大可DK

Web3
flowing | Nullius in Verba | to create | slow is fast.

[Zara Zhang @zarazhangrui]

Add this paragraph to the https://t.co/CGO09Sihd0 file to turn Claude Code into Claude Teacher. Every project is a lesson to become more technical.

"For every project, write a detailed FOR[yourname].md file that explains the whole project in plain language.

Explain the technical architecture, the structure of the codebase and how the various parts are connected, the technologies used, why we made these technical decisions, and lessons I can learn from it (this should include the bugs we ran into and how we fixed them, potential pitfalls and how to avoid them in the future, new technologies used, how good engineers think and work, best practices, etc).

It should be very engaging to read; don't make it sound like boring technical documentation/textbook. Where appropriate, use analogies and anecdotes to make it more understandable and memorable."

[Zara Zhang @zarazhangrui]

7 lessons I learned on how to effectively work with coding agents:

01: Context, not control
Give the AI context about what you want to achieve, then let it figure out how. Don't micromanage the steps; describe the destination. It's smarter than you think, and often smarter than your specific instructions.

02: Push until it breaks
Don't accept the first result. Keep pushing, asking for more, requesting variations. Push it until it fails at something. Only then do you truly understand its limits. The limits are further than you think.

03: Put in the reps
There's no magical prompt template or shortcut that will suddenly make you an expert. Like everything else in life, you just need to put in the reps. The more you build, the better your intuition becomes for what works.

04: Try everything. Waste tokens.
Do playful experiments. Do things that would seem like overkill. Try silly ideas. The best discoveries happen when you're not being sensible. Tokens will get cheaper over time. Curiosity is the real currency.

05: Build in public
The best textbook is Twitter, and the best teachers are people who are slightly more advanced than you and share their work openly. Share your progress, even the messy parts. You'll learn faster and find your people.

06: Make it fun
There have been times I've literally chuckled at Claude's output. It's charming, creative, and genuinely surprising. Lean into the joy. If it stops being fun, you're probably being too serious about it.

07: If you can talk, you can vibe code
Don't be intimidated by the terminal. If you can articulate what you want to build, you can vibe code. The hardest part isn't the coding. It's coming up with something worth building, and making people care once you've built it.

[Chip Huyen @chipro]

I built https://t.co/4rAUTXjAhc to help me stay-up-date with new AI stuff.

It's tracking 14K open source repos so far, with contributions from over 145K developers.

Every day, it:
- searches for new AI repos (based on 123 keywords and topics)
- surfaces repos that are gaining traction, and
- categorizes each repo

The annotations are done by AI so they are not super accurate, but they've helped me find some useful stuff.

It also lets me see where the contributors are, so when I travel, I can find folks doing cool stuff in a new city or country.

[Simon Willison @simonw]

Here's my enormous round-up of everything we learned about LLMs in 2025 - the third in my annual series of reviews of the past twelve months
https://t.co/HD9Zf85SG2
This year it's divided into 26 sections! This is the table of contents:

[大罗SEO @daluoseo]

大部分人都忽略了这个方法真正厉害的地方：你能够有办法在极短的时间之内，迅速地利用 Reddit 把你想要的关键词排到谷歌前三，而成本可以控制得极低

[Corey Chiu @realcoreychiu]

昨天找了个词打算周末做，今天早上起来试了下 shipany2的初始化项目的 skill

太强了，写个项目名和域名，五分钟就把项目生成好了🐮连 logo 和 favicon 都帮我生成好了

真 五分钟上一个站

[歸藏(guizang.ai) @op7418]

搞了一个牛皮 Skills ！

从任何 Youtube 视频链接剪辑为带有双语字幕的短视频和发布文案！

一键完成火爆 Youtube 视频的拆解和发布。

- 自动下载视频和原始字幕
- 自动分析总结字幕并对视频进行分段
- 选择需要剪辑的具体分段
- 翻译已选分段对应多语言字幕
- 将双语字幕烧录进已剪辑视频
- 生成社交媒体配对发布文案

[香蕉Banana @treydtw]

Dankoe的选题能力是真的强

参考他的10-20-10选题方法做了一个Skill。
同时从小红书、抖音抓取10条爆款数据，用AI发散生成20个选题，再由AI选出10个最佳选题。

这个流程中符合的一条原则是：爆过的还会再爆

[dontbesilent @dontbesilent]

