与「社区」相关的搜索结果

呕心沥血，真的是呕心沥血，最近看镜子都觉得自己老了很多，甚至这几天眼睛肿到自己都看不见自己，我每天用了CLUAD AI十几个小时连着持续数周，为的就是 $ROBINCAT 发射台，中间也找了很多技术员替我把关，我坚持要做到完美为止，也參考了個大發射台的機制和代碼，坦白说目前进度80% 而我从没想过我会成为技术员😅，一開始的初衷只是我想对 $ROBINCAT 社区尽一点微薄之力罢了，我不打算先上线，因为还没准备好，首先必须凝聚人心，找回ROBINHOOD CHAIN上的OG们一起来建设ROBINHOOD CHAIN，没有做到这点就不上线，这个发射台我个人觉得机制很好，可以减少PVP风气，也可以回收链上被锁死的资金，更可以避免分流，如果有機構投資，我承諾把所有收到的投資款全部回購ROBINCAT後銷毀🥰，因為我没打算从这發射台赚钱，相比起PONS的收入真的少很多，因为 $KROOP 发射台所有的收入幾乎都回到ROBINCAT的回购销毁上 IT'S COMING SOON.BUILDING ON ROBINHOOD CHAIN AND ROBINCAT❤️❤️❤️ @krooppad @vladtenev @RobinhoodApp @RobinhoodCrypto #ROBINHOOD# #ROBINCAT#

在 magpie 里用 Antigravity 的话，建议改用社区插件「Antigravity (local agy CLI)」（agy-cli）。 它通过 ACP 驱动你本机装好、登录好的 agy CLI，请求由 Google 官方客户端自己发出，不再模拟客户端直连 Google 接口，被封的风险会低一些。 只是更低，不是没有：封不封仍由 Google 决定，建议用备用号，别多号同时高频跑。 安装：Plugins 页搜 agy，或 magpie plugin add @magpie-community/opencode-agy-cli-auth

很多人翻墙之后，只会刷推特 其实真正的信息差，藏在海外这些网站里。 下面这 10 个地方，建议全部收藏。每天花半小时逛一圈，信息获取能力可能超过身边 90% 的人！ 1、Reddit 互联网最大的兴趣社区之一。AI、投资、编程、创业、科技，几乎任何领域都有专属 Subreddit。真人经验、深度讨论、行业内幕，挖宝圣地！ 2、GitHub 全球最大的开源代码社区之一。AI Agent、LLM、大模型、自动化工具、开发框架，想找宝藏开源项目，这里简直挖不完！ 3、Hacker News 硅谷程序员的情报站。AI、开源项目、技术趋势、创业故事，每天都有高质量讨论，技术信息密度爆表！ 4、Product Hunt AI 工具和 SaaS 产品的发射场。每天都有新产品上线，很多爆火的 AI 项目都能在这里提前发现。 5、LinkedIn 千万别只把它当招聘网站。全球 CEO、投资人、创业者、科技公司高管都在这里分享一手行业动态。 6、Telegram 海外信息集散中心。AI、加密货币、投资、开源工具，各种频道和社群层出不穷，不少一手消息传播速度非常快。 7、Threads Meta 旗下社交平台。海外创作者、开发者、创业者聚集地，氛围比 X 更轻松，经常能看到有意思的新观点。 8、Discord 海外互联网社区的大本营。AI 项目、Web3、游戏、开发者社区都喜欢在这里建群，很多项目的核心讨论和早期动态都在 Discord。 9、Medium 海外技术和商业长文聚集地。AI 技术教程、创业复盘、投资思考、产品分析，适合系统性补充知识。 10、Substack 独立作者和行业专家的内容订阅平台。大量投资人、科技创业者、研究员在这里发布深度报告，有些内容比新闻媒体更有洞察力。 最后说一句： 不要把翻墙后的互联网，只当成一个刷 X 的娱乐工具。 Reddit 找讨论，GitHub 挖项目，Hacker News 看趋势，Product Hunt 找工具，Substack 追踪大佬观点。 这才是打开海外互联网的正确姿势！ 建议收藏，也转发给还在只会刷 X 的朋友。 你还有哪些值得推荐的海外网站？评论区补充！

