分享一个最近开发的 Claude Code 的效率工具 👇 🔔 cc-remote-approval — 让 Claude Code 长任务不再因为「等审批」空转。 【😩 痛点】 让 Claude Code 跑一个几十分钟的长任务，转头做点别的事，回来一看：agent 停在「请审批这个 Bash」/「请选择这个选项」/「MCP 表单还没填」—— 中间那二十分钟什么都没推进。 Claude Code 每一个审批点都是一堵墙： - Bash / Edit / Write 权限 - AskUserQuestion 选项 - MCP Elicitation 表单 - 每轮对话结束的空闲等待 只要你不在屏幕前，agent 就罢工。 【✨ 解决方案】 cc-remote-approval 是一个 Claude Code 插件。当 Claude 需要审批或提问时： 1. 本地原生对话框照常弹（不替换、不劫持） 2. 同时后台 hook 起计时，默认 20 秒 3. 本地没响应 → 请求自动转发到 Telegram，带完整上下文和按钮 4. 你手机上点 ✅ Allow / ❌ Deny / ⭐ Always，或输入选项 5. 两边谁先响应谁生效，另一边自动同步状态 📱 地铁上、会议间隙、睡前刷手机 —— 你离开屏幕，agent 照常推进。 【🛠 特性】 - 纯 Python stdlib，零第三方依赖 - 本地优先：除了 Telegram API，没有任何外部调用 - 多 session 并发安全：flock + pending 队列，多个 agent 同时审批不会串消息 - Hook 级集成，CLI / 桌面端 插件全覆盖 - 📖 Full context 按钮：一键展开最近 N 轮完整对话，截断预览不够时看全量 - SessionStart 提示注入：引导 Claude 用 AskUserQuestion 工具，问题以按钮形式出现而不是让你手打编号 【🔒 安全】 - 100% 本地运行：数据只在你的机器 ↔ Telegram 之间直连，没有自建服务器、没有云端中转、没有任何 analytics / 遥测 - 纯 Python stdlib，零第三方依赖，供应链面最小化 - bot token 全程在进程内存，不入 ps、不写日志；转发前敏感内容（API key、密码、token 等）自动 mask 【🤔 官方已经有方案，为什么再做一个？】 官方目前有 /remote-control 和 telegram plugin，实际用下来各有一些掣肘： - /remote-control 是网页端，必须一直开着浏览器标签盯着；不是推送通知模式；不支持 Claude Code 桌面端 - telegram plugin 多个 session 并发时会互相抢消息；配置启动流程略繁琐；同样不支持桌面端 【💡 推荐配置：打开 Stop hook，覆盖完整 agent 流程】 把 stop_hook_enabled: true 打开： - agent 每轮即将 idle 前，Telegram 都会收到带 Continue / Dismiss 按钮的消息 - 点 Continue 回复下一条指令，agent 直接接着跑 - 整条 agent 链路——审批、提问、表单、"下一步干嘛"——都能远程完成 - 副作用：每轮结束会阻塞最多 stop_wait_seconds（默认 180s）；在屏幕前不想等，直接在 Claude Code 里按 ESC 跳过即可 GitHub: Manta-Network/cc-remote-approval 安装命令： /plugin marketplace add Manta-Network/cc-remote-approval /plugin install cc-remote-approval@manta 也可以直接把 Github 链接告诉 Cluade Code 来安装。 @claude_code @claudeai @bcherny @victorone111

