Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

全网内容选题，不用自己找了。 MediaCrawler 是一个 GitHub 57k+ Star 的开源多平台内容采集工具，几乎把主流内容平台都打通了。支持小红书、抖音、快手、B站、微博、知乎、贴吧等平台，可抓取公开内容、评论、用户信息等数据，适合做内容分析、竞品研究、舆情监测和 AI 数据集整理。它最大的特点不是能爬，而是门槛低。基于 Playwright 保留登录态，无需逆向复杂加密，也不用研究各种签名算法，普通开发者也能快速上手。还提供 WebUI，可视化配置参数、实时查看运行日志、预览和导出数据，从采集到分析一套流程搞定。如果你经常做： - 爆款内容分析 - AI 训练数据收集 - 社媒运营监测 - 竞品账号拆解这个项目值得收藏。

开发者Hailey

21,471 subscribers

15,668 просмотров • 2 дней назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

🚨 一个工具就能把小红书、抖音、快手、B站、微博、贴吧、知乎的内容全爬下来目前 GitHub 上已经有 5.2 万+ star，非常火爆做内容分析的人，这个开源项目基本绕不开的它最大的优势是不用搞复杂的 JS 逆向，而是通过浏览器登录态直接获取签名，门槛比传统爬虫低非常多之前这些让人头疼的数据，现在终于有统一答案了！MediaCrawler 核心亮点： > 支持小红书 / 抖音 / 快手 / B站 / 微博 / 贴吧 / 知乎 > 支持笔记、视频、帖子、问答、评论等公开信息抓取 > 支持关键词搜索和指定 ID 采集 > 基于 Playwright 模拟真实浏览器环境 > 支持登录态缓存、代理配置、数据落库 > 适合做内容选题、舆情分析、竞品研究、AI 数据采集现在很多人博主也在用它爬数据，数据这件事，终于要变简单了！

🚨 一个工具就能把小红书、抖音、快手、B站、微博、贴吧、知乎的内容全爬下来目前 GitHub 上已经有 5.2 万+ star，非常火爆做内容分析的人，这个开源项目基本绕不开的它最大的优势是不用搞复杂的 JS 逆向，而是通过浏览器登录态直接获取签名，门槛比传统爬虫低非常多之前这些让人头疼的数据，现在终于有统一答案了！MediaCrawler 核心亮点： > 支持小红书 / 抖音 / 快手 / B站 / 微博 / 贴吧 / 知乎 > 支持笔记、视频、帖子、问答、评论等公开信息抓取 > 支持关键词搜索和指定 ID 采集 > 基于 Playwright 模拟真实浏览器环境 > 支持登录态缓存、代理配置、数据落库 > 适合做内容选题、舆情分析、竞品研究、AI 数据采集现在很多人博主也在用它爬数据，数据这件事，终于要变简单了！

爱吃折耳根的Ace

11,193 просмотров • 1 месяц назад

今天又搞了一个小红书爆款复刻的Agent，用时半小时，不说很完美，那也是完美。 1、先通过抓取爆款的内容（使用了云抓取Apify）里面的点赞，评论内容按不同内容分类，如需求，差评等，收藏，爆款量，图片及文字内容等数据； 2、拿到数据从内容，标题，图片设计，互动，时间等维护度全方向分析为什么会爆； 3、分析完成后，按这些结果数据，给我复刻出3-5个爆款内容，给给出他们的内容优势； 4、然后再给出对应的运营策略。

今天又搞了一个小红书爆款复刻的Agent，用时半小时，不说很完美，那也是完美。 1、先通过抓取爆款的内容（使用了云抓取Apify）里面的点赞，评论内容按不同内容分类，如需求，差评等，收藏，爆款量，图片及文字内容等数据； 2、拿到数据从内容，标题，图片设计，互动，时间等维护度全方向分析为什么会爆； 3、分析完成后，按这些结果数据，给我复刻出3-5个爆款内容，给给出他们的内容优势； 4、然后再给出对应的运营策略。

老杨啊

106,613 просмотров • 2 месяцев назад

最近在开发圈很火的 GitHub 项目 Firecrawl，一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。一句话总结：它可以把任何网站，直接变成 AI 能用的数据。只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说：网站 → 结构化数据 → 直接喂给 LLM。现在很多 AI 项目的数据流程其实都是：网站 → Firecrawl → 向量库 → RAG → AI 应用如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集这个工具基本算是 AI 开发的基础设施了

