正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

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。show more

开发者Hailey

23,803 subscribers

80,601 次观看 • 4 个月前 •via X (Twitter)

教育科学技术

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

🚀 发现一个能让 Claude 变得更好用的开源神器只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说这几条约束下来，Claude 写代码更稳，还能省 token

🚀 发现一个能让 Claude 变得更好用的开源神器只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说这几条约束下来，Claude 写代码更稳，还能省 token

阿西_出海

42,846 次观看 • 3 个月前

Claude Code 写代码时，你是不是也有这种感觉—— 模型自己猜答案、不懂的地方不问你、代码越写越臃肿、改一块顺便搞乱另一块…… Karpathy 说 LLM 编程有四大坑，这个开源项目用一份 CLAUDE.md 全部给你堵上👇 ✅ Think Before Coding — 不准猜，有疑惑直接问用户 ✅ Simplicity First — 200行能搞定的事绝不超过50行 ✅ Surgical Changes — 只改该改的，不碰旁边的代码 ✅ Goal-Driven Execution — 先定成功标准，再动手写代码经常被 AI 带跑偏的同学，这个插件值得装。你的 Claude Code 有没有出现过「它默默自作主张」的瞬间？👇 GitHub 已开源，地址见评论区👇 #AI #Claude #编程 #开源

Claude Code 写代码时，你是不是也有这种感觉—— 模型自己猜答案、不懂的地方不问你、代码越写越臃肿、改一块顺便搞乱另一块…… Karpathy 说 LLM 编程有四大坑，这个开源项目用一份 CLAUDE.md 全部给你堵上👇 ✅ Think Before Coding — 不准猜，有疑惑直接问用户 ✅ Simplicity First — 200行能搞定的事绝不超过50行 ✅ Surgical Changes — 只改该改的，不碰旁边的代码 ✅ Goal-Driven Execution — 先定成功标准，再动手写代码经常被 AI 带跑偏的同学，这个插件值得装。你的 Claude Code 有没有出现过「它默默自作主张」的瞬间？👇 GitHub 已开源，地址见评论区👇 #AI #Claude #编程 #开源

koffuxu

27,596 次观看 • 4 个月前

不用自己写新闻行情、地缘政治、突发事件监控器了，这是一个监控全球热点突发新闻，金融市场，AI科技，美联储信息，加密货币等聚合到一起的行情监控开源项目不过这个作者没有写readme，他应该也是用AI写的，里面有一份是给ai看的手册，你可以丢给自己的AI让他根据这份文档帮你去编译启动，非常方便

不用自己写新闻行情、地缘政治、突发事件监控器了，这是一个监控全球热点突发新闻，金融市场，AI科技，美联储信息，加密货币等聚合到一起的行情监控开源项目不过这个作者没有写readme，他应该也是用AI写的，里面有一份是给ai看的手册，你可以丢给自己的AI让他根据这份文档帮你去编译启动，非常方便

米斯特姚

71,445 次观看 • 6 个月前

红杉资本，硅谷顶级风投，给所有创始人泼了盆冷水。他们问了一个要命的问题： “你离破产，是不是只差AI的下一次迭代？” 谷歌的Gemini 1.5 Pro刚出来。功能强到让人害怕。很多软件公司做的东西，它动动手指就实现了。这就等于，你辛辛苦苦开发一个工具。结果OpenAI或谷歌更新一下模型，你的公司就没了。直接被降维打击。这生意还怎么做？红杉指了一条路：别再卖铲子了，去卖挖出来的金子。什么意思？不要卖软件工具本身。要卖用这个工具完成的工作成果。把自己伪装成一家“服务公司”。但内核是一家效率极高的软件公司。让AI给你打工，而不是成为你的敌人。他们算了一笔账。市场上，软件每花1美元。配套的服务就要花6美元。以前的创业者只能赚那1美元。现在，AI能让你去抢那6美元的市场。这才是下一个万亿级公司的机会。说白了，就是用AI武装的服务业。不再是卖一个Word软件，而是直接帮你写好一份完美的合同。不再是卖一个Photoshop，而是直接给你一张修好的图。靠卖软件授权的商业模式，可能真的要到头了。