黄仁勋被英伟达董事会逼下台后，硅谷和华尔街开始反扑了。 华尔街基金打响第一枪 先看资本这边的动作。两家重仓英伟达的知名科技基金 Altimeter 和 Atreides，手里一共管着超过 250 亿美元的资产。他们率先联名发表公开信，要求英伟达董事会恢复黄仁勋的 CEO 职务。 这两家基金在英伟达占的股份比例其实很低，加起来还不到 0.1%，但他们在华尔街和硅谷的号召力极强。2022 年扎克伯格死磕元宇宙，一年烧掉上百亿美金，导致 Meta 股价暴跌。当时就是 Altimeter 发了一封公开信，逼着扎克伯格大裁员，砍掉元宇宙开支，全面转向 AI。 当然，真正能一锤定音的，还是华尔街对英伟达持股最多的三家大股东：先锋领航（Vanguard）、贝莱德（BlackRock）和富达（Fidelity），这三家加起来握着英伟达大约 20% 的股份。这种金融巨鳄平时很少像硅谷投资基金那样公开发信骂街，但现在激进、有号召力的小弟已经打响了第一枪，这三大巨头后续会不会表态支持黄仁勋回来，非常值得关注。 马斯克带头，硅谷大佬集体站队 硅谷的一批创业大佬也开始集体站队。马斯克，还有 Uber、Shopify、Replit 和 Vercel 这些公司的创始人，全都公开发帖支持黄仁勋复职。硅谷知名投资人 Naval 直接说，黄仁勋就是英伟达的乔布斯，无人可以替代。 马斯克昨天一天之内更是连续表态了 5 次。早上他还只是回一句 Hmm 围观，中午回 Indeed 表示认同，到了下午就直接宣布自己也要签复职请愿书，晚上又转发大股东公开信、赞同黄仁勋是乔布斯的说法。短短一天，他已经从最初的认同，变成带头向董事会施压的领头大哥了。 内部员工九成力挺黄老板回家 英伟达内部也一样。有老员工在公司内网发帖抗议，一下子涌进来 1600 多条评论，都在喊话让董事会把老大请回来。在硅谷匿名社区的英伟达员工投票里，接近 90% 的人力挺黄仁勋，支持董事会赶他走的只有 1%。员工跟着他干了这么多年，全靠英伟达的股票发家致富，大家心里只认这一个老板。 这件事才刚刚开始。接下来，英伟达董事会里那些反对黄仁勋的人，面对来自员工、股东、合作伙伴和客户的压力只会越来越大，直到他们妥协让步。 美国两党政治斗争产物，华尔街最后拍板 这两天 X 中文社区盛传一种种族歧视论，说黄仁勋是因为华人身份才被搞下去的，这其实是背后有外宣任务在推动带节奏的舆论。黄仁勋这件事，真正的原因根本不是什么种族问题，而是美国两党政治斗争的结果。 在这之前，黄仁勋一直在积极游说华盛顿，想让美国政府放宽对中国出口芯片的限制。他当时敢这么高调，底气主要来自两边：一边是更看重做生意赚钱、讲究实用的川普，对这事基本是睁一只眼闭一只眼；另一边则是华盛顿内部那些支持放松对华芯片限制的力量，比如商务部长霍华德。财长贝森特就公开抱怨过川普跟黄仁勋走得太近。 但中期选举之后，华盛顿的风向彻底变了。随着民主党重新掌控参众两院，那些在对华芯片禁运上态度强硬的鹰派开始占据话语权，而且民主党里本来就有很多人直接喊话要搞大科技公司。而在一众科技和华尔街大佬里，一直冲在最一线游说对华卖芯片的黄仁勋，理所当然就成了他们最先开刀的对象。 所以说白了，黄仁勋这次下台，根本上就是美国两党政治斗争的产物。但最终结果如何，还是要取决于华尔街最后怎么站队拍板。不管美国两党如何斗得你死我活，最终还是资本说了算。

MiniMax 开源的生图模型 MiniMax-H3-Image，原版 68.65GB。几天里社区做出 27 个量化版，Q4 是 10.78G，最小的 Q2_K 压到 6.4G，原生就能出 4096×4096 的图。 你的显卡几个 G，够跑哪一版？

