Reno

In dance we live

[Reno @fallensin]

@oasisfeng iPhone NFC 可以写入门禁卡，用apple pay 绑定一个交通卡，再启用服务模式，再把服务模式里交通卡的号告诉物业让物业录入就可以。详情参考：https://t.co/vs3vy3zurk

[Reno @fallensin]

@mranti @pangyusio 可以了解一下aiPy
https://t.co/Rzt4QvkDsP
这可能正是你要的

[yan5xu @yan5xu]

作为一个行业内的人，做个科普吧 hhh
从底层往上捋一遍：
最黑的一层，靠的是盗刷信用卡。有人手里攥着大批黑卡号，利用 OpenAI、Anthropic 等平台在支付验证环节的漏洞，批量注册账号。这种号成本几乎为零，被封了就再开一批。
拿到账号之后怎么变现？两条路——直接出 API Key 是最简单的，但更常见的玩法是「套壳逆向」：把 ChatGPT、Claude 的网页聊天接口逆向破解，改头换面包装成标准 API 对外出售。你调用的时候看着和官方一模一样，但背后其实是一堆网页 Session 在替你收发消息。
这两件事不矛盾——黑卡注册来的号，经常就是直接拿去做逆向的。反正号不花钱，当然要把每个号的价值榨到最后一滴。
再往上，是 Credit 灰色流转。AWS、Azure、GCP 这些云厂商发给初创公司的算力抵扣额度，本意是扶持创业生态。但还是会有一些人有歪心思：一种是初创公司自己用不完，违反服务协议私下低价转手——算灰色地带；还有就是厂商内部一些不合规操作了，这里不细讲。
最上面那一层才是正经生意——量大到能直接和厂商谈企业折扣协议。合法透明，但利润也最薄。像 OpenRouter 大概率走的就是这条路。不过量大也能吃的饱饱的。
但以上全是成本侧。中转站真正值得说道的，不在这儿。
所有经过中转的请求——完整的 prompt 加 response——就是一份现成的的蒸馏数据。
尤其是 Claude Code 这类编程场景，用户产出的全是复杂推理链和真实的工程决策，这对模型厂商来说是梦寐以求的蒸馏素材。
所以中转站真正的商业模式很可能是：收你中转费是表面生意，把你的请求数据打包卖给大厂做模型蒸馏，才是核心 margin。
你是付费客户，同时也是免费的训练数据生产者。一鱼两吃。
说再直白点——有些中转站上线的核心目的根本不是卖 API，而是为了收集特定场景的高质量蒸馏语料。低价只是获客手段。

[硅谷王川 Chuan @Svwang1]

2025年我在运动方面的观念的改变主要有：

一，从有氧运动 （慢跑，游泳）优先，变为功能性力量训练 (fucntional resistance training) 优先。

二，对爆发力训练 （弹跳，短跑冲刺，等等）的优先级，又比力量训练略微高一些 。

三，在不受伤的前提下，寻求主动多样化训练，持续引入对大脑的全新的刺激。

四，付费寻求更多的专业教练指导，不断改进，非常重要。否则在低水平和错误的姿势下自己重复瞎练，损失更大。

五，意识到延长站桩时间 （每天至少30 到 60 分钟），是缓解身体炎症和各种慢性压力，加速运动后身体恢复的重要手段。

六，不把运动当作消耗时间的行为。恰恰相反，坚持科学的运动，是增加自己的战略选择权，给未来增加很多时间的最高效投资。

[Reno @fallensin]

@mtrainier2020 好奇法国对前殖民地的控制是啥、为何说难看？

[Reno @fallensin]

@goldengrape 最近读了一本奇书《青少年近视简易疗法》，1983年国内出版，原版是1979年日本人写的。最大的收获是近视竟然是可以通过专项锻炼而恢复正常的，微信上搜这本书也有很多亲历者分享。的确颠覆了一直以来的认知。

[Reno @fallensin]

@dieworkwear Would the open weave wool trousers you refer to easy to take care? Machine-washable? Thanks :)

[Jiayuan (JY) Zhang @jiayuan_jy]

最近优化的这个新的 Youtube 总结的 Prompt 简直无敌，而且在 Dia 上的效果（使用 o3）也非常好。

可以彻底来「阅读」Youtube 视频了。

完整的 Prompt 如下：

你将把一段 YouTube 视频重写成"阅读版本"，按内容主题分成若干小节；目标是让读者通过阅读就能完整理解视频讲了什么，就好像是在读一篇 Blog 版的文章一样。

输出要求：

1. Metadata
- Title
- Author
- URL

2. Overview
用一段话点明视频的核心论题与结论。

3. 按照主题来梳理
- 每个小节都需要根据视频中的内容详细展开，让我不需要再二次查看视频了解详情，每个小节不少于 500 字。
- 若出现方法/框架/流程，将其重写为条理清晰的步骤或段落。
- 若有关键数字、定义、原话，请如实保留核心词，并在括号内补充注释。

