Richy Li

This 𝗖𝗟𝗔𝗨𝗗𝗘.𝗺𝗱 file will make you 10x engineer 👇 It combines all the best practices shared by Claude Code creator: Boris Cherny (creator of Claude Code at Anthropic) shared on X internal best practices and workflows he and his team actually use with Claude Code daily. Someone turned those threads into a structured 𝗖𝗟𝗔𝗨𝗗𝗘.𝗺𝗱 you can drop into any project. It includes: • Workflow orchestration • Subagent strategy • Self-improvement loop • Verification before done • Autonomous bug fixing • Core principles This is a compounding system. Every correction you make gets captured as a rule. Over time, Claude's mistake rate drops because it learns from your feedback. If you build with AI daily, this will save you a lot of time.

很多X推友可能不知道，早在2023年，X的博客网站就公开过X/Twitter的推荐算法，如果你下定决心要认真运营X账号，一定要了解背后的算法流量机制，更有的放矢地制作优质的内容。 一. 整体逻辑：X如何筛选推文？ X每天要从 5 亿条推文中筛出你可能感兴趣的几十条，整个流程分为三步： 挑选候选推文：从海量内容里找出约 1500 条可能和你相关的推文（既包括你关注的人，也包括没关注的人）。 机器学习排序：用一个有 4800 万个参数的神经网络，对这 1500 条推文打分，预测你会不会点赞、转发或回复。 规则过滤与混合展示：过滤掉你不想看的内容（比如已屏蔽用户、成人内容、重复推文），再把广告、推荐关注等内容一起混合显示。 二、候选推文的来源 可以理解为“算法先去哪里找素材”。分两大类： 1. 网络内推荐（你关注的人） 从你关注的人中挑最新、最相关的推文，使用一个叫 Real Graph（真实关系图） 的模型来预测“你和作者之间的互动可能性”。你和谁互动多，他的内容就更容易被推给你。 2. 网络外推荐（你没关注的人） 这是算法的重点创新部分，靠两种方式： （1）社交传播图法（GraphJet）：看你关注的人最近和哪些推文互动，再看那些推文是谁发的。简单说，“朋友的朋友喜欢的东西” 也可能推荐给你。 （2）兴趣相似度法（嵌入空间 Embedding）：用算法把所有人和所有推文映射成数字向量（“兴趣坐标”），看你与某个话题或用户的相似度。 其中最重要的是 SimClusters，它把全站分成约 14.5 万个兴趣社区，比如“科技圈”“韩流圈”“新闻圈”等，每三周更新一次。推文和用户都被标记在哪些社区中，一条推文在某个圈子越火，就越可能被推给同类用户。 三、推文的排序逻辑 当系统得到约 1500 条候选推文后，会用一个大型神经网络模型来打分。 这个模型的目标是：预测你与每条推文的互动概率（点赞、转发、回复等），并据此排序。 它考虑了上千个特征，比如你最近浏览的内容、与作者的关系、推文发布时间、主题类型等。 四、展示前的“微调与平衡” 为了让时间线更自然、不过度偏向某些内容，算法会做一些“人性化调整”： 去重与屏蔽：屏蔽被拉黑/静音账号的内容，或你已经看过的推文。 内容均衡：保持网络内与网络外内容大致各占一半。 作者多样性：防止同一个人连续刷屏。 负反馈降权：你曾经点“不感兴趣”的内容会被系统记住。 社交背书机制（Social Proof）：如果你关注的人没和某条推文有任何二度关系（比如点赞或关注作者），这条推文可能不会被推荐。 对话串联：在回复下方显示原帖，帮助理解上下文。 实时更新：如果推文被编辑，会替换为新版本。 五、最后一步：混合上架 当所有推文都排序、过滤完后，系统还要把广告、关注推荐、提示等非推文内容混合在一起，然后发回你的设备。整个流程在后台每天运行 约 50 亿次，平均每次只需 1.5 秒。 一句话总结： 从原始社交行为数据 → 提取兴趣与信任特征 → 生成候选推文 → 神经网络打分排序 → 规则过滤 → 内容混合展示。

Anthropic 刚刚发布了一份 Claude 的提示词指南，内容简直炸裂。 • 元提示词 • 系统角色 • XML 标签 • 可复用模板 这是指南的链接和其中内容 ↓

Veo 3 ads are going crazy viral. Insane ads just from structured prompt. 10 wild examples:

BBC Verify largely factchecks international stories – what about UK politics - ask Stephen Cushion & Nathan Ritchie theconversation.com/bbc-verify-lar…

After four overhauls and millions of real-world sessions, here are the lessons we learned about context engineering for AI agents: manus.im/blog/Context-E…

とっつきにくい中国全土の国々の移り変わりの歴史も、こうやってマンガでなぞるとテストでもラクショーな気がしませんか？ ご意見・ご指摘・ご要望あれば、リプ欄にお書きください (世界史資料集を片手持って作りましたが、間違いないと言える自信がない笑)

@Summer912_ @ophiryotam 你的這篇研究很有趣，我也在思考揭露是否會影響閱聽人對中立與客觀的表現

🚨 New Publication Alert! 🚨 I'm excited to share that our latest paper (w/@ophiryotam) is now live in Journalism! 🎉We explore if disclosing transparency info about #AI journalism can reduce hostile media bias. journals.sagepub.com/doi/10.1177/14… (1/5)

AI♡ポテト #月曜からポテトML250円 #AIラブポテト ※タップしてご覧ください

My research is available on @ResearchGate: researchgate.net/publication/38…

AIゆりこによる"AI YURIKO NEWS"をお届けします。今回のトピックは #所得制限撤廃 です。 ※これまでの都政での取り組みをわかりやすく広く伝えるために、生成AIによる動画を作成しました。現職都知事として公務に邁進している小池ゆりこ本人に代わって、AIゆりこがお伝えします。

久々動画生成AIを試してみた。【DreamMachine】 私レベルでこのレベルは作れるってのがすごい ２時間くらい遊んでよく見ると粗いけど、素人目では満足いくレベル👌 サービス： ・動画生成：Luma Dram Machine ・画像　　：Midjourney ・編集　　：CapCut ・曲　　　：Suno

Who would've thought this documentary was entirely created by #Kling AI?! 🎬 Let's dive into the world of China's Mukam music and discover its richness together! 🎶🎵

How and why we should bring the living room into our newsrooms: The way to earn trust in our journalism is not more information, it’s connection | Opinion ow.ly/1sHs50SyVhC via Poynter

Imagination is what you need.

現状最新の生成AIを使いまくってMV的なものを作ってみました(内容はめちゃくちゃ)🙌 Tools Utilized ↓ Music : ChatGPT,Sunoai Video : DreamMachine,Gen-3,Kling Image :MJ,SD Edit : Ps,Ae 特に人物とかは大きい画面で見ると粗が目立ちますが、使い方次第でなんとか誤魔化せるかなといった感じ🤔

我很高興能接受《報導者》具有深度且革新意義的專題採訪。 相信這一個專題會成為沖繩與台灣尋求相互理解以及和平的契機。 twreporter.org/a/taiwanyuji-a… 相信讀完整篇報導的讀者都能夠理解我想表達的意思。但如果只擷取部分內容的話，有可能會產生不同的解讀。 因為害怕有所誤會，我想在這邊有幾點想補充→