Jeff
1.5K posts


Best tools for AImaxing
Harness:
- Codex best Desktop App
- Droid best CLI
- Pi best building block
- Opencode best TUI
Models:
- GPT-5.5 best model
- GLM-5.1 & Kimi best reverse engineers
- Deepseek Pro/Flash best cost to intelligence
- Opus-4.7 best for UI / Charts / LLMOps
- Qwen3.6-27B / 35B best local agents
- Gemma-4-31B best local intelligence
Mobile control:
- termius
- codex & ChatGPT
- kittylitter
Service and networking
- tailscale
- cliproxyapi
Tracking usage:
- automation in codex
- codexbar
Plugins, CLIs and MCP:
- computer-use (codex)
- chrome (codex)
- agent-browser (droid)
- Figma MCP (all)
- GitHub CLI (all)
- GMAIL/CAL plugins (codex)
- grill me skill
ADE:
- Warp
- Zed
Current meta:
- vLLM-studio for local agents
- Codex app for /goal and non-coding work
- Droid for coding
- Zed/Warp if I need to read the code
English

在这款工具面前,Codex App的远程操控有点小巫见大巫啊!我现在出门在外只有一部手机,全靠这款远程控制工具!
下面这个视频是我手机上录制的!我直接在手机上用UU远程操控了我的Codex,然后在对话框调用手机键盘配合豆包输入法口喷实现了谷歌2026 I/O 大会新模型新功能的研究。
我还顺利在电脑界面打开了Claude Code,但其实这一步都做麻烦了,因为UU远程还有内嵌的终端功能,在设备页点“更多”就能直接进入终端,完全跳过图形界面,极大程度节省流量。
所以平时Codex或者Claude Code跑长任务我也可以放心出门了,如果想临时添加功能或者关闭进程,用UU远程完全手拿把掐,再搭配上豆包输入法,直接实现一部手机=一台电脑的效率。
唯一不理解的是,它既不收费,也不弹广告,我都好奇他们家是不是不打算盈利了。。。
安装配对也非常简单:电脑谷歌搜索UU远程,手机应用市场搜索UU远程,配对一分钟,简单到我甚至都没想过去截图。


中文

我现在在 Mac 上用的是 MTPLX 版 Qwen3.6-27B,它走 MLX/Safetensors 路线,主要是为 Apple Silicon 优化本地推理和 MTP 加速。
Unsloth 这个版本走 llama.cpp/GGUF 生态,更通用,也更容易被 Ollama、LM Studio 等本地工具加载。
思维怪怪@0xLogicrw
Unsloth 给 Qwen3.6-27B 做了一套支持 MTP 的 GGUF 量化包,让这个 27B 级别的模型可以更方便地在本地通过 llama.cpp 运行。 官方说 MTP 能让 Qwen3.6 的生成速度提升约 1.4到 2.2 倍,并称 Qwen3.6-27B MTP 版本可在约 18GB 内存下运行。
中文
Jeff retweetledi

看到很多人在推荐轻量级代码编辑器,我也来安利一个用了十几年的 macOS 老宝贝 —— CotEditor!
它完全开源,作者 @1024jp 坚持维护十几年。当时的定位就是介于 TextEdit 和 BBEdit 之间,那时候 BBEdit 还很火,VS Code 连影子都没有。
CotEditor 界面干净、不花里胡哨,却把日常最需要的功能做得特别扎实:
- 没有 AI、没有 LSP、没有 Git、没有插件、没有 Terminal,就是一个纯纯纯的文本编辑器;
- 60+ 种语言语法高亮、超强正则查找替换、大纲导航、视图拆分;
- 完美支持 Dark Mode、竖排文本;
- CJK 语言优化极佳,对中文用户特别友好;
- 还能用 Python/Ruby/AppleScript 写简单宏。
官网 coteditor.com 或 Mac App Store 直接下载
github.com/coteditor/CotE…

