重新学习了 @zarazhangrui 的增长视频，下面是我觉得重要的一些要点： 低质量内容，右上角选择不感兴趣 刷到高质量的内容，点赞转贴评论 真诚回复，一定不要用 AI 机器人帮你回复！！ 每日出摊，每天都要发 至少 3 条，不想太多，只管发 大量输出的前提是大量输入，多看、多听优质内容 Build in public，把你解决问题的过程，录制下来分享出来 你粗糙的作品，比AI 优化后精致的假象更真诚

最近 guizang 、zarazhangrui 花叔等大佬纷纷开源 PPT Skill，我花了一天测试完了7个ppt skill项目，直接把结论分享给大家： AI 生成 PPT 丑的核心原因，不是 AI 能力不行，是你没给它正确的审美约束系统 这7个开源 Skill 解决的就是这个问题——它们把“什么样的 PPT 人类才愿意看”编译成了 AI 能理解的规则 下面按使用场景分类推荐，直接对号入座： 1. frontend-slides：看图选风格的 Vibe Coding 典范 GitHub: zarazhangrui/frontend-slides (17k+星） 这是我测下来最符合“Vibe Coding”理念的一个 核心亮点：不问你要什么风格，直接生成3个不同方向的预览图让你挑 挑完之后再生成完整 deck，全程零 CSS/JS 知识门槛 支持12种精选风格模板，PPT 转网页，一键 Vercel 部署或导出 PDF 作者 zarazhangrui 在 X 上说得很直白：“代码生成的 slides 可以比大部分 PPT 工具做得更好，但前提是你得先让 Claude 理解什么叫‘好看’” 这个 Skill 的精髓在于 Show, Don't Tell——不让用户描述审美，而是让用户指认审美 适合场景：需要快速出一套有设计感的演示文稿，尤其是对外 pitch 或线上分享 2. huashu-design：一句话生成 HTML deck + 可编辑 PPTX GitHub: alchaincyf/huashu-design (13k+星） 花叔这个项目野心更大，不只是做 PPT，而是做“HTML-native 设计系统” 一句 Prompt 能同时输出： 专业 HTML deck（浏览器直接打开） 可编辑 PPTX（给不懂代码的同事改） MP4导出（直接当视频用） 交互原型（可点击的 App demo） 内置20种设计哲学（Bauhaus、Swiss、Brutalism……）,5维设计评审系统 在 X 中文圈常和 guizang 项目并列推荐，两者审美路线不同：huashu 偏“设计工具消失感”,guizang 偏“杂志编辑部美学” 适合场景：需要多格式交付，或者团队里既有技术也有非技术人员协作 3. guizang-ppt-skill：专治 AI 生成 PPT 审美灾难 GitHub: op7418/guizang-ppt-skill (7k+星） 歸藏在 X 上分享自己的 PPT 模板后，直接把整套审美系统开源成了 Skill 这个项目的定位很明确：横向翻页杂志风 HTML PPT 10种布局骨架，5套主题配色（不允许自定义 hex 值，强制保护美学） WebGL 流体背景，Motion One 驱动的入场动效，单文件输出（离线可用） 歸藏在 README 里写：“颜色搭配错了画面瞬间变丑，保护美学比给自由更重要” 这句话戳中了 AI 生成内容的核心痛点——自由度和质量往往是反比关系 适合场景：15-30分钟的线下分享、私享会，需要凸显个人风格的场合 4. open-slide:Agent 最后一公里生产力工具 GitHub: 1weiho/open-slide (3k+星） 这个项目思路最特别：不是“生成 PPT”，而是“为 Agent 设计的 Slide 框架” 每张幻灯片是一个 React 组件，固定1920×1080画布 核心 workflow: 一句话 prompt 生成整套 deck 在浏览器里点击任意元素留 comment 运行 /apply-comments,Agent 