-
Tweets3K
-
Followers120
-
Following962
-
Likes3K
# 适配 gpt-5.5 、opus-4.8 、glm-5.2
# 修改日期:2026-06-16
国产模型能用了,但我还不敢用 前段时间,我的 GPT 账户意外被封,被迫开始全面试用国产模型 过去两周,我深度使用了 DeepSeek v4 Pro、Xiaomi Mimo 2.5 Pro、Minimax M3 和 Kimi 2.7,覆盖编码、文字创作和 Hermes Agent 自动化三大场景 以下是真实使用体验 DeepSeek v4 Pro:资深老编辑 文字能力确实顶尖,总结、翻译、摘要、润色都让我非常满意。但代码生成、长时任务和 Agent 工具调用只能算差强人意。它更像一位经验丰富的老编辑——文笔一流,但让他写代码或处理复杂流程,就有点力不从心 Xiaomi Mimo 2.5 Pro:六边形战士 综合能力最均衡,没有明显短板。文字、代码、逻辑都在线,像一个公司里随时能顶上的得力助手,交给他的任务基本都能稳妥完成。 Minimax M3:名校实习生 文字功底不如 DeepSeek,但在长时任务和 Agent 工具调用上表现很稳定。缺点是"智商"偶尔着急,复杂推理会卡壳。像一个名校毕业的实习生——执行力不错,但遇到需要深度思考的问题还得再带一带 Kimi 2.7:准旗舰水准 这是四款中表现最好的,整体能力接近 GPT 5.5 的水准。除了发布第一天有些不稳定,后续更新后体验大幅提升,目前是我最常用的国产模型 国产模型的共同痛点:稳定性 然而,这些模型都有一个通病——输出稳定性不足 以我的 Hermes Agent 为例:我有十几个定时自动化任务,在 GPT 5.5 下可以数月稳定运行 但同样的 Prompt 和任务流交给上述国产模型,几乎每天都会有一两个任务莫名其妙报错 诡异的是,这些报错任务单独手动执行时,又能顺利通过 这种"薛定谔的报错"让我很难完全信任它们处理无人值守的长时任务 我的当前工作流 因此,我对国产模型和 GPT 5.5 采取了不同的信任策略: 一次性、短时任务 → 首选 Kimi 2.7,效率和质量都足够 代码开发、复杂项目、长时自动化任务 → 仍回退到 GPT 5.5,稳定性是底线 简单来说:国产模型我已经敢用,但还不敢完全放手,关键任务仍需人工审查代码和结果,充当最后一道防线。 PS:至于GLM 5.2,我对智普伤透心了,没有好感,故略过
喝了这么多年酒,最后发现一个有趣的事实。 很多人花几百上千研究产区、年份、酒庄、评分,背霞多丽、雷司令、长相思如数家珍。 而我最终最常回购的,却是山姆那瓶69元的白葡萄酒。 它未必拥有最传奇的酒庄故事,也没有令人眼花缭乱的奖项光环,但在“打开就想喝完一整瓶”这件事上,它的表现远超价格本身。 所谓性价比,不是便宜,而是让人忘记价格。 至少对我来说,69元这一瓶,已经足够击败绝大多数所谓的名酒。
Google Earth的飞行模拟器✈️ 现已在网页端全球向所有用户开放 你可以打开Google 地球选择任意的地方,然后开启飞行模式,可以模拟驾驶飞机在空中飞行的感受 探索全球任意地点
还有人没看过这两个视频吗?我在 B 站看过最好的,没有之一,每隔一段时间我就会重新刷一遍。我之前发的这个帖子曾被超过 3 千多人收藏。 它将会颠覆你对英语学习的认知,不是开玩笑。 搭配 SentiaRead 使用,效果最好。 两个视频链接放评论区了。
推荐两个曾经颠覆了我的英语学习认知的视频,我的英语学习理论就是来自于这里。 我现在听力和阅读基本上没有障碍,我的女儿们不到两岁,也能听懂很多单词和短语。 我敢说这是我在 B 站上发现的最宝藏的视频,强烈推荐你多看几遍。 链接放评论区 👇
兄弟们,程序员跪着啃源码的时代终于要翻篇了!🔥 这玩意儿叫 Understand Anything,GitHub 直接冲到 59.2k 星,Trending 第一,真不是吹的。 它能把整个代码库变成可点可问的知识图谱: 1️⃣ 点函数秒出依赖关系,谁调谁一目了然 2️⃣ 直接开口问“支付流程怎么走”,答案秒回 3️⃣ 改代码前跑一下 /understand-diff,哪块会爆提前知道 Claude Code、Cursor、VS Code 全支持,一行命令搞定。 20 万行屎山,10 分钟从懵逼到通透,真香。 🔗:github.com/Lum1104/Unders…
这是 YouTube 最火爆的 Codex 零基础上手教程。 Youtube 140 万粉丝的大佬 Charlie Chang(Hook AI 创始人),14 分钟带你从下载到实战,全程跟着做一遍: 让搭载 GPT-5.5 的 Codex 自己做落地页、写营销方案、跑定时任务、还能生成宣传视频——一条 prompt 就能产出一整套素材。 章节: 00:00 Codex 是什么,为什么比 Claude/Gemini 强 00:44 第一步:下载安装 Codex 01:08 走一遍引导设置 01:38 吃透主界面:项目、聊天、权限、模型档 03:44 实战介绍 03:57 配连接器:GitHub / 浏览器 / HeyGen 04:35 Plan 模式做一个 AI 落地页 05:50 Codex 自带浏览器,自己截图测试 06:14 加自动化:每天 9 点自动出报告 07:25 让 Codex 回头改进落地页 08:39 接 Google Drive,自动生成营销方案 10:24 一条 prompt 生成宣传视频 12:37 做社媒轮播图 12:45 去试、去迭代,做自己的东西 14 分钟,把 Codex 用成全能助手。
