Michael Zhang

[Ray Dalio @RayDalio]

https://t.co/ZNaQtDhoH6

[Baibanbao 白板报 @baibanbaonet]

开源我的一个skill 即 x-made-easy-skill 把一切困难的知识做成一本浅显的书。

1910 年，工程师汤普森（Silvanus P. Thompson）写了一本《微积分入门》（Calculus Made Easy）。开篇第一句话是：“本书旨在把你从预备的恐惧中解救出来。” 他做的事情很简单：先把那两个吓人微分和积分符号翻译成大白话：微分就是“一点点”，积分就是”加起来”。然后说，看，就这么回事。

这个技巧就是把任何一门知识都用同样方法处理，我已经用它制作了《奥数轻松学》、《Skill轻松学》、《概率轻松学》系列书籍。欢迎免费下载。

https://t.co/AJQFOeIyEM

[老杨啊 @yhslgg]

有人用 AI 把《史记》57万字变成了一个可以搜索、跳转、推理的知识图谱
兄弟们，今天看到一个让我直接愣住的开源项目——史记知识库，GitHub 1300 星。

一句话：有人用 AI 把《史记》57万字全部拆解标注，做成了一个可以交互、搜索、推理的知识图谱，让两千年前的文字像代码一样能语法高亮、跳转、消歧。

数据规模直接给你看清楚：

• 实体词条：14,065 个
• 标注次数：126,441 次
• 历史事件：3,198 条
• 事件关系：7,637 条
• Wiki 页面：20,830+ 页
这不是简单的文本处理，是真正的知识工程。

几个亮点真的值得单说：

（1）22类实体彩色语法高亮——人名、地名、官职、事件，每一类都有颜色标注，读《史记》像读代码一样清晰，想关哪类就关哪类

（2）史记地铁图——130条交互式时间线，支持缩放拖拽搜索，整个春秋战国到汉初的历史脉络一张图看清楚

（3）Butler AI Agent 自主维护——一个 AI Agent 持续跑了 12,000+ 轮自主更新 Wiki，不是人工录入，是 Agent 在干活

（4）矛盾检测——史记里前后记载有出入的地方，系统能自动检测出来，学术研究用这个太香了

背后的方法论也很牛：本体不是专家预先设计的，是从文本数据里"自下而上涌现"出来的，迭代速度从数周一轮压缩到数小时一轮。作者还出了两本 PDF 方法论手册，合计 863 页。

历史爱好者、做内容的、研究 AI 知识工程的，都值得去看看。

在线访问：https://t.co/Z9JoCt7KLU

GitHub：https://t.co/ARvGphJfU2

好东西转给需要的兄弟。🚀

#史记 #AI知识图谱 #开源 #老杨啊分享

[宝玉 @dotey]

《图解Skill》需要复制粘贴的内容基本都在 GitHub Repo，包括一些我之前没开源的自己用的 Skills，比如从播客文字稿生成访谈稿的 Skill，理论上来说你不买书也可以的。

Repo地址：
https://t.co/L0CS14mua8
电子书版本已经发布了，购买链接：https://t.co/W6WNATGllm

[Charly Wargnier @DataChaz]

🚨 someone just dropped a full 10-stage academic research pipeline for Claude Code.

It doesn’t write your paper for you, it hunts references, formats citations, verifies data, and even runs a "devil's advocate" agent to attack your own thesis.

Here's why it's a massive deal for academics:

→ Anti-AI Voice: Learns your specific writing style.
→Integrity Gates: Actively hunts down fabricated citations and statistical errors.
→Simulated Peer Review: Runs your draft through a 7-agent panel (including a Devil’s Advocate).
→Cheap: A full 15k-word paper costs ~$4–$6 in API credits.

Best part?

It's 100% free and open-source.