自动应用修改 支持演讲者笔记、定时器、导出 HTML/PDF 适合场景：需要高频迭代、多轮修改的场景，或者本身就在用 Claude Code/Cursor 的开发者 5. html-ppt-skill：模板党的军火库 GitHub: lewislulu/html-ppt-skill (3k+星） 这个项目走的是“模板丰富度”路线： 36套主题 15个完整 deck 模板 47种动画预设 演讲者模式（讲稿+计时器） 适合不想从零开始设计，直接套模板改内容的场景 如果你的需求是“快速出一版能看的”，这个库的模板密度是最高的 6. beautiful-html-templates: Agent 自动挑选填充 GitHub: zarazhangrui/beautiful-html-templates (1k+星） 同样是 zarazhangrui 的项目，这个更像是 frontend-slides 的模板仓库 32套 HTML Slide 模板，专为 coding agent 准备 Agent 可以根据内容类型自动挑选合适的模板填充 适合场景：批量生成多套风格一致的 deck，或者需要建立团队统一视觉规范 7. open-design: Claude Design 的开源替代 GitHub: nexu-io/open-design Tom Huang 团队开源的设计系统，支持： 幻灯片、图片、视频、HyperFrames 导出 71套品牌设计系统 配套工具 html-anything（多格式转高审美 HTML，包括 Keynote 风 PPT） 这个项目的野心是做“本地优先的 Claude Design 替代方案” 如果你需要的不只是 PPT，而是整套设计工作流，这个是最完整的 这些 Skill 的共同点是：它们都在用代码重新定义“什么是好看的 PPT” 以前做 PPT 是在 PowerPoint 里拖拽，现在是在跟 AI 描述你要什么 但 AI 不懂审美，所以这些开源作者做的事，本质上是把审美编译成了 AI 能理解的规则 这才是这些项目真正的价值 如果你也在用 Claude Code 做内容生产，这7个库值得全部 clone 下来试一遍 因为你会发现：AI 生成内容的天花板，往往不在 AI 本身，而在你给它的“审美约束系统”有多严谨 所有项目都是开源免费，直接 GitHub 搜索项目名就能找到 装好之后在工具里输入对应的 skill 名称就能调用

高颜值长发骚母狗，黑色高跟鞋，黑色包臀裙，白色蕾丝丁字裤，在楼道里道具自插，不敢叫的太大声，后面又到公园里露出连续高潮喷水！

以前跟女友逛商场，碰到女装店铺总会拉着她进去转转。倒不是想给她挑衣服，只是借着由头能正大光明地看看女装，也算是痛并快乐着。ZARA吧还是什么牌子，有大码的高跟鞋还会偷偷拿到没人的地方试穿一下 #cd#

你也有同款「跌倒裤」吗？欢迎留言分享你的经验！ 西班牙快时尚品牌Zara日前推出一款垂坠感宽裤，但随后却被不少网友称为「死亡之裤」（deadly pants），许多人分享自己在穿着该条宽裤时多次被绊倒，甚至有人因此进了医院。一系列事故也在网上引发讨论，有人认为是裤子太长，也有人主张是裤管太宽惹祸。尽管旗下商品引发争议，但至截稿为止Zara尚未对此事发表回应。 #DW中文#

十大艳星，你看过几个？ 10. Mia Azul（乌克兰） 9. Kay J（乌克兰） 8. Alex Grey （格鲁吉亚） 7. Blaire Nory（美国） 6. Ellie Eilish（美国） 5. Neesa （乌克兰） 4. Milana Zara （乌克兰） 3. Keira Blue （白罗斯） 2. Queenlin（罗斯） 1. Georgia（乌克兰）

