与「真空腹」相关的搜索结果

這腹肌的控制力也太絕了！一吸氣直接把肚子收成這樣，核心力量和真空腹的技巧簡直拉滿。 #真空腹# #核心訓練# #健身# #腹肌# #身材管理#

这两天全网都在拿刚发布的 Claude Fable 5.2 测写代码，我换了个更刚需的玩法：既然现在大家最关心的是自己和家人的健康，干脆把 Theta Health 开源（Apache-2.0）的健康数据引擎 Mirobody 挂进 Claude Code，让 Fable 5.2 调它的本机离线医学词表，把 mirobody-gen 生成的 18 份跨机构虚拟体检单、5 年手表数据和中英日对照读数现场洗干净，做成了一份 2026 身体年度报告与跨年体检趋势看板（见图）。 不用部署也不用 API Key，一行命令就能把它的离线引擎挂进 Claude Code 当 MCP： claude mcp add mirobody -- uvx --python 3.12 mirobody mcp 为什么要让 Fable 5.2 调这个 MCP，而不是直接把体检单丢给大模型心算？因为跨医院、跨语言的体检数据直接喂给模型太容易翻车了——比如同样从美国的 mg/dL 换算成国内的 mmol/L，胆固醇要除以 38.67，而空腹血糖要除以 18.02。 挂上 Mirobody（1.6.1） 后，你手上的中文、英文检查报告就能真正放在一起看：它从 LOINC 2.83 切出了 63,416 个编码、1,023,273 条名称（含 21 种语言）和 331 个 UCUM 单位，常规体检项目在中、英、日、俄、爱沙尼亚、土耳其 6 种语言上的覆盖测试达到 347/347。本机实测它把英文的 LDL Cholesterol 82.8 mg/dL、日文的 LDLコレステロール 82.8 mg/dL（落到质量浓度 LOINC 13457-7）和中文的 低密度脂蛋白胆固醇 2.14 毫摩尔每升（落到摩尔浓度 LOINC 22748-8）全部对齐，经 convert_unit 按各自的换算系数精准转换（2.14 mmol/L ↔ 82.74 mg/dL）；6 家机构、3 种不同写法的 15 次糖化血红蛋白 也全部统一到 LOINC 4548-4 连成了一条五年趋势线。 更好玩的是本机实测时故意埋雷和抓到的几个真细节（见图）： 一是它的拒识边界极严，绝不瞎猜。我故意往 standardize_reading 塞了一条把血清白蛋白配成尿液单位的脏数据（Albumin 30 mg/24h）和一条笼统的 血脂 偏高，它直接返回 refused，明确提示白蛋白配了尿液才用的单位、分类词不给单项编码。在 18 份报告第一轮原样读出的 172 行里，150 行直接拿到编码，它拒绝了 22 行并逐行给出理由——比如血常规里缩写 PCT 配了 % 单位，通常是血小板压积，引擎没把它错编成降钙素原（PCT 的另一个常见意思），而是因单位对不上直接拒识；还有 Urea(BUN) 混写了尿素和尿素氮两个量、3 行血压把收缩压和舒张压印在同一格。第二轮我让 Fable 5.2 按拒识理由把那 3 行同格血压拆成 6 行（总行数变为 175 行），再去掉括号、把缩写展开成全称（如写全 Plateletcrit）重交，又有 22 行编上了码：最终 175 行里共 172 行拿到编码，只剩 3 行英文 Glycated albumin 仍未编码。 二是实测真抓到了几个 Edge Case：英文 Glycated albumin 暂未识别，但敲中文 糖化白蛋白 却能识别；测日文低密度脂蛋白时，不带横杠的 LDLコレステロール 秒识别，但中间加个半角连字符写成 LDL-コレステロール 就会返回 unresolved（因为引擎坚持只查词表绝不靠模型猜，刚好可以顺手给仓库提个词表 PR）；另外日记里的复合长句直接传给 standardize_complaint 会不认，必须让 Fable 5.2 先把单项症状拆出来再调工具，23 个症状精准编上了 22 个 ICPC-3 编码。 这次我在本机实测的是它最轻的离线词表、Apple Health 导入和 Claude Code MCP 链路，还没有在本地部署完整版 Web 应用。根据官方文档，完整版 Mirobody 可以把体检报告（PDF、照片、表格）、手环数据（Apple Health 等）和基因文件（WeGene、23andMe、AncestryDNA、VCF）整合进同一份 AI 读得懂的记录，支持用 Docker 100% 本地部署（16G 无卡电脑也能跑，Windows 需在 WSL 2 终端里执行），也可以接入其他 AI 模型；完整版回答里每个数字都标明来源，点开就能看到原文件。国内网页版（ Mirobody、以及海外版产品 Theta（ 提醒两点：接 Claude Code 这类云端工具时，你发给它的记录会发给对应的模型公司（所以我全程只用虚拟数据测试）；如果你部署完整版，设置里生成的 MCP 接入链接相当于密码，截图或录屏时必须打码。 截至 2026 年 11 月 11 日，Mirobody 在 GitHub 上已有 1,450 个星标，是 GitHub digital-health 话题下星标第 1 的项目。可以直接去 GitHub 跑通试试，觉得有用点个 Star，遇到没覆盖的医院报告写法也欢迎提 Issue 或 PR： （也可以先点开中文在线 Demo 体验，里面是两位虚拟成员的 2,019 条数据，想自己提问需要注册或自己部署： ）

