shadow

AI瞎指挥家 币圈装死型选手

[Simon He @simon_he1995]

#markstream 真的就是那么滑，@tibo 真不考虑收购 markstream，集成进 codex 吗，天天看codex，普通 text 输出都在全量闪烁重绘🧐

[AI Will @FinanceYF5]

今晚少看一部剧，把这堂2小时34分钟的Stanford课程看完。

它从Tokenization、BPE一路讲到Transformer、预训练、RLHF、DPO和逐Token生成，完整拆解ChatGPT、Claude这类大模型是如何构建出来的。

无论刚接触AI，还是已经在开发Agent，都值得收藏。

[逸尘 @gengdaJ]

TW93大佬@HiTw93的Kami实在是太优雅了！拿来做简历、Slides、推荐信、信件，简直无敌。

这背后是一套非常值得学习的视觉设计思路：安静、克制、留白、纸媒化。

1.背景固定为暖羊皮纸色 #f5f4ed。
2.唯一主强调色是墨蓝 #1B365D，原则上不超过页面面积的 5%。
3.灰色全部带黄褐暖调，拒绝常见 SaaS 冷蓝灰。
4.主要依靠衬线字体、字号、间距建立层级，而不是彩色卡片和图标。
5.禁止硬阴影、渐变、3D、装饰性图表和过量色彩。
6.深度主要依靠边框、极弱阴影和留白。

但其实如果仅仅把Kami拿来做上面这些事情，还没有发挥出它的全部实力。

因为把Kami的核心能力抽象出来，其实就是一种很高级的设计风格。

这种设计风格可以迁移到任何“感官感知”的地方——小红书封面图、公众号排版、网站风格、APP风格......

我微调Kami的风格，做了一个公众号模板“纸墨编辑风”，也已经集成到了Ailu里面，大家也可以去试试～

[十里 @okooo5km]

稳定输出高质量轻拟物图标的技能来了！

细心的朋友应该会想到我之前分享过一些拟物图标和相应提示词，那个时候就构建出了初版技能，但生成的离直接拿来用还有些距离

现在我可以说你利用这个技就能轻松制作自己想要的图标了。

https://t.co/RXXEa9N6LV

其它风格在路上，关注我蹲技能，转发惠及推友

[陈大黄 @realchendahuang]

果然我们还是要多多关注一些有审美的设计师和程序员。

[Adrian Punk @AdrianPunk115]

https://t.co/NNKlhYJJrv

[AYi @AYi_AInotes]

简直就是省Token焚决！！！

Vercel Next.js团队的老哥，烧了大约60B tokens，总结出一份AGENTS.md，核心就8条规则。

60B tokens什么概念？大概六位数美元。

这8条规则的本质就一句话：让你的AI编程Agent别像个实习生什么都想自己造，要像个干了十年的老油条一样写代码。

直接上规则：

1. 不保留向后兼容。过时的直接删，别加兼容层、别写migration、别留fallback。

2. 选能满足当前需求的最简单实现。不要预防性抽象，不要多此一举的配置层。

3. 系统分层长。先跑通一个最小的端到端版本，再往上加东西。绝不为了未完成的复杂度拆掉能跑的东西。

4. 组件保持模块化，关注点分离。

5. 优先用成熟的、有人维护的库。没有明确理由别自己重写。

6. 先翻项目里已有的依赖能做什么，再考虑加新包或自己写。别上来就假设库里没有。

7. 架构决策往长了做。不接受"先这样以后再换"的临时方案。

8. 先看成熟产品怎么解决同一个问题，用已验证的模式，别从零发明。

就这8条，丢进你项目根目录的AGENTS.md里，Cursor、Claude Code、Codex、Windsurf全会自动读。

为什么这能省token？因为AI写代码最大的浪费其实不是写错，是重复写多。

它给你引三个依赖写五个抽象层来解决一个标准库十行就能搞定的事，你让它改，它再给你写两百行。

这8条规则就是在它动笔之前先把它摁住：能不写的不写，能复用的复用，能简单的别复杂。

代码短了，返工少了，token自然就省了。

之前推荐过的Ponytail那个插件，干的是同一件事，只不过它是在运行时强制检查，这个是在AGENTS.md里从源头约束，两个一起用，简直效果拔群。

但作者自己加了个非常重要的警告：

这玩意儿只适合side projects，生产环境慎用。

他亲口说的，"不保留向后兼容"那条曾经让Agent差点删了生产数据库的表，差点丢了2000美元的数据。生产环境你得自己改，至少把第一条删了或者改温和点。

所以如果你在做side project、做内部工具、做原型，把这8条抄进AGENTS.md，你会发现AI写出来的代码突然像个人了。

如果你在生产环境用，把第一条和第七条之间的度自己把握好，别让AI把你库表删了。

省token的方法有很多种，换便宜模型是一种，写好prompt是一种，但最有效的，是在你项目根目录放一个文件，告诉AI：

别给我整花活，写最少的能跑的代码。

[Leo Li @LeoLi_9]

