Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

这个 GitHub 项目真的是太实用了，它把现在热门的 AI 副业机会都整理在一起！它不仅提供赚钱的思路，还特别提醒你哪些坑不要踩，哪些细分领域怎么做更合理，都写得非常详细这个项目的目的就是帮大家突破信息的限制，在 AI 时代用智能化手段赚外快

千寻｜AI 分享 🌸

79,082 subscribers

82,153 Aufrufe • vor 2 Jahren •via X (Twitter)

Bildung Finanzen Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

10 Kommentare

Profilbild von Charles Chow

Charles Chowvor 2 Jahren

@memdotai mem it

Profilbild von Mem

Memvor 2 Jahren

@Crypto_QianXun Saved! Here's the compiled thread:

Profilbild von whliu

whliuvor 2 Jahren

@memdotai memit

Profilbild von 袋鼠鉴赏家

袋鼠鉴赏家vor 2 Jahren

最后挣到钱的都是教别人挣钱的

Profilbild von Gargantu

Gargantuvor 2 Jahren

@readwise save thread

Profilbild von pofey

pofeyvor 2 Jahren

@memdotai mem it

Profilbild von trader (多头玩家）

trader (多头玩家）vor 2 Jahren

不如试试？

Profilbild von 流圭鸣

流圭鸣vor 2 Jahren

好多😵‍💫

Profilbild von AX

AXvor 2 Jahren

满上

Profilbild von mark super

mark supervor 2 Jahren

mark

Ähnliche Videos

🦞有人做了一个网站，专门统计OpenClaw创业者赚了多少钱。数据全公开，Stripe API实时验证，不是截图，不是故事。网站叫TrustMRR。现在的数字：132个项目，最近30天总收入$29万+，最猛的单个项目月入$5.1万。更有意思的是这些项目在卖什么： OpenClaw一键部署、AI代理托管、OpenClaw使用课程、甚至直接卖"帮你把OpenClaw跑起来"的服务。本质：卖铲子。每一次技术浪潮，最先赚到钱的都不是挖金子的人，是卖工具、卖教程、卖"帮你用起来"服务的人。

🦞有人做了一个网站，专门统计OpenClaw创业者赚了多少钱。数据全公开，Stripe API实时验证，不是截图，不是故事。网站叫TrustMRR。现在的数字：132个项目，最近30天总收入$29万+，最猛的单个项目月入$5.1万。更有意思的是这些项目在卖什么： OpenClaw一键部署、AI代理托管、OpenClaw使用课程、甚至直接卖"帮你把OpenClaw跑起来"的服务。本质：卖铲子。每一次技术浪潮，最先赚到钱的都不是挖金子的人，是卖工具、卖教程、卖"帮你用起来"服务的人。

KK.aWSB

114,948 Aufrufe • vor 6 Monaten

今天免费给大家挖到一个牛的工具 Stanford University 放出来的一套 AI 课程，直接用 1 个半小时，把 Claude 和 ChatGPT 背后的工作原理，拆得非常透。很多人天天都在用 AI。写内容。做研究。跑工作流。做自动化。但大部分人，说实话连模型 10% 的能力都没真正用出来。问题从来不是 AI 不够强。而是你根本不知道，它到底是怎么思考、怎么推理、怎么处理信息的。你一旦理解底层逻辑，你会发现，提示词、自动化、Agent、工作流这些东西，全部都会进入另一个层次。建议直接收藏，少刷一小时短剧。明天醒来，你可能就比大部分人，多了一条真正能赚钱的路。 AI 最大的红利，永远属于理解它的人。

今天免费给大家挖到一个牛的工具 Stanford University 放出来的一套 AI 课程，直接用 1 个半小时，把 Claude 和 ChatGPT 背后的工作原理，拆得非常透。很多人天天都在用 AI。写内容。做研究。跑工作流。做自动化。但大部分人，说实话连模型 10% 的能力都没真正用出来。问题从来不是 AI 不够强。而是你根本不知道，它到底是怎么思考、怎么推理、怎么处理信息的。你一旦理解底层逻辑，你会发现，提示词、自动化、Agent、工作流这些东西，全部都会进入另一个层次。建议直接收藏，少刷一小时短剧。明天醒来，你可能就比大部分人，多了一条真正能赚钱的路。 AI 最大的红利，永远属于理解它的人。

