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。

最近挖到一个 Harness 硬核的开源项目：pi（前阵子刚从 badlogic 迁到 earendil-works 旗下）。是一套为开发者兜底的 AI Agent 基础设施全家桶 + 终端编程助手 CLI。少造点轮子：直接提供了一套 unified API（pi-ai），几行代码抹平多模型的接入差异，无缝切模型。并发 Tool Calling 绕过卡脖子：这玩意的 runtime 默认支持工具并行执行，直接绕过了挨个串行排队的傻等，大幅降延迟。甚至还能让开发者精细化控制大模型的“思考预算”（Thinking Budgets）。终端直接跑通的爽点：如果你不想从头拼装，直接 npm install -g Earendil-works/pi-coding-agent，终端里当场就能跑通一个交互式的 AI 编程搭子。不用跳出命令行去切网页，沉浸式干活，极度拉高 ROI。仓库👇👇👇👇

比特币橙子Trader

71,237 subscribers

12,602 次观看 • 2 个月前 •via X (Twitter)

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

很酷的项目，AI全栈开发神器：速度非常快，几分钟构建一个系统特点： 1、通过提示即可生成功能齐全的全栈多页面应用，包括前后端、数据库 2、提供完整的开发环境（npm、Vite、Next.js等），AI辅助整个开发过程 3、可直接部署到 Netlify和Cloudflare中，无需登录 4、Bolt能够实时检测代码错误并修复体验地址： #AI编程 #AI编程助手 #Bolt

很酷的项目，AI全栈开发神器：速度非常快，几分钟构建一个系统特点： 1、通过提示即可生成功能齐全的全栈多页面应用，包括前后端、数据库 2、提供完整的开发环境（npm、Vite、Next.js等），AI辅助整个开发过程 3、可直接部署到 Netlify和Cloudflare中，无需登录 4、Bolt能够实时检测代码错误并修复体验地址： #AI编程 #AI编程助手 #Bolt

AIGCLINK

26,065 次观看 • 1 年前

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...

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

142,830 次观看 • 4 个月前

有人把 Claude Code、Codex、Kimi 这些 AI 全塞进了一个桌面软件里，叫 hermes-desktop。不用终端，不用记命令。模型切换、工具开关、技能管理全是图形界面，点点就行。最狠的是它内置了81个技能，能直接操控 iMessage、备忘录、提醒事项这些 macOS 原生应用。你跟它说"翻一下上周的备忘录"，它真能翻。还有个看板功能，多个 Agent 同时干活的时候在看板上调度，谁在跑、谁卡了、一眼看得到。

有人把 Claude Code、Codex、Kimi 这些 AI 全塞进了一个桌面软件里，叫 hermes-desktop。不用终端，不用记命令。模型切换、工具开关、技能管理全是图形界面，点点就行。最狠的是它内置了81个技能，能直接操控 iMessage、备忘录、提醒事项这些 macOS 原生应用。你跟它说"翻一下上周的备忘录"，它真能翻。还有个看板功能，多个 Agent 同时干活的时候在看板上调度，谁在跑、谁卡了、一眼看得到。

Vincent

12,673 次观看 • 1 个月前

谁能想到Claude和GPT双头统治的时代，居然就这么被中国模型撕开了口子。 Kimi K3登顶Frontend Code Arena总榜第一，1679分同时力压Claude Fable 5与GPT-5.6 Sol。从上一代第18名直冲榜首，整整跃升17个名次，完成了同级模型里绝无仅有的跨越式爆发。 7个前端细分赛道拿下6个第一，品牌营销参考设计数据分析消费产品模拟工具内容创建全线领跑，仅游戏赛道暂居第二。这不是刷题库的纸面跑分，是全球开发者匿名盲测投出来的真实战力，代码质量交互体验全维度硬碰硬。更炸裂的是完整模型权重7月27日前就会开放，顶级前端编码能力直接无差别下放给所有开发者。当开放权重的中国模型能在核心开发赛道正面打赢闭源顶流，维持多年的双巨头格局是不是真的要改写了。 #KimiK3 #Moonshot #AI大模型 #前端开发 #开源AI