说真的，多终端管理tmux 我现在基本不碰了。 🔗 和 🔗 这俩工具一用，直接把 tmux 那套繁琐配置踢出局。 不用记快捷键，不用折腾配置文件，开箱即用，懒人福音。 效率工具这东西，越简单越好用才是真的好用，折腾本身不是生产力。

众所周知，做Youtube最重要的是赛道，选对赛道事半功倍。很多人抱怨现在的油管红海一片，但其实并不是没有机会，而是你找机会的方法错了。 真正有效的新手起号策略，从底层逻辑上来说，其实是一个严密的筛选 SOP： 1️⃣纯净环境破局： 用全新账号+无痕模式，避开个人偏好和信息茧房的污染，让算法展示真正具有生命力的内容。 2️⃣寻找“低粉高爆”模型： 寻找订阅少于 10 万，但单片播放量稳定在 5 万-20 万+ 的频道。这代表着赛道需求巨大但供应严重不足。2万粉20万播放，说明赛道未被垄断，可以直接切入；3万粉10万播放，说明生态极度健康。 3️⃣验证生命周期： 点开频道详情，只看第一条视频发布在 1-6 个月内的账号。两年以上的老号参考价值极低，我们要找的是在 2026 年当下算法环境里依然能爆发的“新鲜”模型。 4️⃣评估交付成本： 避开需要高昂设备或极高专业门槛的硬核内容，只锚定那些用库存素材、AI 生成图、AI 配音和基础剪辑就能完成的频道。标准很简单：你能用 Claude + ElevenLabs + CapCut 一个人跑通。 逻辑非常完美，对吧？但这套“第一性原理”级别的爆款挖掘法，最大的痛点在于极度反人类的执行成本。 你需要像个机器人一样，不停地滑动屏幕、比对播放粉赞比、点开主页看注册时间、分析视频结构。手动刷上几个小时，眼睛酸痛，可能才筛选出两三个符合标准的赛道。对于追求系统效率和高杠杆的创作者来说，把宝贵的精力耗费在这种机械的“体力活”上，是对时间的极大浪费。 直到最近，我接到了 Airtap 的商单并深度测试了这款产品，才发现这个痛点已经被完美降维打击了。 简单来说，Airtap 的核心功能是“让 AI 拥有一部手机，并能够直接操作”。 它彻底打通了 AI 从“大脑思考”到“手脚执行”的最后一公里。 我直接把上面这套找 YouTube 赛道的 SOP 喂给了 Airtap。它立刻化身为一个不知疲倦的数字打工人：自动打开浏览器的无痕模式，模拟人类滑动，精准识别订阅数和播放量的比例；发现目标后，它会自动点击进入频道详情页检查“新鲜度”；甚至能分析视频画面，判断是否属于高性价比的 AI 可复刻风格。 短短一段时间的自动化运行，Airtap 就帮我在油管庞大的数据库里，精准扒出了一批完美符合“低粉高爆、半年内新号、AI 极易复刻”这三大神仙标准的潜力赛道。 我将它的劳动成果直接导出，整理成了下面这份赛道情报库： 这不仅仅是一个寻找 YouTube 赛道的效率工具演示，更是 AI Agent 时代工作流重塑的一个绝佳缩影。 在构建“一人公司”和个人操作系统的过程中，我们一直在寻找能将繁杂流程自动化的杠杆。Airtap @Airtap_Ai 的出现，意味着你不仅拥有了分析数据的 AI，更拥有了一个能替你“去点、去划、去执行”的超级外包。 把找赛道、看数据这种重复性极高的 SOP 交给 Airtap 去跑，把你的大脑释放出来，去死磕内容策划、商业闭环和战略规划。这才是属于数字创作者的终极杠杆。 如果你也想让你的 AI 拥有真正的“执行力”，把繁琐的屏幕操作彻底自动化，强烈建议你去体验一下 Airtap。

行业调研要翻几十篇报告、整理数据、写结论——累不累？我现在15分钟搞定。 用Hermes的web_search+delegate_task组合做行业调研：派一个子Agent搜行业报告和最新新闻，第二个子Agent爬关键数据（市场规模、增长率、头部玩家），第三个子Agent做竞品分析对比。全部并行执行，15分钟出初稿。 关键技巧：每个子Agent的goal里写"只返回数据，不写结论"——结论留给自己做，Agent只做信息收集。这样既快又准，还避免幻觉结论污染你的判断。 对比：Claude Code的web搜索需要手动写MCP配置，而且不支持子Agent并行搜索。