最近在开发圈很火的 GitHub 项目 Firecrawl，一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。一句话总结：它可以把任何网站，直接变成 AI 能用的数据。只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说：网站 → 结构化数据 → 直接喂给 LLM。现在很多 AI 项目的数据流程其实都是：网站 → Firecrawl → 向量库 → RAG → AI 应用如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集这个工具基本算是 AI 开发的基础设施了

开发者Hailey

140,080 просмотров • 4 месяцев назад

收到了 Lazy 内容收集和笔记工具的测试资格昨天试了一下已经离不开了用 Raycast 的方式收藏和整理内容，选中内容一键拉起之后直接保存，效率非常高，把摩擦降到最低。 AI 介入了收集和查询的每个环节 - 收藏的时候 AI 智能打标签 - 支持对收藏内容进行总结整理等多个操作 - 也可以对 AI 提问，会根据收藏的内容回答 - 收藏内容格式支持很全，可以在软件里预览 - 自动支持来源和人物筛选，比如某个人的推特

收到了 Lazy 内容收集和笔记工具的测试资格昨天试了一下已经离不开了用 Raycast 的方式收藏和整理内容，选中内容一键拉起之后直接保存，效率非常高，把摩擦降到最低。 AI 介入了收集和查询的每个环节 - 收藏的时候 AI 智能打标签 - 支持对收藏内容进行总结整理等多个操作 - 也可以对 AI 提问，会根据收藏的内容回答 - 收藏内容格式支持很全，可以在软件里预览 - 自动支持来源和人物筛选，比如某个人的推特

歸藏(guizang.ai)

17,243 просмотров • 1 год назад

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

🚨 终于有人把“金融数据 + AI Agent”这件事打通了 OpenBB 目前 GitHub 上已有近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点： > 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场 > 包含财务数据、高管信息、股东结构、地区分布等细粒度信息 > 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报 > 数据可自部署，保护隐私和数据安全只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

爱吃折耳根的Ace

18,508 просмотров • 1 месяц назад

在日常工作中，需要调试网络问题或监控系统流量，工具要么界面复杂难用，要么功能单一无法满足，要么需要付费。无独有偶，在 GitHub 上发现了 Oryx 这个功能强大的开源工具，可在终端上直观的监控和分析网络。通过 eBPF 在内核层面捕获网络数据包，提供实时流量可视化、统计分析和防火墙功能。 GitHub：主要功能： - 实时网络流量检测和可视化展示 - 全面的流量统计和分析报告 - 内置防火墙功能，可直接管理网络规则 - 指标浏览器，深度分析网络性能数据 - 模糊搜索功能，快速定位特定数据包 - 支持数据导出，便于后续分析处理需要 Linux 6.10+ 内核版本，通过包管理器安装或从源码编译使用，适合运维人员和网络工程师。

在日常工作中，需要调试网络问题或监控系统流量，工具要么界面复杂难用，要么功能单一无法满足，要么需要付费。无独有偶，在 GitHub 上发现了 Oryx 这个功能强大的开源工具，可在终端上直观的监控和分析网络。通过 eBPF 在内核层面捕获网络数据包，提供实时流量可视化、统计分析和防火墙功能。 GitHub：主要功能： - 实时网络流量检测和可视化展示 - 全面的流量统计和分析报告 - 内置防火墙功能，可直接管理网络规则 - 指标浏览器，深度分析网络性能数据 - 模糊搜索功能，快速定位特定数据包 - 支持数据导出，便于后续分析处理需要 Linux 6.10+ 内核版本，通过包管理器安装或从源码编译使用，适合运维人员和网络工程师。

GitHubDaily

15,348 просмотров • 10 месяцев назад

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub：同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。

平时分析数据，从清洗、探索到建模、可视化，再到撰写报告，整个流程非常耗时，当要面对多个不同格式的数据文件时更是头疼。恰巧，找到了 DeepAnalyze 这个开源项目，它能让 AI 自主完成整个数据科学流程，真正做到无需人工干预。基于 DeepSeek-R1 和课程学习训练方法开发，支持数据准备、分析、建模、可视化到报告生成的全流程。可以处理数据库、CSV、Excel、JSON、XML 等各种格式数据，最终直接生成专业级的研究报告给我们。 GitHub：同时提供 50 万条训练数据集，完全开源模型和代码，方便我们二次开发。只需克隆代码到本地并下载模型后，通过 vLLM 部署即可使用。

