hellonvda

@Duv1a9 @suanrongyouyuxu 首先除了奥兰多，全世界的我去过5座迪士尼，上迪钻石年卡用户，港迪去过两次，加州东京巴黎迪士尼各去过一次不是靠小红书脑补的。 其次我不知道你从哪里看的谁是超售谁没有超售的，不过按你的逻辑，只要卖票设了个限制，就算排队再夸张也没问题？那热门项目排4小时，是不是说明这个限制定得太松了？

@zz12373762 @suanrongyouyuxu 有门票数量限制，排队多不代表超售，你可能也没出国，就看小红书感受了

中国就是有着把外面本来好的东西变烂的能力。比如上海迪士尼。 上海迪士尼的官方承载量，写在上海市文旅局的文件里，最大41000人/天，但上迪就是敢在旺季卖85000张票/天，那当然不挤死才怪。 再加上优速通也严重超售，插队的人数超过游乐设施承载极限，导致不买优速通的人越排队前面人越多，这心态能不爆炸？ 超售门票超售优速通当然能赚更多钱，这是个人都知道。但弄成这样是要砸牌子的。本来就算上海文旅不要脸，但既然迪士尼要脸，就理应制止这种行为。幸运的是在这片土地上我们成功修复了这个看外国人脸色的bug，这下可以尽情地榨干中国人口袋里的钱了。

@oneshu123 @Xiaoniu6161 不管在台湾 还是越南 还是之前在上海，深圳，去各种探店逛街都是他的例行操作了

@Xiaoniu6161 不是....老黄最近的画风有点奇怪阿....之前都是各种AI论坛...牛逼的发布会...这两天是怎么了...我怎么有点看不懂了

昨晚，黄仁勋又去吃了潮州菜。潮府林苑（故宫店） 这五年以上的老鸭多少钱💰

@diyas_1989 thanks and what about arm

In nvda. Thx

这个codex+gpt5.5的教程非常屌。 看完感觉用的不是一个东西

AI 大神 Karpathy 的编程经验 Skills 开源了，Stars 还在疯涨 建议都去给自己的 AI 喂一下这个 andrej-karpathy-skills 文件 这个项目做的事情很简单，就是把 Karpathy 吐槽大模型写代码的毛病，编译成了大模型能看懂的约束指令 不到 70 行的一个文件，就拿了接近 6 万颗 Stars 起因是 Karpathy 之前总结了 AI 编程的几个通病：喜欢瞎猜、过度工程、顺手乱改不相干的代码 开发者 Forrest Chang 就把这些经验浓缩成了 4 条核心规则： 1. 先想再写：遇到歧义先问，别做假设 2. 简单优先：不需要的功能不加，拒绝过度设计 3. 精准修改：只动该改的地方，旁边的代码再乱也不碰 4. 目标驱动：给 AI 明确的成功标准（比如通过测试），而不是模糊的指令 把这个文件下载到项目根目录，作为 CLAUDE.md 或者 AGENTS.md 让 AI 去读就行，之后它干活就会收敛很多。Claude Code 用户也能通过插件一行命令全局安装 AI 写代码的速度确实快，但这 4 条原则相当于牵住它的缰绳。懂得分清什么时候该让 AI 跑，什么时候该拉一把，能避开很多隐性的坑 github.com/forrestchang/a…

