FunofDesign

Design Thinker, Visual Thinker

[Rahul @sairahul1]

POV: You have an exam in 7 days and haven't started studying

[GitHubDaily @GitHub_Daily]

做科研写论文时，查文献、跑实验、改初稿，每个阶段都需使用不同工具，想要找个靠谱点的工具。

可以看下 Awesome-Auto-Research-Tools 这份资源合集，把自动化科研相关的开源项目整理到了一起。

包含端到端自主研究系统、文献综述与深度检索、自动化实验与代码智能体、研究技能插件集，还有相关的综述论文合集。

GitHub：https://t.co/QCYtuwXD82

严格剔除了泛泛而谈的通用 AI 助手，只保留真正服务于科研场景的硬核项目。

每个收录的工具都经过开源活跃度和星标数筛选，直接帮我们省去了大把试错时间。

[CyrilXBT @cyrilXBT]

Obsidian + Claude Code = 24/7 personal operating system.

Works while you sleep.

The people who build this tonight will never work the same way again.

Watch it and Bookmark it now.

[小树 @AmberTreelet]

AI有单一盲区
需要多维度多视角的提示词去补充
这套方法来自斯坦福 OVAL 实验室👇

[余温 @gkxspace]

执行力真猛，一天就开源了。

基于 tldraw 构建本地无限画布，通过 MCP 让 Codex 原生读写画布元素、按比例生图、自动插入。

认真想了一下 Codex 现在的状态，越想越觉得这东西是一盘大棋：

1、编程能力，有。Image 2 最强生图，有。
2、内置浏览器能操作网页，有。Computer Use 能操作整个电脑，有。
3、Record & Replay 录一遍操作就变成可复用 Skill，有。
4、Sites 一句话部署带数据库的网站，也有。

插件生态上百个应用，目前还在疯涨。

这些能力单独拿出来都有竞品，但 Codex 如果把它们组合在一个平台里的，还有多少产品有护城河，那时候就只有"用户离不开的生态了吧"？

[程序员小灰 @XiaohuiAI666]

https://t.co/Kygx7ez6Nm

[Raytar @Raytar]

My friend applied to 200 tech jobs in two years. No CS degree. No callbacks.

Last month Anthropic offered him $750,000.

All because of one Stanford lecture. Free on YouTube. One hour.

A professor explains how ChatGPT actually works. Not the Twitter version. The real one.

He watched it in bed. Paused it eleven times. After that hour he told me something I didn't believe. "It's embarrassingly simple."

Three days later he applied to Anthropic.

Every single question they asked him, he knew from that video.

[Bober_smart @Bober_smart]

A 19-year-old student from China, Zhang Wei, developed an AI radar and sold it to Hong Kong for $550,000

He created it using Claude, spending just $20 and a month on development

He walked into the Hong Kong administration office with a flash drive and asked for just 5 minutes of their time. 30 minutes later, he walked out with a check for $550,000

The code, connected to a camera, detects speed in real time. If the speed exceeds the limit, Claude takes a video clip and identifies the owner by the car's license plate. The video and the fine are then automatically sent to the owner's email address

Unlike a conventional radar that only takes a photo and doesn't always work, this AI radar eliminates disputes because it captures video and makes the process fully autonomous by sending out the fines on its own

The article includes the ready-to-use configurations.

[钟二信 @zhongerxin]

Cowart：Codex + 无限画布工具插件开源，大家可以来试试啦，这个插件先取名叫 Cowart，别问为什么叫这个，我只能说 Code with Art 这种冠冕堂皇的理由：https://t.co/071tWD3G3L

[Geek @geekbb]

一个用心打磨的个人开发者作品集网站，基于 React + Vite 构建，搭配 Tailwind CSS 和 shadcn/ui 组件库，用于展示项目、技能和技术文章。

https://t.co/dDYmZV7ktz

[喜羊羊（资源分享） @enoch4306]