黃仁勳：十年把 AI 效能提升 100 萬倍！｜GTC 柏林 2026 主題演講 2026.10.21 概述NVIDIA 创始人兼 CEO 黄仁勋在柏林 GTC 发表主题演讲。他回顾了 NVIDIA 在欧洲 33 年的发展，提出 AI 是一个“五层蛋糕”式的新制造业，并发布了 Vera Rubin 全栈 AI 工厂、DSX Pod、OpenShell 安全运行时、Hyperion 自动驾驶生态扩展、Agile ONE 参考机器人和 RTX Spark 个人 AI 电脑。 = 》他的判断是：每家欧洲企业都会成为 AI 公司。 核心要点AI 是新的工业革命：AI 是“生产智能的制造业”，按五层结构理解：能源 → 计算 → AI 工厂 → 模型 → 应用。 Vera Rubin 已全面量产：100% 液冷，无线缆，单节点组装时间从 Grace Blackwell 的 2 小时降到 5 分钟以内；性能约为 Blackwell 的 30 倍。 过去 10 年 AI 性能累计提升约 100 万倍，同期摩尔定律只能带来约 100 倍。 DSX Pod：把 NVL72 机架在供应链内完成集成、测试并装入集装箱交付，现场部署从约 4–5 个月缩短到约 1 个月。智能体五要素：模型、Harness（“外骨骼”）、沙箱（OpenShell）、知识、工具。 OpenShell + Sentry：开源（Apache 2.0）的智能体安全运行时，策略在智能体外部执行；Sentry 运行在 BlueField-4 上，提供硬件级隔离监控。 物理 AI：覆盖电信 AI-RAN、自适应放疗、Robotaxi（Hyperion）和人形机器人，需要“三台计算机”：训练、数字孪生、机器人端。 RTX Spark：与微软合作 4 年，搭载 N1X 芯片，提供 1 PFLOPS 算力和 128GB 内存，规格相当于 2016 年交付给 OpenAI 的 DGX-1。 NVIDIA 与欧洲：早期芯片 NV1、NV2、NV3（RIVA 128）都在欧洲制造：合作伙伴 SGS-Thomson，在法国 Crolles 生产，在马耳他封装。 早期最大客户是 Medion；ELSA 于 2000 年把 NVIDIA 带入工作站市场；2005 年进入 Audi 车内；2020 年与 Mercedes 合作自动驾驶。过去一年在欧洲投资近 100 亿美元，本周宣布投资 14 家初创公司，欧洲合作伙伴超过 12,000 家。 合作的欧洲企业包括 L'Oréal、Revolut、Spotify、Merck、Vodafone、Zara、Porsche、Nestlé、HSBC 等。 AI 五层蛋糕与基础设施，每一层都在增长：能源层（Schneider、Siemens Energy）、计算层（NVIDIA）、AI 工厂层（Nebius、Firebird、Cassava）、模型层、应用层（AI 原生初创公司）。预测全球约 10 万个电信站点、约 100GW 的分布式基站和数据中心，未来会演变为分布式 AI 网络。 模型层不只有语言模型，还包括生物、化学、物理、机器人动作、动画等多种模态。1GW AI 工厂造价约 500 亿美元；如果年收入按 400 亿美元计，延迟 3 个月约损失 100 亿美元收入。 全栈 AI 工厂平台硬件：Vera Rubin GPU、NVLink 交换机（72 颗 GPU 连成一个巨型 GPU，每颗 20 PFLOPS）、Vera CPU（每时钟 8 条指令，首个 LPDDR 内存系统）、BlueField-4、Spectrum-X 以太网（使 NVIDIA 成为全球最大的网络公司）、Groq 3 解码加速器。 Spectrum-X CPO：全球首款量产的共封装光学交换机，512 端口 × 200Gb/s，采用与 TSMC 合作的 COUPE 工艺。软件：AI 工厂系统软件、350 多个 CUDA-X 库（cuDNN 被比作“AI 界的 SQL”），以及多领域模型。 架构演进：Pascal（DGX-1，2016 年交付 OpenAI）→ Volta → Ampere → Hopper → Blackwell（首个机架级计算）→ Vera Rubin（处理整个智能体）。