议先收藏，周末跟着实操一遍 👇

[区块链行情研究 @qkl2058]

一位斯坦福毕业生刚发了一个马尔可夫链的讲座视频，50分钟，专门讲给做量化交易的人听，讲得特别简洁。

Jane Street 的量化分析师年薪能到 120 万美元，说到底就是要搞懂这套数学。

现在这个讲座把同样的框架给你讲透了，完全免费。

收藏起来，周末抽时间看看。

[Vincent @Vincent_AINotes]

卧槽，这视频有点猛。这哥们用Claude AI写了几本简单的PDF指南，7天卖了快2万刀？💰

关键是全程没露脸，也没搞什么复杂代码。从找选题到设计封面再到投流，全流程都展示了。感觉2026年真的是AI变现的爆发期，普通人只要执行力够强，机会真的很多。👇

[Jason Zhu @GoSailGlobal]

Karpathy 出了一期面向普通人的 ChatGPT 使用指南

里面的几句话我反复回味

· 1️⃣「Hi 我是 ChatGPT，我是一个 1TB 的压缩包，我的知识来自半年前读完的整个互联网 / 我对它记得很模糊，我的人格 / 是 OpenAI 的标注员一条一条示范出来的」

这是他给非技术用户的 ChatGPT 自我介绍，比任何宣传稿都准

你以为你在跟 AI 聊天。你在跟一个 1TB 的压缩包对话

· 2️⃣ context window 跟「聊天记录」是两件事
它是模型的「工作记忆」
token 是稀缺资源 / 每开一个新话题 ， 都应该开新对话

· 3️⃣ 模型有便宜的 / 也有贵的

便宜的回答快 / 适合日常
贵的会「思考」/ 适合数学 / 代码 / 复杂推理

Karpathy 的方法 ：先用便宜的 / 不满意切贵的
真正贵的部分 / 是用错模型

· 工具用法，三件事最值钱

互联网搜索 ：知识超过半年的事 / 必须开搜索
Python 解释器 ：模型自己写代码跑数学 / 跑数据分析
文件上传 ：把 PDF / 书 / 代码 / 截图直接拖进去

· Karpathy 的一句忠��

「不要一个人读书」

读书时永远开着 LLM
有歧义就问 / 有不懂的概念就问
他读《国富论》就这样
读古英语 / 读 1776 年的文本 / LLM 把门槛拉到地板

· 「LLM council」

同一个问题同时问 ChatGPT / Claude / Gemini / Grok
他对这几家模型的定位 ：议会
没有最好的 / 只有合适的

· 桌面 50% 的查询用语音，手机 80% 用语音

「Don't type. Use voice.」

· Karpathy 自己造的词 ：Vibe coding

把控制权交给 AI / 告诉它你要什么 / 然后祈祷它做对
极端情况 ：连音效文件从哪来都不知道 / 它说能找就找
他原话「seems very very possible」

整篇视频是给普通人的入门

[Nico投资有道 @tychozzz]

今年看到的最精彩的 AI 产业投研访谈，把当下 AI 投资的底层逻辑讲清楚了。

Herman 老师实力还是太强了，推荐大家都去看看，学习学习。

[套利豪仔🗽 @pritipatelfgoo]

前花旗银行量化交易员按照图中的公式开发了 Polymarket 机器人，在 49 天内将 1200 美元变成了 79.7 万美元

我使用 Opus 4.7 追踪了他的 3.4 万笔交易 → 并在包含 7200 万笔交易的数据集上回测了他的策略

租赁了 VPS + 连接了 Hermes 智能体 + 币安API

结果：3 天内投资回报率（ROI）达 363%

只需 5 步即可运行你的智能体：
• 在 Hetzner 上租赁 VPS - 5.99 美元

• 使用单行代码运行 Hermes CLI - 免费

• 连接 Opus 4.7 + TG 机器人 + Polymarket API • 在 7200 万笔交易 (Backer) 数据集上开始模拟交易

• 发送文章中的 Hermes 逐步提示词

应用凯利公式管理仓位，并为智能体提供至少 100 美元进行 {50-100} 次交易以进行自我学习。

机器人档案： https://t.co/VVtWmppxb8

自我学习智能体结合量化模型是 Polymarket 加密交易的最佳配置

[逸尘 @gengdaJ]

https://t.co/fZXgHIkQcG

[Wealth Code @WealthCode99978]