Install in 30s: `/plugin install academic-research-skills`

repo in 🧵↓

[AYi @AYi_AInotes]

说个反直觉的真相，你在Obsidian里建的文件夹越多，你的笔记系统就越没用！

Obsidian CEO Steph Ango分享了他自己的笔记工作流，和大多数人用的完全不一样，

我们90%的人都把Obsidian用错了，
他们创始人自己几乎不用文件夹，也很少手动加标签，

整个工作流的核心只有三个东西，模板，属性，内部链接，

他创建一篇完整的会议笔记，
整个过程不到十秒钟，

大多数人拿到Obsidian第一件事就是建一堆复杂的文件夹，

然后花几个小时整理分类，最后越用越乱，干脆放弃，

喵的我就是这样做的🤣

Steph Ango说，好的笔记系统应该拥抱混乱和懒惰，

你不应该为了整理而整理，
应该先把想法快速记下来，
结构会在后续的连接中自然涌现，

他的方法很简单，

几乎每一个笔记都从模板开始，
模板自动填充所有需要的元数据，
日期，人物，主题，地点，评分，

这些属性不是静态的标签，是可以计算，可以过滤，可以生成任意视图的数据库，

你完全不需要把会议笔记放进会议文件夹，
只需要给它加上一个会议的属性，
系统会自动把所有会议整理成一个动态表格，按日期和人物排序，

再配上几个全局热键，
新建笔记，插入模板，打开每日笔记，插入内部链接，
整个过程不需要碰鼠标，

很多人花了几百个小时折腾各种插件和主题，
却从来没有真正建立起一个能长期坚持的笔记习惯，

因为高摩擦的系统最终一定会被废弃，
只有低摩擦的系统才能产生知识复利，

几年后你的Vault不会变成一堆死文件，
它会变成一个活的外部大脑，

能一键查出所有和某个人相关的会议，
所有你给过七分以上评分的书，
所有在某个城市发生过的事，
这才是第二大脑真正该有的样子！

#Obsidian #PKM #第二大脑

[YeFan 叶凡｜预测世界杯就在Gate @yaoyaogm]

如果你不知道该让你的Agent 去做些什么，可以看看大神们都用Agent做了些什么？

1. awesome-ai-apps（强烈推荐！80+ LLM实战项目合集）
链接：https://t.co/3YF353nAVg
专门收集RAG、Agent、工作流等LLM应用的最全列表，分为Starter Agents、Voice Agents、MCP Agents、Memory Agents等板块，几乎每个项目都能直接运行

2. 500-AI-Agents-Projects（行业案例宝库）
链接：https://t.co/qQrcIBQ1gw
TIPS：按行业分类整理了500+个AI Agent真实用例，每个都链接开源实现项目。

[诺鸭船长3 @noahduck283]

我也补几个，我现在只用 3 个网站
每天 5 分钟看完全网热点

1、NewsNow（多平台聚合）
一个页面看完知乎、微博、B站、虎扑、V2EX
不用来回切 App
https://t.co/MsQg0CQsHq

2、今日热榜（类目最全）
除了常规平台，还能看 GitHub Trending、Product Hunt、Hacker News
技术圈和产品圈的热点都在这
https://t.co/WaaCtZ3qcH

3、SoPilot（X 爆帖专用）
只看 X 上的爆款推文
抢前排评论、捕捉舆论动向都靠它
https://t.co/bw1dFF4y1V

这 3 个工具解决了我 80% 的信息焦虑
收藏这条，下次找热点直接打开

[Andrej Karpathy @karpathy]

This is the the quote I've been citing a lot recently.

[渡边君 @JiaweiShen2568]

目前扛住中国封锁仍然坚挺的廉价机场及套餐推荐

①一元机场
一年12元 每月500G

②多宝极速网络
一年18元 每月120G

③飞鸟云
一年12元 每月50G

④良心云
按流量1T 21元

有个据称稳定多年的
魔戒，有一元一G不限时间，15块钱130G，相比廉价机场贵，可做备选

还有一个免费注册就送100G的
Roxi，限制一天5个G 一个月100G，也可以薅羊毛做备选，如果购买套餐包年189

相关注册链接放评论区一楼

[宝玉 @dotey]

因为太多人写过 Andrej Karpathy 的 LLM Wiki，我就没写，其实在我心中比 Auto Research 更有创意，Auto Research 本身不新鲜，早就有相关理论，但 LLM WIKI 倒是让我眼前一亮。

我们每个人或多或少都在做信息收集的工作，比如 X 上看到好的文章点赞或者收藏，看到一篇好的技术文章添加到浏览器收藏夹，微信上有人分享了篇好文章点收藏，还有更多的是惊鸿一瞥再也找不到然后想起来根据关键词去 Google ……

