与「29」相关的搜索结果

这是我最近看到最漂亮最惊艳的项目 之前我就非常喜欢 linear 的互动效果，但是用几个 agent 实现都不那么完美。 现在有了这个库，里面有33 个线稿插画的 figure， 按主题排列，每个 figure 都是纯 SVG 绘制，鼠标靠近时会有响应非常丝滑的交互，可以调节 intensity 控制反应强度。 光靠描述感觉不到，去这个网站的 demo 里面感受一下，这是我最近最喜欢的一系列的效果了。

每次我提 agent browser，都有推友说说 ego lite 强，我一直拖延症爆发是因为我不想下一个新的浏览器应用，今天有空终于试了一下，确定已经是非常强了，可以一件导入chrome 的状态这个很方便，试了下几个复杂流程执行成功率也挺高，人机并行也很方便。 当然它现在好像只有 mac 和 windows，我很多开发公族哦的 E2E 现在都是在 grok bot 上跑的，暂时还没发替代 agent browser，假如是本机使用，使用 ego lite 配合他的 skill 确实更强大。

世界上前20的Skill必装榜！ 1、superpowers（by obra），当时星标 30.2 万 它把开发拆成四步：头脑风暴、写计划、测试驱动、代码审查，串成一套开发流程。做中大型功能之前装上，AI 不会一上来就乱写代码。 2、skills（by mattpocock），当时星标 29.8 万 需求说不清的时候，它会反过来追问你，再帮你理清架构。排查 bug、重构老项目，用它最顺手。 3、andrej-karpathy-skills（by multica-ai），当时星标 22.1 万 一份项目规则：AI 先想清楚再动手，只改该改的地方。放进项目根目录，写代码时就生效。 4、skills（by anthropics），当时星标 18.2 万 官方技能库，Word、PPT、表格和 PDF 都能直接做。想自己写 Skill，照着它的模板改就行。 5、ponytail（by DietrichGebert），当时星标 16.8 万 让 AI 像最懒的资深工程师一样思考：能不加的抽象就不加。代码写完让它过一遍，把过度设计和技术债挑出来。 6、ui-ux-pro-max-skill（by nextlevelbuilder），当时星标 13.8 万 整套配色、字体搭配和交互规范都在里面。做落地页、后台和 APP 界面之前装上，页面更像设计师做的。 7、graphify（by Graphify-Labs），当时星标 12.9 万 把代码、文档和数据库结构转成一张知识图谱。接手陌生项目时先建图，再问"这个函数被谁调用"，一查就清楚。 8、caveman（by JuliusBrussee），当时星标 11.4 万 让 AI 用最少的字回答，啰嗦的铺垫全删掉。长时间跑 agent 的时候装上，能省下一大截 token。 9、agent-skills（by addyosmani），当时星标 10.9 万 谷歌工程师整理的工程规范，覆盖接口设计、上下文管理和质量检查。团队一起写项目，用它统一写法。 10、taste-skill（by LeonxLnx），当时星标 9.9 万 给 AI 补上审美：排版、参考图和动效都有讲究。做官网首页和作品集的时候用，页面不再像套模板。 11、Understand-Anything（by Egonex-AI），当时星标 8.7 万 把代码变成能点开的交互图谱，还会讲清楚业务流程。新人上手项目、读开源代码，最省时间。 12、impeccable（by pbakaus），当时星标 8.3 万 专门提升 AI 的设计能力，会检查间距、层级和细节。页面做完先让它审一遍，再按建议打磨。 13、awesome-claude-skills（by ComposioHQ），当时星标 7.7 万 一份技能合集，按场景收录了八百多个 Skill。不知道该装什么，先来这里挑。 14、last30days-skill（by mvanhorn），当时星标 6.5 万 它会去 Reddit、X 和 YouTube，汇总最近 30 天的讨论。 做选题、追热点、调研同类产品的时候用。 15、humanizer（by blader），当时星标 5.9 万 专门去掉文字里的 AI 痕迹，比如套话和固定句式。公众号、口播稿和邮件写完，都可以让它过一遍。 16、diagram-design（by cathrynlavery），当时星标 5.8 万 支持四十多种图表，直接输出成网页文件。写技术文档、做方案汇报，用它画架构图和流程图。 17、i-have-adhd（by ayghri），当时星标 5.8 万 让 AI 先说结论和下一步，再给细节，不把答案埋在长段落里。问技术问题、想马上拿到结果，就装它。 18、marketingskills（by coreyhaines31），当时星标 5.6 万 覆盖文案、SEO 和数据分析这些营销技能。写推广文案、提升网站搜索排名的时候用。 19、academic-research-skills（by Imbad0202），当时星标 5.3 万 从查文献、写论文到模拟审稿，一条流程串起来。写毕业论文、投期刊之前都能用。 20、scientific-agent-skills（by K-Dense-AI），当时星标 5.3 万 让 AI 变成科研助手，接入生物、化学这些领域的数据库和工具。做实验分析、查专业资料的时候用。

