本系列拍摄均由Creative Direction & Production by @WANIMAL912组织提供。 并感谢老师提供此次拍摄机会,同样ck老师绳艺也是点睛之笔 Rope art:@CK11230970 📷:@zerotwo1000 moodel:@chunmomo0127

我喜欢一张图慢慢修，我喜欢那种自然又好看的感觉。 Model @JennySuen10 @yui_xin_tw 📷@songxiawentong7 Creative Direction & Production by @WANIMAL912

全套装备全国产化研发，东福一号打破海外海水制氢技术长期垄断#科技自立自强# All equipment is domestically researched and manufactured, Dongfu No.1 breaks the long-term foreign monopoly on seawater hydrogen production technology. #TechSelfReliance#

这个老哥@addyosmani 之前是 Google Cloud AI 的 Director（负责 Gemini 开发者体验和 Agent 平台） 他开源了自己的Claude的设置，GitHub 69.8k stars： 如果你想让 Claude / AI coding agent 输出更专业、更接近 production-grade 代码，可以直接收藏了

再次推荐 Google Engineering & DevRel Leader @addyosmani 重磅开源的 Agent Skills (69.7✨)，把资深工程师的生产级工程纪律，固化为 AI Agent 可机械执行、强制验证、跨工具复用的工作流 Agent Skills: Production-grade engineering skills for AI coding agents. 它要解决什么问题？ AI Coding Agent 的默认行为是"走最短路径"——跳过规格、跳过测试、跳过安全评审，给出能跑但不可靠的代码。Agent Skills 的立论是：质量不靠提醒出来的，要靠强制流程托底的。它把"什么时候写规格、测什么、怎么评审、何时发布"这类隐性工程判断，固化成 Agent 必须遵循的步骤。 顶层架构：六阶段生命周期 DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP /spec /plan /build /test /review /ship 8 个 slash 命令作为入口，分别对应一个阶段，自动激活对应 Skills。Skills 也会按上下文自动触发（写 API → api-and-interface-design，写 UI → frontend-ui-engineering）。/build auto 在一次批准后自动跑完计划与实现，但每个任务仍独立测试、独立提交、遇险即停。 24 个 Skills 的分布 1. Meta - 1 个 using-agent-skills（路由，决定该用哪个技能） 2. Define - 3 个 interview-me、idea-refine、spec-driven-development 3. Plan - 1 个 planning-and-task-breakdown 4. Build - 7 个 incremental-implementation、test-driven-development、context-engineering、source-driven-development、doubt-driven-development、frontend-ui-engineering、api-and-interface-design 5. Verify - 2 个 browser-testing-with-devtools、debugging-and-error-recovery 6. Review - 4 个 code-review-and-quality、code-simplification、security-and-hardening、performance-optimization 7. Ship - 6 个 git-workflow-and-versioning、ci-cd-and-automation、deprecation-and-migration、documentation-and-adrs、observability-and-instrumentation、shipping-and-launch 几个值得点名的设计取向 · doubt-driven-development：对抗性"新上下文复盘"，CLAIM → EXTRACT → DOUBT → RECONCILE → STOP，可选跨模型升级。这是该仓库比较有原创性的一项，针对高代价/不可逆决策。 · source-driven-development：框架决策必须挂在官方文档上，要引源、要标注未验证项。直接对治 LLM 编造 API。 · deprecation-and-migration 把"代码即负债"单列为技能，配套强制 vs 建议性弃用模式与僵尸代码清除——很少见但有工程味。 · Google 工程文化底蕴：Hyrum's Law（API）、Beyonce Rule 与测试金字塔（测试）、变更尺寸约 100 行 + 评审速度规范（评审）、Chesterton's Fence（简化）、主干开发（git）、Shift Left 与 feature flag（CI/CD）。来源明确标注自《Software Engineering at Google》与 Google 工程实践指南。

刚给 chekusu 的官方推特连接了 X MCP，结果它还是通过 OAuth 2.0 的传统方式来做的。 所以仍然需要申请一个 stage 或者 production 的 X App，才可以绕着弯去拿到这个账户的权限。本质上仍然还是 OAuth 2.0 那一套，只要用相同的 App ID 和 App Key，也可以让其他人去授权。X 连给专门的这些 agent 设计一个官方的 app 都懒得做，不知道是为什么

现在很多 AI + Crypto 项目，最容易的问题就是只停在 Demo。 页面能跑，交互能点，故事也挺顺，但一到真正上线，就开始露馅。 sequencer 谁来管？ block production 怎么跑？ bridge 怎么接？ control panel 怎么维护？ 应用起量后，底层能不能扛住？ 所以我觉得 @CNPYNetwork，不太想只看它AI-native这层包装。 更值得看的，是它在补生产环境那部分。 Tanssi 这类 appchain 基础设施被整合进来，其实说明 Canopy 想做的不只是让 AI 生成一段链上代码。 而是让这段代码有地方跑，有网络接，有组件撑，有机会从实验走到真正上线。 Crypto 里不缺概念，也不缺漂亮 Demo，缺的是从想法到生产环境中间那段又脏又重的路。 Canopy 如果能把这段路压短，意义就不只是更快发链，而是让更多 Builder 真的有机会把一个链上产品跑到市场里验证。