Eric

web3从业者

[老金 @freeman1266]

循环工程将 Claude 从纯代码编写者转变为自动化测试工程师的方法

旨在消除开发者在搬运错误信息时的机械劳动。

在项目中配置三个关键文件，包括定义操作协议的 CLAUDE.md、设定强制执行钩子的配置文件以及用于打破思维定势的辅助智能体。

这套系统的核心在于重新定义了“任务完成”的标准，要求 AI 在交付前必须自发进行验证与修复。

通过这种设置，Claude 会在本地环境中反复迭代，直至代码完全通过预设的测试套件。

这种方式不仅提高了开发效率，还让开发者的角色从辛苦的“传话筒”升格为高效的审查者。

[Xu @xchase173294]

马哥说点我能听懂的😭😭😭

[Gian @JyNong26]

从零到一入门级详解Claude Code Skill。

[Amto @XAMTO_AI]

这份开源的学习地图，能带你从零开始硬核啃下AI Agent。

它把学习路径切成了7个阶段，前三个阶段专心打地基，死磕Python、LLM、Prompt Engineering。

之后分两条轨道并行：Track A是CLI Power User，专教你怎么用现成的Agent工具把效率拉满。

Track B是Agent Builder，从零手搓Agent一直干到Multi-Agent编排。总时长预估14到19周。

最赞的是三语对照，繁中、简中、英文三个版本全给你配齐了。

每阶段配1到5个mini project，还附带成功标准，绝不是光看文档不动手的那种虚把式。

总共收录了145个精选项目和资源，还有5条按身份分流的延伸路线，研究员、开发者、老师、知识工作者、日常使用者各有一条专属路径。

🔗：https://t.co/0ybN1P9L9j

[李韭二 @li9292]

我推荐这个网址：
https://t.co/qCvjAtWbU2
收录了几十个大神的
loop engineering的思路

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

不会写 Skill 的，先别急着放弃。

姚老师这个 yao-meta-skill 我用下来，说句实话，比官方那个 skill-creator 强太多了。你只要把乱七八糟的流程、prompt、聊天记录丢给它，它能帮你整出个 90 分的 skill。

它怎么来的？扒了 Anthropic 泄露的 Claude code 源码，又把全网各家模型的 skill 揉一块，姚老师磨了整整一个月。这是我到现在用过最顺手的 Meta Skill，没有之一。

不夸张，想做能复用的 AI 资产，直接上手就完事了。

🔗 https://t.co/sDCvuOOLF0

[Vince 聊开发 @vincemask]

我靠，原来 CLAUDE.md 还有这么多门道，以前真是白写了。

以前我一直以为「信息越多越好」，于是把项目历史、技术决策、个人偏好，甚至「写干净代码」这种空泛要求，全塞进 CLAUDE.md。

结果就是：Claude 每次都像在几千行上下文里翻垃圾堆。

要么生成不兼容的依赖，要么理解错项目边界，要么直接跑偏，最后还得我一遍遍纠正。

现在才发现，CLAUDE.md 不是用来堆信息的，而是用来压缩判断标准、约束执行边界、沉淀高频规则的。

强烈建议每个用 Claude Code 或其他 Code Agent 的开发者都认真看一遍。

[黄赟 @huangyun_122]

Hermes + Obsidian 居然还能这么用，在云端分层加工素材，还得是大数据架构师，湖仓一体式治理大模型对话历史，妙啊 !!

[老金 @freeman1266]

https://t.co/r9awH9Dq7t

[白骏知识分享 @cj3214567667]

今晚别再刷抖音浪费时间了！

发现一位海外老哥的硬核干货：花1小时沉下心看完这套Claude AI完整教程。

它能教你自主搭建工具、自动化处理各种事务。

掌握一项未来两年内绝大多数人都不具备的AI硬核能力。
路怎么走，全看你自己。

积极学习，拥抱AI！

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

币圈天天喊AI炒币，结果清华大学把大模型搬到K线上了，这个叫Kronos的项目，我看完只想说一句：狠活来了。

它干的事其实特别直白，把金融市场的K线，当成一种"语言"来训练，做法跟GPT那套一个路子，区别是它读的不是文字，是OHLCV那一堆开高低收和成交量。号称是第一个开源的K线基础模型，喂的数据来自全球45家交易所，这个量不算小。

