Loading video...

Video Failed to Load

Go Home

一位工程师公开了他每天用于进行真实工程开发而非“凭感觉编程”（vibe coding）的 Claude Code 技能。真正的工程实践。 该仓库的两位贡献者之一就是 Claude 本身。90.5k stars。 7.9k forks。MIT 协议。 这些是互联网上最著名的 TypeScript 专家之一 Matt Pocock 在日常使用 Claude Code 时所采用的技能。它们不是通用的提示词，而是来自资深工程师的真实工作流。 使用 Claude Code 进行真实工程开发的技能。在生产环境中测试过的流程。 架构与技术决策文档。Claude Code 直接插件。 140 万次技能下载。5 天前更新。 MIT 许可证。区分“凭感觉编程”者与使用 AI 进行“真实工程开发”者的区别，就在于他们安装了哪些技能。 90.5k stars。7.9k forks。 MIT 许可证。仓库地址见此。

billtheinvestor's profile picture

Bill The Investor

117,801 subscribers

15,050 views • 1 month ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

我的 AI 编程能力又向前迈了一大步。 刚刚用 Claude Code 复刻了抖音 APP 的「钱包」功能，我不知道抖音有多少名工程师负责这个功能，但 Claude Code 实现一模一样的效果只用了 10 分钟，现在我可以拿去到处装逼了，金额自己填，最牛逼的是，填进去的金额还支持随时提现。 兄弟们看看还原度如何，能给几分？
0:16

我的 AI 编程能力又向前迈了一大步。 刚刚用 Claude Code 复刻了抖音 APP 的「钱包」功能，我不知道抖音有多少名工程师负责这个功能，但 Claude Code 实现一模一样的效果只用了 10 分钟，现在我可以拿去到处装逼了，金额自己填，最牛逼的是，填进去的金额还支持随时提现。 兄弟们看看还原度如何，能给几分？

banboo

230,235 views • 1 year ago

卧槽，这个仓库思路我是挺佩服的～ 能把任意公开的 GitHub 仓库逆向工程成“原始自然语言提示（prompt）”。 简单说就是： 你输入一个 GitHub 仓库链接，它就会自动抓取仓库的结构、README、文件树等信息，用 AI（比如 Gemini）帮你生成一个完整、自然的提示词。 把这个提示词直接丢给 Claude、Cursor、Windsurf 等 AI 编程工具，AI 就能更好的理解。 主要用处： 快速学习一个项目的“构建思路”和提示风格（不用一行一行读代码） 复制/重现别人用 AI 写的项目（学习提示词） 仓库&体验地址👇👇👇
0:19

卧槽，这个仓库思路我是挺佩服的～ 能把任意公开的 GitHub 仓库逆向工程成“原始自然语言提示（prompt）”。 简单说就是： 你输入一个 GitHub 仓库链接，它就会自动抓取仓库的结构、README、文件树等信息，用 AI（比如 Gemini）帮你生成一个完整、自然的提示词。 把这个提示词直接丢给 Claude、Cursor、Windsurf 等 AI 编程工具，AI 就能更好的理解。 主要用处： 快速学习一个项目的“构建思路”和提示风格（不用一行一行读代码） 复制/重现别人用 AI 写的项目（学习提示词） 仓库&体验地址👇👇👇

比特币橙子Trader

78,419 views • 3 months ago

有一种高中，学生还没毕业，就在工地上班了。 这怎么可能？ 看这里。 佐治亚州杰克逊县的一所高中，成了全球第一。 他们用上了一种新技术。 所有学生，坐在各自的模拟器上。 却能在同一个虚拟工地上，协同作业。 开挖掘机，操作起重机，像一个真正的施工团队。 这不是在打游戏。 这是在为真实世界的工作做准备。 几十年来，主流教育都在说：上大学，进办公室，才是出路。 蓝领的工作、制造业的技能，被边缘化了。 结果呢？ 大学文凭通货膨胀，毕业生找不到工作，而技术工人却严重短缺。 这种模拟器培训模式，是不是在纠正一种长期以来的偏差？ 它把重点放回了“动手能力”和“实际技能”上。 这才是让年轻人真正掌握一技之长，能养家糊口的方式。 这不仅仅是技术创新，更是对教育方向的一次拨乱反正。 美国需要更多这样的学校，而不是更多空谈理论的课堂。
0:19

