歸藏(guizang.ai)@op741819
http://x.com/i/article/2053655813877870592
标签「教程/实践」清除
全部 AI 动态
AI 相关资讯全量信息流
6月10日
14:23
歸藏(guizang.ai)@op741813:45
MarkTechPost（RSS）
61
教程以 NVIDIA Nemotron-Pretraining-Code-v3 数据集为大规模元数据索引，采用流式方式而非完整下载，检查数据集 schema 并构建可管理样本。通过分析编程语言、文件扩展名、仓库频率及目录深度来理解索引结构，随后重构原始 GitHub URL 以获取真实源代码文件，并利用 tiktoken 估算所获代码的 token 规模。
13:07
Berryxia.AI@berryxia46
Berry Xia表示，学完Harness后接触Loop Engineering，认为理解其底层逻辑对Vibe Coding和产品架构设计帮助很大。他原计划写文章分享，但Smith（@smithandai）已发表相关文章，推荐阅读。
http://x.com/i/article/2064229409247358976
12:07
Berryxia.AI@berryxia59
百万粉AI博主Berry Xia介绍如何通过100+海外英文信息源（X KOL、Reddit、Hacker News、YouTube、arXiv）配合沉浸式翻译插件高效获取选题。插件提供多场景应用：刷X时中英对照翻译评论、三击空格键中文一键转英文发推；Reddit/HN页面深度优化保留排版；YouTube字幕双语对照并支持自定义术语（如hallucination→模型幻觉）；PDF论文上传后段落级中英对照、公式图表完整保留。核心是从“看到”推到“看懂”，消灭信息差。
11:33
AYi@AYi_AInotes61
作者分享使用AI agent AllyHub拆解小红书对标账号的方法：第一步从57个候选筛出10个够得着且变现的账号（平均粉丝5.8万）；第二步以「AIGC猫大人」为例，扒出7篇点赞过5000的爆款，发现赛道封面规律是“无文字纯视觉”短视频；第三步算变现，约85%收入来自蒲公英接广（合作李锦记、兰蔻等），3万粉同类账号月收入约8k–2万。AllyHub执行同类任务消耗成本约为其他AI agent的1/10。作者凭此方法0-1涨粉400。
10:20
歸藏(guizang.ai)@op741851
We've reset usage limits across our products! For those just starting to test Fable, here's four tips for using it more ...
08:43
小互@xiaohu70
Claude 重置了所有用量。官方对使用 Fable 提出四条建议：分配比之前模型能处理的更大任务；默认使用 xhigh/high 努力程度以获得最佳性能，med 用于更快的交互式会话；重新调整技能和 CLAUDE.md，避免旧指令让 Fable 陷入陈旧模式；从提供任务转向提供目标，描述完成样貌并让 Fable 通过 /loop 和 /goal 自行寻找路径。
07:44
The Verge：AI（RSS）
59
苹果新版 Siri AI 终于能一次性从邮件或排版混乱的传单中提取足球赛或“精神周”主题日并添加到日历上。它还支持对话式交互，例如讨论花园玫瑰病害、整理五金店购物清单、设置花床堆肥提醒，并能引用邮件和日历中的信息来生成推荐。
07:40
swyx@swyx73
just finished rerunning FC Diamond on my historical charts. none of the official tables/charts are capturing the degree ...
