guunergooner

gooner

[徐伦 @Jolyne_AI]

最近公司里在推一套 AI 工作流，用起来体感还不错，在此分享给大家。

OpenSpec + Superpowers 工作流：AI 辅助开发从「写代码」到「按规格交付」的完整闭环。

两个工具，各司其职：
• OpenSpec 管规格和记忆
• Superpowers 管设计和执行

完整流程：

① 提案（OpenSpec）
/opsx:propose 生成提案 + 秘格 + 任务

② 审查（人工）
确认 proposal.md 需求和方向

③ 设计（Superpowers）
brainstorming 深入细节 → writing-plans 拆分原子任务

④ 构建（Superpowers）
TDD 先写测试再写代码 → 每个子代理读取 specs/ 获取上下文

⑤ 交付（Superpowers）
返回完成的功能

⑥ 归档（OpenSpec）
/opsx:archive 归档变更 → 更新 specs/ → 项目知识库同步更新

核心价值：
• OpenSpec 让每次变更都沉淀成规格文档，AI 不再重复摸索
• Superpowers 用头脑风暴深入细节 + TDD 保证代码质量
• 子代理读取 specs/ 执行任务，每个环节都基于统一上下文
• verification 跑过才算完，质量有保障

这套流程解决了 AI 开发最大的两个痛点：缺记忆和缺纪律。

[Kieran Zhang @ninthbit_ai]

介绍一下我最喜欢的 agentic coding skills 套件，作者 @mattpocockuk 刚刚正式发布 v1.0.0 版本了，相比旧版本有了不少的改动，今天从全局视角来看一下怎么用这套 skills。
如果你第一次用这套 skill，记住一条主流程就够了。作者这次甚至新出了个 ask-matt（路由技能），当你不知道用啥时直接问。
80% 的工作都是这样开展的：idea → ship，把它当成开发周期的五个阶段，从上往下走（见下图）：

1. 构思。一切从一个想法开始，都汇进同一条主流程，这个想法可以凭空来，也可以是以下任何的过程中出现的灵感。

2. 打磨设计。别急着写代码，先让 AI 反过来拷问你。grilling 是统一的拷问入口，会逼问你设计里的每一个分支,直到真正想清楚。
如果项目已经有代码，用 grill-with-docs；如果代码还没有，只有一个想法，就用 grill-me。
要是碰到那种需要很长验证周期的问题，可以使用 handoff 开一个新会话、拿 prototype 写段一次性代码验证，再 handoff 把结论带回来。

3. 固化任务。这一步是可选的，先用 to-prd 把聊成型的设计变成一份 PRD，再用 to-issues 把它拆成一个个可以各自独立认领的问题。我在使用 multica @MulticaAI 的过程中完美使用这个技能，将问题分解以及分发下去。

4.实现构建。到这里才真正写代码，implement 拿着 PRD 或 issue 去实现，tdd 用红-绿-重构来写代码。diagnosing-bugs 是根因诊断。还有个场景是用 triage 把别人提的 issue 给划分成更规范的原子问题，哪些可以直接给 Agent 跑，哪些还需要人去 review。

5. 持续优化。功能上线不是终点，有空可以跑一跑 improve-codebase-architecture，扫描代码里可以优化的地方。它又会变成第 1 步里的新想法，整条流程就这样闭环转起来。另外还有 resolving-merge-conflicts 这种解冲突的 skill。

另外值得一提的是，这套 skill 底下还藏着两块“词汇底座”。codebase-design 负责深模块的设计语言，domain-modeling 负责领域术语和架构决策记录。这两个你几乎不会直接调用它们，但上面好几个 skill 都会复用，这也是这次重构最见功力的一笔：把散落各处的概念收拢成单一的真相源。

如果你是第一次使用这套技能包，记住一句话就够了：先装上 ask-matt 问一问，剩下的就是“想法 → 打磨 → 固化 → 构建 → 维护”这条主线了。

[nini @nini_incrypto_]

严肃学习，建议所有大学生都看一看

[Xudong Han @Xudong07452910]

这篇论文说的是一件大多数工程师听了会不舒服、但可能无法反驳的事：人工 Code Review 这道门，可能已经没有理由继续存在了。

核心观点：人类做代码审查的目的是发现 bug、传播知识、保障代码质量，而这些事情 AI Coding Agent 都能以更低成本、更高吞吐量完成。并且「让 Agent 写代码、人类继续当必须的审查员」这条路，既不能提供真正的质量保证，也无法跟上 AI 辅助开发的吞吐速度。