财龙 | &道心在我，财源滚滚&

19,767 Aufrufe • vor 2 Monaten

怎么利用 AI 帮助孩子探索世界？or 怎么把 Pokémon 里的 Pokédex 变成现实？ #设计参考 #设计AI 英国设计公司 F!nh 设计的 ASH 是个智能小盒子，利用摄像头拍下世间万物，再用 AI 告诉孩子这是什么很神奇地用了几个鲜艳醒目的大按钮来交互项目主页在这儿，详细介绍了对应的玩法。整个项目的设计和样品制作只用了 4 周时间：注：别每次看到一个新设计，就忍不住说这个功能某某 APP 早就实现了、华强北 XX 元就搞定、这个人机交互不好应该改成怎么怎么操作……这些都是心理疾病

怎么利用 AI 帮助孩子探索世界？or 怎么把 Pokémon 里的 Pokédex 变成现实？ #设计参考 #设计AI 英国设计公司 F!nh 设计的 ASH 是个智能小盒子，利用摄像头拍下世间万物，再用 AI 告诉孩子这是什么很神奇地用了几个鲜艳醒目的大按钮来交互项目主页在这儿，详细介绍了对应的玩法。整个项目的设计和样品制作只用了 4 周时间：注：别每次看到一个新设计，就忍不住说这个功能某某 APP 早就实现了、华强北 XX 元就搞定、这个人机交互不好应该改成怎么怎么操作……这些都是心理疾病

倪爽

62,023 Aufrufe • vor 2 Jahren

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里这两年越来越明显的一件事是：会用 GitHub 的人，已经开始用 AI 放大自己的效率了很多原本需要团队完成的事情，现在一个人就能做我的建议是收藏起来，认真看看这个视频它真正有价值的地方，不是教你“看网站”，而是让你开始理解： AI 时代里，普通人该去哪里找机会

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里这两年越来越明显的一件事是：会用 GitHub 的人，已经开始用 AI 放大自己的效率了很多原本需要团队完成的事情，现在一个人就能做我的建议是收藏起来，认真看看这个视频它真正有价值的地方，不是教你“看网站”，而是让你开始理解： AI 时代里，普通人该去哪里找机会

Suu

568,578 Aufrufe • vor 3 Monaten

大家好欢迎来到今天的视频♥️ 🤖 AI赛道全解析：未来风口在哪里？ AI 赛道已经成为热门话题，但你真的了解它的细分领域吗？🧐 AI launchpad AI agent AI meme coin……每个方向都有机会爆发！✨ 在这段视频里，mi梳理了赛道分类，还分享了一些有趣前沿的项目案例💡 📺 点开看看，下一个风口可能就在这里~ #AI #AIAgent #MemesAI

大家好欢迎来到今天的视频♥️ 🤖 AI赛道全解析：未来风口在哪里？ AI 赛道已经成为热门话题，但你真的了解它的细分领域吗？🧐 AI launchpad AI agent AI meme coin……每个方向都有机会爆发！✨ 在这段视频里，mi梳理了赛道分类，还分享了一些有趣前沿的项目案例💡 📺 点开看看，下一个风口可能就在这里~ #AI #AIAgent #MemesAI

Miho🎒

43,897 Aufrufe • vor 1 Jahr

刚发现一个网站，非常值得龙虾族和创业者们收藏。它是专门统计用 OpenClaw 赚了多少钱。项目、收入、全部公开。目前榜单： 132 个 OpenClaw 项目最近 30 天收入 $290K+ 最狠的一个项目：月收入 $51K。更夸张的是—— 这些产品其实都很简单： - OpenClaw 一键部署 - AI Agent Hosting - OpenClaw 课程 - 甚至有人卖 AI电脑很多项目本质只做一件事：帮别人把 OpenClaw 跑起来。而且这些收入不是截图，不是故事。全部通过 Stripe API 实时验证。这个网站叫 TrustMRR。它本质就是一个：公开的创业收入数据库，让你直接看到别人到底赚多少钱。

