cyy
553 posts
Damn，这个必须卧槽一下了，Karpathy 的 CLAUDE.md 只有 65 行，
居然能把 AI 编程准确率从 65% 拉到 94%，
以22 万星标登顶 GitHub 趋势榜，而且绝大多数开发者还没读过，
里面没有一行奇技淫巧，4 条规则全是同一个方向：
→ 先想清楚再写代码
陈述假设，不确定就问，杜绝猜测
→ 从最简方案入手
只写能解决问题的最少代码，不加任何多余抽象
→ 像手术一样精准修改
不碰与需求无关的代码，每行改动都对应明确要求
→ 以目标驱动执行
写第一行代码前，把模糊指令转化为可验证的成功标准
65 行，4 条规则，每一条都在对抗开发者“先写再说”的本能，
本质上是把慢下来这件事变成硬规则，
趁别人还没保存，赶紧先存好 👇
self.dll@seelffff
karpathy's CLAUDE.md hit #1 on github trending. 220,000 stars. most devs still haven't read it. it's 65 lines. it took AI coding accuracy from 65% to 94%. the 4 rules inside: → think before coding state your assumptions. ask when unsure. never guess. → simplicity first write the minimum code that solves the problem. no abstractions nobody asked for. → surgical changes don't touch code unrelated to the request. every changed line must trace back to what was asked. → goal-driven execution turn vague instructions into verifiable success criteria before writing a single line. that's it. 65 lines. 4 rules. 94% accuracy. save this before everyone else does.
中文
我遇到过一次类似的事情。
之前家里的抽水马桶冲洗按键坏了，然后我联系了维修人员，大概描述了一下情况。维修人员直接就说，需要换整个按键联动结构，报价 280 块......
然后我把问题描述发给 ChatGPT，又拍了照片给 GPT 分析。
GPT 对着图，直接说，只要更换一个 按键就可以了。还提示了对应的采购 tips，让我区分两款不同的kon直径，不要买错了。
上 JD 和 PDD 一看，一个按键也就是十几二十块。
JD 上买回来之后，自己稍微裁剪了一点塑料杆，换上去，正正好。
二十来块，解决了这个问题。
20 来块 vs 280 块
这就是AI抹平的信息差
Daisy@Yintinusa
AI不仅对白领工作有杀伤力，对技术人员也有杀伤力，这个人分享的信息就是我们每个人日常生活在美国遇到的： 每个人都在说“去学一门手艺吧”。 以前确实如此——但现在变了. 以前如果你的制冰机坏了，你给当地一家维修公司打电话，你想修一修这台2007年的冰箱上的制冰机，它只是制冰部分坏了，冰箱运行得还很棒。技师来了，拍了张照片，说修不了。然后不管能不能修上门费就收了99美元、然后报价1300美元让你更换制冰机。 而现在我做了每个人都能做的事： 我用ChatGPT搜了型号。 2秒钟： • 确切的替换零件 • 直接的电话号码 • 成本：300美元 安装？ 不用，2个螺丝 10分钟，我自己来 我的泳池加热器也发生了同样的事：维修工报价2000美元。我直接买了零件，自己修，花了不到200美元。 现在的问题已经不在于技术本身，而是让部分掌握信息不对称的人的优势消失了——很多人很多企业可能还没有意识到这一点。 PS：这个信息编辑完，我突然意识到创业的人应该马上要去做一件事情，就是将自己的业务引入到ChatGPT 或者其他AI软件，比如别人问Chatgpt,请帮我搜索并推荐3家靠谱的拉斯维加斯本地展台搭建商，ChatGPT 就会把我的公司信息推荐给大家. 比如别人遇到打印问题需要紧急打印，问AI拉斯维加斯哪家公司可以当天打印或者周末也能打印，Chatgpt就给大家推荐我们的公司等等，具体如何做到我还不懂，这恰好又引出另一个生意机会，懂电脑网络的程序员赶紧看看，如何帮助企业将他的信息做到搜索里面去. 利用SEO原理还是什么？
中文
1997年乔布斯回归Apple，第一件事是砍产品线。从350个产品砍到10个。
台下有人当场骂他：「你根本不知道自己在说什么。」
乔布斯停了几秒，说：「有些对，有些错。」然后讲了一段话，大意是——你得从用户体验出发，往回推到技术，而不是从技术出发去找用户。
这段话在今天看来是常识。但在1997年，Apple濒临破产，所有人都觉得他疯了。
砍掉340个产品，只留10个。这个决策不需要任何新技术，不需要任何新发明。需要的是判断力——知道哪10个该留。
后来的事大家都知道了。iMac、iPod、iPhone，十年内Apple从濒临破产变成全球市值最高的公司。
有人说这有什么难的，不就是做减法吗？谁都会。
对，谁都会。就像谁都会炒菜，但你妈做的菜和米其林三星之间，差的不是锅。
iPod发布那天，Slashdot上的热评是：「没有无线，容量还不如Nomad，垃圾。」这句评论现在被裱在互联网嘴炮名人堂里，和「马不需要被替代」「互联网是泡沫」并列。