GitHubDaily

21,964 просмотров • 9 месяцев назад

很早前，我们就可以利用 AI 快速抓取网站内容进行提问和理解，但颇为繁琐且技术小白难以上手。现在有了开源工具 sitemcp 后，这一应用场景将变得非常简单。它能一键抓取整个网站内容并将其转化为 MCP 服务器，再搭配 Claude 等 MCP 客户端，就能直接对网站内容进行对话提问。 GitHub：主要功能： - 支持一次性抓取整个网站，并缓存到本地 - 可设置并发数提高抓取速度 - 支持多种工具命名策略，便于 AI 客户端调用 - 提供路径匹配功能，可选择性抓取特定页面 - 支持内容选择器，确保提取页面中最有价值的内容可通过命令行一键安装使用，并无缝集成到各种 MCP 客户端。

很早前，我们就可以利用 AI 快速抓取网站内容进行提问和理解，但颇为繁琐且技术小白难以上手。现在有了开源工具 sitemcp 后，这一应用场景将变得非常简单。它能一键抓取整个网站内容并将其转化为 MCP 服务器，再搭配 Claude 等 MCP 客户端，就能直接对网站内容进行对话提问。 GitHub：主要功能： - 支持一次性抓取整个网站，并缓存到本地 - 可设置并发数提高抓取速度 - 支持多种工具命名策略，便于 AI 客户端调用 - 提供路径匹配功能，可选择性抓取特定页面 - 支持内容选择器，确保提取页面中最有价值的内容可通过命令行一键安装使用，并无缝集成到各种 MCP 客户端。

GitHubDaily

27,123 просмотров • 1 год назад

最近我发现了一个使用 n8n + Scrapeless + Claude AI 搭建的自动化系统，值得跟大家分享一下。该系统每天帮我们筛选出几十个潜在客户，理论上能支撑一个 $30K+/月的 B2B 业务。在这个系统的工作流中，采用的是 Scrapeless 进行数据处理，它不仅能抓取 Google 数据，还能爬取指定网站并检索其子页面。目前 Scrapeless 已在 n8n 平台上正式集成，搜索并选择相关节点即可配置使用。工具地址：以下是完整工作流步骤： ✅ 全程无需复杂代码 ✅ 全自动评分 + 筛选 + 推送 1. 关键词搜索（Scrapeless Google）：用行业关键词（如「软件公司」）发起 Google 搜索 2. 处理搜索结果：用 n8n 的 Item Lists 节点逐一处理公司链接。 3. Scrapeless Crawl：提取每个公司网站的详细信息，确保数据全面。 4. 数据清洗 + 结构化：通过Code节点对爬取到的数据进行清洗和结构化。 5. Claude AI 打分分析：将清洗后的信息送进 Claude，分析并评分（如潜力评分、行业匹配度） 6. 线索筛选：利用 Filter 节点设定条件，只保留高评分、数据完整的客户。 7. 即时通知：配置 Discord 通知，团队第一时间接收到新线索推送。大家可通过最下方链接查看此工作流的详细教程，或者在 Scrapeless 的内置 playground 中进行测试。 Scrapeless 提供了多个核心工具，以帮助优化数据采集过程。其中，Deep SerpApi 支持 20 多种 Google SERP 类型，如 Google Search、Google Trends、Google 航班/酒店等。此外，基于自研 Chromium 内核的 Crawl 功能具有高度可定制化、会话管理和反检测隐身能力，支持进行大规模的单页及递归爬取。同时其验证码识别功能免费使用，能够大大节省成本。详细教程：

最近我发现了一个使用 n8n + Scrapeless + Claude AI 搭建的自动化系统，值得跟大家分享一下。该系统每天帮我们筛选出几十个潜在客户，理论上能支撑一个 $30K+/月的 B2B 业务。在这个系统的工作流中，采用的是 Scrapeless 进行数据处理，它不仅能抓取 Google 数据，还能爬取指定网站并检索其子页面。目前 Scrapeless 已在 n8n 平台上正式集成，搜索并选择相关节点即可配置使用。工具地址：以下是完整工作流步骤： ✅ 全程无需复杂代码 ✅ 全自动评分 + 筛选 + 推送 1. 关键词搜索（Scrapeless Google）：用行业关键词（如「软件公司」）发起 Google 搜索 2. 处理搜索结果：用 n8n 的 Item Lists 节点逐一处理公司链接。 3. Scrapeless Crawl：提取每个公司网站的详细信息，确保数据全面。 4. 数据清洗 + 结构化：通过Code节点对爬取到的数据进行清洗和结构化。 5. Claude AI 打分分析：将清洗后的信息送进 Claude，分析并评分（如潜力评分、行业匹配度） 6. 线索筛选：利用 Filter 节点设定条件，只保留高评分、数据完整的客户。 7. 即时通知：配置 Discord 通知，团队第一时间接收到新线索推送。大家可通过最下方链接查看此工作流的详细教程，或者在 Scrapeless 的内置 playground 中进行测试。 Scrapeless 提供了多个核心工具，以帮助优化数据采集过程。其中，Deep SerpApi 支持 20 多种 Google SERP 类型，如 Google Search、Google Trends、Google 航班/酒店等。此外，基于自研 Chromium 内核的 Crawl 功能具有高度可定制化、会话管理和反检测隐身能力，支持进行大规模的单页及递归爬取。同时其验证码识别功能免费使用，能够大大节省成本。详细教程：