07:17
meng shao@shao__meng69
Wix VP @IShmool 推出的免费课程「Zero to Claude Code」现已支持简体中文，作者专门用中文官宣并感谢中文 AI 社区。该课程面向零基础学习者，讲解如何用 Claude Code 从零构建真实产品。已有 300 名中国学生参与学习。课程完全免费，访问 zero2claude.dev 即可开始。
zero2claude 正式推出简体中文版。 已有 300 名中国学生在学习用 Claude Code 从零开始构建真正的产品。 感谢 @shao__meng 和中国 AI 社区的支持 🇨🇳 免费课程,零基础也能上手。
06:19
Simon Willison 博客
精选71
Wes McKinney 开发的 AgentsView 是一个用于追踪本地编码智能体 token 使用情况的工具。由于近日发布的 Claude Fable 5 尚未被收录进 AgentsView 的定价数据库，作者利用 Fable 逆向工程，找到了为该模型设置自定义价格的方法，并展示了 Fable 5 当天在不同本地项目中的使用量树状图。
推荐理由：如果你也用 coding agent 且在乎成本，Simon 这个自定义价格技巧能让你第一时间把新模型纳入追踪，简单但实用。
05:55
Hugging Face：Blog（RSS）
精选74
本文介绍了如何将 GitHub Actions 的 CI 作业迁移到 Hugging Face Jobs 上运行，以解决 GitHub Actions 速度慢、缺乏 GPU 支持等问题。通过使用 huggingface/jobs-actions 桥接，将 GitHub Actions 的 job 转为临时自托管运行器：GitHub App 监听 workflow_job.queued webhook，dispatcher Space 验证后启动对应硬件（CPU 或 t4-small、h200 等 GPU）的 HF Job，由 ephemeral runner 执行 CI 并上报结果。作者基于 Trackio 项目实际落地，CPU 作业时间减少约 30%，并新增了 GPU 测试套件。文章分步说明了复制 dispatcher Space、创建并安装 GitHub App、配置 webhook 和 HF_TOKEN 的具体步骤。
推荐理由：HF 直接把 CI 桥接器开源了出来，教你把 GitHub Actions 迁到 HF Jobs 上跑 GPU 测试，ML 项目终于可以低成本配上显卡 CI，步骤清晰到能直接抄作业。
05:07
fofr@fofrAI58
Actually it's fine guys! I figured out a way, see below. Claude Fable 5 is a great model afterall, and I also finally ap...
03:17
Rohan Paul@rohanpaul_ai精选75
Thariq（Claude Code 团队）提出十条建议，核心转变是：从检查 Claude 是否做对工作，转向检查它是否在做正确的工作。具体包括：提前提供完整上下文，将其视为思考伙伴；用小规格文档让 Claude 访谈实现细节；探索多方向并生成 HTML 原型；提供丰富上下文（如功能可能一个月后删除）而非硬约束；设定明确目标与验证方法；使用 /goal 命令；利用 Workflows 并行任务、自我验证并生成对比报告；同时设置目标和 workflow；更勇敢地将此前认为 LLM 无法完成的任务交给 Claude Fable 5，因其可运行数小时、自检并产出高质量代码。Thariq 本人用 Claude Fable 5 剪辑了整段视频证明其能力。
"We used to check if Claude is doing the work right, e.g. by double-checking its output, catching when it stopped early ...
推荐理由：Claude Code团队的实战建议，把Claude从“执行工具”升级为“思考伙伴”，用/goal和Workflows实现自我验证，这套工作流比新功能本身更有价值。
03:04
02:29
ClaudeDevs@ClaudeDevs60
01:59
00:35
OpenRouter@OpenRouter同事件精选73
推荐理由：用 Cursor 又想用 OpenRouter 上 Claude 4.6 或 Llama 4 的开发者，这篇指南帮你打通关键配置，不是大新闻但值得收藏
00:19
elvis@omarsar051
Excited to launch a new way to upskill with AI agents. This is how we are making it possible for anyone to learn to buil...