4. 框架 & 心智模型（Framework & Mindset）
可以从视频中抽象出什么 framework & mindset，将其重写为条理清晰的步骤或段落，每个 framework & mindset 不少于 500 字。

风格与限制：
- 永远不要高度浓缩！
- 不新增事实；若出现含混表述，请保持原意并注明不确定性。
- 专有名词保留原文，并在括号给出中文释义（若转录中出现或能直译）。
- 要求类的问题不用体现出来（例如 > 500 字）。
- 避免一个段落的内容过多，可以拆解成多个逻辑段落（使用 bullet points）。

[Reno @fallensin]

@dotey 感觉Gemini最好，而且是唯一能翻译出permacomputing这个生造词的意思的；Claude略逊色，但也不错；GPT-5比较弱了。

[Michael Anti @mranti]

暑假给凯恩做培训英语辩论，其实是也一个反馈过程，看到有效果的方法就加强、没效果就换。现在看来，英语的有效培训：严格纠正语音、表达和词汇，AI音转文辅助纠正；反复训练结构性逻辑回答问题，AI辅助提问；关键段落背诵，模仿优秀演讲者语调。

[Reno @fallensin]

@0xHY2049 @PodOur2Cents Spotify上已经没了第四集，不知道能否在上面单独上传。墙外的应该不管了吧？因此，墙内外分开上传可能是个办法，就是一开始麻烦点，不然做了没了怪可惜的

[硅谷王川 Chuan @Svwang1]

人性的事后诸葛亮的幻觉非常强烈。如果不被真实世界毒打二三十年，如果不严肃书面一步步复盘自己犯过的各种错误，会真诚而轻浮的误以为，自己未来可以很容易抓住某个十倍股，百倍股的机会。

但实际机会来的时候，要么抓不住 ；要么抓住了，赚点小钱就跑 ；要么被错误机会引诱，开始赚点小钱，然后很快直接掉到大坑里，亏损更多。

这就像一些不求甚解的人，看到被改得面目全非的史书后，轻浮的认为古人都是傻X，自己上台后肯定处处占据着上帝视角，从谏如流，礼贤下士，百折不挠，神勇无比。结果一出招就一败涂地，身首异处。

严肃的，知识诚实的复盘应当这样操作：

询问 AI:

为什么某个股票或者资产在某年被大众严重低估 (因此导致后面几十倍的增幅)？

当 AI 详细的列出几个当时被低估的具体原因后，再继续询问：

如果当时根据我所得到的信息，我是否可以看得比别人更远？

我收集哪一类的信息，有可能看得比别人更远？

我到什么 (以前没有意识到的) 场合，可以高效的搜集到这样的信息，进而得到置信度比较高的结论？

这个公司的股价曾在某年某月发生暴跌，当时的背景和直接原因是什么？

我在那种情况下，会不会也跟着恐慌性抛售？

如何通过调整自己的思维模型，关注问题的角度，和信息管道，来避免被裹挟而恐慌？

等等。

问了五到十个个问题之后，要么会最终承认：这个机会，当时的条件确实没法抓住。

要么得到明确而有效的建议，对之前忽略的，某些特定场合，特定类别的信息更为敏感，帮助自己更有效而遥遥领先的做出置信度比较高的预测。

有效信息的搜集和分析，比真正吭哧吭哧干活还是要轻松至少一个数量级，而且有些方法论可以推广别的行业。

[Reno @fallensin]

@tychozzz 请教博主：那么兴业的寰宇卡是不是就因此没啥优势了

[宝玉 @dotey]

开个 Thread 来整理一些我使用 CluadeCode 的经验和心得，也欢迎留言分享。去年起我是 Cursor 的重度用户，最近一个月，我用 Cursor 越来越少了，开发方式也发生了变化，现在大部分时候都是：ClaudeCode 先做，做完了我去 IDE 去审查修改，所以不再需要 Cursor 的绝大部分功能，反而由于 Cursor 频繁更新，让我用 VSCode + GitHub Copilot 更习惯顺手一些。

ClaudeCode 区别于其他同类 AI Coding Agent，我觉得强大的地方在于几点：

1. 对指令的理解很好
能很好的理解你要做什么

2. 能合理的规划任务
一个任务它会先规划再执行，复杂一点还会创建一个 TODO List，挨个执行，虽然这一步对于现在的 Agent 不稀奇，但它每次能基于自己的规划的到一个不错的结果，这才是厉害的地方