红杉资本，硅谷顶级风投，给所有创始人泼了盆冷水。他们问了一个要命的问题： “你离破产，是不是只差AI的下一次迭代？” 谷歌的Gemini 1.5 Pro刚出来。功能强到让人害怕。很多软件公司做的东西，它动动手指就实现了。这就等于，你辛辛苦苦开发一个工具。结果OpenAI或谷歌更新一下模型，你的公司就没了。直接被降维打击。这生意还怎么做？红杉指了一条路：别再卖铲子了，去卖挖出来的金子。什么意思？不要卖软件工具本身。要卖用这个工具完成的工作成果。把自己伪装成一家“服务公司”。但内核是一家效率极高的软件公司。让AI给你打工，而不是成为你的敌人。他们算了一笔账。市场上，软件每花1美元。配套的服务就要花6美元。以前的创业者只能赚那1美元。现在，AI能让你去抢那6美元的市场。这才是下一个万亿级公司的机会。说白了，就是用AI武装的服务业。不再是卖一个Word软件，而是直接帮你写好一份完美的合同。不再是卖一个Photoshop，而是直接给你一张修好的图。靠卖软件授权的商业模式，可能真的要到头了。

墓碑科技

35,314 次观看 • 5 个月前

其实不是每个职场人都必须去学 Claude Code 或 Codex。如果你的工作主要只是改 PPT、补 Excel、写汇报，那么你真正缺的不是一个超强的 Agent，而是一个知道你工作上下文的 AI助手。比如 remio，它会持续把你的本地文件、会议、邮件这些资料变成上下文。让它改 PPT 的时候，不需要每次重新上传十个文件、再把项目背景解释一遍，只需要选取本地相关资料，它会自动读取、分析、提炼、并快速汇总成你需要的交付形式。它更像一个已经在公司陪你协作了很久、知道项目来龙去脉的 AI 办公秘书。以后老板一发任务，你就可以直接让remio帮你干。

其实不是每个职场人都必须去学 Claude Code 或 Codex。如果你的工作主要只是改 PPT、补 Excel、写汇报，那么你真正缺的不是一个超强的 Agent，而是一个知道你工作上下文的 AI助手。比如 remio，它会持续把你的本地文件、会议、邮件这些资料变成上下文。让它改 PPT 的时候，不需要每次重新上传十个文件、再把项目背景解释一遍，只需要选取本地相关资料，它会自动读取、分析、提炼、并快速汇总成你需要的交付形式。它更像一个已经在公司陪你协作了很久、知道项目来龙去脉的 AI 办公秘书。以后老板一发任务，你就可以直接让remio帮你干。

木马人

18,403 次观看 • 1 个月前

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 次观看 • 4 个月前

说个暴论，这才是2026年到目前为止，AI行业最有价值的一次更新，没有之一🚀🚀🚀 Claude一口气接入了8个创意行业的顶级工具，Blender，Adobe，Autodesk，Ableton，Splice，Canva，SketchUp，Resolume。它不再是让你在聊天框里生成东西，再导出到软件里修改，而是直接钻进你每天打开8小时的软件内部，帮你调试场景，批量修改物体，写自定义脚本，处理所有你不想做的重复性劳动。以前的AI是让你换个地方工作，现在的AI是跑到你的工位上帮你干活。这标志着AI正式进入工具原生时代，它的下一个战场再也不是谁的模型更大，而是谁能无缝嵌入普通人的真实工作流。我认为对所有创作者来说，学会用好这些连接器，比追任何新出的大模型都重要。

说个暴论，这才是2026年到目前为止，AI行业最有价值的一次更新，没有之一🚀🚀🚀 Claude一口气接入了8个创意行业的顶级工具，Blender，Adobe，Autodesk，Ableton，Splice，Canva，SketchUp，Resolume。它不再是让你在聊天框里生成东西，再导出到软件里修改，而是直接钻进你每天打开8小时的软件内部，帮你调试场景，批量修改物体，写自定义脚本，处理所有你不想做的重复性劳动。以前的AI是让你换个地方工作，现在的AI是跑到你的工位上帮你干活。这标志着AI正式进入工具原生时代，它的下一个战场再也不是谁的模型更大，而是谁能无缝嵌入普通人的真实工作流。我认为对所有创作者来说，学会用好这些连接器，比追任何新出的大模型都重要。