🚀硬盘又满了？重复文件狂占空间？这个神器我直接封神！
everything大家都不陌生了吧，以秒搜文件出名，千万级文件一秒出结果，但大家对everything的开发不到1%，分享一个书签，能帮你快速筛选文件，一秒找出想要的文件，文件搜索、归类、筛选、清理的神器。

使用方法:
1.安装最新的everything
2.书签-管理书签-导入“书签.csv”
3.书签里即可找打规则。

最新程序1.5.0.1415b+http插件+书签
https://t.co/3jQUcwiaJR

[Pascal @creatorpascal]

https://t.co/SQPwgiCP9B

[CyrilXBT @cyrilXBT]

GOOGLE CEO SUNDAR PICHAI: "IF YOU DON'T LEARN HOW TO ORCHESTRATE AGENTS NOW, YOU'LL SPEND 2027 CATCHING UP TO PEOPLE WHO STARTED TODAY."

30 minutes on why the best engineers stopped writing code line by line and started orchestrating agents instead.

Most people think building an agent requires an engineering degree.

It doesn't.

It requires one guide and one afternoon.
Watch the interview. Then save the exact setup below.

One guide. One afternoon. That's all it takes.

The gap between you and the engineers winning in 2027 closes this weekend.

[AYi @AYi_AInotes]

有点炸裂，Cascadeur把AI动画的token计费直接干没了🤯

AI inbetweening、智能摆姿、物理工具，全部本地跑，没token、没credits、没云端排队，就四个字——无限生成

视频里最狠的演示是拿一个低多边形blockout rig直接出复杂奔跑动画，多场景秒切，没有任何生成等待画面
核心就三层:
1️⃣ 导入你自己的blockout角色rig
2️⃣ 用AI inbetweening补帧，智能摆姿调关键动态
3️⃣ 物理工具自动算重量感和接触——全程不联网，本地算力直接跑

这事真正的意义不仅仅是又一个AI动画工具，关键是它把动画迭代从"每次实验都要花钱/排队"变成在你本地就可以随意试了，
我印象里以前用云端工具改一个动作，脑子里得先算token，
现在不用了，Photoshop滤镜怎么试，这就怎么试🤣

[Reads with Ravi @readswithravi]

I’m in love with this sentence:

“Your future is shaped by the habits you repeat, not the goals you set.”

[孙云冉.eth @sunyunran]

当你学不进去了，可以试试这个办法

[AYi @AYi_AInotes]

做美股的都应该知道这个网站，叫做Finviz。

完全免费，筛股功能比一堆收费软件还全。

你想找“放量突破 50 日均线、离新高一步之遥、内部人还在买的票”，它几秒给你刷出来。

基本面、技术面、内部人交易，几十个参数随便组合。

最爽的是这张热力图，S&P 500 用色块铺开，红的绿的涨跌一目了然，早上一分钟就知道资金在往哪个板块跑。

不过界面确实有点丑，像 Win98 时代的产物，操作多了会卡，但免费版已经够你日常用了，我觉得不用升级。

个股页也干净，财报数据、分析师评级、内部人最近买卖、新闻，一页拉完，不用几个网站来回切。

很多需要筛股的体力活，它都能帮你干了，剩下的就是留给你自己做判断。

[苍何 @canghe]

在Codex中配合无限画布，绝了，准备用gpt image 2试试

[老鬼 @laogui]

Typora 团队新作 Otty：我终于找到心仪的轻量终端了！

我之前一直在找一个带简单文件编辑功能的终端工具。像 Warp、Superset、Orca 这类偏 Agentic IDE 的工具虽然功能很强，但用起来总觉得太重，启动和占用资源都不太理想。

前段时间用了下 Muxy，它足够轻巧，功能也基本能满足我的要求，但界面还是差点意思。作为一个颜值党，我一直没完全满意。

直到前天我看到了 Otty，说实话，第一眼就被它的颜值吸引了。默认的主题虽然是当下泛滥的类纸配色，但看惯了黑乎乎的终端界面，这种浅色设计还挺让人眼前一亮。整体界面干净整洁、细节打磨不错。

