TwiScan
熱門
社區
帳號集合
登入
註冊
English
日本語
한국의
简体中文
繁体中文
註冊並分享邀請連結,可獲得影片播放與邀請獎勵。
立即註冊
檢索結果
星箱Works
星箱Works 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含
星箱Works
的搜尋結果
貓皇陛下🙇♀️
@stoyanovStoya
2026.07.18 04:34
😂快去 红星美凯龙的厕所投稿吧#廉政举报箱 是監督紅星美凱龍背後股東的嗎?不愧为地下党😆這麼冷門偏僻的地方都能搞到👍🏿
顯示更多
0
0
0
1
0
轉發到社區
小空Sora
@konkon6927
2026.09.12 12:44
身為知更鳥推看到崩鐵竟然出主題禮盒 我的手忍不住啊啊啊啊… 開箱給你們看看🩵 周邊真的太美了好喜歡 還是知更鳥晴歌版本耶 尤其是那個壓克力打卡框好可愛ㄛ🥹! 馬卡龍超好吃😋 我絕對不會說我一天就吃完全部了www 現在任兩款單筆消費5盒以上 還有打95折欸 有夠佛 永支崩鐵的啦 #
千星逸品記
# #
崩壞星穹鐵道
# #
HonKaiStarRail
# #
知更鳥
#
顯示更多
0
0
26
6.5K
363
轉發到社區
人民日報 People's Daily
@PDChinese
2026.09.18 07:30
【“南寧-海南洋浦”航線首航船抵達洋浦港】18日中午,“南寧-海南洋浦”江海直達航線首航船舶順利抵達洋浦港,開始靠港卸貨作業。 執行“南寧-洋浦”江海直達航線首航任務的“廣星798”輪於平陸運河通航當天上午從南寧港六景作業區出發,沿平陸運河一路南下,經欽州港出海,最終抵達洋浦國際集裝箱碼頭。 隨著“南寧-洋浦”江海直達航線首航,一條連接廣西、西南腹地與海南自貿港的水上新通道正式開啟。
顯示更多
0
0
0
18
1
轉發到社區
超级个体|柿子
@yaohui12138
2026.08.20 03:18
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~
顯示更多
0
0
3
4
0
轉發到社區
超级个体|柿子
@yaohui12138
2026.08.10 03:24
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~
顯示更多
0
0
5
10
2
轉發到社區
人民日報 People's Daily
@PDChinese
2026.07.15 02:00
【零關稅政策落地為肯尼亞蒙內鐵路注入新動能】中國於2026年5月1日起對53個非洲建交國全面實施零關稅舉措。零關稅政策落地,為肯尼亞蒙內鐵路這條東非運輸大動脈注入新動能。蒙內鐵路東起肯尼亞港口城市蒙巴薩,西至首都內羅畢,全長472公里。這條鐵路是肯尼亞獨立以來建設的首條鐵路,也是中肯共建“一帶一路”合作的標誌性項目。 根據中國路橋非洲之星鐵路運營公司的最新數據,2026年上半年,肯尼亞標軌鐵路全線累計開行貨物列車3931列,發送貨物427.8萬噸,日均貨物發送量同比增長12.3%。尤為引人注目的是,零關稅政策生效後的5月、6月,內羅畢至蒙巴薩的集裝箱月均發送量較年初大幅增長約44%。
顯示更多
0
0
0
11
4
轉發到社區
空空道人
@Kongkongda5882
2026.11.19 16:26
现在的新加坡,怕是真的坐不住了!为啥?因为中国人正在一步步砸掉他们端了几十年的金饭碗! 说白了,以前东南亚各国卖给中国的橡胶、棕榈油、矿产,大多先运去新加坡卸货、分拣、换船,再发往国内。 咱们出口的货物,不少也先到新加坡中转。货船停靠、装卸、补给,都要交钱。区域里很多贸易结算,也走新加坡的银行体系。这套生意,新加坡一做就是几十年。 后来国内一批大港口陆续建成投产。上海港、宁波舟山港,集装箱吞吐量常年排在全球前列。洋浦港、北部湾港口群,开通多条直航东盟的航线。印尼、马来西亚、越南的货船,可以直接开到国内港口,不用绕新加坡中转。 货轮少停一站,船主就能省下一笔停靠费、仓储费、中转费。货主也能缩短运输时间。不少东南亚贸易商,开始直接走直航线路。 除了港口,还有结算这一块。早些年,中国和东盟做生意,很多交易用美元结算,资金流转要经过新加坡的金融机构。现在跨境人民币结算渠道越来越多。企业签合同、付货款,可以直接用人民币交易。 海南洋浦的跨境贸易结算业务放开之后,东盟商家和国内企业,在本地就能完成人民币收付。不少大宗商品订单,改成人民币计价结算,不再依托新加坡的美元中转通道。 新加坡这边也有动作。当地海事局持续扩建大士港自动化码头,给航运企业税收优惠,继续抢航运订单。