Alex | AI Builder

订阅已取消，无语！

兄弟们，我今天刷到一个东西，直接给我整不会了。 GitHub上有个叫 agency-agents 的开源角色库，你知道它现在多少星吗？81万。不是8.1万，是81万。这个数字意味着什么？意味着全球有几十万开发者和AI玩家已经在用了，你还不知道？ 🔗 链接: github.com/msitarzewski/a… 先说这东西是干嘛的。 简单讲，就是一个超级角色提示词库，里面塞了140多个专家级Agent角色。CEO、律师、程序员、产品经理、增长黑客、财务顾问、市场策略师……你能叫出名字的岗位，基本都在里面。每个角色都是精心调教过的，不是那种随便写两句"你是一个律师"就完事的垃圾提示词，是真的有深度、有专业框架的角色设定。 用法也极其简单，三步走： 1️⃣ 打开这个库，找到你需要的角色 2️⃣ 把角色描述直接喂给Claude Code或者Cursor 3️⃣ 开始对话，你的AI瞬间变成那个领域的专属顾问 就这么简单。你在做一个创业项目，不知道商业模式怎么跑通？调出CEO角色问它。合同条款看不懂？调出律师角色让它帮你拆解。代码写不下去？调出高级程序员角色让它review。 但最骚的玩法不是单个角色，是多Agent组团。 你可以同时开几个对话窗口，一个跑CEO视角，一个跑市场总监视角，一个跑财务视角，让他们对同一个问题给出不同角度的判断。这不就是给自己开了一家虚拟公司吗？而且这帮"员工"7×24小时在线，不要工资，不会摸鱼，不会跟你讲情绪。 我自己测试了几个角色，说实话，质量比我预期高很多。 特别是那些商业类角色，给出的框架和思路真的有点东西，不是那种泛泛而谈的废话，是能直接落地用的建议。当然，AI终究是AI，专业判断还是要自己把关，但作为思路启发和初稿生成，这个库的价值真的被严重低估了。 还有一点我必须说——它是完全免费的。 开源、免费、随便用、随便改。在这个到处收费、动不动就订阅的AI时代，这种东西真的越来越少见了。 现在AI工具的核心竞争力已经不是模型本身了，Claude、GPT、Gemini底层能力差距在缩小，真正拉开差距的是你怎么用、用什么角色、给它什么上下文。这个库本质上是在帮你解决"怎么用"的问题，把最难的提示词工程部分给你做好了，你直接拿来用就行。 81万星不是运气，是实力。 还没收藏的，现在去。

NVIDIA 赠送一年NVIDIA DSX Air资源，60vCPU+60G RAM 需使用域名邮箱注册并登录，每7天需要手动续期一次，注册链接放评论区 最大配置96C96G 500GB

@lijinyu_leech 加油

1000 fo达成！🎉 虽然都是互关来的，但这份小里程碑依然值得纪念，慢慢来，坚持下去👊

@ExpLang_Cn 大佬给个码呗

发个福利，每天1000美金额度消耗，残血Claude 支持外接第三方工具，例如OpenClaw、Hermes等 可用模型： claude-opus-4-6-thinking claude-opus-4-7-high claude-opus-4-7-low claude-opus-4-7-max claude-opus-4-7-medium claude-opus-4-7-xhigh claude-sonnet-4-6-thinking 跟合伙人好说歹说申请下来了的API Key 不够用的话可以找我要邀请码自行注册哈～ Key：sk-ef9185c35f9d3aa405e73554aa40ea44590f6505d67773b071a3f81711327416 国内BaseUrl：ccapi.scydao.com 海外BaseUrl：api.ccode.dev

又来一个版本

@imwsl90 还好我当年把邀请码买了换米了

QClaw 暂停更新 之前 Openclaw 火的时候，国内有个知名 AI自媒体人打包了一个桌面端的 Claw 今天看说是停止更新了 怎么说呢？ 做的时候一窝蜂，撤的时候一地鸡毛 再就是这个团队根本就不懂标准化的软件服务的投入是指数级的 服务 10 人 100 人 1000 人 10000 人完全不一样 不知道国内那些大厂的龙虾还能坚持多久？

