Jun@ eth

12.5K posts

Jun@ eth banner
Jun@ eth

Jun@ eth

@junjunjun888888

Metaverse Katılım Ekim 2011
5.2K Takip Edilen2.7K Takipçiler
Jun@ eth retweetledi
阿绎 AYi
阿绎 AYi@AYi_AInotes·
Claude code 之父,大神@bcherny 刚公开了自己的完整工作流, 看完之后我发现,核心就三件事, 但每一件都跟大多数人的直觉相反, 第一,永远选最贵最聪明的模型 听着像烧钱,实际上反过来,聪明模型一次想清楚,笨模型来回试错烧掉的token远超差价。 他的原话:"计划做得好,代码自然好。" 第二,整个团队维护一个纯文本知识库 不是Notion,不是花哨的文档系统,就是一个txt文件。Claude每犯一次错,记一笔,每周更新好几次,这个文件就是团队的长期记忆,Claude不会在同一个地方摔倒两次。 第三,永远让Claude看到自己代码的运行结果 能跑代码,能看浏览器渲染, 他的比喻很准:"你让一个画家蒙着眼睛画画, 画完不让他看,然后怪他画得丑?"
阿绎 AYi@AYi_AInotes

翻墙出来一定要多看优质的信息源,不要只是出来看片!多逛英推区宝藏,看不懂听不懂阿绎给你翻译拆解系列03: 这个创造了Claude Code的男人Boris Cherny大神,完整公开了自己的工作流,并直播演示了一半的编码工作在手机上完成🤪 不是回消息,是同时跑5到10个Claude实例, 用手机启动任务,去喝咖啡,回来代码写好了🤣 他刚公开了自己的完整工作流,看完之后我发现, 核心就三件事,但每一件都跟大多数人的直觉相反: 第一,永远选最贵最聪明的模型 听着像烧钱,实际上反过来,聪明模型一次想清楚,笨模型来回试错烧掉的token远超差价。 他的原话:"计划做得好,代码自然好。" 第二,整个团队维护一个纯文本知识库 不是Notion,不是花哨的文档系统,就是一个txt文件。Claude每犯一次错,记一笔,每周更新好几次,这个文件就是团队的长期记忆,Claude不会在同一个地方摔倒两次。 第三,永远让Claude看到自己代码的运行结果 能跑代码,能看浏览器渲染, 他的比喻很准:"你让一个画家蒙着眼睛画画, 画完不让他看,然后怪他画得丑?" 他的清晨流程:醒来,手机上启动三个任务, 该干嘛干嘛,晚点回来检查。 规划模式起步 → 敲定计划 → 自动接受修改 → 完成 多个Claude实例,一个周密计划,一个共享知识库,没了。

中文
16
213
980
150.7K
Jun@ eth retweetledi
0xAA
0xAA@0xAA_Science·
PolyWorld 发布 48 小时,5,000+ 用户访问,GitHub 100⭐ 应大家的要求,我们上线了中文支持,在设置中一键切换!现在你可以用中文追踪全球预测市场,看"聪明钱"如何用真金白银判断世界大事的走向。 网站: polyworld.bet @Polymarket @PolyWorld_bet
0xAA@0xAA_Science

受 WorldMonitor 启发,我做了一个 Polymarket 世界看板: PolyWorld 有了 PolyWorld,你可以实时看到世界上重大事件对应的预测市场,以及“内幕人士”对事件真实概率的判断,掌握时代脉搏。 网站: polyworld.bet 开源: github.com/AmazingAng/pol… @Polymarket @PolyWorld_bet