刚发现一个网站，非常值得龙虾族和创业者们收藏。它是专门统计用 OpenClaw 赚了多少钱。项目、收入、全部公开。目前榜单： 132 个 OpenClaw 项目最近 30 天收入 $290K+ 最狠的一个项目：月收入 $51K。更夸张的是—— 这些产品其实都很简单： - OpenClaw 一键部署 - AI Agent Hosting - OpenClaw 课程 - 甚至有人卖 AI电脑很多项目本质只做一件事：帮别人把 OpenClaw 跑起来。而且这些收入不是截图，不是故事。全部通过 Stripe API 实时验证。这个网站叫 TrustMRR。它本质就是一个：公开的创业收入数据库，让你直接看到别人到底赚多少钱。

开发者Hailey

194,935 Aufrufe • vor 6 Monaten

AI 会取代哪些工作？我的工作里，哪些任务正在被 AI 接管？ AI 通常不是一次替代整个职业而是先替代其中最标准化的部分最容易被 AI 自动化的任务，通常有几个特点：数字化、重复、规则明确、结果容易检查所以普通人真正要做的，不是和 AI 比谁干活快，而是： 1️⃣ 拆工作分清哪些能交给 AI，哪些需要检查，哪些必须自己判断 2️⃣ 学会管理 AI 不只是会提问，还要会定目标、给背景、设标准、验收结果 3️⃣ 提升难替代的能力判断、沟通、协调、理解需求，以及对最终结果负责。未来更有价值的，不一定是“最会干活的人” 而是会发现问题、会使用 AI、还能对结果负责的人所以别问：“AI 会不会取代我？” 更应该问自己：“如果 AI 帮我做掉一半重复工作，我能不能用省下来的时间，做更有价值的事？” AI 最先淘汰的，不是某个职业而是一个职业里，长期没有升级的工作方式

AI 会取代哪些工作？我的工作里，哪些任务正在被 AI 接管？ AI 通常不是一次替代整个职业而是先替代其中最标准化的部分最容易被 AI 自动化的任务，通常有几个特点：数字化、重复、规则明确、结果容易检查所以普通人真正要做的，不是和 AI 比谁干活快，而是： 1️⃣ 拆工作分清哪些能交给 AI，哪些需要检查，哪些必须自己判断 2️⃣ 学会管理 AI 不只是会提问，还要会定目标、给背景、设标准、验收结果 3️⃣ 提升难替代的能力判断、沟通、协调、理解需求，以及对最终结果负责。未来更有价值的，不一定是“最会干活的人” 而是会发现问题、会使用 AI、还能对结果负责的人所以别问：“AI 会不会取代我？” 更应该问自己：“如果 AI 帮我做掉一半重复工作，我能不能用省下来的时间，做更有价值的事？” AI 最先淘汰的，不是某个职业而是一个职业里，长期没有升级的工作方式

Nana

20,378 Aufrufe • vor 1 Monat

最近看到一个很值得研究的开源项目：learn-claude-code。它不是在教你怎么堆 prompt、连工作流、搭节点图，而是在教你一件更底层的事：怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。这个项目最有意思的观点是：真正的 Agent 是模型本身，外面的代码只是 harness。所以它讨论的重点，不是“怎么把流程编排得更复杂”，而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。我觉得这个视角很重要。因为很多人现在做 Agent，还停留在“拼工作流”和“堆胶水代码”的阶段。但真正决定 Agent 能不能跑起来的，往往是你给它什么环境，而不是你给它多少层 prompt。这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。如果你在关注 AI Agent、Claude Code，或者 agent engineering，这个项目很值得看看。👇

