Alan-_-Jackson @Alanjackson883

前一段 Loop Engineering 不是很火么，不过真做好的也不多。 知名开源开发者 yetone 在 X 上公开了他维护 Magpie 的工作流：用 Claude Code 加官方的 Opus 5.5 模型，同时开 3 个 /loop 循环任务，让 AI 自己盯 GitHub issue 和 PR、Discord 社区和推特反馈，修 bug、加功能、发版、回复用户。他自己每晚抽一点时间“铲铲屎”，主要处理 UI/UX 问题，“然后就没活儿了”。 他自己说这套流程“没有任何的魔法，甚至还特别简陋”。 【3 个循环任务分别干什么】 /loop 是 Claude Code 自带的命令，让同一段提示词反复执行；不写间隔时，由模型自己决定多久跑一次。这个命令 Codex 也支持，其他的我没测试，估计也差不多。 yetone 截图里的 3 段提示词都没写时间间隔，我自己去 Codex 跑了一下，默认是 1 小时。 简单解释一下他这三个循环。 第一个循环：管 GitHub 和 Discord。 指令要求 AI 盯 GitHub issue，判断哪些值得修、值得做；修完要发版并回复提问的人，不值得做的也要回复。有一类 issue 单独规定了统一话术：如果是“中转站”来打广告，统一回复“感谢关注，日后会出相关合作方案，敬请期待”，不能直接把第三方中转站加进产品。 对 PR，指令要求逐行看代码、看逻辑，再把代码拉下来实际跑一遍，确认没有 bug 才能合并，否则回复或关掉。指令里写了原因：“我怕有的人提的 PR，是无脑用 Coding Agent 乱写的，自己都没测过。” 指令还要求 AI 实时盯 Magpie 的 Discord 服务器，所有频道一个不漏，有价值的反馈就去修或加功能，值得讨论就继续讨论。最后专门叮嘱：在 Discord 里要真正 @ 到人，只写名字对方收不到通知。 第二个循环：管 X/推特 的用户反馈。 盯推特上关于 Magpie 的反馈，有价值的建议或能复现的 bug 就去做，上线后回复那条推文。这段指令要求先用便宜的“决策模型”，比如 Jev，判断推文是不是在说 Magpie、是不是反馈，不相关的直接丢掉，别转给主模型，“不然太浪费 Token 了”。 【注：Jev 是 TypeSafe AI 推出的模型，只做判断题、选择题和打分，输出概率或分数，不生成文字。官方定价是每百万输入 Token 0.042 美元，输出免费。】 顺便说一下，如果你的产品名或者要关注的事比较稀有，不一定需要 Jev，他之所以加，是因为 magpie 在英文里是“喜鹊”，按关键词抓推文会抓到大量无关内容，全丢给 Opus 判断很费钱。 第三个循环：清理和总结。 这段指令开头写着“现在 magpie 完全是自动化更改代码和合并社区里的 PR”，要求 AI 定期清理“屎山代码”和恶意代码，防止项目变得难以维护；同时把经验教训写下来，比如哪些 PR 不该合、哪些验证不够严密，留给以后的 AI 参考，避免重复犯错；还要把总提交低质量代码的人拉进黑名单。 【作者补充的两点】 发完截图后，他在两条回复里补了两点。 一是给 AI 真实的运行环境。他准备了一台 Mac 和一台 Windows 电脑，再在 Windows 上开一个 Linux 虚拟机，三个系统的复现环境就齐了。AI 每次都要在这三端真实复现 bug，再去修。 二是 AI 怎么做出符合他心意的决策。他说靠的是 Claude Code 的记忆系统和仓库里的设计文档。开发 Magpie 之初，他和 Claude Code 讨论、头脑风暴了很多内容，这些都被记进了记忆文件。之后遇到要拍板的事，或者涉及审美偏好的设计，AI 会参考这些记录，做出跟他比较一致的选择。 【总结下】 他把维护项目的日常活拆成了 3 条流水线，每条只管一个入口（GitHub、推特、代码库本身），各自循环。人只留下 AI 做不好的部分，也就是 UI/UX 的审美判断。 当然要跑起来得有几个前提： 1. AI 能在真实的三端环境里跑代码，验证结果靠实际运行； 2. AI 手里有他早期写下的偏好和设计文档，知道他会怎么选； 3. 犯过的错被写成经验，下一轮的 AI 能读到。 提示词都是大白话，篇幅主要花在边界情况上：不值得修也要回复，中转站广告怎么回，Discord 要真 @，不相关的推文别浪费 Token。 有几个特别要注意的点： 1. 先把验证环境搭好，再让 AI 干活。AI 改完代码说“修好了”没用，要能在出问题的那个系统上跑一遍。你的项目只跑在网页或服务器上，一个容器可能就够；要多端的，就像他一样把每一端都备齐。 2. 在提示词里写清楚“遇到这种情况怎么办”。他的三段指令里，大部分字数花在例外处理上。你让 AI 自动回复用户之前，先想想会有哪些奇怪的来信，提前定好处理办法。 3. 用便宜模型挡在前面。先用一个几乎不要钱的分类模型过滤一遍，只把真正的反馈交给贵模型，这个做法几乎任何监听类任务都能用。 4. 让 AI 自己总结教训。第三个循环要求把“不该合的 PR”“验证不严的地方”记下来，下次的 AI 读到就会更谨慎。这相当于给 AI 建立了一个自我迭代优化的循环。 5. 项目早期多花时间和 AI 聊设计。他说 AI 后来能按他的偏好做决策，依赖的是开发初期那些讨论被记进了记忆和设计文档。想让 AI 少问你，就先把你的想法写下来让它记住。 仅供参考，重要的是学习思路，不必一模一样的照搬。