⚠️ Cursor has published a security incident report on the earlier supply chain attack. According to the investigation, the attacker used access keys issued by Cursor to Fireworks and subsequently exposed on Fireworks’ side to gain access to some of Cursor’s SaaS services and internal systems. The attacker ultimately tampered with the distribution cache for the Claude Code extension to collect information about users’ machines and install SSH backdoors. The compromised versions were Anthropic.claude-code 2.1.312 and 2.1.313 in Cursor’s VS Code extension marketplace distribution cache, affecting macOS and Windows. The exposure window ran from October 29 at 17:27 to October 30 at 04:35 (UTC+8), with up to approximately 5,000 users affected. Security recommendation: If you installed or updated to either affected version through Cursor’s marketplace during this window, read the official notice as soon as possible and run the remediation script for your platform to check for and remediate any compromise: Fireworks’ initial announcement and subsequent update:

看着好像没那么简单。 Grok BOT接上 “PUMP FUN” 官方仓库，一晚上都在自动交易。本金121美元，早上8点的时候变成2794美元。 Fable 5.2挨个分析币，下单操作交给Grok来做。 我之前还以为，想要做到这种效果，得有开发团队还要有人熬夜盯着才行： → 连上一次 ，自己设好花钱上限，机器人没办法把钱提走 → Fable 5.2在投钱之前，给每个新币跑Pulse、回测还有打分 → Grok的Curve代理专门交易还在债券曲线上的币 → 等币转到PumpSwap之后，Swap和AMM接着跟进交易 → Shield盯着进场，避免被别人抢跑 → 下单之前先查滑点，核对报价和手续费 Fable挑机会，Grok负责下单。8个代理一起跑，每分钟9036次操作，就一台手机搞定。 一共139笔单子。86笔是还在曲线的时候做的，53笔是币毕业之后做的。胜率79%，每一笔都设好了止盈止损。 赚最多的是$Hope，赚了638.70美元。亏最多的是$Peanut，亏掉182.96美元。 一开始放进去121美元，最后拿到2794美元。一晚上直接翻了23.1倍。 把截图存好吧，以后再回头看会很有意思。

Arcus × Lighter 第四周复盘 A 组｜本金 $1,000 · 交易量：$19.4 万 · 平均持仓：$2,830 · 已实现盈利：+$16.9 · 积分：6.94 B 组｜本金 $4,000 · 交易量：$21.0 万 · 平均持仓：$17,900 · 已实现盈利：+$59.3 · 积分：14.33 B 组的持仓是 A 组的 6 倍多，交易量差不多，积分却只有 2 倍。 用之前回测的积分公式已经拟合不上这周的数据了，猜测是官方下调了持仓权重。 零磨损的策略，分数还是低。你们是咋刷 1M 的？ 顺便分享一下逆向选择的研究 实测：币安 30ms 内跳 ≥3bps 时，Arcus 中位要盘中 49ms、盘前 63ms 才跟上。 也就是说，能抢的时间窗口只有几十毫秒。 护栏规则：币安在 W 毫秒内不利移动 ≥3bps，就撤掉 Arcus 的挂单。 不同 W 的结果 （拦掉笔数｜拦掉的单均值｜留下的单均值｜净效果）： 30ms　｜28 笔｜−0.26bps｜+2.11bps｜+$0.28 50ms　｜30 笔｜ 0.00bps｜+2.09bps｜+$0.26 100ms ｜34 笔｜+0.29bps｜+2.08bps｜+$0.08 300ms ｜44 笔｜+0.83bps｜+2.04bps｜−$0.16 1000ms｜62 笔｜+1.34bps｜+1.97bps｜−$1.05 窗口越长，拦下来的越是赚钱的单。 只有 30–50ms 才勉强为正；把阈值降到 2bps，拦截也是负效果。

DENI AND DAME COMBINED FOR 63 POINTS IN PORTLAND'S WEST GROUP C WIN! DENI: 34 PTS, 6 REB, 4 AST, 3 3PM DAME: 29 PTS, 6 AST, 6 3PM The @trailblazers have won 3 straight and are now 9-3 on the season 🔥