支持一下我清华本科同学、字节跳动火山引擎 OpenViking 核心贡献者 ByteDance AML 的黄瑞腾 @huangruiteng 首创的 LoopX 超长程框架，在复杂、长程任务中表现尤其优秀。

实测在金融市场深度挖掘信息等场景表现非常好，我觉得可能会催生出新一代的工具机会。

[GitHubDaily @GitHub_Daily]

AI 大神 Karpathy 之前做了个 autoresearch 脚本，能让模型一晚上自动跑上百轮实验调优。

Autoresearch 这个开源项目把同样的思路搬到了 Claude Code 和 Codex 上。

给一个目标和量化指标，Agent 自己循环改代码、跑验证，效果好留着，差了自动回滚。

GitHub：https://t.co/4BrvBcGeIX

提供 14 个子命令，涵盖调优、找 Bug、安全审计、发版等场景，还内置 9 个安全钩子防误操作。

设好目标挂着跑就行，起床看结果。适合想让 AI 编程助手自动迭代的朋友。

[LinearUncle @LinearUncle]

一种用 GitHub Issues 驱动的AI并行开发方式：

1. 先写 Issue 描述功能（手写，或用类似 Matt Pocock 老师的 skills 批量生成）
2. 在 harness 里用 GitHub CLI 拉 issue 列表，每个 issue 开一个 thread（会话 + worktree），自动在不同分支上同时开发

亲测 Codex、Herdr (用/herdr skill)都行。
herdr简单多了。

[海洋馆馆长 @CycleDecoded]

斯坦福这波有点狠，直接把全网文献调研和深度写稿给彻底自动化了。

GitHub 上狂揽 3 万多 Star 的 STORM（来自 Stanford OVAL 实验室，MIT 协议开源），就是个全自动“研究员”系统。你给它扔一个生僻主题，它自己上网搜资料、让多个 AI 角色多角度互骂对质、画逻辑大纲，最后直接给你吐出一篇带真实引用脚标的维基百科级长文报告。

模拟专家对话：多视角深度拆解问题，拒绝 AI 废话水文

自带联网检索：实时抓取资料并嵌入出处，保真度拉满

全流程自动化：从头提问、建大纲到撰写润色一键搞定

支持本地部署：零代码能直接用，懂代码还能接自己的大模型

👉 GitHub：https://t.co/jVFx43hsT5
👉 网页端：https://t.co/GCfs2sgj6u

[yan5xu @yan5xu]

给关注了半年的agent team 交份作业。
这是一篇2w字长文，也是一份 Agent Team 的最佳实践。

01 一个 Agent，是怎么变成多个 Agent 的为什么真实工作会把 Task Agent 推向 Long-running Agent；为什么一个越来越好用的 Agent 最后又必须分化；多个 Agent 出现以后，瓶颈为什么会转移到 Human。

02 先让“谁负责什么”离开 Human 的脑子Agent 怎样获得稳定身份、Domain 和 Scope；Human 与 Agent 怎样查询当前 Team 的责任结构；真实协作又怎样逐渐沉淀为 Organization 与 Collaboration。

03 让 Agent 自己开始协作Agent Message 带来了什么变化；一个 Agent 怎样把工作直接交给另一个 Agent；为什么 Agent 沟通不是一次把一切说完。

04 Message 负责沟通，Topic 负责收口当工作跨越多个 Agent、多个 Turn 和多天以后，怎样保留唯一的当前版本；Responsible、Participant、Artifact 和 Needs You 分别解决什么问题。

05 Overview：让一支持续变化的 Agent Team 变得可治理当 Human 不再阅读每个 Agent 的全部过程，怎样从更高层观察 Team；怎样发现等待、积压和瓶颈候选；为什么治理关注的是工作流动，而不是让每个 Agent 看起来都很忙。

06 Agent Team 怎样进入真实的外部关系为什么把 Agent 接入 Slack、飞书还远远不够；Agent 对外以后，身份、角色、信任、权限和现实后果为什么必须被分别治理。

07 CodexLoom 在织什么Multiple Agents 与 Agent Team 的真正分水岭是什么；Human 在 Team 中的新位置是什么；为什么需要稳定的 Agent 和动态的 Team。

[小互 @xiaohu]