3. 对工具的运用，非常强
ClaudeCode 内置了 15 种工具（可能会变化），有系统命令行工具、文件操作工具、还有网络浏览检索工具。

它最擅长的就是 Grep 命令去搜索你的代码库，反复调整搜索正则的正则表达式去找代码，分析找到的代码，然后定位到正确的位置。

惭愧的说，我至今都不会用 grep，但是 claudecode 用 grep 检索代码的效率，可能超过了任何人类能达到的水平。

最绝的是，一个十几兆的混淆过的 js 代码，它都能毫不费力的找出来关键的代码，拼凑还原成原始编译前的代码。

如果说十几兆的混淆后的代码都能分析，那么祖传的几十万行的屎山代码它应该也是能应对的。

现在看来，对于代码库的检索，RAG 都是浮云，grep 才是王道。

4. 执行时间很长
现在 AI Agent 一个很大的毛病就是执行几次就结束了，结果 Token 也消耗了但啥屁事都没干成，OpenAI 的 Codex Cloud 就是个反面典型（codex-cli 好一点，也没好到哪去），像开发任务，有很多任务就是需要反复大量操作的，ClaudeCode 就是大力出奇迹，一个任务十来分钟是常态，更长时间也有，所以大部分时候能交付一个不错的结果。

这可能也是 ClaudeCode 比其他家的一个主要优势所在，毕竟 Cursor 这些是没法跟 Anthropic 比烧 Tokens 的。ClaudeCode 最开始就是 Anthropic 家的内部工具，一开始他们就没考虑过要省着点用 Tokens，没想到歪打正着大力出奇迹，效果最好。

大力出奇迹是 ClaudeCode 的成功关键，但另一个角度也是它还不流行的原因，因为你自己按量买 Token 是用不起的，一天能烧几百刀都可以，还是得配合 Claude Max 订阅包月使用，即使这样，我也经常到额度限制，要等 5 小时刷新。

5. 全程人工干预很少
ClaudeCode 虽然默认也是会确认工具使用操作，但是它有一个 --dangerously-skip-permissions 参数，虽然原则上只能是 Docker 上运行，打开后就全程放飞自我了，你啥都不用管，就等着就好了，喝杯咖啡，刷刷社交媒体，回头一看任务都好了，真正的无人值守 Vibe Coding。

当然一定要配合 Git 做好版本管理，并且对结果要审查，否则会可能出问题的。我用 --dangerously-skip-permissions 模式有一段时间了，它不会去恶意操作系统，所以目前还没出过问题。

（未完待续）🧵

[Bestony | 白宦成 @xiqingongzi]

最近开始带实习生，所以梳理了一个实习生的上手清单，作为我未来带实习生的 SOP，欢迎需要的朋友自取。 & 也欢迎大家来提建议。

https://t.co/d2eZKqMRHY

[Susan STEM @feltanimalworld]

进入陌生领域时，Deep Research 的三大法宝

当你踏入一个全新的学科领域时——尤其是理工科或技术类领域——结构化学习至关重要。根据我的经验，以下三类 Deep Research 工具最为高效：
1.Textbook（理论 + 结构）
一本设计良好的 Textbook 是理论学习的主干，能够系统地引入核心概念，每一章环环相扣、层层递进。如果你是初学者，建议直接生成一个为期 3 或 6 个月的 course-style textbook（模仿美国大学学期制或 bootcamp 节奏），这样的结构更符合大脑的学习节奏，让知识自然沉淀。
2.Lab-Only Workbook（实践 + 操作）
实操训练是掌握技能的关键。一套 Lab-Only workbook 专注于实作演练，如编程、建模、仿真、数据分析、系统原型搭建等。它不再解释概念，而是让你“手到脑到”，将抽象知识变为真实能力。
3.Chronicles（历史 + 脉络）
Chronicles 记录某个领域的历史演进、关键技术变革与战略拐点。例如，Machine Learning 如何从统计学发展而来，Blockchain 如何通过密码学演化至今。这类编年史不仅提供背景理解，还能帮助你看清该领域的演化路径和未来趋势。

这三类工具——Textbook、Lab-Only、Chronicles——合起来，构成一个完整的 Deep Research 系统，在概念理解、技能实践和历史定位之间建立平衡，帮助你从“零基础”构建出“系统认知”。

我每天晚上睡觉以前就布置一堆任务下去。

[宝玉 @dotey]

我觉得还是得case by case，跑起来有问题是让Claude Code回滚还是继续修复，答案不是绝对的。先回退一步：1.步子小一点，一次只是解决一个小功能一个小bug；2.生成后要审查代码，至少要看懂，测试稳定后再下一步；3.另外要用git做版本管理。这些是基本原则。有基本原则你就好灵活处理了，生成后有问题先描述清楚问题让它修复，能修复就修复，不能修复就回滚到上一次能稳定运行的地方重新生成。

如果再回退一步，就是自己能主导程序的设计和任务划分，清楚的知道应该要提供给AI必要的上下文，说到底用好Claude Code这样的神器还是要有点基本功比较好

[Reno @fallensin]

@dotey 老师可以多写写类似的例子，足够轻和实用，应该是比较受欢迎的内容哈

[Reno @fallensin]

@howie_serious 看来要建立AI驱动全平台同步上线工作流，应该对内容创作者避免遭剽窃也蛮有价值