中文
28
21
197
47.6K
Jun@ eth retweetledi
Ray Wang
Ray Wang@wangray·
Anthropic 新发的这篇多 Agent Harness 实践值得一读 借鉴 GAN(生成对抗网络)的思路,把 agent 拆成 Generator + Evaluator,解决两个关键问题: 1️⃣上下文焦虑:模型在长任务中越来越差,接近 context 上限时会匆忙收工。解法不是 compaction(压缩对话),而是 context reset——彻底清空,用结构化交接文件把状态传给新 agent 2️⃣自我评价失真:agent 评价自己的产出时永远觉得好。解法是把「做」和「评」分成两个 agent,然后把 evaluator 调成严格模式 两个实验👇 实验一:前端设计(Generator + Evaluator) - 定义了 4 个评分维度:设计质量、原创性、工艺、功能性 - 重点惩罚 "AI 味"(紫色渐变 + 白色卡片这种) - 跑 5-15 轮迭代,每轮 evaluator 用 Playwright 实际操作页面再打分 - 效果:第 10 轮出现了创造性飞跃——荷兰美术馆从普通暗色主题变成 CSS 3D 空间体验 实验二:全栈应用(Planner + Generator + Evaluator) - Planner:1-4 句话 → 完整产品 spec(故意不写技术细节,避免错误级联) - Generator:按 sprint 逐个实现功能 - Evaluator:用 Playwright 像真实用户一样点击测试,打分不过关就打回 给 AI 工程师的三条经验 1️⃣Evaluator 不是固定配置——当任务超出模型 solo 能力边界时才值得用 2️⃣Harness 的每个组件都编码了一个假设("模型做不好 X"),新模型出来要重新验证 3️⃣有趣的 harness 组合空间不会随模型进步而缩小,只会移动——工程师的工作是持续找到新的有效组合
Anthropic@AnthropicAI

New on the Anthropic Engineering Blog: How we use a multi-agent harness to push Claude further in frontend design and long-running autonomous software engineering. Read more: anthropic.com/engineering/ha…

中文
9
141
810
155.1K
Jun@ eth retweetledi
sitin
sitin@sitinme·
硅谷 YC 总裁 Garry Tan 把自己在用的 Claude Code 工作流直接开源了,项目叫 gstack。 一句话:以前是“一个 AI 打工人”,现在是“一个 AI 团队”。 我们用 Claude Code,很容易犯一个错误:什么都让它干。你一句话丢过去:“帮我做个 App”,它就开始写。 最后的结果通常是——能跑,但不高级。 功能有了,但产品不清晰;代码能用,但不优雅;页面能看,但不精致。 本质问题其实很简单:你让一个 AI 同时当 CEO + PM + Tech Lead + Designer + QA。 人类都做不到,更别说模型了。 gstack 解决这个问题的方式很“硅谷”:直接拆角色。 它内置了 12 个 Skill,对应 12 个人格:CEO 想方向、Tech Lead 定方案、设计师看体验、偏执工程师做 code review、发布工程师负责上线…… 每个角色只干一件事,而且干到极致。 我自己在折腾 OpenClaw / 多 Agent 的时候,也慢慢发现一件事:AI 的上限,不是模型,而是“分工”。 更细节一点的地方也挺有意思,比如它没有用 MCP 去做浏览器操作,而是直接搞了个 CLI 工具。 原因也很现实:MCP 每次通信要带一堆协议,Token 消耗特别重。 但 CLI 直接走命令行,纯文本输入输出,干净又省钱。 这种“工程味很重”的优化,其实才是能长期跑生产的关键。 如果你把 gstack 的流程串起来看,其实就是一条完整的“AI 开发流水线”: 想法 → CEO 过一遍 方案 → Tech Lead 审一遍 开发 → Claude 写 质量 → 偏执工程师挑刺 测试 → QA 跑 上线 → 一键发版 复盘 → 每周总结 这已经不是“写代码”了,而是在模拟一个完整的公司。
sitin tweet media
中文
4
48
181
17.9K
Jun@ eth retweetledi
阿绎 AYi
阿绎 AYi@AYi_AInotes·
首富陈江桥看完 demo当场拍板投 3000 万、 狂揽3万Star、号称能预测万物、开源神作的 MiroFish, 到底是个什么神仙项目? 简单来说,它是一个平行数字世界生成器, 它的工作逻辑极具科幻感,只需几步,就能让你过一把当“上帝”的瘾:
阿绎 AYi tweet media阿绎 AYi tweet media阿绎 AYi tweet media阿绎 AYi tweet media
阿绎 AYi@AYi_AInotes

