Code Review Expert 是一个为 AI 智能体设计的开源技能包 它能像资深工程师一样进行结构化代码审查 通过一条指令，可以自动检测 SOLID 原则违规、安全漏洞、性能瓶颈、错误处理缺陷等问题 检测结果按严重程度分级输出 它能检测跨站脚本攻击、SQL 注入、服务端请求伪造、竞态条件等安全风险 也能识别 N+1 查询、缓存缺失、内存泄漏等性能瓶颈 还能找出死代码并给出安全删除方案 整个审查流程分为六步 先用 git diff 确定变更范围 再依次检查架构设计、冗余代码、安全漏洞和代码质量 最后按 P0 到 P3 四个级别输出问题清单 实施修复前还会征求确认 这让 AI 智能体能够有条理地完成代码审查。 GitHub：

MoE 是 Mixture of Experts（中文意为混合专家模型）的简写。 这是一种特殊的神经网络架构，现在最好的模型基本都使用了这种构架。 比如Fable5 ，比如GPT 5.6 sol等，一起学习什么是MoE。

传承科学薪火 赓续报国初心——唐河县科技馆举办两弹元勋科学家精神主题活动Carrying forward the torch of science and continuing the original aspiration of serving the country - Tanghe County Science and Technology Museum holds a theme activity on the spirit of the two-particle experts

7·25街头反“毒油”抗议意义重大 专家解读核心价值 喊话赖清德必须下台！（看台海） The July 25 anti-"toxic oil" street protest is of great significance; experts interpret its core value and call for Lai Ching-te to step down!

“毒油”祸及全台民众 民进党为何死不道歉？专家揭开选举与利益双重底牌（看台海） "Toxic oil" affects the public across Taiwan Province; why does the DP_P refuse to apologize? Experts reveal the double bottom lines of elections and interests.

🚀 又发现一个 Claude Code 外挂！装上 66 个专家 skill，写啥技术栈都有对应专家接手。 GitHub 已经收获 1w+ stars。 以前用 Claude Code 写全栈项目，上午 NestJS 后端、下午 React 前端、晚上补测试和上 CI，同一个对话里切来切去，每次都要重新交代上下文，答案也容易变通用。 装上这个项目之后，你说“给我的 NestJS API 加 JWT 认证”，它会自动激活 NestJS Expert，顺手把认证相关的参考文件一起加载；你说“写一个 React Server Component”，React Expert 立刻接手。 更爽的是，复杂需求它还能把多个 skill 串成工作流，从架构设计、代码实现、测试覆盖到 DevOps 部署一条龙跑完。 安装也很简单，Claude Code 插件市场两条命令就装上了。 GitHub：

开源模型的参数规模迅速膨胀，性能也在逼近甚至追平闭源frontier model。K2（1T）到DeepSeek V4 Pro（1.6T）再到K3（2.8T），间隔不到12个月。K3在独立评测中已经能对标Claude Fable 5，企业拿开源模型做私有化部署，不再是性能上的妥协，而是成本和隐私上的优选。 当这类万亿级MoE模型真正落地部署，硬件侧的瓶颈就不在算力了，而在内存容量、数据格式（FP4）、以及scale-up域内的低延时高带宽互联。 K3总参2.8T，FP4量化后权重约1.4TB，每个token只激活896个专家中的16个，计算量不大，但专家路由要求全部权重可访问，GPU大部分时间在等内存读取，不是在算。FP4不再是可选的精度降级，而是架构级的刚需，推理芯片如果不在硬件层原生支持FP4，基本没法跑这个体量的模型。 MoE模型的推理通常采用专家并行（EP），每个token的expert routing都需要跨卡通信完成分发和结果聚合。scale-up域内的低延时高带宽互联质量，直接影响用户端的token rate和系统的总吞吐。参数规模越大，需要装进同一个低延时域的权重越多，scale-up域也必须跟着扩大。 关于scale-up域内的具体方案，我在之前”把一万块芯片变成一台计算机”的三篇推文里详细讨论过，这里不再展开。 另一个被拉动的环节是CXL。MoE模型98%以上的专家权重在任意时刻是冷的，纯靠HBM装太贵。把冷专家放CXL-attached DDR5，热专家留HBM，做分层调度，理论上成本可以大幅下降。再往下一层，把更冷的权重卸载到高速SSD也在成为可行的路径，学术界和工业界都已经有MoE专家分层加载的方案在验证。未来大概率是HBM放热专家，CXL DRAM放温专家，SSD放冷专家，形成多级内存层次。Astera Labs和澜起在CXL控制器芯片上的卡位已经很清楚了，一个吃全球hyperscaler，一个吃中国本土供应链。 开源模型的参数规模没有放缓的迹象，scale-up域必须跟着扩大。更大的scale-up域意味着更多的HBM容量、更大的先进封装面积、更多的高速光互联和铜互联、更多的CXL内存扩展、以及更多的retimer。这条需求链条会随着每一代开源模型的参数膨胀持续拉长。 除了上边聊到的，还哪些受益环节？大家可以一起聊聊。