AYi

103,047 次观看 • 4 个月前

我再也不想去做AI视频了，我认为AI短剧视频不适合我😮‍💨 搞那么多提示词这是生成了个什么啊？还非常的浪费钱。本来剧本我都写完了一共5集，好吧这是第一集，后面要烂尾了。我发现这个AI生成视频越让它改越不行，你让它往东它往西，算了AI也不是只有玩视频一条路。我还是研究其他的Agent吧🤣🤣

我再也不想去做AI视频了，我认为AI短剧视频不适合我😮‍💨 搞那么多提示词这是生成了个什么啊？还非常的浪费钱。本来剧本我都写完了一共5集，好吧这是第一集，后面要烂尾了。我发现这个AI生成视频越让它改越不行，你让它往东它往西，算了AI也不是只有玩视频一条路。我还是研究其他的Agent吧🤣🤣

DeFi狙击手 | Ai🕊️｜Gate美股0费率

12,958 次观看 • 28 天前

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

Martin

27,466 次观看 • 2 个月前

GitHub 看不下去了，亲自下场给 AI 编程立规矩！🔥 Spec Kit，GitHub 出品，短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目，大概率遇到过这种情况：第一版看着挺对。第二版开始偏。改了十几轮后发现，AI 理解的根本不是你想做的东西。 Spec Kit 想解决的就是这个问题。先把需求定义清楚。再让 AI 干活。需求 → 计划 → 任务 → 代码。整个过程都有据可依，而不是一路靠 Prompt 猜。核心亮点： - 一句话需求自动生成 Spec，验收标准、边界条件一起补全。 - Spec 自动转开发计划，任务拆分、技术方案、测试清单直接生成。 - Claude Code、Copilot、Gemini、Codex 等 30+ AI Coding Agent 全兼容。 - 支持 Preset 和 Extension，团队规范、行业模板直接复用。 - 新项目、功能迭代、遗留系统改造，一套流程全覆盖。我最喜欢的一点是：它不是教 AI 写更多代码。而是尽量避免 AI 从第一步就写错代码。如果你已经开始用 AI 做开发，这个项目值得放进收藏夹。

GitHub 看不下去了，亲自下场给 AI 编程立规矩！🔥 Spec Kit，GitHub 出品，短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目，大概率遇到过这种情况：第一版看着挺对。第二版开始偏。改了十几轮后发现，AI 理解的根本不是你想做的东西。 Spec Kit 想解决的就是这个问题。先把需求定义清楚。再让 AI 干活。需求 → 计划 → 任务 → 代码。整个过程都有据可依，而不是一路靠 Prompt 猜。核心亮点： - 一句话需求自动生成 Spec，验收标准、边界条件一起补全。 - Spec 自动转开发计划，任务拆分、技术方案、测试清单直接生成。 - Claude Code、Copilot、Gemini、Codex 等 30+ AI Coding Agent 全兼容。 - 支持 Preset 和 Extension，团队规范、行业模板直接复用。 - 新项目、功能迭代、遗留系统改造，一套流程全覆盖。我最喜欢的一点是：它不是教 AI 写更多代码。而是尽量避免 AI 从第一步就写错代码。如果你已经开始用 AI 做开发，这个项目值得放进收藏夹。

开发者Hailey

22,153 次观看 • 2 个月前

今天流行一个视频：在一个分享会中一个程序员说ai写的程序不进行审查就随便上线是不负责任的，而且是没办法用的结果台上女生开口就是情绪：“你意思是我们这些没学过编程的文科生都不配写代码咯？在坐所有没学过编程的都不配写代码咯？” 代码写的好不好不知道，情绪和道德绑架玩的那叫一个炉火纯青，我他妈说什么也想到不到这人嘴里会蹦出那么几句话都是人，差别怎么就他妈那么大呢图二里gemini说的话含金量还在增加

今天流行一个视频：在一个分享会中一个程序员说ai写的程序不进行审查就随便上线是不负责任的，而且是没办法用的结果台上女生开口就是情绪：“你意思是我们这些没学过编程的文科生都不配写代码咯？在坐所有没学过编程的都不配写代码咯？” 代码写的好不好不知道，情绪和道德绑架玩的那叫一个炉火纯青，我他妈说什么也想到不到这人嘴里会蹦出那么几句话都是人，差别怎么就他妈那么大呢图二里gemini说的话含金量还在增加

