jaykey

synthesis of nanocatalyst; tuned morphology of catalyst; FC catalyst preparation

[Shubham Singh @shubham_crazy08]

ADIÓS POWERPOINT.

Claude 4.7 puede crear una presentación completa en 60 segundos.

Usa estos 6 prompts y mira la magia.

📌Guárdalo, te va a servir

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

背单词这事，别再瞎折腾了❗

北美排第一的《Wordly Wise 3000》全套课程来了，火了30年、美国国家阅读委员会盖章认证的词汇黄金标准。

3个理由你别错过👇
1️⃣ K-12全年龄段通吃，同步美高核心课纲
2️⃣ 融入ACTFL国际语言标准，一套顶别人三套
3️⃣ 2000+学员靠它拿下哈佛、麻省理工offer

链接有时效，保存即永久，手慢真没了。

🔗 https://t.co/pdQe78RUkq

[爱吃折耳根的Ace @_zheergen]

🚨 卧槽！自建一个免费的股票看盘平台，再也不用交高昂订阅费了！

OpenStock 是一个社区驱动的开源项目，目标是提供一个永久免费的股票市场平台，类似 TradingView 或雪球的轻量替代品。

它目前支持实时股价跟踪、个性化 watchlist、价格提醒，以及公司基本面和财务数据查看。界面比较现代，支持深色模式，还集成了 TradingView 图表。

核心亮点：
> 实时股价跟踪 + 个性化价格提醒，推送直接到邮箱
> TradingView K 线图 + 技术指标集成，MA/MACD/RSI 全套
> 公司基本面：财务数据、估值比率、详细洞察
> AI 新闻摘要，每天早上一份邮件发到你邮箱
> Watchlist 管理 + 投资组合追踪 + 盈亏计算
> shadcn/ui 界面干净好看，Docker 一键部署

这个项目完全开源，数据掌握在自己手里，适合不想付费订阅专业行情软件的普通投资者和开发者自己部署使用。

[Niko @guishou_56]

别再四处瞎存 OpenClaw 的碎片教程了

我把收藏夹里几十篇乱七八糟的攻略全删了,因为发现了一个堪称「保姆级」的OpenClaw中文社区

一个网站全搞定:

1️⃣ 告别环境配置地狱

• 贴心提供国内镜像极速下载
• 零基础一键安装,有手就能跑起大模型

2️⃣ 真正的全能助理

• 能帮你回邮件、控制浏览器、运行本地脚本
• 无缝打通飞书、Telegram、WhatsApp 等常用聊天

3️⃣ 纯净开源无套路

• 100% 免费的官方中文文档与技能市场
• 本地私有化运行,你的数据永远只属于你自己

这绝对是近期最值得折腾的 AI 效率神器

别再去外面花冤枉钱买教程了

🔗 网站传送门直接放这:https://t.co/PaPqFgrHVx

[开发者Hailey @IndieDevHailey]

还不知道小龙虾（OpenClaw）能干嘛的兄弟盟，建议直接去 fork 这个 GitHub！

作者整理了 30+ 个真实可落地案例，不是讲概念，是拿来就能跑的模板，普通人照着填内容都能用。

有哪些实用案例？

- 自动汇总你最爱的 Reddit 板块精华
- 抓取 YouTube 频道最新视频并生成摘要
- 聚合 RSS / X / GitHub / 全网科技资讯
- 帮你做市场调研
- 甚至跑完整个游戏开发流程

最厉害的这个：Polymarket 自动驾驶仪 —— 在 Polymarket 上进行自动模拟交易，支持回测、策略分析、每日业绩报告。

跑完这些case，你就是龙虾大王了 🦞

[程序员鱼皮 @yupi996]

Cursor、Claude Code、Windsurf、Replit…… 全网 30 个 AI 编程工具的系统提示词，被人一锅端全扒出来了 🤯

GitHub 上一个叫 system-prompts-and-models-of-ai-tools 的仓库，已经 11.8 万 Star，堪称 AI 行业最大规模的底裤泄露事件。