谁能想到Claude和GPT双头统治的时代，居然就这么被中国模型撕开了口子。 Kimi K3登顶Frontend Code Arena总榜第一，1679分同时力压Claude Fable 5与GPT-5.6 Sol。从上一代第18名直冲榜首，整整跃升17个名次，完成了同级模型里绝无仅有的跨越式爆发。 7个前端细分赛道拿下6个第一，品牌营销参考设计数据分析消费产品模拟工具内容创建全线领跑，仅游戏赛道暂居第二。这不是刷题库的纸面跑分，是全球开发者匿名盲测投出来的真实战力，代码质量交互体验全维度硬碰硬。更炸裂的是完整模型权重7月27日前就会开放，顶级前端编码能力直接无差别下放给所有开发者。当开放权重的中国模型能在核心开发赛道正面打赢闭源顶流，维持多年的双巨头格局是不是真的要改写了。 #KimiK3 #Moonshot #AI大模型 #前端开发 #开源AI

AYi

153,819 次观看 • 8 天前

Claude Code 新增了一个 /powerup 交互式教学模式可以在终端里可直接进行交互式学习在终端里输入这个命令，会启动一套交互式课程，带动画演示，手把手教你怎么用 Claude Code。比如你刚装完 Claude Code，不知道从哪开始，输入 /powerup 它会用动画演示展示基础操作流程，斜杠命令怎么用、文件怎么引用、怎么跑 bash 命令，边看边练。不用切到浏览器查文档，不用看 YouTube 视频，直接在你工作的环境里学。

Claude Code 新增了一个 /powerup 交互式教学模式可以在终端里可直接进行交互式学习在终端里输入这个命令，会启动一套交互式课程，带动画演示，手把手教你怎么用 Claude Code。比如你刚装完 Claude Code，不知道从哪开始，输入 /powerup 它会用动画演示展示基础操作流程，斜杠命令怎么用、文件怎么引用、怎么跑 bash 命令，边看边练。不用切到浏览器查文档，不用看 YouTube 视频，直接在你工作的环境里学。

小互

35,143 次观看 • 3 个月前

绝了，刚刚阿里在除夕夜发布了新模型 Qwen-3.5-plus ，赶紧试了一下，一句话就生成了这样一个 3D 展车厅 🤯 据说这次 Qwen-3.5-plus 实现了从纯文本模型到原生多模态模型的代际跃迁，每百万 Token 仅 0.8 元人民币，是 Gemini 3 Pro 的 1/18！并且支持 201 种语言，可最高提升小语种 60% 的编码效率，在推理、编程、Agent 等核心评测中表现强劲，部署成本较上一代显著下降，推理效率大幅提升。作为一个 Apache 2.0 全开源并且能下载到本地的模型，性价比真的太高了。 - 普通用户可在千问 App/PC 体验： - 开发者可在魔搭： - 或 HuggingFace 下载部署： - 阿里云百炼直接获取 API 服务：

绝了，刚刚阿里在除夕夜发布了新模型 Qwen-3.5-plus ，赶紧试了一下，一句话就生成了这样一个 3D 展车厅 🤯 据说这次 Qwen-3.5-plus 实现了从纯文本模型到原生多模态模型的代际跃迁，每百万 Token 仅 0.8 元人民币，是 Gemini 3 Pro 的 1/18！并且支持 201 种语言，可最高提升小语种 60% 的编码效率，在推理、编程、Agent 等核心评测中表现强劲，部署成本较上一代显著下降，推理效率大幅提升。作为一个 Apache 2.0 全开源并且能下载到本地的模型，性价比真的太高了。 - 普通用户可在千问 App/PC 体验： - 开发者可在魔搭： - 或 HuggingFace 下载部署： - 阿里云百炼直接获取 API 服务：