大喵CS、转码、预科班(十年讲师，能够教你学会编程)

291,754 次观看 • 3 个月前

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

Karpathy 说过一句话：我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了很多人已经在用 Claude Opus 4.8 但使用方式还停留在：把它当 search engine 当 chatbot 当更聪明的问答框而 Karpathy 讲的 Software 3.0，不是这个它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文调用工具拆解任务持续执行在没人盯着的时候，把一整套流程往前推进。这也是 autonomous agents 真正有意思的地方。不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它它自己推进你回来 review 结果这篇文章里的 32 个 skills，本质上就是帮你跨过这条线从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

0x_Miko

47,241 次观看 • 3 个月前

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面：这玩意儿怎么这么像拆熟食的？传统 AI 给我的感觉，就像买一整块封装好的肉。看起来油亮，切面也不错，但你永远不知道里面有没有掺点别的。你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”：它不让你信整块，而是把 AI 推理一刀一刀拆开。你不需要接受“这个模型很强”这种宏大叙事，你只需要确认一件小事：这一刀，是不是真的这么切的。说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。不是让所有人去理解整个模型，而是让验证这件事本身变轻。我不用背“我要为整个 AI 结果负责”的心理包袱，我只关心我现在用到的这一小段推理，有没有被乱来。这在很多现实场景里太重要了。医生、风控、合规，没人有精力啃完整头猪。更让我有好感的是，他们连“怎么验”都顺手简化了。我是真的讨厌管理私钥。不是不懂，是不想。每次验证之前先来一套仪式感，本身就已经在劝退人了。和 Self Chain 的无密钥方案，第一次看到的时候我心里是松了一口气的那种感觉：哦，终于不是为难普通人了。验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。它不讲终极信任，也不喊改变世界，只是很务实地把信任拆碎、摊平、递到你手里。你想验，就验这一小块。你不想理解，也没关系。未来如果 AI 真开始翻车，那些没法被拆、没法被验的模型，大概真的会被永久挂在链上当反例。我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。我更在意的是：当我真的要用 AI 的那一刻，它有没有为我考虑过。这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面：这玩意儿怎么这么像拆熟食的？传统 AI 给我的感觉，就像买一整块封装好的肉。看起来油亮，切面也不错，但你永远不知道里面有没有掺点别的。你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”：它不让你信整块，而是把 AI 推理一刀一刀拆开。你不需要接受“这个模型很强”这种宏大叙事，你只需要确认一件小事：这一刀，是不是真的这么切的。说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。不是让所有人去理解整个模型，而是让验证这件事本身变轻。我不用背“我要为整个 AI 结果负责”的心理包袱，我只关心我现在用到的这一小段推理，有没有被乱来。这在很多现实场景里太重要了。医生、风控、合规，没人有精力啃完整头猪。更让我有好感的是，他们连“怎么验”都顺手简化了。我是真的讨厌管理私钥。不是不懂，是不想。每次验证之前先来一套仪式感，本身就已经在劝退人了。和 Self Chain 的无密钥方案，第一次看到的时候我心里是松了一口气的那种感觉：哦，终于不是为难普通人了。验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。它不讲终极信任，也不喊改变世界，只是很务实地把信任拆碎、摊平、递到你手里。你想验，就验这一小块。你不想理解，也没关系。未来如果 AI 真开始翻车，那些没法被拆、没法被验的模型，大概真的会被永久挂在链上当反例。我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。我更在意的是：当我真的要用 AI 的那一刻，它有没有为我考虑过。这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 MemeMax ⚡️ 🐬TermMax

27,155 次观看 • 7 个月前

大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事：为什么这完全不够它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理所以很多时候，AI 给出的坏答案，不一定是模型差也可能只是 setup 太差这个 prompting playbook，建议在下次怪 AI 之前先看完