GitHubDaily

73,758 просмотров • 1 год назад

近期我们研究员正在寻找优质的全流通项目，避免了VC抛售的困扰，同时属于热门赛道，比如 #DEPIN+#AI。并且尽可能上线币安等一线交易所。我很兴奋的给大家分享挖掘出的一颗宝石：Streamr Network ，代币名称为：#DATA ，币安上线。5000万市值，全球通，目前价格0.055。 #Streamr: 一个去中心化实时数据共享网络，旨在提供高速、可靠的数据流传输和处理。通过去中心化的 P2P 架构，无需中央服务器，避免供应商锁定和单点故障。Streamr 为开发者和企业提供了一个无需信任的环境来发布、订阅和交易数据流。其核心目标是使数据变得更加自由和开放，从而推动数据生态系统的发展。数据传输在 #AI 和 #DEPIN 领域应用广泛。数据隐私+低延迟+安全性+抗审查至关重要，#Streamr 为此努力了6年之久，今年一季度发布了 #Streamr 1.0 主网！标志着项目的重要里程碑，将带来更稳定和高效的数据网络性能。看好的理由： ①实时数据流 Streamr 支持实时数据的发布和订阅，用户可以创建或加入数据流，享受即时的数据更新。这在DEPIN、AI、金融市场数据分析等领域非常重要。 ②去中心化网络：网络的P2P去中心化架构确保了数据的安全性和隐私性，消除了单点故障的风险。所有数据流和交易都是在无需信任的环境中进行，具备抗审查性。 ③数据市场： Streamr 内置了一个数据市场，允许用户自由交易数据流。数据提供者可以通过出售数据流获利，而数据消费者可以根据需要购买实时数据。 ④集成与可扩展性： Streamr 提供了强大的 API 和 SDK，使开发者能够轻松地将数据流功能集成到现有的应用程序和平台中。此外，Streamr 网络能够与其他区块链系统（如以太坊）无缝对接，进一步拓展了其应用范围。实际使用案例： Crypto Queries：项目利用 AI 语言工具与 Web3 数据进行交互，提供了一个强大的工具来查询和分析区块链数据。 Streamr ML Demo：项目将 Streamr 平台与 Binance API 连接，使用 ARIMA 机器学习模型来预测未来的交易数据，并在网页上显示实时和预测数据。 Breathing Easy：项目通过Streamr网络和 AI 聊天机器人展示实时空气污染数据，使得用户可以轻松理解空气质量信息。 Streamr+AI： AI数据源：为AI模型提供高质量的实时数据以进行训练和微调。 $DATA 激励数据提供商推动AI数据经济的发展。同时 $DATA 可充当数据交换媒介，通过P2P网络大规模分发带宽密集型AI生成的内容（视频/音频）。 Streamr+DEPIN： DEPIN数据交换媒介：DePIN 中，Streamr 可以促进互联设备之间向去中心化数据交换的转变，使 DePIN 从中心化数据管道过渡到完全去中心化的贡献者阵列。Streamr 协议允许 DePIN 用户通过其网络和技术堆栈向上、向内或向下传输数据。未来展望 Streamr 的去中心化实时数据共享网络具有广阔的应用前景。随着 1.0 版本的发布和更多开发者加入生态系统，Streamr 有望在AI、DEPIN、金融数据和更多领域发挥重要作用。通过不断的技术创新和社区驱动的发展，Streamr 正在努力实现其构建开放和自由数据生态系统的愿景。 👇视频详细了解：