fast.ai 的深度学习课程，至今依然是程序员转型 AI 领域一个务实又高效的起点。 它的核心逻辑非常特殊：拒绝从枯燥的微积分和线性代数开始，而是采用“自顶向下”的教学法。第一节课不讲复杂的数学公式，而是直接教你用几行代码运行起一个图像识别模型。 如果你是一名开发者，这个课程的作用主要体现在这几点： 1️⃣ 以项目为导向：9 节课（每节 90 分钟）直接覆盖图像分类、自然语言处理（NLP）和推荐系统等主流任务。你是在“做东西”的过程中，倒推去理解背后的运行机制。 2️⃣ 完全开源免费：不仅视频课程免费，还配有完整的在线教材《Deep Learning for Coders with fastai and PyTorch》和交互式代码，没有任何隐藏付费。 3️⃣ 基于 PyTorch 生态：它构建在 PyTorch 之上，既有高度封装的库让你快速上手，也支持你深入底层去修改模型细节。 很多所谓的“零基础 AI 课程”往往止步于理论，而 fast.ai 是为了让你真正具备编写生产级 AI 代码的能力。 如果你想在 2026 年重新构建对深度学习的理解，这依然是那套经久不衰的黄金标准。 🔗链接：course.fast.ai

发现小任务也要Claude Code写执行文档！ 比如上午制作一个Epub电子书，边制作边优化Skill，很快超上下文，CC就忘了很多之前讨论好的修改。 一怒之下安装了下面两个Skill并写入到Claude.md全局记忆。 ① planning-with-files 所有任务开始前创建 task_plan.md 写目标、阶段、问题，发现写到 notes.md，决策前重读更新状态。 ② self-improving-agent 遇到错误立即记录 ERRORS.md。被纠正或好方法记录到 LEARNINGS.md。 做大任务前先回顾已知的经验和坑。

差不多用 AI “Vibe” 出来的代码，只要超过一定的行数，改起来就会进入一个极其痛苦的阶段。 这块确实是目前 AI 很难“凭直觉”一下子做好，我目前的做法是先出一份报告，然后人工 review 之后上强约束。 分享一个我专门用来解决「状态管理瓶颈」的代码体检 Prompt ```md 需要你作为架构师帮我做一次代码体检。目前项目遇到了严重的状态管理瓶颈，主要存在 [xxx] 状态主体。 痛点：状态流转错综复杂，可读性急剧下降，开发心智负担很重。 任务请求： 请先给出你的架构诊断分析，评估这些状态主体的划分是否合理，犀利指出其中的坏味道（如：职责不清、循环依赖、过度分散等）。然后，请务必使用 Markdown + Mermaid 语法输出以下 3 张可视化架构图，辅助我进行重构决策： - 图1：当前认知模型图（Current State Model）—— 梳理目前的调用链路与流转现状。 - 图2：推荐状态模型图（Refactored State Model）—— 基于高内聚低耦合原则，建议的最佳状态主体划分。 - 图3：目标架构组织图（Target Architecture）—— 采用建议后，新的状态流转全局视角。” ``` 然后看图和AI 对话，对不必要的状态做裁剪，最后开 plan 模式落实代码。 PS： 如果你用的是带 cc + 国产大模型比如 @MiniMax_AI 建议在 prompt 最后补上一句咒语： 请在后台多开几个 Agent，做充分的探索和深度推演之后，再给出你最优雅的方案。

@realzoeus @PandaTalk8 codex哪里有1M上下文?

@PandaTalk8 并没有我这开了5个Plus的号，额度掉的也很快，都不敢开/fast模式和1M上下文

codex 20刀的用量都快赶上我刚刚给Claude 充的100刀了。

Claude code必装插件、skill、使用小技巧 1.Claude HUD cc有的时候用着用着突然变笨，实际上是上下文爆了 该插件让你知道它的实时状态（上下文、模型、工具）。 GitHub：jarrodwatts/claude-hud 2.回退版本以节约token 现版本会莫名消耗巨量token 版本切换命令 npm i -g@anthropic-ai/claude-code@2.1.77 3.Superpowers 11万star 超级工作流，让你的AI按照专业程序员的标准流程去编程 GitHub：obra/superpowers 4.Claude Mem 4万star 让CC真正拥有持续记忆，Mem会记住你与CC的每次交互，新对话时压缩注入，CC就知道之前发生了什么 GitHub：thedotmack/claude-mem 5.public-apis 40万star 1000+的免费公共API，涵盖股票、动漫、支付、翻译等全领域，再也不用担心开发找不到API了 GitHub：public-apis/public-apis 6.CodePilot 专为Claude code设计的客户端，原本只能在终端里敲命令的CC拥有了好看、漂亮、好用的桌面软件 GitHub：op7418/CodePilot 7.claude-skills skill大全包括营销、工厂、产品、合规等，一键导入即可 Github：alirezarezvani/claude-skills