有一种高中，学生还没毕业，就在工地上班了。 这怎么可能？ 看这里。 佐治亚州杰克逊县的一所高中，成了全球第一。 他们用上了一种新技术。 所有学生，坐在各自的模拟器上。 却能在同一个虚拟工地上，协同作业。 开挖掘机，操作起重机，像一个真正的施工团队。 这不是在打游戏。 这是在为真实世界的工作做准备。 几十年来，主流教育都在说：上大学，进办公室，才是出路。 蓝领的工作、制造业的技能，被边缘化了。 结果呢？ 大学文凭通货膨胀，毕业生找不到工作，而技术工人却严重短缺。 这种模拟器培训模式，是不是在纠正一种长期以来的偏差？ 它把重点放回了“动手能力”和“实际技能”上。 这才是让年轻人真正掌握一技之长，能养家糊口的方式。 这不仅仅是技术创新，更是对教育方向的一次拨乱反正。 美国需要更多这样的学校，而不是更多空谈理论的课堂。

墓碑科技

45,163 views • 7 months ago

LibTV 全新视频 Agent 评测 可以接入Claude Code，一句话出片... LiblibAI 发布了一个全新的工作流 AI视频 Agent 平台LibTV，它可以在一张无限大的画布上，通过拖放节点来组合各种模型进行视频生成创作。 最牛P的是他们发布了一个skill技能，接入Claude Code、小龙虾，让AI能自动帮你编排节点... Claude Code等通过 Skill 接口全自动调用它的各种节点，自动帮你搭建节点，从剧本构思到最终成品剪辑自动跑完，一句话进去，成片出来。 我测试的过程中一直感叹，非常的牛P...
0:10

LibTV 全新视频 Agent 评测 可以接入Claude Code，一句话出片... LiblibAI 发布了一个全新的工作流 AI视频 Agent 平台LibTV，它可以在一张无限大的画布上，通过拖放节点来组合各种模型进行视频生成创作。 最牛P的是他们发布了一个skill技能，接入Claude Code、小龙虾，让AI能自动帮你编排节点... Claude Code等通过 Skill 接口全自动调用它的各种节点，自动帮你搭建节点，从剧本构思到最终成品剪辑自动跑完，一句话进去，成片出来。 我测试的过程中一直感叹，非常的牛P...

小互

140,645 views • 3 months ago

越熟练用 Claude Code，反而越容易花最多时间在返工上 很多人以为“prompt写得够清楚、context塞得够多”就能让Claude高效输出。结果呢？它还是直接开写、直接出bug、直接跑偏，最后你花80%的时间在来回纠错、澄清假设、推翻重来。 作者用 Claude Code 满一年，Superpowers（Jesse Vincent 开源，125k+ GitHub stars，每周涨1.5-2万）是唯一让他速度、质量、挫败感同时大幅改善的插件。 普通 Claude 直接“开始建”而不问问题、写计划，大部分时候都要花1小时 course-correct；Superpowers 强制模拟“好工程师”的真实流程（先探索上下文→逐一澄清问题→提出2-3种方案+权衡→分段写设计文档→自审→等待明确批准）。 14+ skills 按任务自动触发且 mandatory（跳过有12条开发者常用借口会被框架拒绝）；7阶段管道每阶段都有铁律（planning 里不允许 TBD/TODO、TDD 必须先写 failing test、debugging 3次失败就强制质疑架构）。 这些结构不是锦上添花，而是把 raw prompting 的天花板彻底打破，让 Claude 真正像团队里的资深工程师一样思考和执行。 对任何重度使用 Claude Code 的人来说，Superpowers 不是“又一个插件”，而是把 agentic workflow 从混乱拉到可预测、可维护、可规模化的分水岭。
0:15

越熟练用 Claude Code，反而越容易花最多时间在返工上 很多人以为“prompt写得够清楚、context塞得够多”就能让Claude高效输出。结果呢？它还是直接开写、直接出bug、直接跑偏，最后你花80%的时间在来回纠错、澄清假设、推翻重来。 作者用 Claude Code 满一年，Superpowers（Jesse Vincent 开源，125k+ GitHub stars，每周涨1.5-2万）是唯一让他速度、质量、挫败感同时大幅改善的插件。 普通 Claude 直接“开始建”而不问问题、写计划，大部分时候都要花1小时 course-correct；Superpowers 强制模拟“好工程师”的真实流程（先探索上下文→逐一澄清问题→提出2-3种方案+权衡→分段写设计文档→自审→等待明确批准）。 14+ skills 按任务自动触发且 mandatory（跳过有12条开发者常用借口会被框架拒绝）；7阶段管道每阶段都有铁律（planning 里不允许 TBD/TODO、TDD 必须先写 failing test、debugging 3次失败就强制质疑架构）。 这些结构不是锦上添花，而是把 raw prompting 的天花板彻底打破，让 Claude 真正像团队里的资深工程师一样思考和执行。 对任何重度使用 Claude Code 的人来说，Superpowers 不是“又一个插件”，而是把 agentic workflow 从混乱拉到可预测、可维护、可规模化的分水岭。

