LifeGPT

874 posts

LifeGPT banner
LifeGPT

LifeGPT

@Life4GPT

Enjoy the world

San Francisco, CA Katılım Mayıs 2009
209 Takip Edilen31 Takipçiler
LifeGPT retweetledi
领哥LingGe🙏
领哥LingGe🙏@shangdu2005·
睡前充电! 最近一直在用Codex开发产品。 这个视频让你直接进入高阶开发。 时长 64 分钟的 OpenAI Codex 大师班来了!
领哥LingGe🙏@shangdu2005

一个老外一口气整理了100个 Claude必装技能! 可以收藏下来,以备后用! 📂 分类一:Awesome 汇总索引社区维护的优质资源目录,按质量筛选: • awesome-claude-code (28.5k⭐) - 最权威生态索引: github.com/hesreallyhim/a… •awesome-claude-skills - 50+ 生产级技能: github.com/ComposioHQ/awe… • awesome-claude-plugins - 插件合集: github.com/ComposioHQ/awe… • awesome-claude-prompts - 4.2k⭐ 提示词: github.com/langgptai/awes… • awesome-claude - 涵盖MCP/技巧全列表: github.com/alvinunreal/aw… • awesome-agent-skills - 1000+ 真实团队技能: github.com/VoltAgent/awes… • awesome-claude-code-subagents - 手选子代理: github.com/VoltAgent/awes… • awesome-claude-code-plugins - 聚焦插件: github.com/ccplugins/awes… • awesome-claude-code - 精选工具与IDE: github.com/jqueryscript/a… • Claude-Code-Repos-Index - 75+ 优质仓库索引: github.com/danielrosehill…

中文
5
113
591
53.7K
老鬼
老鬼@laogui·
刚发现 Craft Agents 已经支持 Codex 和 GitHub Copilot 直接登录了!在 Claude CoWork、OpenClaw 爆火后,本地 Agent 工具井喷,这是我唯一舍不得卸载的工具,因为它实在太好看了。 Craft Agents 由知名笔记软件 Craft 团队出品,UI 极具设计感。现在的 vibe coding 类产品千篇一律,但人家刻在骨子里的设计品味,别人根本复制不来。 不仅支持 Skills 和 MCP,连 REST API 都能无缝接入。底层基于 Claude Agent SDK 和 Pi SDK,能根据不同 LLM 提供商自动切换,支持 Claude、Codex、GitHub Copilot 直接登录,也支持 OpenAI、Anthropic 兼容 API 和本地 LLM。 独创的交互工作流,彻底打破线性对话框,把 Agent 任务做成了“收件箱”式的会话管理,多任务并行极度丝滑(即将发布的 Superset 2.0 已经在“借鉴”了😄)。 如果你想要一个纯本地运行、无需挂载 IM、既高效又赏心悦目的桌面级工作站,用来写代码或管理项目,装这个就够了!比 OpenClaw、Hermes 省心多了。 agents.craft.do
老鬼 tweet media
中文
26
35
307
44.6K
LifeGPT
LifeGPT@Life4GPT·
@laogui 支持 Codex app server 吗?
中文
0
0
0
52
LifeGPT retweetledi
周览资源
周览资源@grgerwcwetwet·
刘强东谈如何管理自己,这一段我深刻学习了!
中文
9
292
1.5K
109.5K
LifeGPT retweetledi
余温
余温@gkxspace·
我的 mac 的工作区,这几个都是必不可缺,看来大家差不多,还有没安装的快装一下: 1. Obsidian:用来做内容存档、搭建个人知识库 2. cc-swtich:管理多个 CLI 工具,管理多家模型供应商 3. Codex :最近更新很频繁,体验也越来越好,而且不封号 4. Ghostty:一个非常丝滑的终端,推荐~ 5. 闪电说 + Typless:前者非结构化,后者结构化,配合使用很爽 6. V2rayN:更加必不可少了,大家都懂
余温 tweet media
Ray Wang@wangray

搞 AI 的工作区是不是都长这样? 1. Obsidian:Notion 已经被淘汰,Ob才是未来 2. Codex :GPT-5.5 很好用啊,买号不怕封,中转也量大管饱 3. Claude Cowork + Code:依旧是生产力之选 4. Ghostty:如此丝滑的终端,iTerm 拜拜 5. 闪电说 + Typless:直接口喷闪电说,结构化总结 Typless