00:18
GitHub Blog
精选68
GitHub Copilot CLI 新增自定义 AI 智能体功能，使 CLI 能够理解开发者的技术栈和团队工作流，将一次性终端提示转变为可重复、可审查的流程。
推荐理由：GitHub Copilot CLI 的自定义代理把一次性提示变成可重复工作流，相当于给命令行配了个 AI 副驾驶，做自动化的朋友值得一试。
00:12
向阳乔木@vista837
作者首次录制口播脚本推荐书籍《被讨厌的勇气》，使用Pocket3相机与免费提词器teleprompter，脚本由自制的书籍口播解读Skill生成（计划稍后开源），剪辑用剪映添加片头片尾，调色采用LUT文件CELLULOID_01_FU_LOW.cube。
00:00
OpenRouter：Announcements（RSS）
同事件精选60
Gemini 2.5 Flash API 的定价与快速入门指南，指导用户配置 thinking budgets、比较不同提供商，并在 5 分钟内完成首次 API 调用。
同一事件，精选展示《Gemini 2.5 Flash API - 定价、快速入门与提供商比较》推荐理由：Gemini 2.5 Flash 最值得关注的是 thinking budget，这篇教程把怎么用、怎么省都讲清楚了，但对早已熟悉文档的开发者来说新东西有限。
6月9日
23:49
elvis@omarsar063
Elvis Saravia宣布DAIR.AI平台推出新型AI智能体技能提升方式，同步发布4个动手实验室：Agent Skills、Agentic Image Generation、30 Days of Hermes Agents、Prompt Engineering with Agents。旨在让任何人通过构建和获取高需求AI技能成为顶尖AI构建者，未来几周还将有更多内容上线。
22:30
OpenAI Developers@OpenAIDevs60
http://x.com/i/article/2059815427484655622
22:05
Berryxia.AI@berryxia61
乔帮主（@vista8）复盘三年X运营增长，从100粉丝做到11万，基于全量X帖子用Codex进行数据分析，并分享完整PPT。Berry Xia推荐操作步骤：先下载X账户数据（需24小时），再交给Claude或Codex分析，最后结合乔帮主的PPT解读增长路径。PPT下载链接已公开，供用户自行学习。
把自己三年来的 X 运营增长做了复盘,做了线下分享。 如何从100做到11万关注,基于全量 X 帖子,用 Codex 做的数据分析。 有些结论,甚至自己都没有意识到。 果然分享才是最好的学习,完整的PPT见评论区。
19:55
Hugging Face：Blog（RSS）
精选76
一个编码Agent调用HuggingFace上的两个Space，从零构建了展示巴黎地标3D高斯散点图的交互式画廊。Agent先用ideogram-ai/ideogram4生成每个纪念碑的黑色背景图像，再通过VAST-AI/TripoSplat从单张图像重建3D高斯散点（.ply），自动完成坐标系校正、取景、压缩为.ksplat（体积缩小约3倍），并构建基于Three.js的滚动切换、拖拽旋转查看器，最终部署为静态Space。整个过程无需客户端库，每个Space通过agents.md暴露可调用API。
推荐理由：Hugging Face 把 agents.md 做成每个 Space 的标准说明书，agent 能直接读懂并链式调用图像和 3D 模型，这篇用 3D 巴黎画廊 demo 告诉你这事儿已经跑通了，做 AI 工具链的可以立刻照着试。
19:40
Tibo@thsottiaux49
Since my last post, I reduced ty's retained memory by another 15% with Codex. We're now at a ~25% memory reduction overa...
17:55
Hugging Face：Blog（RSS）
精选68
NeuroBait是基于Google gemma-3-12b-it微调的AI对话助手，旨在帮助ADHD患者克服“知道该做什么但无法开始”的执行功能障碍。采用16-bit LoRA（r=16, alpha=16）在Unsloth上训练3个epoch，学习率2e-4，最大序列长度2048，使用单张H100 80GB GPU。数据集为基于真实ADHD场景手工合成的少量数据。部署于Hugging Face Space（ZeroGPU），使用Gradio和标准transformers+peft，运行时以4-bit NF4加载基础模型并应用LoRA适配器。NeuroBait不生成待办清单，而是根据用户上下文给出3-6句温暖流畅的回复，引导用户找到一件微小可立即执行的动作，从而激发多巴胺、降低启动阻力。
推荐理由：对ADHD群体来说，这是一次真正从需求出发的AI尝试。它不做计划列表，而是用一个温暖的动感火花打破僵局，让AI从理论走向陪伴。如果你或身边人容易'卡住'，可以试试这个Space。
17:40
公众号：通义实验室（千问）
同事件精选67
