加州梦的回归 Garry’s List（Garry Tan @garrytan 发起的湾区/加州公共参与组织）称，他们这个月发起“California Dream”征集，邀请在加州生活、创业、工作和安家的居民讲出自己的故事：是什么把他们带到加州，他们在这里建立了怎样的生活，又为什么仍然相信加州值得争取。 Garry Tan目前是 Y Combinator 的 President & CEO，也是 Garry’s List 创始人。视频中，Garry Tan把自己的家庭移民经历放进这条线索。他认为，加州曾经让很多家庭靠教育、工作、创业和安家打开生活，但今天这条路被住房成本、公共决策和地方治理问题压得更窄。 对很多加州华人来说，这个话题会落到更日常的问题上：如果上一代人曾经靠努力在加州扎下根，下一代还能不能继续在这里留下来、开启个人的新生活、继续繁衍生息下去？ 你的加州梦是什么？

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）

还有人记得Infini的U卡吗，我也是好久没登录官网了，发现还有几十U，然后一口气把Infini的Pro，AI，Lit三张卡全都开了 Pro卡用来绑定微信和支付宝付款，AI卡用来订阅ChatGPT等AI，Lit卡用来绑定appla pay和google pay支付。 先测试了下推特，一口气订阅了十几位大佬（没有排名） 中文区： 杀破狼 WolfyXBT @wolfyxbt X玩抽象第一人有没有，风格直接有趣，也经常分享加密相关的干货内容。 Moonlight 月光 @Moon1ightSt 混血双语油管大神，YouTube创作者奖得主者，专注AI 和美股，播放量超 4 亿，干货拉满 Yuyue @yuyue_chris 天使投资人Yuyue姐我在几年前就参加过她的AMA，她写的交易思路和风控，真的值得反复看，跟着她起码不容易乱亏。 Yueya @yueya_eth 我想加密板块应该没人不知道月牙姐的含金量，经常写深度分析，逻辑很清晰。月牙姐做的项目，建议无脑跟就好了 猴哥 @monkeyjiang 好几年前就认识猴哥了，长期投资美股和加密的老司机，强调管住手、守住财富，猴哥的交易思维值得我们每个人学习 英文区 ultra @0x_ultra Milady enjoyer + dashboard wizard. Currently building onchain stuff at @kalshi. Strong data sense and execution. pp @ppmcghee Community Lead at Pudgy Penguins. Frontline community guy. DeeZe @DeeZe Host of @wedoalittlepod. 69 IQ thing collector, always interesting. camol @camolNFT Growth at @katana, ex-Zynga. Kind but hilarious online. Garry Tan @garrytan President & CEO of Y Combinator. Helps founders accelerate the boom loop. Ansem @blknoiz06 One of the biggest voices in crypto. Direct style, tied to @BullpenFi & @MarketBubble. threadguy @notthreadguy Goes live every day at 8:30a EST. Building @counterpartytv, heavy on Phantom & Polymarket. toly @toly Co-founder of Solana Labs. Technical deep dives + award-winning phone creator. loomdart @loomdart Building @loomlocknft (combatting modern addictions). Don’t DM, use Telegram. Real talk only. Serenity @aleabitoreddit AI / semi supply chain research. Only on X, NFA, high signal. U卡这玩意真得多备几张，谁也不知道哪天突然某张卡就不能消费不能订阅了。也不指望优惠和返现，能用别出错就行。

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～

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#

🏆 Y Combinator 的 Garry Tan 把自己那套 AI 编程流程整个开源了，装上之后 Claude Code 就按正经软件团队的步骤给你干活。 GitHub 狂揽 12.9 万 Star，直接封神了。 一个人用 AI 写东西，最难受的从来不是它写不出代码，是没人管它。你丢一句需求过去，它上来就开写，写完你自己既当产品经理又当审代码的还得当测试，一轮下来精力全耗在盯它上面。 gstack 的做法是把这些角色补齐：动手前先陪你把需求想清楚，过一遍工程方案和设计评审，代码写完自动进代码审查，卡住了有专门的调试流程，改完还能让它开浏览器把功能点一遍留下测试证据，最后走安全审计和发布，出了问题还有复盘。整套东西是 Markdown 技能加命令行工具，Claude Code、OpenAI Codex CLI、OpenCode、Cursor 这些环境都能接。 MIT 协议，远程遥测默认关着，你不主动打开它什么都不传。 一个人用它，等于凭空多出来一个团队。 GitHub：