Ace

@xtony1314 哈？

我以后一定会离开岭南， 广东以前就是流放犯人的，真不是没道理，气候真的恶劣。 自从来了深圳，脸上长痘，头上长痘，鼻孔长痘，背上长痘，连屁眼里都长痘…… 这地方湿气很重，会导致人出油的厉害。 整个广东都不是宜居之地。🥲🥲🥲

谁知道这两个怎么恢复吗，更新完chrome之后没有了，感觉挺方便的

希望之后的公司也可以无限的cc

浏览器里面可以直接连接服务的话，是不是用cc就很方便了

@imedwardluo 挺有意思的哎

@jakevin7 @OpenAI 牛逼

最近几天都会研究claude-code的开源代码

@Xiaoxin031029 可以整个证书吗，貌似没有https

欢迎企业和大户对接 稳定满血CC渠道 ai.duomi.uk 诚意满满

@myanTokenGeek 所以说评估是比设计更难的部分

大家觉得 AI 时代技能方面有没有什么门槛？我感觉好像相关技能都很简单，系统学习也就是几天的学习量，这样的话大家都差不多了，拉不开差距啊。各位怎么看？

New on the Engineering Blog: How we designed Claude Code auto mode. Many Claude Code users let Claude work without permission prompts. Auto mode is a safer middle ground: we built and tested classifiers that make approval decisions instead. Read more: anthropic.com/engineering/cl…

刚跟一位面试官聊完，现在做新产品好像还是跟以前一样陷入路径依赖，在大模型时代，更不可或缺的我认为是： 1.整理并得到正确的信息的方法 在agent serach泛滥的今天，得到信息过于简单，但得到去噪的、真实的数据难为可贵 2.跳出路径依赖，接受新事物并快速验证 过去大家的想法都是经验越久越好，但是这种经验反而很容易被claude等llm所弥补，我们更需要可以快速接受新鲜事物，并快速验证 3.真实的生产级产品的架构思维 vibe出一个demo太过容易，但是一上线就是灾难，我们更需要能够有设计完整架构能力的人，这样有更大的容错去接受AI带来的错误影响

gstack是啥，为啥stack有用呢？ gstack 是 Y Combinator CEO Garry Tan 的 Claude Code 个人工作流工具集，核心理念是把 Claude Code 变成一个优秀的虚拟工程团队。 Garry Tan 声称用这套工具，在兼职运营 YC 的同时，60 天内写了 60 万行生产代码，每天 1-2 万行。 这看起来很夸张，而且这是生产代码，是直接上线使用的，那么为什么他有用呢？ 主要跟Claude的激活机制有关，Claude 的训练数据里有海量的人类写作——包括无数 staff engineer 写的代码审查、YC partner 给创业者的反馈、设计师的批评报告、QA 的 bug 报告。当你说"你是 staff engineer，找生产环境会炸的 bug"，你实际上在做的是激活一个特定的行为分布。模型会从"staff engineer 做 code review"这个模式里采样，而不是从"助手帮用户完成任务"这个更泛的模式里采样。 这两个分布的差异是巨大的： - 助手模式：倾向于夸奖、找到可行方案、让用户满意 - Staff engineer 模式：倾向于挑刺、找边界条件、预测失败 机制一：角色=激活不同的注意力 每个角色天然关注不同的维度：你没法同时以 CEO 的视角（扩大产品愿景）和 CSO 的视角（缩小攻击面）思考。把它们分开，每个视角才能走到极致。 机制二：序列化避免认知干扰 人类专家团队开会，往往一个人说了一半，另一个人岔开话题，最后谁的视角都没走到底。 gstack 的流程是：Think → Plan → Build → Review → Test → Ship每一步完全结束才进入下一步。。每个角色不是从零开始，而是在前人工作的基础上批判。 机制三：强制对抗性思维 你是否在想普通的"帮我 review 代码"也会得到鼓励性反馈。但： - /review 的 persona 是"找生产会炸的 bug"——这个 framing 把默认模式从"找优点"变成"找缺陷" - /plan-ceo-review 会主动质疑你的问题定义，而不是直接解决你提出的问题 - /cso 有明确的 false positive 排除清单和置信度门槛——强制精确，不允许模糊 本质是：把任务的成功标准从"让用户满意"变成"找到问题"。 机制四：具体评分标准 > 模糊指令 /plan-design-review 会对每个设计维度打 0-10 分，并解释"10 分长什么样"。这比"帮我优化设计"强在哪？ 模糊指令：帮我优化设计→ Claude 不知道优化的终止条件，容易给泛泛建议具体标准：信息层次 6/10，10 分应该是 X，现在差在 Y→ Claude 有了明确的 delta，知道要往哪里走 评分系统把"主观审美判断"转化为"有终止条件的工程问题"。 机制五：真实工具打破幻觉 /qa 和 /browse 用的是真实 Chromium 浏览器。 这很重要，因为 LLM 天然倾向于幻觉性地假设代码能工作。让它真的点击按钮、看到真实错误，强制把"我认为它应该工作"变成"我看到它实际上坏了"。 真实反馈回路 > 推理。一个真实的react最能说明问题 总结：为什么一个人能有团队速度 普通用法：一个 Claude，一个视角，试图同时考虑所有事情→ 每个维度都走不深，容易妥协 gstack： 多个专门化的 Claude，串行激活不同分布→ 每个维度走到极致，强制对抗性检查 本质上，gstack 把"一个全能助手"拆成了"多个有偏见的专家"——而有偏见的专家，比全能助手更能发现问题。这也是为什么真实团队里有专门的 QA、专门的安全工程师、专门的设计师。不是因为一个人不够聪明，而是因为专门化的注意力本身就是一种能力。 github.com/garrytan/gstack

