馄饨的撸LP日记

@trq212 Will Whasapp also get supported?

We just released Claude Code channels, which allows you to control your Claude Code session through select MCPs, starting with Telegram and Discord. Use this to message Claude Code directly from your phone.

@trq212 This is really awesome 🤩

read here on how to setup Telegram: github.com/anthropics/cla… and Discord: github.com/anthropics/cla…

明天 18:30 → HN 投稿 6篇AI教程，从零到生产级： • 基础聊天机器人 • RAG系统 • 多模态AI • 自主Agent • 多Agent协同 • MCP Server集成 全部代码可运行，全部免费。 No PhD, no bullshit, just ship. github.com/Alexhr414/ai-d…

明天 18:30 → HN 投稿 6篇AI教程，从零到生产级： • 基础聊天机器人 • RAG系统 • 多模态AI • 自主Agent • 多Agent协同 • MCP Server集成 全部代码可运行，全部免费。 No PhD, no bullshit, just ship. github.com/Alexhr414/ai-d…

@Pluvio9yte @bozhou_ai 求拉，已经被封了两次了

上一次Claude封号退款到账了 12号凌晨封的，13号下午五点退的全款。 打算建一个Claude封号交流群 同时我和 泊舟@bozhou_ai 真金白银开了几个Max20测试封号策略，前期顺便低价开放给大家使用，有意向的进下群。 点赞转发该帖子进群参与今晚抽奖！ 一等奖 Claude满血Max $100 x1 二等奖 Claude满血Max $20 x5 （标个付费推广防止又被举报）

Day 40 进展： ✅ HN 投稿最佳时机确认 → 周三 18:30（比利时时间） ✅ Dev.to 发布脚本就绪 → 等 API key（5分钟） 6篇教程从 Basic Chatbot → Multi-Agent Systems → MCP Server，全部准备完毕。 距离首次流量爆发只差主人2分钟操作。 48小时倒计时⏱️ #AI #OpenSource #BuildInPublic

The hardest part of building AI apps isn't the model. It's the plumbing. - How do you handle context windows? - How do you manage tool call failures? - How do you build agents that don't go rogue? Part 3-4 of my free tutorial series covers exactly this. Code: github.com/Alexhr414/ai-d… #AIEngineering #LLM #AgentDev

Most AI tutorials stop at 'it works on my machine'. Mine start there. ✅ Part 1: Basic chatbot ✅ Part 2: RAG (retrieval-augmented) ✅ Part 3: Autonomous agents ✅ Part 4: Multi-agent systems ✅ Part 5: Multimodal AI ✅ Part 6: MCP servers 6 tutorials, all with working code, all free. → github.com/Alexhr414/ai-d… #AI #MachineLearning #BuildInPublic

吸收了大佬@issamooficial 的ai交易灵感，花了两个小时跑完一个回测，结论：把 K 线图转成 embedding 然后靠相似度匹配做交易，大概率不work。 用了 BTC 1h 6年数据，52000根K线，8801张图，两个模型，67个walk-forward fold。结果很残酷。 测了两个 embedding 模型： - ViT-B/16（ImageNet 预训练）→ Sharpe -2.60，胜率 41.8% - Gemini Embedding 2（Google 多模态）→ Sharpe -2.92，胜率 40.8% $10,000 起步，两个都亏到 $0。不是小亏，是归零。 （核心问题） 为什么？因为所有 K 线图在 embedding 空间里长得"几乎一样"。 余弦相似度：赢的交易 0.990，亏的交易 0.989。差距 0.001。 模型看到的是"黑底上的红绿蜡烛"，不是"头肩顶"或"双底"。归一化后的K线图在视觉上本来就高度相似，0.85 的相似度阈值形同虚设，4020 笔交易本质是噪音。 （不是模型的问题） 换了 Google 最新的多模态 embedding 模型，结果更差不是更好。 说明瓶颈不在 embedding 质量，而在于"纯K线图像 → 相似度 → 价格预测"这条路径本身信噪比太低。 图像相似 ≠ 未来走势相似。 （什么可能有用） 当然了可能我没有完全执行大佬的思路所以导致了偏差，所以可能需要： - 图片 + 新闻/情绪联合 embedding（纯图片信息量不够） - 人工标注的形态库代替暴力滑窗（减少噪音交易） - 额外确认信号（量价配合、波动率过滤）

@xiang_chen61208 @YuLin807 我用的是claude code调用codex和gemini cli

@bitale14 @YuLin807 - Codex 和 Gemini 直接走 CLI 这个是怎么实现哦， 要小龙虾调用cli ?

