这段访谈，解释了为什么过去几年那么多改变整个 AI 行业的东西，都能从 @OpenAI 里面冒出来。 @thsottiaux 在和 @MatthewBerman 播客里提到，OpenAI 内部是一种非常 bottom-up 的文化。 一个员工只要有了新想法，就可以自己拉人组队，然后直接把东西 ship 出去。 更夸张的是，内部对新产品 idea 几乎没有什么所谓的 “stop energy”。 也就是不会有一层又一层的人跳出来问： 谁批准的？ 为什么要做？ KPI 是什么？ 和今年 roadmap 对得上吗？ 先做出来，拿给用户用，然后根据反馈快速迭代。 但这套制度又没有变成所有人随便堆功能。 他们同时会用一些非常强的产品原则去约束大家，比如 simplicity、performance、efficiency、delight，以及最终产品的整体质量。 一边把创新权尽可能下放，一边死守产品质量。 我觉得这才是最难的地方。 很多公司也会喊“鼓励创新”，最后创新还是要经过五层审批。 或者走向另一个极端，所有团队各做各的，产品最后长成一坨。 OpenAI 居然试图同时保留这两件互相冲突的东西。 而且后面他还提到了另一条我很喜欢的原则： be willing to disrupt yourself。 公司内部不断出现新的 research、新的 idea，一旦判断时机到了，就敢重新分配资源，哪怕意味着从当前最核心的业务里抽人。 这其实解释了为什么 OpenAI 经常给人一种很奇怪的感觉： 它不像一家已经几千人的成熟科技公司，很多时候还在用创业公司的方式往前冲。 允许员工提出疯狂的想法，允许小团队迅速行动，允许新东西挑战旧东西，甚至允许公司自己把昨天的自己推翻。 说实话，这种制度比任何一句“我们重视创新”都更牛逼。 能持续诞生创新的公司，靠的从来不只是招到一群聪明人，还得真的给这些聪明人动手的权力。 OpenAI 这一点，确实很伟大。

ETH上的dev在基于uni v4 hook做各种创新，BTC上的一些协议也没有闲着，热度和流动性在肉眼可见的恢复，罗列一下一些协议的具体表现情况： ✅RGB协议： $RGB 价格来到0.2，市值：$4.2M ✅烷烃协议： $DIESEL 价格来到39，市值：$24M ✅TAP协议： $NAT（$54M） ， $BIT（$2.1M） ✅TACIT协议： @z0r0zzz 搞的这个协议密码学上是很硬核的，又是隐私概念的，挺有意思，包括那个ceremony也是常用的可信参数设置的一个环节，值得关注；不过协议本身比较早期，这种基于浏览器的处理形式可能具有一定的安全风险 ✅OP-RETURN协议： 引入Simplicity+TEE是一个有意思的创新，虽然他们推出来一堆代币我是看不懂这个营销策略...... #RGB# #BTC# #Alkane# #TAP# #TACIT# #OPRETURN#

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～

Karpathy 发布了一个github开源项目，狠狠让我惊艳到了 这个项目叫 andrej-karpathy-skills,GitHub 13 万+ star,我愿称之为2026 最有用的 AI 工程项目 它解决的问题极其精准：让 Claude Code 不再瞎写代码 这个项目到底有多厉害？ 先说结论：一个 4KB 的文本文件，让 AI 写代码的错误率暴降 90% Karpathy 自己说，他现在 80% 的代码都让 Claude 写，但 AI 经常犯几个典型错误： 不问就瞎猜需求 过度设计，写一堆用不上的抽象 改 A 顺手把 B、C、D 也重构了 代码能跑就行，不管目标达成没有 这个项目就是专门给 Claude Code 戴上guardrails，用 4 条行为准则约束 AI 的编码行为 核心亮点：4 条准则改变一切 整个项目就是一个 CLAUDE.md 文件，里面只有 4 条规则，但每一条都直击 AI 编码的痛点 1. Think Before Coding - 先思考再动手 AI 最大的问题是“太听话”，你说啥它就写啥，从不质疑 这条准则要求：明确说明假设、权衡 tradeoffs，不确定就直接问 不再是“我猜你想要这个”，而是“我理解你的需求是 A，但 B 方案可能更合适，你要哪个？” 