最近看到一个很值得研究的开源项目：learn-claude-code。它不是在教你怎么堆 prompt、连工作流、搭节点图，而是在教你一件更底层的事：怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。这个项目最有意思的观点是：真正的 Agent 是模型本身，外面的代码只是 harness。所以它讨论的重点，不是“怎么把流程编排得更复杂”，而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。我觉得这个视角很重要。因为很多人现在做 Agent，还停留在“拼工作流”和“堆胶水代码”的阶段。但真正决定 Agent 能不能跑起来的，往往是你给它什么环境，而不是你给它多少层 prompt。这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。如果你在关注 AI Agent、Claude Code，或者 agent engineering，这个项目很值得看看。👇

axiaisacat

44,334 Aufrufe • vor 6 Monaten

值得每个人细细品味世界是一元的事物都是从一面走向它的反面不用想如何成为什么样的人你现在就是你就用这样的身份去做就是了

值得每个人细细品味世界是一元的事物都是从一面走向它的反面不用想如何成为什么样的人你现在就是你就用这样的身份去做就是了

Yangyi

29,927 Aufrufe • vor 1 Jahr

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|Gate美股0费率

31,665 Aufrufe • vor 3 Monaten

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

140,708 Aufrufe • vor 6 Monaten

你觉得AI有多可怕？ CrowdStrike的CEO讲了个真实案例。一家公司的IT部门，搞了一套AI智能体系统，用于自动化办公。其中一个AI智能体发现了系统里的一个软件BUG。它想修复。但它没有权限。接下来发生的事，才是重点。这个AI跑到公司内部的Slack频道，那里有另外99个AI智能体。它直接发问：嘿，哥几个谁有权限修复这个东西？另一个AI举手了：我有，我来搞定。看见没？两个AI开始互相推理、协作。它们轻松绕过了人类设置的所有安全护栏。这完全是计划外的意外后果。谁在监控这些AI？如果它推送了错误的代码，造成了巨大损失，谁来负责？你怎么追踪事故源头？大型语言模型本质上是在猜测你想让它们做什么。它会觉得，去寻求帮助是“合理”的。它也会觉得，去提供帮助也是“合理”的。当成百上千个这样的“合理”叠加在一起，失控的风险有多大？更有意思的是，这位CEO在描述完这个恐怖场景后，话锋一转。他说这正是他们公司的巨大商机。他们推出了所谓的“AI侦测与响应”系统（AIDR）。因为未来每个员工可能控制着90个AI智能体。他们要做的，就是监控所有这些AI。先制造一个潜在的巨大风险，然后再向你出售解决方案。这是不是一个完美的商业闭环？

你觉得AI有多可怕？ CrowdStrike的CEO讲了个真实案例。一家公司的IT部门，搞了一套AI智能体系统，用于自动化办公。其中一个AI智能体发现了系统里的一个软件BUG。它想修复。但它没有权限。接下来发生的事，才是重点。这个AI跑到公司内部的Slack频道，那里有另外99个AI智能体。它直接发问：嘿，哥几个谁有权限修复这个东西？另一个AI举手了：我有，我来搞定。看见没？两个AI开始互相推理、协作。它们轻松绕过了人类设置的所有安全护栏。这完全是计划外的意外后果。谁在监控这些AI？如果它推送了错误的代码，造成了巨大损失，谁来负责？你怎么追踪事故源头？大型语言模型本质上是在猜测你想让它们做什么。它会觉得，去寻求帮助是“合理”的。它也会觉得，去提供帮助也是“合理”的。当成百上千个这样的“合理”叠加在一起，失控的风险有多大？更有意思的是，这位CEO在描述完这个恐怖场景后，话锋一转。他说这正是他们公司的巨大商机。他们推出了所谓的“AI侦测与响应”系统（AIDR）。因为未来每个员工可能控制着90个AI智能体。他们要做的，就是监控所有这些AI。先制造一个潜在的巨大风险，然后再向你出售解决方案。这是不是一个完美的商业闭环？

墓碑科技

59,383 Aufrufe • vor 7 Monaten

Codex 最浪费 token 的阶段之一，可能是刚进一个陌生仓库的时候。你让它改一个功能，它往往先开始：读目录。找入口。搜 routes。看 schema。翻依赖。再打开一堆文件确认项目结构。真正开始写代码之前，已经烧掉不少 context。 CodeSight 做的事情，就是提前给 Codex 准备一张代码库地图。它会扫描整个 repo，把项目结构、关键文件、routes、schema、依赖关系等信息整理成更紧凑的上下文，再通过 MCP 提供给 Codex。这样 Codex 不需要每次都从零开始探索仓库。简单理解：以前： “你自己把这个 repo 看一遍，再告诉我怎么改。” 现在： “这是整个 repo 的地图，直接去该去的地方。” 对于大项目尤其有用。省下来的不只是 token，还有 Agent 在各种目录里来回探索的时间。如果你经常让 Codex 接手陌生项目，这个值得试试。