🎯 英伟达CEO Jensen黄一直在告诉你买什么——你听进去了吗？
⠀
2025年他点名的股票，现在涨成这样：
⠀
📊【2025年Jensen点名——结果说明一切】
⠀
$NBIS 点名价$21 → 现已上涨+840%
⠀
$APLD 点名价$3 → 现已上涨+1,400%
⠀
$TSM 点名价$180 → 现已上涨+135%
⠀
$MU 点名价$86 → 现已上涨+770%
⠀
这不是运气，这是看懂了AI基建供应链的人在提前布局
⠀
🔮【2026年Jensen正在点名这三家】
⠀
$NOW ServiceNow · 点名价$90
⠀
$CRWV CoreWeave · 点名价$114
⠀
$IREN 艾瑞斯能源 · 点名价$60
⠀
🧠【为什么Jensen的判断值得认真对待】
⠀
他不是分��师，他是卖铲子的人
⠀
他比任何人都更早知道哪些公司在大��购买英伟达的产品
⠀
他点名的公司，本质上是英伟达生态里最大的买家
⠀
买家越强，英伟达卖得越多
⠀
这是利益完全一致的推荐
⠀
⚡【这三家的共同逻辑】
⠀
$NOW：AI Agent落地最快的企业软件平台，算力需求爆发的直接受益方
⠀
$CRWV：英伟达重仓的GPU云基础设施，AI时代的新型云巨头
⠀
$IREN：英伟达投资并签署大单的AI数据中心运营商，算力扩张直接受益
⠀
2025年那批人后悔没早点听
⠀
2026年这批名单现在还在低位

📈 具体入场位、目标价、仓位策略，我们已经做好了详细拆解👇

https://t.co/PRcG0NHVDH

[0x鸣人 @LuBtc888]

12岁中国小男孩还没资格开银行账户，却靠Google Play上的小游戏赚了12万美元。

而他学校还在教怎么用Microsoft Word。

他搬来两台显示器，用ChatGPT一晚上就搭好游戏，边敲代码边对着镜头讲解，录下发到B站，视频有3万播放。

因为太小，没有银行卡和开发者账号，是爸爸帮他提交上架，全程只按儿子指示签字，一个字没写。

这款0.99美元的游戏，首月赚7000美元，第十二个月起每月稳定进账超1万，还是他挤作业和晚饭空隙做的。

谷歌花30万请高级工程师做的事，他3小时就搞定，学校老师还给他加分贴了公告栏。

一个31岁香港承包商，把他的视频慢放0.25倍抄下代码，把游戏里的15分钟定时器，改成BTC自动交易定时器，每15分钟自动交易一次。

六个月后，承包商的交易钱包有86.8万美元利润，他在开发者群发截图：“我偷了一个12岁小孩的作业，周二早上市场就给了我4696美元。

消息传到推特，四小时内就有人证实，交易时间和小孩游戏的定时器完全一致。

[艾略特 @elliotchen100]

Anthropic 的 Thariq 昨天那篇 HTML 的文章爆了，1.5M 阅读。

看上去在讲格式审美，其实他在讲一套全新的工作流。

挑几个最有技术含量的点。

第一，HTML 不是文档，是 throwaway editor。

他举的例子很经典。30 个 Linear ticket 要重排优先级，让 Claude 生成一个 HTML，每个 ticket 做成可拖拽卡片，分 Now / Next / Later / Cut 四列。结尾加一个「copy as markdown」按钮，把最终顺序导出来贴回 Claude Code。

