本来最近到处闲云野鹤享受熊市的无聊和空闲，推特也没怎么更新，结果朋友很兴奋地说 @megaeth 要TGE了，你不得出来点评几句，好吧，谈几点看法： 1）它的TGE“故事”很特别，并没有一个指定的日期，而是等网络生态跑出一定的KPI才触发，这在山寨币扎窝只为发币的当下，是不是显得特别的“清新脱俗”？ haha，当然也可以视为一直TGE跳车找不到合适时机的“体面”说法，但anyway，终于有项目方不把TGE只是当“终点”草草交差了； 2）在以太坊layer2 通用链失去想象力的市场当下，我们很难给MegaETH一个合理的定位，说他是纯layer2，项目方肯定不高兴，说他是高性能layer1和以太坊主链的关系，以及怎么做生态反哺关系就又变得尴尬。其实想做以太坊的Solana又或是Hyperliquid，但看 @VitalikButerin 的意思以太坊主网就守着安全，至于扩展层怎么玩，主网有心但真的扶不动了。 所以我更倾向于，它只是以太坊生态一种全新的尝试，基于主网安全性扩展的一条real-time实时公链，要把执行层的性能拉满，拓展DeFi之外更丰富的游戏、社交等高频类应用场景落地可能。所以，它的出现重不重要，全看你怎么定位它，冷静、保持一点期待即可； 3）问题来了，real-time级别的处理能力为什么很重要？答案其实很简单，过去区块链生态除了DeFi几乎没跑出来像样的出圈的应用，游戏、社交、高频交易这些有价值的前卫场景喊了一轮又一轮，结果呢？大部分用户实操体验过之后都会觉得不过如此，不过是画了又一个叙事大饼。 说明压根就没有公链真正实现real-time级别的执行处理能力，可想而知，市场对于具备实时处理能力的技术公链有多么饥渴？至于是不是MegaETH，不知道，但市场真的需要，这个结果眼上，它吹响最亮的冲锋号来了，那就看看呗； 4）我几个月前就开始研究MegaETH生态上的应用了，就是期待一个创新的应用到底应该长什么样？可以草草分享下感受。 Euphoria尝试把期权交易做成手机点格子的游戏化操作，根据超快时间框架点击预测价格涨跌，很年轻另类，创新性拉满；Biomes是全链上Minecraft-like沙盒，MMORPG 级别，真正多人实时互动、挖矿、合成、PVP等；机甲 PVP竞技场，真金白银下注对战 + RNG/RPG 元素，还在聊AI Agent进游戏；边看球赛边实时一键交易fantasy卡牌（进球、伤停、VAR 瞬间重定价），尝试把体育直播和 DeFi进行融合。 总之吧，有一些与众不同之处，至少在现有各大链应用抄来抄去的当下来说，这些都是，只有实时性能才能解锁的新交互范式。我觉得能吸引一些创新怪咖开发者，能孵化一些新鲜好玩的应用，创新力曾经在Crypto引以为傲的“能力”竟然变稀缺了，一定要鼓励一切创新机会！ 以上。 至于FDV估值的合理，当初投资NFT和公募的盈亏情况，我就不在此多言了。haha，朋友说我的NFT可以赚个至少1倍，希望是只肥美的兔子🐰，那就明天看咯。

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

我在 MIT 的最大感受之一就是，世界就是个巨大的草台班子。今天又深深体验了一次。 这学期我上了一门关于 AI Agents 的课，需要分小组做项目(老师说偏好 infra 而不是应用层)。受我之前那个 LLM 连 vibrator 的项目启发，加上我对硬件本身有兴趣，我本来是想做一个protocol（协议）或中间层，让 AI Agents 能连接和控制大多数硬件。刚好另外一个MIT本科生也想做类似的事情，他知道了我的vibrator项目后邀请我一起做，不过我最后深思熟虑后放弃了做这个项目，最后选择了另一个偏应用层的比较水的项目。（因为我也不在意成绩了且最后没找到我既感兴趣且觉得有前景的项目） 我放弃做这个我原本很有兴趣的方向的原因是：我认为它既没有什么商业价值，也没有任何的技术含量/护城河。 但是今天我们这个课程的demo day上，这个项目在现场众多VC投资人和评委的评分下，得了第一😂。 我当时放弃继续做这个方向的的判断理由如下： 这件事可以拆成两类设备来看 —— 消费级和工业级。 消费级设备这块没有技术含量，且连接它们并没有带来价值。绝大多数消费电子走的都是公开协议，美国已经有像 Home Assistant 这样成熟的 APP 把市面上能连的东西都连了。我那个 vibrator 之所以要逆向工程，是因为它走的是私有 BLE 协议，不在任何公共标准里 —— 这反而是少数情况。常见的消费级设备根本不需要 LLM 来"理解协议"，直接调现成的库就行。所以就算你用 agent 把这些连起来，也基本没有创造多少任何额外价值，因为问题已经基本被解决了。 工业级设备这块，那情况就复杂了，学校项目根本做不完。每个设备的协议、接口、控制逻辑都不一样，你要么砸大量钱去买很多设备一个一个跑通，要么直接和厂家对齐 —— 这两件事一个学期的课程项目都不可能做到。 我当时也考虑过：或许作为一个课程项目，只实现四五个设备的连接，或者只说服四五个厂家，其实够交差了（没想到人家只跑通一个不难连的设备就直接交差lol）。但长远看，我觉得这事儿也不适合我自己创业 —— 我自己的硬件背景和产业资源并不强，不具备让大多数厂家都使用我定义的 protocol 的能力，或者至少我不是最适合做这件事的人。而且我认为未来这些硬件厂家，自己就会把自家设备做得更方便让ai agents连接和控制，所以也无需通过一个第三方的中间层或者协议。 退一步说，就算我是适合组局做这件事的 founder，这个"连接"到底解决什么场景下的具体问题、带来多少价值、谁来付费? 我当时和那个本科生聊，他说这个东西主要面向 开发者，可能让开发者付费 —— 但如果真是这样，我很怀疑开发者是否会愿意为这样的东西付费，所以我认为这个前景是比较有限的。 但我没想到的是，仅仅跑通一个设备，真的就可以宣传成“能够把AI agents和所有/通用硬件连接起来的协议”（universal hardware control ）然后拿到第一。 他们最后做的是：在一个开源教育机械臂(SO-ARM101)上，做了三件事 ：给它加了个 AI 能调用的接口，加了个出错能自动重启的脚本，加了个摄像头让 AI 看看自己有没有做错。这个机械臂的底层 SDK，Hugging Face 的 LeRobot 团队早就封装好了，Python 一行就能调用。 但他们把这个东西包装成 "Universal agentic hardware control"，配了一个稍微有点科技感的landing page，然后就把VC们和评委们唬的一愣一愣的，拿到了最高档评价。 这世界果然是个巨大的草台班子。