这是 xAI（Elon Musk 旗下）开源的 X（原 Twitter）"For You"推荐算法 仓库，语言是 Rust。以下是总结： ─── 🔥 核心定位： X 的 "For You" 信息流推荐系统，负责从全网内容中发现你可能感兴趣的内容并排序。 📐 架构分三层： 1. Home Mixer — 编排层，通过 gRPC 接口组装整个推荐流水线（查询→候选→打分→排序） 2. Thunder — 内存级帖子存储，处理你关注的人（in-network）的帖子，亚毫秒级查询 3. Phoenix — ML 核心，基于 Grok 的 Transformer 模型，负责： • 双塔召回：用户塔 + 候选塔 → 向量相似度检索 out-of-network 内容 • 排序：Transformer 预测 14 种互动概率（点赞/回复/转发/点击/不感兴趣/屏蔽等），加权得到最终分数 🧠 关键设计亮点： • 零手工特征 — 完全靠 Grok Transformer 从用户行为序列中学习，没有人手写的特征工程 • 候选隔离 — 打分时帖子之间互不干扰，分数一致且可缓存 • 多行为预测 — 不是单一"相关性分数"，而是预测 14 种行为的概率再加权 • Hash Embedding — 检索和排序都用多哈希函数做嵌入查找 • 2026年5月15日刚更新 — 新增了端到端推理管线、预训练 mini Phoenix 模型（~3GB）、Grox 内容理解管线、广告混排系统 ⚙️ 流水线流程： 查询补全 → 候选来源(Thunder + Phoenix召回) → 特征补全 → 过滤(去重/屏蔽/关键词) → Phoenix 打分 → 多样性调整 → 排序 → 最终过滤(垃圾/暴力) Apache 2.0 许可证，开源了全部代码包括推理管线和预训练模型。

@elonmusk 我的账号怎么了

The latest 𝕏 algorithm has been published to GitHub github.com/xai-org/x-algo…

有没有最适合我的丐版mac mini m4 跑的本地模型， 我是不是有点异想天开了？

@KKaWSB 董明珠没来吗

昨天的晚宴上，C位坐着一个大多数人没见过的湖南女人，她左边是库克,右边是马斯克。 40年前她还是个15岁辍学的农村打工妹。 她叫周群飞，1993年22岁的她拿着两万块,在深圳的一间三室一厅里开了厂。 那时她已经在深圳打了7年工。 5岁丧母。父亲做炸药出了事,眼睛瞎了,两根手指也没了。家里靠父亲编竹背篮过活。 她15岁辍学,跟着舅舅南下广东。 进了一家做手表玻璃的港资厂——澳亚光学。 白天在流水线上磨玻璃,晚上跑去深圳大学夜校。 她考了会计证、电脑操作员证、报关证、驾照。 3年后,她从流水线女工做到了厂长。 厂里来了越来越多老板的亲戚,排挤她。她辞职了。 辞职那天她没什么资本——就两万块,和8个一起从湖南出来的亲戚。 哥哥、姐姐、嫂子、姐夫。 他们租了三室一厅,既是车间,也是宿舍。 她一个人跑销售。揣着一本黄页,挨家挨户拜访表壳厂。 白天推销,晚上回来加班赶工,经常做到凌晨三点。 就这样过了10年。 2003年,一个机会来了。 摩托罗拉要做一款新手机,叫V3。要求薄到不能再薄,玻璃面板要超薄、超平、零瑕疵。 外企的标准把中国所有工厂都筛掉了。 她接了。 她把厂里几乎全部资源压上去,陪摩托罗拉的工程师改工艺,一遍遍打样。 V3全球卖出1亿台。 蓝思科技就此成立。订单从诺基亚、三星接连飞来。 2007年,又一个机会来了。 乔布斯发布了第一代iPhone,要求整块屏幕用一种从没量产过的强化玻璃,弧度、厚度、透光率,每一个参数都在工业极限的边缘。 苹果工程师跑遍全球,没人接。 她接了。 她带着团队和苹果工程师一起攻关三个月,把第一代iPhone的玻璃面板做了出来。 从那以后,iPad、MacBook、Apple Watch——苹果几乎所有玻璃,都交给了她。 她成了全球最大的触控玻璃供应商。 后来,特斯拉来了,宝马来了,奔驰、理想都来了。 汽车的中控、车窗、B柱玻璃,30家车企交给了她。 再后来,人形机器人来了。关节、传感器、外壳。 这就是为什么她坐在那张桌子的C位。 左边是库克——苹果所有玻璃她做了18年。 右边是马斯克——特斯拉的车窗、Optimus的关节,都在她手里。 有人问她,这一路她到底靠什么。 她没说运气,没说时代,没说勤奋。 她说了两个字: "敢接。" 提问的人愣了一下。 她说: "别人嫌麻烦的事,你接。 别人说做不到的事,你接。 摩托罗拉来的时候,中国没人敢接。 苹果来的时候,全世界没人敢接。 你接了,你就会了。 你会了,下一个来找你的人就更大。 机会从来不是'看见'的—— 机会是别人推开,你弯腰捡起来的那个东西。"

@elonmusk 在中国也不睡觉吗

Try this early Grok Build (anything) beta and let us know what to improve. Much appreciated!

