Furyfrog retweetledi
Furyfrog
31 posts
Furyfrog
@Furyfrog1993
建筑设计师→产品经理 | Ex 百度·字节 | 做了3年Web3 | 现在 all in AI，在做一个 AI+金融的 Agent产品 随性分享，开心就好
Katılım Ocak 2026
69 Takip Edilen8 Takipçiler
Furyfrog retweetledi
Incredible.
Not a single person in this video is alive.
AI is moving insanely fast.
English
@brucexu_eth 还有个比较关键的点是，主流 claude code 的用法没法脱离本地 terminal 跑在一个独立环境里，而 openclaw 从诞生默认的玩法就是跑在一个非本地的独立环境里
中文
突然想到一个点，你在 telegram 跟 openclaw 对话，跟你在 terminal 跟 claude code 或者 codex 对话，除了后者少了一些集成之外，有什么区别？
中文
AI最先干掉的不是流水线工人，是你。
@AnthropicAI 刚发了一份研究，用Claude的真实使用数据做的：
- 最危险的职业：程序员（75%任务已被覆盖）、客服、数据录入
- 最安全的职业：厨师、调酒师、洗碗工、救生员
- 高暴露群体画像：女性、高学历、高薪、白领
学历越高，薪资越高，反而越危险。
研究生被替代概率是高中生的4倍。
更扎心的是：目前整体失业率没变并
不是没影响，是企业悄悄停止了招新人。
22-25岁年轻人进入高暴露行业的比率已经降了14%。
不裁你，只是不再招新人。温水煮青蛙，比裁员更可怕。
anthropic.com/research/labor…
中文
+1，很多人都天然的被 cli 劝退了觉得只能用来写代码，其实 Openclaw 的几乎所有事 claude code 都能做。而且 claude code 对比 openclaw 足够白盒，有些人觉得 openclaw 的自我进化很惊喜，但当热乎劲过去后，你对他能力边界不够了解的情况下做的事还是在“抽卡”
小互@xiaohu
真正应该学的应该是Claude code 然而由于龙虾被炒作的太猛，大家都在学小龙虾 这就是跟风的结果 一些人跑偏了...
中文
我自己一直在用 Obsidian+Claude code 做知识管理，这几天装了 CLI试了试。说几个不太对的地方：
"AI 终于能真正理解你的知识结构" , CLI 的 search 是关键词匹配，不是语义理解。它比grep 快，但"理解"这个词用大了。你的笔记之间的关系，CLI能告诉你谁链接了谁，但它不懂为什么链。
"以前 AI 要打开每一个文件，token 烧得飞起" 是真的。但问题是：为什么你的AI需要打开上千个文件？如果你的知识体系设计得好，AI 启动时读3个文件就够了，根本不需要搜索。CLI是给仓库造了更好的叉车，但也许你需要的是更小的仓库。
找出孤岛笔记一样感觉没什么用，找出来了，然后呢？
CLI 是好工具。但"Obsidian 在 AI 时代的地位又稳固了"这个结论跳得太快。搜索变快了≠知识管理变好了。
中文
Obsidian 在 AI 时代成了我们的“第二大脑”，现在Obsidian CLI对所有人开放了。
只需要将Obsidian更新最新版，然后在设置中打开CLI页面。
AI 终于能真正理解你的知识结构、笔记间的关系、知识结构，而不只是读到一堆文本，这才真正发挥Obsidan的全部实力。
就比如，以前让 AI 分析我的知识库，它要打开每一个文件。上千个文件一个个读，token 烧得飞起，还只能看到纯文本。
现在用 CLI，查询用的是 Obsidian 预建的索引，速度比文件系统扫描快几十倍：
- obsidian orphans 找出所有孤岛笔记
- obsidian backlinks 看到谁链接了谁
- obsidian tags counts 统计标签使用频率
- obsidian search 全文搜索，0.3 秒出结果
Obsidian在 AI 时代的地位又一次稳固了，还没玩起来Obsidian的朋友也快用起来～
Obsidian@obsdmd
Obsidian 1.12 is now available to everyone! - Obsidian CLI - Bases search - Image resizing - Automatically clean up unused images - Better copy/paste into rich text apps like Google Docs - Native iOS share sheet
中文
我自己一直在用 Obsidian+Claude code 做知识管理，这几天装了 CLI试了试。说几个不太对的地方：
"AI 终于能真正理解你的知识结构" , CLI 的 search 是关键词匹配，不是语义理解。它比grep 快，但"理解"这个词用大了。你的笔记之间的关系，CLI能告诉你谁链接了谁，但它不懂为什么链。
"以前 AI 要打开每一个文件，token 烧得飞起" 是真的。但问题是：为什么你的AI需要打开上千个文件？如果你的知识体系设计得好，AI 启动时读3个文件就够了，根本不需要搜索。CLI是给仓库造了更好的叉车，但也许你需要的是更小的仓库。
找出孤岛笔记一样感觉没什么用，找出来了，然后呢？
CLI 是好工具。但"Obsidian 在 AI 时代的地位又稳固了"这个结论跳得太快。搜索变快了≠知识管理变好了。
余温@gkxspace
Obsidian 在 AI 时代成了我们的“第二大脑”，现在Obsidian CLI对所有人开放了。 只需要将Obsidian更新最新版，然后在设置中打开CLI页面。 AI 终于能真正理解你的知识结构、笔记间的关系、知识结构，而不只是读到一堆文本，这才真正发挥Obsidan的全部实力。 就比如，以前让 AI 分析我的知识库，它要打开每一个文件。上千个文件一个个读，token 烧得飞起，还只能看到纯文本。 现在用 CLI，查询用的是 Obsidian 预建的索引，速度比文件系统扫描快几十倍： - obsidian orphans 找出所有孤岛笔记 - obsidian backlinks 看到谁链接了谁 - obsidian tags counts 统计标签使用频率 - obsidian search 全文搜索，0.3 秒出结果 Obsidian在 AI 时代的地位又一次稳固了，还没玩起来Obsidian的朋友也快用起来～
中文
卧槽
Claude 动手抄 OpenAI 老家了
一键把你在 ChatGPT 攒的记忆全搬走
Anthropic 上线了一个记忆迁移工具（Memory Import），让你把 ChatGPT、Gemini 等 AI 助手里积累的个人偏好和上下文，一键导入到 Claude 的记忆系统里。
众所周知 ChatGPT 的一大核心竞争力就是其 记忆系统 很完善...