Ding

150,786 次观看 • 5 个月前

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？

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

45,344 次观看 • 16 天前

Datawhale 开源神作 Happy-LLM 教你从零亲手造一个大模型 GitHub 已获 29k+ Stars，持续霸榜 Trending ⭐ 核心亮点 1. 体系完整，不碎片 NLP → Transformer → 预训练 → LLM 一条线讲通，不是拼凑知识点 2. 边学边做，跑完整流程按 LLaMA 2 思路，从 Tokenizer 到预训练到微调（LoRA / QLoLA）不是背概念，是自己真的动手做一遍 3. 工程导向，不止讲模型 RAG / Agent / 模型评测全覆盖更贴近真实项目落地学完你能做到什么？ - 看懂 Transformer - 训练一个小模型 - 会调参、排问题 - 做出一个 AI 小应用适合谁？想入门 LLM 的开发者不满足于只会调用 API 的人想做 AI 应用 / Agent 的人

Datawhale 开源神作 Happy-LLM 教你从零亲手造一个大模型 GitHub 已获 29k+ Stars，持续霸榜 Trending ⭐ 核心亮点 1. 体系完整，不碎片 NLP → Transformer → 预训练 → LLM 一条线讲通，不是拼凑知识点 2. 边学边做，跑完整流程按 LLaMA 2 思路，从 Tokenizer 到预训练到微调（LoRA / QLoLA）不是背概念，是自己真的动手做一遍 3. 工程导向，不止讲模型 RAG / Agent / 模型评测全覆盖更贴近真实项目落地学完你能做到什么？ - 看懂 Transformer - 训练一个小模型 - 会调参、排问题 - 做出一个 AI 小应用适合谁？想入门 LLM 的开发者不满足于只会调用 API 的人想做 AI 应用 / Agent 的人

开发者Hailey

28,490 次观看 • 2 个月前

前端开发者在使用 Cursor、Windsurf 等 AI 开发工具时，有时候需修改 UI 界面的样式颇为麻烦，需要准备告诉 AI 具体元素位置相关信息。给大家推荐 stagewise 这款开源工具，它提供了一个浏览器工具，让我们能直接在网页上选择元素并添加评论。然后帮助我们将元素截图、DOM 结构等关键信息一键发送给 Cursor 等 AI 助手进行处理。 GitHub：主要功能： - 直接在浏览器中选择任意 UI 元素并发送给 AI 助手； - 自动连接 VS Code 扩展，无需额外配置； - 支持多种前端框架：React、Vue、Next.js、SvelteKit 等； - 可通过自定义插件系统扩展功能； - 提供 DOM 元素、截图和元数据给 AI 代理； - 不会影响应用的打包体积，仅在开发模式下生效。对于前端开发工程师，如果有在使用 Cursor 这些 AI 开发工具，不妨搭配这款工具使用试试。

前端开发者在使用 Cursor、Windsurf 等 AI 开发工具时，有时候需修改 UI 界面的样式颇为麻烦，需要准备告诉 AI 具体元素位置相关信息。给大家推荐 stagewise 这款开源工具，它提供了一个浏览器工具，让我们能直接在网页上选择元素并添加评论。然后帮助我们将元素截图、DOM 结构等关键信息一键发送给 Cursor 等 AI 助手进行处理。 GitHub：主要功能： - 直接在浏览器中选择任意 UI 元素并发送给 AI 助手； - 自动连接 VS Code 扩展，无需额外配置； - 支持多种前端框架：React、Vue、Next.js、SvelteKit 等； - 可通过自定义插件系统扩展功能； - 提供 DOM 元素、截图和元数据给 AI 代理； - 不会影响应用的打包体积，仅在开发模式下生效。对于前端开发工程师，如果有在使用 Cursor 这些 AI 开发工具，不妨搭配这款工具使用试试。

GitHubDaily

63,683 次观看 • 1 年前

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。首先这玩意儿根本不是什么超大单体大模型，它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理，简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。你调用它和调普通模型没区别，一行API的事，但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。首先这玩意儿根本不是什么超大单体大模型，它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理，简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。你调用它和调普通模型没区别，一行API的事，但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀

AYi

232,567 次观看 • 1 个月前

卧槽，答案终于揭晓了！那个在open router上持续霸榜的神秘模型，是阿里推出的全新大模型“蚂蚁百灵”！今天我们来深度聊一聊这个模型。用过AI来完成前端开发的朋友肯定懂：要让AI做出想要的UI总是要找参考，再不然就是要依赖设计 skill 的帮助。但这种界面一旦看多了，就会陷入审美疲劳。原因在于不管你是对标UI还是使用skill，结果都是被限定在固有的生成范围内。最近小灰测了新模型 Ling-2.6-1T （由蚂蚁集团 Ant Ling 开发），发现它刚好就能打破这个限制。它生成的页面不仅审美极度在线，而且自带高质量的交互效果，做出来的东西终于不再是干巴巴的呆板网页了。但用它有个必须要避开的坑：Ling 2.6 1T 默认是没有深度思考模式的。它在计算资源分配上极其克制，如果你偷懒丢一句"给我写个好看的界面"，那么它大概率会给你一个准确但极其敷衍的结果。(视频1) 那么怎么取巧使用它？小灰分享一个能逼出它真实设计水平的实操工作流：把它当成主规划师，先拆解风格，再写代码。跟它对话时，你可以直接下这种指令： 1. 强制思考：先别急着写代码！帮我分析这个产品的定位，明确它的视觉情绪、色彩规范和排版布局，把思路列出来。（比如明确告诉它你要包豪斯风格或者北欧风）。 2. 落地执行：等它把设计语言梳理清楚，你确认没问题了，再让它基于这套标准去生成具体的 TailwindCSS 样式和前端页面。用这种先 Plan 后做的方式，出来的页面不仅美观，而且风格极其统一。（视频2）目前在Openrouter中可以免费体验该模型。选对工具打破模板限制，用高审美的模型直接拔高视觉质感，能帮我们省下大把死磕 CSS 的时间。期待大家都能快速做出让人眼前一亮的作品！

卧槽，答案终于揭晓了！那个在open router上持续霸榜的神秘模型，是阿里推出的全新大模型“蚂蚁百灵”！今天我们来深度聊一聊这个模型。用过AI来完成前端开发的朋友肯定懂：要让AI做出想要的UI总是要找参考，再不然就是要依赖设计 skill 的帮助。但这种界面一旦看多了，就会陷入审美疲劳。原因在于不管你是对标UI还是使用skill，结果都是被限定在固有的生成范围内。最近小灰测了新模型 Ling-2.6-1T （由蚂蚁集团 Ant Ling 开发），发现它刚好就能打破这个限制。它生成的页面不仅审美极度在线，而且自带高质量的交互效果，做出来的东西终于不再是干巴巴的呆板网页了。但用它有个必须要避开的坑：Ling 2.6 1T 默认是没有深度思考模式的。它在计算资源分配上极其克制，如果你偷懒丢一句"给我写个好看的界面"，那么它大概率会给你一个准确但极其敷衍的结果。(视频1) 那么怎么取巧使用它？小灰分享一个能逼出它真实设计水平的实操工作流：把它当成主规划师，先拆解风格，再写代码。跟它对话时，你可以直接下这种指令： 1. 强制思考：先别急着写代码！帮我分析这个产品的定位，明确它的视觉情绪、色彩规范和排版布局，把思路列出来。（比如明确告诉它你要包豪斯风格或者北欧风）。 2. 落地执行：等它把设计语言梳理清楚，你确认没问题了，再让它基于这套标准去生成具体的 TailwindCSS 样式和前端页面。用这种先 Plan 后做的方式，出来的页面不仅美观，而且风格极其统一。（视频2）目前在Openrouter中可以免费体验该模型。选对工具打破模板限制，用高审美的模型直接拔高视觉质感，能帮我们省下大把死磕 CSS 的时间。期待大家都能快速做出让人眼前一亮的作品！

程序员小灰

15,021 次观看 • 3 个月前

Qwen 今天发了 Qwen3.6-Plus，顺手把它接到 Claude Code 里试了下，效果比预期好不少。我让它帮我做一个工程师的个人作品网站，主要看审美和前端实现的表现，直接感受是这次质量提升很明显，Agentic Coding 也更清楚了。放到前端开发和长一点的任务里，它不会停在给你一段代码上，而是会自己接着拆需求、找路径、改代码、跑测试，发现问题再继续修，中间少了很多反复接手的地方。这次另一个比较明显的点，这次任务拆解、规划、编码交付这条链路更好了，多模态和推理也基本到位了，图像、文本、视频这些输入能放到同一条链路里统一处理，接真实工程任务的感觉更完整，执行过程录了个视频，大伙有兴趣可以看看它是怎么一步步跑下来的。