作者 Martin Monperrus 的逻辑很直接：Code Review 是在「人写代码、人审查」这个假设下演化出来的工程实践。当写代码的主体变成了 AI Agent，审查逻辑自然也应该换，Agent 有更好的 Agent 来审查它，而不是靠人类降速到 Agent 的输出吞吐量。他把「人类继续审查 AI 代码」定义为既无法提供有效保障、也无法规模化的死胡同，并给出了替代框架。

这篇论文里最值得认真思考的是它提出的问题框架：Code Review 的价值究竟在哪？如果答案是「在于人类的判断」，那么当 AI 的判断在代码质量维度超越多数工程师时，这个「在于」的前提还成立吗？这个问题，现在问，还不晚。

以前我们关注 Code Review 能不能发现问题，以后可能更要关注「谁在 review、review 本身还需不需要存在」才是关键。
https://t.co/Oq076EWAks

[forecho📈 @caizhenghai]

最近还有朋友问我长桥和富途怎么下单？

我特意录制了一个视频：步骤其实很简单，在配置里面加一个 RULE-SET 规则就好

域名是 https://t.co/GB5ISh9l27

让它走代理就可以，其他软件步骤都大同小异

[Smartpig @Smartpigai]

前身是阿里集团内部官方 AI 代码审查助手，过去两年服务了数万开发者，识别了数百万个代码缺陷。

现在它开源了：Open Code Review。

它不是让 AI “随便看一眼 diff”，而是把 AI Code Review 工程化。

它能读取 Git diff，结合上下文分析代码变更，生成带行级定位的结构化审查意见。

对开发者：提 PR 前先自查，少返工。

对 Reviewer：少看低级问题，把精力留给架构和业务逻辑。

对团队：可以沉淀规则，接入 GitHub Actions / GitLab CI。

一句话：
它不是取代人类 Review，而是让团队代码审查更省力、更稳定、更有价值。

GitHub：
https://t.co/hLajoi447r

[guunergooner @guunergooner]

@kfk_ai @grok 总结核心用法

[LinearUncle @LinearUncle]

每周五早上，Codex都会发布本周重大更新。

今天这波更新，绝对是爬虫和逆向工程党的狂欢：Chrome 插件新增 Developer Mode，Codex 可以直接接管 Chrome DevTools 的整套能力。

我拿它分析了一遍 DeepSeek 官网聊天记录的加载逻辑。Codex 自己打开页面、监听网络请求、追踪数据流，很快发现历史消息根本不是从服务端实时拉取的。接着顺藤摸瓜，定位到本地 IndexedDB 缓存，又反向阅读网页 Bundle 里的 JS 代码，最终把聊天记录的存储、读取、恢复流程全部还原出来。

以前这种活得自己开 DevTools、翻请求、扒源码、打断点。现在一句话丢给 Codex，它自己干完了。

[Boo @dayouboo]

富途app如何不开全局正常使用，打开你的小火箭，选择配置，规则，右上角添加把https://t.co/Jn7gIeqXq9，https://t.co/FyVG4GSiPP，https://t.co/WMy0O5Bpyl，https://t.co/RoldcpmzR6 逐一加入规则，类型DOMAIN-SUFFIX，策略PROXY保存就OK了。接着奏乐接着舞。

[Boo @dayouboo]

早上试了下富途证券APP发现不能入金和买入了，看了下代理是开着的。后面测试了一下开全局就能正常了。但是总不能一直开着全局吧，抓了一下包，把富途app走的域名全部都加入代理规则走流量代理。关闭全局，OK了。继续嗨。

[Codez @0xCodez]

https://t.co/eJB3TgyJwV

[老金 @freeman1266]

https://t.co/MqDFz5d3VY

[Mr Panda @PandaTalk8]

https://t.co/Bhse1NoPvO

[Luca的AI思考 @aas354583338405]

这波美股回调前，AI 提醒我减仓，少亏了 3 万美金

很多时候，赚钱不是因为你知道了什么秘密，
而是你比别人更少漏掉关键信息，更早看到风险变化

这波美股下跌前，我的 AI 提前给我敲了警钟
它没有预测到了市场下跌，也不是替我自动交易
它只是帮我做了一件很简单但很有用的事：
把我可能会忽略的风险提示，及时推送到我面前

