Posts with #gitHub
Public posts on X that use #gitHub.
AYi @AYi_AInotesKarpathy 刚刚示范了什么是真正的个人超级生产力， 一个人加一个 Opus 5.5，两个小时内把四千三百万条讨论数据洗完，并且直接从零搓出一个完整上线的视频平台，真他喵牛逼，不愧是卡神！！ 而且未来的全栈开发到底长什么样？我觉得卡神已经给我们做了示范，这就是版本答案，不接受反驳hh， 背景是深度学习教育之神、Software 2.0 教父 Karpathy 嫌 YouTube 的算法推荐全是垃圾标题党，周末花了两个小时，让 Claude 扫完 Hacker News 二十年来四千三百万条讨论，搓出了一个专门看硬核长视频的网站 HackerTube。 整个产品没有任何登录门槛，连封面图都极其反直觉，它不要创作者精心诱导点击的浮夸封面，而是直接强制抓取视频正中间的那一帧画面。 二十年里极客社区反复筛选留下的六千四百多个硬核视频，全被提取成了纯粹的高密度长内容，这他喵的简直就是AI学习的宝藏啊卧槽， 但比这个网站更好用的是他的开发全流程， 整个过程他只在浏览器里做了三件杂事， 去谷歌云申请了一个 YouTube 的接口密钥， 租了一台服务器，买了个域名， 服务器开机之后，他把 IP 地址直接丢给 Claude， 说了一句去部署、加固安全并优化代码， AI 就把剩下的所有活全干完了。 以前一个需要工程师团队折腾几个星期甚至几个月的完整上线项目， 现在一个人在早餐时间靠几句对话就能全部搞定， AI已经不再是写代码的辅助工具了，完全就是把个人的想法直接编译成可用服务的最小生产力闭环，damn，真的牛逼， 原项目的体验地址、开源数据包和部署工作流整理在一楼，需要自取👇
govin.eth | G哥 @goan999999太神了！以后处理邮件真的不用一封一封看了！ 网易邮箱终于把 AI Agent 用到邮件处理上了！ 网易邮箱推出的 网易邮箱大师 Mail Agent，可以直接读取邮箱内容，通过自然语言指令，帮你整理邮件、提取重点，甚至是生成表格 对于一直深度使用网易邮箱的我来说，在手机上测试了一下，功能太实用了 邮箱里堆积了上百封邮件，可以直接让它帮你处理 1. 智能整理邮件：整理最近 7 天的邮件，自动归纳不同类型的信息 2. 识别重要事项：找出需要关注和处理的邮件，不用自己一封封翻 3. 生成待办清单：提取邮件中的关键信息，整理成表格 4. 区分轻重缓急：哪些需要马上处理，哪些只是通知，一眼就能看清 实际操作特别简单，打开网易邮箱大师，点击底部的 AI 按钮，进入 Mail Agent 对话页面，我在手机上直接输入了两句话： 第一句 「整理最近七天的邮件」 第二句 「哪些需要我处理给我整理成表格」 它就会开始分析邮箱里的邮件，并把结果整理出来。 另外，它还有固定记忆和个性化设置，可以逐渐学习你的工作习惯和输出偏好 而且 Mail Agent 移动端和桌面端都能使用 以前是我们花时间翻邮件、找信息、做表格，现在只需要动动嘴，把事情交给 AI 这才是 AI 真正融入日常工作后的样子！
AYi @AYi_AInotes梁圣牛逼，全体起立，DeepSeek 刚发布的这篇1.4 万字的Super-agent 技术长文强烈推荐，喵的终于把 Agent 最大的遮羞布扯下来了： 做不好往往不是模型不够强，而是人根本管不过来。 甚至说推翻了以对话框为中心的旧范式都不为过，核心就做了一件事：把人从管理会话的苦力活里彻底解脱出来。 很多人以为 Agent 落地的瓶颈在模型能力，DeepSeek 在文章里指出了真相：真正的瓶颈在人的注意力。 也就是说当单任务执行不再需要人盯，以一个对话框为基本单位的旧产品形态该被淘汰了。 大家默认以为大模型落地的最大阻碍是推理能力不够强，全网都在拼命卷参数、刷跑分，试图靠单个对话框包办一切。 但真正的分水岭从来不在单点智力，而在系统对人类注意力的极致释放。 一个正常人同时最多只能跟进 3 到 5 个活跃会话，如果系统永远把切窗口、催进度、理上下文的负担甩给用户，算力再高也只是个把人累死的玩具。 DeepSeek 给出的解法极其冷峻：彻底打碎单会话机制，搭一套长期存活的 Super-agent 架构。 前端常驻一个轻量 Router 只管对接多渠道派活，中间派生出上下文完全隔离的 Worker 专攻单点任务，老任务后续事件靠订阅直通直达负责人，再配上一个独立的 Watchdog 巡检死循环。 任务完成时间直接从单会话的 29.5 分钟压到 12.4 分钟，聊天软件里的回复甚至被焊死在 100 字以内，不该发声时绝不打扰。 这对所有做 AI 落地和业务管理的团队是一个极度清醒的提醒：未来的核心壁垒不在于模型多会答题，而在于谁能把混乱的会话调度降维成一条不用人肉盯梢的自愈流水线。
爱吃折耳根的Ace @_zheergen卧槽！FMZ 把积累多年的量化交易策略直接放上 GitHub，6K Stars、1.9K Forks！ 整个仓库超过 5800 个文件条目，趋势、网格、套利、资金费率、高频、期货、Crypto，连 TradingView 策略都能找到。 我以前写量化策略，光交易所 API、订单精度、手续费、滑点这些问题就能折腾好几天。 FMZ 直接公开大量现成策略的源码和交易逻辑，拿来研究、修改，再配合平台回测，省下不少重复开发的时间。 核心能力： 1️⃣ 策略资源丰富：趋势跟踪、网格、套利、马丁、均值回归等大量案例 2️⃣ TradingView 策略：Pine Script 源码，涵盖 EMA、RSI、MACD、Supertrend 等指标 3️⃣ 套利与对冲：跨交易所价差、三角套利、网格交易等实战思路 4️⃣ 多语言支持：JavaScript、Python、C++、Pine Script、麦语言等 5️⃣ 回测与实盘：结合 FMZ 平台测试收益、回撤、成交记录，还能模拟和实盘运行 6️⃣ AI + MCP：FMZ 平台支持 AI 辅助写策略、查询市场数据和调用回测工具 更实用的是，不少案例连下单、平仓、止盈止损的代码都给出来了。 想研究一个交易策略，直接看看别人怎么实现，再改参数、重新回测，比自己从零折腾效率高得多。 不过部分历史策略可能已经失效，实盘前需要验证。 做 Crypto 量化、TradingView 策略研究或者自动交易机器人的，这个值得收藏。 GitHub：