Qwen 今天发了 Qwen3.6-Plus，顺手把它接到 Claude Code 里试了下，效果比预期好不少。我让它帮我做一个工程师的个人作品网站，主要看审美和前端实现的表现，直接感受是这次质量提升很明显，Agentic Coding 也更清楚了。放到前端开发和长一点的任务里，它不会停在给你一段代码上，而是会自己接着拆需求、找路径、改代码、跑测试，发现问题再继续修，中间少了很多反复接手的地方。这次另一个比较明显的点，这次任务拆解、规划、编码交付这条链路更好了，多模态和推理也基本到位了，图像、文本、视频这些输入能放到同一条链路里统一处理，接真实工程任务的感觉更完整，执行过程录了个视频，大伙有兴趣可以看看它是怎么一步步跑下来的。

Tw93

94,564 次观看 • 3 个月前

Github上有个开源项目，把12家主流大模型平台的免费额度打通成一个统一入口你把零散的API key往里一填，转手就能薅几亿token 用法也很简单： 1、clone到本地，打开管理后台 2、把手头的key依次填进去 3、去Playground发条测试消息，会直接显示是哪家模型在答、延迟多少ms 配完之后复制统一的URL和API key，给模型排好优先级有任务进来会自动按顺序轮询，某家限速了就自动跳下一家，直到把活干完

Github上有个开源项目，把12家主流大模型平台的免费额度打通成一个统一入口你把零散的API key往里一填，转手就能薅几亿token 用法也很简单： 1、clone到本地，打开管理后台 2、把手头的key依次填进去 3、去Playground发条测试消息，会直接显示是哪家模型在答、延迟多少ms 配完之后复制统一的URL和API key，给模型排好优先级有任务进来会自动按顺序轮询，某家限速了就自动跳下一家，直到把活干完

阿西_出海

17,183 次观看 • 1 个月前

有个事我憋很久了，今天必须说一下。市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。个人分享，非投资建议。

有个事我憋很久了，今天必须说一下。市面上那些标榜 AI 驱动交易的 Bot，我深度用过几款之后发现一个特离谱的现象：它们所谓的 AI 就是接了一个 GPT 或者 Claude 的 API，把 K 线数据原封不动丢进去，让一个从来没被训练过理解金融时间序列的通用模型给你输出买卖建议。说难听点，跟拿 ChatGPT 算命没什么区别。所以 AIX 的多模型路由方案，是我接触这个项目之后第一个真正觉得"方向对了"的设计。它同时接了 GPT、Claude、DeepSeek R1、Gemini 这些通用模型，也集成了 Kronos 这类专门为金融预测训练的专业模型。中间多了一层调度层，根据当前市场状态智能路由，震荡市用一套推理框架，单边趋势切另一套算法组合。这个设计的聪明之处在于它承认了一个很朴素的事实：没有一种模型能在所有行情里通吃。趋势跟随在单边市是神，进了震荡就是来回止损。反过来网格在震荡舒服，单边一来直接穿仓。通用大模型做策略意图理解很强但看 K 线的能力确实有限，专用金融模型在时序预测上更精准但没办法理解你用自然语言描述的策略逻辑。没有一个模型能同时搞定所有事。 AIX 干的事不是选一个最强的模型然后迷信它，而是让不同模型在不同环节轮班上岗，动态调权重。这个思路在传统量化里叫多因子动态权重，AIX 把它搬到了 LLM 和时序模型的协同上。我体验下来的感受是它不像那种一问一答的 Bot，更像有一个小团队在后台协作，你只需要给方向，它自己去协调谁干什么。这个架构如果跑通，抗单一模型失效的能力跟那些只接一个 API 的项目不在一个数量级。个人分享，非投资建议。

