Willy Wu

Cathay iOS developer

[ClaudeDevs @ClaudeDevs]

https://t.co/v694m8Eaj6

[Raytar @Raytar]

My friend makes $1.2 million a year as an Anthropic engineer.

I asked him how he learned prompting so well.

He sent me a video that was never supposed to get out. Their core team's prompting playbook.

You won’t find anything better about prompting than this video.

I watched it last night.

Halfway through, I realized I've been using Claude completely wrong for two years.

Watch it, then read the article below.

[高军 @GoJun315]

Anthropic 黑客松获奖者，把自己 10 个月重度使用 Claude Code 沉淀下来的整套打法，毫无保留地开源了出来。

ECC，一个面向 Claude Code、Cursor、Codex 等主流 AI 编程工具的 Agent 工程化框架，目前在 GitHub 上狂揽了 18 万 Star。

它不是简单一份配置模板，而是一整套把 AI 编程工具当成基础设施来用的完整系统：

- 60 个专用 Agent，覆盖规划、架构、TDD、代码审查、安全审计、构建排错等场景
- 232 个按需加载的 Skill，写代码、写文章、做投资材料、跑营销都有现成模板
- 内置 AgentShield 安全扫描，专门审计 CLAUDE.md、MCP 配置、hook、skill 里的安全风险
- 三个 Opus 4.6 跑红蓝对抗，攻击方找漏洞、防守方评估、审计方给出最终风险评级
- 连续学习层会自动把每次会话里有效的模式，沉淀成可复用的 skill
- 覆盖 TypeScript、Python、Go、Rust、Java、Swift 等 12 个语言生态

GitHub：https://t.co/UG9LsDURSX

可作为 Claude Code 插件一键安装，建议重度用 Claude Code 写代码的朋友使用。

也推荐研究一下这套配置思路，能学到很多把 AI 编程工具真正用出生产力的玩法。

[Mnimiy @Mnilax]

https://t.co/W4MxdOyUKD

[CyrilXBT @cyrilXBT]

https://t.co/1gCU5MmJ6n

[Andrej Karpathy @karpathy]

LLM Knowledge Bases

Something I'm finding very useful recently: using LLMs to build personal knowledge bases for various topics of research interest. In this way, a large fraction of my recent token throughput is going less into manipulating code, and more into manipulating knowledge (stored as markdown and images). The latest LLMs are quite good at it. So:

Data ingest:
I index source documents (articles, papers, repos, datasets, images, etc.) into a raw/ directory, then I use an LLM to incrementally "compile" a wiki, which is just a collection of .md files in a directory structure. The wiki includes summaries of all the data in raw/, backlinks, and then it categorizes data into concepts, writes articles for them, and links them all. To convert web articles into .md files I like to use the Obsidian Web Clipper extension, and then I also use a hotkey to download all the related images to local so that my LLM can easily reference them.

IDE:
I use Obsidian as the IDE "frontend" where I can view the raw data, the the compiled wiki, and the derived visualizations. Important to note that the LLM writes and maintains all of the data of the wiki, I rarely touch it directly. I've played with a few Obsidian plugins to render and view data in other ways (e.g. Marp for slides).

Q&A:
Where things get interesting is that once your wiki is big enough (e.g. mine on some recent research is ~100 articles and ~400K words), you can ask your LLM agent all kinds of complex questions against the wiki, and it will go off, research the answers, etc. I thought I had to reach for fancy RAG, but the LLM has been pretty good about auto-maintaining index files and brief summaries of all the documents and it reads all the important related data fairly easily at this ~small scale.

Output:
Instead of getting answers in text/terminal, I like to have it render markdown files for me, or slide shows (Marp format), or matplotlib images, all of which I then view again in Obsidian. You can imagine many other visual output formats depending on the query. Often, I end up "filing" the outputs back into the wiki to enhance it for further queries. So my own explorations and queries always "add up" in the knowledge base.

Linting:
I've run some LLM "health checks" over the wiki to e.g. find inconsistent data, impute missing data (with web searchers), find interesting connections for new article candidates, etc., to incrementally clean up the wiki and enhance its overall data integrity. The LLMs are quite good at suggesting further questions to ask and look into.

Extra tools:
I find myself developing additional tools to process the data, e.g. I vibe coded a small and naive search engine over the wiki, which I both use directly (in a web ui), but more often I want to hand it off to an LLM via CLI as a tool for larger queries.

Further explorations:
As the repo grows, the natural desire is to also think about synthetic data generation + finetuning to have your LLM "know" the data in its weights instead of just context windows.

TLDR: raw data from a given number of sources is collected, then compiled by an LLM into a .md wiki, then operated on by various CLIs by the LLM to do Q&A and to incrementally enhance the wiki, and all of it viewable in Obsidian. You rarely ever write or edit the wiki manually, it's the domain of the LLM. I think there is room here for an incredible new product instead of a hacky collection of scripts.