AYi

82,374 views • 3 months ago

在使用 AI 编程工具开发前端应用，当预览出现报错时，想让 AI 帮忙分析，需要把报错位置的详细信息发给它，挺麻烦的。 现在，可以装一下 Pointer 这个开源的 MCP 服务器，它能让 AI 助手拥有能 “看见” 网页元素的能力，提升我们与 AI 沟通的开发效率。 通过快捷键选中页面上任意元素，然后自动获取到元素的完整信息，包括 CSS 属性、HTML 结构、React 组件名等详细数据。 GitHub： 需要搭配一个浏览器插件使用，通过 WebSocket 实现浏览器与 AI 工具之间的实时连接通信。 目前插件已上架到应用商店可直接搜索安装，然后运行一条命令配置 MCP 服务器，即可在 Claude Code 或 Cursor 上使用。
0:10

在使用 AI 编程工具开发前端应用，当预览出现报错时，想让 AI 帮忙分析，需要把报错位置的详细信息发给它，挺麻烦的。 现在，可以装一下 Pointer 这个开源的 MCP 服务器，它能让 AI 助手拥有能 “看见” 网页元素的能力，提升我们与 AI 沟通的开发效率。 通过快捷键选中页面上任意元素，然后自动获取到元素的完整信息，包括 CSS 属性、HTML 结构、React 组件名等详细数据。 GitHub： 需要搭配一个浏览器插件使用，通过 WebSocket 实现浏览器与 AI 工具之间的实时连接通信。 目前插件已上架到应用商店可直接搜索安装，然后运行一条命令配置 MCP 服务器，即可在 Claude Code 或 Cursor 上使用。

GitHubDaily

20,305 views • 9 months ago

迫不及待的用 Claude Sonnet 3.7 做了今天推上很流行的天气卡片效果的生成 在原始提示词上，再稍微调试了两次，真的好强，这个审美确实非常在线，动画也很赞。其他几个模型大多数都没法看，现在看来确实是 Coding 最强了，看来以后真的能用它做一些设计的工作了～
0:12

迫不及待的用 Claude Sonnet 3.7 做了今天推上很流行的天气卡片效果的生成 在原始提示词上，再稍微调试了两次，真的好强，这个审美确实非常在线，动画也很赞。其他几个模型大多数都没法看，现在看来确实是 Coding 最强了，看来以后真的能用它做一些设计的工作了～

Viking

57,578 views • 1 year ago

一款主动式AI渗透测试工具：shannon，给它源码+测试网址，它自动把网站黑一遍，然后告诉你它咋黑的 在无提示有源码的XBOW基准中成功率96.15% 开发vibe-coding天天上线，Shannon也可以让每次发版都能“一键红队” 它用Claude跑侦察、并行漏洞分析、攻击、写报告，全程零人工，能打出SQL注入、XSS、SSRF、越权等20+真实漏洞并给出可直接复制的PoC 注意它会真的改数据、注册用户，千万别在生产环境跑 Lite版开源AGPL-3.0 #shannon #AI黑客
0:16

一款主动式AI渗透测试工具：shannon，给它源码+测试网址，它自动把网站黑一遍，然后告诉你它咋黑的 在无提示有源码的XBOW基准中成功率96.15% 开发vibe-coding天天上线，Shannon也可以让每次发版都能“一键红队” 它用Claude跑侦察、并行漏洞分析、攻击、写报告，全程零人工，能打出SQL注入、XSS、SSRF、越权等20+真实漏洞并给出可直接复制的PoC 注意它会真的改数据、注册用户，千万别在生产环境跑 Lite版开源AGPL-3.0 #shannon #AI黑客