DeFi狙击手 | Ai🕊️

15,968 次观看 • 2 天前

炒美股的兄弟们有福气了。龙哥找了一个开源软件，胜过彭博。彭博终端一年订阅费够买辆二手车，FinceptTerminal零元。这不是玩笑。彭博那玩意儿起步价两万美金一年，专业版往二十万走。普通散户、刚起步的量化团队、小型投资机构，基本被这个门槛挡在外面。 FinceptTerminal 干的事就一个：把这堵收费墙拆了。 2.7万星，纯 C++ 写，说明不是花架子。打开终端，股票、期货、外汇、宏观数据全在一个界面里，不用切来切去。行情实时刷新，技术分析工具直接能用，想跑量化模型也行，不是那种只能看 K 线的半成品。几个实在的亮点：。数据覆盖广。美股、欧股、亚太市场，外汇和大宗商品都进来了，宏观指标也能拉。不是只盯一个市场的玩具，是真的能当工作台用。交互式探索。看数据不是死盯屏幕等刷新，可以自己下钻，点开某个行业、某只股票、某段时间，层层扒下去，找到你想看的那个数字。开源免费。代码全在 GitHub 上，想改就改，想集成进自己的系统也行。彭博打死不让你碰它的数据接口，这个反过来。举个场景。你想研究美股科技板块最近一周的资金流向，打开 FinceptTerminal，调出行业列表，点进科技板块，叠加宏观指标和个股资金数据，一套下来不用切软件、不用导 CSV、不用手动算比例。安装也不麻烦，GitHub 上有详细说明，Linux 和 macOS 都支持。金融圈一直有个怪现象：干活的人用的工具最贵，最需要数据的人反而买不起数据。这种开源项目能跑出来，说明大家真的受够了。不是要替代彭博，专业机构该买还是买。但对于还在摸索阶段、想认真研究市场、但预算有限的人来说，这玩意儿就是真香的答案。有兴趣的去 GitHub 翻代码就知道了。

炒美股的兄弟们有福气了。龙哥找了一个开源软件，胜过彭博。彭博终端一年订阅费够买辆二手车，FinceptTerminal零元。这不是玩笑。彭博那玩意儿起步价两万美金一年，专业版往二十万走。普通散户、刚起步的量化团队、小型投资机构，基本被这个门槛挡在外面。 FinceptTerminal 干的事就一个：把这堵收费墙拆了。 2.7万星，纯 C++ 写，说明不是花架子。打开终端，股票、期货、外汇、宏观数据全在一个界面里，不用切来切去。行情实时刷新，技术分析工具直接能用，想跑量化模型也行，不是那种只能看 K 线的半成品。几个实在的亮点：。数据覆盖广。美股、欧股、亚太市场，外汇和大宗商品都进来了，宏观指标也能拉。不是只盯一个市场的玩具，是真的能当工作台用。交互式探索。看数据不是死盯屏幕等刷新，可以自己下钻，点开某个行业、某只股票、某段时间，层层扒下去，找到你想看的那个数字。开源免费。代码全在 GitHub 上，想改就改，想集成进自己的系统也行。彭博打死不让你碰它的数据接口，这个反过来。举个场景。你想研究美股科技板块最近一周的资金流向，打开 FinceptTerminal，调出行业列表，点进科技板块，叠加宏观指标和个股资金数据，一套下来不用切软件、不用导 CSV、不用手动算比例。安装也不麻烦，GitHub 上有详细说明，Linux 和 macOS 都支持。金融圈一直有个怪现象：干活的人用的工具最贵，最需要数据的人反而买不起数据。这种开源项目能跑出来，说明大家真的受够了。不是要替代彭博，专业机构该买还是买。但对于还在摸索阶段、想认真研究市场、但预算有限的人来说，这玩意儿就是真香的答案。有兴趣的去 GitHub 翻代码就知道了。