大多数人以为 prompting 只是把句子写得更好 Anthropic 这个 32 分钟 workshop 讲的是另一件事：为什么这完全不够它拆的不是 prompt hacks 不是“act as” 也不是又一个 $300 的课程而是 production 里的 prompt 到底怎么搭 Evals Edge cases Model migration Agent loops 一个好的 prompt，不是一句话而是一套模型可以理解、执行、测试、再改进的 workflow 这点很重要因为不管后面是新的 Claude Opus，还是新的 Sonnet，真正有效的规则大概率还是这些： - 让模型知道目标 - 让模型知道边界 - 让模型知道怎么检查自己 - 让模型知道遇到 edge case 时该怎么处理所以很多时候，AI 给出的坏答案，不一定是模型差也可能只是 setup 太差这个 prompting playbook，建议在下次怪 AI 之前先看完

0x_Miko

15,628 次观看 • 2 个月前

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。用的是扣子 2.5，拆解一下它是怎么做的。这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。规划完之后它用自己的邮箱把行程发到了我个人邮箱。第一印象：确实不只是聊天了👇

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。用的是扣子 2.5，拆解一下它是怎么做的。这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。规划完之后它用自己的邮箱把行程发到了我个人邮箱。第一印象：确实不只是聊天了👇

Yanhua

51,875 次观看 • 4 个月前

【AI 内容工厂第 9 期】还在苦哈哈地手搓 Prompt？别傻了！顶级高手都是让 AI 自己写 Prompt。教你一套“套娃式”提示词工程，把 AI 调教成你的专属高级员工，输出稳如老狗！ 1️⃣ 倒垃圾（Brain Dump）：别管格式，把你脑子里的想法、背景、想要的结果，一股脑全倒给 AI。 2️⃣ 让它读心：告诉它“先别写，消化一下这些信息，告诉我你懂没懂”。 3️⃣ 让它写指令：问它“基于你刚才学的，帮我把这些大白话翻译成结构严谨的 System Prompt”。 4️⃣ 彩排（Rehearsal）：让它基于新 Prompt 生成 3 个案例。不满意？直接用人话反馈（“太生硬了”、“要幽默点”），让它改，直到完美。记住，好的 Prompt 不是写出来的，是“聊”出来的。把重复繁琐的工作丢给 AI，你只需要把控方向。想要这套“AI 自写 Prompt 万能模板”的，评论区扣“模板”，直接发你。 #AI内容工厂 #AI自动化赚钱 #提示词工程

【AI 内容工厂第 9 期】还在苦哈哈地手搓 Prompt？别傻了！顶级高手都是让 AI 自己写 Prompt。教你一套“套娃式”提示词工程，把 AI 调教成你的专属高级员工，输出稳如老狗！ 1️⃣ 倒垃圾（Brain Dump）：别管格式，把你脑子里的想法、背景、想要的结果，一股脑全倒给 AI。 2️⃣ 让它读心：告诉它“先别写，消化一下这些信息，告诉我你懂没懂”。 3️⃣ 让它写指令：问它“基于你刚才学的，帮我把这些大白话翻译成结构严谨的 System Prompt”。 4️⃣ 彩排（Rehearsal）：让它基于新 Prompt 生成 3 个案例。不满意？直接用人话反馈（“太生硬了”、“要幽默点”），让它改，直到完美。记住，好的 Prompt 不是写出来的，是“聊”出来的。把重复繁琐的工作丢给 AI，你只需要把控方向。想要这套“AI 自写 Prompt 万能模板”的，评论区扣“模板”，直接发你。 #AI内容工厂 #AI自动化赚钱 #提示词工程

Vincent

16,025 次观看 • 4 个月前

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。有个代码迁移项目，原本要4个工程师干满一个季度。现在一个人，三周搞定。结果就是：专家团队变成了“一个专家+一堆规则和agent”。这哥们跟Claude Code创始人聊了25分钟，全是干货。看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。效率低到离谱。真正的玩法早就不一样了。

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。有个代码迁移项目，原本要4个工程师干满一个季度。现在一个人，三周搞定。结果就是：专家团队变成了“一个专家+一堆规则和agent”。这哥们跟Claude Code创始人聊了25分钟，全是干货。看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。效率低到离谱。真正的玩法早就不一样了。

淘沙者(TheSandPicker)

