本文介绍如何配置两节点 AMD Strix Halo 集群，通过 Intel E810 (RoCE v2) 网卡实现 RDMA 互联，用于分布式 vLLM 推理（Tensor Parallelism）。硬件采用两块 Framework Desktop 主板（AMD Ryzen AI MAX+ "Strix Halo"，128GB 统一内存）及 E810-CQDA1 100GbE 网卡，直连无需交换机。软件栈基于 Fedora 43，使用 Ray 编排集群、RCCL 通信。RDMA 延迟约 5µs（TCP/IP 为 70‑100µs）。涵盖 BIOS 设置、网络配置、工具箱安装及启动集群的详细步骤。
Berryxia.AI@berryxiaGoogle Research 于2024年开源时序预测基础模型TimesFM（ICML 2024），采用预训练+零样本预测范式。2025年9月发布的2.5版本参数从500M降至200M，上下文窗口扩展至16K，新增30M分位数预测头，可同时输出点预测及10%-90%置信区间。200M参数单GPU可运行，16K上下文支持五年日数据。模型已内置在BigQuery ML、Google Sheets、Vertex AI中，开源版本通过pip install即可使用。2026年4月通过HuggingFace Transformers和PEFT支持LoRA微调，便于领域适配。
Tibo@thsottiauxOur plants are chatty. Yours can be too. Give your plants a voice with our build guide: https://github.com/openai/plantt...
HuggingFace Jobs 支持一条命令启动 vLLM 服务器，用于测试、评估或批量生成。使用 hf jobs run 命令，指定官方 vllm/vllm-openai 镜像、GPU flavor（如 a10g-large）、暴露端口 8000 并设置超时。服务器启动后可通过 OpenAI 兼容 API 访问，每次请求需携带 HF token 作为 bearer token（仅限有读权限的用户）。示例部署了 Qwen/Qwen3-4B（多 GPU 需 --tensor-parallel-size）。a10g-large 价格为 $1.50/小时，按分钟计费，可通过 hf jobs cancel 停止。
Berryxia.AI@berryxiaAnthropic 应用 AI 负责人 Lamis 在 2026 年 AI DevCon 上介绍 Claude Code 记忆管理。起点是 CLAUDE.md 纯文本文件，但会上下文膨胀。第二层让 Agent 自主读写记忆；第三层 Skills 实现渐进式披露；第四层将记忆系统建模为普通文件系统，用 bash/grep 操作。生产环境设版本控制、哈希并发控制、权限分层和干净 API 四道防线。核心“做梦”机制是带外异步处理：专用 Agent 分析会话记录、识别模式并建议更改，已投入生产，能降低延迟和成本。
Berryxia.AI@berryxia在2026年AI DevCon上，Anthropic的Lamis介绍了上下文工程演进路径：从纯Markdown的Claude MD文件起步，到记忆工具（Agent自主读写）、Skills（渐进式披露）、文件系统（Markdown + bash/grep搜索）。生产环境中遇到并发写入、权限、注入等问题，通过版本控制、哈希校验、组织级只读/个人可写权限、可移植API解决。最后提出"做梦"——带外异步处理，由专门Agent分析跨会话模式并调整记忆。该机制已投产，可提升任务效率、降低延迟，额外token消耗被效率提升抵消。
AYi@AYi_AInotesClaudeflareでGLM5.2無料で使えるヤツ、秒で設定できた。クレカもなんもいらんから楽。 Claudeflareログイン Workers AIクリック REST APIクリック Create a Workers AI APITok...
AYi@AYi_AInotesLangChain 官方发布深度 Agent 从零构建教程，通过三大上下文工程技巧解决长任务“忘事崩链”：1）结构化 TODO 带状态管理；2）虚拟文件系统省 token 实现跨轮记忆；3）子代理委派并隔离上下文。教程含 5 个渐进式 Notebook，从 ReAct 循环起步，逐步叠加规划、文件系统、子代理，最终搭建可联网深度研究 Agent。配套 deepagents 生产库可复用。强调高级 Agent 差距在上下文工程架构设计，而非模型本身。
http://x.com/i/article/2070416868943306753
宝玉@dotey@dotey 表示当前 Codex/Claude Code 的上下文压缩已做得很成熟，加上 Prompt Caching，单 session 内持续对话成本不高。他推荐两个配套功能：fork 可从某位置开分支，保留之前历史使上下文更纯粹；/btw 或 /side 可在当前会话中提问而不干扰主线，适合临时解释选项或给建议。引用 @reach_vb 称自 GPT 5.3 Codex 后不再担心上下文，Codex 能压缩并记住关键信息，还支持分支出新线程，这也是 /goal 命令有效的原因。
True story: I stopped thinking about context since GPT 5.3 Codex Single project focused threads with the recent capabili...
