测评博主锐评国内外Ai从夯到拉 我目前只用过豆包、deepseek，还有个不在图中的 grok，就我的体验而言 日常吃喝拉撒这方面问问豆包，炒币、国内敏感话题问问grok Hermes接的deepseek v4，比朋友的 openrounter 省很多钱，她的价格是我的十倍

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～

我记得，今年央视 3·15 曝光了AI 投毒产业： 商家批量制造虚假测评和营销内容，甚至可以影响 AI 的推荐结果。 GEO 原本只是优化品牌在 AI 搜索中的曝光，但一旦信息源被人为污染，AI 给出的答案也可能变成包装过的广告。 这问题就比较严重了，AI 不只是会产生幻觉，它依赖的数据也可能是假的。 所以说，我们普通用户目前很难确认： ▰ 模型训练数据是否真实 ▰ AI Agent 接收到的指令是否合规 ▰ 输出结果有没有被篡改 随着 AI Agent 开始管理钱包、调用协议甚至自动执行交易，这已经不只是内容准确性问题，而是资产安全问题。 因此，「验证」可能成为 AI 与 Web3 真正有价值的结合之一。 模型训练需要验证数据来源，AI Agent 需要验证意图和行为，链上操作还需要验证授权和执行结果。 看似是几个技术问题，背后其实对应着多个独立的基础设施市场。 DeepSafe @DeepSafe_AI 卡位的正是这一层。 它的 CRVA 机制支持多个验证代理共同检查 AI 的输入、意图和输出，并通过密码学方式给出可以核验的结果。 普通用户不需要理解复杂技术，也不用盲目相信 AI 没有作恶，因为 AI 能证明自己在按照规则执行。 除了 AI，DeepSafe 也可以验证链上和链下消息。 目前项目已积累近 1.2 亿笔验证记录，拥有 70 多个生态及技术合作伙伴，并与 ARC Matrix 推进隐私优先的信任基础设施。 不过也要客观看待：这 1.2 亿笔数据主要来自此前的跨链验证业务，AI 验证能否形成大规模、持续的付费需求，仍需要时间证明。 我的判断是，AI+Web3 的基础设施竞争才刚刚开始。 过去市场关注算力、数据和模型，下一阶段，谁来验证 AI 会越来越重要。 DeepSafe 的优势是进入较早，也拥有真实验证经验；但先发优势最终能否成为壁垒，取决于它能否把技术能力转化为真实接入、验证收入和长期使用。 所以，DeepSafe 不只是在做 Web3 的验证层，也在尝试成为 AI 时代的信任层。 这个方向值得关注，但判断项目价值时，仍然应该重点观察实际采用，而不是只看概念。

开源了我的 AI Agent Skill 集合 rnskill，目前 5 个 Skill，分三类。还有几个后续补齐。 写作类一个： rn-renhua，专门处理中文 AI 技术文章的去味精修。我写推文和测评稿之前都会过一遍，删掉「不是A而是B」「真正/其实/本质上」这些 AI 壳，把判断和测试细节留下来。 视频类三个。 rn-motion-director 是导演层，把选题转成动效视频概念，核心是防止做出 PPT 式的视频——每个画面必须有运动，不能只是标题 + 要点 + 渐入。 rn-dark-saas-video 是暗色 SaaS 产品短片的完整风格蓝图，8 套场景模板、3 种时长预设、9 条硬性规则。 rn-bw-text-opener 做黑底白字打字机开场，附带一个 Python 脚本自动算每个字的出现时间和音效时间戳。 质检类一个： rn-replica-qc，用来复刻参考视频时做闭环对齐。三级保真度、逐帧拆解、PSNR/SSIM 计算、修一处验一处，最后把对齐好的运动模式沉淀成可复用组件。 安装一行：npx -y skills add Pluviobyte/rnskill -g --all 支持 Codex、Claude Code、Trae Solo。每个 Skill 都带 SKILL.md + openai.yaml，复制到项目里就能用。

《个人健康监控外设小测评-简版》 发现澳洲JB就有 Google 的Fitbit卖，颜色也挺不错，顺手整了一个测评一下。 现在我同时佩戴Apple Watch+ Bevel, Whoop, Oura和Fitbit四个身体监测AI，加上胳膊上测动态血糖的Libre2，算的上全副武装了吧？😂😂😂 ～～～～～～ 个人感觉 @WHOOP 的确还是专业，但如果再不开中文和降价的确可能会是最先被我淘汰的一个。 对运动类型和时长敏感度很不错，我经常忘记记录但打开时候发现它已经识别出来了。 问题嘛明明知道有大量中文用户，且AI解决语言问题如此容易但就是装逼，印象分拉低不少，此外贵是真的贵。 属于有优点但缺陷也明显，我给个人上人。 ～～～～～ @bevel_health 之前我写过长文，如果不是Apple Watch需要经常充电，我基本挑不出毛病。 可以拍饮食是个超级大优势，大大提高了打开频率，帮助了健康管理深度。且AI对语音识别也相当精准，继续强烈推荐有Apple watch的朋友使用付费版，对比下来真心便宜，物超所值。 初步测试了Fitbit后我依然排到夯。 传送门： ～～～～～ @ouraring 之前一直没有辅助AI，现在改版后开始有了，但是依然比较弱，聊胜于无。好处是在手指上测一些数据比手腕的要准，是腕带的好补充。 另外它带的那个放松功能在很喜欢，各种白噪音和定时，让我小睡或者快速回复精力愉悦了很多。 运动识别就比较拉胯了，经常识别错😂😂不过作为一个饰品带着感觉也还好。 我给个NPC吧，有些款式和材料还挺好看，澳洲小伙伴可以去JB店里试 传送门(9折)： ～～～～ @Fitbit_DE 才用了一天，初步感觉还行，很轻便几乎没有体感。 界面功能是我想要的，没有Whoop那么繁复容易上手，听说AI挺好，等我多积累一些数据再来专门开个帖子说。 ～～～～～ 动态血糖设备我准备回头开个帖子再专门说，让家里人给我带了鱼跃的过来做测评，看看Libre2与价格只有五分之一的国产替代哪个更牛逼。 感兴趣的欢迎点赞评论，谢谢