大家还记得半个月前刷屏整个AI圈的传奇故事吗? 二十岁北邮大四学生郭航江,仅凭十天的Vibe Coding, 手搓出了能预演未来的群体智能引擎MiroFish。 上线即登顶GitHub全球趋势榜,狂揽2W+Star, 无数人用它推演红楼梦失传结局,预判舆情发酵路径, 模拟金融市场波动,盛大创始人陈天桥更是在看完Demo的二十四小时内,当场拍板三千万注资。 如果说MiroFish是让AI拥有了精准预判未来的能力, 那这次同一个团队带来的全新技术MSA,就是给AI装上了真正的海马体,彻底终结了困扰行业许久的电子失忆症。 一亿token的上下文窗口,全程性能下降不到百分之九, 这个数字放在整个AI行业里,都是足够炸裂的存在。 目前主流大模型的有效上下文,还卡在十二点八万到一百万的区间,它用端到端的MSA架构,彻底抛弃了传统的RAG外挂,把记忆直接长进了注意力机制里,直接把行业天花板捅到了一亿。 从一万六千到一亿,跨了近四个数量级,已经不是常规的渐进式改良了,等于是换了一套全新的思路,重构了AI的长期记忆能力。

中文
4
10
74
23K
Jun@ eth retweetledi
TGweb3
TGweb3@TGweb3333·
有个量化交易员从自营交易公司辞了,给我发了一个配置文件。 “这是我们内部跑 Polymarket 的策略,一年 40 万美金,你的机器人要是能跑起来,你就不用找工作了。” 我当时不太信。 把配置文件导进我的交易机器人之后就去睡了。 醒来一看 Telegram 消息: “一夜 1240 美元,14 笔交易。” 我用的是这个跟单量化机器人:t.me/PolyCop_BOT?st… 到现在跑了 23 天。 150 美元 → 24640 美元。 他那个完整的配置文件我附在下面了。 导进你的机器人,跑完告诉我结果。
TGweb3 tweet mediaTGweb3 tweet media
中文
8
19
84
15.4K
Jun@ eth retweetledi
阿绎 AYi
阿绎 AYi@AYi_AInotes·
说个暴论:下一个十年,属于一人公司(OPC)的时代,已经彻底来了。 传统创业的游戏规则,已经被AI和开源工具砸得稀碎。 这张清单,就是一人公司的完整基建包,把一家互联网公司需要的全栈能力,给你列得明明白白: • Claude:写代码,搞定全栈开发,每月20美元 • Supabase:后端服务,免费 • Vercel:部署上线,免费 • Namecheap:域名,每年12美元(平摊到每月1美元) • Stripe:支付系统,按交易抽成2.9% • GitHub:版本控制,免费 • Resend:邮件服务,免费 • Clerk:用户认证,免费 • Cloudflare:DNS解析,免费 • PostHog:数据分析,免费 • Sentry:错误监控,免费 • Upstash:Redis缓存,免费 • Pinecone:向量数据库,免费 算下来,一个人启动一家完整的、能跑通商业闭环的公司,每月固定成本只要约20美元。 以前你要开公司做产品,得先组团队、融资金、搭基建。开发、运维、产品、运营、财务,光人力成本一个月就要几十万,还没算服务器、软件的固定开销。 现在倒好,所有这些公司职能,全被AI和SaaS工具打包成了“一键即用”的服务,90%以上都是免费的。 你一个人,就是CEO、产品经理、全栈开发、运营、财务。 不需要融资,不用稀释股权,不用看投资人脸色; 不需要团队,不用搞管理内耗,不用应付办公室政治; 你只需要找到一个能解决用户痛点的需求,把产品做出来,然后收钱。 一人公司的核心,从来不是“一个人干所有活”,而是“一个人掌控所有的决策权和100%的利润”。 它不是小打小闹的副业,是未来十年,最适合普通人的商业形态。 以前创业,是你要凑齐所有条件,才能拿到入场券。 现在创业,是你只要敢动手,20美元就能开干。 从来没有哪个时代,能让一个普通人,用这么低的成本,完全掌控自己的全部商业价值。 你不需要再等别人给你机会,你自己,就是一家公司。
阿绎 AYi tweet media
Vivo@vivoplt