近期我们研究员正在寻找优质的全流通项目，避免了VC抛售的困扰，同时属于热门赛道，比如 #DEPIN+#AI。并且尽可能上线币安等一线交易所。我很兴奋的给大家分享挖掘出的一颗宝石：Streamr Network ，代币名称为：#DATA ，币安上线。5000万市值，全球通，目前价格0.055。 #Streamr: 一个去中心化实时数据共享网络，旨在提供高速、可靠的数据流传输和处理。通过去中心化的 P2P 架构，无需中央服务器，避免供应商锁定和单点故障。Streamr 为开发者和企业提供了一个无需信任的环境来发布、订阅和交易数据流。其核心目标是使数据变得更加自由和开放，从而推动数据生态系统的发展。数据传输在 #AI 和 #DEPIN 领域应用广泛。数据隐私+低延迟+安全性+抗审查至关重要，#Streamr 为此努力了6年之久，今年一季度发布了 #Streamr 1.0 主网！标志着项目的重要里程碑，将带来更稳定和高效的数据网络性能。看好的理由： ①实时数据流 Streamr 支持实时数据的发布和订阅，用户可以创建或加入数据流，享受即时的数据更新。这在DEPIN、AI、金融市场数据分析等领域非常重要。 ②去中心化网络：网络的P2P去中心化架构确保了数据的安全性和隐私性，消除了单点故障的风险。所有数据流和交易都是在无需信任的环境中进行，具备抗审查性。 ③数据市场： Streamr 内置了一个数据市场，允许用户自由交易数据流。数据提供者可以通过出售数据流获利，而数据消费者可以根据需要购买实时数据。 ④集成与可扩展性： Streamr 提供了强大的 API 和 SDK，使开发者能够轻松地将数据流功能集成到现有的应用程序和平台中。此外，Streamr 网络能够与其他区块链系统（如以太坊）无缝对接，进一步拓展了其应用范围。实际使用案例： Crypto Queries：项目利用 AI 语言工具与 Web3 数据进行交互，提供了一个强大的工具来查询和分析区块链数据。 Streamr ML Demo：项目将 Streamr 平台与 Binance API 连接，使用 ARIMA 机器学习模型来预测未来的交易数据，并在网页上显示实时和预测数据。 Breathing Easy：项目通过Streamr网络和 AI 聊天机器人展示实时空气污染数据，使得用户可以轻松理解空气质量信息。 Streamr+AI： AI数据源：为AI模型提供高质量的实时数据以进行训练和微调。 $DATA 激励数据提供商推动AI数据经济的发展。同时 $DATA 可充当数据交换媒介，通过P2P网络大规模分发带宽密集型AI生成的内容（视频/音频）。 Streamr+DEPIN： DEPIN数据交换媒介：DePIN 中，Streamr 可以促进互联设备之间向去中心化数据交换的转变，使 DePIN 从中心化数据管道过渡到完全去中心化的贡献者阵列。Streamr 协议允许 DePIN 用户通过其网络和技术堆栈向上、向内或向下传输数据。未来展望 Streamr 的去中心化实时数据共享网络具有广阔的应用前景。随着 1.0 版本的发布和更多开发者加入生态系统，Streamr 有望在AI、DEPIN、金融数据和更多领域发挥重要作用。通过不断的技术创新和社区驱动的发展，Streamr 正在努力实现其构建开放和自由数据生态系统的愿景。 👇视频详细了解：

Rocky

64,824 просмотров • 2 лет назад

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。适合做：项目拆解、公司分析、产品研究、长文选题预研。里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图这个不是信息图，也不是那种商业插画模板。它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。这种怪诞手绘风反而有辨识度。

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。适合做：项目拆解、公司分析、产品研究、长文选题预研。里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图这个不是信息图，也不是那种商业插画模板。它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。这种怪诞手绘风反而有辨识度。

撸毛吃猪脚饭|上Gate玩事件合约

31,173 просмотров • 1 месяц назад

在 GitHub 上发现一个开源金融数据项目—OpenBB，已经获得了近7w star。它把过去只有机构才用得起的专业数据，变成人人可用的开源工具。股票、期权、加密货币、外汇、宏观经济、固定收益，全部都整合进来。还收录了财务数据、高管信息、股东电话、地区分布等细粒度信息。支持 AI 集成，数据可自部署。输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了。

在 GitHub 上发现一个开源金融数据项目—OpenBB，已经获得了近7w star。它把过去只有机构才用得起的专业数据，变成人人可用的开源工具。股票、期权、加密货币、外汇、宏观经济、固定收益，全部都整合进来。还收录了财务数据、高管信息、股东电话、地区分布等细粒度信息。支持 AI 集成，数据可自部署。输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了。

阿西_出海

28,914 просмотров • 1 месяц назад

打通了个人知识库的一款研究助手：SurfSense，除了研究能力，比NotebookLM、Perplexity多了个人知识库的集成比如说可以集成自己的笔记、文件等等，支持包括文档、图片等27种文件，这个就比较实用也可以定制外部数据源，比如说，搜索引擎Tavily、LinkUp、Slack、Linear、Notion、YouTube或者是GitHub 语义搜索、问答、总结、分析功能都支持研究完了以后，支持将聊天对话或研究内容转换为播客 #AI研究助手 #AI播客 #个人知识库 #SurfSense

