大阪铁子

[琳小航AI @jedeeai]

https://t.co/hAmxSVDzoL

[Aron厚玉 @aronhouyu]

postiz是个非常牛逼的案例

逐帧学习！

[meng shao @shao__meng]

https://t.co/qn75Cm1VFX

[M. @wlzh]

有个叫 Paseo 的开源项目挺火，简单说就是给 coding agent 做了一个统一外壳。Claude Code、Codex、Copilot、OpenCode 这些都能装进同一个界面里用。

它把"并行"做得很彻底：多个 agent 同时跑，每个占一个独立 worktree，agent 之间还能互相拉起、互相传话，跨 provider 也没问题。桌面、手机（iOS/Android 原生）、网页、命令行全覆盖，手机上是完整功能。本地运行，无遥测无强制登录，隐私党应该会喜欢。

还有个细节我挺喜欢：自带几个编排 skill，比如 /paseo-committee 能拉两个立场对立的 agent 做根因分析和方案评审，/paseo-handoff 可以在 Claude 规划完之后转手给 Codex 去写代码。

独立开发者一个人做的，靠用户赞助，star 已经快两万了。
🔗 原文：https://t.co/hNrt2Z8Hp9

[小墨同学 @xiaomovps]

文档地址：https://t.co/xdhvwCeRez

[小墨同学 @xiaomovps]

学习 Pi 或者 Agent 不能错过的三篇经典

在学习怎么构建自己的 Agent的时候，都会遇到这经典的三个问题：

1、Agent harness 到底是什么？

https://t.co/gmu6t4Ewah

2、Agent 上下文管理

https://t.co/MDfLAIeHGf

3、Agent 缓存管理

https://t.co/7ttW91EN35

其实 PI 官方已经出了对应的文章，写得非常通俗易懂，你看完你也能大致了解 Agent 到底是怎么构成和运行的

我在官方的基础上增加了我自己的理解，还加了一些图文展示 方便更好地理解对应的加载机制，我也把英文版本翻译成了中文方便阅读

其实 Agent 没有你想象的那么难，如果用一句话去解释 那就是：AI+ 一个循环

[lumxss @bkdgiffug]

Ghostty 好用归好用，配置是真的容易折腾。

字体、颜色、光标、透明度……改个参数就得切回终端看效果，不满意再回来改，来回试半天。

Ghostty Config 直接把这套流程搬到网页里：

① 点选参数，可视化调整
② 修改后实时预览效果
③ 调满意后直接导出配置文件
④ 支持本地部署，数据不用离开本机
适合不想研究一堆配置参数，只想把终端调到顺眼的人。
🔗 https://t.co/2pxPjrw7ub

[大阪铁子 @lzh2026537]

第一次落地神户，无人驾驶port line

[小弟调调 @jaywcjlove]

SaneClick - 在 Finder 右键菜单中运行脚本，提供 62 个即用操作。

👉 https://t.co/TQYzGqY5CH

[大阪铁子 @lzh2026537]

@WizarGod 两个都是煞笔

[小墨同学 @xiaomovps]

Pi 1.0 之后，我反而开始做减法了🔥

现在 Pi 自己已经有 MCP、Codemode、Virtual Model 这些能力，很多以前必须靠插件弥补的功能，已经不需要了。

重新整理之后，我只留这 5 个插件

1、pi-context-view

选择标准：能不能帮我看清 Pi 本身。

它不负责增加能力，主要看 Context 被谁占了、哪些东西被偷偷注入。插件装得越多，这种“可观测性”反而越重要。

2、statusline-pi

选择标准：是不是每天都会看。

我只需要模型、Context、速度、成本这些高频信息一直挂在眼前。状态栏这种东西如果每天都看，就值得留；只是偶尔打开一次的面板，我一般会删。

3、pi-gemini-acp

选择标准：能不能补一条真正有用的模型线路。

我留 Gemini 不是为了模型越多越好，而是 Claude / Codex 算力紧的时候，Gemini Flash 确实可以直接顶上。

外部模型入口留一个就够了。

4、pi-long-task

选择标准：是不是在补 Pi 现在明显的短板。

Pi 跑几个小时的任务还是容易遇到 Context、卡死、Worker 恢复这些问题，所以我会留一个长任务插件兜底。

真正 7×24 的任务，就不继续给 Pi 堆插件了，直接看 Durable。

5、jopqior/pi-subagents

选择标准：需要的时候能力差距够不够大。

单 Agent 做不了并行 Research、Coding、Review 的时候，Subagent 确实有价值，所以我会留一套。

但同类 Subagent 插件只装一个，不重复堆能力。

官方发布Pi 1.0不知道是在给自己“增重”，还是想让开发者少操心，整体对我来说是精简了不少第三方插件的

后续希望有官方一站式安装脚本，到时候就很方便了

[小墨同学 @xiaomovps]