[0x鸣人 @LuBtc888]

这是我目前看过最详细的chat GPT Codex教程！

只需要2小时，就能让你学会如何使用Codex App + GPT5.5

别人花2小时刷抖音浪费时间，而你花2小时学习世界前流AI，这是你跑赢他们的机会。

[Willy Wu @willywu0201]

@hanyu_chen_ios 感覺要超車Claude code了

[GOLD @Honcia13]

你还在用 Claude Code 裸奔？
别人早就搭好了一套完整 Agent 体系，直接起飞！

everything-claude-code 一键给你：
27个智能Agent自动负责规划 + 代码审查
64项专业技能（TDD、token优化、重构、调试全覆盖）
1282项安全测试兜底，代码质量拉满

Cursor、Codex、OpenCode 全部兼容，clone下来就能用。
你现在手动敲的代码、查的Bug、优化的逻辑，人家的Agent早就自动干完了。 真正把 Claude Code 从玩具变成生产力武器。

GitHub：https://t.co/bq2c2XgFcf

[开发者Hailey @IndieDevHailey]

一个文档，让全球开发者集体沸腾！
Andrej Karpathy，OpenAI 创始成员，在 GitHub 扔出一份 CLAUDE.md

结果一周狂揽 44k star，总星直接飙到 98k star。

这是什么概念？
Stack Overflow 都没这么火过。

AI 编程助手为什么不听话？Karpathy 发现一个扎心的真相：

AI 不是不会干活，是太爱发挥了。

- 你让 AI 写个排序，它给你整一套策略模式 + 工厂模式 + 观察者模式。
- 你让 AI 改个 bug，它顺手重构了三个文件。
- 你让 AI 加个验证，它直接搭了一套框架。

这不是助手，是灾难。

所以 Karpathy 写了四条铁律，给 AI 套上紧箍咒：

1. 先想后写 — 不确定就问，别瞎猜乱编码
2. 极简主义 — 能 50 行解决的，禁止写 200 行
3. 精准手术 — 只改该改的，相邻代码一根毛都不动
4. 目标驱动 — 不是"做 X"，而是"让 X 通过测试"

装上这份文档，你的 AI 助手直接封神：

✅不再疯狂加戏，精准打击
✅ 不再自作主张，主动确认
✅ 不再过度设计，恰到好处

一个文档，让 AI 从添乱变成神助攻。

这就是 Karpathy 大神的魔力。

[老韭菜南亥｜买美股上币安 @daweifs]

Claude Code 实战课程（中文版）重磅上线！

Anthropic 官方课程 Claude Code in Action 完整中文翻译版来了！

从基础 Prompt 到真实项目落地，全程手把手带你用 Claude 写代码、构建应用。翻译质量高、配套笔记清晰，非常适合搭配官方课程一起学习。

原官方英文课程：https://t.co/g547FoKg94

中文版地址：https://t.co/rm4di59sQR
想系统掌握 Claude coding 能力的朋友，强烈推荐！🚀

[无颜 @WY_mask]

Claude Code 值得安装的几个skills都整理好了

1、Claude Mem - 给 Claude 装记忆，不用重复描述需求
https://t.co/5ChzRdhprE
2、Obsidian Skills - 让 Claude 真正理解你的上下文
https://t.co/g6spwT42KN
3、GSD - 让 Claude 真正干活，不是瞎扯
https://t.co/ZLDDXT9iOd
4、LightRAG - 知识图谱，Claude 秒变专家
https://t.co/8PLNkTm7Re
5、Superpowers - 给 Claude 装上超能力
https://t.co/yACrQPPpfB
6、Everything Claude Code - 你需要的功能都在这
https://t.co/Bn2J1K4tSN
7、n8n-MCP - Claude 接入自动化，一个提示词搞定整个流程
https://t.co/whijVClQGO
8、UI UX Pro Max - 设计审美直接拉满，告别废于界面
https://t.co/338ZxhLxST

[Jimmy Su @jimmy_su]

這是我做的 Chrome「沈浸式翻譯」擴展替代品。沈浸式翻譯是我上網閱讀最重要的工具，但隱私疑慮和中國開發商背景的陰影揮之不去。求人不如求己，就付兩百鎂自幹一套。成品自以為還不錯，把它放上 Chrome web store，歡迎大家試試看

它主要實作了翻譯網頁和 YouTube 字幕這兩項最重要的功能，翻譯引擎留下 Gemini 和 GoogleTranslate，並加入 token 和 翻譯成本的統計。翻譯一篇文章或看一支影片花了多少錢，從報表中都查得到

碰到 bug 的話再跟我說，未來應該還會加上翻譯 epub 的功能（連結下收）

[Paul Solt @PaulSolt]

https://t.co/XJQvXEC4oq

[axiaisacat @axiaisacat]

给 Claude Code 装上永久记忆，完全免费

每次 session Token 消耗减少 95%
再也不会撞上下文限制
自动记录你的决策，下次直接续上
48 小时 46k ⭐

开源，免费，现在就能用
👇

[區塊先生 🐡 ⚠️ (rock #58) @mrblock]

