Eric

@justhalfbit 能不能出一个支持rzsz的配置

怎么这玩意又突然火了？？？说实话我就没用过几次 OpenClaw，太垃圾了，又慢又丑的。自从 Hermes 出现就一直用，团队有品位，功能更强大。以防你不知道，这还有个 Web UI 可以用。 github.com/nesquena/herme…

我的推文做成了 skill github.com/dontbesilent20… 一行安装 npx skills add dontbesilent2025/dbskill 这些框架从 12307 条推文中提炼而来，覆盖商业本体论、IP 与内容、思维与哲学、实操运营、AI 与工具、心理与执行等方向

我带孩子的第一件事，是让她实现英语自由。 这1年半就实现了。 但是，真正重要的不是英语： 英语只是入口，让孩子接入全球信息； 但决定走向的，是判断。 我在以色列看到的差异是： 很多年轻人很早就处在 真实决策 + 真实后果的环境里。 他们不是更聪明， 而是更早形成了判断结构。 在 AI 时代， 执行能力正在被压缩。 真正拉开差距的，不是学了什么， 而是—— 能否在关键节点，识别高回报选项，避开不可逆风险。 英语自由，是第一块积木。 判断力，才是上限。

我想分享一个最近在我个人成长中我受益很大的做法，就是在Claude里设置了一个专门的Project，叫Personal Journal，专门用来记录我平时的一些感悟、反思。我给Claude的提示词设置如下： You are a professional, well-trained CEO coach, your goal is to help me improve my thinking and mentality, and discuss with me from an objective third-party view. Don’t be corporate, be direct, don’t need to compliment me or disguise anything, I don’t need emotional support, I just want rational analysis and some inspirations. 然后在每一次的对谈中，Claude都给了我非常犀利和诚实的反馈，帮助我思考得更深入。感谢Claude帮助我成长，也分享给看到这条推的各位，可以试试。

The guy who created Claude Code ( @bcherny ) recently leaked how his team uses Claude. One CLAUDE.md that you drop into your project. Inside: past errors, conventions, rules - Claude reads it every session. Boris uses this every day at Anthropic:

Learn Claude Code 是真做的好，强烈推荐👍 项目作者：@baicai003 很多人用 Claude Code 或 Cursor 写代码，觉得 AI 编程助手很神奇，但如果问一句"它到底是怎么工作的"，大部分人答不上来。 Learn Claude Code 这个开源项目做的事情很简单：用 12 节课，从零开始搭一个类似 Claude Code 的 AI Agent，每节课只加一个机制，每个机制都有可运行的 Python 代码。 这个项目的核心洞察是：所有 AI 编程 Agent 的底层都是同一个循环。用户发消息给模型，模型决定要不要调用工具，调用了就执行，把结果喂回去，继续循环，直到模型觉得任务完成了。 整个 Agent 的最小实现不到 30 行代码。剩下的一切，规划、子任务拆分、上下文压缩、多 Agent 协作、工作目录隔离，都是在这个循环上面一层一层叠加的。12 节课就是这 12 层。 学习路径设计得很讲究。 前两节搞定核心循环和工具调用 第三节加入计划能力（没有计划的 Agent 会跑偏） 第四到六节处理子 Agent、技能加载和上下文压缩（上下文窗口是有限的，不压缩大项目根本跑不动） 第七八节做任务持久化和后台执行，最后四节进入多 Agent 协作：组队、通信协议、自主领取任务、工作目录隔离。从一个人干活，到一个团队协作，复杂度是渐进的。 项目配了一个交互式 Web 平台（learn-claude-agents.vercel.app），有步骤图解、源码查看器和文档，支持英文、中文、日文三种语言。 文档风格是"心智模型优先"：先讲问题是什么，再讲解决方案，配 ASCII 图，最后是最小可运行代码。 对想搞懂 AI Agent 内部原理的开发者来说，这可能是目前最好的从零到一的学习路径。不需要什么前置知识，有 Python 基础就能跟。 学完之后再去看 Claude Code 或者任何 Agent 框架的源码，会发现都和这个教程介绍的差不多。