打通了个人知识库的一款研究助手：SurfSense，除了研究能力，比NotebookLM、Perplexity多了个人知识库的集成比如说可以集成自己的笔记、文件等等，支持包括文档、图片等27种文件，这个就比较实用也可以定制外部数据源，比如说，搜索引擎Tavily、LinkUp、Slack、Linear、Notion、YouTube或者是GitHub 语义搜索、问答、总结、分析功能都支持研究完了以后，支持将聊天对话或研究内容转换为播客 #AI研究助手 #AI播客 #个人知识库 #SurfSense

AIGCLINK

28,997 просмотров • 1 год назад

Claude高级玩法：MCP多工具组合，自动化工作流搭建指南 | GitHub、SQLite、Fetch、Filesystem等在本期视频中，我介绍了多个MCP工具的实际使用案例。我们一起来看如何将GitHub、SQLite、Fetch等工具高效集成到项目中，探索它们的强大功能和实际应用场景。时间戳： 0:00 - MCP 快速入门 & 工具配置 3:59 - Fetch实战：网页内容抓取 & 多风格内容生成 5:20 - SQLite和Claude集成：100M+大数据分析 7:34 - GitHub集成：自动搜索 & 代码仓库管理 9:10 - CSV数据分析脚本创建 11:15 - 多工具协同：Puppeteer+GitHub自动化工作流

Claude高级玩法：MCP多工具组合，自动化工作流搭建指南 | GitHub、SQLite、Fetch、Filesystem等在本期视频中，我介绍了多个MCP工具的实际使用案例。我们一起来看如何将GitHub、SQLite、Fetch等工具高效集成到项目中，探索它们的强大功能和实际应用场景。时间戳： 0:00 - MCP 快速入门 & 工具配置 3:59 - Fetch实战：网页内容抓取 & 多风格内容生成 5:20 - SQLite和Claude集成：100M+大数据分析 7:34 - GitHub集成：自动搜索 & 代码仓库管理 9:10 - CSV数据分析脚本创建 11:15 - 多工具协同：Puppeteer+GitHub自动化工作流

nicekate

23,921 просмотров • 1 год назад

看到浙工大研究生课开始讲「全自动科研工具」，挺开心的。这个视频主要讲的是：怎么用 AI Agent 把科研里的数据处理、代码执行、结果整理、论文写作和复现包串成一条可追溯的工作流。很多研究生还在手工整理文献、跑实验、做表格的时候，有人已经开始用 Agent 把这些流程自动化了。科研最有价值的部分从来不是重复劳动，而是提出问题、设计实验和产生洞见。真希望国内研究生教育能多一些这样的内容。工具是在提高生产力，不是在降低科研门槛。把时间从重复工作里解放出来，才能把更多时间留给思考、创造和生活。视频已经得到老师转载的许可，老师的小红书账号是“爱练腿的龙脖（AI版” #AI科研 #科研自动化 #Agent #研究生教育 #claudecode #codex

看到浙工大研究生课开始讲「全自动科研工具」，挺开心的。这个视频主要讲的是：怎么用 AI Agent 把科研里的数据处理、代码执行、结果整理、论文写作和复现包串成一条可追溯的工作流。很多研究生还在手工整理文献、跑实验、做表格的时候，有人已经开始用 Agent 把这些流程自动化了。科研最有价值的部分从来不是重复劳动，而是提出问题、设计实验和产生洞见。真希望国内研究生教育能多一些这样的内容。工具是在提高生产力，不是在降低科研门槛。把时间从重复工作里解放出来，才能把更多时间留给思考、创造和生活。视频已经得到老师转载的许可，老师的小红书账号是“爱练腿的龙脖（AI版” #AI科研 #科研自动化 #Agent #研究生教育 #claudecode #codex

Xudong Han

124,133 просмотров • 2 месяцев назад

最近挖到一个社媒内容提取神器：SnapVee 本来以为只是个普通视频下载器，结果试了一下—— 几乎所有主流社媒都能解析： - YouTube - TikTok - Instagram - X / Twitter - B站 - 小红书操作也特别简单：复制链接 → 粘贴 → 直接下载。而且不是那种低清版本，支持 1080p / 2K / 4K 高清源文件，还能音视频分离，做剪辑素材特别方便。更实用的是它还有几个小功能：批量解析（一次最多 3 个链接）抖音图文自动提取小红书 Live Photo 动图提取 YouTube 多音轨下载基本上做内容搬运 / 剪辑 / 二创素材收集的人都会用到。而且它不是软件，浏览器直接用，不用安装。对做自媒体的人来说太刚需了：看到一个爆款视频直接存下来拆结构、做素材库。建议收藏，低调使用。

