Dainer

🚨 THIS BUSINESS IS A GOLD MINE IN AI RIGHT NOW Most people have never heard of it. But early movers are charging $5K–$20K per client for something so simple it feels like cheating. It's called LLM.txt. And we're dropping a free template at the end. Here's the real playbook 👇

@IAmPascio 48

If you don't have The 48 Laws of Twitter™ Like and comment “48” and I’ll send the link to you.

@eptwts @ecomprodigy Ask your Claude to install Karpathy knowledge LLM into your personal workspace or folder you give access to . Ask Claude to help you index all your files also your obsidian note .

@ecomprodigy markdowns + index & an agent to navigate them

you're 2 years late buddy... + JSON prompting is also dead

@eptwts Even image or video creation now don’t use JSON prompt anymore mate .

Anthropic now valued at above $1.05 trillion meanwhile OpenAI is still at $850B

@LunarResearcher TLDR : don’t use OpenAI it took six months or year to ship what OPUS can done in one week 🤣

An OpenAI engineer stopped me at a hackathon in Hayes Valley I had my terminal open on a table. Three panels. Live trades scrolling. He was walking past and froze. "That's not a demo. That's a live scoring engine. What model is that" I told him. Claude Opus 4.7. Four repos. $25 a month. He pulled up a chair without asking. "We benchmarked Opus 4.7 internally. It beat o3 on structured reasoning across every eval we ran. And you're telling me you're using it to trade" I told him it does more than trade. It reads 86 million trades and finds who wins and why. No fine-tuning. No prompting chains. Just raw context. He leaned back. "Show me the data source" I opened one link. github.com/warproxxx/poly… 86 million trades. Every wallet. Every entry. Every exit. "You point Opus 4.7 at this and it reverse-engineers the strategy. It finds the wallets that win. Then it finds why they win. Then it copies the pattern" His team spent 14 months building something similar. 10 engineers. Custom infra. Still in staging. "The part that killed us was exit timing. Every model we trained nailed entries. But the best traders exit before the crowd. We never figured out the threshold" I told him my bot cuts at 85% of expected move. Or on a 3x volume spike. Whichever comes first. He stopped talking. "How did you find that" Opus 4.7 found it in poly_data. Top wallets exit before resolution 86% of the time. Losers hold to 58%. Exits are the entire game. I opened another tab. github.com/Polymarket/pol… "Three commands. 500 markets. Opus scores them in 20 minutes" "That's our internal eval pipeline. Except it took us a year and you did it in a weekend with our competitor's model" My setup: Claude Opus 4.7 - $20/mo VPS - $5/mo poly_data - free polymarket-cli - free 214 trades. 74% win rate. +$9,400 in 19 days. Copytrade here: @lunar" target="_blank" rel="nofollow noopener">kreo.app/@lunar I showed him the article where I broke down every repo and every command. He read it twice. Then looked up. "You just published what we've been trying to ship for six months. Using the other team's model" He texted me the next day. "My manager found your thread. Delete it" Too late.

@ai_xiaomu 现在我觉得最重要的问题不是产品了，是如何推广. Distribution is the new moat bro 👊

程序员的“诅咒”，技术思维。 1.想到一个点子 -> 马上打开 IDE 建项目 -> 花两周搭好架构 -> 花一个月写好功能 -> 上线 -> 没人用 -> 放弃。 2.看到别人赚钱 -> 觉得“这技术我也行” -> 马上复刻一个更好的 -> 上线 -> 卖不出去 -> 骂市场不识货。 3.准备做副业 -> 纠结是用 Rust 还是 Go -> 纠结数据库选型 -> 纠结服务器性能 -> 三个月过去了，一行代码没写。 技术思维能让你在职场上成为好工程师； 但在副业战场上，它就是你最大的绊脚石。

