tbeliot

远离毒瘤，聚焦再聚焦；保持兴奋和想象力！

[Vena在硅谷 @venaInSV]

如果你已经35岁、40岁，甚至50岁了，觉得自己的人生基本定型了，我强烈建议你试试这个。

Youtube油管大神Dan Koe 提出了一个很有意思的人生升级模型：Human 3.0。

他把人生分成四个维度：

① 心智：你的认知、思维方式和学习能力

② 身体：你的健康、精力和生活习惯

③ 精神：你的价值观、人生意义和人际关系

④ 事业：你的技能、收入和创造价值的能力

最有意思的是，你可以把这套框架交给 AI，让它像一个人生教练一样，不断向你提问，分析你目前处于什么状态，以及下一步应该如何提升。

以前我们用 AI 写邮件、做PPT、查资料。

现在，你甚至可以让 AI 帮你重新审视整个人生。

我特别建议那些想转型、想提高收入、又不知道从哪里开始的人试一次。

你可能会发现，限制你的不是年龄，而是过去几十年形成的思维方式。

原文在下面，建议收藏，找个周末认真做一次。

[0x_Miko @Mikocrypto11]

Anthropic 一位 AI engineer，刚演示了如何让 AI agents 拥有真正的 memory
28 分钟
完全免费

但这个点可能会改变很多人理解 agent 的方式
大多数人现在还在每次新开 chat 时，反复 copy-paste context
但真正的 agent，不应该每次都从零开始
它应该能记住过去发生过什么

这次 workshop 讲了 4 个关键点：
为什么 agents 会在 sessions 之间忘掉一切
memory stores 如何让 agents 跨 session read / write
dreaming：让 agents 自己改进自己的 memory
95% cache hit rate，保证成本不会失控

真正有意思的是：
agent memory 不是简单“多塞一点上下文”
而是让系统形成持续状态

今天执行过什么
哪些信息有用
哪些判断错了
下次应该怎么改

如果 agent 每晚都能整理记忆、更新经验、压缩上下文，那它就不是一个临时工具
而更像一个会持续变强的工作系统
很多人还在手动喂上下文
但已经有人开始搭能跨 session 记忆、复盘、优化自己的 agents

[tbeliot @tbeliot]

郁闷，今天足球才享受了一个小时，就不小心把脚扭了🤦‍♂️。接下来只能静静休养一段时间了

[余温 @gkxspace]

用了两天志辉大佬开源的 skills-manage，好家伙，这个工具解决了我一个大痛点。

以前我的 Skill 文件散落在各种地方，每次更新一个 Skill，得手动同步。

skills-manage 用 ~/.agents/skills/ 做中央仓库，其他平台通过软链接指向这里。一处修改，全平台生效。

并且：
1. 可以从 GitHub 直接导入 Skill 仓库
2. 支持 20+ 个 AI 编程工具（Claude Code、Cursor、Windsurf、Codex...）
3. 有 Collection 功能，可以把常用 Skill 打包，一键安装到新平台
4. 本地优先，数据都在本地 SQLite，不上传

推荐给需要管理多个 AI 编程工具的朋友。

GitHub: https://t.co/ZuHQUyhzTY

[池建强 @chijianqiang]

https://t.co/B2U8Trczch

可能是最好的实战课程：Learn Claude Code

19 章节、4 个阶段，从最小闭环一路搭到多 Agent 平台与外部能力总线……学习中

[Xiao Tan @tvytlx]

这篇Article 其实是这个pdf的简短总结
想看完整版你们也可以直接下载这个pdf读。

[meng shao @shao__meng]

阿里最新论文「SkillRouter」

AI Agent 生态中 Skills 已达数万规模，上下文窗口无法容纳全部，导致 “Skill Routing” 成为瓶颈。现有框架采用“渐进披露”设计，仅向 Agent 暴露 Skill 名称+描述，隐含假设“元数据足以选择”。