- Claude = coding. ($20/mo) - Supabase = backend. (Free) - Vercel = deploying. (Free) - Namecheap = domain. ($12/yr) - Stripe = payments. (2.9%/transaction) - GitHub = version control. (Free) - Resend = emails. (Free) - Clerk = auth. (Free) - Cloudflare = DNS. (Free) - PostHog = analytics. (Free) - Sentry = error tracking. (Free) - Upstash = Redis. (Free) - Pinecone = vector DB. (Free) Total monthly cost to run a startup: ~$20 There has never been a cheaper time to build.

中文
118
990
3.4K
343.4K
Jun@ eth retweetledi
墓碑科技
墓碑科技@mubeitech·
华尔街的对冲基金经理现在恨死这个人了。 有人刚把一整家交易公司的底层架构发到了网上。 它叫 TradingAgents。 年化收益率 30.5%。 GitHub 标星已经突破三万。 里面装的根本不是一个自动下单软件。 是一个完整的虚拟华尔街机构。 四个 AI 分析师疯狂扫读财报和全网情绪。 看多和看空的研究员在系统里互相吵架。 交易员负责综合意见。 风控团队随时准备一票否决。 最新版本直接接入了 GPT-5.4 和 Claude 4.6。 它在最大回撤和夏普比率上打爆了所有传统基准策略。 华尔街收你 2% 的管理费加 20% 的利润分成。 他们雇一帮常青藤毕业生做的也就是这套流程。 现在这套体系一分钱不要。 金融圈的暴利壁垒被几行开源代码直接砸穿。
墓碑科技 tweet media
中文
85
931
3.6K
355.4K
Jun@ eth retweetledi
阿绎 AYi
阿绎 AYi@AYi_AInotes·
Architects are going to hate this🥹 喵个咪太快了,AI杀到建筑业了,直接干碎了每年5000美元的软件授权费😂 有大神刚开源了一整套完整的3D建筑编辑器,全程在浏览器里就能跑, 不用AutoCAD。不用Revit, 不用每年掏5000美元的软件授权费, 它叫Pascal Editor。 基于React Three Fiber和WebGPU开发, 直接调用本地显卡,跑出接近原生桌面软件的渲染速度。 它的能力完全不输付费工具: → 完整的建筑/楼层/墙体/区域层级体系,支持实时3D编辑 → ECS架构,所有对象通过GPU驱动的更新系统渲染 → 内置Zustand状态管理,完整支持撤销/重做操作 → 基于Next.js开发,部署成网页就能用,完全不用安装桌面软件 → 脏节点追踪技术,只重渲染改动部分,不用每次刷新整个场景 最狠的是,你可以堆叠、拆解、单独查看任意楼层,选中区域拖墙体、改楼板形状,全程3D可视化操作,全程都在浏览器里完成, 建筑事务所为了这套工作流,单套BIM软件每年要付5万美元以上, 而这个工具,完全免费,100%开源,你觉得它会颠覆现在的设计软件市场吗? github 地址放评论区了👇
Guri Singh@heygurisingh