你用的越久，GPT越懂你，你越离不开。
Claude这个工具简直是釜底抽薪...
Claude 官方这个工具的最大优势是：直接写入 Claude 记忆系统，不需要绕路，不需要装插件，三步完成。
中文
AI agent 时代，本地是必须，云端是加分项。
短期：本地读写体验碾压云端。让 agent 操作 Obsidian vs Notion，差距一试便知。
长期：未来一个人可能就 1-2 个个人 agent 就够了。这意味着你的 agent会掌握你方方面面的知识，不同领域可以互相结合。数据在本地，agent随你使用不断进化，沉淀你聊过的、做过的、偏好的一切。这是复利。
云端工具调用可以是轻量的，但沉淀必须留在本地。
dontbesilent@dontbesilent
如果现在一个新 AI 产品，要求我把数据沉淀在这个产品里面，而不是本地 那么这些数据面临的是，无法（或者难以）被本地的 agents 处理，当未来 claude code 等工具不断升级之后，也难以找回、复用当时的数据 那么是这个 AI 产品带来的好处大？ 还是它给我造成的数据损失大？
中文
如果现在一个新 AI 产品，要求我把数据沉淀在这个产品里面，而不是本地
那么这些数据面临的是，无法（或者难以）被本地的 agents 处理，当未来 claude code 等工具不断升级之后，也难以找回、复用当时的数据
那么是这个 AI 产品带来的好处大？
还是它给我造成的数据损失大？
中文
I use Claude Code by summarizing each conversation with my checkpoint skill and adding it to my Obsidian daily log. Before bed, use daily-end skill to review the key points from the accumulated daily log and record them in my Claude code memory
Zara Zhang@zarazhangrui
How to make OpenClaw 10x more personalized: 1. Record your meetings and conversations 2. Give transcripts to OpenClaw 3. Ask OpenClaw: based on my transcripts, what can you do to make my life better?
English
@zarazhangrui I use Claude Code by summarizing each conversation with my checkpoint skill and adding it to my Obsidian daily log. Before bed, use daily-end skill to review the key points from the accumulated daily log and record them in my Claude code memory
English
How to make OpenClaw 10x more personalized:
1. Record your meetings and conversations
2. Give transcripts to OpenClaw
3. Ask OpenClaw: based on my transcripts, what can you do to make my life better?
English
这条新闻很多人把焦点放在“1周”用AI做出来上面，但是也要看看为什么能一周做出来。
这个项目能成功，靠的是几个条件同时到位。
首先，Next.js 文档极其完善，Stack Overflow 上积累了海量问答，这些内容早就进了大模型的训练数据，让 AI 实现一个 getServerSideProps，它不会瞎编，因为它确实被训练过。
其次，Next.js 自带几千个端到端测试，团队直接搬过来当验收标准，相当于有了一份可以机器验证的"规格说明书"。
再加上 Vite 本身已经解决了打包、热更新这些底层难题，AI 不用从零造轮子，只需要在 Vite 上面"教"它说 Next.js 的语言。
最后也是最关键的：模型能力到了。
CloudFlare 团队认为几个月前这事还做不了，因为早期模型无法在这么大的代码库里保持一致性，而现在的模型能把整个架构装进上下文窗口，甚至会自己去翻 Next.js 和 React 的内部实现来排查 bug。
这四个条件缺任何一个，效果都会大打折扣。
工作流程其实很简单直接。
工程经理先花几小时和 Claude 讨论架构方案，定好蓝图，然后按模块拆任务：
定义任务、让 AI 写代码和测试、跑测试、过了就合并、没过就把报错扔回给 AI 让它改。
PR 的代码审查也交给了 AI agent，形成了几乎全自动的反馈闭环。
但这不是按一下按钮就完事。AI 经常自信满满地写出看似正确但行为不对的代码，架构决策、优先级判断、识别 AI 走偏了，这些仍然要人来把控。
用博客的原话说：给 AI 好的方向、好的上下文、好的护栏，它就能高产；但方向盘必须在人手里。
Cloudflare@Cloudflare
We rebuilt Next.js in a week. No, really. The team ported the framework to run natively on Workers to prove what’s possible with edge-first architecture. Dive into the technical hurdles we solved to eliminate Node.js dependencies. cfl.re/4ciNc3L
中文