yetone @yetone

2 weeks ago

很多人想让我分享一下工作流，我一直没想好怎么分享，因为其实我没有任何的魔法，甚至还特别简陋，总觉得分享出来毫无意义。其实我就是用 Claude Code，然后用官方的 Opus 5.5 模型执行 loop 就可以了。 我会并行执行图里的 3 个 loop，然后每晚抽一点时间铲铲屎（主要是 UI/UX

keyboard_arrow_left Previous keyboard_arrow_right Next

344 372 3K 458K 4K

Claude Opus 5.5 could turn a single AI bot into an entire motion design studio. It can direct scenes, animate product interfaces, render videos, catch visual mistakes and deliver polished results. In this article, I show you how. x.com/i/article/2111…

刻意一个月不看 AI 的消息。结果似乎没错过任何。 这期间自己破圈到我眼皮底下的工具，比如 jev、Muse、Grokbot、REA，我更关注的是人们真正拿它做出了什么（生产级的/能赚钱的）东西，而不是玩具。回溯了一轮积攒的信息，大概不到 5% 的公开内容是此类真有价值的。 至于自己破圈到我眼皮底下的产业动态，比如唱衰世界模型、炒作 Personal AI、模型投毒实习生融资被挂，仔细想想，与我何干，与你何干，但凡最终不是想从美元资本那边一轮轮要钱讲三五年故事的，根本没必要占用自己的信道。 还有任何告诉你如何用大模型更省钱的教程。但凡不是指数级别的，只是省个仨瓜俩枣，也不值得看。因为照着搭脚手架会耗费一轮精力，等模型进化/降价/有替代方案后，拆脚手架又会耗费一轮精力，还可能不慎把系统搞崩，搭进去额外精力，得不偿失。 教人用 AI 做自媒体、开发工具软件的，我也不爱看了。这都是个供应过饱和的时代了，在供应端发力是内卷游戏，应该去研究社会民生的风向变化和市场端的趋势机会。 各种花里胡哨的 AI 交流会、黑客马拉松的总结，也别看。同行扎堆、缺乏门槛的线下活动，本来就不可能真有干货（有些名声大噪的收费社群的线下 AI 活动的内容，其实也就那样），再用 AI 写稿选一些发到线上来引流，能有什么好东西呢，都是些言过其实的光鲜包装。 出了啥新模型，评测下来如何，不用第一时间看。等一两周，出更多案例后，从大面儿上统一看（用 Grok 看 X 的民间评价更靠谱）。 国外大公司的老板说了啥，中高层怎么看待 AI，PR 内部怎么使用 AI，也大可不看。原因不用解释。这些东西只有线下开收费课，作为开场环节给台下老板们高屋建瓴一下有用。 哪个资历不错的行业明星 / 大佬 / 小天才又融资了，做啥方向，编出一个什么创业方法论 / AI 预判，不值得看。你问问他们自己信不信，再看看三个月后、半年后他们还在坚持吗。 综上，值得筛选流入到眼皮底下的 AI 内容不多。能直接指导行动的很有限。 BTW，这一个月我的自研系统还是在持续流入 AI 类内容，并没有叫停。但我找到了妥善利用它们的其他姿势。我不再关注信息的时效性和信息差本身，而是评估其他人对信息的反应，从而牟利。