好几年的智齿了，到现在都没有拔，看了这个视频感觉很简单啊

@DRbitcoin36 @sharpmark @hubeiqiao 他只是回归，不是刚注册

罗永浩来到 X 不到 1 天，已经有 16 万粉丝，但他只关注了 16 个账号，这 16 位大神到底什么来头😂： 1） @sharpmark 程序员转产品经理，专注软件开发和 AI 工具产品。 2）@Carlos_Gong 独立开发者（indie dev），专注 macOS/iOS 应用开发，结合 AI 辅助 coding（vibe-coding）。 3）@hubeiqiao 产品 builder / EdTech 开发者，专注教育工具（尤其是 AI 英语口语练习）。 4）@gongtongfuyudao Web3/加密货币社区运营者（WojakCTO 中文社区 lead，Neiro 项目 believer），科技/手机爱好者。 5） @ayuan1000 科学、文化、环境记者/撰稿人。 发布数据图表+点评（如各国体育转播费、人口趋势、中国社会议题），常带批判视角。 6）@DashHuang 游戏/互联网创业者，心动网络（Xindong）CEO，TapTap（游戏社区）& VeryCD（老牌文件分享）创始人。 7）@jike_collection 即刻 App（中文社交发现平台）内容聚合账号，非官方。 8） @tinyfool 前程序员（20 年经验，已退休），YouTuber，主打英语学习视频和生活闲聊。 9） @kangkang220 个人账号为主，可能涉及畜牧/农业相关（Bio 提及），体育爱好者（巴萨球迷）。 10）@foxshuo 互联网/科技评论人、作家/播客主，长期观察科技、社会、媒体行业。 11）@Fenng 知名科技博主/产品观察者，曾任多家科技公司高管（支付宝/DBA、丁香园 CTO 等），现运营科技相关公司。 12）@NodYoung 产品/交互设计师，专注设计思考（Design Forward），可能涉及 UI/UX、数字产品设计、文化观察等。 13）@ASTND 独立开发者（Indie Dev），专注极简、高效的工作流工具和软件产品。强调“隐形软件”（用户感觉不到工具的存在）、逻辑与简洁。 剩下三个分别是马斯克、媒体账号 @BBCArchive 和他的旧账号 @realluoyonghao

A股一点面子都不给啊

高家祖宗十八代的脸都让你丢尽了

推荐一个影视站 easysvip.com

@sujing110 这种事情ai就比较擅长了

你用多了多久才看出来哪里有问题的呢？

Gemma 4 现在的确学会了“先打草稿，再交卷”。（MTP） 在传统的 AI 模型里，生成内容就像考试，模型必须老老实实地写完一个字，才能想下一个字怎么写。而 Gemma 4 引入的**多 Token 预测（MTP）**技术，实际上是给大模型配了一个“快手小秘书”。 它是怎么“打草稿”的？ 快手草拟（Drafter）：当你给出一个指令时，一个体积非常小、反应极快的“草拟器”模型会先动笔。它不求逻辑完美，但求速度极快，瞬间就预测出后面可能出现的 3 到 5 个 Token（字符块）。 大模型审阅（Verification）：正主（比如 Gemma 4 31B 或 26B）这时候不再亲自去一个字一个字地写，而是像导师审阅论文一样，一眼扫过草拟器给出的这几个字。 秒批通过：如果大模型觉得草拟器猜得对，就直接“盖章”发布。这一步是并行处理的，一次性验证多个字符，速度比一个一个写快得多。 错则重写：如果草拟器猜错了，大模型才会亲自下场修正。 在不损失模型逻辑能力的前提下，生成速度提升 2 到 3 倍。 优化了移动端执行效率（LiteRT-LM），显著降低边缘设备的推理功耗。 草拟器共享主模型的 KV Cache（键值缓存），不额外占用大量显存，实现了“低成本加速”。 x.com/googledevs/sta…