🎮 又发现一个宝藏级的开源游戏合集 open-source-games，想玩、想改的经典游戏，源码全给你分好类摆好了。 GitHub 上 1.4 万 star，一千多个 fork，从动作、冒险、解谜、赛车到即时战略、塔防、Roguelike，十几个类别一条条列清楚，每个项目后面直接跟着源码仓库地址。 以前想找一个能自己改着玩的老游戏，得在论坛和搜索引擎里翻半天，翻到的多半还是死链。现在 open-source-games 把 OpenTTD、OpenRCT2、OpenLoco 这些经典模拟经营的开源再实现、还有重写了《上古卷轴 3：晨风》引擎的 OpenMW 摆在一起，看中哪个点进去就是仓库首页，clone 下来就能自己动手。 想跑十几年前那批图形冒险游戏的，列表里收了 ScummVM 这种一个程序通吃一大批老游戏的项目；id Software 的 Doom、Quake 系列，还有 EA 放出来的《命令与征服》系列，官方开源的代码仓库也都在册。末尾还挂了几个同类资源站的链接，一份列表当索引用足够了。 周末想找点东西折腾，从这份列表里随便挑一个，都够玩上很久。 GitHub：

用随机梯度下降来优化人生 by 李沐大神 这篇文章，我反复诵读，时有收获 要有目标。 你需要有目标。短的也好，长的也好。认真定下的也好，别人那里捡的也好。就跟随机梯度下降需要有个目标函数一样。 目标要大。 不管是人生目标还是目标函数，你最好不要知道最后可以走到哪里。如果你知道，那么你的目标就太简单了，可能是个凸函数。你可以在一开始的时候给自己一些小目标，例如期末考个80分，训练一个线性模型。但接下来得有更大的目标，财富自由也好，100亿参数的变形金刚也好，得足够一颗赛艇。 坚持走。 不管你的目标多复杂，随机梯度下降都是最简单的。每一次你找一个大概还行的方向（梯度），然后迈一步（下降）。两个核心要素是方向和步子的长短。但最重要的是你得一直走下去，能多走几步就多走几步。 痛苦的卷。 每一步里你都在试图改变你自己或者你的模型参数。改变带来痛苦。但没有改变就没有进步。你过得很痛苦不代表在朝着目标走，因为你可能走反了。但过得很舒服那一定在原地踏步。需要时刻跟自己作对。 可以躺平。 你用你内心的激情来迈步子。步子太小走不动，步子太长容易过早消耗掉了激情。周期性的调大调小步长效果挺好。所以你可以时不时休息休息。 四处看看。 每一步走的方向是你对世界的认识。如果你探索的世界不怎么变化，那么要么你的目标太简单，要么你困在你的舒适区了。随机梯度下降的第一个词是随机，就是你需要四处走走，看过很多地方，做些错误的决定，这样你可以在前期迈过一些不是很好的舒适区。 快也是慢。 你没有必要特意去追求找到最好的方向和最合适的步子。你身边当然会有幸运之子，他们每一步都在别人前面。但经验告诉我们，随机梯度下降前期进度太快，后期可能乏力。就是说你过早的找到一个舒适区，忘了世界有多大。所以你不要急，前面徘徊一段时间不是坏事。成名无需太早。 赢在起点。 起点当然重要。如果你在终点附近起步，可以少走很多路。而且终点附近的路都比较平，走着舒服。当你发现别人不如你的时候，看看自己站在哪里。可能你就是运气很好，赢在了起跑线。如果你跟别人在同一起跑线，不见得你能做更好。 很远也能到达。 如果你是在随机起点，那么做好准备前面的路会非常不平坦。越远离终点，越人迹罕见。四处都是悬崖。但随机梯度下降告诉我们，不管起点在哪里，最后得到的解都差不多。当然这个前提是你得一直按照梯度的方向走下去。如果中间梯度炸掉了，那么你随机一个起点，调整步子节奏，重新来。 独一无二。 也许大家有着差不多的目标，在差不多的时间毕业买房结婚生娃。但每一步里，每个人内心中看到的世界都不一样，导致走的路不一样。你如果跑多次随机梯度下降，在各个时间点的目标函数值可能都差不多，但每次的参数千差万别。不会有人关心你每次训练出来的模型里面参数具体是什么值，除了你自己。 简单最好 。 当然有比随机梯度下降更复杂的算法。他们想每一步看想更远更准，想步子迈最大。但如果你的目标很复杂，简单的随机梯度下降反而效果最好。深度学习里大家都用它。关注当前，每次抬头瞄一眼世界，快速做个决定，然后迈一小步。小步快跑。 只要你有目标，不要停，就能到达。

