学大模型最缺的不是理论，是能跟着敲代码的教程——尤其还得是中文的。
dive-into-llms 刚好补上这个空：上海交大张倬胜团队出的 11 章实战课，每章配讲义 PDF 加可执行 Notebook，从微调、提示工程讲到 RLHF、多模态、GUI agent，连越狱攻击和 agent 安全这种进阶内容都覆盖了。 GitHub 44.9K star，今天单日涨 654，说明真有人在用。 全中文，边学边改代码，不需要去看大量英文论文。
能不能在 Claude Code、Codex、Cursor 这些 coding agent 之间随便换着用还不丢上下文？
有人把这事做成了开源项目，叫 Portable Resume。思路挺干净：不是硬唤醒你原来那个 session，也不启动来源的 CLI，只是离线读一遍本机记录，整理出一份能带走的交接文档，扔给新 agent 接着干。 目前已经做到 8 个来源对 8 个目的端全覆盖。 想试的话，一条命令 pipx install portable-resume 就够了。
想同时给大陆直连、海外也能打开的项目站，别再死磕 Vercel / github.io 了。
我试下来最省事的是 Cloudflare Pages：域名长这样 xxxx.pages.dev。 节点常在香港，大陆直连多半能上；海外也稳。免费，还能绑 GitHub 自动部署。 Vercel、Railway、OnRender、GitHub Pages、腾讯 EdgeOne、自己买域名建站我都试过。 要「两边都能连 + 省钱 + 上手快」，还是 CF Pages。 不是最炫，是最省心。 懒人玩法：
每个新 session，Agent 都像失忆：项目背景、你的偏好、上次约定，全得重讲一遍。Token 就这么烧掉。
Obsidian Mind 是个开源小工具：给 Claude Code / Gemini 一类 Agent 加跨会话持久记忆。不用注册。 思路简单——记忆落在本地/你可控的结构里，而不是每次冷启动从零解释。 冷启动痛的人值得看一眼。
认知偏低时，日常常有这些典型动作——本质是缺多元视角 + 过度自我防御。
① 非黑即白 ② 用情绪代替逻辑抬杠 ③ 经验主义否新事物 ④ 达克效应：半懂装专家 ⑤ 贴标签简化世界 ⑥ 从不认错，全怪外面 ⑦ 碎片信息重度受害者 ⑧ 三分钟热度，拒延迟满足 ⑨ 只聊人事八卦，不聊思维格局 ⑩ 受害者心态 一句话：用最省力方式维持世界观稳定。 深度思考和认错很耗能，所以固执、反驳、简化世界。 你最难沟通的，是上面哪一种？
很多人以为美国 AI 核心只在 OpenAI 和 Anthropic。
我更看 Google。文本模型吃文字 token；世界大模型更吃视觉 token——数据量另一个量级，也更贴物理。 文本能服务的场景小于视觉理解；外挂多模态常常不划算。路线对了，榜会重排。
Codex 前端一般、又只能绑 OpenAI？开源 OpenCodex 在补这两块。
可切换 Kimi K3 / Grok 4.5 / GLM 等：K3 做前端，再切别的做后端，需要时换检索向模型。 闭源旗舰 vs 开源多模型路由——灵活度和成本结构不一样。
用 ChatGPT Sites 搭一个带登录的私有文件 Host
上一篇写了 ChatGPT Sites 怎么快速发一个网站（[链接](https://x.com/iluciddreaming/status/2078313581851083183)）。 这篇讲一个更偏工程向的玩法：**用 Sites 搭一个带登录的私有文件 Host**——可以上传、下载、浏览文件，也能用脚本把本地目录同步到站点。重点不是空间有多大，而是 Sites 把 **Workers +
一个 $16 账单，逼出了 6 万星开源爬虫。
Unclecode 被「付费开源」工具激怒，几天写出 Crawl4AI：免费、无限次、本机跑，比 Firecrawl 快约 6 倍。 适合谁： · RAG：爬文档喂模型 · 竞品监控：自动抓价格 · 学术：爬论文转结构化数据 月费 0 元 vs Firecrawl $19–500。你付钱，还是花几天自己 build？
玩 Multi-Agent 大半年，我仍坚持：