Gemini 4 Carbon 写作确实牛逼 让它总结了 Next Token 过去 9 期 30 条 AI 领域的核心认知： 1. Token 就是新货币；买一台本地机器跑模型，本质上是在家里铸币。—— 橘子 2. AI 没有泡沫，只有受制于物理基建的供给不足。—— 歸藏 3. 在 AI 时代，别羞于承认自己是卖 Token 的——你不卖 Token，还能卖什么？—— 橘子 4. 好应用不必让用户每次打开都烧 Token；用品味把大量 Token 一次性凝结成无数人能反复消费的作品，边际成本才会降下来。—— 向阳乔木 5. 对大多数人来说，Vibe Coding 不是生产力，而是自由度最高的创造类游戏；充进去的 Token，就是新时代的游戏充值。—— 歸藏 6. 只要 AI 把一件事的起跑线拉到六十分，六十分就是零分。—— 橘子 7. 当一件事靠一句话就能搞定时，凭什么它是你的壁垒，又凭什么它是我的？—— 歸藏 8. 软件和游戏正在网文化：平台不再卡发布，只卡推荐；谁都能上架，但没流量就无人看见。—— 歸藏 9. 按昨天的标准做出来的东西，今天 99% 都只算自用工具；市场扩大了一百倍，但依然只有最头部的 1% 配叫商业产品。—— 杨攀 10. 产品未必是一个 App；只要跑通“发现需求、创作、分发”的闭环，一篇文章、一档播客也是产品。—— 歸藏 11. 当开发只要十分钟、打包签名却要半小时，真正的瓶颈就不再是智能，而是旧世界的交付规则。—— 橘子 12. 过去是软件把 Agent 塞进自己的界面；未来是软件放弃自己做 Agent，主动变成 Agent 调用的插件。—— 杨攀 13. 传统软件思维喜欢把每条路径写死；AI 原生思维只留一个循环，把剩下的交给模型。—— 杨攀 14. 软件上的按钮越少，离 AGI 越近。—— 橘子 15. 面对超级助理，人只该负责说话，不该负责管理会话；需要人手动翻找线程，只说明模型还不够强。—— 橘子 16. 工具随时会换，上下文必须归自己所有——劫持所有 Agent 的记忆，把过程和产物沉淀回自己的仓库。—— 歸藏 17. 人类团队正在向一人闭环演进，别反过来让多 Agent 学人类开会内耗——人类在走向 AI Native，别让 Agent 退回 Human Native。—— 橘子 18. 上一代生成模型在卷“理解”，死磕最后百分之一的物理还原；新一代模型赢在“创造”，一句话把意图编排成完整的故事。—— 歸藏 19. 输出格式不报错，只代表不用重试，不代表判断正确——别把“结构稳定”偷换成“没有幻觉”。—— 杨攀 20. 不能调工具、不能动电脑的所谓 Skill，本质上还是一段提示词润色。—— 歸藏 21. 今天限制模型上限的往往是人自己——你写进提示词里的前提假设，恰恰锁死了模型的发挥空间。—— 杨攀 22. 注意力是今天最稀缺的资源；开源的提示词、Skill 乃至软件，唯一的商业价值都是成为流量入口。—— 橘子 23. 跟模型拼技术注定会输；唯有人与人之间建立的信任与个人品牌，不会被技术进步吃掉。—— 橘子 24. 品牌的本质，是用真名、露脸和沉没成本作抵押，降低别人相信你的成本。—— 向阳乔木 25. 所有生意都在建立信任：To B 让企业信你，To C 让大众信你，To A 让 Agent 信你的信源；三者皆无，就只剩悦己的 To Me。—— 橘子 26. 在公网上主动留下关于自己的真实一手信息；你不定义自己，AI 的幻觉就会替你定义你。—— 歸藏 27. 今天最不缺的就是没有性格的内容；持续输出有变化但一致的“人味”，才是稀缺品。—— 歸藏 28. 还按设计、前后端、QA 切岗位的算不上 AI 原生组织；真正的 AI 原生组织里每个人都是全栈闭环的一人公司，而且它是磨合生长出来的，不是 HR 设计出来的。—— 歸藏 29. 大厂把员工拆成稳定的螺丝钉，也就亲手杀死了长出全局架构师的土壤——架构感是操盘练出来的，不是分工分出来的。—— 歸藏 30. 帮企业做 AI 转型，最该做的不是改造基层流程，而是去培训一号位。—— 向阳乔木 以上内容来自：@oran_ge @op7418 @vista8 @ericyangpan @nexttokentv

I think the best case is to make the "monitor" as un-agentic as possible. We don't mind being "monitored" by various random tiny insects we don't even notice, even guard dogs are fine, but we really do mind if it's a globally connected networked system. And the intermediate case, human security guards with no recording equipment, we mind only a medium amount. The best idea I've come up with so far is to make these monitoring devices out of open-source verifiable hardware that has etched on it an open-weight LLM that classifies for a limited number of activities (basically, just violence; sorry, no scanning for jaywalking or not wearing a mask or drugs or unauthorized manufacturing or illegal immigrants, really just violence) and only records and forwards if that's what it sees. The device has no storage, no ability to load new algorithms, this is all it does. Also, a hash of every recording is published onchain (and a device can't record the next one until it sees confirmation of the previous one) so we can all count how much recording is done. Finally, everyone has a legal right to take any such device they see and grab it and dissassemble and verify the hardware themselves. Explicitly fund university clubs, hacker groups, etc to regularly do this.