天天在终端里 cd、ls、mv 找文件，确实有点累。 superfile 是一个现代化终端文件管理器，搜索、复制、移动、删除等操作都能直接在界面里完成。 Go 编写，支持主题和插件，Mac、Linux、Windows 都能用。想少记几个文件操作命令，可以试试。 🔗

你家路由器真的够硬吗？有个开源项目可能会让你背后一凉。📡 Airgorah——基于aircrack-ng套件封装的图形化工具，Rust编写，Linux独占。别被技术栈劝退，它的能耐你绝对听得懂： 1️⃣ 扫描周遭WiFi信号 2️⃣ 揪出所有挂在热点上的设备 3️⃣ 切断设备连接，逼它乖乖重连 4️⃣ 截获握手包，密码直接暴力拆解 说白了，网安渗透测试那套活儿，它给你凑齐了。 不过作者提前甩了免责声明：这玩意儿只配测你自己的网络，手痒碰别人家的WiFi？违法，后果自负。 感兴趣的自取： 🔗

一款专治内网打印糟心的工具：PrinterService。 基于开源项目lan-printing改的，核心就一个：把打印这事儿整简单。不用装驱动、不用调配置，浏览器里传个文件就能直接打。电脑、手机、平板，只要在同一个局域网里，全都能用。 尤其适合那种“打印机就在那儿，电脑死活连不上”的破场面，浏览器一开就能打，省时省心。 项目地址：

CRM、ERP、HR、项目管理全是独立系统，数据来回倒确实挺折腾。 Ever Gauzy 想做的就是把这些东西整合到一个开源平台里，客户、招聘、人事、库存、项目、工时、发票等统一管理。 全栈 TypeScript，支持多租户，也能接 PostgreSQL、MySQL、SQLite，Docker 和 Kubernetes 都能部署。 中小团队想少买几套 SaaS，可以看看这个。 🔗

💅 这哥们儿给 AI 写界面做了个外挂：Jakub Krehel 开源的 skills，专治 AI 生成的页面“能用但不精致”。 skills 仓库 7 月 10 日才建，两个月不到 GitHub 已经 6100+ star。作者曾在 OpenSea 任职，还办了一本设计工程杂志 Interfaces，这套东西就是他把自己抠界面细节的经验打包给 agent 用。 以前让 AI 写完一个页面，圆角不同心、图标没对齐、字号层级乱、对比度不够，你得自己一处处挑出来再让它改，改完还可能漏。 现在直接喊 better-interface，它会把界面、排版、配色、无障碍、布局、产品文案这几个方向一起过一遍；想专门折磨某个组件，就用 break 把它丢进各种状态里压力测试，拿不准方案时用 variant 一次做出几个变体挑着用。 可以直接从 Claude Code 的插件市场装，写完页面顺手让它挑一遍刺。 那些以前要设计师一处处盯的细节，现在 AI 自己就能盯了。 GitHub：