中文

看懂这块电路板,你就看懂了 AI 接下来要的另一条主线
这两天 X 上一个学生把整个 GPT 烧进了一块板子,没 GPU、没 PyTorch、没一行代码在跑
他叫 Luthira,多伦多大学工程学院本科生,跟同学 Krish Chhajer 一起搞的
板子是 Terasic DE1-SoC,大学本科 FPGA 课的标配教学板
听起来像本科课程作业,确实就是
但他们做完之后,原推 4300 赞、36 万浏览,karpathy 本人都被疯狂进来了
视频和 GitHub 全公开,谁都能点进去验证
但那这事到底牛在哪?
你得先知道 FPGA 是什么
它不是 GPU,是一块可以按设计图把电路连出来的可编程芯片
正常 AI 模型跑起来是这样:权重存在内存里,每次推理把它搬进 GPU,用 PyTorch 调度,CPU 控制循环
他们做的是相反的事,把 GPT 的权重直接刻进 ROM 只读存储器里,等于焊死在硅片上
结果就是这块板子里没有任何程序在跑
没有 PyTorch、没有 CUDA、CPU 也不参与推理循环
通电之后,电流流过那条被设计成 transformer 的电路,token 就一个一个出来
数字也很猛,一秒能吐 5 万多 token
但这里有个必须诚实交代的事
他们烧的不是 GPT-4,是一个字符级的微型 GPT,karpathy 那个用人名数据集训的教学版本
也就是说,那 5 万其实更接近字符,模型规模也是教学级
但社区为什么还是炸了?
因为大家炸的不是模型有多大
是这条路真的通了,一个本科生周末项目就能把transformer 完全做成电路,那这条路放大到工业级会发生什么?
其实这个在工业界早就发生了
你手里那台 iPhone,从 2017 年的 A11 芯片开始,里面就有一块叫 Neural Engine 的电路
它的设计哲学和 GPU 完全不同,专门为某类 AI 任务做的,做不了别的
谷歌 TPU、特斯拉 FSD 芯片、Etched 的 Sohu(按它自家公布数据 8 颗顶 160 颗 H100)都在这条线上
连 OpenAI 自己都坐不住
2026 年三季度他们和 Broadcom 合作的 10GW 自研 ASIC 就要部署,主战场从用 H100 切到造自己的电路
所以 AI 行业其实不是 OpenAI 跟国内大模型那一条主线
它是通用电路跟专用电路的赛局
通用那边 NVIDIA 一家独大
专用这边苹果谷歌特斯拉早就在跑,OpenAI 自己也要切过来,学生项目把这条路演示到了最极端的形态:连权重都焊死
你天天用 iPhone,每次拍照、修图、识别人脸,那块 Neural Engine 都在替你跑这条专用路
你只是从来没把它跟 AI路线之争连起来
这就是这块电路板真正值得你看的地方
luthira@luthiraabeykoon
We implemented @karpathy 's MicroGPT fully on FPGA fabric. No GPU. No PyTorch. No CPU inference loop. Just a transformer burned into hardware, generating 50,000+ tokens/sec. The model is small, but the idea is not: inference does not have to live only in software 👇
中文
Jeff retweetledi

一招教你怎么解决Tailscale + ShadowRocket冲突
1️⃣ 配置ShadowRocket规则
配置 -> 具体的配置文件 -> 规则 -> 添加
类型:IP-CIDR
策略:DIRECT
输入:100.64.0.0/10
保存即可
2️⃣ 关闭TUN模式(可选)
设置 -> 代理设置 -> 代理类型 -> HTTP
3️⃣ 连接Tailscale
如果TUN模式开了,那么需要你先断开小火箭,连接远程ssh的机器,ssh建立连接后,再打开小火箭,这个时候tailscale和小火箭可以并存,ssh也正常
如果TUN模式关了,那么无需断开小火箭,打开tailscale即可连接
中文
Jeff retweetledi

@dingyi 自学习 = system prompt "After completing a complex task (5+ tool calls), fixing a tricky error, or discovering a non-trivial workflow, consider saving the approach as a skill with skill_manage so you can reuse it next time."
English
