最近挖到一个社媒内容提取神器：SnapVee 本来以为只是个普通视频下载器，结果试了一下—— 几乎所有主流社媒都能解析： - YouTube - TikTok - Instagram - X / Twitter - B站 - 小红书操作也特别简单：复制链接 → 粘贴 → 直接下载。而且不是那种低清版本，支持 1080p / 2K / 4K 高清源文件，还能音视频分离，做剪辑素材特别方便。更实用的是它还有几个小功能：批量解析（一次最多 3 个链接）抖音图文自动提取小红书 Live Photo 动图提取 YouTube 多音轨下载基本上做内容搬运 / 剪辑 / 二创素材收集的人都会用到。而且它不是软件，浏览器直接用，不用安装。对做自媒体的人来说太刚需了：看到一个爆款视频直接存下来拆结构、做素材库。建议收藏，低调使用。

开发者Hailey

155,079 просмотров • 4 месяцев назад

最近刷到一个 22 岁年轻人的 AI 副业复盘，感觉比很多“月入十万教程”靠谱得多。他之前几乎把热门项目踩了个遍：跨境电商、加密货币、校园创业……折腾几年下来，赚到的没多少，交的学费倒是不少。后来他把重心放到一个更轻量的模式： AI内容账号 + 联盟营销。不需要露脸，不需要自己发货，也不用专门跑到美国，靠内容获取流量，再通过联盟链接变现。他的思路其实很简单： ✅ 第一步：找已经被市场验证过的内容通过 VidIQ 这类工具观察近期增长最快、互动最高的视频，优先研究那些突然爆发的内容。 ✅ 第二步：用AI重新包装利用 HeyGen、11Labs 等工具重新生成内容，包括AI数字人、配音、脚本优化等。重点不是复制，而是换一种表达方式重新呈现。 ✅ 第三步：把流量变成收益视频里推荐相关产品，通过亚马逊联盟等渠道获取佣金。一条内容可能赚不了多少钱，但长期积累后会形成持续收益。 ✅ 第四步：批量生产内容创业最容易掉进的坑，就是把80%的时间花在纠结细节上。而他的做法恰恰相反：先发出去，再慢慢优化。每天稳定更新几条内容，同时分发到 YouTube、Instagram、Facebook 等多个平台。他说过一句让我印象挺深的话：很多人不是做错了，而是还没等数据反馈就已经放弃了。很多账号前两个月几乎没什么起色，但只要持续测试选题、标题和内容形式，某一条视频突然跑出来后，整个账号的数据都会被带动起来。当然，这种模式也不是“躺赚”。本质上还是在做内容生意，只不过把过去需要团队完成的剪辑、配音、出镜等工作，用AI工具大幅降低了门槛。如果你想尝试AI副业，又不想露脸、直播或者囤货，这个方向确实值得研究一下。比起天天找下一个风口，持续生产内容，可能才是更容易被大多数人复制的路径。

最近刷到一个 22 岁年轻人的 AI 副业复盘，感觉比很多“月入十万教程”靠谱得多。他之前几乎把热门项目踩了个遍：跨境电商、加密货币、校园创业……折腾几年下来，赚到的没多少，交的学费倒是不少。后来他把重心放到一个更轻量的模式： AI内容账号 + 联盟营销。不需要露脸，不需要自己发货，也不用专门跑到美国，靠内容获取流量，再通过联盟链接变现。他的思路其实很简单： ✅ 第一步：找已经被市场验证过的内容通过 VidIQ 这类工具观察近期增长最快、互动最高的视频，优先研究那些突然爆发的内容。 ✅ 第二步：用AI重新包装利用 HeyGen、11Labs 等工具重新生成内容，包括AI数字人、配音、脚本优化等。重点不是复制，而是换一种表达方式重新呈现。 ✅ 第三步：把流量变成收益视频里推荐相关产品，通过亚马逊联盟等渠道获取佣金。一条内容可能赚不了多少钱，但长期积累后会形成持续收益。 ✅ 第四步：批量生产内容创业最容易掉进的坑，就是把80%的时间花在纠结细节上。而他的做法恰恰相反：先发出去，再慢慢优化。每天稳定更新几条内容，同时分发到 YouTube、Instagram、Facebook 等多个平台。他说过一句让我印象挺深的话：很多人不是做错了，而是还没等数据反馈就已经放弃了。很多账号前两个月几乎没什么起色，但只要持续测试选题、标题和内容形式，某一条视频突然跑出来后，整个账号的数据都会被带动起来。当然，这种模式也不是“躺赚”。本质上还是在做内容生意，只不过把过去需要团队完成的剪辑、配音、出镜等工作，用AI工具大幅降低了门槛。如果你想尝试AI副业，又不想露脸、直播或者囤货，这个方向确实值得研究一下。比起天天找下一个风口，持续生产内容，可能才是更容易被大多数人复制的路径。

