好久没有 #buildInPublic# 同步下最近的动作吧， 已经完成，我甚至搭配了一个 chatbot😂，听上去有点过时，但是就像早上转发的 @garrytan 的推文，Claw 对于有开发经验或者"聪明的人"来说是法拉利，但不是每个人都需要法拉利，也不是每件事都需要从零推理。 比如我最近经常处理 PDF 材料，一开始用 Claude Code 调 Gemini 3 Flash 多轮处理，跑通之后我就写成了一个 Clip（可以理解成 Agent 的 App），现在 `pinix invoke pdf parse --url "xxx"` 一行搞定。 还有很多内容只有小红书上才有，以前让 agent 搜小红书得 browser-use，操控浏览器，慢而且不稳。现在就是 `pinix invoke xiaohongshu search --keyword "种草"`，结构化返回。 Google 搜索也是，`pinix invoke google search --query "AI agent"`，这是我用得最多的 Clip。 这些 Clip 装到 Pinix 上，我手机上的 chatbot 就都能用了。它只能做 Clip 能做的事，但每多一个 Clip 就多一项能力。50 多个 Clip 下来，日常大部分事情手机上就搞定了。 code agent 探路，Clip 沉淀。越用越收敛，越收敛越可靠。 给 Agent 装能力，像给手机装 App。这就是 Pinix。

🔥NVIDIA CEO 黄仁勋 @JensenHuang 开通X账号4天，发了两条推文，AI全球影响力排名来到全球第64，粉丝数接近百万。 这哪是新号上线，分明是AI圈顶级大佬集体来给老黄“随份子”。🤣 有意思的是，这些大佬里，老黄只回关了3个，剩下7个还在“单向关注”状态： 🟢老黄已回关的（互关） Elon Musk @elonmusk| XHunt AI排名：8 xAI创始人、特斯拉&SpaceX CEO，亲自转发力挺黄仁勋首帖 Demis Hassabis @demishassabis | XHunt AI排名：10 Google DeepMind联合创始人&CEO，诺贝尔奖得主 Garry Tan @garrytan| XHunt AI排名：25 Y Combinator总裁&CEO 🔴老黄没回关的（单向关注） Andrej Karpathy @karpathy | XHunt AI排名：1 前OpenAI创始成员、前特斯拉AI总监，现Eureka Labs创始人，AI圈最强技术布道者 Yann LeCun @ylecun| XHunt AI排名：7 Meta前首席AI科学家、图灵奖得主，深度学习三巨头之一 Andrew Ng @AndrewYNg | XHunt AI排名：11 Coursera联合创始人、斯坦福教授，前Google Brain和百度AI负责人 Logan Kilpatrick @OfficialLoganK | XHunt AI排名：15 Google Gemini与API核心技术负责人 Jim Fan @DrJimFan | XHunt AI排名：16 NVIDIA机器人与具身智能方向顶级科学家，GEAR Lab联合负责人 AK @_akhaliq | XHunt AI排名：19 AI论文圈最强分发节点，Hugging Face ML Growth Lead（原Gradio核心成员） hardmaru @hardmaru | XHunt AI排名：27 Sakana AI联合创始人&CEO（David Ha）

最近正在梳理专属于自己的AI编程套件，用于提升自己的编程效率 我先花了几天收集和测评了 5 个 GitHub 26 万星的 AI 编程套件！直接把结论分享给大家： 1. obra/superpowers 这个应该大家都很熟悉了，superpower已经存在了2年左右 14 个技能硬编码工作流：brainstorming（苏格拉底式提问出 spec）→ writing-plans（拆成 2-5 分钟粒度任务）→ 子代理逐任务实现 + 双阶段评审（5 轮修复上限，超限强制停机裁决） 适合场景：你在意“防 AI 跑偏”多于交互流畅，需要无人值守的长任务 2. mattpocock/skills — 按需取用的工程工具箱 这个最近可以说是火爆了，我实测下来单环节的效果最好，强烈推荐大家用用，我之后的ai套件也会基于这个skill体系进行优化 两个杀手级技能值得单独说： /grill-with-docs — 把需求对齐变成文档资产 这是我测下来最聪明的一个设计 它不是简单的“AI 问你问题”，而是边问边写 CONTEXT.md 和 ADR（架构决策记录） 举个例子，你说“课程里的 lesson 变成真实文件时有问题” 它会逼你定义“真实文件”是什么，然后把这个概念写进 CONTEXT.md，术语统一叫“materialization cascade” 下次 AI 看代码时直接用这个词，不用每次都解释一遍 更绝的是：它会拿你的新想法去撞现有的 CONTEXT.md，发现矛盾就当场质疑你 “你上周说 X，这周又说 Y，到底哪个对？” 这个反向质疑机制，是我见过唯一能防止需求飘移的工具 /diagnosing-bugs — 6 步诊断法，强制你别瞎猜 这个技能解决了 AI 调试最大的问题：跳过复现直接改代码 它强制执行 6 个阶段： 先写一个能让 bug 稳定复现的测试（红灯） 最小化复现场景（删到不能再删） 提出假设（不许直接改代码） 加 log 验证假设 修复 写回归测试 3. garrytan/gstack — Web 产品从想法到上线的流水线 YC CEO Garry Tan 开源的个人配置，59 个技能，角色分工（CEO 拷问 /office-hours、安全官 /cso、发布工程师 /land-and-deploy） 这个skill我主要吸收以下两块内容： Playwright 驱动真实 Chromium 的常驻 daemon（首次 3 秒、之后每命令 100-200ms，登录态全程保留，/qa 边点页面边改码边复验） careful/freeze/guard 三个护栏用 PreToolUse hook 真拦截，不是靠提示词“记得小心” 4. multica-ai/andrej-karpathy-skills — LLM 通病的行为补丁 这个之前推荐过，karpathy的编程准则，非常适合写入claude.md中 本体就是一份 2.3KB 的 CLAUDE.md，四组守则： Think Before Coding（不静默假设） / Simplicity First（不过度抽象，“200 行能写 50 行就重写”） / Surgical Changes（每行改动可追溯到用户请求，不顺手重构） / Goal-Driven（“修 bug”→“先写复现测试再让它通过”） 5. anthropics/skills — 官方能力扩展 + 写 skill 的标尺 GitHub: anthropics/skills（16.7 万星，官方仓库） 17 个能力型技能：docx/pptx/xlsx/pdf 操作、Playwright 网页测试、MCP 构建指南等 它给 Claude 加“会做的事”，不管“怎么工作”，和上面四家不构成竞争 最值钱的是 skill-creator：唯一带闭环评测的技能（自动跑 with-skill vs baseline 对照、优化 description 触发率、格式校验脚本） 你以后自己写 skill 时它是标尺 适合场景： /plugin marketplace add anthropics/skills，装 document-skills（pdf/xlsx/docx）；另装 skill-creator 这些套件的共同点是：它们都在用代码重新定义“什么是好的 AI 编程工作流” 以前写代码是在 IDE 里敲，现在是在跟 AI 描述你要什么 但 AI 不懂工程规范，所以这些开源作者做的事，本质上是把工程纪律编译成了 AI 能理解的规则 我认为每一个资深的开发者都值得搭建一个自生长的专属ai编程套件，从而适配自己的编程习惯！ 如果这次的分享对你有帮助，欢迎大家点赞支持一下！谢谢大家～