我给Claude Code做同样的事，花了40分钟配置MCP，然后还是只能单路串行搜。OpenClaw的Agent协作概念很强，但并行搜索这个场景实操下来配置复杂度高了一倍，而且文档缺步骤。 Hermes一条delegate_task搞定多路并行调研。目前我还没看到第二个Agent把"并行调研"做到这个完成度的。 调研最怕的不是信息不够，是信息太多无从下手。Agent的价值不是"替你做判断"，是"先把所有相关事实摆在你面前"。Hermes的并行子Agent模式让调研效率从"小时级"变成"分钟级"。跟Claude Code比，Hermes胜在并行和多源能力；跟OpenClaw比，Hermes胜在配置简单一步到位。听我的：调研类任务一定要用delegate_task，把搜索→整理→分析拆成三个并行流，最后自己汇总判断。 🔗 #HermesAgent# #市场调研# #效率工具# #DELEGATE#

#数字游民和自由职业# #从产品经理到基金经理# #聊聊这些年的职业选择# 晚上搜索微信聊天记录，发现离上一个命运小齿轮转动正好三年了，不困我就码码字。 在上班之前，确实有点天真，认为靠自己的劳动，创造价值挣钱才是社会的主流。 在不上班之后，闲下来真正去面对面了解其他行业的赚钱方式。才发现在国内能年入百万的工作里，称得上“干净”的极少极少，互联网大厂的精英们才是少数幸运儿。 撒谎蒙骗，推卸责任是很多工种的常态。 以权谋私，利益勾兑是富人的主流。 比如一个运营商的普通工作人员，他可能是好父亲、好丈夫、好邻居。但当他给你推销靓号套餐，但又对你隐瞒违约金的时候，他就是一个职业骗子。这既是他工作的需要，也是刻意培训的结果。 再比如你在小县城里把生意做到一定规模，就无可避免需要找到分管的领导，需要建立关系，求人办事。这对生意人来说是常识，没有任何例外。 没有这么具体又确定的认识之前，我知道自己厌恶这些潜规则，能做到的也只有努力逃避，逃避这些我称之为“傻逼事情”的事情。 按这个标准，我没法适应体制内，肯定有傻逼领导。没法适应大厂，躲不开派系之争。没法适应所有传统行业，那里不得不忍受甲方刁难。 那也许剩下只有扁平化的初创公司 + 互联网行业？ 比较幸运，正式工作的第一家公司感受不错，一待就待了六年。 我也不想当咸鱼，但确实没什么方向。期间除了打工收入，靠运气赚到过一些小钱，但在上海房价面前仍旧过于渺小。 更有点不服气，自认为一直没有丧失好奇心，在保持学习这件事情上，做得比大部分人都努力。我看各种经验分享，研究效率工具，了解认知心理学，尝试提高自己的方法都试了。 为什么在挣钱一途上还是毫无进展？ 当然跳脱出来，客观上说开局一团糟，农村家庭、垃圾本科、没有专业能力壁垒。哈哈哈你还敢不服气，那加上心高气傲。 在无数个日夜焦虑，明知自己要做点改变，但又不知道作何改变的时候。还是运气好，直属领导让我看看区块链的东西，了解一下 DeFi，那我就去了。 20 年 9 月，开始做调研，当时市面上的中文资料没这么多，从旁白君的科普视频看起。基本上把市面上的主流白皮书都啃了一遍，然后跟着操作了解逻辑。 花了一两个月时间做完这一切的时候，我意识到这是一个新行业，大家都不懂，所有人都在同一起跑线。 以及，这里面，有钱！ 我迫不及待地和周围的朋友分享这个新行业，用我的话告诉他们这里面的玩法和逻辑，虽然听和讲都很开心，但是有所行动的人少之又少。（那段时间我对行业的理解，基本浓缩在 《白话：区块链“稳定币挖矿”是什么》 这篇入门文章里） 不止是朋友，我发现同在公司的、一起接触新行业的其他人，似乎也认为这是机会，但好像没有实际的行动。 正巧，那阵子推友 Maple 带我玩港股打新。我把这两个新事物放在一起想时，找到了我真正的“天份”（如果我确实有的话😂）。 那就是 —— 在回报不明朗的情况下，先努力的天份。 港股打新，我手动注册了 50 个券商账户，觉得不够，又拿太太的身份注册了 50 个，尤不满足，再拿家人的身份注册了 50 个。 注册的过程枯燥、乏味、无聊、会遇到看不懂的意外，但我对“没钱”的不服气，足以支撑我一遍一遍一遍地做下去。 