焦慮AI嗎？下週來拿 Claude 憑證🧾

Claude官方推出「Anthropic Academy」
完全免費、13+門課程、學完還有證書！零訂閱零成本

👀 每日AI分享｜Anthropic直接放大招了！

重點課程推薦：
- Claude 101（新手入門必修）
- Building with the Claude API（8小時+超完整API實戰）
- Claude Code in Action（寫code神助攻）
- Intro to MCP + Advanced MCP（Model Context Protocol前後端）
- Agent Skills（AI代理技能）
- Claude on AWS Bedrock / Google Vertex AI（雲端部署）

現在正是Claude生態最容易入場的時候
不管你是想用Claude寫code、做agent還是接案開發，都值得衝一波

官網直達：https://t.co/3gW8huxPUe

你打算先學哪一門？留言告訴我👇

#每日AI分享 #AI學習 #mbkVIBE

上一篇👉🏻 https://t.co/HBM9UAtqJg?

[Mr Panda @PandaTalk8]

https://t.co/coqzXrQWnT

[Jason Zhu @GoSailGlobal]

Anthropic于2026年3月12日推出“Claude Certified Architect”认证，并开放了13个自学课程，全部免费、无订阅、无付费墙、无需注册，平台入口：（https://t.co/NpV9hPAYXO。考试本身99美元，但准备阶段零成本。

以下按12周路线图顺序，每个课程都附上官方直达链接（点击即可进入）：

Weeks 1-2：基础阶段（Foundations）

1. Claude 101（Anthropic Academy，免费） 🔗 https://t.co/eRFkvKhHNk

说明：涵盖Claude的使用模式、能力范围、Projects、Artifacts、Skills、Connectors以及实际工作流。即使你已经用Claude几个月，也建议从这里开始——考试全程都假设你掌握这些基础知识。

2. AI Fluency: Framework and Foundations（Anthropic Academy，免费，与大学教授联合开发） 🔗 https://t.co/q1N5VdlbFJ

说明：讲解有效AI协作的四大原则：delegation（委托）、description（描述）、discernment（辨别）、diligence（勤奋）。这是人类与AI合作的理论框架，帮助建立正确的心态。

Weeks 3-5：Claude API应用构建

3. Building Applications with the Claude API（Anthropic Academy，免费，8.1小时） 🔗 https://t.co/Lcj79DGvqO

说明：这是旗舰课程！从基础API调用到高级agentic架构、RAG管道全覆盖，包括系统提示、工具调用、流式传输、认证、结构化输出、上下文管理、生产模式等。直接对应考试Domain 1、4、5。 补充免费资源：Anthropic官方API文档（https://t.co/XAUDrYXyHs）

Weeks 6-7：Model Context Protocol（MCP工具协议）

4. Introduction to Model Context Protocol（Anthropic Academy，免费） 🔗 https://t.co/ZVgwfRVzTg

说明：MCP基础知识（工具、资源、提示），直击考试Domain 2（Tool Design & MCP Integration）。

5. Model Context Protocol Advanced（Anthropic Academy，免费） 🔗 https://t.co/PEIPTtIi4g

说明：用Python深度构建MCP服务器和客户端，包含采样、通知、文件系统访问、生产传输机制等实战内容。 补充免费资源：MCP官方规范文档（https://t.co/dJCxUNAlCe）

Weeks 8-9：Claude Code开发工作流

6. Claude Code in Action（Anthropic Academy，免费） 🔗 https://t.co/FUkuY8IfAr

说明：Claude Code完整配置，包括CLAUDE.md层级结构、路径特定规则、自定义slash commands、Skills、Hooks，以及CI/CD集成。

7. Claude Code on Coursera（Vanderbilt University，免费审计） 🔗 https://t.co/HcOD64N8gv （具体模块：Claude Code: Software Engineering with Generative AI Agents，由Dr. Jules White教授主讲）

说明：属于“Generative AI Software Engineering Specialization”课程。聚焦AI-first开发和“Best of N”模式，提供与Anthropic官方课程不同的视角。（免费审计，无需付费即可学习）

8. Building Skills for Claude Code（Anthropic Academy，免费） 🔗 https://t.co/Gwm36wLwG5

说明：专门教如何创建、配置、分发可复用的Skills，直接对应考试中“生产级工作流”要求。

[1024 @xiaohua_888]

这篇文章建议所有用Claude Code的人都读一遍，把.claude文件夹讲得非常透彻。

大多数人只知道CLAUDE.md，但其实.claude文件夹里藏了一整套配置体系：

1、CLAUDE.md：最核心的文件，写什么Claude就照做，建议控制在200行以内

2、rules/文件夹：当CLAUDE.md太臃肿时，按关注点拆分成多个规则文件，还支持按路径作用域加载

3、commands/文件夹：自定义斜杠命令，能嵌入shell命令输出，团队共享

4、skills/文件夹：和命令不同，技能是Claude自动触发的，不用手动输入

5、agents/文件夹：给子代理定义独立角色和权限，处理复杂任务

6、settings.json：权限控制，哪些工具能用、哪些文件能读

还有个容易忽略的点：其实有两个.claude目录，项目级的提交到git团队共享，全局~/.claude/放个人偏好。