DSX 参考架构：PTC、Dassault Systèmes、Schneider Electric、Jacobs、Siemens、Procore 参与数字孪生设计；DSX Max-Q 节省 30% 电力；冷却液温度最高 45°C，采用干式冷却；2GW 规模下每天可节水 5,400 万升，相当于 18 万户家庭的日用水量。 NVIDIA 的两大差异化：通用加速计算架构（CUDA，保持一致约 25 年），以及 全栈 AI 工厂交付能力。架构“可互换（fungible）、耐用、高生产力”，可服务 CSP、新云、OEM/ODM、AI 实验室和各行业终端市场。 智能体与安全OpenClaw 开启了开源智能体浪潮，token 消耗和 GPU 需求随之激增。OpenShell 在系统调用、文件访问、网络连接三个粒度上执行策略。形式化验证保证权限不超出上限；密钥由 supervisor 保管；Sentry 可在毫秒级隔离异常智能体，并留下防篡改记录。安装只需两条命令。 前沿实验室、操作系统、网络安全和平台公司纷纷采用；Anthropic 与 NVIDIA 合作打造 Claude OpenShell 智能体。可用的 Harness 包括 OpenClaw、Hermes、OpenHands、LangChain Deep Agents，或直接用 Python 编写。 开放模型、知识与工具开放模型家族：Nemotron（语言）、Cosmos（世界基础模型）、GR00T（人形机器人）、Alpamayo（自动驾驶）、Ising（量子-经典计算）、Earth-2（物理 AI）。同时开放权重、数据和训练脚本。客户案例：AI21 与 Alice、Baseten 与 CodeRabbit、Trajectory 与 Harvey、Scale 与 Skydance、Palantir 与 Tampa General Hospital，通过后训练达到前沿水平。 知识基础：Nemotron Parse、Embed、Rerank（排行榜领先），以及用 Kumo 对结构化数据做预测（例如预测供应短缺）。 CUDA-X 工具相比 CPU 可加速 10–100 倍。 案例： - Lila Sciences：B 细胞淋巴瘤疗法设计，使用 BioNeMo。 - Siemens Erlangen 工厂：使用 Cosmos 和 Omniverse。 - Dassault Systèmes：把 Golf 车门设计改到 Tiguan 上，使用 ENOVIA、CATIA、SIMULIA。 观点：AI 不会终结软件或工具公司，工具公司会变成智能体公司。 物理 AI电信：与 Nokia 在 T-Mobile 网络上完成首个商用通话，历时近 8 年。自适应放疗：被视为一种机器人手术。Hyperion：标准传感器套件包括 14 个摄像头、9 个雷达、3 个激光雷达，由双 NVIDIA GPU 驱动。 新增 VW 厢式车、JLR、Volvo、Mercedes 下一代车型；全球每年行驶约 1 万亿英里。人形机器人：标准化形态能带动技术飞轮，欧洲在机电一体化方面有优势。 Agile ONE 参考机器人与 Agile Robots 合作，预计明年第一季度推出。 RTX Spark 与演示： RTX Spark 系列包括台式机、笔记本和工作站；DGX Station for Windows 提供 20 PFLOPS 和 754GB 内存，预计今年底上市。构建智能体的方式是“让智能体帮你构建智能体”。 演示中，Hugging Face/Pollen Robotics 的 Micro Duck 机器人由 Hermes、Nemotron 和 GPT-6 Astra 驱动，借助 FreeCAD、Blender、Isaac Sim/Lab 和 Newton 完成建模、云端并行训练、本地验证和真机部署。 关键结论AI 工厂正在从“运行模型”转向“运行完整智能体”。欧洲应成为 AI 的生产者而非消费者，每家公司都将成为 AI 公司。 行动方向：使用开放模型结合自有数据进行后训练，以 OpenShell 保证安全，借助 DSX Pod 加速 AI 工厂部署，并抓住物理 AI 和人形机器人的机遇。 $NVDA