窝趣！Obsidian 的 CEO 把自己用的知识库模板放到 GitHub 上了。 想用 Obsidian 搭建个人知识库，但不知道怎么分类、怎么组织笔记的朋友，可以先看看他的模板。 除了知识库模板，Obsidian 官方和 CEO Steph Ango（kepano）还分享了几个相关项目，我整理了 7 个： 1、40 Questions：年度复盘问题 kepano 整理的一份问题清单，用来回顾自己过去一年或一个阶段的生活。 不知道年度复盘从哪里开始的朋友，可以挑几个问题，结合自己的日记和笔记来回答。 2、Minimal：Obsidian 主题 一个简洁、可自定义的 Obsidian 主题。喜欢干净一点的笔记界面，可以在 Obsidian 的主题市场里搜索 Minimal。 3、obsidian-sample-plugin：官方插件模板 如果你用 Obsidian 的时候，发现现有插件满足不了自己的需求，可以拿这个官方模板作为起点，尝试开发一个自己的插件。 也可以把仓库交给 Codex，让它先帮你解释项目结构和开发步骤。 4、kepano-obsidian：个人知识库模板 Obsidian 的 CEO 把自己使用的 Vault 模板放到了 GitHub 上。里面展示了他组织笔记和资料的方式，可以下载下来研究，再根据自己的需求修改。 注意，这是公开的模板，不是他完整的私人知识库。 5、Flexoki：写作和编程配色 kepano 为写作和代码设计的一套配色。如果你想调整 Obsidian、编辑器或者自己网站的颜色，可以参考这套方案。 6、obsidian-releases：插件和主题目录 这里维护了 Obsidian 的社区插件目录、主题目录和公开版本信息。 想找插件、研究社区都有哪些工具，可以从这里入手。仓库本身不包含 Obsidian 的源代码。 7、JSON Canvas：开放式画布格式 Obsidian 的 Canvas 可以用来把笔记、图片和想法放到一张画布上。 JSON Canvas 是用于保存这些画布数据的开放文件格式。对想研究画布工具，或者希望了解画布数据怎么存储的朋友，可以看看这个项目。 如果你是刚开始用 Obsidian，我建议先看知识库模板和 Minimal 主题：先把笔记写起来，用一段时间之后，再根据自己的需求调整分类和插件。

最近看到一个项目 #StarsAI，比较吸引我的不是它讲了多少故事，而是它主打的这套机制。# LP 权限永久丢弃，没有预留 ，没有团队仓，代币全部通过 Mint 产生。 另外还有税点进入黑洞销毁，以及平台盈利加持销毁的设计。 说到底，项目能不能走远，不能光靠嘴上承诺，还是得看代码 权限和实际执行。 StarsAI 想做的就是把规则摆在明面上，让社区自己监督。当然机制到底怎么样，大家可以自己研究，也不能光听宣传 CA：0x81c3ab2c7ee773af2ac823b8cef3c430ef11f039

每周一次的分享来啦！YFSX VIN，跑了四年多了，确实很稳、而且越看越觉得参与YFSX VIN本质上就是在创业！ 为什么这么说呢？ 真正的创业，核心不是“开一家公司”，而是拥有资产、参与决策、分享增长。YFSX VIN把这三件事做了彻底的去中心化与自动化。 以前一说创业，脑子里就是拉团队、找钱、搞牌照、租办公室，股权还会被稀释，管理一堆内耗，退出还得等好几年。 这个项目倒是把逻辑给改了：你往池子里添加流动性（当LP），就相当于直接投钱进去当“股东”了。交易产生的手续费会自动按规则回流分红，不是那种短期挖矿发奖励，更像是协议自己在赚钱然后分给你。用的人越多、池子越厚，你分到的就越多。 持有YFSX还能参与治理，链上投票决定协议升级这些事，没有董事会、没有创始人一票否决。门槛低到离谱，装个钱包连上BSC，在PancakeSwap或者Uniswap加个流动性就能开始，全球谁都能玩，想撤就撤，想卖就卖，24小时都行。 对比传统创业，门槛降低（钱包+资金），所有权清晰透明，收益分配无中间层损耗，运营负担几乎为零，可随时退出，失败风险更可控...... 安全跑了四年多，经过CertiK和Hacken审计，所有权也放弃了，相对靠谱一些。现在主要在搞主流资产的流动性挖矿，以后还打算加借贷、安全模块这些。 当然风险也还在，价格会波动，有无常损失，市场啥样说不准，交易量和应用深度也还有提升空间。所以别盲目冲，先去看看合约和数据，看看自己能不能扛得住波动再决定要不要参与。 如果你正在寻找长期的价值增长，想了解更多信息，你可以加入Alpha YV Builders 群以获得社区正在进的活动和更多资讯。 官方网站： 社区X 官方账号: Telegram电报群 : YouTube 频道： $YFSX 合约地址:0xb7ec60cf8ef96ed48b119277bc7a954a87f27388 $VIN 合约地址:0x85e43bf8faaf04ceddcd03d6c07438b72606a988

今天正式宣布：我将担任 LUCK CTO @PlayLUCK_BSC 合约：0x11e3ee544418a074679f9aa0dc77824207aa7777 感谢社区信任。接下来我会聚焦三件事： 1. 技术建设：完善基础设施，推进安全与审计； 2. 透明沟通：公开路线图与进展，及时同步； 3. 社区共建：听取建议，用交付说话。 不画大饼，持续 Build。欢迎监督。 #LUCK# #CTO#

