与「緩」相关的搜索结果

让 Claude Code 跑一会儿额度就见底，翻回去一看，大头根本不是你说的话，是它自己 grep 出来的几百行结果、一整坨日志、重复的 JSON，每一轮都原样塞回给模型。 Headroom 管的就是这块。它在本地把工具输出、日志、文件、RAG 片段先压一遍，再发给模型。 现在 7.9 万多星，今天在 GitHub Python 日榜上，10 号刚发 v0.44.0。 README 里我觉得比较有用的： 1. 不用改代码，headroom wrap claude 一条命令就把 Claude Code 套上，Codex、Aider、OpenCode、Kimi CLI 也能这么接，不想用了 headroom unwrap 撤掉 2. 官方实测四个 agent 场景省了 21% 到 57% 的输入 token，重复的 JSON 和日志能压掉九成以上 3. 压掉的原文都缓存在本机，模型需要细节时自己调 headroom_retrieve 取回来 4. 还能压输出：开 HEADROOM_OUTPUT_SHAPER=1，让模型少说"好的，我来……"这类开场白，默认是关的 压缩在本机跑，内容不会发出去。uv tool install --python 3.13 "headroom-ai[all]" 就能装，Apache-2.0，Cursor 得手动配。 大段正文、本来就很密的输出基本压不动，省多少看你的流量有多啰嗦，跑一下 headroom savings 就知道了。

大饼应该没有四年周期了： 回答这个问题我们要看之前为什么有四年周期 以前挖矿减半 大量的的大饼没有流通出来 所以有减半周期 即四年周期 当时市场上的人买入大饼的量 不会因为四年减半反而越来越多 供给减少了 买入缓慢增加 假设减半前买方和卖方平衡 价格稳定合理 那么减半后就会买方大于卖方 价格就开始走强 直到达到新的平衡 现在大部分的大饼都已经流通了 未挖矿的大饼只有不到5%了 市场的价格由流通的大饼来决定 减半也不太影响市场的供给了 所以现在大饼应该没有减半周期了 但大饼依然有周期 这个周期是美元周期 是美元利率调节的周期 大饼的价格波动更像是美元资产的科技股 理解成金融科技股就比较容易看懂现在的涨跌 引用：

最近 Mole CLI 有非常多的更新，Mac、Windows 和 Linux 都有很多优化和增强，打算了一起同步给大伙。 首先非常建议使用 CLI 小伙伴看到后，辛苦直接 mo update 更新到最新，因为有可能你本地还是半年前的版本，现在版本相比之前要完善更多，特别是对于一些AI 工具清理的加强和安全的保护上。 首先 Mac 这一块的卸载能力差不多完成了之前 GUI 版本差不多 900 款软件的卸载详细同步，可以享受一样的残留清理效果，然后对于开发工具的清理、以及代码编译过期内容的清理也有很多完善，甚至其实iPhone和Android模拟器工具里面也有非常多的缓存，也可以一起清理了。 然后 Windows 版本补了很多大伙常用的软件，360 极速浏览器、夸克、QQ、飞书、剪映、Trae 这些缓存都能清了，卸载的时候游戏存档、Epic 游戏和 WSL 磁盘会留着，还新加了 mo installer 命令，可以把下载文件夹里放了很久的安装包挑出来让你删除。 最后 Linux CLI 在上线后继续完善，Arch、Omarchy、Debian、Ubuntu 都可以用了，clean、uninstall、analyze、status、purge 这些命令和 Mac 上一样，像 Omarchy 这种会打 btrfs 快照的系统，删掉的旧包要等快照轮换后空间才回来，Mole 也会如实告诉你详细的清理现状。 最后假如你对各个系统的清理、维护、电脑优化、卸载有任何的建议，都可以找我，我来帮你把需要的地方完善好，把 Mole 做成好用易用效果好的电脑优化工具，哈哈，发完这个，我就去看李志去，期待今晚的演出！

一个容易忽略的细节：Agent 账单月底比月初贵三倍，多半不是调用变多。 上个月接了个离线回刷任务，前二十天每天几毛钱，最后一周单日直接翻到十几块，团队第一反应是多开了实例。 翻执行记录才发现，长任务每轮都把整段历史工具结果重新塞回上下文，上下文一膨胀，缓存命中的部分就从九成掉到两成。 负责的同学翻完记录说了句：“不是它多干了几轮，是每轮都把前面干过的重付了一遍。” 根因是上下文压缩只留了最近几轮对话，早期约束和已确认结论没保住，模型只能反复重取工具结果。后来把目标、结论和待办单独存了份状态，账单第二天就回到原来的量级。 Token 涨的不一定是用量，很多时候是你没替它记住已经做过的事。