AIGCLINK

50,180 views • 7 months ago

说个暴论，今天之后前沿大模型的战争已经彻底换赛道了，顶级工程能力的边际成本，今天被彻底打穿了！🤯 Grok 4.5 今天正式发布，直接掀翻了前沿大模型的定价桌子。 对标 Claude Opus 级别的编码与智能体能力，输入定价仅为后者五分之二，输出定价仅为其四分之一， 叠加 4.2 倍的单任务 token 效率提升，再加上更快的推理速度，没有死磕通用榜单第一，直接在开发者最买单的真实生产场景里，扔下了一枚性价比核弹。 这不只是单模型的胜利，更是垂直整合闭环的胜利，背后站着的也不再是孤军奋战的Elon Musk 的XAI实验室，还有SpaceXAI 的模型能力，加 Cursor 的开发者工具生态，加 SpaceX 特斯拉海量内部工程场景的三位一体飞轮， 开发者工具提供真实交互数据反哺训练，场景验证真实需求分布，模型持续迭代优化，这种闭环比单纯堆参数刷通用榜单难复制得多，也更贴近真实生产力落地。 但绝大多数人没看懂，token 效率才是智能体时代的真正杀手锏。 大多数人只会盯着基准分数的高低较劲，却忽略了效率叠加低价的复合效应，单次问答看起来差距甚微，但在多步工具调用自我修正的完整智能体工作流里，token 消耗直接等于延迟与真金白银的成本，跑完整端到端工程项目， Grok 4.5 的实际花费可能只有 Opus 方案的十分之一，速度优势更是碾压级，这对生产部署的意义，远大于跑分多几个百分点。 顶级工程能力的边际成本，今天被彻底打穿了， 2 美元输入 6 美元输出的定价，第一次把顶级编码与智能体能力，从企业级奢侈品降到了个人开发者和小团队可以放开用的价位，这会直接加速智能体 AI 从演示 demo 走向大规模生产落地，也必然倒逼头部厂商在短期内跟进调价，前沿大模型的价格战，今天才算真正拉开序幕。 更恐怖的是迭代加速度，SpaceX 今年计划每月发布一款从头训练的新模型，内部海量工程数据的持续喂养，会让它的进化速度甩开传统实验室的节奏。 我觉得这件事最本质的意义，是 AI 行业的竞争逻辑正在悄然转向， 它不再是堆出一个全能的通用神坛模型，而是在最高价值的垂直赛道里，做到够用的智能，加极致的效率，加亲民的价格， 大多数开发者日常 80% 的需求，从来不是解出世界最难的题，而是可靠地写代码调 bug 搭系统，Grok 4.5 精准命中了这个痛点。 当顶级工程能力的边际成本被彻底打穿，下一波 AI 生产力的爆发，会不会比所有人预想的都要早呢？
0:10

说个暴论，今天之后前沿大模型的战争已经彻底换赛道了，顶级工程能力的边际成本，今天被彻底打穿了！🤯 Grok 4.5 今天正式发布，直接掀翻了前沿大模型的定价桌子。 对标 Claude Opus 级别的编码与智能体能力，输入定价仅为后者五分之二，输出定价仅为其四分之一， 叠加 4.2 倍的单任务 token 效率提升，再加上更快的推理速度，没有死磕通用榜单第一，直接在开发者最买单的真实生产场景里，扔下了一枚性价比核弹。 这不只是单模型的胜利，更是垂直整合闭环的胜利，背后站着的也不再是孤军奋战的Elon Musk 的XAI实验室，还有SpaceXAI 的模型能力，加 Cursor 的开发者工具生态，加 SpaceX 特斯拉海量内部工程场景的三位一体飞轮， 开发者工具提供真实交互数据反哺训练，场景验证真实需求分布，模型持续迭代优化，这种闭环比单纯堆参数刷通用榜单难复制得多，也更贴近真实生产力落地。 但绝大多数人没看懂，token 效率才是智能体时代的真正杀手锏。 大多数人只会盯着基准分数的高低较劲，却忽略了效率叠加低价的复合效应，单次问答看起来差距甚微，但在多步工具调用自我修正的完整智能体工作流里，token 消耗直接等于延迟与真金白银的成本，跑完整端到端工程项目， Grok 4.5 的实际花费可能只有 Opus 方案的十分之一，速度优势更是碾压级，这对生产部署的意义，远大于跑分多几个百分点。 顶级工程能力的边际成本，今天被彻底打穿了， 2 美元输入 6 美元输出的定价，第一次把顶级编码与智能体能力，从企业级奢侈品降到了个人开发者和小团队可以放开用的价位，这会直接加速智能体 AI 从演示 demo 走向大规模生产落地，也必然倒逼头部厂商在短期内跟进调价，前沿大模型的价格战，今天才算真正拉开序幕。 更恐怖的是迭代加速度，SpaceX 今年计划每月发布一款从头训练的新模型，内部海量工程数据的持续喂养，会让它的进化速度甩开传统实验室的节奏。 我觉得这件事最本质的意义，是 AI 行业的竞争逻辑正在悄然转向， 它不再是堆出一个全能的通用神坛模型，而是在最高价值的垂直赛道里，做到够用的智能，加极致的效率，加亲民的价格， 大多数开发者日常 80% 的需求，从来不是解出世界最难的题，而是可靠地写代码调 bug 搭系统，Grok 4.5 精准命中了这个痛点。 当顶级工程能力的边际成本被彻底打穿，下一波 AI 生产力的爆发，会不会比所有人预想的都要早呢？