🚨Architects are going to hate this. Someone just open sourced a full 3D building editor that runs entirely in your browser. No AutoCAD. No Revit. No $5,000/year licenses. It's called Pascal Editor. Built with React Three Fiber and WebGPU -- meaning it renders directly on your GPU at near-native speed. Here's what's inside this thing: → A full building/level/wall/zone hierarchy you can edit in real time → An ECS-style architecture where every object updates through GPU-powered systems → Zustand state management with full undo/redo built in → Next.js frontend so it deploys as a web app, not a desktop install → Dirty node tracking -- only re-renders what changed, not the whole scene Here's the wildest part: You can stack, explode, or solo individual building levels. Select a zone, drag a wall, reshape a slab -- all in 3D, all in the browser. Architecture firms pay $50K+ per seat for BIM software that does this workflow. This is free. 100% Open Source.

中文
75
499
2.1K
324.1K
Jun@ eth retweetledi
KK.aWSB
KK.aWSB@KKaWSB·
Anthropic推出"Claude认证架构师",免费考,可以类比成AI领域的AWS认证。 埃森哲培训3万员工、Cognizant推广给35万人、德勤向47万员工开放Claude。这些数十亿美元的咨询公司正在围绕Claude重组团队。 考试不难也不简单:60道题、2小时、全程监考、不能搜索,考的是构建真实生产系统而非跟AI聊天。趁它还没普及,赶紧入手。 开始免费预备课程 →anthropic.com/learn
中文
17
164
675
87.2K
Jun@ eth retweetledi
耳朵
耳朵@RookieRicardoR·
本来我打算写个 Agent 原理和架构的文章, 看完这篇文章我觉得我不用写了,所以推荐大家阅读。
Tw93@HiTw93

x.com/i/article/2034…

中文
3
77
421
235.3K
Jun@ eth retweetledi
Modulatic
Modulatic@modulatic·
The #U1 #DLMM platform @Umbrae_Ignis is now live! Its the first Dynamic Liquidity Market Maker on $base , with $sol integration as well! Umbrae delivers tons of growing features within a multi-chain #DeFi - CeFi hybrid ecosystem. Trade smarter. Provide liquidity efficiently. Earn real yields as 35% of fees will flow back to the community by holding the #U1 token and/or the NFT. Volume will start shortly, so be on time! Umbrae is operational now: Head to umbrae.io and experience the future of decentralized trading. I also advise you to read this article by @Crypto_Nolt in order to learn more about the platforms potential and more: x.com/Crypto_Nolt/st… The revolution in Defi isn't coming. it's here!
English
11
26
68
4.1K
Jun@ eth retweetledi
yishan
yishan@linyishan·
Google Stitch 初体验,燃爆了!!! 我让它根据之前的一个网站,重新设计 Stitch不到一分钟就出了一个DEMO 扫了一眼...... 嗯,简约风,科技感,高级,气质佳 与科技大厂官网不相上下,可以的 导出时,格式选AI Studio 联动AI Studio,全自动生成网站开发提示词 简单确认后,执行开发 不到两分钟时间,完成技术技术选型、框架设计和代码生成 一个质量上乘的科技网站诞生 且已经具备基本的交互和效果呈现
yishan tweet mediayishan tweet mediayishan tweet media
中文
11
33
188
16.1K
Jun@ eth retweetledi
Google AI
Google AI@GoogleAI·
We’re launching a brand new, full-stack vibe coding experience in @GoogleAIStudio, made possible by integrations with the @Antigravity coding agent and @Firebase backends. This unlocks: — Full-stack multiplayer experiences: Create complex, multiplayer apps with fully-featured UIs and backends directly within AI Studio — Connection to real-world services: Build applications that connect to live data sources, databases, or payment processors and the Antigravity agent will securely store your API credentials for you — A smarter agent that works even when you don't: By maintaining a deeper understanding of your project structure and chat history, the agent can execute multi-step code edits from simpler prompts. It also remembers where you left off and completes your tasks while you’re away, so you can seamlessly resume your builds from anywhere — Configuration of database connections and authentication flows: Add Firebase integration to provision Cloud Firestore for databases and Firebase authentication for secure sign-in This demo displays what can be built in the new vibe coding experience in AI Studio. Geoseeker is a full-stack application that manages real-time multiplayer states, compass-based logic, and an external API integration with @GoogleMaps 🕹️
English
465
1.6K
12.3K
4.7M
Jun@ eth retweetledi
0xAA
0xAA@0xAA_Science·
我已经用上了 Claude Code 的 Telegram 插件,巨 TM 丝滑。龙虾危 ⚠️ Claude Code 连接 Telegram 方法: 1. 在 Telegram 上 DM @BotFather (这是生成所有 telegram bot 的地方),输入 /newbot ,然后输入你给bot起的用户名,不能和别人的重复,必须以 bot 结尾,然后他会给你返回一个 token,类似 123456789:AAHfiqksKZ8... 2. 在 CC 上安装 Telegram Plugin,官方给的方法是在 CC 里面输入 /plugin install telegram@claude-plugins-official 。但我没成功,是输入 /plugin ,然后在插件市场找到的,名字就是 telegram。 3. 把刚才拿到的 Telegram token 给插件,在cc里 输入 /telegram:configure 123456789:AAHfiqksKZ8... ,或者直接跟 Claude code 对话,让它帮你配置。 4. 重启 claude code,命令: claude --channels plugin:telegram@claude-plugins-official ,这时你在 cc 可以使用 /telegram 了。 5. 和TG机器人配对:私聊你的机器人(搜你刚才填的 bot 用户名),它会回复你一个6位数的 pairing code。在 CC 中填入 /telegram:access pair ,进行配对。配对成功后,CC会给你发一条消息。 6. 给TG机器人加锁:使用 /telegram:access policy allowlist 让它仅能跟你配对的tg账户对话,其他人不能。 7. 开始在 TG 上和 CC 对话吧! 链接: github.com/anthropics/cla…
Thariq@trq212