其实绝大部分收藏后再也不会打开，一方面是因为收藏即看过的心理暗示，一方面是因为散落各地找起来太麻烦。

所以第一个问题其实是中心化的信息收集整理，把散落在各处的信息汇聚在一处。

已经有很多工具了，我自己也有写小工具/agent 帮助收集信息，因为我除了收集外还有一些二次加工的需要，比如翻译、总结。

但还存在问题就是信息是点状的，最多人工打个tag、加个分类。

但 Karpathy 的更进一步，让 LLM 帮你把信息整理成结构化的。这一步是我之前没考虑过的，也没见过有其他产品做的。

这里面的差别在于以前整理是要人做的，你自己建分类，自己打 tag，对于勤劳的爱整理的人当然没问题，但对于我这种懒人来说是不会做的，所以找信息是比较麻烦的。

但如果这种事情让 Agent 做，那就省事多了，毕竟它不知疲倦，而且极擅长处理内容。

只要稍加调教，它就能帮你把信息整理得井井有条，编程成你自己喜欢的格式，就像你的秘书一样，你只要去看看 WIKI 就可以方便的找到需要的信息，不需要以前那样去各个地方用关键字找。

这里面最核心是思路的转变，信息的收集和整理，不再是人主动的行为，而是 AI Agent 在帮你做这些事情，你所要做的就是每天去看属于自己的 WIKI。

[The Startup Ideas Podcast (SIP) 🧃 @startupideaspod]

Boris Cherny, the creator of Claude Code, shared his entire setup.

He runs 5-10 Claudes in parallel. Half his coding happens from his phone.

Here's his 3-part formula for better results:

Use the smartest model available
— Counterintuitive: it's actually cheaper
— Smarter model = fewer tokens = lower total cost
— "Once the plan is good, the code is good"

Invest in your Claude MD
— Plain text file. No special format.
— Whole team contributes multiple times a week
— Every mistake Claude makes gets added so it never happens again

Give Claude a way to verify its own output
— Let it run the code. Let it see the browser.
— "Imagine you're a painter wearing a blindfold"
— Same thing for an AI that can never check its work

His morning routine: wake up, kick off 3 sessions from his phone, check in later.

His workflow: start in plan mode
→ lock the plan
→ auto-accept edits
→ done.

No fancy setup.

No complex tooling.

Just multiple Claudes, a good plan, and a shared knowledge base.

[链研社｜AI First🔶💧 @lianyanshe]

没必要用 typeless 了，付费会员费更是冤大头。闪电说+豆包语音模型完全不管是从识别速度、识别准确率、功能都已经完全秒杀 typeless。

语音识别模型有20个小时的语音识别额度，超过之后也就 1 小时 1 块。语音助手大模型也有送50 万 token，足够用很久了，按需付费，百万 token 3 块六。

在 AI 时代你应该尝试学习自己组装一些软件了

[AYi @AYi_AInotes]

打造Claude Code的核心开发者@bcherny，最近透露了他们团队天天用Claude的秘诀，我们之前用Claude的方式，全是低效的无用功。

这个秘诀根本不是什么复杂的提示词技巧，就是在项目根目录里放一个CLAUDE.md文件。

文件里不用写长篇大论的规则，就记三样核心内容，项目里之前踩过的坑和犯过的错，团队统一的代码惯例，还有这个项目的专属运行规则。Claude每次开启新的项目对话，都会先完整读取这个文件。

很多人用Claude写代码，每次开新对话都要把项目结构，代码规范，之前踩过的坑重新复述一遍，说少了细节不对，说多了上下文溢出，最后出来的代码还是要改半天。这个文件直接把项目的固定记忆，放进了Claude的默认上下文里，不用每次重复，也不会漏掉关键细节。

完整中英文两个版本提示词放评论区了，大家自取👇
#Claude #提示词工程 #AI效率 #ClaudeCode #AI智能体

[无颜 @WY_mask]

一个很好用的工具，立即移除付费墙
https://t.co/CTG0Ae0MWz

文章看到一半要收费？要订阅？把链接粘进去，它会帮你尝试访问完整内容

比较适合：
📚 查资料 / 看新闻
🧠 做研究 / 写论文

不过也不是100%都能成功，记得理性使用、尊重版权。

[Lonely @Lonely__MH]