卧槽，OpenEvidence 覆盖约 65% 美国医生，AI 医疗搜索迈入主流临床场景！ AI 医疗搜索平台 OpenEvidence 近日因一组数据引发行业关注：其产品目前已覆盖约 65% 美国医生，4 月单月出现在接近 2700 万次临床场景中。 相比面向大众的通用聊天机器人，OpenEvidence 更像一个面向医生的“证据检索入口”，主打基于医学期刊、临床指南和专业内容的快速回答，目前已与 NEJM、JAMA、NCCN、Wiley、Cochrane 等内容源建立合作。 这条新闻最值得注意的，是落地路径：不少医生是先个人使用，再由医院和系统补做治理与合作，典型体现了医疗行业里的“shadow AI”现象。 与此同时，UpToDate Expert AI、AMBOSS AI Mode、Doximity Ask、ClinicalKey AI、DynaMed 等竞品也在加速布局，说明 AI 医疗搜索已从边缘功能变成主战场。

如何每天赚 $500，只需要你有这三样： 1. 一台电脑 2. Wi-Fi 3. 时间 下面是 10 个超级实用的 Claude 提示词，直接复制就能用，帮你把任意技能快速转化为被动收入产品（数字产品、课程、模板等）。 Prompt 1：从一个技能中挖掘可盈利的被动收入点 「扮演一名数字产品策略师。我的技能是 [skill]，我的经验水平是 [beginner/intermediate/expert]，目标受众是 [audience]。给我 15 个可以基于这个技能打造的被动收入产品点子。每个点子需要包含：产品是什么、谁会买、解决什么问题、制作难度、上线速度、最适合的销售平台。并按『最容易赚钱 → 长期潜力最高』排序。」 Prompt 2：把一个技能转化为适合新手的数字产品 「帮我把 [skill] 转化为简单易做的数字产品，目标用户是 [audience]。给我 10 个不需要复杂技术的产品方案，优先使用 Google Docs、Canva、Notion 或表格等工具完成。每个方案包含：产品名称、形式、价格区间、制作步骤，以及为什么有人会买。」 Prompt 3：设计从低价到高价的产品阶梯 「扮演产品体系专家。我的技能是 [skill]，受众是 [audience]。帮我设计一个 4 层产品阶梯：低价、中价、高价数字产品和持续订阅。每一层都要自然承接下一层。每层需要说明：卖什么、价格区间、交付形式、用户类型，以及如何引导到下一个产品。」 Prompt 4：7 天内可以上线的最快产品 「我想用 [skill] 在 7 天内做一个被动收入产品。我每天能投入 [X] 小时，目标用户是 [audience]。给我 7 个可以快速完成的产品方案。每个方案包含：每日制作计划、所需工具、预计售价、难度评估，并标出最适合快速出单的最佳方案。」 Prompt 5：把技能匹配到真实需求 「我具备 [skill]，目标用户是 [audience]。列出这个人群正在主动解决的 15 个真实问题，并基于这些问题转化为被动收入产品点子。每个点子需包含：问题、产品方案、承诺的改变结果，以及用户购买动机。」 Prompt 6：验证哪些产品真的能卖钱 「扮演市场验证研究员。我想基于 [skill] 向 [audience] 售卖被动收入产品。给我 10 个产品点子，并从需求、紧迫性、制作难度、差异化、购买可能性这 5 个维度打分（1–10 分）。最后指出最有可能最快变现的 3 个产品，并解释原因。」 Prompt 7：从已有经验中挖掘产品 「我不想从 0 开始。帮我把已有的 [skill] 经验转化为产品。分析我经常做的事情、经常解释的问题、常用捷径、常见错误，以及已有的方法论。然后转化为 10 个被动收入产品，并附上产品形式、标题思路和目标用户。」 Prompt 8：生成完整产品大纲 「我想为 [audience] 做一个关于 [topic] 的 [product type]。帮我生成完整大纲，包括：产品标题、核心承诺、模块结构、每一部分内容、附加赠品、快速见效设计，以及最终交付形式。要求简单实用、值得付费，避免学术化。」 Prompt 9：给产品定一个合理价格 「我有一个产品点子：[product idea]，目标用户是 [audience]。对比低价、中价、高价三种定价策略。分别说明每个价格应该包含什么、吸引哪类用户、转化逻辑，以及优缺点。最后给出一个适合前期快速出单的推荐价格。」 Prompt 10：选择最适合的销售平台 「我想卖一个与 [skill] 相关的被动收入产品。请对比 Gumroad、Etsy、Payhip、Shopify、Notion 市场或自建网站等平台。结合我的产品类型 [product type]、用户 [audience] 和目标 [goal]，推荐最适合的平台，并说明原因，包括手续费、搭建难度、流量潜力和新手友好度。」