这个仓库不仅仅有提示词，还包括各家的内部 tools 定义和模型配置。我仔细翻了一遍，扒出了几个真正有价值的发现：
1）Cursor 的 Agent Prompt 足足有 772 行！里面有一条核心设计哲学：「不要猜测，不要编造答案，用工具去查」，它要求 AI 在不确定的时候必须主动调用搜索和读文件，而不是靠幻觉瞎蒙。

2）Cursor 明确禁止 AI 把代码输出给用户看，而是必须用编辑工具直接改文件，从提示词层面就把聊天和干活分开了。

3）所有工具都在提示词里塞了大量的反面示例。不只是告诉 AI 该怎么做，还要告诉它不该怎么做。这跟我自己写 https://t.co/kckjDOy5h0 的经验一模一样，必须把踩过的坑也写进去，AI 才不会反复犯同样的错。

4）Cursor 在代码编辑上有个精妙设计，要求 AI 只写出要改的那几行，其余部分用 `// ... existing code ...` 占位，通过让 AI 做「最小修改」而不是把整段内容重新生成，出错概率直接降一个量级。

以我自己用 Cursor 和 Claude Code 的体验来说，看完这些提示词最大的启发是：AI 编程工具之间的体验差距，核心不是模型，而是提示词工程。几百上千行精心打磨的系统指令，才是拉开差距的关键。

大家有什么好的提示词编写技巧么？欢迎评论区分享~

[KK.aWSB @KKaWSB]

Claude Code 的亲爹 Boris Cherny 透露了团队内部的AI工作流，有人把这套硬核工作流提炼成一份 https://t.co/J0gxEjB6Ar 文件——丢进项目根目录，AI 助手直接脱胎换骨。

这份文件干了一件很多人没想到的事：它让 AI 从”被动应答”进化成了有记忆、会规划、能自我迭代的数字队友。最狠的设计是”自我优化循环”——AI 会主动从错误中学习，你不用再无休止地纠正同一个问题，它会自己进化。

同样的需求，别人用 AI 改三遍，你一次过。
这就是配置和不配置的差距。

体验10倍工程师的效率，文件已附，直接抄作业。

[meng shao @shao__meng]

逛 Reddit 看到的 OpenClaw 最佳实践，5 个基本原则

1. 安全第一：绝不盲装 ClawHub 技能
· 自己写 SKILL. md（纯 Markdown 说明即可）
· 含 scripts/ 的必须逐行审查
· 只用内置工具（web_fetch、web_search、exec）的技能最安全
· 零依赖 = 最优

2. 文件即大脑（最重要！）
所有上下文必须落地，否则 compaction 后全部丢失：
· MEMORY. md → 长期记忆
· memory/YYYY-MM-DD.md → 每日日志
· ACTIVE-TASK. md → 当前任务工作记忆
· 工作中途也要 checkpoint

3. 模型分层
· 主智能体 → Claude Opus（协调、复杂推理）
· 子任务/专项 → Claude Sonnet（5 倍性价比）
· 必须配置模型回退机制
备注：这里可以把 Claude 模型对应替换为其他你自己测试过的模型，来降低成本。

4. Cron 驱动一切
把晨报、收件箱、监控、扫描等全部定时化，合并成少数「心跳任务」。

5. 极简技能哲学
最好的技能往往没有一行代码，只是一份写得好的 SKILL. md，教智能体如何用内置工具完成任务。

推荐项目结构（社区标准）
~/workspace/
├── SOUL. md # 人格
├── MEMORY. md # 长期记忆
├── ACTIVE-TASK. md # 当前任务
├── HEARTBEAT. md # 定时任务清单
├── memory/ # 日志
└── skills/ # 自定义技能

