axue @axuecloud

@t20000622yy 好腻害啊，向大佬看齐，希望有一天也能达到大佬的水平

既然合肥国资委的投资水平如此牛逼，那投资水平最烂的城市又是谁？前几天看到一个论调说因为合肥持有长鑫存储的市值已经远远超过了其城投债，所以打了个标杆后各地方政府又会把A股当作化债池😂可就算A股再垃圾那也不是什么臭鱼烂虾都可以进去干个几万亿市值当提款机，真以为合肥国资委这个全校第一是人人都能考的？看看下面几个反例 1.珠海：宰了格力这只金鸡，然后换了一堆鸡毛。 提起珠海大家第一反应就是格力，作为最高持有格力高达60%股份的珠海国资委，直接拥有对全球最大家空调企业的董事会控制权，珠海简直抱着一只会下金蛋的鸡，按照正常的剧本，完全可以依托格力发展出从家电到芯片的产业链集群，但是珠海国资委一直出售股票套现，直到2019年一次性把最后15%的股份全部清仓。 珠海的思路和合肥也很像，培育出一家公司套现后，拿钱去投资更多新公司，但是合肥人家是把钱真金白银的投到了一级市场，陪着公司成长，把长鑫这样的公司从育苗养到了参天大树，但急功近利的珠海国资委拿着卖格力股份的钱跑到二级市场炒股去了，走向了资本运作道路，其中亏得最惨的是在2020年也就是刚套现格力股票后的第2年，大手笔买入了上市公司宝鹰并且直接达到35%控股，你一定以为宝鹰这家公司是什么高精尖公司值得珠海如此重注，其实宝鹰是一家毫无任何技术含量的装修公司，并且它和恒大深度绑定，恒大是宝鹰最大的客户直接贡献了一半的收入，后来的故事大家也知道了，2021年恒大暴雷，宝鹰不但丢失了最大的客户，而且还产生了大量坏账，直接被标记为ST退市警告。 也就是珠海国资委19年把格力这只金鸡给宰了卖钱，然后20年买了毫无技术含量的一家装修公司，紧接着21年这家公司就要退市了。 除了宝鹰外，珠海国资委还重仓了世联行和建艺集团这两家地产股票，也跟着恒大暴雷一起亏麻了，精准踩到了中国房地产下行的最顶峰。 把家底败完的珠海国资委，不出意料，连续3位一把手全部被抓，整个国资委体系里超过10个以上的副总经理以上高官被抓。 2.青岛：传统行业富二代，赶时髦玩互联网和文娱。 和珠海一样青岛的金字招牌也来自家电行业，也就是海尔海信两兄弟，并且青岛的产业链极其全面，除了制造业外，从港口、轮胎到啤酒一应俱全，所以青岛的家底是非常厚的，但不怕富二代玩物丧志，就怕富二代雄心壮志，青岛也想通过投资来证明自己，和珠海那种直接拿去二级市场炒股不同，青岛国资委还是有点格局的，继续走产业扶持道路，但是跟合肥那样基于已有成熟产业链扩展成集群的稳扎稳打不同，青岛虽然手握一堆明星企业，但全部都是传统行业，略显老登，也想赶一把时髦走互联网路线，于是最失败的一次投资出现了，在2020年青岛总计花了20亿买了每日优鲜8.7%的股份，并把整个产业基地总部都搬到了青岛，第2年也很争气的在纳斯达克成功上市，然后第3年直接资金链断裂从美国退市😂 除了想走互联网这条路，青岛还同时押注了文化产业，在2020年青岛拿下了北京文化8%的股份，这家公司是当时是整个中国影视行业最耀眼的明星，战狼、流浪地球、我不是药神等知名电影全部出自它，而砸了500个亿和万达一起修的东方影都，空有硬件和场地，却没有内容产出，于是青岛想通过直接引入影视公司来补充内容短板。但在青岛刚入资后，北京文化就因为财务造假和控制权争夺等问题接连爆雷。 3.深证：护子心切豪掷千亿，终究一世英明败走麦城 作为诞生了腾讯、华为、大疆、比亚迪、宁德时代等等公司的深圳按理说不该跟珠海、青岛放一起当反面教材，但深圳也有自己超级大坑，一世英明栽倒在了万科身上。2016年宝能要强势入主万科，深圳国资的深圳地铁化身白衣骑士抢回控制权，保护了本地明星企业，总共花了663亿，并且后续还多次通过借款等方式给万科输血，结果珠海一样赶上房地产行业下行，万科业绩暴雷产生巨额亏损，股价暴跌，深圳地跌作为最大股东，仅仅2024和2025年合计亏损超过700亿，相当于整整6年的利润。 所以纵观合肥、珠海、青岛、深圳等城市的表现，差距一目了然，合肥的成功不是靠运气押中了风口，作为一个没有家底可以挥霍的城市，更没办法像其他城市那样撒钱，但却敢下注判断未来10年的产业趋势，投出那些短期难以产生收益，但长期可以改变整个行业格局的公司，而不是像珠海一样直接跑去炒股赚快钱，也不是像青岛一样赶时髦追风口，这才是合肥模式最难的地方。 而合肥这座城市能取得现在的成就，底层逻辑就源于几十年前和中科大的绑定，很多人好奇为什么中科大这样一所国家级顶级高校，居然不在北京，而是在合肥这样没有存在感的二线城市，在1970年和苏联关系恶化后，为了防止受到核打击，北京开始大规模迁出高校，原本在北京的中科大也需要选择一个新的城市安家，而作为中国最顶级的科研机构，不是只搬几个楼那么简单，需要能够提供一整套教学装备、科研设施、人员安置，要承接一整个国家科学院体系，对于接收城市提出的要求非常严格。 当时很多城市也对中科大感兴趣，但是觉得为了一所大学需要投入的成本太高了，尤其是那时候中国百废待兴很多人都吃不饱饭，更没资源一下子让出来给几万人，于是的拒绝了中科大。 而当时经济条件很弱的安徽认为，如果有机会能争取到中科大，对于安徽未来的发展有非常巨大的意义，于是挤出全省之力勒紧裤腰带，对于中科大的条件尽可能满足，要人给人要地给地，全力保障中科大的搬迁。 后来很多人认为中科大只是暂时先搬到合肥，以后还是要回北京的，毕竟当时的安徽各方面都太弱了，但合肥通过不断的加码投资中科大，来证明自己的诚意，围绕中科大投资建设了一大堆国家级实验室，毕竟伴奏一个学校简单，但是搬走一堆实验室可不容易，也通过这种方式来让中科大强行扎下根来。 而中科大也没有辜负合肥的期望，源源不断的培养输送了大批人才，中科大的研究生和博士毕业后留在合肥的比例达到了45%，这也成为合肥在科创领域能取得如此成绩的前提。