空投龙 | 预测世界杯就在Gate

11,690 次观看 • 1 个月前

我真的被惊呆了做网页动画，复杂动效直接用 Codex + HyperFrames，纯前端代码直接变成自动化视频流水线。这才是Vibe Coding的正确打开方式（附使用教程）： I 代码写动效，告别打关键帧让 Agent接管视觉。不用打开AE，不用折腾 AE脚本管家。Codex直接输出 HTML + GSAP缓动和进出场逻辑。创意变成干净、可复用的代码资产，效率直接起飞。 I 云端静默渲染，全自动出片写完代码还能直接渲片。部署到Vast. ai 或 TensorDock 这类算力平台，给个执行权限，Codex后台就调 hyperframes-cli非交互式导出高清MP4。等于免费多了一个永不宕机的渲染节点。 I 像素级精准跟那些每次生成都像开盲盒的视觉大模型不一样，这套是纯代码渲染。每一帧的位置、每个转场的时机都你说了算，跑起来稳得一批。使用教程比如：让 Agent 自动抓取 GMGN上的 SOL或 BNB 链上聪明钱动向，动态填入写好的数据可视化模板，紧接着调用 HyperFrames一键生成带有时序动效的行情复盘视频分辨率1920*1080, 帧率每秒30s，总时长15s 整个“数据获取-视频产出”的流程，只需要你的一句话授权！代码即视频的时代，真的来了。项目直达地址： CODEX: HyperFrames: codex://plugins/hyperframes@openai-curated

我真的被惊呆了做网页动画，复杂动效直接用 Codex + HyperFrames，纯前端代码直接变成自动化视频流水线。这才是Vibe Coding的正确打开方式（附使用教程）： I 代码写动效，告别打关键帧让 Agent接管视觉。不用打开AE，不用折腾 AE脚本管家。Codex直接输出 HTML + GSAP缓动和进出场逻辑。创意变成干净、可复用的代码资产，效率直接起飞。 I 云端静默渲染，全自动出片写完代码还能直接渲片。部署到Vast. ai 或 TensorDock 这类算力平台，给个执行权限，Codex后台就调 hyperframes-cli非交互式导出高清MP4。等于免费多了一个永不宕机的渲染节点。 I 像素级精准跟那些每次生成都像开盲盒的视觉大模型不一样，这套是纯代码渲染。每一帧的位置、每个转场的时机都你说了算，跑起来稳得一批。使用教程比如：让 Agent 自动抓取 GMGN上的 SOL或 BNB 链上聪明钱动向，动态填入写好的数据可视化模板，紧接着调用 HyperFrames一键生成带有时序动效的行情复盘视频分辨率1920*1080, 帧率每秒30s，总时长15s 整个“数据获取-视频产出”的流程，只需要你的一句话授权！代码即视频的时代，真的来了。项目直达地址： CODEX: HyperFrames: codex://plugins/hyperframes@openai-curated

Mulight 沐光🌟

27,973 次观看 • 2 个月前

贝索斯明牌了AI的终极定价逻辑。可惜大多数人完全没听懂。他在采访里说了这么一段话。 AI是真实的，必将颠覆所有行业。这句是铺垫，重点是后面半句。 “AI是一项极其罕见的技术，它是一个横向赋能层。” 横向赋能层（horizontal enabling layer）。英文正好三个词。这三个词，直接掀翻了现在的估值模型。剥离掉垂直行业的局限。它直接化身为全社会的底层水电煤。把AI当软件卖，赚的只是每月几十刀的订阅费。让AI成为基础设施，收的就是所有行业的过路费。资本市场还在按旧软件的逻辑给AI算账。顶级的掠食者已经看清了底牌。谁掌握了这个底层，谁就能给整个商业世界重新标价。

贝索斯明牌了AI的终极定价逻辑。可惜大多数人完全没听懂。他在采访里说了这么一段话。 AI是真实的，必将颠覆所有行业。这句是铺垫，重点是后面半句。 “AI是一项极其罕见的技术，它是一个横向赋能层。” 横向赋能层（horizontal enabling layer）。英文正好三个词。这三个词，直接掀翻了现在的估值模型。剥离掉垂直行业的局限。它直接化身为全社会的底层水电煤。把AI当软件卖，赚的只是每月几十刀的订阅费。让AI成为基础设施，收的就是所有行业的过路费。资本市场还在按旧软件的逻辑给AI算账。顶级的掠食者已经看清了底牌。谁掌握了这个底层，谁就能给整个商业世界重新标价。