AYi

42,741 views • 7 days ago

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。
0:18

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。

Vincent

14,782 views • 27 days ago

可灵昨晚发布了 O1： 一个大一统的视频、图像生成和编辑工具，支持你能想到所有图像和视频编辑能力。 藏师傅会对这次新增的一些能力进行测试，同时大概教大家一下这个模式应该如何使用 👇下面是具体的教程和测试内容
0:19

可灵昨晚发布了 O1： 一个大一统的视频、图像生成和编辑工具，支持你能想到所有图像和视频编辑能力。 藏师傅会对这次新增的一些能力进行测试，同时大概教大家一下这个模式应该如何使用 👇下面是具体的教程和测试内容

歸藏(guizang.ai)

46,516 views • 7 months ago

如何快速打破冷战 很多兄弟们都以为女朋友生气不知所措 今天就给大家出一期教程 这样就变成热战了！ ⁺๑⃙⃘₊————꒰ঌ ໒꒱ྀི————๑⃙⃘₊⁺ 网络会断，环境会乱， 但做过什么决定，是不是对的， 事后一定要能查 这正好说中了 Inference Labs 在干的事。 他们的思路其实很现实： • 不是每一步 AI 行为都硬塞上链 • 只给关键决策留「凭证」 • 其他流程照样高速跑，不拖性能 就像现实生活一样—— 你不会留所有发票， 但大额那几张， 随时得掏得出来。 这才是 Selective Proofs 真正有用的地方： 不是追求理论上的完美 zk， 而是跑得动、查得到、出事能追责。 zkML 真正落地， 靠的从来不是炫技， 而是这种能在真实世界活下来的设计
0:19

如何快速打破冷战 很多兄弟们都以为女朋友生气不知所措 今天就给大家出一期教程 这样就变成热战了！ ⁺๑⃙⃘₊————꒰ঌ ໒꒱ྀི————๑⃙⃘₊⁺ 网络会断，环境会乱， 但做过什么决定，是不是对的， 事后一定要能查 这正好说中了 Inference Labs 在干的事。 他们的思路其实很现实： • 不是每一步 AI 行为都硬塞上链 • 只给关键决策留「凭证」 • 其他流程照样高速跑，不拖性能 就像现实生活一样—— 你不会留所有发票， 但大额那几张， 随时得掏得出来。 这才是 Selective Proofs 真正有用的地方： 不是追求理论上的完美 zk， 而是跑得动、查得到、出事能追责。 zkML 真正落地， 靠的从来不是炫技， 而是这种能在真实世界活下来的设计

Amu.

288,977 views • 6 months ago

今年三月底在 Let's Vision 上介绍了我们正在做的让 agent 参与 mobile 开发自主验证的一些微小工作。现在终于可以把其中一部分我们日常使用的工具开源了。 sim-use 是让 AI agent 能看到模拟器/设备的屏幕并操作它的命令行工具。一条命令把整个屏幕变成 agent 能理解的紧凑表示，再一条命令点击任意元素，以完成验证循环。iOS Simulator 和 Android 通用。 Plan, code, verify, ship — verify 这一环现在可以交给 agent 了。欢迎大家试用/加星/反馈/一同改进！
0:12