zcash:native 突破 1000，按理说早该止盈了，但海外的多头头子们不仅没跑，还在疯狂 CX 并喊出 All in。 比如之前 7 月顶着群嘲喊出「卖掉 BTC，全仓换 ZEC」的头铁交易员 @TaikiMaeda2，在最近的播客中表示自己还要把身家压进去。 他的 CX 逻辑是：「Pumps bring more pumps. 」（涨幅本身就会带来涨幅）。 一下是一些核心观点： 1/ 价格就是基本面，反身性飞轮已启动 Zcash 最变态的地方在于：价格越涨 -> 屏蔽池 TVL 越大 -> 进场的钱越能获得真正的隐身 -> 隐私体验产生质变 -> 吸引更多人买。每一次破前高，都在物理层面加强它的产品力。 2/ 不是老韭菜接盘，华尔街在买单 SEC 撤诉，Zcash ETF 规模突破 5 亿美元。Taiki 盯盘发现了一个细节：最近 ZEC 的暴力拉升，几乎全跟美股开盘时间重合。这不是链上的 PVP，而是正规军进场定价的间接信号。 3/ 同样是老牌隐私币，机构为什么只敢买 ZEC？ 很多人以为这是 10 年 POW 老币在瞎炒，但 Zcash 的屏蔽池机制比 Monero 的环形签名更受合规资金青睐（钱存得越久越安全，抗 AI 破解）。机构不敢碰 Monero，但会真金白银买 Zcash ETF。总可寻址市场根本不是一个量级。 4/真正的 Locked in 是什么？ 并非 Degen 圈那种“买个土狗死拿到归零”，他自己有个顺势交易心法：先用小仓位建论据，一旦论据被市场验证（比如 ZEC/BTC 汇率飙升），直接重仓加码，“买在上涨趋势里”。 不过大师最后也很诚实：虽然飞轮很猛，但他给自己定的目标价从来没到过，每次都会提前跑路。大家冲锋的同时，记得给预期加一层风险折扣。

从 Raft 学习到的，有缓存机制时，因为不是每条消息都会 steer，agent 会 spam 回复。 解决办法是发消息前在 harness 层检查一次 inbox msg count。agent 的乐观锁。

Reddit疯传！ 最近在 Reddit 的看到一段高赞的“深度思考” Prompt， 我拿 Codex 试了几次，彻底改变了我和 Codex 的沟通方式。 Prompt： “请先不要回答我的问题。 在给出答案之前，请先完成以下分析： 1、指出我在这个问题中没有明确说出、但已经默认成立的假设； 2、告诉我还缺少哪些关键信息，以及这些信息可能如何改变你的答案； 3、指出人们在处理这类问题时最常犯的一个错误。 然后，请只向我提出一个最关键的问题。这个问题应该能够帮助你理解我的真实目标和具体情况，让最终答案真正对我有用，而不是一份谁都能套用的通用建议。 等我回答以后，你再给出最终输出。 我的问题是：[粘贴你的问题]”

《Trading Systems and Methods》这书太tm顶级了 如何成为一名优秀的交易员 把这本书啃透了就是专家了 涵盖的太tm广泛了，woc 其中的程序化的部分直接把我之前一些直觉性的想法实现了，牛逼 就是太tm多了

TypeScript + Rust，是我目前用 AI开发最顺手的组合。大多数个人工具先用 TS 把功能跑通，边测边改，需求稳定后再套WebView。服务端也先用Node，真上线后如果监控确认CPU 或内存成了瓶颈，再把性能热点或者整个服务换成Rust。没测出瓶颈，我也不会为了Rust而重写。