墓碑科技

19,308 次观看 • 3 个月前

帅不帅不知道但美女确实流口水了无法反驳不知道你有没有发现，在以太坊或者传统的 Layer2 上，交易就像在单行道上开车：前面的车没走，后面的车只能等这种串行执模型，就是导致 Gas 费飙升和网络拥堵的元凶 #Miden 如何通过并行执行打破链上拥堵？ Miden 的思路很硬核：把单行道变成超级多车道的高速公路核心逻辑：从排队到并行 #Miden 引入了一种以动作为中心的并发状态模型在以太坊：所有人共用一个账本，状态更新必须按顺序来，因为大家可能会抢同一个变量在 #Miden ：账户和票据是独立的，只要你和我的交易不涉及同一个账户，我们就可以在各自的设备上同时完成计算并生成证明链上订单簿的终极方案目前的 DEX 大多采用 AMM，很大程度是因为链上串行执行撑不起高频的订单簿想象一下，如果一个去中心化交易所在 Miden 上运行：由于交易是并行执行的，一千个用户同时下单，他们是在自己的客户端生成证明，然后异步提交给节点，节点只需要验证这些证明的数学正确性，而不需要像传统链那样一个个排队跑逻辑结果就是：毫秒级的响应体验，却拥有以太坊级别的安全性更绝的是，Miden 的账户天生就是智能合约，不需要像以太坊那样通过 ERC-4337 这种复杂的补丁来实现在 #Miden，你可以轻松设定：多重签名：必须两个设备同时确认限制消费：每天只能转出 100 刀资产找回：即使私钥丢了，也可以通过预设的逻辑找回这种把隐私、并行、安揉进底层的设计，才是未来 DApp 爆发的基石 #Miden #KaitoYap Kaito AI 🌊 #Yap

帅不帅不知道但美女确实流口水了无法反驳不知道你有没有发现，在以太坊或者传统的 Layer2 上，交易就像在单行道上开车：前面的车没走，后面的车只能等这种串行执模型，就是导致 Gas 费飙升和网络拥堵的元凶 #Miden 如何通过并行执行打破链上拥堵？ Miden 的思路很硬核：把单行道变成超级多车道的高速公路核心逻辑：从排队到并行 #Miden 引入了一种以动作为中心的并发状态模型在以太坊：所有人共用一个账本，状态更新必须按顺序来，因为大家可能会抢同一个变量在 #Miden ：账户和票据是独立的，只要你和我的交易不涉及同一个账户，我们就可以在各自的设备上同时完成计算并生成证明链上订单簿的终极方案目前的 DEX 大多采用 AMM，很大程度是因为链上串行执行撑不起高频的订单簿想象一下，如果一个去中心化交易所在 Miden 上运行：由于交易是并行执行的，一千个用户同时下单，他们是在自己的客户端生成证明，然后异步提交给节点，节点只需要验证这些证明的数学正确性，而不需要像传统链那样一个个排队跑逻辑结果就是：毫秒级的响应体验，却拥有以太坊级别的安全性更绝的是，Miden 的账户天生就是智能合约，不需要像以太坊那样通过 ERC-4337 这种复杂的补丁来实现在 #Miden，你可以轻松设定：多重签名：必须两个设备同时确认限制消费：每天只能转出 100 刀资产找回：即使私钥丢了，也可以通过预设的逻辑找回这种把隐私、并行、安揉进底层的设计，才是未来 DApp 爆发的基石 #Miden #KaitoYap Kaito AI 🌊 #Yap

Winner🔶BNB |🐬 TermMax

29,986 次观看 • 6 个月前

✨科学界迎来新变化：阿里开源首个统一科学语言大模型阿里通义实验室（ATH-Token Foundry）联合中国人民大学高瓴人工智能学院，刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。核心亮点： - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。核心价值： - 用同一套模型 + 同一套科学语法，统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色），降低科研门槛，让AI辅助从预测转向生成设计。它把蛋白质、抗体、小分子、化学反应、材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。

✨科学界迎来新变化：阿里开源首个统一科学语言大模型阿里通义实验室（ATH-Token Foundry）联合中国人民大学高瓴人工智能学院，刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。核心亮点： - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。核心价值： - 用同一套模型 + 同一套科学语法，统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色），降低科研门槛，让AI辅助从预测转向生成设计。它把蛋白质、抗体、小分子、化学反应、材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。

HankAI

14,140 次观看 • 1 个月前