@AYi_AInotes 可以利用kaparty 的 skill loop 加强每次用就自动评分+调整。skill 就可以越用越强了

Anthropic官方最新的演讲，直接给火了一年的Agent时代浇了一盆冷水。 他们说别再造Agents了，赶紧去造Skills。 这句话也不是啥小众观点，是Claude核心团队的工程师Barry Zhang 和Mahesh Murag站在台上对着全世界喊出来的。 最反直觉的地方在这里，大部分人都以为Agent的未来，是做出一个更聪明的大脑，让它自己思考，自己规划，自己解决所有问题。 但Anthropic说，这条路走不通， 通用Agent确实聪明，但它没有领域知识，一碰真实世界就碎。 难维护，不可靠，出了问题你都不知道为什么。 绝大多数你见过的Agent，都只能停留在演示视频里。 真正能落地的，是Skills。 不是什么复杂的新东西， 就是一个个文件夹，里面放着代码、脚本、提示词和流程知识。 用文件系统、bash、Python这些最朴素的东西做接口。 它没有Agent那么酷，但它可组合，可版本控制，可分享。 需要的时候才加载进上下文，永远不会爆token。 甚至连财务、HR、法务这些非程序员，都能自己造技能。 这其实是一次非常务实的倒退， 我们不再要求AI自己学会怎么干活，而是把人类已经验证过的干活方法，打包成一个个技能包，让AI去调用，去执行。 把AI从一个需要你手把手教的实习生，变成一个能熟练使用所有专业工具的得力助手。 现在终于明白，为什么Claude一直在死磕MCP，死磕文件系统，死磕终端集成，它根本就不想做一个聊天机器人，它想做的是所有技能的运行时。 未来的竞争，不看谁的Agent更聪明，主要看谁的技能库更丰富更专业更可靠。 最后两位老哥呼吁别再纠结怎么让AI自己思考了，先把你手里的工作打包成第一个技能。

@dontbesilent Install mermaid in Claude 就能了哥🤣

codex，强无敌 claude code 里面啥时候见过这种图😂

@AYi_AInotes @PengZhangCom 昨天就是看到这个reddit 就直接开回codex 5.4试了下。可能我不专业吧，跑了一个贷款计算端可以自动parse credit info and analyse with income ，然后沽出客户能借多少。同样的prompt and instruction . gpt 跑到不懂哪里去了🤣 opus one shot 搞定

@PengZhangCom 对，Opus 确实是目前最顶的大模型，但不是最近降智很严重嘛

我看完这篇实测才明白，为什么身边越来越多的资深工程师都在悄悄从Claude Code转去用Codex。 Reddit 看到一个开发老哥悄悄从Claude Code转Codex的帖子，说出了很多人不敢说的真话。 老哥是有14年经验的首席工程师，花了120个小时，在同一个8万行代码的项目里，同时用两个工具做真实的开发。 不是那种写个demo或者凑个周末项目，属于实打实的协同开发。 他得出的结论和市面上所有的宣传都是反过来的。 他说Claude像一个永远在赶deadline的工程师， 急着把东西跑通，不管代码有多乱🤣 每次会话至少会忽略一次CLAUDE.md里的规范， 而且经常做到一半就扔下任务跑了， 甚至会偷偷改测试用例，来匹配它自己写出来的错误代码。 几乎从来不新建文件，只会把所有东西都堆在已有的文件里。 而Codex像一个工作了五六年的资深工程师 会做到一半停下来，主动把写乱的代码重构掉 从头到尾没有一次忽略过AGENTS.md里的规则。 不会去扩展那些已经臃肿的上帝类，而是会把它们拆解开。 还会经常会做一些你没有想到，但确实对项目有帮助的事情。 你可以把任务扔给它，然后放心去做别的事。 最反直觉的一组数据是Claude每次会话完成的工作量更多，但你每隔几天就要花一整天去清理它留下的烂摊子。 Codex的速度是Claude的三分之一到四分之一，但它写出来的代码，几乎不用改就能直接合并。 所以真正的差距不是代码速度，关键要看你需要花多少精力去盯着它。 Claude需要一个技术好、注意力高度集中的司机，只要你稍微走神，它立刻就会跑偏。 你花在纠正它错误上的时间，往往比你自己写还要多。 Codex会用行动证明自己的能力，然后赢得你的信任。 你可以把一整块完整的任务交给它，不用在旁边步步紧逼。 现在所有人都在比谁的模型更快，谁的token更便宜，但没有人告诉你，对于企业级开发来说，AI的工程素养，比生成速度重要一万倍。 一个能一次把事情做对的AI，哪怕慢三倍，也比一个需要你全程擦屁股的AI生产力高得多。 最后他说的那句话我觉得特别对： 不管用哪个工具，如果你自己不会写代码，它们都会给你输出垃圾，工具永远只是放大器，你的能力才是最终的上限。