今年三月底在 Let's Vision 上介绍了我们正在做的让 agent 参与 mobile 开发自主验证的一些微小工作。现在终于可以把其中一部分我们日常使用的工具开源了。 sim-use 是让 AI agent 能看到模拟器/设备的屏幕并操作它的命令行工具。一条命令把整个屏幕变成 agent 能理解的紧凑表示，再一条命令点击任意元素，以完成验证循环。iOS Simulator 和 Android 通用。 Plan, code, verify, ship — verify 这一环现在可以交给 agent 了。欢迎大家试用/加星/反馈/一同改进！

onevcat

66,956 views • 17 days ago

卧槽，麻了，兄弟们。虽然 Manus 经常半死不活，但出活是真管用啊 前两天在酝酿一个公众号文章提取的机器人，突发奇想先从 github 开源的搞起。于是想做一个 github 相关的搜索 问了下 Manus, 它直接丢给了我一个能用的，天哪 一行代码未改，直接调起使用，程序在这：
0:10

卧槽，麻了，兄弟们。虽然 Manus 经常半死不活，但出活是真管用啊 前两天在酝酿一个公众号文章提取的机器人，突发奇想先从 github 开源的搞起。于是想做一个 github 相关的搜索 问了下 Manus, 它直接丢给了我一个能用的，天哪 一行代码未改，直接调起使用，程序在这：

黄赟

65,410 views • 1 year ago

大部分人用 Claude Code 其实是在裸跑 打开项目，直接问它改代码、写功能、修bug。能干活，但工作流全靠手动组织 Anthropic 最近出了个官方插件叫 claude-code-setup，做的事情挺简单的：扫描你的项目结构和依赖，然后推荐你应该配哪些东西 具体来说它会建议你装： -适合你项目的 MCP servers -可以复用的 skills -自动触发的 hooks -拆分任务用的 subagents -常用的 slash commands 相当于它帮你把 Claude Code 从一个"什么都能干但什么都要你自己安排"的工具，变成一个针对你这个项目定制过的AI开发环境 之前这些配置全靠自己摸索，哪些 MCP 好用、hooks 怎么写、subagents 怎么拆，都要一个个试。现在至少有个起点了 不是说它推荐的就一定全对，但比从零开始配要省不少事 用 Claude Code 的可以试试，尤其是项目已经有一定规模的
0:17

大部分人用 Claude Code 其实是在裸跑 打开项目，直接问它改代码、写功能、修bug。能干活，但工作流全靠手动组织 Anthropic 最近出了个官方插件叫 claude-code-setup，做的事情挺简单的：扫描你的项目结构和依赖，然后推荐你应该配哪些东西 具体来说它会建议你装： -适合你项目的 MCP servers -可以复用的 skills -自动触发的 hooks -拆分任务用的 subagents -常用的 slash commands 相当于它帮你把 Claude Code 从一个"什么都能干但什么都要你自己安排"的工具，变成一个针对你这个项目定制过的AI开发环境 之前这些配置全靠自己摸索，哪些 MCP 好用、hooks 怎么写、subagents 怎么拆，都要一个个试。现在至少有个起点了 不是说它推荐的就一定全对，但比从零开始配要省不少事 用 Claude Code 的可以试试，尤其是项目已经有一定规模的

Vincent | 信号＞噪音

21,388 views • 1 month ago

这位推友分享了使用 Cursor 的时候添加的一个实用的 Cursor Rule，Agent 生成代码的时候让 Claude 添加一个类似 R1 的 thinking 过程（当然原理不一样），包裹在一个 thinking 的 tag 当中，从三种解决方案里面选最合适的一种，确实是一个特别棒的技巧，我亲自测试了一下，效果很不错，非常实用，可以看我的测试视频，推荐给大家。 文字版提示词提供给大家：
0:19

这位推友分享了使用 Cursor 的时候添加的一个实用的 Cursor Rule，Agent 生成代码的时候让 Claude 添加一个类似 R1 的 thinking 过程（当然原理不一样），包裹在一个 thinking 的 tag 当中，从三种解决方案里面选最合适的一种，确实是一个特别棒的技巧，我亲自测试了一下，效果很不错，非常实用，可以看我的测试视频，推荐给大家。 文字版提示词提供给大家：