Codex 最浪费 token 的阶段之一，可能是刚进一个陌生仓库的时候。你让它改一个功能，它往往先开始：读目录。找入口。搜 routes。看 schema。翻依赖。再打开一堆文件确认项目结构。真正开始写代码之前，已经烧掉不少 context。 CodeSight 做的事情，就是提前给 Codex 准备一张代码库地图。它会扫描整个 repo，把项目结构、关键文件、routes、schema、依赖关系等信息整理成更紧凑的上下文，再通过 MCP 提供给 Codex。这样 Codex 不需要每次都从零开始探索仓库。简单理解：以前： “你自己把这个 repo 看一遍，再告诉我怎么改。” 现在： “这是整个 repo 的地图，直接去该去的地方。” 对于大项目尤其有用。省下来的不只是 token，还有 Agent 在各种目录里来回探索的时间。如果你经常让 Codex 接手陌生项目，这个值得试试。

Smartpig | Gate美股0费率

15,126 Aufrufe • vor 1 Monat

朋友们，我发现一个超级哇塞的技能现在已经有不少不错的工具可以画出好看的项目架构图，但大多是静态的，不能交互。今天分享的这个不一样，它是会动的！视频里是我在 MkAgent 项目下执行出来的效果，一次搞定。它会根据项目的 logo、主题风格等信息，生成对应的架构图。不仅如此，它还能分析代码，找出核心节点，生成节点信息和节点关系。每个节点都可以点击，右侧会显示该节点的详细信息。最终产物是一个 HTML 文件：展示核心架构和工作流程，并且支持动画自动演示调用流程。这个挺有意思，以后读新项目代码可以先用它。

Fox

75,312 Aufrufe • vor 1 Monat

说实话，这才是我想要的AI该有的样子。前_buildspace创始人Farza刚刚发布了Clicky，一个住在你Mac光标旁边的AI伙伴，你不用打开任何App，不用打字，只要对着屏幕说一句话，它就会分裂出一个小代理，直接帮你把活干了。你说，帮我把桌面这些乱七八糟的截图清理一下，它就自动给你分类归档。你说，帮我明天晚上九点设个提醒和Sharif去吃饭，它就直接打开提醒事项帮你建好。你说，帮我找25个粉丝不到五万的同领域微网红，列成CSV再写几条DM模板，它就自己上网搜，自己整理，几分钟给你一个现成的表格。最离谱的是这个，你说，帮我建一个Mac App，控制本地的Spotify，做成复古唱片机风格，有播放暂停显示歌名，五分钟之后，它真的给你编译出了一个完整的原生App，还自动打开给你运行。以前所有的AI，都是你去找它，你打开聊天框，你打字，你复制粘贴，而Clicky是它一直在你身边，它看得到你屏幕上的一切，你需要的时候喊一声，它就出来帮你搞定。 Siri会告诉你，我帮你打开提醒事项，然后让你自己填，而Clicky会直接帮你填好保存，这才是真正的AI助手，不是聊天机器人，是你的数字员工。现在已经可以免费下载了，Mac用户直接冲，这绝对是2026年到目前为止，最让我兴奋的AI产品。

说实话，这才是我想要的AI该有的样子。前_buildspace创始人Farza刚刚发布了Clicky，一个住在你Mac光标旁边的AI伙伴，你不用打开任何App，不用打字，只要对着屏幕说一句话，它就会分裂出一个小代理，直接帮你把活干了。你说，帮我把桌面这些乱七八糟的截图清理一下，它就自动给你分类归档。你说，帮我明天晚上九点设个提醒和Sharif去吃饭，它就直接打开提醒事项帮你建好。你说，帮我找25个粉丝不到五万的同领域微网红，列成CSV再写几条DM模板，它就自己上网搜，自己整理，几分钟给你一个现成的表格。最离谱的是这个，你说，帮我建一个Mac App，控制本地的Spotify，做成复古唱片机风格，有播放暂停显示歌名，五分钟之后，它真的给你编译出了一个完整的原生App，还自动打开给你运行。以前所有的AI，都是你去找它，你打开聊天框，你打字，你复制粘贴，而Clicky是它一直在你身边，它看得到你屏幕上的一切，你需要的时候喊一声，它就出来帮你搞定。 Siri会告诉你，我帮你打开提醒事项，然后让你自己填，而Clicky会直接帮你填好保存，这才是真正的AI助手，不是聊天机器人，是你的数字员工。现在已经可以免费下载了，Mac用户直接冲，这绝对是2026年到目前为止，最让我兴奋的AI产品。