中文
57
129
747
99.6K
LifeGPT retweetledi
Mr Panda
Mr Panda@PandaTalk8·
176 页,50 万次下载,一本能装进手机的深度学习教科书。 日内瓦大学教授 François Fleuret 写的 The Little Book of Deep Learning,是我见过信息密度最高的 AI 入门读物: Part I 基础——机器学习、损失函数、梯度下降、反向传播、Scaling Laws Part II 模型——卷积网络、注意力机制、Transformer、GPT、ViT Part III 应用——图像分类、目标检测、语音识别、文本生成、图像生成 每一页都配图解,每个概念点到即止,不废话。 最适合两类人: 想系统补一遍 AI 底层知识的从业者, 以及被千页教材劝退过的初学者。 它做一件事:把深度学习从 CNN 到 Transformer 到 GPT 的完整脉络,压缩到了一个人能在一周内读完的体量,同时没有牺牲任何数学严谨性。 作者 François Fleuret 的原则很简单——不追求穷尽一切,只讲理解核心模型所必需的知识。 如果你一直想系统学一遍深度学习但被大部头劝退过,这本书可能是最好的起点。 免费:fleuret.org/public/lbdl.pdf
Mr Panda tweet media
中文
14
290
1.3K
146.5K
LifeGPT retweetledi
AB Kuai.Dong
AB Kuai.Dong@_FORAB·
没想到这插件火了。一位日本开发者,做了个谷歌浏览器 Chrome 插件,当你每浏览网页,长达 60 分钟,就会出现猫咪挤占你的屏幕,强制让你休息 5 分钟。 该设计初衷是提醒人们,不要长时间泡在电脑前,名为 Cat Gatekeeper。
Meguro-ku, Tokyo 🇯🇵 中文
197
599
5.5K
621.1K
LifeGPT retweetledi
meng shao
meng shao@shao__meng·
分享一个浏览器可观测性工具 Skill:browser-trace 来自 @browserbase 团队,在你已有主自动化(Playwright、Stagehand、browser skill、bb 等经 CDP 连上的会话)上,再挂一个只读 CDP 客户端,把 DevTools 事件、截图、DOM 快照成体系落盘,供事后用 jq/rg/脚本检索。 skills.sh/browserbase/sk… 技术前提(为什么能「不打断主流程」) 同一个 Chrome DevTools 目标允许多个 CDP 客户端并行。主自动化是一个客户端发指令;这个 skill 的第二个客户端只开观测域(Network、Console、Runtime、Log、Page 等),不发送会改变页面的动作域命令,故与主驱动并存。 三块机制 · Firehose:browse cdp 把 CDP 全量流按行写成 NDJSON(cdp/raw.ndjson)。 · Sampler:定时用 browse --ws screenshot 与 browse --ws get html body(--ws 一次性、不抢常驻 daemon)拉截图与整页 HTML,与事件流并行。 · Bisector(跑完后):bisect-cdp.mjs 扫一遍 raw.ndjson,按 CDP 方法分桶成多份 JSONL;并依顶层 Page.frameNavigated 按「页面段」再切,形成 pages/000/… 等树状结构,便于按导航切片分析。 适用场景 · 自动化失败/卡住/选不到元素/JS 异常需要事后还原。 · 希望在不重启的前提下,对已运行中的会话中途挂上 trace。 · 需要把网络、控制台、DOM/页面、截图用时间戳对齐,做因果推断。 实践上最重要的约束 · 采样间隔不宜过密(建议别快于约 1s,默认 2s 较稳):每次采样都是额外 CDP/截图成本。 · 需要 DOM 域的细粒度树变更 可扩展 O11Y_DOMAINS 加 DOM,但会很吵。 · 跑完即使用户代码崩了,也应 stop-capture.mjs,避免僵尸进程与缺失 stopped_at。 · bisect 对同一 run 可反复跑(幂等覆盖分桶结果)。 · 远程自动化应用 browse --connect 对同一会话,不要每次 browse env remote 新开 session。
meng shao tweet media
derek@derekmeegan

Introducing the /browser-trace skill, Give your agent 100% observability into its browser: dump network requests, DOM content, screenshots, and CDP logs into a searchable filesystem. Great for reverse engineering, autoresearch loops, and monitoring the situation ™️.