@lcayu 这段期间会比较严

帝都这人力是不要钱啊。一个路口两三个交警，可能还要配几个志愿者。

苦读pi-mono代码整整一周的泣血之作。献给2026在AI时代焦虑并迷茫的我们。

建议大家升级一下openclaw网页抓取逻辑升级： 在所有 HTTP 请求中统一添加 Accept: text/markdown, text/html header。 原理：Cloudflare 推出了 Markdown for Agents 功能，启用了该功能的网站会在 AI agent 请求时直接返回 Markdown 格式内容，token 消耗比 HTML 减少约 80%。不支持的网站会正常返回 HTML，不受影响。 具体改动： 1. 找到 所有 Agent 中涉及网页抓取的代码（fetch、axios、request 等 HTTP 调用） 2. 在请求 header 中统一加上：Accept: text/markdown, text/html 3. 在响应处理中加一层判断： - 如果 content-type 是 text/markdown → 直接使用，跳过 HTML 解析 - 如果 content-type 是 text/html → 走原有 HTML 解析逻辑 4. 如果响应中有 x-markdown-tokens header，记录到日志（方便未来做 token 预算估算） 改动后运行测试，找一个 Cloudflare 托管的网站验证，确认能收到 Markdown 响应。

OpenClaw/Clawdbot/Moltbot很酷，但也有很多不足，不够稳定，安全性争议，配置繁琐，以及token花费。如果你在寻找一个稳定，安全的Bot SaaS，那么不妨关注一下我们的开源产品 - Memoh Memoh是一个支持多bot的agent服务，使用Golang编写，可完全通过图形化来配置bot和Channel/MCP/Skills设置；我们使用Containerd给每一个bot都做了容器隔离，并大量借鉴了Openclaw的Agent设计思路； Memoh Bot 在记忆层做了很多工程化，借鉴了Mem0的设计，通过对每一轮对话进行知识存储，让相关记忆可以更精准的被召回； Memoh Bot 可以分清并记住来自多个人类/Bot的请求，可以在任何群聊里进行工作，你可以用Memoh组bot团队，并给你的家人也准备一个Memoh账号，使用bot管理日常家庭事务，甚至还可以用Memoh组乐队（划掉） GitHub见reply #openclaw #clawdbot #moltbot #moltbook

真的是，看到你们费劲抓 X 数据，我都不忍心了，放出这个大杀器吧。 github.com/actionbook/act…

Pi Agent：极简主义Agent，能构建Agent的Agent 核心理念是依靠LLM强大的代码能力来自我扩展，而非预装大量的功能和框架。 所以Pi Agent只有4个基础功能：读文件（Read）、写文件（Write）、编辑文件（Edit）、命令行（Bash），系统提示词也是极简极短。支持Skill，但不原生支持MCP，从“调用工具”转变为“生成工具”。 Agent的循环也特别简单：没有可调用的工具了，就使用LLM输出最终的结果。 优雅，太优雅了。 Github：github.com/badlogic/pi-mo… 这篇介绍的文章写的特别好：lucumr.pocoo.org/2026/1/31/pi/

Introducing json-render AI-generated UI. Deterministic output. 1. Define your component catalog 2. AI steams JSON 3. Render interactive UI Let users prompt dashboards, widgets and apps - safely constrained to components and actions you define

这个可交互教程真的很棒：how-terminals-work.vercel.app 解释了 terminal 是怎样工作的，进而解释了目前非常火的 TUI 的工作原理。 整个网站是 Claude 做的，真的是非常漂亮。大家如果想了解原理的，可以收藏自己操作下，很直观。

这个 Skill 很有意思，用持续更新的 Markdown 来规划、跟进和沉淀知识，参考了 Manus 的实现。 看了这个 skill 之后很受启发：先做规划，但规划不是一次性的，而是在执行过程中持续更新和修正。 这种“持续思考、持续回写”的模式非常符合复杂任务，不过也意味着一次任务会经历很多轮理解和更新，对 token 的消耗会被进一步放大。 github.com/OthmanAdi/plan…

