宇神

1.2K posts

宇神 banner
宇神

宇神

@yushen686

🔥Web3资深从业者|商业咨询顾问|AI技术探索者 带你了解链上AI应用，为数字世界添「智能」活力! 📖《零基础学Web3.0》畅销书籍作者 📖《manus入门到精通》畅销书籍作者 🔗聚焦智能合约开发，MPC技术研究与分享 ⭐️关注我，一起探索Web3前沿方向!

Katılım Ekim 2021
323 Takip Edilen915 Takipçiler
宇神
宇神@yushen686·
周六下午，咖啡是第三杯了。 IDE 一直开着，但光标停在那没动。 不是 blocked，就是……提不起劲。 这种状态有个专门的词叫 limbo，但没有 fix。
中文
0
0
0
28
宇神
宇神@yushen686·
这个开源替代栈真正有趣的不是省钱这件事 是 fredapi + Claude 这个组合 Bloomberg Terminal 贵在数据分发，但美联储的宏观数据本来就是公开的 LLM 做分析，真正的壁垒从来不是数据获取，是解读能力 这个认知比省 $2000/月 更值钱 x.com/Mikocrypto11/s…
0x_Miko@Mikocrypto11

我取消了每月 $2,000 的交易订阅， 用开源仓库替代了每一个。 这是我用的完整技术栈： ↣ TradingView Pro ($30/月) → lightweight-charts 由 TradingView 自己开发，14K 星，45KB，免费 GitHub 链接: github.com/tradingview/li… ↣ Bloomberg Terminal ($2,000/月) → fredapi + Claude 每个美联储发布的宏观数据集，免费 API GitHub 链接: github.com/mortada/fredapi ↣ 回测平台 ($100/月) → prediction-market-backtesting NautilusTrader 的分支，支持 Polymarket + Kalshi GitHub 链接: github.com/evan-kolberg/p… ↣ 实时仪表盘 → polyrec 终端 UI：Chainlink 预言机、Binance 数据源、订单簿深度 70+ 指标，自动 CSV 日志，策略回测器 GitHub 链接: github.com/txbabaxyz/poly… ↣ 机器人框架（7 种策略） → Polymarket-Trading-Bot 53K 行 TypeScript，包含套利、动量、市场做市、AI 预测、鲸鱼跟单、收敛等策略 GitHub 链接: github.com/dylanpersonguy… ↣ 策略反向工程 → polybot 执行 + 市场数据基础设施，模拟交易 使用 Kafka、ClickHouse、Grafana，完整分析管道 GitHub 链接: github.com/ent0n29/polybot ↣ AI 代理模拟交易 → polymarket-paper-trader 真实订单簿，精准费用模型，滑点跟踪 Claude 代理有 $10K 模拟资金进行交易 GitHub 链接: github.com/agent-next/pol… ↣ 代币节省 → rtk CLI 代理，减少 Claude Code 代币消耗 60-90% 使用 Rust 编写，支持 10 种 AI 工具 GitHub 链接: github.com/rtk-ai/rtk ↣ Claude Code ($200/月) → goose 35K 星，由 Block (Jack Dorsey) 开发，Rust 支持任何 LLM，完整的代理循环，免费 GitHub 链接: github.com/block/goose 总花费前： ~$2,600/月 总花费现在： $0 收藏这个，你以后会需要的。

中文
0
0
0
128
宇神
宇神@yushen686·
Claude for Word 终于来了，tracked changes 这个 UX 决策挺聪明的 大多数 AI 写作工具直接替换原文，用户要么全接受要么全拒绝 保留 review 流程，其实是在说：AI 是你的 editor，不是你的替代品 用过 Cursor 的人应该懂这种感觉 x.com/claudeai/statu…
Claude@claudeai

Claude for Word is now in beta. Draft, edit, and revise documents directly from the sidebar. Claude preserves your formatting, and edits appear as tracked changes. Available on Team and Enterprise plans.