在无设计稿和后端代码的条件下，Qwen3.7-Max 仅凭一份约 15 万字的产品调研文档，于隔离环境中全自动完成移动端与 Web 端两套真实应用从 0 到 1 交付，单端耗时约 4 小时，中途无人工接管。模型不具备图像理解能力，通过像素坐标反推布局约束实现界面还原。实验采用“分阶段注入约束→逐层验收→带错纠正”的闭环控制系统：任务拆分为规划、架构、编码等阶段，验收覆盖静态检查、编译自检（0 error）、路由完整性（Web 端 34 条路由全部可达）、功能扫描及真机冷启动冒烟。失败时错误文本自动注入下一轮重试，使模型数小时内收敛。移动端产出可安装 APK，Web 端 typecheck 与构建均通过。
同一事件，精选展示《Qwen3.7-Max：面向智能体时代的最新专有模型》推荐理由：通义实验室没有炫技分数，而是把 Agent 逼到了长程交付的极限，约束闭环这套方法论比模型本身更值钱，所有做 Agent 开发的都该读一遍。
16:42
MarkTechPost（RSS）
精选70
该教程基于 NVIDIA cuTile Python 实现了分块 GPU 内核编程工作流，在 Colab 环境中配置 GPU、驱动、CUDA 及 cuTile 可用性后，分别构建了 tiled 向量加法、矩阵加法和矩阵乘法核函数，并以 PyTorch 作为回退保持 notebook 可执行。每一步均通过 PyTorch 验证结果正确性，并基准测试了各阶段的中位运行时间。
推荐理由：NVIDIA cuTile把GPU tiled kernel编程的门槛拉低到Python，这个Colab教程从环境搭建到矩阵乘法全链路，想自己写算子的人可以跟着跑一遍。
16:10
向阳乔木@vista853
运营者 Vista 复盘自己三年间 X 账号从 100 关注增长至 11 万的全过程。基于全量 X 帖子，使用 Codex 进行数据分析，得出一些甚至自己都未意识到的结论。分享被视为最好的学习方式，完整 PPT 置于评论区。
14:08
Tibo@thsottiaux66
Here's your monthly reminder that you shouldn't be prompting coding agents anymore. You should be designing loops that p...
13:05
Berryxia.AI@berryxia54
Claude 用户 Berry Xia 分享了一则登录技巧：如果用 Apple ID 虚拟邮箱（一长串随机地址）创建过 Claude 账号，手机端可正常使用，但电脑端无法直接选择该邮箱登录。解决方法：在设置中复制虚拟邮箱地址，在电脑端选择“使用邮件登录”并粘贴该地址，系统会向原始 Apple ID 邮箱发送登录链接，点击链接即可完成登录。该方法也可用于注册 Claude 账号。
11:39
小互@xiaohu51
安装一系列工具后，可让 Codex 或 Claude Code 自动剪切视频。例如，让 AI 翻译 WWDC2026 视频，并根据视频内容自动分析、精准裁切成多个独立片段，实现自动化视频处理。
http://x.com/i/article/2063968924019163136
08:16
ginobefun@hongming73157
本期早报聚焦：Claude Code一周年复盘，从辅助写代码到数千Agent协作网络，推出Auto Mode以安全分类模型替代人工审批；循环工程新范式强调工程师职责从提示Agent转向设计系统；小米MiMo与TileRT通过FP4量化和DFlash推测解码，在商用GPU上实现1万亿参数模型1000+ token/s推理；OpenAI概述AGI第三阶段愿景构建自动化AI研究员；另有安克创新创始人阳萌4小时访谈、六大Agent上下文压缩策略对比、杰弗里·辛顿谈AI失控焦虑等。
http://x.com/i/article/2064136850370101248
07:26
eric zakariasson@ericzakariasson69
07:21
OpenAI Developers@OpenAIDevs38
05:17
karminski-牙医@karminski370
推文介绍了如何使用 llmistanbul 在网页上10秒内训练一个小模型（电子鹦鹉）。只需将纯文本文档（如哈利波特1-7）拖入即可，建议使用 Apple Silicon Mac（M1-M5），避免 markdown/json 等格式。N 卡（3080Ti）适配不佳。提醒尊重版权，勿公开发布他人作品。
04:48
OpenRouter：Announcements（RSS）
精选66
使用智能体 SDK 的人机协作（HITL）工具，可满足 EU AI Act、Colorado AI Act 和 NIST AI RMF 对 AI 智能体的合规要求。
推荐理由：虽然讲的是合规，但直接把监管要求翻译成可落地的代码模式，对做高风险Agent的团队来说是一份照着改就能过审的实操手册。
03:11
MarkTechPost（RSS）
50
该教程使用ClawHub Security Signals数据集分析扫描器如何评估AI技能。从Hugging Face Parquet格式加载数据，检查判定结果、扫描输出和严重性标签，通过Jaccard分数和Cohen's kappa衡量VirusTotal、静态分析和SkillSpector之间的重叠与分歧，最后将SKILL.md文本与扫描信号结合，训练逻辑回归模型预测ClawScan判定。