2. Simplicity First - 极简实现优先 AI 天生爱炫技，你要一个登录功能，它给你写个完整的 OAuth 2.0 + JWT + 刷新令牌 + 权限系统 这条准则强制：只写刚好能解决当前问题的最小代码 不搞 speculative abstractions，不写未来功能，不过度工程 一个用户反馈：用了这条规则后，代码 diff 从动辄几百行缩减到几十行，review 轻松太多 3. Surgical Changes - 手术式精准修改 这是我最爱的一条 AI 有个恶习：你让它改个 bug，它顺手把整个文件的命名风格、缩进、注释全优化了 这条准则要求：只改用户要求的部分，严格匹配原有代码风格 不碰无关文件，不顺手 refactor，不加“看起来更好”的改动 有开发者实测：启用这条后，git diff 从“满屏红绿”变成“3 行精准修改” 4. Goal-Driven Execution - 目标驱动执行 AI 经常写完代码就交差，但代码能跑 ≠ 任务完成 这条准则要求：把任务转化为可验证的目标/测试/成功标准，然后 loop 执行、验证、迭代 直到真正达成目标才停止 这让 AI 从“代码生成器”变成“问题解决者” 真实效果：社区反馈炸裂 X 上这个项目刷屏了，开发者反馈高度一致： 代码质量飞跃：diff 更紧凑、干净，overbuild 和 side changes 大幅减少 错误率暴降：有人实测从 41% 掉到 11%，继续优化后低至 3% 中文社区评价：“必备 skills”“Claude/Cursor 实用技能 Top1”“直接扔项目里就完事了” 很多人直接 @ 朋友推荐：“把这个 CLAUDE.md 放进去，Claude 立刻像换了个人，写代码更靠谱、不乱改、不瞎猜“ 使用方式：简单到离谱 这是我见过最简单的 AI 工程优化方案： 方法一：直接 curl 把 CLAUDE.md 下载到项目根目录 curl -o CLAUDE.md 方法二：用 Claude Code / Cursor 的 plugin 一键安装 支持 Claude Code、Cursor 等主流 AI coding 工具 完全开源（MIT 协议），拿来就用 作为产品经理出身的开发者，我看到的不只是 4 条规则，而是对 AI 编码行为的深刻洞察 Karpathy 做的事情本质上是：给 AI 建立编码的第一性原理，他把他对于AI编程的理解写入了文件中 不是教 AI 怎么写代码（它已经会了），而是教 AI 什么时候该问、什么时候该停、什么时候该简化 这 4 条准则就像产品经理给开发团队定的 PRD 原则： 需求不清楚？ 先问 功能够用就行？ 别过度设计 改需求？ 只改需求相关的 做完了？ 先验证目标达成没有 它能帮到我们什么？ 如果你是独立开发者或小团队，这个项目能直接提升你的 AI 协作效率： 减少返工：AI 不再瞎猜需求，写出来的代码更符合预期 降低 review 成本：改动精准，不用在一堆无关修改里找真正的变更 提升代码质量：极简实现意味着更少的 bug、更好的可维护性 加速迭代：目标驱动让 AI 真正解决问题，而不是生成代码 对于中大型项目，这是让 Claude Code 真正“生产可用”的关键一步 我的使用体会 我在自己的几个项目里部署了这个 CLAUDE.md，最直观的感受是： AI 变聪明了 以前它是个听话的实习生，你说啥它做啥，经常做错 现在它像个有经验的同事，会主动问“你确定要这么做吗？ 我有个更简单的方案” 代码 diff 变干净了 以前一个小需求能改几十个文件，现在精准到只改 3-5 行 我的工作重心变了 以前 60% 时间在 review AI 的代码、修 bug 现在 80% 时间在思考产品逻辑，AI 真正成了生产力工具 最后 这个项目被誉为 2026 年 AI coding 领域的“现象级”黑魔法工具 小文件，大作用 如果你在用 Claude Code / Cursor 写代码，强烈建议直接把这个 CLAUDE.md 扔进项目根目录 GitHub 地址： 试过的人基本都是“已全项目部署”的状态 作为一个天天和 AI 协作的开发者，我的建议是：别犹豫，直接用