这个模式可以套到所有「用文字很难描述」的场景。调动画缓动曲线，调颜色，调 cron，调 regex，全都比纯文本表达��效一个量级。

第二，用 HTML 网做 spec，不再用单个 Markdown plan。

他的流程是：先让 Claude 生成 6 个不同方向的方案，平铺在一个 HTML 里横向对比。挑一个深入做 mockup 和数据流图。最后写实施计划。开新 session 的时候把整个 HTML 网络当 context 喂回去。

verification agent 也读这堆 HTML。这意味着 spec 不再是给人看的过渡产物，而是 multi agent 协作的共享内存。

第三，SVG 是被严重低估的输出格式。

让 Claude 把 token bucket 限流逻辑画成 SVG 流程图，关键代码片段做内联注释，加一个 gotchas 段落。一张图比 200 行 Markdown 解释清楚一个数量级。

第四，他诚实承认了代价。

HTML 比 Markdown 生成慢 2 到 4 倍，diff 也更难 review。但是在 Opus 4.7 的 1MM context window 下，多出来的 token 在 context 里几乎不可见。这是他做出取舍的关键。

讲到底就一句话：

Markdown 的隐含假设是「人会从头读到尾」。HTML 的隐含假设是「人只想扫重点和动手改」。

后者才符合 AI 时代人和机器协作的真实形态。

[铁锤人 @lxfater]

卧槽，学Skill的建议你看看anthropic的33页PPT教程

内容包括：

1. 基础知识
2. 设计
3. 测试
4. Debug

给你安排的明明白白，地址👇

https://t.co/ldlFitCvYy

[AI Will @FinanceYF5]

Jane Street 以年薪 $22 万–$60 万聘请了这位初级员工，因为他利用 AI 分析数万亿条数据。

在这场 1 小时的讲座中——他展示了如何借助自己的机器研究数万亿的数据点。

收藏并观看它，而不是看 Netflix，来学习如何做到同样的事情

[CAT @cyber_cat7]

10 岁的男孩，家住郑州。二年级寒假，他在 GitHub 上漫无目的地乱翻，发现了一套量化系统的完整回测日志。

他不认识“向量化”，但认得时间戳里密密麻麻的重复规律——那些交易几乎全在 Polymarket 的 BTC 5 分钟涨跌市场上发生，每次进出只差几十秒。

他用了半个月，每天晚上趴在客厅地垫上，给一个叫 ohanism 的钱包写“画像”。

用画图软件把它的交易时间、进出点位、持仓时长标成彩色横条，折了几十种图表，发现这个钱包几乎只在一个极其狭窄的夹缝里运行：当 YES 和 NO 的价格加起来刚好低于 1 美元的那几秒钟。他说，它像一只在那里等着吃东西的蜘蛛。

数字越滚越大：79,884 次预测，+422,988 美元利润，最大单笔 +2,369 美元。小远给这套逻辑起了个代号——“那个不爱站的缝”。

开学前，他跑去找在银行做数据分析的舅舅，说想搬走 ohanism 的策略框架。舅舅起初以为他看错了，等他翻开那个孩子自己整理的逻辑图——密密麻麻的彩色横条，每个横条标注着市场名称、买入价、卖出价、持仓秒数——才开始觉得不对劲。

“这不是小孩子的涂鸦。”舅舅说，“这是一个在直接观察量化系统行为粒度的交易日志。”

Polymarket 上每个 5 分钟窗口，市场会问：比特币这 5 分钟是涨还是跌？大多数人赌方向。而 ohanism 不赌涨跌，它只吃价格结构——当 YES + NO 的总价低于 100 美分，它就同时买进两边，无论最终哪边赢，结算时总有一边归 1 美元，锁死的价差就是利润。

三月的第一个周末，他跟着 ohanism 模拟跑了一笔 BTC 5 分钟盘。他在纸上记录：市场价 YES 0.48，NO 0.49，总价 97 美分。系统自动买入两边，几分钟后结算，YES 归 1 美元，利润锁定。他算了一下，如果自己当时真的投了 10 美元，能赚 0.30 美元。

他在备忘录里写：“我找到了一座桥，但还不敢走过去。”

钱包主页在这，数据公开可查👇：https://t.co/KsvVSs6tIl

79,875 次预测，最大单笔盈利超 2,000 美元。一个量产套利的量化账户，被一个 10 岁孩子拆成了可复用的观察笔记。

我问他妈妈，他在家是不是每天学很多。她说：“九点就睡了。就是总趴在地上画那些带颜色的杠，我以为是学校作业。”