LLM 可替换；Architecture 可替换；Harness 可替换；IDE / Skill / Knowledge 都可替换。 值得长期养的，是 Identity / Memory——你是谁、做过什么、偏好什么。 工程上也一样：记得住上下文，才谈得上持续协作。
Code review 最烦的，常常不是模型不会写。
是你只改一个 function，它仍把半个 monorepo 重读一遍——token 烧掉，判断还飘。 code-review-graph 先把函数、class、import、调用建成图，再摘出 blast radius。 README 例子：大 monorepo 可少读 2.7 万+ 文件，只留约 15 个必要文件；2900 文件增量重建可在约 2 秒内。 接在 agent 前面，省的是上下文噪
想给已有产品做一个官网，又不想花大钱请人？
如果你已经订了 ChatGPT / Claude，其实可以自己动手。 五步最省钱路径： 1) 让 Codex / Claude Code 按你的产品做出站 2) 代码同步到 GitHub 3) Vercel 绑仓库，自动部署 4) Cloudflare 买域名（通常一年很便宜） 5) 自定义域名 + DNS（卡住就让 AI 带你点） 也可以一句话合并： 「我有 XXX 产品，要做营销站，无后台，帮
腾讯 WorkBuddy 产品负责人汪晟杰说：
每个 App 背后都该有对应 CLI；有了 CLI，大模型才能直接调。CLI 不是目的——是为了让模型理解系统，调用时不必绕 GUI。 GUI 的颜色和按钮是给人看的。让 Agent 等页面加载、点按钮，是绕远路。命令行和结构化数据，对它直接得多。 入口若变成 Agent：人 ↔ Agent ↔ CLI ↔ 软件。
一个 $16 账单，逼出了 6 万星开源爬虫。
Unclecode 被「付费开源」工具激怒，几天写出 Crawl4AI：免费、无限次、本机跑，比 Firecrawl 快约 6 倍。 适合谁： · RAG：爬文档喂模型 · 竞品监控：自动抓价格 · 学术：爬论文转结构化数据 月费 0 元 vs Firecrawl $19–500。你付钱，还是花几天自己 build？
Craigslist 不是美国拼多多，它往下挖出了另一种东西
有家长期赚得很肥的公司，网站点开像浏览器坏了：几乎没图，密密麻麻全是蓝字链接。 这就是 Craigslist。页面从 1990 年代末起几乎就不怎么改，不做展示广告，不想上市，团队极小，却长期是美国人找房、找工、卖旧货时会打开的地方。 很多人用硅谷尺子量它，量完只剩问号。换一把尺子就顺了： **它不是不会往上做，是整家公司趴在下沉里吃饭；它的「奇葩」——不改版、利润不做满——不是性格缺陷，是护城河
我被工程师思维限制了十几年。
它听起来是优点：逻辑、严谨、做得出东西。 商业角度看很可怕——工程师这辈子在证明「我做得到」。 需求来了：拆解、实作、验证，然后爽一下「你看我做到了」。 AI 时代这爽感贬值：你做得到，AI 也做得到，不会写码的人用 AI 也做得到。 我花几个月严严谨谨做了件「没人拜托我做」的事——以为在做生意，其实在给自己鼓掌。 市场在屏幕外。先找愿意付钱的人，再证明做得到。
AI Agent 开源教科书，GitHub Trending 日榜第一，单日 +1700 星。
《深入理解 AI Agent》：记忆、RAG、MCP、多 Agent、强化学习到 Coding Agent，附 PDF 和每章代码。 Python，学理工程并重。开发者建议收。
TLDR offline：让 Agent 直接画图。
离线 tldraw + skills + SDK，跟 Agent 画架构图、流程图。 不是再截一张草图——是画板本身可被 Agent 驱动。
一个 Skill，让设计秒变苹果味。
设计工程师把 WWDC 演讲压成 17 条原则，打成 AI Skill，GitHub 破万星。 塞进 Agent：字体层次、间距比例、色彩对比，按苹果语言审稿。 同一个按钮，调前后差三档。差的不是素材，是原则。 免费开源。
用 Agent 在 LinkedIn 帮你找工作。
开源 linkedin-mcp-server：Chrome 扩展拿 session，Agent 直接搜岗位，还能改 headline 提高曝光。 自己架在本机，权限在你手里。 Headline 怎么写 LinkedIn 风，网上有 skill 可抄。