把任何一个产品拆成零件，每个零件都不稀奇。触摸屏已经有了，手机芯片已经有了，浏览器已经有了——所以iPhone「就是」现有零件的排列组合嘛。
按这个逻辑，《蒙娜丽莎》就是颜料加木板。你去美术用品店花200块全买齐，回家画一个试试。
奇怪的是，在iPhone之前，有触摸屏的公司、有手机芯片的公司、有浏览器的公司，全球加起来几千家。做出iPhone的，零家。
零件人人都有。知道留什么、砍什么、以什么顺序组合——这叫craft。你可以管它叫手艺，也可以管它叫品味，但你不能管它叫「没有意义」。
最近有人说「女娲.skill」做的「蒸馏」没意义，不就是大模型加Prompt嘛。
听着特别亲切。和当年说iPod是垃圾的那位，用的是同一个句式。
中文
我发现在 AI 时代下，哪怕一个特别小的改动，都会带来指数级别的效能的改进。比如 pi agent，仅仅是把传统的 8 大金刚工具缩减成了 4 大金刚工具，整个范式就发生了翻天覆地的变化
yetone@yetone
再次感叹一下，pi 的 agent loop 只提供四个工具: read, write, edit, bash, 真的是明智极了。其他所有的能力都依赖于 skills，真的是太聪明了，这样还能把 prompt caching 给利用到最大化
中文
@laan860102 其实我很不想说，但是确实时代变了
三个月前我还是人工单层架构指挥ai
现在我都是ai指挥ai，消耗的token指数级增长
中文
作为一名每天消耗上千美金费用的coder
分享下我跑通的完整AI coding SOP，纯自用心得分享
（附所有涉及到的资源地址）
需求阶段:
Gemini（产品经理gems） 这阶段用来聊需求、做PRD、明确产品逻辑
前端设计: 这里我有3套打法，全部分享给大家：
方案1: 设计稿生成 → Figma转代码
用Gemini nano banana/lovart/stitch 直接生成设计稿
让ai工具通过Figma MCP读取设计文件
官方仓库: github.com/figma/mcp-serv…
Figma插件会在Dev Mode自动启动本地MCP服务器(127.0.0.1:3845)
方案2: 对标网站直接参考
找到对标网站截图
用Frontend Design Skill指导Claude生成代码
官方Skill: github.com/anthropics/cla…
这个Skill会让Claude避开AI味的通用设计，做出有辨识度的界面
方案4: 专业设计系统UI UX Pro Max Skill
用UI UX Pro Max Skill
支持Claude/Cursor/Windsurf等多平台
仓库地址: github.com/nextlevelbuild…
内置设计系统生成器，可以按行业生成配色/字体方案
框架设计:
1.Claude Opus 4.5 Plan模式设计总体架构
2.Codex 把Opus的方案给Codex补充细节，再返回Claude生成完整骨架
细节填充:
1. 先用opus跑一遍，把基座跑出来
2.然后是Claude Sonnet完善框架
3.Codex修bug通常一遍过，修不好直接换模型就行
人工审阅:
1.感觉项目完成度差不多的时候，开启单元测试，针对于每个功能进行点对点测试
2.集成测试：整体按照用户旅程进行测试
这两步侧重点不同，缺一不可
编程工具推荐：
1.claude code-必备
2.codex-必备
3.cursor/trae/antigravity/kiro任意选配一个即可
分享完毕，大家有什么更好的方案欢迎补充
中文
一周，终于完成！
自动剧本+角色/角色ID+分镜+配音TTS+BGM+ 自动合成+自动剪辑+自动对口型（接近于，这里用了小技巧）= 自动成片
效果个人还比较满意，忙了一周也挺欣慰的
企业级代码架构（除了SQLite），后续会继续迭代优化！
huangserva@servasyy_ai
今天在视频一致性上，取得了突破 扫走了一天的阴霾 成功在API上创建了角色， 并且使用了角色ID生成了对应的视频， 一致性完全没任何问题
中文
昨天，东北大学的六名学生在中国黄金下属的位于呼伦贝尔的一家选矿厂参观学习浮选工艺流程时，脚下的格珊板突然脱落，学生们掉进浮选槽。虽然事发后全力抢救，但六人救出后宣布已经全部溺亡
浮选是一种矿石遴选工艺，通过泡沫浮选法将矿石与废石进行有效分离，浮选槽深五米至十五米不等，里面矿浆水内含有大量悬浮物、化学药剂和重金属离子，具有腐蚀性和高温，同时自带负压和巨大的搅拌刀
原理简单说就是通过搅拌、充气产生气泡，利用化学药剂让有用的矿石粘在气泡上浮起来后再收集，没用的废石沉下去被排出
说到这里您大概明白了，所谓“溺亡”是新闻报道者给予死者最大的体面，给予死者家属最大的心理呵护
人坠落后不会立即沉没，如同落入沼泽有劲使不上，同时四周没有可抓扶的东西，矿浆水的粘稠密度比水要大得多，人越挣扎下沉越快。里面的化学药剂具有强腐蚀性，对眼睛、皮肤和呼吸道有不可逆的永久损伤
最可怕的是隐藏在矿浆水中的巨大搅拌刀，稍微接触到就会被迅速绞入，最轻也要遭受严重的机械创伤，骨折、肢体断裂、内脏破裂、颅脑损伤，即使保住性命，也会落下永久性伤残
这六个孩子家里今天已经接到通知，据报道有好几个家长闻讯都走不了路了，有的直接瘫倒在地。可以想见花季的年龄瞬间阴阳两隔，搁哪个家长身上都接受不了
据澎湃新闻报道，满洲里的一家殡仪馆说，昨天遗体运来与普通遗体没什么两样，没有遭到什么损坏。但愿如此，这也是家长现在所能遇到的最好结果了
图一标准的浮选槽
图二浮选槽工作区
图三矿浆水近景
图四格珊板
中文