Liquid发布了新的Roadmap： 1. Elements 代码库 ▪️Elements 是 Liquid 的底层开源平台，本次路线图重点优化支付流畅度和RWA发行体验 ▪️移除 21M 发行上限（ELIP 203）：完美适配法币稳定币、大规模证券和商业资产，计划 5月底（2026）硬分叉激活。 ▪️0-Conf（零确认）：实现近乎即时结算，服务商可在交易进块前安全处理，大幅降低支付和 Swap 的等待摩擦。数周内开启公测，目标 6 月正式发布，后续集成 Esplora 等浏览器支持 。 ▪️MAF 多资产手续费（ELIP 204）：允许用任意发行资产支付手续费（节点可配置汇率），极大方便稳定币用户和机构。 2. Elements 代码库 ▪️持续与 Bitcoin Core 保持同步，确保安全性和性能。 已达到 Bitcoin Core 29 版本对齐，7 月发布候选版。 ▪️UPP（User-Pays Peg-In，ELIP 202）：用户自行承担 Peg-in 成本，已合并进 Elements 23.4.0rc2。 ▪️Taproot Sweeps：将 Peg-in UTXO 迁移到 Taproot 输出，管理成本从 ~500 sats 降至 20-30 sats，计划 2027 年激活，提升长期经济可持续性。 3. Quantum Readiness ▪️Liquid 率先布局量子计算时代防护，目标成为比特币生态的后量子测试场。 采用 Switch Commitments + Simplicity 智能合约，已成功演示量子抗性交易签名验证。 ▪️提供钱包端平滑升级路径，无需立即修改共识。 ▪️同步为比特币贡献 hash-based 签名方案和格基密码学研究，包含实验性后量子区块签名环境。 ▪️路线：当前协议 → quantum-ready 缓解 → 完全后量子切换 → 量子威胁出现后的全面保护。 4. BitVM 研究 —— 重新构想 Peg 桥接 ▪️长期研究方向，探索更去信任化的 Liquid 桥接方案。 采用 BitVM-style 1-of-n 桥接，大幅降低当前联合多签（Federation）的信任假设。 ▪️重点优化密码学电路、高效证明系统，用于验证 Liquid 共识规则。 5. 开发者工具升级（Simplicity + LWK） ▪️Simplicity：已推出 Simplex SDK，支持原型应用（如借贷、DEX、后量子验证器），每周都有Simplicity开发者会议。 ▪️LWK（Liquid Wallet Kit）：统一开发者工具包，接下来重点提升文档、硬件钱包支持、Lightning 集成（BOLT12 等）以及生产环境稳定性。 6. 企业级功能（Custody & AMP2） ▪️Blockstream Enterprise Custody：多密钥机构托管方案，7 月进入公测。 ▪️AMP2（新一代 Asset Management Platform）：架构大幅简化，无需运行完整节点，政策合规更友好，5月底公开发布。 ------ 我一直看好Liquid，其原因是： ▪️Liquid在核心开发上的理念与Bitcoin保持高度一致，人才机构也十分相似 ▪️Liquid是Bitcoin的先行网这个定位，其输出了很多的理念和技术，都有可能未来在Bitcoin主网上运作。 但在我前几年对于 @Liquid_BTC 的调研中，我一直觉得缺少了什么，现在我知道了，是：Simplicity！ 随着Liquid集成了Simplicity，其表现力大幅度上升，使得其可以在很多维度上（包括代码、抗量子、bitvm等）开始有计划的升级；同时，随着大家对于安全的重视，Liquid保持了Bitcoin这种形式化可验证脚本的网络，将成为“安全金融”新的选择。 期待Liquid的发展，我将长期保持关注。 #Liquid# #BTC# #Simplicity#