拿遍硅谷顶级 lab offer 的人,写的ML面试指南 刚看完一篇 ML Research Scientist 面试指南,作者是 Silvia Sapora,PhD 做 ML,最后拿到了 DeepMind、Isomorphic Labs、Cohere、Meta和一家 stealth startup 的 offer,最后去了 DeepMind。 文章讲了很多实操指南,比如他说ML 求职已经越来越像一个工程项目、顶级researcher也会因为没准备面试而挂(原文里说,她认识很多极强的人,就是因为没准备而被拒)。感觉国内顶级researcher的面试也大概是这样。 总结一下看完体会最深刻的点,希望最优秀的研究员们,都能找到顶级的工作,不要因为没准备好面试,让才华短暂被埋没。 希望对大家有用。 1/ 拿到面试前,就是看简历 大家也可以按这个方向完善自己的履历: 3 篇以上一作/共同一作顶会 paper,至少一次大厂/前沿实验室实习,才比较稳定拿到 top lab 的 callback。 这里还有几个小细节: a.cold email 可能比想象中有效。尤其是直接写给 hiring manager 或团队成员,不要重复 CV 上已经有的东西,而是要讲清楚:你为什么 fit 这个 team,你为什么真的对他们的工作感兴趣。 b.cover letter 不要完全交给 LLM 写。可以让 LLM polish,但原始内容最好自己写,要有真实兴趣和个性。 c.LinkedIn / X 上的岗位信息要对看。很多 internship / research role 可能只通过某个 researcher 的帖子和 Google form 流出来。 2/ 一旦进面试,忘掉CV 但一旦进入面试,CV 基本就没用了。 很多面试官甚至不会仔细看你的简历。你有再多 ICLR / NeurIPS / ICML paper,这时候都没什么用了。 a.ML 面试现在已经非常“杂技化”。 LeetCode、ML coding、debugging、ML fundamentals、LLM/RL/diffusion、system design、research discussion,全都可能问。 说白了,更像是一个压缩版竞技项目:45 分钟内,在陌生人注视下,把你平时几个月慢慢想、慢慢查、慢慢 debug 的东西,现场做。 b.这里有个很实用的方法。 每次面试前,她会把JD、公司、面试类型丢给 LLM,让它 mock interview,而且实际问题经常撞上(笑死,毕竟我估计问题也是AI写的)。 她还列了一张 baseline 清单,能在限时下从头写出来,才算状态在线: ① 端到端实现一个 transformer ② causal / cross / self attention ③ flash attention,以及它的 backward pass ④ MLP 的前向和反向 ⑤ 用 PyTorch 或 JAX 写一个带 SGD 的训练 loop c.还有个细节,越到顶级 lab,越不能靠“我懂这个方向”混过去。他们会问到非常基础,也会问到非常细,甚至会问你熟悉领域里最容易被忽视的部分。 3/ 情绪管理 她说自己最严重的问题是睡不好。一周 10 场面试的时候,整个人快被榨干。她还吃不下,看到食物会反胃,最后只能靠猛灌可乐补糖续命(她也说了,这不是什么最优解,只是她当时能想出的唯一办法)。 她还有一套面试前仪式:背景里插一束新鲜的花、化妆、看同样几个 comfort 视频。 听起来很琐碎,但我觉得非常真实。高压面试最可怕的,不一定是你不会,而是你明明会,但脑子突然空白。 4/ 谈薪是一场暗战,而且你大概率被读穿了 一天最好只排一场面试;先面自己没那么想去的公司练手;让不同 offer 尽量落在同一个窗口。 然后,主动告诉每家公司你还有其他流程。听起来很“职场”,但这些真的会影响最后结果。 到了谈 offer 阶段,peer offer 的重量也完全不一样。OpenAI / Anthropic / DeepMind 这种互相之间的 offer,才真的有谈判筹码(这部分大家都熟练了)。 这部分不要太信“谈判要像盲拍、别亮底牌”那套,好几家公司明确要求她出示竞争 offer 的截图才肯加价,有一家甚至当场质疑她截图的真假(lol)。 而且 recruiter 极其会读人。你多频繁提一家公司、用什么语气谈论它,全都是会被记录的信号。一旦对方知道自己已经是你的首选,你的谈判筹码基本就没了。她说自己很透明、很好读,所以在这上面吃了点亏。 唯一让人稍微松口气的是:公司真的想要你的时候,能报的数字比你以为的大得多。永远值得开口问,多数公司愿意谈。 其实她的履历已经很顶了。但她复盘下来,最有用的结论反而很朴素:做研究,和通过 ML 面试,是两套能力。 silviasapora.github.io/blog/ml-interv…