做vibe coding之前，最需要去学习的一些工程习惯： 1）每次改代码之前，先提交。 2）每次在线上改代码，先切分支。 3）每次大改之前，先留一个可以回滚的版本。 4）每次合并代码之前，先看 diff。 5）每次提 PR 之前，先自己 review 一遍。 6）每次修 Bug，先复现问题，再改代码。 7）每次改线上问题，记录原因，不要只修结果。 8）每次新增功能，先想异常情况，不只考虑正常流程。 9）每次写接口，先定义好输入输出，不要边写边猜。 10）每次写数据库操作，考虑数据量增长之后还能不能跑。 11）每次做数据库结构变更，先备份数据。 12）不要在生产环境直接改数据库，至少把 SQL 留下来。 13）每次引入第三方库，先看看维护状态。 14）每次升级依赖，不要一口气全部升级。 15）每次复制代码，想想以后是不是要维护两份。 16）每次写临时代码，不要默认它永远只是临时。 17）每次改核心逻辑，保留修改前后的对比。 18）每次遇到奇怪 Bug，先检查环境和版本差异。 19）每次部署之前，确认环境变量和配置有没有变化。 20）每次上线前，确认到底改了哪些文件。 21）每次上线新功能，最好准备关闭开关。 22）每次写自动化脚本，先考虑失败之后怎么恢复。 23）每次改完一个功能，先跑一遍核心场景测试。 24）不要相信自己的记忆，重要东西写文档。 25）不要把所有逻辑都塞进一个文件。 26）不要等项目复杂了才补测试。 27）不要觉得重构一定要等“有时间”。 28）不要为了追求代码优雅，破坏稳定运行的逻辑。 29）不要把“本地能跑”当成“线上没问题”。 30）日志不要省，出了问题你需要知道发生了什么。 31）不要为了修一个 Bug，顺手重构半个项目。

如果你也在考虑精简自己的 AGENTS.md，很推荐读一下 @mattpocockuk 的这篇文章，里面还附了一个可以直接让 Agent 帮你重构 AGENTS.md 的 Prompt： 看完以后，我觉得其中有几个观点特别值得分享。 1. 尽量不要用 /init 自动生成 AGENTS.md 这一点是我过去没有意识到的。 自动生成往往会追求“全面”，把项目结构、命令、技术栈、代码路径、实现方式等大量信息都塞进去。 其中很多内容 Agent 本来就可以自己从代码和配置文件中发现，还有一些会随着项目演进很快过时。 一旦这些过期信息长期存在于 AGENTS.md 里，每次任务都会进入上下文，反而可能干扰 Agent 的判断。 2. 不要重复 Agent 可以轻易发现的信息，也尽量避免维护容易过时的实现细节 比如具体代码在哪个目录、某个模块目前位于哪个文件、某项功能当前由哪个 Service 实现。 代码一直在变化，这类信息很容易失效。 更值得写进去的，是一些稳定、重要，同时又很难单纯从代码里推断出来的信息： 项目目标、关键约束、特殊工具链，以及几乎所有任务都应该遵守的原则。 那些 Agent 可以通过搜索代码找到的信息，就让它在真正需要时再去探索。 3. 一个很重要的原则是 Progressive Disclosure，也就是渐进式披露 不要试图把所有规则都塞进根目录的 AGENTS.md。 测试规范、TypeScript 约定、API 设计、数据库规则、Git Workflow 等，都可以拆到独立文档或 Skills 中。 根目录的 AGENTS.md 更适合做一个很薄的“入口”和“路由器”： 做什么事情时，应该去哪里读取对应的规则和上下文。 这样 Agent 只有在真正需要的时候才会加载那部分内容，可以减少上下文噪音，也能降低不同指令互相干扰的概率。 Monorepo 还可以进一步使用不同目录下的 AGENTS.md，让规则跟着作用域走。 -------- 这篇文章也让我重新理解了 AGENTS.md 的定位。 以前很容易把它当成一份“尽可能完整的项目说明书”，什么都想往里面加。 现在我更倾向于把它看成： Agent 每次开始工作时都会读取的一组高优先级上下文。 既然它会影响几乎每一次任务，那么每增加一条内容，都值得问一句： 这条信息真的值得在每一次任务里占用 Agent 的注意力吗？ 如果答案是否定的，就可以考虑把它交给代码本身、独立文档、Skills、Hooks，或者其他按需加载的机制。 所以，AGENTS.md 值得认真写，也值得定期删。 精简它的意义也不只是节省 Token。 更重要的是管理 Agent 的注意力，以及有限的 Instruction Budget。 很多时候，少一点，Agent 反而工作得更好。