向阳乔木@vista8本周六晚8点，姚老师在WaytoAGI进行第二次GEO公开课，主题为“GEO内容工程”。直播资料包括三份核心文档（操作手册、研究报告、实操教程）、两本推荐图书（《系统之美》《人人都该懂的工程学》）及三篇GEO相关论文。相关资源有GEO改写提示词、改写Skill及单篇内容GEO特征标注演示。开源项目包括GEO Skills、GEOFlow、Meta skill的GitHub仓库及课程PPT。
本周六(明天)晚上8点, 姚老师 @yaojingang 和我会在WaytoAGI给大家分享第二次GEO公开课。 主题是:GEO内容工程 链接:https://vc.feishu.cn/j/108720872 明天直播前5分钟进入就行。
Berryxia.AI@berryxia最近这几个月分享了太多关于Codex的玩法了,横跨了赚钱、自媒体、视频、记忆系统、APP开发上架、教程等多个领域,大家进行系统学习的时候,可以把这篇推文发给Codex,让它给你推荐阅读路径。 一、边玩边赚钱与实战变现 1. Codex进阶实...
AYi@AYi_AInotes推文指出，现在用AI做视频已变得极为简单，无需支付700多元的剪映SVIP。只需安装6个2026年最顶级的插件和Skills，提供安装链接，可直接交给AI Agent（如Claude Code、Cursor、Hermes、OpenClaw等）自动安装。具体链接和使用建议可在评论区自取。
http://x.com/i/article/2069352641423896576
歸藏(guizang.ai)@op7418AYi@AYi_AInotesKarpathy LLM-WIKI反转逻辑：人只筛选高质量资料并做最终判断，AI负责整理、链接、更新等脏活。三层架构（原始层、知识层、规则层）将资料编译成有机知识网络，让存量内容生长复利。核心是升级人与AI的分工。
http://x.com/i/article/2069352641423896576
jason@jxnlco本文介绍如何从 Hugging Face 流式加载 nvidia/Open-SWE-Traces 数据集，解析 openhands、sweagent 等智能体与 minimax_m25、qwen35_122b 模型的轨迹，标准化多轮对话，解析最终代码补丁并统计新增/删除行数、文件扩展名分布。构建分析 DataFrame 考察轨迹长度、工具调用、补丁规模、语言分布及解决结果。基于成功标签、MAX_SFT_TOKENS=32000 的 token 限制、语言过滤和补丁可用性，筛选高质量轨迹形成监督微调子集。
OpenRouter@OpenRouterdiff models are good at diff things, but how many of us actually compare them? you sign up for each provider separately,...
OpenRouter@OpenRouter@jjacky @OpenRouter 🫡 can confirm: it rocks.
向阳乔木@vista8http://x.com/i/article/2070045816782217216
meng shao@shao__mengZCode通过Cua插件接入开源Computer Use，agent可操作macOS：截图、读无障碍树、点击、打字，绕过Apple Events权限，改用CGEvent+Accessibility API。它自行计算7×6=42，并打开Chrome导航到微博和X。GUI正变成agent也能直接操作的界面。
OpenBMB@OpenBMB面壁智能社区开发者将MiniCPM5-1B部署于QNAP NAS（型号Qu605-N150-16G），内存占用低于2GB，通过Ollama集成至Cherry Studio作为本地LLM。借助NAS MCP协议，将文件管理、共享文件夹、语义搜索等系统能力暴露给外部Agent，实现安全本地数据访问。同时利用Qsirch索引将NAS文件构建为结构化知识库，由MiniCPM5-1B在设备端执行检索增强推理，完成摘要、问答等任务。展示轻量小模型从本地推理向系统级智能体+RAG组合演进的实践。
eric zakariasson@ericzakariassonEric Zakariasson 分享其AI智能体编程工作流：先设定可验证的完成标准（如模型评估分、测试全绿、p95阈值等），再将任务包装成循环——智能体反复修改、测量、保留或回退，直到达标、多轮无改进、思路用尽或遇阻。通过MCP和/notify向Slack发送通知，需要决策时主动联系人类。循环在云端运行，可同时启动多个长循环，并穿插PR、一次性调查等短任务。提示词模板用/loop驱动迭代、/notify保持更新。