陈剑Jason @jason_chen998

2 months ago

其实合肥国资委最早持有80%的长鑫存储股份🤔作为中国投资水平最牛逼的产业基金，合肥国资委又要赢麻了，在斩获蔚来、京东方、科大讯飞等战绩后，长鑫存储的上市将为合肥国资委带来超过2000亿回报。根据最新提交的招股书，合肥国资委通过股权穿透直接和间接持有长鑫存储36%的股份，是整个公司最大的单一

keyboard_arrow_left Previous keyboard_arrow_right Next

198 16 119 159K 36

x.com/i/article/2082…

Pi-Agent 教程：10 章把 Agent Loop、工具系统、消息系统、事件驱动、会话管理和上下文工程全部拆了一遍。每章都讲三层：概念是什么、源码怎么写的、为什么这么设计。三种阅读方式：Web 在线版带三栏配图、本地 Markdown 和 PDF 离线版。 github.com/buchidonggua/d…

So beautiful

keyboard_arrow_left Previous keyboard_arrow_right Next

写得还是蛮详细的，对实操落地蛮有参考

Kyrie @KyrieCheungYep

3 months ago

x.com/i/article/2070…

17 158 746 297K 2K

原作者插件还没开源，但是其实直接 在 内置浏览器 打开 excalidraw.com 类似的画布工具就行，不用插件也能实现 本质是 快捷地给 Codex 喂入标注图