一个真诚的建议： 如果兜里不是很有钱 如果不是做AI博主写AI工具用法干货搞流量，赚收益或者接商单 真没必要用这么多AI工具 用AI搞钱才是目的，一切AI工具只是手段 就算24小时*30天玩AI工具，一辈子都不够用 做个AI功利主义者，挺好

模型越来越强， 为什么大多数公司的成本没降、利润没涨？ 11 月 12 日百度世界 2026， 李彦宏给了一个新判断： 人工智能的下一幕，是"智能组织"。 十年前他说的是： AI is the new electricity。 我作为独立开发者的体感是： 电早就通了， 但很多团队还是在用 AI 点灯泡—— 写个文案、改段代码、出张图。 真正省钱的， 不是"每个人多一个 AI 助手"， 而是把流程本身拆掉重排： 哪些环节根本不需要人， 哪些决策可以交给 agent 先跑一遍。 工具是电， 组织是电路图。 你们公司用 AI 之后， 是真省了钱，还是只是多了一个订阅？

Anthropic 新发布的《Building always-on agents》非常值得关注，刚好能和之前 DeepSeek 的 Super-agent、LangChain 的 Async Subagents 放在一起理解。 DeepSeek 则通过 Router 接收 GitHub、飞书等事件，在授权规则内判断是否启动任务，再交给独立 Worker 执行。 LangChain 让主 Agent 保持响应，长任务交给后台 Subagent 独立运行，还能随时查看进度、修改指令。 Anthropic 这次把背后的架构拆得非常细。 Agent 平时休眠，收到消息、Webhook 或定时触发才唤醒，执行一轮任务，保存状态后继续休眠。 整个系统围绕 5 个核心组件设计： Inbox 接收事件，负责去重和失败重试。 Timer 定时唤醒 Agent，主动跟进任务。 Memory 保存跨 Session 的记忆和任务进度。 Permissions 管理权限、凭据和人工审批。 Outbox 控制何时向用户发送消息。 我个人比较喜欢 Deferred Tool Call 这个设计。需要人审批时，先保存 Session，释放 Worker，等用户回复后再恢复执行，不会一直卡在那里。 这几篇文章放在一起看，感觉大家越来越关注 Agent 如何持续工作，以及怎么减少人的管理负担。 想自己搭 Always-on Agent 的朋友，真可以系统性的学习这篇，很多设计都能直接参考。 原文：

🔥🔥历史时刻：11/14/26 在太空绕了将近一整天后，SpaceX星舰(Starship)的上段太空船14日从天而降，稳稳落进发射塔的两支“筷子”之间。这是人类第一次用机械臂，在半空中接住一艘从轨道返回的太空船。 这是星舰第15次试飞。太空船13日美东时间下午5时47分从德州星舰基地(Starbase)升空，在轨道上送出26颗第三代星链卫星，飞行约22.5小时后，14日下午3时23分点燃单具引擎约10秒、脱离轨道，穿越大气层一路返航，下午4时20分左右被发射塔俗称“筷子”的机械臂接住。 能把太空船也接回来重复使用，星舰就离“完全可重复使用”更近一步。 这意味着发射成本可望大幅下降，也让SpaceX的登月和火星计划更有机会成真。

具身开发最大的内耗：仿真写一套，真机重写一套。 CMU 与 Genesis 团队开源 Eden： - 一套任务定义直通 Sim-to-Real - 释放 Genesis GPU 并行物理内核 - 刚体、软体与灵巧操作零二次封装 仿真跑通的控制策略，真机直接吃。

你写的代码，有一半没人看就进库了？ 11 月 14 日更新的一份榜单，把 AI 编程智能体的底裤扒了：看的不是跑分，是真进了仓库的代码。 Claude Code 交的 PR，91.2% 被合并了，五个里最高。 Codex 更夸张：到 11 月 13 日，公开仓库开了约 910 万个 PR，87.4% 被合并。 Copilot 72.2%，Cursor 70.9%，Devin 63.2%。 但最扎心的是这一步：抽查的 268 个已合并的智能体 PR 里，56% 没有任何真人审过😅 Claude Code 合并的 PR，只有 30.5% 有人看过；Codex 更低，28.6%。 反过来，Copilot 合并的 PR 里 80.5% 有人审，Cursor 77.8%。 说白了，合并率高不等于代码对，没人看的那一半，恰恰是合并率最高的那批🤯 这事早不是小圈子玩具了：90% 的职业开发者每周至少用一次 AI 编程智能体。 你团队里 AI 交的 PR，现在到底是谁在审？

今天币圈这波下跌，确实有点狠。真想爆粗话了！CTM BTC 跌 5.7%，来到 6.4 万美元附近。ETH 跌了 8%，BNB 跌了 8.4%。SOL、DOGE 这些山寨币更惨，跌幅基本都超过了 10%。 过去 24 小时，合约爆仓超过 12 亿美元，大部分都是做多的人。 说白了，这次不光是币圈自己在跌。美国通胀压力没下来，降息预期又降温，ETF 资金还在往外流。几个利空撞到一起 但我觉得，现在最需要小心的不是下跌本身，而是很多人看到跌这么多，就觉得抄底机会来了。 尤其是那些想着满仓冲进去，甚至开杠杆赌反弹的。真没必要这么急。 特别是刚进币圈的朋友，别看别人喊抄底就跟着冲。别人仓位多少、能承受多大亏损，你根本不知道。 市场天天都在，机会以后还有。 手里留点现金，控制好仓位，少碰高杠杆，比什么都重要。 币圈拼的不是谁一波赚得最多，而是谁能一直留在牌桌上。 其实我也不太能控制自己，每次都很上头，所以我才发帖子 告诫新人，也告诫自己