要同時出現多少個巧合, 才能讓全球最高市值的CEO 短短72小時內走到下台 我花一整天閱讀大量資料, 拼湊出前因後果 這應該是最接近真相的事實, 大家當故事看 「我跟你說, 下週Nvidia的CEO會辭職」 這不只說出去沒人信, 連拍成電影都會被罵爛尾 跨黨派的鬥爭, 全在7天內引爆, 首先是誤區： 1. 外遇 & 間諜都是障眼法 2. 兇手不是民主黨或共和黨, 而是兩黨的對中鷹派 3. 川普是最不希望黃仁勳離開的人 4. 這群跨黨鷹派也沒想過火燒這麼大, 黃仁勳辭職 事件開始 📍第一個巧合：關稅、黃樂、美伊戰爭 早在半年前盧比歐就曾二度向川普示警 要求關注黃仁勳與 Megaspeed 的往來 川普知情晶片可能被轉運, 但始終沒有積極處理 一方面想和習近平維持談判空間 另一方面, 美伊戰爭已佔據大量政治資源 （當中還穿插中美元互訪, 這半年真的很忙） 川普也許是相信黃仁勳自己能摸清界線 也許想順便摸清中國依賴GPU的程度, 就睜隻眼閉隻眼 總統忙就算了, 該列貿易黑名單的商務部長 Lutnick 半年0動作, 此舉使共和黨內的對中鷹派越來越不滿 他們在意的事情, 白宮始終沒有全力推進 📍第二個巧合：期中選舉大敗、內閣開始分裂 美伊戰爭拖太久, 讓川普付出巨大的政治代價 內閣原本就存在主戰與停戰兩派 選舉失利後, 矛盾進一步浮上檯面 共和黨開始找戰犯, 原本支持川普的人開始各自盤算 連副總統JD都開始與切割 “內閣中還有誰挺我？” 此刻川普自己也不清楚 📍第三個巧合：川普的個性, 卻逐漸失去控制力 川普的性格一直是擇善固執, 想幹嘛就一意孤行 （美伊戰爭說過若沒人支持, 他照樣打, 願意當壞人） 但這次選舉失利, 讓他政治籌碼大幅縮水 內閣大難臨頭各自飛, 這時黨內對中鷹派有了機會 此刻再不處理中國晶片, 幾個月後改朝換代 參眾兩院不在掌控之下, 屆時更無法保證事件走向 於是鷹派跳過川普, 釋出黃仁勳相關的負面消息 將間諜、叛國敏感議題帶入, 好快速推動閉門聽證 此刻這件事也驚動民主黨的對中鷹派 原本政治立場不同的兩群人, 突然有共同目標 民主黨也加入戰局, 一起深挖更多外遇, 更多花邊新聞 ‼️注意：川普一直把黃仁勳當朋友, 始終沒有切割‼️ 此時面對媒體追問, 他還多次逆風替黃仁勳說話 (就和當年麥可傑克森相同, 川普是真兄弟, 我都要哭了） 📍第四個巧合：黃仁勳低估了華盛頓的遊戲規則 黃仁勳白手起家, 從餐廳洗碗工一路走到今天 他相信的照規則做事, 乖乖繳稅就不會被找麻煩 但美國政治是真的很髒, 你就算今天和總統是朋友 卻不代表能避開 “深層政府” 的政治鬥爭 黃仁勳非常聽川普的話, 還會給一堆情緒價值 川普自然把黃仁勳當成朋友, 願意替他說話 紐約時報稍早證實： 川普前一晚曾致電, 勸黃仁勳「保住CEO, 別離開」 但當總統無法控制自己的內閣時, 如何提供政治保護？ 黃仁勳前天主動打給川普, 我想也是這個原因 黃希望弄清楚出了什麼事, 但川普無法給出任何承諾 大家紛紛跳過自己去揭發Nvidia 若要黃仁勳先認罪去蹲, 再幫忙特赦, 風險太大 在最後一晚, 得不到任何承諾的黃仁勳 也許自知敵不過這群鷹派, 身心俱疲, 最後選擇離開 事已至此, 川普對外也不好再明說, 只能引導輿論 挑相對最聽話的CEO當樁腳, 那就是Tim Cook 📍 第五個巧合：事件後期, 所有平行線交會 黃仁勳離開 這真的是兩黨對中鷹派想看到的結果嗎？ 我相信絕對不是。 他們真正想要的, 是一個更願意配合華盛頓的黃仁勳 而不是只聽川普的話的黃仁勳 更不是讓他直接離開 NVIDIA 因為接下來的問題更大： - 新 CEO 能維持 NVIDIA 的技術領先嗎？ - 新團隊會比黃仁勳更聽華盛頓的話嗎？ - 美國失去黃仁勳, 能讓自己的 AI 產業更強嗎？ 把整件事 zoom out 黃仁勳完全是美國政治鬥爭下的犧牲品 1. 外遇讓事情有了切入點 2. 晶片轉運讓鷹派有了政治武器 3. 選舉失利讓鷹派著急+川普失去保護能力 幾條原本不相干的線, 最後全部交會 33年, 從社洗碗工, 到全球T0的科技領袖 社會底層逆襲, 這個故事就是美國夢最好的代表 更何況他還是會配合政府的科技領袖 只可惜兩黨把NV當成核武, 趕在下台前先納入控制 控制的途中意外導致CEO離開, 事情更糟, 計劃全亂 也因此司法部這群狗雜種 “瞬間” 開始放緩用詞 「我們還沒說是間諜/還不能確認/部分誇大」 我相信閉門聽證會有好的結果 就算晶片真的轉運中國, 司法部也會和黃仁勳達成協議 檯面上讓媒體看到 “好的結果”, 檯面下控制 Nvidia 這種事情搓一下就過去了, 對深層政府而言真的不難 Stand with Jensen 我認為黃仁勳明年就能回到CEO職位。 以上資訊我花了大量時間整理 若喜歡別忘記點個追蹤, 有任何細節歡迎留言討論 #standwithjensen# #bringjensenback#