《如何把 Dan Koe 做成 dou+》

过去一年多时间，我积累的文字量是：
- 直播音频转录文稿大约 300 万字
- X 上发的推文大约 45 万字
- 短视频转录文稿大约 30 万字

我把这些内容都放在一个文件夹里面，让 claude 可以访问，这样它就知道我能写哪些内容

然后用 Dan Koe 的选题方式，让 claude 给我列了一个选题清单，每一条选题下面都附带我曾经写过的、可用于展开这个选题的观点

1️⃣ 这样我可以把 Dan Koe 的内容全部 “洗” 一遍且保证 100% 原创，因为我只用他的选题形式，不用他的观点

2️⃣ 全都是我过往内容的二创，不用写稿，直接拍

3️⃣ 内容框架都是现成的，从没有选题 ～ 视频剪完，全过程可以压缩在 2 小时以内

缺点：太作弊、太功利、没有自我表达，只有对流量的渴望😂

这种内容我在推特上绝对不发，在抖音和小红书上，也尽量少发，毫无深度的免费 dou+

[傅盛 @FuSheng_0306]

关于最近很火的Agent Skills，我最近看了很多资料去学习，但这期视频15分钟就讲透了‼️
很多人只讲操作，但这个视频把Agent Skills的底层逻辑讲活了。从Metadata、Instruction到Resources的三层架构拆解，逻辑极其严密。从Agent Skills的概念，技术原理，到多场景实战，一个视频看懂Agent Skills的全部内容。
为了方便大家，视频链接我直接放评论区了，自行取阅。

[向阳乔木 @vista8]

搞了一个有趣的Skill，一句话下载电子书。

1. Telegram创建一个机器人，然后跟Zlib绑定。
2. Claude 安装一个命令行的TG客户端Telethon登录获取Session。
3. Skill 给 Zlib bot 发书名并下载书到本地。

计划跟NotebookLM Skill连在一起，自动上传解读。

[宝玉 @dotey]

下面是一套提示词，可以把输入内容拆解为小红书风格的系列信息图，输出每张图片的独立生成提示词，将每一张图片提示词放到 Gemini Pro 中用 Nano banana Pro 生成，就可以得到一系列的小红书图片。

你可也可以直接用我分享的 GEM：https://t.co/zxaN5zMPyy

这是一个示例会话：https://t.co/JuN9gpVQNb

这套提示词可以在 Gemini、Claude、ChatGPT 等大模型中使用，帮你生成每一页图片提示词，然后你也可以对生成的图片提示词进行微调。但是画图时还是 nano banana Pro 画图效果最好。

以下是完整提示词（请根据需要酌情修改）：

[Yanhua @yanhua1010]

推荐一些我目前安装的Claude Skills:

1. Anthropic官方Skills
https://t.co/Xfgu1Thw69

2. Superpowers
1.6万Star的Skill精选，从脑暴、写需求文档、开发、测试全包含，口碑相当好。
https://t.co/D2ToCBGnbN

3. Planning-with-files
参考Manus的Agent方法写的Skill。很适合多步骤任务，用这个Skill指导其他Skill工作也挺好。
https://t.co/EKBZQmr03F

4. X-article-publisher-skill
王树义老师写的X文章发布Skill， 这个值得研究下，后续看看能不能实现其他平台的自动化
https://t.co/rjDPGC4gtg

5. NotebookLM skill
自动上传PDF、Youtube链接到NotebookLM，很适合NotebookLM内容的自动化处理
https://t.co/CX0vPril27

还有一些是自己平时总结的内容创作skills，后续继续分享具体使用场景案例！

[宝玉 @dotey]

Google DeepMind Gemini 3 Pro 黑客松，每人将获得价值 10,000 美元的 Gemini API 积分（不是现金，但也值钱）。

即日起至 12月12日（只有一周时间冲刺！）

开发平台： Google AI Studio（活动期间免费使用 Gemini 3 Pro 构建）

选出 50 位 优胜者，每人奖励 $10,000 美元 (约 7.2w 人民币) 的 Gemini API 额度！

赛题方向： 只要能解决实际问题就行！科学探索、教育、健康、无障碍工具、或者纯粹好玩的创意。

参赛步骤：

1. 打开 https://t.co/NfES223b7k，用 Gemini 3 把你的脑洞变成 App。
2. 录制一个 2分钟以内 的演示视频（Show, don't just tell!）。
3. 在 Kaggle 平台提交视频 + App 公开链接。