常见问题避雷
· 运行中改配置
· 信 ClawHub 下载量
· 不读 Skills 就安装
· 让智能体无批准发邮件/推文

Reddit 地址：
https://t.co/yQAtYpbgTQ

[陈成 @chenchengpro]

我的 claw 有 22 个 skills：

🤖 agent-browser - 自动操作浏览器
🔍 brave-search/exa - 智能搜索
🐦 twitter/bird - 社媒自动化
💻 code-agent - 编程助手
🎨 image-gen - 图像生成
📊 github-ai-trends - AI 趋势追踪
⏰ cron - 定时任务
🧠 memory - 长期记忆

你的 AI 助手能做什么？

[GitHubDaily @GitHub_Daily]

想系统学习 AI Agent 架构，市面上的教程往往要么全是晦涩的论文理论，要么是过于简单的 Demo 演示，很难找到真正能落地的代码参考。

最近在 GitHub 发现 all-agentic-architectures 这个开源项目，堪称一本现代 AI 智能体设计的实战教科书。

收录了 17 种主流的 Agent 架构，涵盖从基础的 ReAct、工具调用，到进阶的多智能体协作、自我反思与修正。

利用 LangGraph 进行编排，深度解析了思维树（ToT）、长期记忆管理以及黑板系统等复杂模式。

GitHub：https://t.co/9y81Yst61s

提供了全套可运行的 Jupyter Notebook，帮我们把抽象的概念转化为看得见的代码，不再是纸上谈兵。

特别引入了量化评估机制，教我们如何用 LLM 来给智能体的表现打分，这一点在生产环境中非常关键。

非常适合想要深入理解 Agent 底层逻辑，或者正在寻找高阶智能体开发范式的开发者参考。

[周览资源 @grgerwcwetwet]

《一人公司》这本书看得人背脊发凉。

作者盯住的不是传统蓝领，而是曾经最安全的那群人——程序员、设计师、工程师。
自动化与AI的浪潮一来，高薪不再等于稳固，专业也不再意味着护身符。

大量访谈和数据揭开一个正在逼近的现实：
越来越多人被迫离开企业体系，
以“一个人的公司”形态生存，用技能、自律和创造力重新定义工作。

这不仅是中产危机，更是未来劳动方式的前兆。
读完会忍不住问一句：下一波，会不会轮到自己？

点击评论区👇阅读

[Ryan @noexcuse555]

我刚用 n8n 做了一个全自动工作流：能把 YouTube 视频一键转成文字稿并保存到 Google Docs

客户需求： 每周要整理10+个播客视频的文字稿 手动做要8-10小时

我的解决方案： 用n8n搭了个自动化工作流

- YouTube链接 → 自动下载音频
- OpenAI Whisper → 转文字
- 大文件自动分段
- 保存到Google Docs
- 评论也一起整理

现在：
从10小时 → 30分钟 全自动运行

技术栈：
n8n + Whisper + Google API

#n8n #自动化案例

[小樱💞｜实用工具分享 @xiaoying_eth]

刚刷到一个超良心的 GitHub 项目
比市面上 99% 的 AI 教程都系统

三部分循序渐进：
1️⃣ 入门篇：零基础学大模型，学会调 OpenAI API
2️⃣ 应用篇：实战 LangChain、Prompt 工程
3️⃣ 深入篇：RAG、Agent、微调原理全覆盖

🔗 https://t.co/JOtkT6Sz6l

[周览资源 @grgerwcwetwet]

不得不说日本作者写学习这类书真的很有一手。

这是一本能让人“爱上学习”的书。
《上瘾式学习》最大的亮点在于，它把学习设计成游戏：拆小任务、即时反馈、不断奖励，让人停不下来。

不再是枯燥死记，而是像闯关一样推进。真正做到了把学习从痛苦变享受。

评论区立即阅读👇

[GitHubDaily @GitHub_Daily]