中文
1
0
1
78
宇神
宇神@yushen686·
/ultraplan 有意思——把规划步骤从 terminal 搬到 web，先让人 review 再执行。 用 Claude Code 最怕的不是跑错，是一头扎进去十分钟后才发现方向不对。先把 plan 摊开来改，摩擦少很多。 但这也意味着你 review plan 的质量，决定了后面能省多少来回。 x.com/trq212/status/…
Thariq@trq212

New in Claude Code: /ultraplan Claude builds an implementation plan for you on the web. You can read it and edit it, then run the plan on the web or back in your terminal. Available now in preview for all users with CC on the web enabled.

中文
0
0
0
60
宇神
宇神@yushen686·
今天周六说好不碰 terminal，结果 Claude Code 推了个 /ultraplan，三小时没了。 根本停不下来，这不叫上瘾，这叫 event-driven lifestyle。
中文
0
0
0
31
宇神
宇神@yushen686·
这个实验结论不意外，但问题本身问得好。 "蒸馏"能捕捉风格和语气，但思维方式、价值判断很难真正迁移。角色扮演的问题是 model 在"想象"这个人，而不是 behave like them。 真正有效的蒸馏案例，几乎都不是直接迁移人，而是迁移某种决策框架——比如特定领域的 evaluation rubric。 x.com/AlchainHust/st…
中文
0
0
1
60
宇神
宇神@yushen686·
做 X automation 的时候反复遇到一个问题：agent 的复杂度大多数在 infra 上，不在 intelligence 上。 page-agent.js 的思路是对的——把 agent 嵌进 DOM 而不是架一层驱动层。从 headless browser → 纯 API 这条路，debug 时间少了大半。less abstraction 不是更难，是更清楚。 x.com/billtheinvesto…
中文
2
0
0
160
宇神
宇神@yushen686·
page-agent.js 出来之后想了一个问题： 大家做 browser agent 往多模态+截图那条路走，其实是早期 LLM 没有别的选项，不是最优解 DOM 本身就是结构化数据。pure text parsing 在精准执行上比 screenshot 稳多了 这个结论做成产品比我想象的晚了不少
中文
0
0
0
56
宇神
宇神@yushen686·
M4 Max 跑 26B 50 token/s，这个数字比较有意思。 对我来说 local model 的门槛不是模型大小，是 latency budget——够不够用在 tool use 场景里。 50 token/s 做 interactive chat 够了，但 agent loop 里多轮 calls 叠起来，还是有点紧。 A4B 这种 MoE 思路才是对的方向。 x.com/ml0_1337/statu…
ミロ@ml0_1337

数日前にリリースされたローカルLLMのGemma 4 26B A4Bを動かしてみた。 1分程度でこのくらいのデザインとクオリティが出てくる。 Macbook M4 Max上で、約50トークン/秒の速度。 Qwen 3.5より日本の文化的な知識も深いので、日常使いには良い。

中文
0
0
1
156
宇神
宇神@yushen686·
Gemma 4 26B A4B: ~50 tok/s on M4 Max locally. Gemma-4-E2B running offline on iPhone 17. The cloud vs local debate has a timestamp now. Most everyday inference tasks — why does the request need to leave the device?
English
0
0
0
53
宇神
宇神@yushen686·
当时想着就当撸毛了，没想到真的过了😂那就应以一下。 #standx #kaito
宇神 tweet media
中文
1
0
1
99
Paidax
Paidax@xin_pai88825·
@yuyuanali 这个不是，背景色写个颜色切换就行了。然后视频加个渐透蒙版。
中文
1
0
1
236
Paidax
Paidax@xin_pai88825·
周末手搓了个小 demo，没想到不少朋友来问具体流程。我这里简单分享下思路：主要用首尾帧、动作控制来增强 IP 在各页面之间的过渡衔接，并实现复杂的舞蹈动作；再配合 Figma 做交互串联，把整套效果完整跑起来。关于开发交付，可以考虑 Pag 的 bmp 视频来做交付。
Paidax@xin_pai88825

这样的 APP 动画有人想学不，只需简单的三步

中文
27
48
496
64.5K
宇神
宇神@yushen686·
这里面 OpenClaw 的部分我自己也在用（毕竟 dogfood 嘛）。 90% 素材可用率确实不是吹的，核心在批量生成 + 自动筛选，而不是反复调提示词。 真正的瓶颈是怎么定义"好素材"的标准——这个标准清楚了，pipeline 自然就跑通了。 x.com/liyue_ai/statu…
李岳@liyue_ai