你还在每次开新项目都手搓脚手架?说真的,这种“重复劳动上瘾”会把你和机会一起拖死。 我最近在看Better-Fullstack,直白点讲,它就是给“从0到1焦虑症”准备的效率外挂。 1️⃣ 支持TypeScript、Rust、Python、Go四大生态 2️⃣ 270+技术栈组合随便拼 3️⃣ 前端、后端、数据库、Auth、支付、AI、DevOps一次选完 4️⃣ 自动吐出可用骨架,基本就是开箱即跑 这玩意最狠的不是“省一点时间”,而是把你从“配环境地狱”里捞出来,让你把脑子用在真正值钱的业务上。独立开发、团队定规范、外包赶工,谁不用谁就慢一拍。现在节奏这么快,慢一拍很多时候就是直接出局。 我的建议就一句:先用它把底座搭好,再让AI补业务代码,效率不是提升,是直接换挡。 🔗GitHub:github.com/Marve10s/Bette… 🔗官网:better-fullstack.dev
最近在带入组的本科实习生,发现怎么读论文其实是科研训练里最容易被忽略的一步。 推荐一篇每个科研新人都该读的经典短文:S. Keshav 的 How to Read a Paper。 文章提出了非常实用的“三遍读论文法”: 第一遍,5 到 10 分钟快速扫读:标题、摘要、引言、章节标题、结论和参考文献。 目标是回答 5C: Category, Context, Correctness, Contributions, Clarity。 也就是判断这篇论文是什么、和谁相关、假设是否合理、贡献是什么、写得清不清楚。 第二遍,认真读论文主线,但先跳过证明细节。重点看图表、实验设置、结果是否清楚、引用了哪些关键工作。 第三遍才进入深度理解:尝试像复现一样重建作者的思路,检查假设、方法、创新点和潜在漏洞。 放在今天看,这个方法和 AI 辅助读论文其实很契合。 第一遍可以让 AI 帮忙快速总结论文的研究问题、核心贡献和主要结论,但自己一定要判断这篇文章是否真的值得继续读。 第二遍可以让 AI 帮忙解释方法、实验设置、图表和不熟悉的概念,但不能只看 AI 总结。关键图表、实验设计和结果数字一定要回到原文核对。 第三遍可以让 AI 扮演 reviewer,帮你追问:这篇文章的假设是否成立?实验是否支持结论?有没有 missing baseline?有没有潜在的数据泄漏、评价偏差或过度 claim? 读论文不是“读完”就行。真正重要的是知道什么时候快速跳过,什么时候认真理解。 尤其在 AI 工具越来越强的情况下,科研新人更需要训练自己的判断力。 AI 可以帮你压缩信息,但不能替你决定一篇论文是否重要、是否可信、是否值得借鉴。 web.stanford.edu/class/ee384m/H…
装上这款插件后,Claude Code 的使用体验会焕然一新。 Anthropic 低调发布了一款名为 claude-code-setup 的官方插件,它能让原本“表现尚可”的Claude Code,彻底升级为一套真正的 AI开发环境。 插件会扫描你的项目,并推荐以下配置: -钩子(Hooks) -技能(Skills) -MCP 服务器 -子智能体(Subagents) -自动化流程 随后会引导你一步步完成全部搭建。 绝大多数人还在使用纯原生的 Claude Code..•这也是他们觉得使用体验杂乱低效的原因。 Claude Code 的真正威力,源自其周边的生态体系。 安装命令(复制即用): /plugin install claude-code-setup@claude-plugins-official 建议先收藏保存,免得过后找不到。
我现在很少在跟AI进行多轮对话了, 基本上就靠这三条命令活着。 /goal 给出目标,达到目标就算完成。 /loop 定时check 的任务 /workflows 需要多agent 协作,重量级工作任务
Youtube 昨天才发布的最新 Hermes-Agent 配置与实战教程出炉! 作者 Craig Hewitt(Castos AI 创始人,搭过几十个商用 Agent),31 分钟手把手带你从零配置一个常驻云端、永久记忆、会自己写 Skill 的 Hermes 智能体——让你的生产力翻十倍! 章节: 00:00 为什么选 Hermes 01:09 Hermes 是目前最强的开源智能体框架 02:32 为什么要跑在云上,不是 Mac Mini 03:56 用 Docker 一键部署,把它关进"盒子" 06:07 Hermes 自带网页仪表盘 07:01 模型-harness 匹配:给 Hermes 配 GPT-5.5 09:25 SOUL.md:给智能体一个持久人格 12:27 永久会话记忆,越用越懂你 13:36 Skill:会自己写,但要小心别乱写 18:42 用 Web UI 替代终端 19:44 接 Telegram,随时随地指挥它 22:39 Cron 定时任务:每天早 6 点自动简报 23:47 Profile 子智能体:一人变一个团队 27:01 MCP 与插件,安全边界别松 29:06 Config 配置文件藏在哪 29:56 看板:让智能体把活摆上台面 30 分钟,带你搭出一个帮你提高十倍生产力的爱马仕。