AYi

14,316 Aufrufe • vor 5 Monaten

花这个钱的装修和买这些餐具设备的意义在哪里？同质化这么强的火锅店，现在就连海底捞都在亏损，你还开在武汉不是非常高端和热闹的地段，是不是喜欢把钱往火里面丢？

花这个钱的装修和买这些餐具设备的意义在哪里？同质化这么强的火锅店，现在就连海底捞都在亏损，你还开在武汉不是非常高端和热闹的地段，是不是喜欢把钱往火里面丢？

WangNextDoor

27,373 Aufrufe • vor 5 Monaten

如何让你的AI永不失忆呢？大部分人保持AI记忆的方法就是用同一个窗口聊天，但这却是让你的AI越用越失忆的最大元凶！！ AI的上下文窗口，或者说记忆力是有限的，你不停对着一个窗口聊，它看的太多，不得不选择忘记一些东西。当它忘记重要的事情后，给你的回答就会显得无比弱智。下面我给你提供两个解决方案，一个手动的，一个自动的手动的方案是去管理Agent的三部分记忆：即时记忆：把重要的信息写到Claude.md，AI永远不会忘记。会话记忆：每次对话完后，要求AI记住相应的信息，需要时候AI就能回忆起来长期记忆：使用llmwiki构建知识库，这种方式能记录大量信息，但AI不一定能回忆起来。但让AI记得住信息还是不够：有时候你的AI可能会被封号（Claude），出bug记忆被清除（OpenClaw）所以，我们还需要备份AI的记忆。这个流程手动做起来十分复杂，但幸运的是我们可以使用开源项目memmy自动化这个过程。这个项目现在已经有快800star了！！下面视频，我们将会了解到 1. 了解这个产品的基本特性 2. 安装并使用备份功能 3. 验证记忆备份的安全性

如何让你的AI永不失忆呢？大部分人保持AI记忆的方法就是用同一个窗口聊天，但这却是让你的AI越用越失忆的最大元凶！！ AI的上下文窗口，或者说记忆力是有限的，你不停对着一个窗口聊，它看的太多，不得不选择忘记一些东西。当它忘记重要的事情后，给你的回答就会显得无比弱智。下面我给你提供两个解决方案，一个手动的，一个自动的手动的方案是去管理Agent的三部分记忆：即时记忆：把重要的信息写到Claude.md，AI永远不会忘记。会话记忆：每次对话完后，要求AI记住相应的信息，需要时候AI就能回忆起来长期记忆：使用llmwiki构建知识库，这种方式能记录大量信息，但AI不一定能回忆起来。但让AI记得住信息还是不够：有时候你的AI可能会被封号（Claude），出bug记忆被清除（OpenClaw）所以，我们还需要备份AI的记忆。这个流程手动做起来十分复杂，但幸运的是我们可以使用开源项目memmy自动化这个过程。这个项目现在已经有快800star了！！下面视频，我们将会了解到 1. 了解这个产品的基本特性 2. 安装并使用备份功能 3. 验证记忆备份的安全性