为啥说它有点东西，我给你拆三点：

1️⃣ 它专门为金融数据设计，金融行情那种又乱又吵的噪音，普通时间序列模型根本扛不住，它是奔着这个去的。

2️⃣ 两段式结构，先用一个专门的tokenizer把连续的K线切成离散token，再上一个自回归Transformer去预训练，听着唬人，干的就是"先翻译再预测"。

3️⃣ 模型从mini到large全家桶都有，4.1M到499M随便挑，前三个全开源直接上Hugging Face拿，就large那个没开。

最骚的是它真挂了个在线demo，预测BTC/USDT未来24小时走势，谁都能点进去看。我先把丑话放前头：能预测不等于能赚钱，行情这玩意儿真要被一个开源模型算明白，那庄家早就失业了。但拿来研究、回测、当个工具玩玩，我觉得挺值得自己上手跑一遍。

而且这论文已经被AAAI 2026收了，微调脚本也放出来了，想拿自己的数据调一版的，门是开着的。

🔗 在线Demo：https://t.co/cjOEEDaRZb
🔗 论文：https://t.co/4yySJfsKTW
🔗 模型：https://t.co/d3B4mF4fr4

別光收藏，真感兴趣的去跑一把，跑完回来告诉我准不准。

[彭根辉 @aipgh6]

把自己攒了半年的 AI 工具开源了。

不是什么大项目，就是一些我自己每天在用的脚本。抖音 B 站视频转录、播客转文字、公众号文章处理、行业情报扫描…… 陆陆续续写了 11 个。

之前一直自己用，最近统一整理了一下，加了安装脚本，写了文档，放到 GitHub 上了。

如果你也在用 Claude Code 、 Codex 、Hermes、openclaw之类的 Agent，可以直接装。
普通用命令行跑也行。

地址：https://t.co/x5pvwCaLvO

有需要的朋友自取。用着觉得好用的话帮忙点个 ⭐
有 bug 告诉我 🙏

[Ren @Ryrenz]

Youtube 昨天才发布的最新 Hermes-Agent 配置与实战教程出炉！

作者 Craig Hewitt（Castos AI 创始人，搭过几十个商用 Agent），31 分钟手把手带你从零配置一个常驻云端、永久记忆、会自己写 Skill 的 Hermes 智能体——让你的生产力翻十倍！

章节：

00:00 为什么选 Hermes
01:09 Hermes 是目前最强的开源智能体框架
02:32 为什么要跑在云上，不是 Mac Mini
03:56 用 Docker 一键部署，把它关进"盒子"
06:07 Hermes 自带网页仪表盘
07:01 模型-harness 匹配：给 Hermes 配 GPT-5.5
09:25 SOUL.md：给智能体一个持久人格
12:27 永久会话记忆，越用越懂你
13:36 Skill：会自己写，但要小心别乱写
18:42 用 Web UI 替代终端
19:44 接 Telegram，随时随地指挥它
22:39 Cron 定时任务：每天早 6 点自动简报
23:47 Profile 子智能体：一人变一个团队
27:01 MCP 与插件，安全边界别松
29:06 Config 配置文件藏在哪
29:56 看板：让智能体把活摆上台面

30 分钟，带你搭出一个帮你提高十倍生产力的爱马仕。

[爱丽丝呀！ @BTCqzy1]

清华大学重磅开源：全球首款 K 线金融大模型 Kronos 来了！

以前的炒股软件预测股价就像猜数字，而 Kronos 的思路是：直接把 K 线的涨跌当成文字来读！像 GPT 预测下一个词一样，去预测未来的股价走势。

哪怕你不懂量化，这 4 点也足够震撼：
1️⃣ 它最强的地方在于：哪怕是只有 4.1M 超小体积的版本，预测精度也直逼大版本，直接把体积缩减了 25 倍，普通电脑也能跑得飞起！