大厂因为agent疯狂裁员，别慌！收好这份保命符 Claude code官方Anthropic 推出了13门免费课程 下面我来带你深入浅出的了解这13门课能让你学会什么 学习资源与实战课程，以及如何看中文版在最后 一.基础入门：真正学会和AI沟通 1.Claude 101：介绍核心功能，教你真正学会AI的用法 2. Framework and Foundations：学会AI协作思维 学完就能写出顶级提示词，让ai一次性给出正确结果 二：让Claude接管电脑，帮你干活 1.Claude Code in Action：教你在终端里使用cc 学会后直接在终端告诉cc，去整理桌面，他就自动执行 2.Introduction to Agent Skills：教你制作技能包 比如设定一个项目研报技能，以后Agent就能按标准流程自动完成任务，省时省力省token 3.Introduction to subagents：教你创建并使用子代理 遇到繁琐任务，主代理自动把小任务交给独立小代理完成 做完任务只返回结果，让任务过程尽可能干净高效 4.Introduction to Claude Cowork：教你用CC 真正成为你的电脑搭档 学会后要做任务只需下达指令就好，干活交给CC 三.怎么给你的CC装上干活用的手和脚 1.Introduction to MCP：教你怎么让Claude读取云端与本地数据（Github、Notion、Google Drive） 以前ai不能读取你的Google Drive等，学会这个就解决 2.MCP: Advanced Topics：让Claude自动化完成任务的水平更进一步 比如说自动实现读邮件、查数据、总结后生成报表交给你 3.Building with the Claude API：教你怎么把claude集成到自己的产品中 学会这节课，就能自己开发Claude产品 四.不同身份如何更好使用CC 1.Teaching AI Fluency：让你学会教别人使用AI，把AI思维系统的传授给别人 2. AI Fluency for educators / students / nonprofits (教育者/学生/非营利组织) 如果你是老师、学生、非盈利组织可以学会让cc复制自己更好的工作。 3.Claude with Amazon Bedrock / Google Cloud Vertex AI 适合企业级用户，让你在服务器上运行claude 课程：anthropic.skilljar.com 中文实战教程：cholf5.com/claude-code-in… 中文版课程可以在anthropic YouTube上看，配上翻译插件 也可以放在longcut点ai网站学习

别再对着 Claude 瞎提问了，YC 老大 Garry Tan 开源的 gstack 才是真核弹！ 我实测了一上午，这玩意儿直接把 Claude Code 变成了一个顶级虚拟工程团队。GitHub 48k+ Star 真的不是吹的。 Garry Tan 靠这套 setup 60 天撸了 60 万行代码，我上手用了半天，最大的感受就是：我终于不再是那个苦逼的代码搬运工了，我是 CTO。 一句话总结：gstack 给了你 15 个硅谷专家角色 + 6 个暴力工具，全是斜杠指令。 最让我感到“离谱”的几个实战瞬间： /office-hours：真的会“怼”人：它不是只会写代码，而是变身 YC 毒舌合伙人。我输入一个想法，它对着我的产品逻辑一顿疯狂输出，挑战我的每一个假设，重新定义问题。 /plan-ceo-review & /plan-eng-review：这才是最硬核的。一个从 CEO 视角审视方案，一个从架构、数据流、边界情况锁定技术细节。在写代码之前，它已经帮你避开了 90% 的坑。 /plan-design-review：专门帮我抓那些恶心的 AI Slop（AI 味儿十足的平庸设计）。 /review & /codex：这是双重保险。一个是 Staff Engineer 级别的代码审查，另一个是调用 OpenAI Codex 做二次交叉对比。这种跨模型审查，Bug 根本藏不住。 /qa & /ship：最爽的环节。它真的会启动真实浏览器去“点点点”测试，跑完测试直接开 PR、一键发布。 这就是传说中的“一个人就是一个公司”。 别再一行行手敲代码了，去试试 gstack。让这群“虚拟专家”去设计、去 Review、去 QA、去发布。 如果你还没开始折腾这套东西，那你可能真的要被这波 AI 浪潮给甩开了。 #AI编程 #GarryTan #gstack #GitHub 传送门：github.com/garrytan/gstack