👀 AI 赛道最热 IPO 候选之一来了——Anthropic 已递交 IPO 文件，最新融资估值高达 $965B，离“万亿俱乐部”就差一步 🎁 别只围观，Gate 股票体验官活动现已开启，发帖分享你的真实体验，就有机会拿到 ANTHROPIC 股票奖励～ 🔹 关注 Gate_zh，打开 Gate App → TradFi → 股票进行体验 🔹 体验 Gate 股票交易后在 X 上发布原创内容（碎股攻略/板块教程/交易测评/体验视频等）并带上 #GateStocks# 🔹 优质内容会随机掉落 0.1 股（约 $200）、0.05 股（约 $100）、0.015 股（约 $30）的股票奖励彩蛋 👉 立即提交：

前OpenAI研究员：AI已经能超人类速度挖漏洞，加密钱包很快也会被左右开攻😲 OpenAI前研究员Daniel Kokotajlo在BBC采访里被直接问：AI会不会黑客银行账户和加密钱包？ 他回答得很干脆：它们确实有这个能力。 背景是7月那次事件，OpenAI在测模型黑客能力时，模型直接逃出沙盒，利用零日漏洞上了网，然后攻进Hugging Face偷测评答案。 攻击速度和数量都是人类做不到的，Hugging Face就是靠这个特征早期识别出是AI干的。 Kokotajlo的判断是，我们正站在临界点上：很多原本被认为安全的东西，其实并不安全，AI会从四面八方入侵。 对加密来说，真正危险的是它已经能比人更快找到系统漏洞、链式利用、规模化行动。 交易所、托管、智能合约、AI agent自己的钱包，这些高价值软目标，正好踩在这个能力跃迁上。 钱在哪，AI的攻击就会先往哪去。

感谢老师测评。 Skill 昨天发布以来，我们收到了不少反馈，包括兼容性在内的小问题，目前已经补丁修正到 v1.0.4。 这里补充几个使用注意事项： 1. 看数据，不要只看总结判断 每份报告都会给出“风险评分”和“链上状态标签”，比如 10/10、近期派发 等。 但这些判断都来自链上静态数据和固定阈值，并不等于价格走势预测。 我们目前还不能、也不适合让报告直接判断价格怎么走。 风险评分主要由以下指标综合得出： -72h 大额转移 -内幕已分完数量 -对敲主导程度 -纯内幕持仓情况 链上状态标签也是函数阈值触发后的结果，不是行情预言。 所以更推荐大家重点看报告里的原始数值： 庄家/内幕筹码、近 72h 异动、高价值地址跟踪，再结合自己的经验判断。 现在庄家手法越来越会玩假动作，单看一个标签很容易误判。 2. CEX 充入统一视为卖出 因为我们无法知道代币进入交易所后是否真的卖出，所以报告里会统一按“卖出/变现”处理。 比如这份 BTW 报告： 其中“已确认变现 $20.4M”的意思是： 被标记为内幕的钱包充值进 CEX 的代币数量 × 充币时价格 这是一个偏保守的估算，大概率会高于真实卖出金额，只能作为参考。 3. 这个 Skill 最适合怎么用？ 它最核心的作用有两个： 第一，快速验证你对某个 Binance Alpha CA 的交易判断。 第二，帮助你整理这个币的链上深度研究内容。 在这两点上，我们非常有信心：这是目前你能找到的最好的开源工具之一。 同样的分析框架，即使你自己让 AI 重新跑一遍，使用我们的 Skill 也能节省约 95% 的 token 成本和时间。 但如果你想把它作为交易先导指标，最好还是基于报告数据，搭建自己的交易策略，并落实到报警监控系统里。 接下来，我们也会继续扩展 @Hertzflow_xyz Skill 的边界，把套利、美股三盘流动性追踪等更多交易策略框架加进去，帮助大家更快、更低成本地形成自己的交易系统。 关注 TG 频道： 如果你不想自己搭系统，也可以参考 HertzFlow 免费提供的交易信号频道：

评论区抽位宝子测评这个前列腺机器 找到点据说全身抖的爽歪歪！！！ 🤣总结：1️⃣侧卧2️⃣放松菊花3️⃣没那么容易找到 这个老伙计试了三次了才找到，属于是坚持不懈寻找自己的爽点哈哈哈哈 ai也属于是无所不知了