我希望我本科研究生阶段能读到这么好的文章,我的职业发展会完全不一样。 这是她做 research 的方法论,非常聪明扎实,有复利性。 译文: vivek @itsreallyvivek 如何做好研究(how to be good at research) 并没有人真正教过你如何做研究。你得到一张办公桌、一个别人挑好的问题,以及一个“做出点新东西”的模糊指令。因此,大多数人通过他们能看到的东西(比如论文、帖子和公告)对这份工作进行逆向工程,最终他们学到的只是如何“看起来”像个研究员,而不是如何“成为”一个研究员。真正的研究能力是一系列小技能的堆叠,而几乎每一项都可以通过刻意练习来培养。 挑选你自己的问题 理查德·汉明(Richard Hamming)在贝尔实验室有个习惯,这让他在午餐时很不受欢迎。他会问坐在旁边的人,他们领域里重要的问题是什么,然后问他们为什么不去研究这些问题。于是大家纷纷换桌吃饭。这个问题很刺人,因为我们大多数人都给不出好答案。我们不是在选择问题,而是在吸收问题——从导师那里吸收,从某个大实验室上个季度发布的公告里吸收,从这周大家都在转发引用的论文里吸收。 吸收来的问题,麻烦在于你只握有结论,却不知其背后的推理逻辑。你知道某个著名实验室关心某个方向,但你不知道为什么,不知道他们期望发现什么,也不知道什么情况会让他们放弃这个方向。当他们转向时,你一年后才会察觉。而且,在一个已经流行起来的问题上,你是在和一千个起步比你早、算力比你多的人赛跑。 约翰·舒尔曼(John Schulman)的机器学习研究指南将这项工作分为两种模式。第一种,你阅读文献并寻找可以改进的地方。第二种,**你选择一个你真心希望实现的结果,然后反推去设计实验。**他主张第二种,其隐晦的原因在于这能制造出原创性。一个你真正关心的目标,会把你拖入任何综述论文都未曾覆盖的领地。 至于“品味”(taste),人们常把它当成一种天赋来讨论。但它表现得其实更像是一块肌肉。在运行每次实验前,先预测它的结果;遮住一篇论文的结果部分,仅凭它的方法来猜测数据;记下这个月发布的哪些成果在两年后依然重要,以后再来验证你的命中率。一次预测加上一次纠错,重复几百次——每一个好模型都是这样训练出来的,包括你脑子里的那个。 升级你的输入 共享的阅读清单产生共享的想法。如果你的信息口粮只是 arXiv 的热门榜单加上群聊筛选后剩下来的东西,你必然会跟所有人同时得出同样的结论,这也使得这些结论几乎一文不值。 旧资料的价值被严重低估了。这个领域总是延时重演自己的过去:混合专家模型(MoE)可追溯到 1991 年,LSTM 到 1997 年,反向传播在 1986 年就成了主流。理查德·萨顿(Rich Sutton)在 2019 年只用了一千来字就写出了《苦涩的教训》(The Bitter Lesson),而它对该领域发展轨迹的预测,比篇幅长它十倍的综述还要准。克劳德·香农(Claude Shannon)在 1952 年做过一场关于创造性思维的演讲,他的第一招就是把问题缩小到几乎微不足道的程度,破解这个缩小版,然后再将难度一点一点地加回去。单凭这一招,就能帮你撞破比任何现代生产力建议都要多的墙。 **广度和深度一样重要。**可解释性研究毫不掩饰地借鉴了神经科学;评测(Eval)设计就是披着白大褂的机制设计;只要对 GPU 到底如何移动内存有实际的认知,你就能在基准测试结果出来之前判断出哪些架构论文注定会失败;而诚实的统计学可能已经是机器学习领域最稀缺的技能了,在这里,许多公开发表的“严谨”,不过是带有误差棒的“感觉”。 还有一件事。**去读论文本身,而不是读总结它的帖子。**附录才是埋藏秘密的地方,而“局限性”部分通常是整篇文档中最诚实的一段。 把一切都写下来 保罗·格雷厄姆(Paul Graham)指出,一个想法在你试图把它变成文字之前,总感觉已经非常成熟了。但白纸黑字会暴露出你大脑粉饰过的漏洞:你从未测试过的假设、其实并不连贯的步骤、两个悄悄自相矛盾的主张。 费曼(Feynman)的原则是,你必须避免欺骗的第一人就是你自己,因为你是最容易上当的目标。**写作是有史以来发明的最廉价的防御机制。**达尔文走得更远,他将其程序化了:任何违背他理论的事实都会被当场写下来,因为他发现自己的记忆删除不便证据的速度,远比删除有利证据的速度快。你的记忆对你失败的运行记录也是如此。保持做日志的习惯:假设、设置、预期、结果、更新后的认知。重读上个月的记录会让你感到极度谦卑,没有任何审稿人能带来这种效果。
内容创作者必备:这些开源 Skills 配合 Codex/Claude Code,生产力直接起飞! 1. **baoyu-skills**:公众号/文章自动配图、信息图、知识漫画生成 + 一键发布到微信/X。 github.com/jimliu/baoyu-s… 2. **claude-blog**:全流程博客/长文写作套件(30+子Skills + 5 Agent),5-gate质检,SEO + AI引用双优化,10分钟出一篇高质量稿。 github.com/AgriciDaniel/c… 3. **awesome-agent-skills**:1000+ 精选 Agent Skills 合集,内容创作类超多,一站式安装。 github.com/VoltAgent/awes… 4. **awesome-claude-skills**:包含 content-research-writer 等,研究+大纲+写作+引用+迭代反馈,保持个人声线。 github.com/ComposioHQ/awe… 5. **social-media-skills**:社交媒体内容全套(帖子、线程、钩子、复用、分析),教 AI 懂你的声音和平台算法。 github.com/blacktwist/soc… 6. **alirezarezvani/claude-skills**:content-creator 等营销写作 Skills,博客、SEO、Landing Page 高效生成。 github.com/alirezarezvani… #ClaudeCode #AgentSkills #内容创作