Smartpig

19,502 просмотров • 1 месяц назад

在 GitHub 上发现 xiaohongshu-mcp 这个 MCP 服务器能帮我们实现自动化运营小红书。通过浏览器自动化模拟人工操作，支持登录状态保持、图文发布、内容搜索等功能，可在 Claude、Cursor 等客户端上集成使用。 GitHub：主要特性： - 自动登录管理，保持小红书登录状态 - 图文内容发布，支持图片和文字组合发布 - 内容搜索功能，根据关键词快速搜索相关内容 - 推荐列表获取，获取小红书首页推荐内容 - 支持 Claude、Cursor、VSCode 等客户端 - 浏览器自动化，可选有头或无头模式运行需要先运行登录脚本保存状态，然后启动 MCP 服务，再配置到自己习惯用的 MCP 客户端，即可通过 AI 助手进行小红书操作。

在 GitHub 上发现 xiaohongshu-mcp 这个 MCP 服务器能帮我们实现自动化运营小红书。通过浏览器自动化模拟人工操作，支持登录状态保持、图文发布、内容搜索等功能，可在 Claude、Cursor 等客户端上集成使用。 GitHub：主要特性： - 自动登录管理，保持小红书登录状态 - 图文内容发布，支持图片和文字组合发布 - 内容搜索功能，根据关键词快速搜索相关内容 - 推荐列表获取，获取小红书首页推荐内容 - 支持 Claude、Cursor、VSCode 等客户端 - 浏览器自动化，可选有头或无头模式运行需要先运行登录脚本保存状态，然后启动 MCP 服务，再配置到自己习惯用的 MCP 客户端，即可通过 AI 助手进行小红书操作。

GitHubDaily

49,630 просмотров • 11 месяцев назад

🚨兄弟们！28K Star 的量化金融资源大全，基本把能用到的工具都收全了 awesome-quant 是一个长期维护的 Awesome List，专门收集量化金融相关的优质资源。仓库里按类别整理了大量书籍、论文、工具库、数据源、课程和社区链接，覆盖了从入门到进阶的各个方向，核心亮点： > 覆盖量化全链路：数值计算、金融定价、技术指标、回测框架、组合优化、风险管理、因子研究等 > 多语言支持：Python、R、Julia、Java、JavaScript 等主流量化语言工具一应俱全 > 经典与现代并存：包含 QuantLib、Zipline、Backtrader 等老牌工具，也收录大量机器学习与另类数据项目 > 实用资源丰富：市场数据源、时间序列分析、情绪分析、预测市场等分类清晰 > 同时整理了大量书籍、论文复现和商业工具，适合不同阶段的学习和实践 > 社区活跃，持续更新，是目前开源里最全面的量化资源合集之一对想系统学习量化交易、构建交易系统，或者做量化研究的开发者、研究员和学生来说，这份列表目前是最好的起点资源库。

🚨兄弟们！28K Star 的量化金融资源大全，基本把能用到的工具都收全了 awesome-quant 是一个长期维护的 Awesome List，专门收集量化金融相关的优质资源。仓库里按类别整理了大量书籍、论文、工具库、数据源、课程和社区链接，覆盖了从入门到进阶的各个方向，核心亮点： > 覆盖量化全链路：数值计算、金融定价、技术指标、回测框架、组合优化、风险管理、因子研究等 > 多语言支持：Python、R、Julia、Java、JavaScript 等主流量化语言工具一应俱全 > 经典与现代并存：包含 QuantLib、Zipline、Backtrader 等老牌工具，也收录大量机器学习与另类数据项目 > 实用资源丰富：市场数据源、时间序列分析、情绪分析、预测市场等分类清晰 > 同时整理了大量书籍、论文复现和商业工具，适合不同阶段的学习和实践 > 社区活跃，持续更新，是目前开源里最全面的量化资源合集之一对想系统学习量化交易、构建交易系统，或者做量化研究的开发者、研究员和学生来说，这份列表目前是最好的起点资源库。

爱吃折耳根的Ace

17,590 просмотров • 9 дней назад