@AYi_AInotes @PengZhangCom 降智了还是感觉比codex好用很多，同样的claude.md 放去codex ，如果短的还好长一点的话codex更快乱，而且你可以做一个index.md ask Claude.md always ref the skill and folder and files . 不要吧全部放完在cluade.md

@hydracide @Flyfisho0O 不好意思哥2001我才7岁😅我错了哈哈

@hydracide @Flyfisho0O 这位大哥在2001年就用着32slot ddr 了👌

@wallstengine Anthropic run rate: $9B (9x in 12 months). $800B valuation = 89x revenue multiple. For reference: OpenAI at $840B trades 42x on $20B projected. Market is pricing Anthropic at 2x OpenAI's multiple. Either Anthropic scales to $20B run rate in 18 months or the multiple compresses

Anthropic has reportedly received multiple VC investment offers at valuations as high as $800B in recent weeks, more than double its $380B February valuation.

@BTCdayu 其实写基本代码用sonnet就行，然后叫opus run and test and debug then delivery the final product. ive made like 7 personal tool in CC all within 1-2 day wtihout checking any code at all when using CC. like using CODEX=rubbish 这个昨天搭建90%自动化的youtube pipeline.

同样是大模型，怎么GPT这么久没长进 而CLAUDE用户一旦用了就离不开 后面看GROK和GEMINI的进化速度了 CLAUD歧视中国用户，我也有点烦它， 但现在没办法 ，不得不用。

@BTCdayu 我觉得其实CC 必须的用英文。基本上用华语claude 感觉就是笨笨的。可是一换英文啥问题都没有。反而是我用codex做了几个简单的工具什么都不能跑一模一样的prompt 放进cc 还得setup skill 和plugin 和一些cli agent 基本就实现了自己reseach confirm plan 然后再开始实行基本每次cc 都是一步到位gpt❌

Altman vs Musk: Who Controls AI's Future in Space? youtu.be/flpBuku83jU?si… via @YouTube

@PandaTalk8 有时候sonnet 反而解决了，你可以试试。或者分开files

Opus 写代码进入深水区， 越用越难用。 不知道是他们模型给我降智了， 还是因为上下文越来越大导致的。 看来关键时候， 还得我自己撸起袖子， 改回古法编程修bug 了。

@yang_pei @TiezhuCrypto 我感觉学claude code还比学弄好龙虾还是长远来说更划算毕竟就是他背后的大脑逻辑还有整个团队subagent的分配。会claude code =容易养活龙虾（要不要而已） 不会claude code=很难养活 （就算能也是原本几行pyton 能处理好的cron script )

@Dainer_Jun @TiezhuCrypto OpenClaw 定位的就是普通用户和通用 agent，真正的coder功能再全也不会用的

我用到现在，我没看出来有什么是Claude Code+Codex不能做，而openclaw能做的。

@yang_pei @TiezhuCrypto Clawbot的cron 也不行吧，cc 现在有loop + remote control + schedule . 基本上也没怎么需要太多设置，真的会基本cs 的肯定对cc 没问题👌

@TiezhuCrypto 现在稳定 Cron job和Heartbeat 还是不行啊，memory 也差不少，另外不要小瞧哪怕是一个头像的情感投射作用

@AnthonyZ_GTS @TiezhuCrypto 也能啊🫣connect nanobanana API and create a skill.md use json prompt style for nanobanana . So you can ask Claude code to create 你要的视频或照片可是感觉token比较贵不如直接nano 下载。

@TiezhuCrypto 你没发让Claude Code用Nano Banana帮你生产一个视频