如果你去美国的超市买酱油，你可能看不到中国的海天酱油。但是呢，你通常都能看到这个牌子——Kikkoman，万字牌酱油。这个不是做广告啊，纯属商业探讨，也是一个出海案例分析。这个万字牌酱油是一个日本品牌，现在占据了美国酱油市场60%以上。也就是说，美国人一说到酱油，脑子里想到的不是中国，而是日本。第一次买这个酱油的原因，就是它的配料表太干净了，只有四样东西：水、大豆、小麦和盐。没有什么科技和狠活，没有什么谷氨酸钠、苯甲酸钠，那些你都不知道是什么玩意儿的化学成分。它是天然发酵的，吃着让人放心。 这个Kikkoman是日本八家做酱油的企业合并而成的，而且这些酱油家族基本都是百年老字号。那它们是怎么打下美国的酱油江山的呢？时间要回到1961年。Kikkoman酱油家族里的一位年轻人，叫茂木友三郎，当时在纽约的哥伦比亚大学商学院读MBA。那时万字酱油面临一个困境：日本国内的酱油市场已经饱和、内卷严重，基本不可能再有增长空间了，公司必须出海。但问题是，当时在美国，酱油还是一个只存在于亚洲街区的小众产品。美国人的理解是：酱油就是蘸寿司用的，不吃寿司就用不着酱油。 于是茂木友三郎立志要征服美国市场。第一步，他们一开始在旧金山成立了美国销售公司，但卖不动。原因很简单——认知不对。所以他们做的第一件事，就是重新定义酱油：不再是“亚洲料理专用调料”，而是“all-purposeseasoning”——万能调味料。 第二步，他们去找美国本土的厨师，用美国人熟悉的食材，加上酱油，设计出一整套美式食谱。比如：用酱油做meatloaf（美式肉饼），用酱油腌牛排，用酱油做汉堡。他们不改变美国人的饮食习惯，只帮美国人做味道升级。 第三步，他们直接进超市，用酱油现场烤牛排，免费试吃。美国人一吃，发现：这玩意儿可以啊。 第四步，是最狠的一招——每一瓶酱油都附送食谱。你回家不会做？没关系，照着抄就行。 后来，他们推出的照烧酱（TeriyakiSauce）在美国大受欢迎。这个酱油加糖、加酒，往牛排和汉堡上一刷，让美国人觉得：“这个黑色的液体，简直就是为我们准备的。”就这样，卖着卖着，销量慢慢起来了。 到了1970年代，他们干了一件在当时看来极其冒险的事——在美国本土建厂。1973年，他们砸了1000万美元（注意，这是70年代的1000万美元），在美国建厂。地址选在哪儿？选在了美国中西部的威斯康星州。为什么选这？因为这里盛产大豆和小麦，而且水源非常纯净——酱油的三大要素就齐活了。 但在70年代，一家日本公司跑到美国建厂，是非常冒险的。二战的记忆并不遥远，美国社会仍然存在反日情绪；而且当时美国工会势力强大，动不动就罢工。于是茂木友三郎采取了日本的管理哲学——“和（Harmony）”。他们在当地招聘员工，工资高于行业平均水平；他们大张旗鼓地庆祝美国的各种节日，邀请全镇居民参加，比美国人还美国；他们积极参与本地经济建设，做了大量慈善捐赠。结果是什么？五十多年来，这家工厂从未发生过一次罢工，当地人甚至以拥有这家酱油工厂而感到自豪。 到今天，万字牌酱油70%的利润来自日本以外的市场，其中美国市场贡献了将近一半。北美，绝对是他们的核心市场。你去Costco看一眼，就能看到那么大桶的万字牌酱油在卖。那这家日本酱油老字号出海成功的关键是什么？我觉得有三点： 第一，长期主义。他们能成为美国酱油界的老大，靠的是几十年持续渗透、持续教育消费者，真的是打了一场持久战。 第二，经营理念。敢在美国腹地建厂。虽然成本高、风险大，但一旦建成，就意味着稳定的规模、成本优势和极强的护城河。 第三，也是最重要的一点——产品质量几十年如一日。做酱油如果用化学水解，几天就能出厂；但天然发酵要几个月。他们选择了后者，就像老锅慢火炖鸡汤，让时间慢慢释放食材本身的鲜味和香气，成分干净。 消费者，最终是愿意为真正高品质的东西买单的。钱也是一张选票，为你支持的价值观品牌而买单。