Cell 细胞 @cellinlab

3 months ago

卧槽！秒啊！我怎么就没想到这个用法🤯 用 内嵌浏览器 做 Codex Image 2 的生图无限画布！

180 387 4K 531K 4K

终于完成了对元Skill（创建skill的skill）的2.0升级 已推送到GitHub 这两天又进行了一些微调和测试，欢迎体验 相关资源与文档分享： 1、元skill仓库：github.com/yaojingang/yao… 2、2.0升级方案：doc.laoyao.cn/unyyhc 3、2.0与1.0的对比报告：doc.laoyao.cn/l3lkgm

keyboard_arrow_left Previous keyboard_arrow_right Next

姚金刚 @yaojingang

3 months ago

这次给元Skill yao-meta-skill 做一次重构和2.0升级
 根据升级方案，Codex已经工作了38小时，提交了301个分支，还在推进中 Codex越来越强了，复杂工程任务已经可以自己持续拆解、提交、修复、迭代 等升级完成测试没问题后，再开源给大家，并同步分享升级方案文档

keyboard_arrow_left Previous keyboard_arrow_right Next

28 4 54 50K 50

分享一个开源免费的省token神器，17k star，本周增速最快的项目之一， 可以把AI API账单直接砍到原来的1/5，回答质量还不变， 这就是刚火起来的 headroom，专门干一件事： 把所有要喂给AI的东西（输出、日志、文件、RAG块）先压缩一遍， 砍掉 60%-95% 的 token，最终回答质量完全没变。 最爽的是不用改一行现有代码， 直接当库、代理或者 MCP 服务器插进去就行，无缝对接所有大模型。 以前为了省token绞尽脑汁凑提示词， 现在一行配置，直接砍九成账单， 这才是所有AI开发者真正的刚需啊😲

想在本地跑大模型，不知道自己的显卡到底能跑哪个模型，选大了跑不动，选小了又浪费性能。 于是找到 whichllm 这个命令行工具，帮我们自动检测硬件配置，然后从 HuggingFace 上筛选出最适合自己机器的模型并排名。 而且会综合多个真实评测榜单的分数、推理速度、量化损耗来打分，一条命令就能给出答案。 GitHub：github.com/Andyyyy64/whic… 还能模拟任意显卡，买新卡之前先看看能跑什么模型。反过来也行，指定一个模型，它告诉你需要什么显卡。 选好模型后直接一条命令下载并开始对话，还能生成现成的 Python 代码片段。 如果我们正纠结本地该跑哪个模型，或者想在买显卡前做做功课，可以先安装这个工具看看。

有人用 AI 把《史记》57万字变成了一个可以搜索、跳转、推理的知识图谱 兄弟们，今天看到一个让我直接愣住的开源项目——史记知识库，GitHub 1300 星。 一句话：有人用 AI 把《史记》57万字全部拆解标注，做成了一个可以交互、搜索、推理的知识图谱，让两千年前的文字像代码一样能语法高亮、跳转、消歧。 数据规模直接给你看清楚： • 实体词条：14,065 个 • 标注次数：126,441 次 • 历史事件：3,198 条 • 事件关系：7,637 条 • Wiki 页面：20,830+ 页 这不是简单的文本处理，是真正的知识工程。 几个亮点真的值得单说： （1）22类实体彩色语法高亮——人名、地名、官职、事件，每一类都有颜色标注，读《史记》像读代码一样清晰，想关哪类就关哪类 （2）史记地铁图——130条交互式时间线，支持缩放拖拽搜索，整个春秋战国到汉初的历史脉络一张图看清楚 （3）Butler AI Agent 自主维护——一个 AI Agent 持续跑了 12,000+ 轮自主更新 Wiki，不是人工录入，是 Agent 在干活 （4）矛盾检测——史记里前后记载有出入的地方，系统能自动检测出来，学术研究用这个太香了 背后的方法论也很牛：本体不是专家预先设计的，是从文本数据里"自下而上涌现"出来的，迭代速度从数周一轮压缩到数小时一轮。作者还出了两本 PDF 方法论手册，合计 863 页。 历史爱好者、做内容的、研究 AI 知识工程的，都值得去看看。 在线访问：shiji.memify.wiki GitHub：github.com/baojie/shiji-kb 好东西转给需要的兄弟。🚀 #史记 #AI知识图谱 #开源 #老杨啊分享