Viking

40,815 views • 1 year ago

当 AI 走进法庭，它最缺的其实是一份证据 当 AI 真正走出实验室，开始大规模进入我们的现实生活时 大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题 法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI 系统在法律层面上都有一个致命的伤 那就是它们根本拿不出任何可以被第三方采信的证据。 想象一下，在未来的金融系统或者交易场景里 如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题 而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。 现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。 现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。 这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。 说到底，法律其实从来不关心一个模型到底是聪明还是笨。 它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。 这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。 这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。 以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。 有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。 我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。 这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。 大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。 那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITO
0:13

当 AI 走进法庭，它最缺的其实是一份证据 当 AI 真正走出实验室，开始大规模进入我们的现实生活时 大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题 法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI 系统在法律层面上都有一个致命的伤 那就是它们根本拿不出任何可以被第三方采信的证据。 想象一下，在未来的金融系统或者交易场景里 如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题 而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。 现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。 现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。 这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。 说到底，法律其实从来不关心一个模型到底是聪明还是笨。 它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。 这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。 这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。 以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。 有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。 我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。 这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。 大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。 那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITO

阿川

147,843 views • 6 months ago

玩币的过年坐小孩那桌！ 截止目前，上证连着第18个阳，反观加密近30天的恐惧指数有28天低于40。 有这样一种感觉：你打开一个新的应用，点了几下，突然发现——“嘿，这比我想象中顺手多了！” 真正让人愿意重复进入一个产品的，并不是一堆炫酷的功能，而是细节上的 “无感优化”、行为路径上的 连贯性提升。这些项目正在悄悄做的，正是这种让体验变得自然的改进。 Spaace 🟠 — NFT 不只是市场，而是用户体验的“积木场” Spaace 走得不是那种一次性爆发交易量的路线，而是在逐步把 NFT 交易转变为一种可持续参与的行为链条。在它的生态里，每一次挂单、浏览、任务参与不仅能获得奖励，还会形成一个更连贯的用户轨迹。你不再是“来一次、走一次”的游客，而是一个在生态里慢慢“成长”的参与者——这让 NFT 使用不再像一笔单一操作，而像一个可以反复进入、反复体验的互动空间。 Veera — 让链上入口变成你愿意点开的“探索入口” Veera 的方向并不只是做一个钱包，它试图把 Web3 的入口从命令式的“按钮堆栈”变成一种更像信息流的自然浏览感。你打开它，不是看到一墙按钮，而是像打开一个可以滑动、查看和探索的界面。这种把“入口”变成“探索空间”的思路，让用户从“被迫了解复杂操作”转向“顺手发现有趣内容”的习惯性行为，这对提高留存和用户连续参与是非常重要的一步。 MagicBlock ✨⬜ — 把实时体验和可扩展性带到链上应用 MagicBlock 是一个基于 Solana 的实时执行引擎，目标是让链上应用具备Web2 级的交互性能，并且保持去中心化的安全性。它使用 Ephemeral Rollups 技术，在不拆分状态的前提下提供极低延迟、几乎零手续费的执行环境，这适合实时游戏、DeFi 以及需要高频交互的场景。其设计让开发者不再为性能牺牲链上特性，同时也极大提升了用户“无延迟感”的体验可能性。 除了技术本身，MagicBlock 还在孵化器层面发力，吸引开发者来构建更具创意和实时性质的应用，这让生态不仅是底层引擎，更成为创新场景的催化器。 Altura — 资产不再只是标签，而是可调用的“行为构件” Alturax 的核心变化在于，它让链上资产具备更强的生态参与能力：不是只有买和卖的逻辑，而是一种资产在不同协议与玩法之间调用的能力。资产不再是静止的符号，而是可以参与多种逻辑、被策略调用的构建块。这种思路让资产在链上进一步融入生态协同，而不是只能在市场上看价格。 Konnex — 把现实世界的任务纳入链上协作图谱 Konnex 的有趣点在于：它不单是一个链上协议，而是试图把现实世界的不确定性直接带进链上。在它的构想中，机器人、自动化系统和协议之间可以协作，通过链上可验证的数据完成现实任务的结算 —— 使得现实世界的执行与去中心化结算建立起一种可验证的信任。 这是 Web3 往现实落地迈出的一步，不再把链上交互限定在数字资产，而是融入实体世界的执行逻辑之中。
0:14