学习 DeFi 的知识也是一样，重仓的第一个币是 BUSD，我会愿意在买之前真正搞懂它到底是什么、注册人生中第一个海外信托、花几周时间跑通整个流程、学习怎么看资产信息披露。 搞不定，就抓抓为数不多的头发，再来一次。 意外地顺利，之前折腾过的所有“没用”的东西，在这里好像忽然都对了。魔兽世界地精、科学上网、折腾数码、研究软件、小 PM 要懂的程序实现逻辑和业务逻辑，每件事情都有用，没有一件浪费了。 DeFi 项目对我来说像是一个个新游戏，只要和所有人一起从新手村出发，阅读游戏规则，琢磨把游戏打好，就能爆金币。 就连性格里无法变更的“风险偏好保守”，在这里好像也变成了优势，让我躲过一次次 RUG，一条血槽玩下去。 趁着半轮牛市，缓慢地把打工积蓄攒成了第一桶金。当有远程工作的机会时，我选择了人生中的第一次跳槽。 先转个行，去一家 Crypto 硬件钱包公司做 PM。 这家公司的 PM 都非常强，产品负责需求、文档、原型、UI，甚至有好几位产品经理直接上手开发，都有独立开发者水平。 我意识到自己对做产品没有这么高的热忱，也几乎永远达不到他们的水平。做产品时，调研业务，了解一个事物的逻辑和技术实现是我喜欢的，但是扣原型和交互则完全不想碰。 那时我的副业是做 DeFi 和 Crypto 套利，收入已经稳定半年两倍于工资了，并且要做的事情就是学习、研究、找最佳策略、预想意外情况做风控。一次次不断的正反馈，做交易比做产品更开心。 很幸运地，大约半年之后，行业大裁员我顺势免费了，拿到人生中第一个 N+1 😂 之后开始全力投入副业，试图把交易变成我的主业。果然上班耽误挣钱，时间自由带来更多的尝试机会，我越发想知道专业人士是怎么做的。 虽然从推特上认识了不少行业内的人，但 I 人从未线下社交，也就无从进展。还是一个老同学拉我认识了一些 Crypto 圈内人，见面聊了几次 DeFi 相关的业务。一来二去，用懂 DeFi 的 PM 这个交叉技能，转职成为一家 Prime Broker 的基金经理。 先转行，再转职，看来是可行的。 一边是帮机构管几百个 BTC 做 DeFi 和 Crypto 套利，一边组队是从无到有搭建一套 MEV 基础设施。 管很多钱心慌吗，竟然还行？因为我管自己的小钱的时候就是这样做，知道自己在做什么，知道风险是什么，知道了解能了解的一切，知道风险永远发生在我不了解的地方。踏实地尽人事，已经不易。 更多的是收益率降低时的极度焦虑。熊市收益下降、DeFi 机会减少、小机会撑不起资金容量、更多时候无法灵活试错，看起来管理机构的钱看起来有点无聊了。 另一边的工作，也花了半年时间，和小伙伴一起验证了 MEV 赛道在熊市难以盈利，我也不愿意花更多时间在这上面。于是交上一份详细的测试结论，辞职了。 这次恢复无业之后，已经不再想上班了。我喜欢做灵活、自由、属于自己的小事。 用自己的钱做套利，焦虑缓解很多。更重要的是，即使市场这么熊，依旧在持续涌现一些机会。这对我来说就像是游戏里的一个个新任务，我得第一个领取它再说。 即使大部分时候任务奖励降低了，但经验值奖励还在，暂且还能提供不错的现金流。这样我可以佛系一点，把重心回归生活做一些更重要的事情。 故事就讲到这里，回归开头，我认为这个 Crypto 行业是什么样的。 矛盾的一头，极少数真正相信“去中心化”的人在这里，“去中心化”是一件我认为正确的事情。又好、又正确。 矛盾的另一头，我悲观地认为它不会成功，这里绝大部分人是骗子和赌徒。骗子获得了巨大的收益，赌徒贡献了全部的利润。在我刚了解这个行业时，我的 BTCÐ 仓位是 10%，或者说我有 10% 的信心认为它会成功，现在我的仓位是 1%。 我在这个赌场里，自处的方式只有：我不撒谎，也不骗人，谁要来赌，我陪他玩。和所有其他赌徒一样，我公平地参与这个游戏。 --- 很遗憾经过这么多好运，还没有暴富故事。 希望你的运气也好一点，遇到“忽然都对了”的那件事。

🚀 Perplexity：营销人的AI研究神器 ✅ 用途：市场调研、竞品分析 💡 技巧：用Focus功能限定搜索，学术选Scholarly，新闻选Writing 直接问"分析XX品牌定价策略"，3秒获得完整报告+来源链接。 #AI# #营销工具# #效率提升#