推荐一位群友做的新闻集合站：1ms.news hacknew、reddit、AI热点、交易所热点，都是我每天刷的东西。

刚接手一个新项目，面对几十万行代码，光是理清文件之间的调用关系和整体架构，就得花上好几天，效率很低。 于是找到 Understand Anything 这个开源项目，把整个代码库生成一张可交互的知识图谱，直观地看清每个模块之间的关系。 通过多智能体流水线自动扫描项目，提取所有文件、函数、类和依赖关系，最终生成一个可视化的图谱面板，点哪看哪。 GitHub：github.com/Lum1104/Unders… 除了代码结构图谱，还能切换到业务视图，看代码如何对应实际业务流程。 选中任意节点会显示通俗易懂的功能说明，还能自动生成架构导览，按依赖顺序带你从头了解整个项目。 支持模糊搜索和语义搜索，还能在提交前分析改动的影响范围，看看改一处会牵动哪些模块。 兼容 Claude Code、Cursor、Codex 等主流 AI 编程工具，需要快速熟悉新项目或做代码审查的朋友，可以装个试试。

做自媒体和搞内容自动化的兄弟应该都被微信视频号恶心过， 因为 yt-dlp 下载不了视频。 最近有个开源仓库，利用 MITM 中间人代理解题。 下载了视频后，上层全自动化玩法的太多了，随便就能做个流水线。 比如，抓取某用户所有视频 ，ASR 音频转录 ，LLM 深度洗稿，投喂给 AI 视频生成引擎 再融入一些hygen的gasp，基本可以一键复刻出一个质量还ok的讲解类型的短视频。 AI时代，让内容和视频拍摄成本大大降低。。。当人人都能推广自己的产品后，还能卷什么？产品力？ 🧭：github.com/ltaoo/wx_chann…

马斯克的五步工作法，是他在SpaceX和特斯拉内部反复验证的方法论。

最近半年买到的最喜欢的产品。

x.com/i/article/2052…

说个做 PPT 的痛点。 市面上大多数 AI PPT 工具，生成出来的都是图片或者网页截图。看起来挺好看的，但想改一个字？改不了。 PPT Master 不一样。 它输出的每个元素都是真实的 PowerPoint 形状——可以点击，可以编辑，可以直接发给老板。 5,780 星，开源，免费。 怎么用？ 1. 下载项目：git clone github.com/hugohe3/ppt-ma… 2. 安装依赖：pip install -r requirements.txt 3. 把 PDF、DOCX、Markdown 丢进 projects/ 目录 4. 告诉 AI："请用这个文件生成 PPT" 5. 坐等导出，文件在 exports/ 目录 配合 Claude Code 使用，文件不用上传服务器，整个处理在本地跑。 金融从业者 Hugo He 做投行咨询，每天审阅几百张 PPT，受不了"导出图片"的方案，自己写了这个工具。 不是概念，是真正解决实际问题。 #AI工具 #开源 #PPT