开源我的一个skill 即 x-made-easy-skill 把一切困难的知识做成一本浅显的书。 1910 年,工程师汤普森(Silvanus P. Thompson)写了一本《微积分入门》(Calculus Made Easy)。开篇第一句话是:“本书旨在把你从预备的恐惧中解救出来。” 他做的事情很简单:先把那两个吓人微分和积分符号翻译成大白话:微分就是“一点点”,积分就是”加起来”。然后说,看,就这么回事。 这个技巧就是把任何一门知识都用同样方法处理,我已经用它制作了《奥数轻松学》、《Skill轻松学》、《概率轻松学》系列书籍。欢迎免费下载。 github.com/baibanbao/x-ma…
Claude Code、OpenClaw、Hermes、Codex,一个比一个能干, 但 2026 年了,这批最先进的 Agent 还集体卡在同一件小事上: 上不了网,查推特要付费 API,读小红书卡登录,上 Reddit 动不动被封 IP。 一个叫 Agent Reach 的开源项目,把这三堵墙一起拆了, 26.4k stars,基本零 API 费用。 它聪明在没造轮子: yt-dlp、gh CLI 这些本来就成熟的工具,它统一管起来, Claude Code / Cursor / OpenClaw 要用的时候自动调用, 本质上是给你的 Agent 装了一双能看全网的眼睛。 安装是真的只要一句话, 把 install 链接丢给你的 Agent, 它自己装依赖、自己注册 skill、自己告诉你哪些平台还差个 Cookie, 装完跑一遍 agent-reach doctor,哪通哪不通、怎么修,一目了然。 开箱即用的:YouTube、GitHub、网页、B站、V2EX,零配置。 要配 Cookie 的:Twitter、小红书、Reddit、雪球,流程统一,Agent 会带着你做。 三盆冷水也先泼了: 1️⃣Cookie 会过期,得手动重新导出,不存在装完就一劳永逸; 2️⃣拿 Cookie 抓数据有封号风险,社区共识是用小号,别赌主力号; 3️⃣ 纯聊天用户别凑热闹,它只对会让 Agent 跑命令的人有价值。 但有一点让我觉得这项目能活很久: 作者几乎每天都在更新,而且自己天天在用, 毕竟开源项目最硬的指标从来不是 star 数, 关键看作者还在不在用自己的东西。 链接放一楼了,让你的 Agent 自己装自己👇
我去,这个介绍Hermes Agent 有点太全面了。 跟着 @Lonely__MH 的方法把 Hermes 装上了,比想象中简单。并且直接接入了 X Premium,大模型费用也省去了。 过程就四步: >把 Hermes 的 GitHub 链接直接丢给大模型,让它照着文档一步步带我装(仓库地址:github.com/NousResearch/h…) >装上中文 GUI,界面清爽,不用一直盯着终端黑框 >对接 X Premium 的 grok API,看热点、追 X 上的讨论这块交给它 >跑一遍测试,确认能正常接活 全程没踩坑,装完直接能用,确实实用。命令和细节我就不复述了,看视频和文章更直观。
好家伙,这可能是我今年用过的最离谱的 AI 工具,manus 1/10的价格,但是能爬的数据是manus的10倍 它能在你的浏览器里像真人一样操作:打开网页、滚动页面、点击按钮、读取内容、提取数据。全程模拟真实鼠标和键盘操作,而且它用的是你自己的登录态。 关键是整个流程非常丝滑,没有任何中断,也没有触发平台风控(完全模拟正常用户请求) 你已经登录X、小红书、Reddit,它就直接用你的账号去浏览和提取,不需要额外配 API,这意味着两件事: 第一,它能访问所有你能访问的页面;第二,因为是正常用户行为,不容易被平台风控。 我测了好几个场景,说几个让我比较震撼的: 1. 推特 KOL 深度研究:我发现逸晨最近数据很好,我就让它去研究最近 50 条帖子,它自己打开推特,一条一条翻,自动提取每条帖的内容、互动数据、话题标签。 最后给我出了一份报告:这个人最近主要在聊什么、哪条帖互动最高、情绪分布怎么样、核心观点是什么。以前我想做这件事,得自己一条条翻半天。现在几出报告。 2. 小红书/Reddit 用户痛点扫描:我让它去 Reddit 上扫 “Codex VS ClaudeCode” 相关的帖子,它自动读了几十篇,把用户的吐槽、夸赞按主题聚类整理出来。 做产品的人应该秒懂这个价值!!! 现在 @AllyHubAI 现在几乎免费,快去体验一下吧!!!