养龙虾最蠢的事，就是每次都重复说同一句话。 YC创始人Garry Tan放出了他自己在用的OpenClaw神提示词，可以把龙虾从一次性工具变成一次指令、永久生效的自动系统。 这样你再也不用每次都叮嘱它“记得按这个格式”“别忘了加这一列”“每周一跑一次”。 把这四条规则复制到你的AGENTS.md最前面，重启就生效。 核心规则简单到离谱，但威力巨大： 1. 禁止一次性工作 第一次做3-10个样本给你确认，满意了自动写成SKILL.md存进技能库。 是周期性任务？直接自己用openclaw cron add加定时，以后到点就跑。 2. MECE原则 一个活只能有一个技能管，不重叠不空白。能扩展旧技能就绝不新建。 3. 最狠的失败判定 如果你第二次还要问它同一件事，它就失败了。 第一次是发现需求，第二次就该自动完成。 4. 标准六步流程 概念→原型→评估→编码→定时→监控，全流程自己闭环。 这个prompt相当于给龙虾定了一套自我进化的底层规则， 不用教它每一件具体的事，只需要教它“怎么学会做事”。 而且用得越久，你的技能库越厚，整个系统自己会复利增长。 我已经用了小一个月了， 现在每天早上起来，龙虾已经把昨天的报表、邮件、数据整理好了。 所有重复工作，一次教完，永久自动运行。 以下配图是我用 Cloud 的 Opus 4.7HTML 输出，真的非常清晰漂亮！ @garrytan Thank you so much, Garry. You’ve been incredibly helpful. #OpenClaw# #养龙虾# #AI# #Agent# #YC# #GarryTan#

这周，我最想安利的 4 个 skill 最近在折腾 coding agent 的人应该越来越多了，如果你也在用 Claude Code、Codex、Cowork、OpenClaw、Hermes 这些，下面几个 skill 值得试一下。 安装方式巨简单：开个新聊天窗口，把 GitHub 链接丢进去，跟 agent 说“帮我安装这个”就行。 GStack：github 117k stars。Y Combinator CEO Garry Tan 做的。它给你的 agent 搭一支 23 人的虚拟工程团队，有负责压力测试产品创意的 CEO、能识别劣质 AI 内容的设计师、跑 OWASP 审计的安全官、还有负责 merge request 发布的发布工程师。你可以跑 /gstack-office-hours，在写任何代码之前先对创意做压力测试。 （token 粉碎机，预算够的可以试试） Stop Slop：github 12.6k stars。一个小 skill，去 AI 文本痕迹的。把 ChatGPT 的输出粘进来，跑一下，出来就是更干净的文字。拿 AI 写剧本或写博客的人应该会需要。 Graphify：github 72.7k stars。把代码库、文档或你的第二大脑转成可查询的知识图谱。你能看到一个很漂亮的知识图谱，展示这些内容之间的相关性。你的 agent 可以直接查这个图谱当记忆用，不用每次都重新读所有文件。文档说大型项目每次会话的 token 使用量能降 71 倍。 非常实用的skill，省token利器。 Last 30 Days：github 47k stars。这个是我最喜欢的skill。在 Reddit、X、YouTube、Hacker News、Polymarket 和开放网络上做实时情绪研究。输入 /last30days research [主题]，就能看到大家对一个话题到底感兴趣什么、困惑什么、在猜什么。 #agent# #Skill# #REDSkill#

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。