每次看到圈里急着给智能体发“数字人格”，我就觉得跑偏了。人格管不了责任，只能管追责时谁上法庭。我们现在缺的不是一张身份证，而是一套跟着每一笔链上操作自动盖章的 责任链条。 我仔细想了一个框架，叫 Agent 责任栈，五层，层层有人兜底。 1️⃣ 构建者 对设计缺陷负责 如果智能体的代码有后门，或者目标函数写错了导致它疯狂套利把自己干爆，这不能怪 Agent。就像当年 The DAO 的 reentrancy 漏洞，没人说“合约自己作的”，大家找的是写代码的人。设计上有坑，builder 出来认。具体来说，构建者需要公开设计文档和已知风险清单，并在链上 Commit 一个不可篡改的 builder 签名。 2️⃣ 部署者 对目标设定和权限负责 你把 Agent 部署上链，给它私钥，给它规则“单笔不超过 5 ETH，滑点容忍 3%”。结果它遇上闪电贷操纵，亏了 200 ETH。你怪 Agent 不够聪明？不。怪你给的权限太宽，没有设风险熔断。部署者的责任包括：设定明确的操作边界、配置紧急暂停机制、并定期更新权限策略。出事了，你是第一顺位的问责对象。 3️⃣ 平台方 对访问和执行环境负责 Agent 跑在哪个链或执行层上，那个平台就得提供可验证的沙箱和轨迹记录。如果平台允许无限制循环调用、跨合约越权、gas 耗尽攻击，那是平台的责任。举个例子，iOS 允许一个 App 偷通讯录，用户不会只骂开发者，更会骂苹果。链上同样：EVM 如果没做重入保护的标准接口，平台方应该背一部分责任。具体到 Agent 治理，平台至少要提供标准化的日志格式和权限审计 API。 4️⃣ Agent 本身 默认内置可审计的轨迹 注意，这不是“人格”，这是黑匣子。每一笔 on‑chain 操作必须记录：谁调用的、输入参数、触发条件、执行结果、签名者。这些数据要么上链，要么存在可验证的去中心化日志里。Agent 不能成为加密世界的匿名幽灵。如果你连它过去 100 笔交易都查不清楚，你怎么判断该不该信任它？目前已经有项目在做链上操作记录标准，比如将每次调用 hash 绑定到 Agent 的唯一 ID 上。 5️⃣ 高风险操作 执行前必须上链式担保 不是所有动作都需要抵押。订个酒店、转 0.01 ETH 测试，那是低风险。但如果 Agent 要做这些事： 单笔调动超过 10 ETH 的资金 与其他 Agent 签具有约束力的智能合约对赌协议 参与治理投票，尤其是影响财库或协议参数的 那么执行前必须锁定一笔责任保证金。金额按风险比例算，比如操作金额的 5% 或固定 1 ETH。出事就 slash 给受害方，没事就原路退还。这叫 bonded responsibility。不是阻碍创新，是让创新不要裸泳。 核心困境从来没变 我们到底想要 Agent 当 自由行动者，还是 持证工具？ 自由行动者：不需要谁背锅，但也意味着没人敢跟你深度合作，没有保险，没有流动性池愿意接入。持证工具：效率会打一点折扣，但出了事有人赔、有人修、有人能一键禁用。我选后者。因为“是 AI 自己干的”正在变成下一个“公司行为”。那套 corporate veil 我们见得太多了，最后受害者只拿到一纸免责声明，而真正该负责的人早已套现离场。 最后问你一句，对照你心里的模型 当一个 Agent 真的造成损失。比如它订了不可退的头等舱机票并骗走了客户的支付私钥，或者在一个跨链流动性池里误判汇率导致 LP 被烧掉 500 ETH。你让谁第一个站出来？ 构建者 部署者 平台方 还是那个连私钥都没资格持有的 Agent 本体