这个 skills 每天帮你整理好顶级 AI 资讯，彻底告别信息焦虑！ 它会自动整理： 1. 顶级 AI 播客的精华摘要 2. X 平台上 AI 建设者们的关键帖子和见解 3. 来自各大 AI 公司的官方信息和博客文章 4. 可选中英双文，并附带所有内容的链接 作者： @zarazhangrui 源码链接： github.com/zarazhangrui/f…

读到一篇讲如何自动迭代优化Skill的论文。 好像有点东西。 地址见评论区，可以复制地址让Claude Code学习下。

@LZRationalnvest 感觉是刚编的故事，去哪儿买了国内外很多机票四五年了，从没有这种情况。

原来携程、去哪儿上盗刷信用卡买机票的坑这么多啊！ 这几天在研究去美国的机票，发现去哪儿的价格很低。有推友提醒我，这些超低价票很多都是用盗刷的信用卡买的。 结果现实版案例立马就来了，我兄弟刚跟我吐槽，他从 LA 飞休斯顿的机票直接被卡了。 值机的时候地勤要求他出示购票用的信用卡，他根本拿不出来，工作人员直接说抱歉，没法让他登机。 😂这票就是在去哪儿买的。

Learn Claude Code 是真做的好，强烈推荐👍 项目作者：@baicai003 很多人用 Claude Code 或 Cursor 写代码，觉得 AI 编程助手很神奇，但如果问一句"它到底是怎么工作的"，大部分人答不上来。 Learn Claude Code 这个开源项目做的事情很简单：用 12 节课，从零开始搭一个类似 Claude Code 的 AI Agent，每节课只加一个机制，每个机制都有可运行的 Python 代码。 这个项目的核心洞察是：所有 AI 编程 Agent 的底层都是同一个循环。用户发消息给模型，模型决定要不要调用工具，调用了就执行，把结果喂回去，继续循环，直到模型觉得任务完成了。 整个 Agent 的最小实现不到 30 行代码。剩下的一切，规划、子任务拆分、上下文压缩、多 Agent 协作、工作目录隔离，都是在这个循环上面一层一层叠加的。12 节课就是这 12 层。 学习路径设计得很讲究。 前两节搞定核心循环和工具调用 第三节加入计划能力（没有计划的 Agent 会跑偏） 第四到六节处理子 Agent、技能加载和上下文压缩（上下文窗口是有限的，不压缩大项目根本跑不动） 第七八节做任务持久化和后台执行，最后四节进入多 Agent 协作：组队、通信协议、自主领取任务、工作目录隔离。从一个人干活，到一个团队协作，复杂度是渐进的。 项目配了一个交互式 Web 平台（learn-claude-agents.vercel.app），有步骤图解、源码查看器和文档，支持英文、中文、日文三种语言。 文档风格是"心智模型优先"：先讲问题是什么，再讲解决方案，配 ASCII 图，最后是最小可运行代码。 对想搞懂 AI Agent 内部原理的开发者来说，这可能是目前最好的从零到一的学习路径。不需要什么前置知识，有 Python 基础就能跟。 学完之后再去看 Claude Code 或者任何 Agent 框架的源码，会发现都和这个教程介绍的差不多。

@CuiMao 居然在道歉了，为何不删除原帖原视频呢，这么看还是为了流量吧。