对 AI 感兴趣的所有人！无论你是资深极客，还是只会写 Prompt 的小白，只要有点子，这次都能同台竞技。

[离谱 @LipuAIX]

Gemini Chrome 的体验简直“离谱”，这才是浏览器 AI 该有的样子，太爽了。
我算是最早一批体验到 Gemini for Chrome（下文简称 Gemini Chrome）的用户，至今已深度使用近 3 个月。它到底有多好用？

这么说吧，我曾是 Edge 浏览器的忠实用户，用了足足 5、6 年。但自从 Gemini Chrome 出现后，我的主力浏览器已经彻底变回了 Chrome。毫不夸张地说，我已经离不开它了。

一句话：Gemini Chrome 重新定义了浏览器 AI 助手，让复杂的「上下文工程」变得像呼吸一样自然。

1⃣ Gemini Chrome是什么？
是原生深度嵌入 Chrome 浏览器的一个 AI 助手。点一下右上角图标，或者直接按下快捷键（Alt+Q），它就会从侧边栏滑出。如下图所示。

2⃣Gemini Chrome的价值
以往我们使用 AI 工具有一个巨大的痛点：提供上下文极其繁琐。

为了让 AI 理解我们的意图，我们需要不断地复制粘贴文本、上传文件、截图标注。我们花费了大量时间在“喂”信息，而不是在解决问题。

而 Gemini Chrome 的革命性价值就在于，它能自动、无缝地理解你正在浏览的内容。

懂“上下文工程”的朋友都知道这意味着什么。上下文工程，就是“为语言模型提供足够背景信息，使任务具备可解性的艺术”。
Gemini Chrome 让你不再需要繁琐地上传截图或复制文本，Gemini 就在那里，随时准备基于你眼前的页面进行分析、总结、创作。

这种“行云流水”的体验，才是 AI 时代该有的样子。

3⃣Gemini Chrome 核心功能与应用场景
1. 即时页面交互：你的专属阅读和写作教练
这是最基础也是最高频的场景。在浏览任何网页时（无论是公众号文章、论文 PDF 还是在线文档），按下Alt+Q即可。
实战 A： 遇到百度文库这种无法复制的网页？直接让 Gemini 总结或提取文字，轻松绕过限制。

实战 B： 我经常在 Notion 写草稿，直接唤出 Gemini 帮我润色一段话，或者基于当前页面写一篇小红书文案。全程不需要切屏，不需要离开当前页面，思路非常连贯。如下图所示小红书正文创作。

2. 跨标签页信息整合：AI 时代的“超级大脑”（杀手锏）
这是 Gemini Chrome 碾压其他同类工具的“杀手锏”功能。
在对话框中，你可以点击“+”号或直接输入“@”，轻松添加其他已打开的标签页作为上下文。另外，新版的角标页设计也更加美观和直观。

实战：我打开了 5 篇关于 AI 新技术的文章，直接跟 Gemini 说：“@这5个标签页，帮我综合写一篇科普文，对比它们的观点。”

3. 流畅的对话体验：Live 语音对话模式与历史记录
Live 模式（语音对话）： 现在 PC 端也支持 Live 模式了。你可以直接开口跟它对话，关键是它能看着你的屏幕回答。这非常适合头脑风暴，那种感觉就像身边坐了一个真人在跟你讨论屏幕上的内容。

历史对话追溯： 点开 Gemini Chrome，你可以轻松选择最近的对话记录，继续之前的讨论。这对于处理复杂任务至关重要，保证了工作流的连贯性。

4⃣未来：它不仅仅是助手，是 Agent
Google 还预告了 Gemini Chrome 即将迎来的更强大的功能，预示着从“助手”到“智能体（Agent）”的演进：

1. 自动任务执行（Agentic 功能）
未来，Gemini 将具备“任务执行助手”功能，能自动处理线上事务。比如，你告诉它“帮我回复微信对话”，或者“把这些商品加入购物车并结算”。Gemini 将在网页上代你完成操作，而你只需说明目标，省去重复、耗时的点击就像Claude for Chrome一样。

2. 智能历史检索
你是否经常忘记上周看到的某个重要网站？未来，你只需问 Gemini：“我上周看到的那个核桃木书桌的网站是什么？” Gemini 就能通过语义理解，帮你快速定位，远比传统的关键词搜索历史记录要智能。