分享一个能把任何网站“一键克隆”成代码的神器！🤯 ai-website-cloner-template 简单说：给一个网址，AI 帮你逆向工程，直接生成干净的 Next.js 代码库。 📌 它强在哪？ ✅还原度极高：不只是抄个皮，AI 会自动截图、分析响应式布局，连 CSS 颜色、字体、间距、甚至点击/悬停/滚动这些交互状态都能精准提取。 ✅技术栈很新：生成的代码基于 Next.js 16 + React 19 + shadcn/ui + Tailwind CSS v4。代码非常干净，不是那种乱七八糟的，拿来做二开简直完美。 ✅兼容性广：支持 Claude Code, Cursor, GitHub Copilot 等主流 AI 编程助手。 📌 怎么用？ 在终端里输入 /clone-website [网址]，AI 就开始干活了。跑完 npm install，直接在 Cursor 里打开项目，接着让它帮你改代码就行。 想复刻某个网站设计，或者做竞品分析的，这个工具效率直接拉满 🚀 项目地址放评论区了👇

打工人 学生党 生产力玩家必备的AI？！✅ Misa发现了一款微软亲自开源的神器markitdown，直接把 Word PDF Excel PPT 变成了AI友好的干净 Markdown～ 以前复制粘贴报告 合同 演示文稿到 ChatGPT或者Claude 里，排版全乱，表格丢掉，图片看不懂 现在全解决了！ markitdown 能把几乎所有办公文件转成结构清晰的 Markdown，让 AI 完美吃进去。 总结 提取数据 分析报告非常的快。 普通人 10 分钟上手，零基础也能用～ 而且GitHub 最近星标暴涨，Daily Work 系列都在推。 超详细新手教程！快来试试💚 第1步：准备环境（一次就好） 1确保电脑有 Python 3.10 或更高版本（没装的去 下载最新版，安装时勾选“Add to PATH”） 2打开终端/命令提示符： ◦Windows：按 Win + R 输入 cmd 回车 ◦Mac：Spotlight 搜 “Terminal” 3（推荐）创建虚拟环境（避免冲突）：
python -m venv markitdown-env 4markitdown-env\Scripts\activate # Windows 5# source markitdown-env/bin/activate # Mac/Linux 第2步：安装神器（一行命令） pip install 'markitdown[all]' （[all] 会自动装 PDF、Office 文件所有依赖，懒人首选） 第3步：一键转换文件（最常用方式） 把文件拖到桌面或记下来路径，然后在终端输入： # 示例1：把 PDF 转成 Markdown（输出到文件） markitdown "我的报告.pdf" -o 报告总结.md # 示例2：Word 文档 markitdown "合同.docx" -o 合同.md # 示例3：Excel 表格（表格会自动转成超级干净的 Markdown 表格！） markitdown "数据.xlsx" -o 数据.md # 示例4：PPT 演示文稿 markitdown "演示.pptx" -o 幻灯片.md 转换完直接打开 .md 文件，用记事本、Typora、VS Code 都能看，内容干净到可以直接丢给 AI！ 第4步：更懒的用法（不用输出文件） markitdown "报告.pdf" # 直接在终端显示内容，复制粘贴给 AI 就行 第5步：进阶玩法（想让 AI 帮你描述图片/幻灯片） 安装完后可以用 Python 简单脚本（复制下面代码保存为 运行）： from markitdown import MarkItDown md = MarkItDown() # 想让 AI 看图就加 LLM 参数 result = md.convert("带图片的报告.pdf") print(result.text_content) # 复制这个结果给 AI 立即冲 GitHub： #AI工具# #效率神器# #打工人# #Office# #生产力# #Markdown# #微软开源# #AI教程#

Block 裁掉 4000 人，理由是 AI 工具提高效率，股价也因此上涨。 有个同学在美国大厂加入新项目组做 AI，我说你做啥项目，他说就是做用 AI 裁员 30%（目标）。 前几天打了快递客服电话，感觉智能大幅进化，理解力近乎于人，背后估计也是这种类似 50% 的裁员。 感觉距离人类游行抗议 AI 不远了