还有很多工程上的优化，没有细说，总体来说还是受益匪浅的

最近在看learn-claude-code和open-code的代码，主要推荐learn-claude-code的思想 1."Agent" 从来都不是外面那层代码。Agent 永远是模型本身 他告诉我们，智能源自大脑，而不是源自工具，就像人和动物的区别是能够制造工具进行生产劳动，而不是工具是智能 2.提示词水管工式 "Agent" 是不做模型的程序员的意淫 大多数人学 AI Agent 走偏了。他们在学"如何编排 prompt"，但真正的问题是：如何为一个已训练好的模型构建运行环境？ 3.整个 agent loop 只有 30 行！ stop_reason 是唯一的控制机制。没有状态机，没有条件跳转。模型自己决定何时停。 4.反直觉--压缩效果更好？ 子 agent 的中间推理过程全部丢弃，只返回摘要。"战略性遗忘"比"完整追踪"更有效。 总结：复杂的多 agent 系统，本质上还是那个最简单的循环，这种简单高效让claude code产生别致的美学 github.com/shareAI-lab/le…

我是 Ace (@zmzhace)，一名专注于 AGI 与 Agentic AI 的算法工程师。 我坚信智能体（Agents）是通往 AGI 的必经之路。在过去的一段时间里，我从算子层的性能优化到应用层的复杂 Agent 调度进行了全链路的探索。 目前，我正在寻找【Agent 研发 / 机器人 / AGI 研究】相关的 [全职 / 远程] 机会。 --- 🚀 我在做的核心项目 (Building in Public)： 1️⃣ SeedWorld: 涌现式 LLM 社交模拟引擎 (241+ Stars) 探索 Agents 在资源竞争、名誉系统与社会交互中的自治行为。不设预定脚本，让 Agent 在动态环境中产生“独立意志”。 🔗 GitHub: github.com/zmzhace/SeedWo… 2️⃣ Open-Cowork: 极致效率的 Pure-Vision Computer Agent 桌面自动化智能体。主攻“纯视觉”驱动，摆脱传统的 DOM/API 依赖，实现更通用的计算机操控能力。 3️⃣ memfog: AI 记忆与长短期上下文管理 为 Agent 打造可追溯、高价值的数据记忆中枢，解决 RAG 落地中的“遗忘”与“幻觉”痛点。 --- 💡 我的技术底座与背景： ✅ 工业级 Agent 落地：在【招商基金】主导金融风险领域的 RAG 架构与多 Agent 协作流落地，月均 Token 消耗达 10 亿级。 ✅ 模型对齐与微调：在【阿里巴巴/蔚来】负责 13B 规模模型的 SFT 与 DPO 指令对齐，显著提升指令遵循能力。 技术栈：Python/C++, PyTorch, DeepSpeed, LangChain/LangGraph, FastAPI, React/Next.js. --- 📫 关于我的未来： 我是一个极客型的开发者，口头禅是 "I want to be a PhD"。我热衷于攻坚那些“看起来不可能”的 Agent 交互难题。 如果你在构建最前沿的 AI Agent 产品，或者你的团队正在寻找一名既懂算法底座、又具备全栈开发能力的工程师，请随时 DM 我或通过以下方式联系： 📧 Email: zmzhace@gmail.com 🏠 Blog: zmzhace.github.io #Agent #AI #AGI #BuildInPublic #Hiring

@elonmusk @grok why not light it

Generated with @Grok Imagine 🚬

@yushen686 现在还能撸毛吗，这个冷启动怎么做的

大概想了一下，如果要做一个撸毛skill，他的路径应该是 获取投研信息👉判断是否值得交互👉进行链上交互 当然如果是嘴撸又是另说

@binance just binance it

Rate my Binance drip 🤔