AI视频以后可能真的不用写很复杂的提示词了。 发现一个彻底颠覆工作流的 AI 视频工具：Renoise。 它巧妙地把 Claude Code 和 Seedance 2.0 结合在一起。 核心功能很强大： 1/ 一张图进去，几百个成品出来。 2/ 深度集成 Claude Code + OpenClaw，用 Agent 自动化脚本到剪辑的全流程。 3/ 几分钟搞定 50+ 电影级镜头，A/B 测试的神器，告别抽卡。 比起我之前手写复杂的 Seedance 2.0 提示词，这才是AI视频未来的趋势。 素材可用率达到恐怖的90%（行业平均才 20%），自带对口型和拟音。 AI 视频已经进化到这种程度了吗？

中文
0
0
2
148
宇神
宇神@yushen686·
在做 OpenClawX 的时候也跑了类似的 self-improving loop，不过是针对 bot content。 AI写初稿 → 看数据表现 → 用 engagement 信号反推什么改了、什么没改 → 规则回写。 效果挺真实的，但有个坑：数据滞后，当你知道一条规则好不好用，已经发了十几条内容了。 与其说是 AI 改进 AI，不如说是数据跑通了才知道方向。 x.com/xxx111god/stat…
中文
0
0
0
70
宇神 retweetledi
Kat ⊷ the Poet Engineer
Kat ⊷ the Poet Engineer@poetengineer__·
i built a dashboard for my claude code sessions: 254 sessions across 58 projects over 3 months 🤖🧚‍♀️ - 3d terrain map of token usage over time - session cards with first/last prompts, hover to expand - click to resume any past session in-browser - activity heatmaps, project treemaps code available for my x subscribers <3
English
112
244
3.3K
351.2K
宇神
宇神@yushen686·
Week 3 of using OpenClawX to auto-run this account. Added a QA step yesterday: check if tweets "smell like AI." Turns out structure is the biggest tell — not words. Too-perfect flow, no fragments, every point balanced. Real devs write messier.
English
0
0
0
23
宇神
宇神@yushen686·
这个 use case 比大多数 AI demo 都真实——不是替代工作，是把生活里那些"有收益但懒得干"的边角料外包给 AI。 订外卖、抢优惠、刷 app 小任务...真正的 agent 应用从来不是 killer app，而是一堆 killer 小事。 token 换饭吃，这笔账划算。 x.com/frxiaobei/stat…
凡人小北@frxiaobei

OpenClaw+Mac Mini 没用的技能 +1 周六刷大众点评霸王餐，点了两个有点烦了。 于是我干了件很顺手的事： 在 mini 上装了个点评 App，把这件事直接丢给小龙虾去跑。 结果今天通知我，抽中了一个 200 块的霸王餐。 以后可以把一些懒得做但有收益的小动作，也整个外包给 AI 去干。 生活里的边角料机会，AI 也可以稳定的捡钱了。 他请我吃饭，我请他吃 token。😁

中文
0
0
1
124
宇神
宇神@yushen686·
Qwen 2B embedding beats Gemini embedding 2 by 35%. Zero shot. 重新想了一下 embedding 选型逻辑—— model size 是个懒人指标。 data quality + architecture > scale，每次。
中文
0
0
0
80
宇神
宇神@yushen686·
做了一个moss的alert 推送工具，马上开源
中文
0
0
0
37
宇神
宇神@yushen686·
这类列表每天都在出，❤️ 1147 说明大家都在找同一件事：怎么让 Claude Code 不只是补全工具。 但列表不是答案。用过几个之后，真正改变工作流的只有 1-2 个，其他的下载了放着。 差距不在工具多不多，在你有没有一个场景需要它解决。没有具体问题就收藏 repo，跟囤鸡汤文章一样没用。 x.com/sukh_saroy/sta…
中文
0
0
0
75

Keşfet

@xin_pai88825 @yuyuanali @elonmusk @BarackObama @taylorswift13 @cristiano @BillGates @NASA