9 个月前，我和一位 Kaspa 投资者进行了一场讨论。 他卖掉了 95% 的 Bitcoin 持仓，全部换成 Kaspa。 当时： 1 KAS = 100 聪（0.00000100 BTC） 今天： 1 KAS = 42 聪（0.00000042 BTC） 亏损约 58% 很快， 1 KAS 可能只值 10 聪（0.00000010 BTC）。 这就是用强势资产去换弱势资产的代价。

问个问题 麦通MSX的项目方谭天圣 也就是大家熟知的bruce J 大B哥 在中国是老赖在政府官方网站都是公开的信息 拖欠农民工工资跑路去美国 在推上立大佬人设割了一茬又一茬 什么stonks散户大战华尔街啦 什么股东啦 什么kaspa啦 为什么到今天还有一些人玩他的项目🤓

哪位老板的货被查了？ 蚂蚁 L9：约 2.4万–2.6万人民币/台； 冰河 KS3：约 4000–1.3万人民币/台； KS3 是老一代 Kaspa 矿机，不太值钱，但是这批货估计也要在千万左右，判的有点重啊。

我说潮水退去之后，只有BTC&DOGE有价值，一帮人就上来抬杠，说POW还有LET、XRP、ETC、WETH、BCH、BSV、甚至还有说老鼠仓充盈的kaspa； LET、XRP是有主的，基金会一直和SEC打官司； ETC是被盗后的分叉币； 至于WETH、BCH、BSV，小白不知道情有可原，老鸟心里还没点B数吗？

Karpathy 居然锁定了他的账户，也改了签名。 他说因为机器人活动和其他问题，估计是受不了那些 AI 和机器人的回复了。 锁定以后，新用户无法关注他，也没办法看到他的内容，只有已经关注的人才能看到。

Karpathy 和 Peter Gostev 的最新发现：Fable 5 能做的不只是写代码——它能把互联网上学到的知识直接变成可玩的 3D 世界。 Peter 做了一个 45 分钟视频：他用 Fable 跑了 60+ 个 3D prompt。最震撼的 demo——熊抓到鲑鱼时鱼在嘴里挣扎。Karpathy 看了之后说："我不理解一个 LLM 怎么能只从互联网上知道熊、鲑鱼、Three.js、xyz 坐标、网格、位移、动画、特效、交互性和迷你故事——然后把这些全都转化成实际运行的东西。" 511 赞，858 收藏。这是 Fable 新发现的能力层：模型不仅能写出程序，能创造世界。每一次模型级别提升都会带来新的质量级惊喜——对 Fable 来说，Three.js 实时环境就是那个惊喜。 来源：@karpathy @petergostev, 2026-07-03 #Fable5# #ThreeJS# #生成式3D#

Karpathy说“LLM不怕更新wiki”， Google直接把这句话变成了标准。 Open Knowledge Format (OKF)： 用最朴素的 Markdown + YAML，让AI智能体真正能干活的知识格式。 不用学新语法 不用新工具链 直接跟代码放一起，用 Git 管理 Agent想改就改，人类只管看 这才是真正的「LLM Wiki」落地版。 人类终于不用再当知识库的保姆了。 链接🔗放到下面了👇

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