论文首次在大规模基准（≈80K Skills、75 个专家验证查询）上系统验证该假设，结果彻底推翻：Skill 主体（body，即完整实现代码）是决定性信号。移除 body 后，所有检索方法准确率下降 29–44 个百分点；交叉编码器注意力分析显示 91.7% 注意力集中在 body 上，描述仅占 1.0%。Skills 池中功能高度重叠，进一步放大 body 的区分价值。

提出方法：SkillRouter
两阶段 retrieve-and-rerank 流水线，总参数仅 1.2B（0.6B 编码器 + 0.6B 重排序器），专为消费级硬件设计。
· 第一阶段（SR-Emb-0.6B）：双编码器，用完整 Skills 文本（name+desc+body）预编码 Skills 池，ANN 检索 Top-20 候选。采用精心负例挖掘 + 三层假阴性过滤 + In-batch InfoNCE 对比学习。
· 第二阶段（SR-Rank-0.6B）：交叉编码器，逐对处理 query 与候选的完整文本，采用 listwise 交叉熵损失（LW），迫使模型在同质 Skills 间进行相对排序。
训练数据：37,979 对查询-Skills 样本（GPT-4o-mini 合成，训练/测试完全 disjoint）。

实验结果
· 主要指标：Hit@1（Top-1 路由准确率，主指标）、MRR@10、nDCG@10、Recall@K、FC@10。
· 紧凑模型性能：SkillRouter-1.2B 在 Easy/Hard 难度上平均 Hit@1 达 74.0%（单 Skill 查询 72.9%，多 Skills 查询 74.5%）。
· 对比：显著优于最强零样本 8B 基线（Qwen3-Emb-8B × Qwen3-Rank-8B，68.0%），提升 +6.0pp；也优于 GPT-4o-mini/GPT-5.4-mini 等 LLM Judge 作为重排序器。
· 8B 扩展：相同配方下 Hit@1 升至 76.0%，验证方法可扩展。
· 关键消融：
· 假阴性过滤：+4.0pp Hit@1（Hard 难度更明显）。
· Listwise 损失 vs Pointwise BCE：+30.7pp（后者在高度同质池中失效）。

论文提交到 @HuggingPapers 了（@_akhaliq 创建）
https://t.co/ILN7zatUEc

[tbeliot @tbeliot]

终于明白为什么做不起来，因为精力都放在了叽叽哇哇上，是整个 XXS 业务部门的毒瘤，没有之一。在业务上哪怕多分配点精力在思考上，做出来的东西会这个屌样。整个上下，病的很重。远离毒瘤，练好内功。

[tbeliot @tbeliot]

要你有何用，水货

[tbeliot @tbeliot]

终于可以消停一会了。其实某江风水挺不错的，看这业务每年增长还盈利，何苦去下乡呢。

[tbeliot @tbeliot]

@YAYAOAICAOME 什么时候开盲盒到江浙沪

[tbeliot @tbeliot]

@mranti 我是通过看恶心要吐的无聊视频，接着推荐出来的绝对部分都是这货，然后几次下来再没有要打开的欲望，剥离抖音成功。

[tbeliot @tbeliot]

mark

[tbeliot @tbeliot]

很正

[Bitturing @Bitturing]

如何用AI构建一个年收入10万元的在线企业

一个人做就可，不用雇员

以下是8个高级AI工具

帮助你的企业达到年收入10万元：

[tbeliot @tbeliot]

😂

[Madza 👨‍💻⚡ @madzadev]

18 useful GitHub repositories every developer should bookmark (you will be thankful):

[tbeliot @tbeliot]

终于又回来了，之前油管堵了。

[tbeliot @tbeliot]

好久没出来透透气了，家里的梯子坏了一段时间。

[tbeliot @tbeliot]

平行世界？

[tbeliot @tbeliot]

@justone_he 可以用下钉钉家校