前两天我发了篇推文说Meta是AI界最遗憾的公司，今天就刷大前Meta LLaMA团队的Peter Pang发的这篇3500字长文，是我今年看到的最有实战价值的AI-first落地报告。 它把所有喊了半年的AI-first空话，变成了可复制的步骤和可验证的数据。 现在所有人都在说AI辅助开发，说Copilot能提效20%，Pang认为这根本不是AI的正确用法。 在旧流程上叠AI工具，最多只能带来10-20%的效率提升，结构一点没变， 真正的AI-first，是先假设AI才是主要的代码构建者，然后把整个工程架构、CI/CD、测试流程、甚至组织分工，全部推倒重来。 最反直觉的一点来了： 当大多数人都以为AI-first的瓶颈是模型不够强，是工程师不会用工具， 他用真实数据告诉我们 AI写代码的速度从来不是瓶颈。 上下游的人工流程，才是卡死所有效率的死穴： • PM写一份详细需求要两周，AI写完代码只要两小时 • QA测一轮要三天，AI部署只要两小时 • 再怎么招人，也永远追不上大厂的headcount增速 也就是说AI再快，只要有一个环节是人在拖，整体效率就还是人的效率。 所以他们根本没给工程师配更多Copilot，他们花了全部精力，建了一整套让AI能独立、安全、可靠干活的harness（驾驭系统）： 统一monorepo让AI能看到整个系统的所有代码， 全链路结构化可观测让AI能自己定位错误，Claude 3-pass AI评审代替人工code review， 六阶段确定性CI/CD加Statsig feature flags和一键kill switch， 甚至做了一个自愈引擎，每天自动聚类生产错误，自动建工单，能修复的问题自己就解决了。 结果有多夸张呢？只用了14天，这个25人的团队，就做到了每天3到8次生产部署，出了坏功能，当天就能发现并回滚。 更反常识的是，部署频率翻了十几倍，用户指标和转化率反而上升了不少。 整个公司的分工被彻底重构，没有了天天写CRUD的工程师，人类只剩下两种角色： 架构师，负责设计规则和SOP，批判AI的输出， 验证者，负责判断风险和质量。 而且这不是只在工程部门，营销、产品发布、客户支持，全公司所有职能都在往AI-native转。 CTO花在日常管理上的时间，直接从60%降到了不到10%。 最扎心的是，这一切没有任何黑科技，所有工具都是开源的，所有流程都写在了文章里，任何人都能抄。 所以，真正的门槛从来都不是技术，是你愿不愿意承担转型的真实成本：比如员工的焦虑，资深工程师的抵触，连续几个月每天18小时的试错。 大多数公司宁愿守着10%的提效舒适区，也不愿意打碎自己运行了十几年的旧系统。 最让我震撼的是，这套工程逻辑，1:1平移到个人身上也完全成立。 你的笔记库就是你的个人monorepo， 你的AI助手就是你的专属agent， 你需要的也许更多的AI工具，而是一套属于你自己的认知harness和自愈循环。 让AI每天帮你扫描思考的漏洞，聚类你的认知gap，自动生成迭代计划。 当然，这只是他们一家的早期经验，不是所有公司都能直接复制。 但也给我们指明了一个清晰的方向： 未来的竞争，不仅看谁会用更多的AI工具，还要看谁先愿意把自己从一个执行者，彻底变成一个架构师和批判者。

Peter Pang @intuitiveml

5 months ago

x.com/i/article/2043…

158 570 4K 1.9M 10K

58页的Obsidian+Claude Code构建知识库的橙皮书📙来了：github.com/alchaincyf/obs… 其实相比说这是我写的「书」，更合适的说法是这是个为了辅助我自己开始使用Obsidian而做的一个深度调研+系统梳理的素材。 主要内容如下： 问题篇 -- 为什么你的笔记软件是「信息坟场」，以及为什么只有 AI 能解决这个问题 选择篇 -- 三个完全独立的十亿级项目，不约而同选了 Markdown 存储 AI 的记忆，这不是巧合 上手篇 -- 40 分钟内搞定 Obsidian 安装 + Claude Code 接入 架构篇 -- 设计你的 vault，让 AI 能高效地理解和操作它 知识库篇 -- Karpathy 的 LLM Wiki 模式：让 AI 维护你的知识库，而不是建 RAG 实战篇 -- 7 个可以直接抄的工作流，每个都有具体步骤和 prompt 生态篇 -- 1000+ 插件中你真正需要的 4 个 进阶篇 -- Git 版本控制、自定义 Skills、本地 AI、多 Vault 策略