这个含金量怕是有点高哦,将 Anthropic 官方金融服务技能包适配 A 股市场,为国内金融从业者提供 63 个 Claude Skills github.com/jwangkun/claud…
SMM Panel - SMM Afric... @smmdotafrica
2K Followers 1K Following Grow All Your Social Media Platforms with Us...Visit our Website https://t.co/gGOVnDJO4m
leon @leon59648130921
3 Followers 119 Following
prtfoast @prtfoast1
8 Followers 273 Following
sladoc @tesla2moonl
73 Followers 2K Following $TSLA investor. I’m bullish, but I don’t drink the Kool-Aid
Mingchen Zhuge @MingchenZhuge
2K Followers 873 Following Founding member @recursive_si; PhD of @SchmidhuberAI; Ex @Meta @Microsoft; Build @MetaGPT_, https://t.co/wnoau7ZPeE, https://t.co/OufDJP5DTO, https://t.co/tWu64hYA3T, ICLR RSI 2026, etc.
Mike Kalil @mikekalilmfg
3K Followers 3K Following covering the rise of the machines without an agenda. i’ve seen too many movies.
dig8italX @dig8italX
181 Followers 5K Following dig8italX, the leading artificial intelligence firm that specializes in creating customized AI solutions for businesses.
Castro 金·卡斯特... @GiftStelin84549
23 Followers 773 Following
池虎 刘 @lanshui555
6 Followers 377 Following
SAmi @SAmi92844837064
0 Followers 47 Following
Scarlett Li @ScarlettLi1116
0 Followers 40 Following
高发财 @blueyolla
5 Followers 49 Following
Subum @Subum978309
14 Followers 1K Following
wen👩🏻💻 @ds_wen_
25K Followers 13K Following 👋 senior data scientist. i do = data science + ai + lifelong learning with a growth mindset
Arqaqu @Arqaqu1087
5 Followers 260 Following
SectorRotation🇺�... @Twalornma8093
48 Followers 2K Following 15-30% Monthly | 2 High-Conviction Stocks.Short-Term Gains: 15-20% in Days/Weeks.DM "JOIN" for WhatsApp Alerts. Live Trade Signals • Market Analysis
トピックス別株... @Ynogalw889957
37 Followers 2K Following 【完全無料】 25年の株式投資プロチーム(運用資産500億円以上)が提供:毎日の市場分析レポート + 優良成長株のピックアップ。プロの情報を無料で。まずはお気軽にお問い合わせください。
Fwojir @Fwojir608
59 Followers 4K Following
李华·卡斯特罗 @OgPrince496169
68 Followers 3K Following
Blirqau @Blirqau827150
10 Followers 300 Following
Ruialfa @Ruialfa5202
54 Followers 2K Following
Peateson @PeatesonJycD
49 Followers 1K Following
SUPPORT @12georg30
312 Followers 7K Following
徐荣奎 @kui_xu47993
38 Followers 296 Following
ななに @CKontomari34258
5 Followers 84 Following 20歳/現役大学生/東京在住の台湾人/IGに私を追加して、私について詳しくご覧ください/Line:nanamk9
Chen Hung @ChenHung91850
136 Followers 4K Following
程生露 @furuo12345678
0 Followers 2 Following
matthew zeitoun @matthewzeitoun
31K Followers 33K Following 𝐟𝐢𝐥𝐦𝐦𝐚𝐤𝐞𝐫/𝐰𝐫𝐢𝐭𝐞𝐫:@zeitounpictures 🎥 ✍️ 𝐦𝐞𝐝𝐢𝐚:@afternoon_fm @thepatersonian 🎙📰𝐛𝐫𝐨𝐤𝐞𝐫:@theyourcompany🍃🔥𝐟𝐨𝐨𝐝:@fadedmeals🍕
DZ @huangdiezi
5K Followers 2K Following #Yuma Consensus #Bittensor SN86 SN115 SN119 #Never Enough $TAO
SkyMax Graphics Zetar... @MalachyOjimba
119 Followers 1K Following Am a Graphics designer with a great uniqueness and creativity for a good awareness for customers Brand.