想学习 AI 技术，网上教程太零散，今天看提示工程明天学 RAG，不知道按什么顺序系统学习，大部分初学者都有这样的迷茫经历。

可以看一下， AI Engineering Academy 这份精心整理的学习路线图，为我们提供了一条从入门到精通的清晰学习路径。

涵盖了六大核心知识学习，包括提示工程、RAG 系统、模型微调、生产部署、AI 智能体和实战项目。

GitHub：https://t.co/TzRdHlG8Be

主要内容：

- 提示工程：掌握与 AI 模型有效沟通的技巧和最佳实践；
- RAG 系统：从零构建检索增强生成系统并部署到生产环境；
- 模型微调：学习如何针对特定需求定制 AI 模型；
- 生产部署：将模型从本地环境部署到云端的完整策略；
- AI 智能体：构建自主决策的 AI 系统和多智能体架构；
- 实战项目：通过端到端项目巩固所学知识并积累作品集。

每个模块都从基础概念开始讲到项目实践，强调理论知识与动手实践相结合，并提供一个直观的在线网站免费学习。

[howie.serious @howie_serious]

mark一下：吴恩达deeplearning平台的《RAG》课程学完了。

内容其实不少，但是每天学一点，不知不觉7-8天就搞定了。

现在有了chatgpt atlas，在线学习的体验好到令人感动。结合我自己的方法论，一门高品质课程学下来，新建和迭代的概念远超100个。

而且，只要学习任何一个领域或主题，必然构建起一个虽然初步但是完整的个人知识树，形成一个有效的个人知识框架，作为后续实践和解决问题的认知基础。（上周四 ai知识管理专题直播详细demo过了，不赘述）

吴恩达的课程从一上线我就使用了，早在23年3-4月份就用了，我记得第一个课程是openai的prompt engineering。可惜发现当时好多课程记录都没同步（可能是网站本身问题），现在还有8个课程是虎头蛇尾 in-progress状态，准备修复之。🤣

本帖构成推荐，自发推荐的那种，基于自身两年多的、2219分钟的真实使用。吴恩达没有给我钱。

[周览资源 @grgerwcwetwet]

日本人写的编程入门，真有点东西❗️

《我的第一本编程书》这本书面向完全没接触过编程的人，不用懂变量、函数这些术语。

从头到尾只写一个程序——俄罗斯方块，把学习过程当作一个项目来跟读者一起完成。

最大亮点在于思路优先、语言极简，让人真正“看见程序在做什么”。

评论区阅读👇

[GitHubDaily @GitHub_Daily]

当学习一门新技术框架，需要在其官方文档、GitHub 代码库、学习手册之间来回切换阅读，学习效率极其低。

最近找到了 Skill Seeker 这个开源工具，可以自动抓取文档网站、GitHub 仓库和 PDF 文件，并转换为 Claude 能直接使用的 Skill（技能包）。

这样我们就可以通过 AI 快速学习一门新技术，并且 AI 还能深度分析代码结构、提取 API 接口，自动检测文档和代码之间的不同之处。

GitHub：https://t.co/KCvdQ4DUxL

主要功能：

- 支持文档网站、GitHub 仓库、PDF 文件三种来源混合爬取；
- 自动检测文档与代码间的冲突并标注警告；
- 内置 Godot、React、Vue、Django 等 8 个常用框架预设；
- 深度代码分析，提取函数、类、方法及参数类型信息；
- 异步模式让爬取速度提升 2-3 倍；
- 本地 AI 增强功能，无需 API 费用即可生成完整指南。

提供多种使用方式，可通过 MCP 服务器集成到 Claude Code 中使用，也可以直接用命令行工具。

[Yangyi @yangyi]

推荐阅读这篇Agent持续学习的困境

很多时候我们光去看各种ai顶级大佬说什么 但可能很难通过实践去践行他们的思维

这篇文章写的非常清晰 容易理解 逐步通过问题引出实践结论 并例证了相关方法 将思想得以发挥

如果你在做agent 肯定会有很多启发
https://t.co/fQZGXgxmp2