@aiandcloud 期待 好想用 一键三连了

感谢大家的支持和热情，一下子就又到了例行的抽奖环节了 （我的习惯是每次破整数来一次） 送一个月我自部署的 DeepSeek。一键三连，下周三开奖。😁 PS：其实没啥额度限制，但为了防滥用，以及不影响我正常体验，我会设置并发 1，先按谷价给它先设置个 $200 的额度，用完我再加。

@aiandcloud 想买

今天又发现新加坡开公司的一个非常巨大的优势：可以同时做中国和海外的生意。 比如你要上架一个 App，只要里面带了付费、AI 或评论，就必须要 ICP。境外主体是无法获得 ICP 的，你需要额外在中国注册一个 WFOE（外商独资企业），手续非常繁杂，而且要花很多钱。 但是，新加坡跟中国有一个「沪新跨境数字身份认证」，你只要有一个新加坡公司，网上扫个码，两天后你的 WFOE 就办好了，不需要本人到，不需要寄信，全程线上完成，只需要支付 e-Apostille S$10.70 即可。 哦对了，新加坡开公司也全程只需要网上填写，我全程让 Claude 帮我填表，15 分钟，S$300 一个公司就创建成功了。 即使是香港公司，也没有这么快捷的双向数字认证... 新加坡真的是全世界最适合创业的国家。

这个牛逼！用Opus5.5做数学，物理视频，现在能快 90 倍 🚀 介绍ManimGX：兼容Manim 的语法，但是底层引擎改成了Rust + GPU 的引擎，36 秒 1080p60 视频，3 秒渲完！ 我之前用Manim制作了很多数学视频，缺点是速度比较慢，现引擎换成Rust后，实测速度的确快了很多！ github.com/academa-labs/m…

Sina Atalay @sinaatalay

2 weeks ago

Introducing ManimGX, the 3D animation engine for agents. - Blazingly fast: 90× faster than ManimCE - Rust + wgpu core - Compatible with Manim's Python API - Lightweight: one pip install, no system dependencies Open source: github.com/academa-labs/m… Docs: manimgx.academa.ai

96 308 3K 258K 5K

요즘 쇼츠 자동화가 핫하길래 재미 삼아 하나 만들어봤습니다. 클릭 한 번이면 유명 쇼츠 채널 여러 개를 분석해서 최근 90일 동안 조회수 잘 나온 영상들의 편집 패턴을 학습하고, 그걸 바탕으로 쇼츠를 자동 제작하는 방식이에요. 하루에 여러 개씩 예약 업로드하는 기능도 넣어뒀습니다. 아 그리고 Clef Omni 꼭 한번 써보십쇼. 진짜 좋습니다 ㅋㅋ 그럼 전 다시 게임 만들러 가볼게용...!

Claude Code CLI 目前最佳用法。 效率、質量、心流甜蜜度都會起飛。 你是主 Agent，拆解任務、分配子Agent。 子 Agent 規則 ： - 不 build、不test、不typecheck。 - 早提交、早返回。 主 Agent 負責任務管理、衝突解決、測試和整合。 拆分工作時，遵循工程管理技巧。 調查優先，按覆蓋面拆分。 子 Agent worktree、中間編譯產物，必須及時清理。 至於我為什麼現在總是打繁體字。因為我是一個旅居法國的台灣人。

人只会为三样东西付费，而且只有这三样 第一，解决方案。 只要能帮他们把问题消灭掉，人们愿意付任何价钱。痛苦、困惑、债务、体重、压力、孤独、无知——如果你的生意能消除一种真实的痛苦，人们就愿意付给你高得离谱的钱，求你把它解决掉。 第二，人们为便利付费。 世界上最赚钱的公司，并不是最创新的，而是最方便的。这场游戏的全部要义，就是把事情做得更快、更省事。 第三，体验。 人们愿意砸下多得夸张的钱，只为获得一种在别处得不到的感受。体验越是触动情绪，价格就越高。 人们付费的就是这三样东西：解决方案、便利、体验。 所以真正的问题不是"我的产品好不好？"，而是：这三样里，我卖的到底是哪一样？以及，在我这个领域里，我是不是做得最好的？ 如果你不能用一句话回答这个问题，你的客户也答不上来。 想清楚：这三样里，你卖的是哪一样？还是三样都在卖？