2️⃣ 普通的预测只给你一根死板的线，它支持概率采样。不仅告诉你明天大概涨还是跌，还能生成好几条预测路径，明明白白告诉你它对这次预测“有多大把握”。

3️⃣ 在全世界 45 个交易所的数据上训练过，不管你玩 A 股、美股还是加密货币，它全部看得懂。

4️⃣ 它把从数据准备到策略回测的整套微调工具全放出来了。你可以直接用自己关心的股票数据，给它开小灶、深度定制。

在股价预测测试中，它的表现直接把谷歌开源的 TimesFM 时序模型拉开 93% 的差距。

地址：https://t.co/LibD5UgOUf

仅供研究、学习和辅助决策使用，非投资建议，dyor

[LinearUncle @LinearUncle]

大佬帖子里的56行循环外的49万多行代码就是所谓的agent harness.

如果你也想面试agent开发岗位，又不知道如何下手，强烈推荐我最近在看的极客时间平台上的《从 0 开始构建 Agent Harness》专栏。

也推荐想给自己公司开发agent平台的推友门。

虽然开源Coding Agent很多，但是庞大的代码量背后的原理没有教材系统性指导，就如还没自宫就强练辟邪剑谱，等面试的时候就会汗流浃背，不知道所以然。

缺点是要花钱，我是花了几块钱海鲜市场买了一个星期的会员，所以只推荐给要面试或者开发agent的推油门。

没有任何利益关系，纯粹自费阅读发现非常非常好，忍不住推荐。

[Viking @vikingmute]

最近产量起来了，又写了一篇干货新文章：《我是怎样使用 AI 构建 E2E 测试体系的？》

https://t.co/E4ENqAQR1S

将我之前总结基于 E2E 的新特性开发流程做了一个总结，原因是 TinyShip 是一个 Next.js、Nuxt.js、TanStack Start 三套前端框架组成的 monorepo，同时支持 PostgreSQL 和 SQLite，也就是说每改一个功能，有 6 种不同的组合可能出问题。光靠人肉点根本顾不过来。

我总结了一套 Spec → Code → Verify（agent-browser）→ Test → Green 五阶段流程，让 AI 辅助结合 E2E 完成新功能的开发和验证。所以更像是E2E 驱动新功能开发。

如果你也有多框架的项目，或者也头疼人肉测试成本太高，可以试试这套流程。

[老金 @freeman1266]

高效使用 Claude Code 的进阶实战技巧。

自动化迭代的“拉尔夫循环”和命令行模式，展示了如何让工具自主完成复杂任务或集成到外部工作流中。

CLAUDE.md 配置文件在工程理解中的核心作用，规划、自动执行与手动确认这三种对话模式的适用场景。

此外，针对多任务并行的需求，可以采用窗口管理与任务完成通知的配置方案。

通过这些从启动到协作的优化手段，开发者可以显著提升编程效率并降低错误率。

[Vince 聊开发 @vincemask]

Firecrawl 最常见的用法，是和 Tavily / Exa 组合使用。

Tavily / Exa 负责搜索，先找到相关 URL；
Firecrawl 负责抓取网页内容，并清洗成适合 LLM 读取的 Markdown。

最后把 Markdown 放进上下文，让 LLM 继续做总结、分析、提取或结构化处理。

[AI最严厉的父亲 @dashen_wang]

https://t.co/M3amGajMBs

[实践哥MinLi @MinLiBuilds]

离谱，这个光头强者，演讲时还在写代码。

Bun 作者Jarred 边分享边跑 agent 改代码,旁边Boris 都忍不住吐槽他又趁演讲在干活😅

Jarred 4 月底跑通将 workflow：

复现 bug → 写测试 → 提 PR → code review → 自动修改。

听了演讲后，Claude 5 月底就推出了 dynamic workflows.

学习 workflows，这会是你今年做的最好的投资。

02:08 现场演示自动修GitHub Issue
03:00 Agent自动复现 Bug、写测试、提交 PR
10:00 如何让 Agent 读懂整个项目
23:00 Auto Mode 让 Agent 连续几小时自动干活