AYi@AYi_AInotes新网站 freellm.net 汇总25家厂商共136个免费LLM，其中53个经API实时验证无失效链接。覆盖 DeepSeek V4 Pro、Kimi K2.6、GLM 5.1、MiniMax M3、Mistral 等，可按文本/代码/视觉/音频/推理维度筛选，上下文长度与速率限制一目了然。生成API密钥即可接入工具，适合开发测试和小流量场景，生产环境需自行评估稳定性。
http://x.com/i/article/2069352641423896576
AYi@AYi_AInotes作者将社交平台流行的“长寿五要素”（平静、睡眠、肌肉量、代谢、现金流）及抗衰补剂交给AI文献核查工具Apodex，后者跑了41分钟、翻了24篇覆盖千万人的队列研究。结论：核心方向没错但有三个漏洞——睡眠规律比时长更重要，肌肉力量比质量更保命，现金流需通过看病、饮食等中介起作用。被冤枉的体力活动（三千多万人Meta分析显示运动达标死亡风险降至0.69）和社会关系同样关键。补剂如白藜芦醇、维生素D等均缺乏人类硬证据。
本教程在 Google Colab 中从头搭建一个轻量级个人 AI 智能体，灵感来自 Nanobot 核心架构。从 provider 抽象出发，逐步实现工具注册、会话记忆、生命周期钩子、技能以及 MCP 风格的工具服务器，全部模块均可直接运行，无需 API 密钥。教程不依赖外部 agent 框架，而是自行构建核心模块，清晰展示消息、工具、记忆与模型响应如何在实用智能体循环中协同工作。
数字生命卡兹克@Khazix0918Hook 是 Claude Code 的触发器，可设置规则让 AI 自动执行操作，不消耗 Token。当前支持近 30 个 Hook 事件。文章整理了 6 种玩法：权限弹窗提醒、开机日程播报、上下文预压缩时生成摘要卡片、文件自动整理、久坐提醒，以及通过 Bark 工具向手机发送完成推送。
AYi@AYi_AInotes一本名为《XQuant：人人都是量化交易员》的开源量化书采用“问题驱动”设计：先写Spec让AI生成代码跑通策略，再补理论。全书用9个问题串联量化pipeline：量化怎么赚钱、买什么（3只ETF）、买多少（3种仓位分法）、何时买卖、如何回测、过拟合检测（第6章极早讲述）、实盘、改进、因子研究。正文与练习代码分开维护，每章提供现成Spec给Claude/Cursor生成代码，训练将模糊想法转为清晰任务描述的能力。
http://x.com/i/article/2069024565901119488
Claude Code 内置近30个Hook事件（年初仅13个），本质是写死的规则脚本，运行时不消耗token。6个实用玩法：权限弹窗提醒、开机日程播报（问候+天气+飞书日程）、上下文预压缩时自动生成摘要卡片、结合Skill自动整理下载文件夹、启动后每小时久坐提醒、通过Bark实现手机/手表任务完成/失败推送。让AI从被动聊天框变为事件驱动的自动化系统。
Hyper3D 推出 Rodin Gen-2.5，最快4秒生成百万面级模型，几何加贴图最快5秒，最高档可达千万面。新增 Bang to Parts 拆件功能，能理解物体结构自动分离零件，支持框选二次细分。原生3D贴图配合PBR材质，确保360度纹理连续。提供多档位，Micro微观模式可生成12k原生贴图还原皮肤纹理。配套3D ControlNet、3D Editing及DCC插件，支持已有模型加载再编辑。
AYi@AYi_AInotesHere's how I build beautiful UI using AI (My design workflow)
Meta 在 Privacy-Aware Infrastructure (PAI) 的资产分类中采用混合模式：先构建含代码、血缘、语义标注的上下文证据，再调用 LLM 处理歧义、冷启动和新颖资产；人工审核标签与模型推荐严格隔离。LLM 不直接做生产决策，其稳定行为被蒸馏为版本化确定性规则用于生产执行，LLM 角色随规则积累逐步缩小。核心原则：上下文比提示词更重要、解耦评估与优化、将稳定行为规则化。
jason@jxnlcoYesterday @jxnlco and I had a fantastic two-hour conversation that wandered through feature ideas, design philosophy, th...
ChatGPT@ChatGPTappAYi@AYi_AInotes推文指出90%的人用AI做UI方式错误，不应直接扔需求让AI随意生成。正确流程分五步：1. 收集灵感；2. 搭建设计系统；3. 生成组件令牌；4. 手动微调细节；5. 最后交给AI批量扩底。强调AI不是设计师，用户需自行定规则与审美，AI只做重复性脏活。附有@Rasmic的详细教程视频链接。