🚀 🚀用了这么久代理，你的IP到底干不干净？

别去那些检测网站，那些工具只给你看评分。

试试直接访问 https://t.co/MCAapsIhjm 美国本土连锁超市，反欺诈机制极严， 可谓 IP 试金石 。

✅能加载出来 → IP纯净
❌加载不出来 → IP已经被污染了，不知道被多少人共享过

花钱买了高质量机场，IP早烂大街了还不知道的，大有人在。

试完评论区晒截图👇 看看大家的IP都是什么成色😄

[AYi @AYi_AInotes]

Anthropic（Claude母公司） 开放 13 门免费 AI 课程及认证，点击链接即可学习：
1️⃣Claude 入门指南：掌握 Claude 日常办公应用与核心功能→ https://t.co/fR0wAe6I15
2️⃣AI 通识基础课：构建 AI 思维框架（入门必学）
→ https://t.co/2L5i7Jr9qX
3️⃣智能体技能开发：在 Claude Code 中配置可复用指令集→https://t.co/frD6Uy2LOD
4️⃣Claude API 全解析：函数调用、工具使用、流式响应等实战→ https://t.co/8FEqUsF2h3
5️⃣Claude Code 实战：将 AI 深度集成到开发工作流→ https://t.co/nmpNQMK7cr
6️⃣模型上下文协议入门：用 Python 从零搭建 MCP 服务端→ https://t.co/25AGQ8qIV7
7️⃣MCP 进阶专题：生产级服务器的采样机制与文件系统操作→ https://t.co/25AGQ8qIV7
8️⃣学生AI通识课：用AI助力学业规划与职业发展→ https://t.co/EuCAxXCN24
9️⃣教育工作者AI指南：将AI能力融入课程设计与教学战略→ https://t.co/7fdadYALff
🔟AI通识教学法：面向授课场景的课程体系与评估方案→ https://t.co/YvL6kWw3dj
⑪非营利组织AI应用：提升组织效能的同时坚守使命→ https://t.co/veevzjwnAP
⑫Claude × 亚马逊云：完整AWS认证课程开放学习→ https://t.co/ltfh1rJs6E
⑬Claude × 谷歌云Vertex AI：从环境配置到生产部署→ https://t.co/EUSl9b2H7d

以下是鲁本老哥的附赠资源：
《不用写代码的AI进阶指南》- 我的免费周刊，已帮助36.9万+读者→ 订阅地址 https://t.co/0vjTookLFN
延伸学习：
• Claude 专项进阶：https://t.co/6epAXFvGd7
• Claude Cowork 协作精通：https://t.co/HQpJinIgFh
欢迎转发让更多需要的人看到这份AI学习地图 🔄

[yibie @yibie]

一名斯坦福学生如何 48 小时内，学通一个领域

- 在研究特定领域前，上传了 6 本教科书、15 篇研究论文，以及他能找到的所有关于该主题的讲义

- 向 NotebookLM 提出问题： “该领域所有专家都认同的5个核心思维模式是什么？” 不要说“总结一下”。不要说“解释一下这个主题”。

- 接着，他会问： “现在请指出该领域专家们存在根本分歧的三个方面，以及双方最有力的论点是什么。”

20分钟内，他就绘制出了该领域整个知识格局的地图： 辩论、共识、未决问题。

- 然后， 他问道： “请提出 10 个问题，以检验一个人是否真正理解这个主题，还是仅仅死记硬背了一些事实。”

- 接下来的六个小时，他都根据原始资料回答了这些问题。每一个错误的答案都会引发后续追问： “请解释一下为什么这样做是错的，以及我遗漏了什么。”

到第 48 小时，他已经可以和他的论文导师进行对话而不会被激怒。

新时代新工具！

[卫斯理 @imwsl90]

语音转文字那家大模型做得好？

[llllllll @TensionsLD]

@imwsl90 我测试下来感觉，阿里的FunAudioLLM 模型 比whisper 要好用很多，速度和准确率都要好不少。基于这个，我做了一个语音转文字的软件
https://t.co/OZyuT64PLD