Teaje @Teaje393885
1 Followers 16 Following
Dody setiawan @dodysnsc
219 Followers 4K Following
Troy @thetrcro
35 Followers 514 Following
猛小蛇 @mengxiaoshe
9K Followers 2K Following 🚅十八摸站长 🐕🦺狗日报总编辑 🐃牛车水龙头 🐷灣仔碼頭保安队副队长 🐟鱼禅寺末代知客僧 🙈连续创业不成功者 🐘睡后没收入的抽象老登 📝关注我了解更多赔钱方式
Yue Yang @YueYangAI
1K Followers 454 Following MTS @thinkymachines | PhD @upennnlp | prev @allen_ai | Multimodal
Qingxiu Dong @qx_dong
3K Followers 717 Following Research Scientist @GoogleDeepmind, #Gemini RL ✨ Prev: PhD @PKU1898, Intern @MSFTResearch Asia.
paperpaper @paperpaper886
2K Followers 276 Following PhD student focusing on Agentic AI | LLM wrangler | Losing my mind over the PhD grind every day | Fellow chaos welcome | Occasionally sharing useful AI tools
老马投资研究 @LMDFinance
13K Followers 70 Following 一个专职投资者的思考和记录,不做投资建议和入市依据 股评:📈【#老马股市评论】投研:📝【#老马行业研究】 美股:📊【#老马美股研究】总结:💹【#老马财务人生】 从周期视角出发,聚焦前沿科技落地应用以及产业化方向
Kaichao You @KaichaoYou
9K Followers 145 Following Ph.D. from Tsinghua University. Core maintainer of @vllm_project . Co-Founder & Chief Scientist @Inferact .
Kimi.ai @Kimi_Moonshot
179K Followers 136 Following Built by Moonshot AI to empower everyone to be superhuman. ⚡️API: https://t.co/XCrgjXAqMw @KimiProduct where we share cool use cases. @Kimidevs built for developers
Kimi Developers @KimiDevs
59K Followers 1 Following The official Kimi account for developers building with Kimi Code and the Kimi API.
Dreamer妍妍 @yanliudreamer
7K Followers 257 Following 📍硅谷大厂首席AI设计师, ex-Spotify, BCG 🙌 50w粉自媒体博主,10年老股民 💡关注AI,产品,投资与创造,坚信长期主义。 🎨拥有自己的设计工作室,参与咨询设计过100+产品,也在持续独立开发中。 Build boldly, Live deeply.
Jiacheng Liu @liujc1998
3K Followers 246 Following 🎓 PhD'ing @uwcse @uwnlp. 🛩 Private pilot. Prev: @allen_ai @AIatMeta @oculus @IllinoisCS. 📖 🥾 🚴♂️ 🎵 ♠️
Fan Nie @FanNie1208
1K Followers 507 Following Incoming CS PhD @Stanford | Prev. @nvidia @EPFL @SJTU1886
Xun Huang @xxunhuang
6K Followers 582 Following Technical Director @Roblox. Founder of Morpheus AI (acquired by @Roblox). ex-Adobe/CMU/NVIDIA/Cornell. Video world models.
Charles Qi @charles_rqi
11K Followers 335 Following Research @OpenAI. Prev: Tesla | Waymo | FAIR | Stanford
Tairan He @TairanHe99
14K Followers 1K Following Researcher @OpenAI. Prev: PhD @CMU_Robotics @NVIDIA @MSFTResearch @sjtu1896 | All Opinions are My Own
Weijie Su @weijie444
13K Followers 499 Following Researcher @OpenAI, Professor @Wharton, CS, Math @Penn, coDir PRiML, PhD @Stanford
Jocelyn Shen @jocelynjshen
2K Followers 1K Following Research Scientist @GoogleDeepMind | PhD @MIT @medialab '26, CS @MIT '21 | prev: @MSFTresearch @apple | HCI + NLP + social science
Mieke Lieke @miekelieke
10K Followers 153 Following 33 & Trots Nederlands. 🇳🇱 Politiek, actualiteit, AI en opinie. Fanmail mag naar: [email protected]
Duygu Yıldırım @HistorianDiary
19K Followers 2K Following Asst Professor of History @UTKnoxville | PhD @Stanford | Natural History & Medicine | Early Modern History | Writing a book about uncertainty | Istanbulite
Yohan Pawer @YohanPawerF
36K Followers 510 Following 🚨🎙️📺 Président du @collectiferos et lanceur d’alertes | Le vent tourne à droite 🇫🇷 | Me soutenir ⤵️
Shuai Bai @shuai_bai_
837 Followers 91 Following Building the QwenVL – Qwen3VL series 🛠️ Research Focus: LVLMs🧠, Unified Understanding and Generation Models 🔄, Exploring Embodied Intelligence 🤖✨
Guowei Xu @Kevin_GuoweiXu
3K Followers 558 Following Undergraduate student at Yao Class (Tsinghua University), interested in Language Models and Reinforcement Learning
Justin Chen @ch3njus
181 Followers 1K Following Working on something new | Parkour Theory | Prev: BA, MS @ Boston University CS
Shulin Tian @shulin_tian
228 Followers 295 Following PhD Student @MMLabNTU + ACIS Scholar @ASTARsg | Agents, Vision & Learning
Furkan Gözükara @FurkanGozukara
276K Followers 2K Following PhD Computer Eng. : AI, Education, News, Tech, Tutorials, Fine-Tuning, ComfyUI, Founder @SECourses | Unique Commentary & Breaking Narratives - Pro Humanity
Dina Powell McCormick @DinaPowellMcC
10K Followers 56 Following Mom. Wife. President and Vice Chair @Meta. Former national security official. NYT bestselling author of “Who Believed in You.”