这次美股下跌前两天
Hermes 就把相关风险提醒的信息推给了我（参考图一）
也就是总结了我常看的几个关键博主和社群，
在提醒短期风险，以及原因是什么

这些信号单独看，可能只是一个观点
但当它们同时出现，就值得重视
所以我当天就把杠杆仓位清掉了
现货仓位也降到了只有 20%的NOK和MRVL
后面市场真回调了

按我原来的仓位算，这次AI及时提醒帮我
多保住了大概 3 万美金

我也在几个群里提醒了朋友们短期风险
不是跌完以后才马后炮（参考图2）

还有一次是黄仁勋喊单 MRVL 那天
AI 也及时把这个消息推送给了我
我刚睡醒看到以后，就在 Hyperliquid 上开了仓位
当天直接拉了 50%
吃到了 35%

这件事让我更确定一件事：
AI 最容易帮普通人赚钱的地方，不一定是直接交易
而是优化信息源
我其实一直在用 Hermes 处理市场信息源

只不过之前更多是在看加密市场
最近加密行情不太好，我才开始把美股 AI 这条线上接上
我让它每天会从几个层面帮我
监控信息 分析市场并写研报推送给我

1.宏观和资金面
比如 BTC、ETH、DXY、合约 OI、链上资金流

2.重要新闻
比如监管、机构资金、AI 科技、半导体供应链、美股 AI 链情绪

3.高信号信息源
比如我长期关注的博主、社群讨论、关键推文和市场观点

4.GitHub / AI Builders
用来判断 AI 行业真实开发者注意力正在往哪里流

5.Crypto 链上叙事
比如金狗/银狗、CA 证据、社区传播质量和叙事承载力

它不是把一堆信息原封不动丢给我
而是帮我过滤、归类、提炼重点
如果多个信息源都在提示同一个风险
它会把这个信号放到日报里

很多人都在说用 AI 交易
我也看过不少 AI Trading 的案例
总结下来，我觉得 AI 直接替你做交易非常难

但帮你优化信息源，其实很容易
现在信息源真的太多了
X、微信群、Telegram、研报、新闻、链上数据
每个地方都可能有重要信息
人不可能一直盯着所有渠道
尤其是微信群，消息太多，刷得太快
很多关键内容非常容易被忽略
你也没有足够精力一个个回头翻
这就是 Agent 真正有价值的地方
你不用它帮你拍板做投资决策
而是让它帮你过滤噪音、提炼重点，把分散的信息源连接起来

所以我现在越来越觉得：
普通人用 AI 优化投资交易的第一步，不是自动交易
而是先让 AI 帮你建立一个更强的信息系统
让它帮你看更多关键信息
更少漏掉风险变化
这才是 AI 在投资里最容易落地的用法

后面我会分享我具体是怎么用AI抓取的这些信息源
欢迎大家关注

[AB Kuai.Dong @_FORAB]

太牛批了，某大厂内网的万字长文。核心项目组员工，在离职前的长篇吐槽，里面出现好几位高管名字。

从见证 AI 立项，到 300 万日活，最后因管理者、员工、文化矛盾等问题，成为项目最后一位走的人。

https://t.co/mul6SF8WTX

[0x_Miko @Mikocrypto11]

Claude Code 的创造者 Boris 讲了一个很关键的转变：

“我现在不再给 Claude 写 prompts。
我写 loops
然后让 loops 去完成工作
我的工作，就是写 loops。”
这其实也是很多人用 Claude Code 卡住的地方

他们还在把它当聊天工具用：
输入一个需求
等一次回答
然后手动继续改

但 Boris 在 30 分钟里展示的是他真实的 daily setup：
Claude Code
loops
dynamic workflow
核心不是让 Claude 一次性给出完美答案

而是把任务拆进一个可以反复执行、检查、修正的循环里
模型不只是回答你
它会在 workflow 里持续推进任务
这类内容，可能比很多 $500 的 vibe-coding 课程更有价值
因为它讲的不是“怎么写一句更好的 prompt”
而是怎么把 Claude Code 变成一个能持续工作的系统

AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

[Yifan Zhang @yifanzhang_]

Introducing MathCode 0.2.0: maximize prompt-cache hit rates and reduce API costs by up to 90%.

Project Page: https://t.co/gZZJqxYkd0

[AlphaSignal @AlphaSignalAI]

https://t.co/GBmIIsdq7G

[Bridge Wang @qc777qc]

https://t.co/3EnqH5DjUx