Agent 最缺的不是更大的上下文窗口，而是理解整个代码库的能力：当一个项目有数万文件、跨模块调用和海量文档时，为什么还要让 AI 一遍遍 Grep、Read、重新理解整个工程？ 📦 项目档案 项目：Graphify-Labs/graphify GitHub Stars：⭐ 147299 技术栈：Python + Tree-sitter + NetworkX + Leiden 核心定位：将代码、文档、SQL Schema、PDF、图片及音视频转换成可查询、可追溯的知识图谱，让 AI Agent 从「搜索文件」升级为「理解工程关系」。 GitHub： 🛠️ 一、底层架构：不是传统 RAG，而是图结构知识引擎 Graphify 最值得研究的地方，是它没有走传统向量检索路线。 传统 RAG 通常需要经历： 文件切分 → Embedding → 向量入库 → 相似度检索 → 上下文拼接。 Graphify 直接构建 Graph。 底层采用 NetworkX 图数据结构，以 Node 和 Edge 表达工程实体及其关系。 整个处理链路可以概括为： detect() → extract() → build() → cluster() → analyze() → report() → export() 每个阶段职责独立，通过 Python Dict 和 NetworkX Graph 传递数据。 这意味着它不只是索引代码，而是在构建整个项目的结构化关系网络。 🛠️ 二、Tree-sitter AST：让代码解析摆脱 LLM 依赖 这是最有工程价值的设计。 Graphify 使用 Tree-sitter AST 解析约40种编程语言，提取： • Classes：类定义及结构。 • Functions：函数与方法。 • Imports：模块依赖关系。 • Call Graph：跨文件函数调用。 • SQL：表、视图、外键及 JOIN 关系。 其中33种语言使用 Tree-sitter Grammar，另外7种使用内置解析器。 关键在于：代码结构提取完全在本地完成，不需要调用 LLM，也不需要把代码上传到云端。 对于大型代码库，这种确定性解析比单纯依赖模型阅读文件更容易复现和追踪。 🛠️ 三、EXTRACTED / INFERRED：让每条知识关系都有证据 很多知识图谱最大的隐患是：模型推断出来的关系，很容易被误认为真实事实。 Graphify 给关系增加了置信度标签： • EXTRACTED：源码中明确存在的关系，例如 import、函数调用。 • INFERRED：通过上下文、命名和调用关系推断出来的连接。 • AMBIGUOUS：存在不确定性的关系，需要人工复核。 INFERRED 关系还会附带 0.0—1.0 的 confidence_score。 这套机制非常重要。 它实际上把知识图谱从一个简单的关联网络，变成了一个能够区分事实、推断与不确定性的工程知识系统。 🛠️ 四、Leiden + SHA256 Cache：解决规模与重复计算 Graphify 使用 Leiden 社区发现算法，根据节点之间的连接密度，将复杂工程拆分成不同功能子系统。 例如，一个大型后端项目，可以自动识别认证、数据库、路由、权限等不同社区。 同时，SHA256 内容哈希缓存会记录文件指纹。 文件没有变化，就跳过重复提取；只有新增或修改的文件才重新处理。 音视频还可以通过本地 faster-whisper 转录，再进入统一知识图谱。 这让增量更新不必每次重新扫描整个工程。 五、真正解决了什么工程问题？ 想象一个场景： 你接手一个陌生的微服务项目，需要搞清楚： 用户认证最终连接了哪些数据库模块？ 修改某个核心函数会影响哪些下游组件？ 某个架构决策为什么会存在？ 两个看似无关的模块究竟有什么隐藏依赖？ 传统方式：Grep、Read、跳转、反复询问 Agent，消耗大量上下文。 Graphify：直接执行 query、path、explain。 它还能生成三个核心产物： • graph.json：完整知识图谱，可供后续查询。 • GRAPH_REPORT.md：核心节点、社区及关键关系分析。 • graph.html：可交互的可视化图谱。 甚至支持 Mermaid 调用链导出、Markdown Wiki 和 Obsidian 知识库。 最重要的设计思想是： 不要让 AI 每次都重新阅读整个世界，而是提前把世界组织成它能够理解和遍历的结构。 这才是 AI Coding 从上下文堆砌走向工程知识管理的重要一步。 对于大型 Monorepo、遗留系统维护、跨模块依赖分析，以及需要长期理解代码库的 Agent，这套架构尤其值得研究。 🔗 GitHub 开源地址：