新加坡金融管理局也和国内合作,新增星展银行作为人民币清算行,留住一部分人民币业务。 但区域中转的格局已经变了。以前新加坡是几乎绕不开的一站,现在商家手里多了别的选择。一部分中转货量、燃油加注业务、贸易结算业务,慢慢分流到国内和东盟其他港口。 算笔账就懂了,新加坡不是一下子没生意,而是独家垄断的局面不在了。以前很多生意没得选,只能找它;现在路线、结算渠道都多了,客户可以挑成本更低、跑得更快的通道。 我觉得这不是谁要刻意挤掉谁的饭碗,就是区域贸易路线、结算方式自然变化。新加坡的区位优势还在,马六甲航道依旧繁忙,它的港口、海事服务底子还很强。 只是过去那种一家独吃中转红利的日子,很难回去了。区域贸易慢慢变成多条通道共存,大家各凭服务和成本抢生意。
顯示更多
0
0
0
0
0
轉發到社區
陈尔冬是你大爷
@corvuschen1211
2026.10.17 09:47
常常会怀念 2019 年环游世界的那一年。 那时候还没有这么严重的出片文化,攻略主要靠穷游网和马蜂窝,住的基本都是 Airbnb。 买的是环球套票的商务舱套票,十六个航程十五个航段,绕地球一圈。 网上没什么攻略,就只有一篇知乎的讲解和一篇公众号文章,一开始在星盟网站上下单,后来发现没办法付款,又去了国航的营业厅,光华路那家,我以前公司楼下,我和营业厅工作人员一起研究了一下午,当他们翻出那本厚厚的手册的时候,大家都惊呆了,最后所有出票成功,整个营业厅都在欢呼。 一年时间两个人所有吃住旅程门票花了 55 万,那一年里我一直在记账,后来对比了之前在北京的生活开销,发现省钱多了。 两个人四个箱子变三个,三个箱子变两个,最后冬天靠两身滑雪服撑过去的,竟然也过得挺好。 没吃什么米其林,但住了非常多惊为天人的民宿,不论是俯瞰纽约中央公园的大平层,还是冰岛龙虾小镇的上下铺,1912 年就有陶瓷壁炉的布达佩斯老房子,海底地基塌陷行倾斜,放在房子里的李箱会自己滑动的阿姆斯特丹。 无数个快乐的瞬间和回忆,常常回想起,常常会怀念,和爱人一起环游世界,真幸福啊。 过几年再来一趟吧,这一次我们要不就环南半球吧!
顯示更多
0
0
26
324
14
轉發到社區
Yuki
@Yuki27__
2026.07.04 07:30
为什么机器人一定要做成人形?因为不用再花几百年去改造我们现在的生存环境,黄仁勋说,我们是为自己造的这个世界。所以他主张做双足人形,可以最低成本接入现成的基础设施。 人形机器人的制造难度,马斯克说,介于 Model X 和星舰之间。现在根本没有人形机器人供应链,每个零件、每个执行器都得从零设计自研。 百万台年产的话,成本能压到2 万美金。这个价格能做饭、洗衣、叠衣服的机器人我是愿意买的,假设机器人能用 2 年,一年折 $1 万,比请菲佣便宜。要是它能用 10 年,就更好了! 而且我认为一定会有租赁订阅的服务,因为我没办法要求它 24 小时不停干活,机器人大部分时间是闲置的,个人买断不划算。就像现在的宇树租赁,商家半个月回本。 说回供应链,目前没有现成供应链,所以马斯克必须从零自研。而且造机器人最要命的稀土永磁体,产能高度集中在中国,中国一收紧稀土出口管制,Optimus 生产就会被卡脖子。 中国控制着全球人形机器人零部件供应链约 63% 的关键企业, 特别是精炼稀土占 88%。 如果机器人真的普及了,我认为会先通胀、后通缩。因为造这些机器人和背后的大模型,需要海量算力,一颗 Nvidia Jetson Thor 2,070 FP4 TFLOPS,开发套件 $3,499,单台机器人光 AI 芯片就 $5,000–6,000。 还有电,美国居民电价 2025 年涨了近 7%,是通胀率的两倍多。电价暴涨到底多少怪 AI我不知道,但肯定是巨大的影响。 人形机器人普及之后,长期一定会通缩。 高盛把人形机器人 2035 年的市场规模一次上调 6 倍到 $380 亿,出货量上调 4 倍到 140 万台,理由是成本本来预期年降 15–20%,结果直接降了 40%。跟汽车普及一样。 第二个原因是,劳动力替代压低服务价格的结构性通缩。马斯克的说法是商品和服务的成本会趋近于零,工作会变成可选项。 那,除非出现新需求,否则价格越来越低。汽车、PC、智能手机、光伏,价格塌了、渗透率爆炸、总市场做大。机器人只会更便宜,然后发展到我们今天根本想不到的场景里。 硬件终将便宜,会同质化。 电机、减速箱、电池、芯片,最后大家都差不多,就像大模型,Figure 自己说的,越来越聪明,但也越来越商品化,所以他2025 年干脆终止和 OpenAI 的合作,自研 Helix。 硬件卷到最后,真正的差异化在软件、在人格。这跟我今年上半年做 的AI 聊天陪伴一直在思考的问题一样,到底什么,才能让一个机器人更像一个真的人? 如果我有了自己的人形机器人,我不会让他先去叠衣服做饭,我一定要好好培养它一个好性格~