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.

中文
102
248
1.5K
265.6K
Jun@ eth retweetledi
比特币橙子Trader
比特币橙子Trader@oragnes·
Claude Code 里最值得研究的,其实不是模型本身,而是 Skills。 我觉得Skills类似当前商店的app,未来会有很多Skills,很快会有付费商店,付费的Skills。 看完 Anthropic 工程师 Thariq 分享的内部经验,我觉得最重要的一点是: Skill 不是“一个提示词”,而是一个可复用的 agent 工作单元。 它可以包含: Markdown 说明、脚本、模板、reference 文档、hooks、配置文件、甚至持久化数据。 这意味着,Skill 的价值不在“教模型说什么”,而在于把团队已经验证过的方法、流程、约束和工具,封装给模型反复执行。 这篇分享最有价值的几条非常实战的经验: 1. 不要写常识,要写“反直觉经验” Claude 本来就懂大量编程知识。Skill 最有价值的部分,是那些团队内部才知道的坑、边界、默认约定、失败案例。 2. Gotchas 是 Skill 里信息密度最高的部分 一个好 Skill,核心往往不是长篇介绍,而是“Claude 最容易错在哪里”。这些 gotchas 应该随着使用持续补充。 3. Skill 要利用文件系统做渐进式暴露 Skill 是文件夹,不是单个 md。你可以把详细 API 签名、模板、脚本、examples、assets 拆开放,让 Claude 按需读取。这样比把所有东西塞进一个提示词强太多。 4. 验证类 Skill 的 ROI 极高 Anthropic 甚至建议,值得让工程师花一周时间把 verification skill 打磨好。 原因很简单:写代码的 agent 很多,能稳定证明“代码真的可用”的 agent 很少。 5. description 是给模型看的,不是给人看的 Claude 启动时会扫描所有 Skill 的 description,再决定什么时候调用。 所以 description 的重点不是“总结内容”,而是“告诉模型什么场景该触发这个 Skill”。 6. Skill 可以有记忆 比如 standup-post skill 可以把历史输出写进日志,下次再运行时就知道和昨天相比变了什么。 Anthropic 也专门提到,持久化数据最好放到稳定目录,而不是技能包本身。 7. 给 Claude 脚本,比给它大段解释更有效 脚本、helper functions、query library,本质上都是在降低 Claude 每次从零推理和重建 boilerplate 的成本。 这样它的 token 就能花在判断和组合上,而不是重复造轮子。 8. 有些 hooks 适合按需启用,不适合常驻 比如 /careful 可以拦危险命令,/freeze 可以限制写文件范围。 这类能力很强,但一直开着会影响效率,所以更适合作为按需激活的 Skill hook。 9. Skill 需要治理,不然很快会烂尾 Anthropic 也提到,坏 Skill 和重复 Skill 很容易越积越多。 他们的做法不是一开始就强中心化,而是先在小范围试用,跑出真实使用量,再决定是否进 marketplace。
比特币橙子Trader tweet media
Thariq@trq212