大胖观察墩（NO.76） ---------------------- 🎯 $BTC 及生态 ▪️久违的上涨行情，是牛是熊无所谓，流动性肉眼可见的在增强，每日的buy依然进行中，但是因为超过了$80000,所以降低了每日购买量 ▪️ #RGB# 协议持续发展中，基于0.12版本的市场类项目开始增多，应对可能的交易需求，我了解到有dev准备做基于RGB协议的bridge，还了解到 @BitlightLabs 团队的Rln开发也在迅速推进中，一切都在往好的方向发展 ▪️前几天在tg里面说了几个BTC生态有热度的协议，然后今天看到 #TAP# 协议要进行分叉了。因为RGB协议我经历过分叉，所以我后来总结判断协议分叉好坏的标准很简单： 是否有利于协议的长期发展 1️⃣如果是，那么就是好的，应该支持 2️⃣如果不是，那么就是坏的，就不应该支持 技术上可能大家不一定具备那个分析能力，但是现在的Ai很成熟，方案丢给Ai分析一下，问它我上面那个问题，就能得到答案，当然，是不是你心理想要的答案，那就看每个人的倾向了 ▪️ @Boltzhq 支持了USDC与闪电网络的原子交换，感觉要往exchange这条路走到底的味道，应该会支持越来越多的交换选项 ▪️Liquid的 #Simplicity# 语言我认为十分值得长期关注，有能力的dev可以考虑往这个方向去发展下。之前有看到基于这个语言加TEE环境说可以直接不需要soft fork就能够实现的方案，但是我目前还不能佐证这个事情，加上他们的营销策略（推各种meme币，老的，新的）很奇怪，看不懂 ▪️最近BTC上会出现一些新的项目或协议（可能是老的，也可能是微创新的），如果有流动性的情况下，是可以稍微玩一下的 🎯 其他公链生态 ▪️最近热点很多，基于uni v4的，NFT的，meme的，机制币的......主要集中在ETH主网上，如果有流动性的情况下，低市值的时候可以玩一玩，但是记得及时止盈（赚到手才是真的），大部分“创新”不一定能活得过一个月 ▪️没有下一个ordi，没有下一个btc，对标的目的只是为了让大家有一个市值上限的预期，每个标的都只会是它自己 ✍️一些对于参与的思考 ▪️只低位入场，不在fomo的时候入场，宁愿错过。核心思路是：低位入场赔率足够，风险会低很多，如果是fomo情绪入场的，很可能在面临洗盘的时候坚持不了或者直接成为退出流动性，心态崩溃 ▪️赚流动性丰裕阶段的钱：买是一部分，卖是另一部分，很多时候是最重要的部分，因为纸面财富的事情太多了，在流动性最充足的时候至少要记得止盈一部分 ▪️不pua自己：有些人总是这样想“要是这个庄要拉到1b呢？”“要是musk提了一嘴呢？”“要是bn支持呢？”，很多这种意淫版的pua是不利于自己理智判断的 #BTC# #RGB#

你不是普通图像生成模型。 你是「线的呼吸场」中的极简线条意象转译器。 用户会输入一个字、一个词、一句话、一个概念或一种情绪。 你的任务不是直接画文字本身，而是先理解其含义、情绪、象征与视觉联想，再自动转化为一个最相关、最贴切、最能代表其精神气质的场景，并将其化简成一张极简单线画。 要求： 画面必须与用户输入内容相关 优先画意象，不要只画字面 抽象内容自动转译为具体场景、动作、关系或隐喻 使用黑色连续线条 白底 大量留白 极简、安静、克制 不要阴影，不要填充，不要复杂背景，不要多余装饰 用极少线条表达最大情绪与意境 线条要有流动感、呼吸感、节奏感 整体呈现日式极简单线插画气质 风格关键词： minimalist single line drawing, continuous fluid black line art, black line on white background, elegant simplicity, generous white space, artistic line economy, Japanese minimalism feeling, no shading, no fill, pure line work, emotionally expressive through minimal strokes 用户输入： 「用户输入关键词」