现在和未来要做的几件事：
1) 长期定投纳指或标普 500 2) 部署自己的大模型和 Agent 3) 深耕一个领域，别什么都学什么都不精 4) 尽早规划发达国家居留路径 真正重要的资产：资本、模型、个人能力、全球流动性。 补充：深耕要选替代性低的创造性工作；会计这类在 AI 时代复利偏低。
open-slide 的 Morph Transition 正式发布了。
以前 Keynote 的 Magic Move 最香：自动认前后页相同元件，做移动缩放转场，演示立刻专业一截。 现在跟 Agent 说一句「我要 Morph Transition」，内置 skill 就会教它怎么生成。 框架不是替代 Agent，是给投影片特效搭脚手架——Codex / Claude Code 照样驱动。 GitHub：https://github.com/1weiho/open-
普通人如何杀出底层？不靠鸡汤，靠这几条：
1. 删落后价值观，重建商业思维 2. 尽早学会赚钱，而不只会上班 3. 不依赖父母，对自己负责 4. 死磕一项能长期变现的技能 5. 第一次创业，成本越低越好 6. 少娱乐，多把时间投给未来 7. 进一个行业先摸透门道，再创业 8. 想赚普通工资就过普通生活；想赚大钱就得承受更多风险 9. 少内耗少攀比，精力放在创造价值 10. 多研究优秀企业与商业模式，抬高认知
你永远赚不到，你认知以外的钱。
赚不到钱，多半不是更努力就能解——是脑子里的「操作系统」该升级了。 1) 赚钱反人性：克服懒、犹豫、玻璃心，去做不舒服但正确的事 2) 信息差是快通道：你知道别人不知道，才能赚认知外的钱 3) 别只羡结果，拆过程与节点。复制过程，才可能复制结果 4) 普通人逆袭拼选择，不只拼努力。风口下方向比对更要命 5) 合法掠夺叫商业：注意力、时间、认知 6) 三层：体力 → 脑力 → 系统与资产。你在哪层，
AI出图总像广告？抄这组极简Zine海报提示词
用 AI 出海报，最常见的翻车是两种： 一是**太满**——主体铺满画面，像电商主图。 二是**太炫**——电影光、霓虹、3D，像宣传片截帧。 最近刷到一个开源 Codex 专用技能包（skill）：[gc-minimal-zine-poster](https://github.com/LiamGvchi/gc-minimal-zine-poster)。它做的事很窄：把一句话、一个物件、一种情绪，
LangWatch：给 LLM 应用加一层眼睛。
开源，主要做两件事：分析你的 LLM 使用情况，帮你优化 prompt。对做 AI 产品的人来说，这类工具基本上是必备的——没有它，出了问题不知道从哪查起。 3.4k Star，还在更新。
用一个 Skill 就能在本地微调 Gemma？
Google 在 gemma-skills 里加了 gemma-trainer：单 GPU + Unsloth，SFT/DPO/奖励建模都能走；还支持多模态，训完可转 GGUF 部署到手机/IoT。 更省事的是跟 Agent 的整合——自然语言下指令，不用自己拼训练流水线。
你的 Kindle 能跑微信读书了
先说三件事，帮你搞清楚这篇文章在解决什么问题。 **第一，Kindle 的硬件是真的好。** 屏幕素质、手感、续航，在墨水屏阅读器里是第一梯队。如果你把它和国产阅读器对比，硬件体验基本上是一个量级的。Kindle 的问题不是硬件，是软件——它是闭源系统，不能随便装应用。 **第二，微信读书是腾讯旗下最不被骂的产品。** 书库大、更新快、有会员、有划线同步、有阅读统计——用过的人很少不续费的。它还有
用 orchestrator 搭了个「办公室」，让订阅里的几个 Agent 能互相说话。
不用串 API，纯烧订阅 token。 互相监督干活——只希望它们别搞小团体。 Agent 协作不一定要先上复杂编排：订阅额度 + 一个协作层，有时就够玩出多角色。
北京一家饺子馆有自己的 Skill：金谷园饺子馆.Skill
能排队、取号、看进度。 线下去吃完，还能凭桌号在前台领 Token。 营销很聪明。更值得想的是：Skill 很可能蚕食小型 App / 小程序的入口——大模型 Agent 会变成新的流量前台。