10. 推荐的清理顺序 按这个顺序来： 1. WhatsApp 媒体 2. App 缓存 3. Telegram 4. 相册回收站 5. 下载文件夹 6. .thumbnails 7. 已删 App 的文件夹 8. Google Photos 9. 用 Google Files 查重复文件 大概需要 15 到 20 分钟。

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：

45.5 万 Star 的逆向怪物 REA 彻底杀疯了！ 以前还只帮 AI 扒软件，v6.9.0 直接拉起独立桌面给 AI 录操作、跑验收，连微信小程序和硬件固件都一锅硬拆！ 翻完官方更新，这波升级极其凶残： · 桌面任务流水线化：一条命令备好 Linux 构建环境，装入带校验的应用、设好起止节点，一次录制拆出多条桌面任务，自动校验和屏幕裁判直接验收 · 万物皆可硬拆扒光：.NET 单文件、Bun / Deno、Unity / Godot、微信小程序、红白机卡带，一路挖到 ESP 固件、Electron 缓存和离线 NTFS 日志，拿到手直接拆 · 救回爆掉的 Token：以前挂满逆向工具进 Claude Code 上下文直接顶炸，现在按需挑工具、精简结构、分页吐结果，没扫全老实标未知绝不瞎编 · 主流工具直接开干：Claude Code、Codex、Cursor、LM Studio 原生接管 搞逆向、桌面 Agent 和折腾 Claude Code 的兄弟建议直接马住！ 更新地址： #开源# #逆向#

TGE 前，STRATO 在补一件容易被忽略的事：让普通人用得起来 一个看好黄金的人，想在链上配置一点黄金，需要先学会多少东西？ 钱包、跨链、Gas、兑换、抵押率……每多一道操作，就可能劝退一批用户。所以研究 @strato_net 我这次更想关注它在 TGE 前做的另一类建设：把进入 HardFi 的路铺顺。 STRATO 已经把账户或钱包连接、跨链入金、购买贵金属、抵押铸造 USDST，以及交易和储蓄放进同一个产品体系。对熟悉链上操作的人，这些是常见功能；对第一次接触的人，能不能把这些步骤接起来，直接影响他愿不愿意开始。 比如入金。按照官方的新用户流程，用户可以从支持的网络转入资产，再根据具体路径，选择接收原资产、USDST、直接进入储蓄金库的 saveUSDST，或者到达时购买 GOLDST、SILVST。选择仍取决于网络和资产支持情况，但这个设计已经在缩短“转入资金”和“开始使用”之间的距离。 手续费的安排也值得看。STRATO 当前按笔收取固定的 0.01 USDST，持有交易凭券时优先使用凭券；部分操作涉及多笔交易，跨链入金还需要支付来源链 Gas。入金确认后发放的凭券，可以帮助用户完成最初的链上操作。这些细节不显眼，却关系到第一次使用会不会卡住。 再往后，资产管理也不能只提供一个“借款”按钮。STRATO 的抵押铸造流程会展示预计仓位健康度、稳定费，并提供调整安全缓冲的选项。用户拿到 USDST 后，可以继续选择交易或储蓄。借款仍有费用，抵押不足仍会清算；把风险和仓位状态展示清楚，本身就是金融产品需要完成的工作。 应用层也在沿着这个方向推进。新版 Odds 加入了重新设计的界面、更广的市场类型和社交信息流，让新闻、市场想法与讨论有了共同入口；Play 则提供另一类链上互动场景。它们给用户增加了接触这条链的理由，也让开发基础设施有了具体的产品承载。 把这些放回 TGE 前的时间点看，STRATO 已经在回答一个很实际的问题：用户来了以后，第一步做什么，资金怎么进来，资产怎样使用，后续还能参与什么？ $STRATO 的设计重点包括质押和验证者参与，Gas、借款优惠及治理仍有规划中的部分，需要跟着实际落地进度判断。但在这些网络职责逐步推进的同时，面向用户的产品路径已经在建设和运转。 我觉得，HardFi 要接触更广的人群，既需要真实资产、底层技术和金融机制，也需要把第一次使用做明白。 临近 TGE，STRATO 值得展示的建设成果里，应该有这些不那么热闹、却直接影响用户能否留下来的细节。 产品入口：

黄仁勋倒下，财务上台，至少说明6件事： 1，英伟达不需要技术的灵魂 它只要一个会算账的人，把这门生意算好 2，技术已几乎见顶 AI的发展，要缓一缓，给普通人歇口气！ 3，英伟达需要稳住 ... 显示更多