Pi 热度最高的五个插件，闭眼入🔥

如果你刚开始用 Pi，又懒得一个个筛，我只建议你安装这五个，多了不要

1、pi-mcp-adapter｜约 140 万/月

目前断层第一，核心就是把一堆 MCP Tool 收口，避免几十个 Schema 从第一轮就塞进 Context

Pi 1.0 虽然已经原生支持 MCP，但这个包的热度还是很夸张。

2、pi-subagents｜约 58 万/月

给 Pi 补上任务委派和 Multi-Agent Workflow。

Pi Core 一直没准备把复杂 Subagent 硬塞进去，所以这一类需求基本都交给插件生态。

3、pi-web-access｜约 55 万/月

搜索、抓网页、GitHub、PDF、YouTube、视频分析基本全塞进一个插件。

网页能力我觉得留一套就够了，再叠 Firecrawl、Tavily 这类同类工具，很容易重复。

4、billion-context｜约 46 万/月

主要解决长 Session 和 Context Compression，目标就是让一个 Session 尽可能跑得更久。

压缩插件现在很多，这个算最近涨得比较快的一类，同类我还是建议只留一个。

5、juicesharp/rpiv-ask-user-question｜约 30 万/月

这个反而挺有意思：模型拿不准的时候，不让它自己猜，直接弹一个结构化问题回来问你。

看起来只是一个小功能，但对真实 Coding 任务很实用，尤其需求不明确的时候。

把这五个放一起就是真正的需求：

MCP、Subagent、Web、长上下文、Human-in-the-loop，一次性全满足

[陈大黄 @realchendahuang]

计算机专业的同学，或者想深入摸透计算机系统的朋友，大家对《深入理解计算机系统》这本书应该都很耳熟。

过去自学这种七八百页的大部头，很多人从头到尾一页一页翻，遇到硬核的机器级表示或者异常控制流容易卡壳，最后大部分人连前三章都没翻过去。

在 AI 时代，逐帧看书去死记硬背其实是一种非常低效的方式。大模型本身就是现成的顶级导师，真正顺手的学法是让 AI 带着我们学，遇到卡壳的地方让模型结合上下文直接讲透原理，甚至让它出测试题来检验自己。

而 GitHub 上的 csapp-zh-markdown 项目正好把最关键的基础给铺好了。

作者把第三版全本整理成了纯 Markdown 和在线阅读站，排版干净，代码公式齐全，还把 238 道习题答案与八个实验的中文说明单独理了出来。不管是用大模型阅读器挂着边读边问，还是把整份文档丢给本地工具当知识库，都能省下大把时间：
https://t.co/NzR0TqlHsf

[大阪铁子 @lzh2026537]

Mark

[洋洋 @yangordi]

阿布量化（abu）开源量化系统，一套覆盖A股、美股、港股、期货、期权、比特币。

特别之处在于把缠论、波浪理论、形态识别和机器学习揉在一起做策略优化，还配套了《量化交易之路》这本书。
🔗https://t.co/eCoqhvqKv0

[爱吃折耳根的Ace @_zheergen]

这下省事了！学缠论最痛苦的事，终于有人替你自动干了

项目叫 chanlun-pro，1K Stars，Apache-2.0。

分型、笔、线段、中枢、背驰、买卖点——以前得自己一根根 K 线画，现在 chanlun-pro 直接全自动计算。

而且它不是只能看图，回放、监控、回测，甚至实盘都已经接进去了。

核心能力：
1️⃣ 自动识别分型、笔、线段、中枢、走势段、背驰和买卖点，随着新 K 线持续增量更新

2️⃣ 支持 A 股、港股、美股、国内外期货、外汇、Crypto，只要有数据源基本都能接

3️⃣ 背驰和买卖点可以实时监控，触发后还能推送到飞书、钉钉

4️⃣ 自带历史行情回放，一根根 K 线往前走，拿来练盘和验证缠论判断很方便

5️⃣ 支持自定义缠论策略回测，还能接 VNPY、掘金量化做仿真和策略研究

6️⃣ 本地部署后可以继续接实盘交易，TradingView 图表、小周期递归到高周期这些也都支持

它真正有意思的地方，是把原本很依赖“人来画、人来判断”的缠论，慢慢变成机器可以持续计算的结构。

新 K 线进来，结构自动更新；
信号出来，自动监控；
想验证，直接回放和回测；
最后还能继续接实盘。

这才是真正把缠论往量化方向做。

做缠论、技术分析或者想把自己的缠论逻辑程序化的，这个值得研究。

https://t.co/aDADkpFsxB

[大阪铁子 @lzh2026537]

@cholf5 这眼睛是咋了

[大阪铁子 @lzh2026537]

#新头像

[大阪铁子 @lzh2026537]

等待回补缺口

[大阪铁子 @lzh2026537]

关西机场，22点30登机，还有两个小时，修点bug，听同事说最近国内Claude封的厉害，我准备了两套梯子，趁没落地前把问题都解决

[大阪铁子 @lzh2026537]

@CMhOeNnExY 厉害了