后来才知道，Otty 的开发团队 @appmakes 就是知名 Markdown 编辑器 @Typora 背后的团队。之前用 Typora 的体验不错，只是后面收费了就没在用了😅。

当然，Otty 并不只是给传统终端换了一层漂亮外壳：

- 核心采用 Rust，macOS 版本通过原生 Metal 进行 GPU 加速，滚动和大量文本输出都比较流畅。
- 支持标签页和灵活的分屏布局，标签页位置可以自己配置。
- 右侧的 Details Panel，可以查看当前目录、命令历史、Git 状态以及项目文件树。
- 内置了轻量级文件编辑器，能够快速预览 Markdown、查看代码或临时修改配置文件。
- 支持会话恢复，重新打开应用后可以还原之前的窗口、分屏、工作目录和滚动记录。
- 与 Claude Code、Codex 和 OpenCode 深度集成，在标签页上显示 Agent 的运行、完成和等待输入状态。
- 还可以把标签页、分屏、目录和启动命令保存成 Recipe，方便一键恢复常用工作环境。

配置项也比较丰富，外观配置非常细致，可以自己修改边距、圆角和阴影，对于喜欢折腾终端外观的人来说，可玩性并不低。

Otty 的定位正好介于传统终端和 Agentic IDE 之间：比普通终端多一些现代工作流，又不像完整 IDE 那么重。

目前 Otty 只支持 macOS 14 及以上版本，Windows 和 Linux 版本还在开发中；现在免费使用，看上去后面要做云端同步等收费功能。

官网地址：https://t.co/dmr0Glh0qt

[Phoenix Yin @Phoenixyin13]

我们正在见证硅基生命史上的创世纪时刻

从静态地图到数字生命，这场属于神经科学的指数级狂欢只用了两年。
人类不仅拿到了神明的电路图，而且就在本月，他们亲手按下了启动键。

这两天，一张色彩斑斓的果蝇大脑回路图FlyWire在社交网络上疯狂刷屏。
理清这条恐怖的时间线，你就能看懂人类距离破译灵魂究竟还有多远。

📍 2024年10月：【创世纪的图纸】
国际顶尖期刊 Nature 以9篇论文的重磅合集，宣告人类首次完整绘制出果蝇大脑连接组地图。
13.9万个神经元、5450万个突触，在一粒沙子大小的空间里被全部数字化重构。人类第一次看清了生物行为背后的全景电路图。

📍 2026年6月8日上旬：【接通全身的神经】
就在前几天，哈佛医学院与普林斯顿团队在 Nature 再次投下震撼弹：他们把果蝇的大脑 + 身体彻底连通，绘制出全系统连接组！
这意味着，人类不仅知道了它在想什么，还知道了大脑是如何精准调动每一片翅膀、每一条腿的物理神经机制。

📍 2026年6月19日，就在昨天。
随着数据的彻底开源，全世界的 AI 实验室和硅谷初创公司，比如Eon Systems 等，面对这样的变化，彻底疯狂。
他们正火速把这份完美的神经回路地图，塞进 MuJoCo 等物理模拟引擎中。
他们正在计算机里，1:1 复活一只真正具备生物回路控制的数字生命。

这是认知科学、脑机接口与人工智能交汇处的终极奇点。

现在的 AI，比如 GPT-4、Claude 3.5，虽然聪明，但动辄需要数万张显卡、几十万度电。
而果蝇的大脑功率只有区区几微瓦，却能完成极其复杂的飞行导航、求偶和逃生决策。
我相信，这份两年来不断完善的地图，就是下一代超低能耗类脑 AI的终极算法指南。

我们在它身上做完所有的突触信号调弦与编码解码实验。下一步，就是向高等哺乳动物、乃至人类大步迈进。

人类这场关于极致、纯粹智识与生命本质的探索，已经按下了无法逆转的加速键。