OpenAI Developers @OpenAIDevs
357K Followers 1 Following Official updates for developers building with Codex & the OpenAI Platform • Service status: https://t.co/kZwnwdYYEq
Lip-Bu Tan @LipBuTan1
31K Followers 38 Following CEO of Intel Corporation, Chairman of Walden International, Founding Managing Partner of Walden Catalyst Ventures
Haoru Xue @HaoruXue
3K Followers 463 Following PhD @berkeley_ai | prev. intern @nvidia GEAR, @CMU_Robotics, @LeCARLab | Robot Learning, Humanoids
astaxie @astaxie
5K Followers 656 Following AI believer. agent-native future. founder ThinkInAI · DeepChat creator Go veteran (10+ yrs) · beego author · GopherChina co-founder prev @Apple, Shanda
Jiayi Weng @Trinkle23897
12K Followers 184 Following MTS @openai, author of the entire post-training RL infra, core contributor of ChatGPT/GPT4/GPT4o etc. 30U30
Rex Zhang @RexDQZhang
1K Followers 43 Following AI Agent/ Robotics, founder of @PathOn_Robotics and @PathOnAIOrg, DM is open! Accomplished AI Researcher @AmazonScience /PhD @UCBerkeley/@PKU1898, 1k+ citations
ROBOTIS @ROBOTIS
6K Followers 82 Following The study of human experiences,ROBOTIS #ROBOT #DYNAMIXEL #Autonomous #MobileRobot #AMR #HoteldeliveryRobot #Turtlebot3 #OMP #RobotHand #Manipulator
Manqi Cheng 程曼祺 @ChengManqi
676 Followers 125 Following Reporting on China's AI from the front lines. Host of LateTalk podcast @LatePost:https://t.co/PvCUnRNEvZ What's actually happening vs. What you've heard
lily.learns @EzSpeakMandarin
2K Followers 126 Following Chinese-Canadian girl in Guangzhou trying to reconnect with Mandarin city walks, cafés, calligraphy ✨
Saturday Robotics @saturdayrobotic
954 Followers 17 Following 🤖 Saturday Reading Club on Robotics & World Models for AI Researchers in SF Hosts: @junfanzhu98 @aurorafeng_01 @neuralmotion https://t.co/fLSL01KO9e
Tongzhou Mu 🤖🦾�... @tongzhou_mu
3K Followers 974 Following Scaling video world models for 🤖 @RhodaAI | Built 1st version of ManiSkill https://t.co/NuQOXaNhud | Prev @UCSanDiego @1x_tech @NVIDIA @MSFTResearch
Aurora Feng @aurorafeng_01
611 Followers 244 Following 🧠 founder @neuralmotion | @saturdayrobotic 🌲@stanford ‘24 i love robots and gorillas
AI最严厉的父亲 @dashen_wang
23K Followers 650 Following 当AGI睁开眼睛的那一刻,人类的存在便失去了所有意义 🥸:「AI民科」「诗人」「作家」「屌毛」「喷子」「S/Dom」
韩琦 @YannisHan77
5K Followers 606 Following 💼不知名私募机构合伙人 ☀️18岁炒股 → 体制内游历 →裸辞专心创业 ⭐宏观政策解读|一二级市场投研|币圈投机倒把 ❗️所有内容仅代表个人观点,不构成投资建议 ❗️Not financial advice — just noise. DYOR
百年 AI×出海 @yidabuilds
15K Followers 413 Following NUS Data Science / Base 新加坡/ 跨境电商/ AI企业服务 30+出海站🌐 / 10天万粉 公开记录全过程:怎么做的、赚了多少、踩了什么坑 📊 合作:私信
Akos @akoskm
16K Followers 477 Following Father of one, Principal Developer, Builds and writes web stuff. building https://t.co/i8oXQzPQwb 👨⚖️🤖 https://t.co/f25X5v66O6 https://t.co/cMy3tNG8nn https://t.co/Deh5hwAsdd











