92,035 次观看 • 1 个月前

你们需要的推文写作神器来了：tweet-skills，它是一组自动创作技能包。这个 repo 真正在做的一件事，是把内容创作工程化。怎么说？它有 8 个 skill： - hot-topics 负责采集 - topic-research 负责调研 - opinion-generator 负责观点 - tweet-writer 负责写作 - tweet-polish 负责去 AI 味 - title-optimizer 负责标题 - tweet-closing 负责结尾 - tweet-pipeline 负责串联。每个 skill 职责明确，每个 skill 可以独立运行，每个 skill 可以单独迭代升级。这是什么思路？软件工程的思路。模块化、可复用、可测试、可迭代。 skill 就是内容创作的「函数」。pipeline 就是内容创作的「工作流」。收藏价值设计就是内容创作的「代码审查」。市面上所有 AI 写作工具，本质上都是一个巨大的 prompt 加一个输入框。你进去一堆文字，出来一段文字。 tweet-skills 不一样。它把创作过程拆成了系统。你可以看到每一步在做什么，每一步的输入输出是什么，每一步的质量标准是什么。这才是 AI 时代内容创作该有的样子。不是用 AI 替代创作，是用工程化思维重构创作。这个 repo 值 star。先收下，以后会明白我在说什么。 #skill #openclaw 源码：

你们需要的推文写作神器来了：tweet-skills，它是一组自动创作技能包。这个 repo 真正在做的一件事，是把内容创作工程化。怎么说？它有 8 个 skill： - hot-topics 负责采集 - topic-research 负责调研 - opinion-generator 负责观点 - tweet-writer 负责写作 - tweet-polish 负责去 AI 味 - title-optimizer 负责标题 - tweet-closing 负责结尾 - tweet-pipeline 负责串联。每个 skill 职责明确，每个 skill 可以独立运行，每个 skill 可以单独迭代升级。这是什么思路？软件工程的思路。模块化、可复用、可测试、可迭代。 skill 就是内容创作的「函数」。pipeline 就是内容创作的「工作流」。收藏价值设计就是内容创作的「代码审查」。市面上所有 AI 写作工具，本质上都是一个巨大的 prompt 加一个输入框。你进去一堆文字，出来一段文字。 tweet-skills 不一样。它把创作过程拆成了系统。你可以看到每一步在做什么，每一步的输入输出是什么，每一步的质量标准是什么。这才是 AI 时代内容创作该有的样子。不是用 AI 替代创作，是用工程化思维重构创作。这个 repo 值 star。先收下，以后会明白我在说什么。 #skill #openclaw 源码：

tiantian

17,822 次观看 • 4 个月前

Damn，这个必须卧槽一下了，Karpathy 的 CLAUDE.md 只有 65 行，居然能把 AI 编程准确率从 65% 拉到 94%，以22 万星标登顶 GitHub 趋势榜，而且绝大多数开发者还没读过，里面没有一行奇技淫巧，4 条规则全是同一个方向： → 先想清楚再写代码陈述假设，不确定就问，杜绝猜测 → 从最简方案入手只写能解决问题的最少代码，不加任何多余抽象 → 像手术一样精准修改不碰与需求无关的代码，每行改动都对应明确要求 → 以目标驱动执行写第一行代码前，把模糊指令转化为可验证的成功标准 65 行，4 条规则，每一条都在对抗开发者“先写再说”的本能，本质上是把慢下来这件事变成硬规则，趁别人还没保存，赶紧先存好 👇

Damn，这个必须卧槽一下了，Karpathy 的 CLAUDE.md 只有 65 行，居然能把 AI 编程准确率从 65% 拉到 94%，以22 万星标登顶 GitHub 趋势榜，而且绝大多数开发者还没读过，里面没有一行奇技淫巧，4 条规则全是同一个方向： → 先想清楚再写代码陈述假设，不确定就问，杜绝猜测 → 从最简方案入手只写能解决问题的最少代码，不加任何多余抽象 → 像手术一样精准修改不碰与需求无关的代码，每行改动都对应明确要求 → 以目标驱动执行写第一行代码前，把模糊指令转化为可验证的成功标准 65 行，4 条规则，每一条都在对抗开发者“先写再说”的本能，本质上是把慢下来这件事变成硬规则，趁别人还没保存，赶紧先存好 👇

AYi

1,082,122 次观看 • 3 个月前