5年沒上 Kaggle 打 AI 演算法比賽，久違的回到銀牌 ZONE。 現在打比賽比以前友善許多，只需要把想法跟 Agentic AI 討論，就可以直接做出實驗。 以前做 EDA、驗證策略、改模型或調參，常常要花不少時間改 code，現在很多時候只要一句 prompt，然後就可以去做自己的事情，晚點回來看結果跟報告。 分享一下我的 agent 目前打得最漂亮的一場 PTCG 比賽。 同樣是 Lucario 牌組，中盤一隻 Mega Lucario 剩 10 HP，還是成功撐住節奏、反殺對面，接著接上第二隻 Mega Lucario，把 prize race 收掉。 感覺最有趣的不是單純比「牌組強」，而是 agent 在交換、備用 attacker、Boss timing 這些細節上真的有做出一些像人在打牌的判斷，後期就是真的在比Agent出牌的Policy了。

紀錄一下，剩下6天終於衝到前10金牌區了！ 希望能撐到最後看能不能拿到第一屆AI PTCG 比賽的金牌。 剛好我也差一個Sold Gold就可以升級Kaggle上最高榮譽的Grandmasters (全球480人)，之前的一個目標沒想到現在竟然有希望達成。 話說這比賽是全程AI參賽的，我只有提一些想法跟經驗分享而已。

学 Python、练 SQL、做作品集，卡住的往往不是技术，是手边没有真实数据。这 6 个全部免费开放： 1、【Kaggle Datasets】 几十万个数据集，从房价、电影评分到医疗影像都有，绝大多数带说明和别人写好的分析笔记本，看着别人的思路做一遍是最快的入门方式。 2、【Hugging Face Datasets】 偏机器学习方向，文本、图像、语音数据集为主，一行代码就能加载进 Python，不用自己写解析。想微调模型的从这里找训练数据。 3、【Our World in Data】 全球人口、能源、健康、经济的长期统计，图表做得极好，每个数据都标了来源和处理方法。做内容配图或者写观点文找论据非常合适，全部可免费使用。 4、【世界银行开放数据】 两百多个国家几十年的经济和发展指标，可以按国家、按年份直接下表格，也有 API。做跨国对比分析的标准数据源。 5、【Google Dataset Search】 数据集里的搜索引擎，不知道该去哪个网站找的时候先来这里搜关键词，它会把散落在各个机构网站上的数据集聚在一起。 6、【 美国政府开放数据门户，三十多万个数据集，交通、气候、教育、犯罪统计都有，颗粒度细到具体城市和年份。 作品集里放一个用真实数据做完的完整分析，比列十个学过的工具管用。

第一次真的有感覺到模型降智了，這幾天用Fable一直在自我認錯做一些偏蠢的事情，或許新的模型要來了？我記得每次大家在抱怨降智後過不久新模型就出了，期待一下Mythos。 Codex Sol 確實很謹慎而且做得還不錯，但真的做太久了，深度思考導致做了不少多餘的研究跟實驗很冗... Grok 4.6這次是真的讓我驚艷了，響應速度有夠快而且分析的有夠精準，就連Codex跟Claude都直接稱讚，Grok這次直接被我升級成統籌策略者了。 還有3天，開了6個agents，3家目前最強模型都全力來幫我打Kaggle，看看能不能拿個Solo Gold！

🎧 太强了，能把整本电子书变成有声书，还能用你自己的声音念 GitHub 上 1.97 万 stars 通勤路上想「读」完一本书，现有办法都别扭：有声书平台上没有你想听的那本，机器朗读又是那种一听就想关掉的电子腔，中文里还经常读错停顿。 这个项目直接把你手上的书转成有声书，而且是带章节和元数据的完整成品，导进播放器就能按章跳。输入格式吃得很杂，EPUB、MOBI、PDF、TXT、HTML、RTF、DOC、DOCX、ODT 都行，扫描件也能走 OCR。输出默认 M4B，另外 MP3、FLAC、WAV、OGG、AAC 这些也都给了。 声音这块的选择空间比想象中大：XTTSv2、Bark、Fairseq、VITS、Tacotron2、Tortoise、GlowTTS、YourTTS、Piper 九个引擎，还有可选的声音克隆和自定义语音模型，宣称支持 1158 种语言。想批量转一书架，或者转完直接进 Audiobookshelf，也都做好了。 对机器要求不算高，最低 2 GB 内存加 1 GB 显存就能跑，CPU、CUDA、ROCm、Intel XPU、Jetson 和苹果 M 系列都支持，不想在本地折腾还能上 Colab、Kaggle 或者 Hugging Face Spaces。 一点前提：项目明确写了只面向无 DRM 且合法取得的电子书。 买回来的书本来就该想怎么读就怎么读。 GitHub：