5⃣如何才能体验到 Chrome Gemini？（亲测有效）

目前Chrome Gemini已经正式在美国市场发布了，相比内测阶段，体验要求低很多。但还是必须满足这三个硬性条件：
1-网络环境： 必须是美国（US）节点。

2-会员门槛： 你的 Google 账号得订阅 Gemini Advanced (Pro 或 Ultra)。

3.账号归属地： 这是最关键的，你的 Google 账号所在地必须被判定为美国。

4.如何查看和修改账号所在地？
点击你的头像，查看“服务条款”，可以查看你账号的国家/地区信息。
如果显示的国家不是 US，别急。保持美国节点挂着（通常需要几天到一周），多用用，系统会自动把你的号“迁徙”过去。

等地名变了，再等个两三天，Chrome 右上角那个闪闪发光的 Gemini 图标就会自动出现了。

相信我，一旦用习惯了，你就真的回不去了。

OK以上就是本次分享的所有内容了，若对你有帮助，不妨点个赞，加个关注。
有什么问题，欢迎评论，我看到后会一一回复的。

[GitHubDaily @GitHub_Daily]

这周有空就在玩 Nano Banana Pro 生成图片，有时不知道该怎么写提示词才能出好图，各种风格和技巧一直在摸索，但效率很低。

偶然间，在 GitHub 上发现 awesome-nano-banana-pro-prompts 这个开源项目，收集了 500+ 精选的 Nano Banana Pro 提示词案例。

项目按照不同应用场景分类整理，涵盖海报设计、信息图表、品牌视觉、角色设计等多种类型，每个案例都配有生成的图片效果。

GitHub：https://t.co/nCztd24yS0

支持多语言提示词，提供即时图库预览功能，可以直接看到每个提示词的实际生成效果。

目前项目在持续更新中，如果你想快速掌握 Nano Banana Pro 的提示词技巧，而不是从零摸索，这个项目值得收藏。

[meng shao @shao__meng]

Andrej Karpathy 和 Ilya Sutskever 两位的播客，看完直观感受区别很大，不管是语气语速和表达方式这种表面感受，还是他们的观点和关注点等，虽然从我外行小白的视角，没办法参透两位大神的观点是否异曲同工 😁

另外，总感觉 Ilya 有很多更深层次的思考，可能涉及到生物、脑神经甚至伦理宗教等，都没有展开说，他有些非常深邃的思考，可能就是那种脱离 AI 行业之外对未来更深的思考吧(我自己yy的，因为我肯定不懂他的思考🤔)

[Edward Hu @edwardjhu]

How can we keep scaling if compute grows exponentially but data does not?🤔

Find the answer in my guest lecture at Stanford CS25 this afternoon on our ICLR2024 Honorable Mention paper "Amortizing intractable inference in large language models" 🙌
https://t.co/3bZaFZLRps

[Denny Zhou @denny_zhou]

Slides for my lecture “LLM Reasoning” at Stanford CS 25: https://t.co/eApGUHyIDo

Key points:
1. Reasoning in LLMs simply means generating a sequence of intermediate tokens before producing the final answer. Whether this resembles human reasoning is irrelevant. The crucial insight is that transformer models can become nearly arbitrarily powerful by generating many intermediate tokens, without the need of scaling the model size (https://t.co/HO2seV6vVl).

2. Pretrained models, even without any fine-tuning, are capable of reasoning. The challenge is that reasoning-based outputs often don’t appear at the top of the output distribution, so standard greedy decoding fails to surface them (https://t.co/75h2QQzT9M)

3. Prompting techniques (e.g., chain-of-thought prompting or "let’s think step by step") and supervised finetuning were commonly used to elicit reasoning. Now, RL finetuning has emerged as the most powerful method. This trick was independently discovered by several labs. At Google, credit goes to Jonathan Lai on my team. Based on our theory ( see point 1), scaling RL should focus on generating long responses rather than something else.

4. LLM reasoning can be hugely improved by generating multiple responses and then aggregating them, rather than relying on a single response (https://t.co/BA5MUzg3PR).

[歸藏(guizang.ai) @op7418]

开个帖子，分享一下 Gemini 3 的一些玩法

后面都会在这里更新，可以收藏一下

Gemini 3 的视频分析能力也变的非常好，让他分析一个视频，真的是像素级解释实现原理

每一秒的细节都很多