中文
5
24
130
12.8K
LifeGPT retweetledi
棚哥说加密
棚哥说加密@LQP2021·
Anthropic官方团队,刚刚公开演示了生产级AI代理的完整搭建流程。 全程仅30分钟,完全免费,由核心工程师亲自上手讲解。 不管是想做Polymarket自动交易代理,还是日常工作流,这场工作坊都值得一看,建议直接收藏。 很多人在预测市场、自动化任务里,花半年时间手动维护每一个流程。 而这次演示,直接把整套复杂工作流变成全自动运行模式。
中文
18
179
683
46.3K
LifeGPT retweetledi
Joruno
Joruno@wsl8297·
在 GitHub 上挖到一门很实用的开源课:Learn Harness Engineering,专门教你给 AI 编程助手搭一套更可靠的“工作台”。 它把 AI 协作拆成五个关键机制:指令、状态、验证、范围、会话,让每次任务都可追踪、可续接、可验证,不再靠运气出结果。 GitHub:github.com/walkinglabs/le… 官网:walkinglabs.github.io/learn-harness-… 课程结构很清晰:12 节理论 + 6 个实战项目,用同一个桌面应用贯穿推进,边做边演进。 从最基础的对比实验起步,逐步把整套工作环境搭起来;每个项目的产出,直接接到下一个项目继续用,越做越稳。 更贴心的是,它还提供可直接复用的模板文件:拷进自己的项目就能上手,不用完整学完,也能立刻提升 AI 的稳定性和可控性。 如果你已经在用 Claude Code 或 Codex 做真实开发,却总觉得 AI 时好时坏、难以复现,这门课很值得花时间看看。
Joruno tweet media
中文
13
363
2.1K
140.1K
LifeGPT retweetledi
Atoms
Atoms@atoms_dev·
Introducing Ads Agent! Everyone sells AI copy. We sell growth. Ads Agent automates the entire Google Ads pipeline: Input: Your PRD or Code. Output: Live, optimized campaigns (Keywords, GA4, Multi-lang). If manual work is the only thing standing between your product and your market, you just found the solution.
English
17
34
76
1.5M
LifeGPT
LifeGPT@Life4GPT·
@anorth_chen 不是指UI自动化,这个用headless没问题;是请教UI测试用例怎么生成呢?
中文
0
0
0
14
North@CreaoAI
North@CreaoAI@anorth_chen·
悲观者正确,乐观者前行。 宝玉老师提出了很多条质疑的点,本着严谨交流的态度,我不介意一一回复。 这篇文章内容涵盖了大量软件工程,因为我们希望把自己AI First如何实践落地的理念分享出来,而不仅仅是一些形而上concept的内容。至于其他AI First的实践,由于篇幅和文章重点无法涵盖所有。 第一,AI提交代码是不需要全部人工回归一遍的。我们会拆细每次PR的影响范围,基本都只会涉及某个功能模块,而不是大范围的修改,这在手写代码时也是基本的软件开发协作规范。 在符合软件工程协作规范下的情况下,AI提交的代码修改完全可以被自动化测试覆盖,不需要担心它会搞崩别的功能。 第二,我们中间的测试/审查/发布确实做到了全部自动化跑通了,所以我们做到了今天这个迭代效率。 第三,我们每次A/B测试的线上监控基础设施也都是完善的,有充足的数据支撑我们做判断。我建议你学习了解下statsig。 第四,你为什么会把大而模糊的任务丢给AI?这个问题非常奇怪,我相信如果你做过管理,也不会把大而模糊,自己都没想清楚的任务丢给员工吧。 第五,系统架构的设计是任何软件工程团队的基本功了,拿出这一条来悲观质疑真的很像在抬杠。 结论是,我们全都做到了。 关于你提到的claude code和codex团队是否有这么搞的问题,事实上我们就是观察到了claude团队极其夸张的迭代效率,以及OpenAI工程团队在今年二月份的分享得到的灵感:openai.com/index/harness-… 你觉得他们有没有也在用这一套呢?为什么你如此笃定AI交付和功能质量必然在对立面? 我们的分享来自于团队脚踏实地实践后的经验,关于我们目前做到了怎样的迭代效率,请看产品changelog:docs.creao.ai/community-and-…
宝玉@dotey