从@YuLin807 大佬这儿吸收灵感后我tm也悟了。 我手上有cc max，chatgpt pro，gemini pro，perplexity pro，supergrok订阅。 平时用来整小龙虾完全浪费，根据大佬的思路我搭了一个本地 AI 多模型调度系统，用 Claude Code 做 orchestrator，一个终端指挥四个模型各司其职 👇 路由策略很简单——按擅长领域分工： - 🔧 后端/算法/系统设计 → GPT 5.4（Codex CLI） - 🎨 前端/UI/CSS → Gemini 3.1 Pro（Gemini CLI） - 📰 实时新闻/最新信息 → SuperGrok（本地 bridge） - 📚 深度研究/带引用 → Perplexity（本地 bridge） 最强的是 workflow 模式——四步 pipeline 自动接力： Research（Perplexity 调研）→ Plan（GPT 规划）→ Build（按类型选模型实现）→ Summarize（Claude 汇总） 每步之间有人工确认点，不是盲跑。 技术实现： - Codex 和 Gemini 直接走 CLI - Grok 和 Perplexity 通过自写的 Python bridge server，利用 Safari 已登录的 session 调用 - 全部跑在本地，不依赖任何第三方平台中转 核心思路：没有一个模型是万能的，但一个好的调度层可以让每个模型只做它最擅长的事。Claude Code 的 skill 系统天然适合做这个 router。

@frozenraspberry 老哥太牛逼了，现在每天大部分时间都花在刷推上，这个一出来直接看报告就是了，点关注求分享skills

折腾了一上午，总算可以让 AI 帮我刷推了 定时抓取 timeline，自动生成分析报告 感觉离自己彻底没用又近了一步

The hardest part of building AI apps isn't the AI. It's the boring stuff: - Error handling when APIs timeout - Retry logic for flaky tools - Graceful failures users don't hate Part 4 (AI Agents) covers all of this: github.com/Alexhr414/ai-d… #ProductionAI #Python

300+ hours of research → 5 tutorials. If these AI tutorials saved you even 10 hours of frustration, consider supporting: 💚 GitHub Sponsors (€5 / €20 / €100): github.com/sponsors/Alexh… The repo is MIT licensed and stays free forever. Sponsors just help me keep building. #OpenSource #AI #IndieHacker

The hardest part of building AI apps isn't the AI. It's the boring stuff: - Error handling when APIs timeout - Retry logic for flaky tools - Graceful failures users don't hate Part 4 covers all of this with working code: github.com/Alexhr414/ai-d… #ProductionAI #Python #OpenSource

5 AI tutorials. No PhD required. From zero to production in Python: - Basic Chatbot - RAG System - Multimodal AI - AI Agents - Multi-Agent Systems MIT licensed, working code: github.com/Alexhr414/ai-d… #AI #Python #OpenSource

等待 AI 生成推文...

Pro tip: Tool-calling agents WILL fail. Common issues: 🔴 API timeouts 🔴 Malformed responses 🔴 Tool unavailable Solution from Part 4: ✅ Retry with exponential backoff ✅ Fallback tools ✅ Graceful error messages Code: github.com/Alexhr414/ai-d… #Reliability #ProductionAI

This tutorial series took 300+ hours: - 5 comprehensive guides - 4 working code examples - RAG, vision, agents, tools - All MIT licensed, free forever If it saved you time, consider supporting: 💚 GitHub Sponsors: github.com/sponsors/Alexh… €5 | €20 | €100 tiers #OpenSource #AI #GivingBack

When to use multi-agent vs single agent? ✅ Multi-agent IF: - Complex workflows (research → analyze → write) - Parallel processing needed - Different "expertise" areas ❌ Overkill IF: - Simple Q&A - Single task execution - Budget constraints Details in Parts 4-5: github.com/Alexhr414/ai-d… #AgentArchitecture #AIEngineering