x.com/i/article/2033…

中文
4
24
106
17.3K
Jun@ eth retweetledi
鱼总聊AI
鱼总聊AI@AI_Jasonyu·
作为一个初代的 UI 设计师,我觉得,Stitch 确实是可以取代了百分之八九十的 UI 设计师了。不信你可以自己试一试!!
鸟哥 | 蓝鸟会🕊️@NFTCPS

设计师也要失业了,Google下场做vibe design(氛围设计)了,Figma和Photoshop要紧张一下了 说个判断:2026年还在手动拖组件画UI的设计师,处境跟2023年还在手写prompt的人差不多——不是不能用,是效率差距已经大到没法竞争了。 Google今天刚更新了 Stitch 2.0(stitch.google),定位"AI原生vibe design工具"。简单说就是:你用自然语言甚至语音描述你想要的界面,它直接生成高保真UI,可交互、可出码、可预览。 地址:stitch.withgoogle.com 我让他给我设计一个蓝鸟会的官网,一句话直接交付! 几个让我多看两眼的点: 1️⃣ 多模态画布 — 图片、代码、文本扔在同一个canvas上,AI能同时理解和推理,不是分开处理的 2️⃣ 上下文感知 — 它能"看到"你画布上所有内容,你选中某个页面让它改,它知道整体风格是什么,不会生成一个画风突变的东西 3️⃣ 语音交互 — 对着它说"把这个按钮换成圆角、配色再暖一点",直接出结果 4️⃣ 即时原型 — 点play按钮直接跑原型,还能根据你鼠标点击的位置自动推理下一个页面该长什么样 5️⃣ 内置设计系统 — 自动生成一致的design token,还支持DESIGN.md导入导出,这意味着它生成的东西是可以接入现有工程体系的 这最后一点很关键。之前市面上的AI设计工具最大的问题就是"生成的东西好看但不能用"——硬编码数值、不响应式、跟现有组件库对不上。Stitch声称生成时就考虑了响应式和断点,mobile-first,流式布局。 当然了,Google出品不代表一定能打。Google砍产品的速度大家都懂。但这次的信号很明确:AI不是设计工具的插件,AI就是设计工具本身。