铁锤人

104,187 Aufrufe • vor 1 Monat

最近在研究怎么把视频剪辑这件事尽量自动化，连续看到三个挺火的 GitHub 项目，video-use、HyperFrames、Generative Media Skills。第一眼看都很香。但 GitHub 项目最容易让我踩坑的地方就是 README。真准备装的时候才发现，依赖多不多，环境麻不麻烦，Issues 里是不是一堆人在踩坑，项目现在到底还有没有人维护，这些往往比 Star 数重要得多。这次我忍住了没急着 clone。先把三个 Repo 和我的问题一起发到 Airtap Ai 的公开测试号 +1 (650) 444-9517，让它替我把 GitHub 里的坑先翻一遍。我没让它简单总结 README，而是让它自己打开 GitHub，把最近的 Commit、安装文档、Issues 和 Maintainer 回复都看一遍。最后只回答我一个问题。如果我要做自动化视频工作流，现在最值得先折腾哪个。 Airtap输出的实地调查结果让我一目了然 : HyperFrames 更偏程序化视频生成，目前看下来比较适合优先试。 video-use 更贴近自动剪辑，但 FFmpeg、Python 和外部服务这些门槛最好提前确认。 Generative Media Skills 覆盖的能力最广，不过更依赖 MuAPI 和 API Key。这也是我现在比较喜欢 Airtap 的地方。它不是再给我生成一份泛泛的三个 GitHub 项目对比总结。而是真的自己打开 GitHub，把我平时最懒得翻的那些东西翻完，再把判断给我。以前看到一个热门 Repo，我的流程基本就是收藏，clone，配环境，发现跑不起来，再回头翻 Issues，半小时没了。现在我更愿意在动手之前，先让 Airtap 替我做一次排雷。安装门槛是什么，常见问题有哪些，最近还有没有人在维护，这些先查清楚。我再决定要不要把今晚的时间花在它身上。对于每天都能刷到一堆新 AI 项目的人来说，我现在需要的已经不是再推荐我 10 个 Repo。而是先帮我排掉那 8 个不值得折腾的。如果也想试，可以把几个 Repo 发到刚才那个公开测试号，让 Airtap 先替你翻一遍。帮我比较这几个 GitHub 项目，不要只看 README，重点检查 Issues、安装依赖和维护情况，告诉我哪个最值得先试。

最近在研究怎么把视频剪辑这件事尽量自动化，连续看到三个挺火的 GitHub 项目，video-use、HyperFrames、Generative Media Skills。第一眼看都很香。但 GitHub 项目最容易让我踩坑的地方就是 README。真准备装的时候才发现，依赖多不多，环境麻不麻烦，Issues 里是不是一堆人在踩坑，项目现在到底还有没有人维护，这些往往比 Star 数重要得多。这次我忍住了没急着 clone。先把三个 Repo 和我的问题一起发到 Airtap Ai 的公开测试号 +1 (650) 444-9517，让它替我把 GitHub 里的坑先翻一遍。我没让它简单总结 README，而是让它自己打开 GitHub，把最近的 Commit、安装文档、Issues 和 Maintainer 回复都看一遍。最后只回答我一个问题。如果我要做自动化视频工作流，现在最值得先折腾哪个。 Airtap输出的实地调查结果让我一目了然 : HyperFrames 更偏程序化视频生成，目前看下来比较适合优先试。 video-use 更贴近自动剪辑，但 FFmpeg、Python 和外部服务这些门槛最好提前确认。 Generative Media Skills 覆盖的能力最广，不过更依赖 MuAPI 和 API Key。这也是我现在比较喜欢 Airtap 的地方。它不是再给我生成一份泛泛的三个 GitHub 项目对比总结。而是真的自己打开 GitHub，把我平时最懒得翻的那些东西翻完，再把判断给我。以前看到一个热门 Repo，我的流程基本就是收藏，clone，配环境，发现跑不起来，再回头翻 Issues，半小时没了。现在我更愿意在动手之前，先让 Airtap 替我做一次排雷。安装门槛是什么，常见问题有哪些，最近还有没有人在维护，这些先查清楚。我再决定要不要把今晚的时间花在它身上。对于每天都能刷到一堆新 AI 项目的人来说，我现在需要的已经不是再推荐我 10 个 Repo。而是先帮我排掉那 8 个不值得折腾的。如果也想试，可以把几个 Repo 发到刚才那个公开测试号，让 Airtap 先替你翻一遍。帮我比较这几个 GitHub 项目，不要只看 README，重点检查 Issues、安装依赖和维护情况，告诉我哪个最值得先试。

我真的没有拼多多

34,775 Aufrufe • vor 1 Monat