奥特曼最新访谈

反思最近一年犯的错误
表示不怕被蒸馏
AGI 还缺三样

“过去一年很难熬、多少有我的责任，而明年可能是我们最好的十二个月。他给的解释是做太多事、不够聚焦，「每一件其实都值得做，但诀窍在于，我们处在一个历史性时刻，你只能做那极少数真正伟大的事。」”

详细内容：https://t.co/xy5UiquXcL

[cxuan @criscxuan]

@vista8 最重的 AI Slop 现在是奶油色风格，毕竟 Claude Code 已经归为 AI 味儿的黑名单了，可以看看这篇帖子，Claude Design 的相关提示词，挺有意思的。

https://t.co/LQ0weX1vs9

[indigo @indigox]

https://t.co/jwhpAs5sGs

[Geek @geekbb]

DashiAI PPT Skill · 大师

一个给 AI Agent 用的 PPT 生成技能，把文档交给 Agent 后产出网页版可编辑 PPT，并支持一键导出成真实的、可编辑的 PPTX 文件。

内置 12 套视觉主题和 1020 个版式页面，覆盖折线、瀑布、桑基等几十种图表，以及 SWOT、波特五力、商业模式画布等分析模型，做汇报常用页面都有现成版式。

https://t.co/BLGB8mNGgb

[淘沙者(TheSandPicker) @Etudecn]

兄弟们，刚刷到一个有点离谱的东西。
有人把一整套 Claude 实战课，直接免费放出来了。
整整 1 小时。
重点是，不是那种上来就讲“AI 多牛逼”“时代变了”的水课。
是真正在讲：
怎么用 Claude 做东西
怎么跑自动化流程
怎么把它变成能赚钱的小技能
说人话就是，你少刷 1 小时短视频，把这个看完。
明天醒来，可能手里就多了个能接活、能变现的小工具。
最离谱的是，我还以为看到最后要卖课。
结果没有。
真免费。
这年头还能刷到这种东西，确实有点魔幻。
先收藏，别等想找的时候又找不到了。

[Xudong Han @Xudong07452910]

为什么 AI Agent 的「记忆」通常被设计成外挂的数据库，而不是一种可以被学习的能力？

这篇斯坦福论文 AutoMem 的答案是：记忆本身就是一种认知技能，就像阅读、推理一样，可以被端到端训练。论文把「什么时候存、存什么、怎么找回来」这些记忆决策，和 Agent 的任务动作放在同一个行动空间里，让模型自己学会管理自己的记忆。

具体怎么做：两层嵌套循环。外层元循环优化 Agent 的「记忆架构」（决定用什么样的记忆结构），内层训练一个专职的「记忆技能模型」，用 Agent 自己的历史执行轨迹蒸馏出最优的记忆使用策略。从一个配备文件系统记忆的基础 Agent 出发，经过记忆架构优化和记忆技能训练两个阶段，性能持续提升。

这点很有意思，以前做 Agent 记忆都是工程问题：选什么向量库、检索算法用什么。AutoMem 把它变成了一个学习问题：让 Agent 自己学会「什么时候该记」和「怎么用记住的东西」。这一步的转变，意味着 Agent 的记忆能力不再依赖人工调参，而是随任务经验一起进化。

这提醒我们，Agent 的记忆能力不是终点，学会管理自己的记忆才是关键。

https://t.co/0tEqXyVv9N

[歸藏(guizang.ai) @op7418]

藏师傅的 PPT Skill 再配上 Pencil 太爽了！

昨天评论里有个朋友分享给了我启发：

把藏师傅的 PPT 配上 Pencil，就可以直接在 Pencil 里一次性看到所有生成的 PPT 页面。

这种方式不仅编辑起来非常方便，还能导出网页和对应的编辑文件。我试了一下，体验确实非常爽。

虽然 AI 生成内容时不可避免会出现一些排版上的小问题，比如元素重叠或者对齐不准之类的情况，但在 Pencil 里你完全可以手动调整，比如：

1. 对齐元素
2. 修改字体
3. 调整重叠的部分

而且 Pencil 作为一个专业的设计软件，它的可编辑性非常强，甚至比 PPT 软件本身能做的还要多很多，尤其是对齐、嵌套和打组等操作非常方便。

我录了个视频教一下大家，推荐你们也试试这种用法。

这样的话，你可以从它导出 PNG 图片，然后直接放到你的 PPT 里边。

或者也可以直接在 PPT 里进行演示，然后你直接替换对应 PPT 页面的图片就行了