中文
18
16
88
22.9K
Jun@ eth retweetledi
Bill The Investor
Bill The Investor@billtheinvestor·
谷歌才是AI时代最可怕 的存在! 当所有人都将注意力集中在Claude的逻辑能力时,Google却在默默地将Antigravity打造成了一个全能的逆天产品,还在设置OpenClaw新版本中的CDP?看看谷歌怎么玩自家的Chrome? 比如你给它一句话:给我找到营销这个产品的最佳免费解决方案 它就会:比较最佳方案 ->自己注册第三方网站->完成所有设置->对接->测试效果->持续优化 这才是每一个营销人的梦想,最重要的是:几乎不花钱的Gemini 3 Flash已经能很好胜任所有这些工作 接下来的比拼只有:你这个人类的脑子是否够用!
Bill The Investor tweet mediaBill The Investor tweet media
中文
18
15
151
33.2K
Jun@ eth retweetledi
Thariq
Thariq@trq212·
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.
English
1.7K
2.4K
25.8K
7.5M
Jun@ eth retweetledi
宝玉
宝玉@dotey·
传说中的DeepSeek天才少女、雷军千万年薪挖角的罗福莉也开始发推了。 帖子里最生动的段落是关于她第一次使用复杂 Agent 脚手架的经历。她用的词是:orchestrated Context,编排过的上下文,我理解就是现在比较火的 Harness Engineering。 她说第一天就被震惊了,然后试图说服团队去用,没成功,于是下了一个硬性命令: > MiMo 团队里,明天对话数不到 100 条的人,可以辞职了。 这个管理风格相当激进,但有效。一旦团队的想象力被 Agent 系统的能力点燃,这种想象力就直接转化成了研发速度。 一方面确实霸气,一方面也让我有点意外,原以为大模型团队应该是更积极拥抱这种从传统 Chat 模型到 Agent 模型范式变化的。 其他都是“干货” 1. 提前押注的架构优势 1T 底座模型几个月前就开始训练了,当时的目标是长上下文推理效率。采用了 Hybrid Attention 机制(混合注意力,简单说就是不让所有 token 都互相关注,而是让一部分用全局注意力、一部分用局部注意力,大幅降低计算成本),支持百万 token 上下文窗口,加上 MTP 推理层(Multi-Token Prediction,一次预测多个 token 而不是一个一个蹦,推理延迟和成本都大幅下降)。 这些架构决策在当时并不时髦,但它们恰好成了 Agent 时代的结构性优势。 2. 为什么 MiMo 团队能这么快 罗福莉在做 DeepSeek R1 的时候亲眼见证过的真实总结: — 基座与基础设施研究周期很长。你需要在它产出回报的一年前就有战略定力。 — 后训练的敏捷性是另一种能力:靠产品直觉驱动评估,压缩迭代周期,及早捕捉范式转换。 — 还有那些不变的东西:好奇心、敏锐的技术直觉、果断的执行力、全力以赴。 以及一样很容易被低估的东西:对你正在为之构建的世界,发自内心的热爱。 3. 模型会开源的,等模型稳定到值得开源的时候。
Fuli Luo@_LuoFuli

MiMo-V2-Pro & Omni & TTS is out. Our first full-stack model family built truly for the Agent era. I call this a quiet ambush — not because we planned it, but because the shift from Chat to Agent paradigm happened so fast, even we barely believed it. Somewhere in between was a process that was thrilling, painful, and fascinating all at once. The 1T base model started training months ago. The original goal was long-context reasoning efficiency. Hybrid Attention carries real innovation, without overreaching — and it turns out to be exactly the right foundation for the Agent era. 1M context window. MTP inference for ultra-low latency and cost. These architectural decisions weren't trendy. They were a structural advantage we built before we needed it. What changed everything was experiencing a complex agentic scaffold — what I'd call orchestrated Context — for the first time. I was shocked on day one. I tried to convince the team to use it. That didn't work. So I gave a hard mandate: anyone on MiMo Team with fewer than 100 conversations tomorrow can quit. It worked. Once the team's imagination was ignited by what agentic systems could do, that imagination converted directly into research velocity. People ask why we move so fast. I saw it firsthand building DeepSeek R1. My honest summary: — Backbone and Infra research has long cycles. You need strategic conviction a year before it pays off. — Posttrain agility is a different muscle: product intuition driving evaluation, iteration cycles compressed, paradigm shifts caught early. — And the constant: curiosity, sharp technical instinct, decisive execution, full commitment — and something that's easy to underestimate: a genuine love for the world you're building for. We will open-source — when the models are stable enough to deserve it. From Beijing, very late, not quite awake.

中文
69
177
1.3K
637.2K