玩币的过年坐小孩那桌！ 截止目前，上证连着第18个阳，反观加密近30天的恐惧指数有28天低于40。 有这样一种感觉：你打开一个新的应用，点了几下，突然发现——“嘿，这比我想象中顺手多了！” 真正让人愿意重复进入一个产品的，并不是一堆炫酷的功能，而是细节上的 “无感优化”、行为路径上的 连贯性提升。这些项目正在悄悄做的，正是这种让体验变得自然的改进。 Spaace 🟠 — NFT 不只是市场，而是用户体验的“积木场” Spaace 走得不是那种一次性爆发交易量的路线，而是在逐步把 NFT 交易转变为一种可持续参与的行为链条。在它的生态里，每一次挂单、浏览、任务参与不仅能获得奖励，还会形成一个更连贯的用户轨迹。你不再是“来一次、走一次”的游客，而是一个在生态里慢慢“成长”的参与者——这让 NFT 使用不再像一笔单一操作，而像一个可以反复进入、反复体验的互动空间。 Veera — 让链上入口变成你愿意点开的“探索入口” Veera 的方向并不只是做一个钱包，它试图把 Web3 的入口从命令式的“按钮堆栈”变成一种更像信息流的自然浏览感。你打开它，不是看到一墙按钮，而是像打开一个可以滑动、查看和探索的界面。这种把“入口”变成“探索空间”的思路，让用户从“被迫了解复杂操作”转向“顺手发现有趣内容”的习惯性行为，这对提高留存和用户连续参与是非常重要的一步。 MagicBlock ✨⬜ — 把实时体验和可扩展性带到链上应用 MagicBlock 是一个基于 Solana 的实时执行引擎，目标是让链上应用具备Web2 级的交互性能，并且保持去中心化的安全性。它使用 Ephemeral Rollups 技术，在不拆分状态的前提下提供极低延迟、几乎零手续费的执行环境，这适合实时游戏、DeFi 以及需要高频交互的场景。其设计让开发者不再为性能牺牲链上特性，同时也极大提升了用户“无延迟感”的体验可能性。 除了技术本身，MagicBlock 还在孵化器层面发力，吸引开发者来构建更具创意和实时性质的应用，这让生态不仅是底层引擎，更成为创新场景的催化器。 Altura — 资产不再只是标签，而是可调用的“行为构件” Alturax 的核心变化在于，它让链上资产具备更强的生态参与能力：不是只有买和卖的逻辑，而是一种资产在不同协议与玩法之间调用的能力。资产不再是静止的符号，而是可以参与多种逻辑、被策略调用的构建块。这种思路让资产在链上进一步融入生态协同，而不是只能在市场上看价格。 Konnex — 把现实世界的任务纳入链上协作图谱 Konnex 的有趣点在于：它不单是一个链上协议，而是试图把现实世界的不确定性直接带进链上。在它的构想中，机器人、自动化系统和协议之间可以协作，通过链上可验证的数据完成现实任务的结算 —— 使得现实世界的执行与去中心化结算建立起一种可验证的信任。 这是 Web3 往现实落地迈出的一步，不再把链上交互限定在数字资产，而是融入实体世界的执行逻辑之中。

搞子(明日香版)🕊️|🐬TermMax

102,534 views • 6 months ago

把你看过的书、长视频、播客，全部变成AI技能包！ 🔥 cangjie-skill 把你刷过的那些干货书、长视频、播客，它自动提炼成AI能直接调用、帮你干活的技能。 看完不再白看，不再忘光，而是立刻变成你的AI助手，工作、决策、写作时随时喊它上。 - 只提炼真正有用的干货（严格筛选） - 每个技能教你：什么时候用、怎么一步步做、注意什么坑 - 生成精华总结 + 可安装的Skill，一键扔进Claude/Cursor就能用 - 已经做好巴菲特、芒格、吴恩达、《孙子兵法》等超多实用包 知识终于不白费了，直接变生产力！
0:18

把你看过的书、长视频、播客，全部变成AI技能包！ 🔥 cangjie-skill 把你刷过的那些干货书、长视频、播客，它自动提炼成AI能直接调用、帮你干活的技能。 看完不再白看，不再忘光，而是立刻变成你的AI助手，工作、决策、写作时随时喊它上。 - 只提炼真正有用的干货（严格筛选） - 每个技能教你：什么时候用、怎么一步步做、注意什么坑 - 生成精华总结 + 可安装的Skill，一键扔进Claude/Cursor就能用 - 已经做好巴菲特、芒格、吴恩达、《孙子兵法》等超多实用包 知识终于不白费了，直接变生产力！

开发者Hailey

16,631 views • 9 days ago