今天刷到这篇文章几次,说点不一样的。与其说 AI First,不如说软件工程 First。 这篇文章看着在讲 AI,底下全是软件工程。 抛开后面讲组织和人的部分,原文前半段的重点简单总结一下: AI 时代,人成了瓶颈。PM 花几周做需求,AI 两小时就能实现,PM 成了瓶颈。QA 测三天,AI 写代码只要两小时,QA 成了瓶颈。团队 25 个人,对手几百人,人力也是瓶颈。 怎么办?把人从链条里拿掉。AI 写代码、AI 审查代码、AI 跑测试、AI 部署上线、AI 监控线上状态,出了问题自动回滚。每天定时扫描日志,自动发现问题、分配任务、跟踪修复。整条流水线跑起来,人只需要在关键节点做判断。 至于文中提到的统一代码库,锦上添花,和 AI First 关系不大。有当然更好,没有也有很多替代方案。 整套方案听下来,逻辑自洽,效果也漂亮:一天部署好几次,功能当天上当天撤,数据说了算。 但先别急着照搬,先对照自己的情况想几件事: 第一,自动化测试。AI 改完代码,你得有办法确认它没搞崩别的功能。测试覆盖不够的话,每次 AI 提交代码你都得人工回归一遍,那速度根本快不起来。 第二,CI/CD 流程。从提交代码到部署上线,中间的测试、审查、发布、回滚,是不是全自动跑通了?这条流水线不通,AI 写得再快,代码也堆在那儿等人手动处理。 第三,A/B 测试和线上监控。新功能上线之后效果好不好,得有数据说话,效果不好得能随时关掉。没有这套机制,AI 一天产出五个功能,你都不知道哪个该留哪个该砍。 第四,任务管理。任务得拆到合适的粒度,生命周期得跟踪得住。一个大而模糊的任务丢给 AI,现在的能力还啃不动。多个 Agent 同时干活的时候,谁做哪个、哪个优先、做到什么程度,这些都得有地方管。 第五,系统架构。架构太乱或者压根没有架构的代码,AI 维护起来跟人一样头疼。上下文塞满了还是搞不清边界在哪,改一处崩三处。 这几条里如果有做不到的,就得靠人去补。补不上,AI First 就只是一句口号。 但假设你全做到了,就能 AI First 了? 还是不行。这套玩法只适合一部分场景。 什么场景适合?后端逻辑为主、界面不复杂的产品,比如 API 服务、数据处理平台、内部工具。功能好不好,跑一下数据就知道,不需要人去盯着每个像素。原文里的就是个 Agent 平台,本质上是后端驱动的产品,可以用这套打法。 再比如早期产品快速试错,功能上了不行就撤,用户预期本来就没那么高,AI 的速度优势能充分发挥。 但很多场景玩不转。 比如 UI 密集的产品。自媒体天天喊前端已死,但你让 AI 做个复杂界面试试,各种易用性问题、交互细节、视觉还原,它搞不定的。否则马斯克靠 AI 早就改了不知道改版 X 多少次了。 比如对功能质量敏感的产品。Anthropic 和 OpenAI 不知道 AI First 吗?他们敢在 Claude Code 和 Codex 上这么搞吗?让 AI 全自动迭代自家的核心产品,用户不骂死才怪。 再比如安全性要求高的场景,银行系统、在线交易平台,AI 代码出个差错,那可不是回滚能解决的。 AI First 的方向没有错,它代表的是一种意识的转变:每做一个决策的时候,想一想这件事能不能让 AI 来做,如果不能,缺什么条件,怎么把条件补上。 但这种意识要落地,靠的不仅是买几个 AI 工具的订阅,还需要把基础搭好。测试、CI/CD、监控、架构、任务管理,这些做扎实了,AI 的能力自然能释放出来。做不好,加再多 AI 也是在沙子上盖楼。 从这个角度看,AI First 的终点未必是让 AI 干所有的活,而是借着这股力量,把你一直想做但没动力做的工程改进,真正推动起来。 仰望星空是好的,但也还要脚踏实地。

中文
13
3
94
26.5K
LifeGPT
LifeGPT@Life4GPT·
@AI_jacksaku 本质上蹭流量,你换个名字的仓库再试试?
中文
0
0
0
1K
阿川 | AI thinking
阿川 | AI thinking@AI_jacksaku·
这个仓库今天爆了, 单日新增5700+星。 它是什么? 一个单独的CLAUDE.md文件, 整理了Andrej Karpathy关于LLM编程的观察和建议。 Andrej是谁? 前Tesla AI总监, OpenAI创始成员, AI领域最会写代码的人之一。 这个skill文件里有什么? LLM编程的常见陷阱 如何与AI结对编程 提示词工程的最佳实践 代码审查的AI辅助策略 简单说,就是AI大神的编程心法。 更狠的是, 这个文件可以直接丢给Claude Code, 让Claude按照Andrej的方式帮你写代码。 不是泛泛的"AI辅助编程", 是顶级工程师的思维模式注入。 为什么今天突然爆火? 因为大家发现, 用AI写代码和用好AI写代码, 完全是两回事。 这个skill就是 bridging the gap。 建议所有的开发者收藏 github.com/forrestchang/a…
中文
34
548
3.4K
330.6K