顯示更多
0
0
35
53
1
轉發到社區
Art of Speculation
@ArtofSpecuycky
2026.06.27 19:19
All In Podcast最新一期,几位大佬怎么看美光、存储瓶颈、中国开源模型和分布式推理 这期All In Podcast信息量挺大的,挑几个我觉得最值得分享的话题整理了一下。 先说中国开源模型这条线,进展比想象中快 智谱AI发布了新一代Frontier级开源模型GLM 5.2,7440亿参数,100万token上下文,彻底走MIT开源协议。评测数据挺惊人:在软件工程编程基准测试里击败了GPT-5.5,距离Anthropic最顶级的Claude Opus 4.8也只差不到1%,但API价格比同等性能的美国模型便宜了整整85%。 节目里有个细节很有意思,说的是中国团队加速追赶的一种方法:用成千上万台手机和iPad组成设备农场,用加密账户向美国顶级Frontier模型的API高密度提问,把对方的推理链路收割下来,喂给自己的开源模型做强化训练。这相当于把美国实验室耗费巨资跑出来的标准答案当成小抄,用很低的成本实现接近的性能。 Sacks对此的态度挺尖锐,他批评Anthropic的Dario之前推动美国政府设立繁琐的安全审批流程,这种自我设限反而拖慢了美国自己的节奏。Fable模型因为越狱指控被迫下架,OpenAI的新模型审批也很难产。他的判断是中国模型目前技术上落后大概9个月,芯片上落后大概24个月,但已经全线用华为昇腾这类本土芯片完成了GLM5家族的训练,未来这些针对本土芯片优化、便宜好用的"AI盒子"很可能会被低价倾销到全球市场,而美国自己却在设各种限制,反而把这个万亿级出口市场让出去了。 美光这次的财报,节目里给出了一个精准的定位:DRAM才是整个AI浪潮真正的卡脖子环节 美光这季度营收同比暴增四倍,从90亿飙升到420亿,指引远超预期,2026年的HBM产能早就全部售罄。 节目里有个观点说得挺直白:之前大家在推特上找各种日本小辅材公司当作"瓶颈股",但真正的命脉只有DRAM,尤其是HBM。原因很简单,内存的带宽和容量决定了所有大模型推理性能的物理天花板,这是个硬约束,绕不过去。甚至提到马斯克正在建设的超级工厂,技术核心也是对准DRAM,不是光纤、电源或者NAND闪存。 美光这次商业模式上也做了一个挺有意思的变化:跟核心云厂商签了带有"价格下限与上限"保护的长期供应协议,锁定了50%的未来营收。这意味着即便未来行业周期下行,最低合同保价也比过去任何一轮周期的毛利峰值还高。 进入壁垒这块,虽然中国的长鑫存储在筹备上市,未来可能会用低价中低端消费级内存缓解苹果这类大厂的成本压力,但在AI服务器需要的顶级HBM领域,全球目前还是只有美光、SK海力士、三星这三家能生产,工艺难度极高,不是短期能被追上的。 节目里给了一个挺夸张的预测:明年全球超大规模资本开支里,会有30%到40%直接流向DRAM芯片厂商。这种成本飙升已经导致苹果全线提高了MacBook和Mac Studio的零售价。 边缘计算和分布式推理这部分,是这期里最有想象力的内容,分享几个我觉得有意思的设想 特斯拉6月18日申请了一个叫"Megapod"的硬件商标。背后的物理逻辑是:在地面建一个1吉瓦的数据中心,土地、能耗、液冷的审批流程极其漫长。Megapod的设想是把GPU、电池网络和冷却系统集成进一个集装箱式的模块化数据中心,直接空降在已经获批、有现成电网和空闲土地的特斯拉超级充电站网络里,绕开传统数据中心建设最大的瓶颈——审批和电力接入。 分布式推理这条线的逻辑也挺有意思:模型回答问题可以拆成两个阶段,理解问题的Prefill阶段和高带宽高内存消耗的Decode阶段。大资金可以收购折旧的旧显卡,前端外挂专门做解码优化的芯片,组成成本更低的分布式推理网络。 更疯狂一点的设想是,未来给买家用储能电池Powerwall的用户提供折扣,强制在每个电池里内置AI芯片,再配合Starlink卫星连接,电池闲置的时候自动组成一个庞大的分布式P2P推理池,获得源源不断几乎免费的离岸算力。这个设想如果真的实现,对传统云大厂会是一次降维打击。 最疯狂的部分是太空算力。地面建1吉瓦数据中心需要350亿美元芯片成本加250亿美元冷却人工成本,还面临各种用地争议。但随着SpaceX的星舰实现完全可重复使用,把1吉瓦算力通过激光互联发射到太空轨道的成本可能暴降到只要50亿美元。太空天然的严寒环境和近乎无限的太阳能,可能让太空数据中心的运营经济学在3到4年内反超地表数据中心。
顯示更多
0
0
13
119
12
轉發到社區
載入中...