AI 时代 注意力才是自己最大的财富 看了@turingou 最近的一个采访，感受很深。AI 时代到来之后，很多东西全部变了。 人的注意力变得越来越稀缺，注意力是每个人自己最大的财富。 •对不重要的事情进行过滤和剪枝，专注的第一步不是决定做什么，而是决定不做什么。在三个维度上进行过滤：信息（过滤和营销的内容）、社交（远离消耗你的人）、情绪上保持正能量 • 找到自己的擅长的事情和喜欢的事情。你觉得像在玩、别人看着像在吃苦的事 •每天要有定期的深入专注的时间，深度学习深度工作 •复盘非常重要，每晚5分钟复盘有没有偏离主线

Boris演示了用Opus 5.5做一个交互式网站，效果不错，prompt也很简单 重点是“多用 token，不断打磨，直到你自己满意” prompt翻译：“最新一期关于 Home Depot 的 Acquired 节目真的太精彩了。我想让你做一件作品，完整讲述这一期的内容。做得精美又有互动性，重点传达节目中蕴含的商业智慧。一定要做得出色，多用 token，不断打磨，直到你自己满意。也许可以加入水彩插画和历史照片，整体风格参考《纽约客》或《纽约时报》的数据可视化，但要更胜一筹。我觉得你可以用 OpenCV 来制作水彩风格的图片”

Boris Cherny @bcherny

3 weeks ago

I asked Opus 5.5 to make an interactive website companion for the latest @AcquiredFM Home Depot episode. It came out pretty nice! Water color illustrations all drawn by Claude, too: claude.ai/artifact/RdE6u… Episode here: acquired.fm/episodes/home-…

130 88 2K 312K 2K

有一种观点认为，人类会朝两极分化：大部分人继续沉迷于 AI 生成内容和“奶头乐”产品，小部分人则会借助 AI 极大丰富自己的创造力。 我觉得还有第三种观点值得认可：这种技术的加速主义会导致越来越多的大众开始思考，在很长一段时间之内，他们人生中真正值得去做的事情。所以最终，这反而会加速“奶头乐”产品的灭亡。AI 生成短剧就是一个比较明显的例子。如果在一个完全竞争的市场当中，制造 AI 短剧的成本越来越低，最终会往两个方向发展： 第一个方向是大量低内容、低质量的 AI slop 类型短剧。这种短剧很显然在火爆一阵子之后会彻底沉寂，因为内容的极大丰富实际上在提升所有人的审美（或者审丑）水平。 当然，我们也会看到一小部分创作者使用 AI 去创造很多优秀的、在现实社会当中不存在的精彩剧本。我觉得这一部分内容创作者的群体会越来越大，可以说是从零增长为一个不容忽视的内容分类分野。

用ai解决问题的各位，几个坑： 1. 除非你在大厂或者你是极其牛逼的程序员，否则不要自己搭建harness，第一没人付费，第二很快你的harness就用不到了（我自己写了token计算器，任务完成的响铃，自动开发的工作流，现在狗屁不用了） 2. 不要开发工作流！工作流就用大神的就好，superpowers，matt pocock（我自己写过一个文档驱动的工作流，打磨了一个月，屁用没有） 3. 不要做给程序员使用的工具，程序员不会付费！他们除了会给大模型厂商付费，其他的他们都能自己复刻出来！ 另外，如果你要解决痛点，解决 命运级的痛点，不要解决工具集的痛点。命运级的痛点就几个：孩子上学，父母生命，结婚，找工作，搞钱。就这么几个场景，没了！

看了一期 Starter Story，大意是讲如何 copy 人家的 idea 的，嘉宾 Samuel 以前是配镜师，跟着 YouTube 自学写代码，现在 3 个 SaaS 月入 3.5 万美元。 他的方法说穿了就一句：只做已经有人做成了的产品。 他挑点子有四个条件： 1. 自己会用 2. 已经被验证能赚钱，比如推特上有人晒 MRR、Stripe 截图 3. 对方没在营销上砸大钱，说明需求是真的 4. 产品够简单，一个人维护得了 最有意思的是他验证的方法：用 Ahrefs 查对方的流量从哪来。 主要靠广告的最好抄，你投一样的广告，一周就能有流量。 广告和 SEO 都有的，说明需求强。 主要靠 SEO 的最难，要熬时间。 他的 AI 视频工具就是这么来的：看到有人晒做 faceless 视频工具的收入，一查流量全来自 Facebook 广告，就照着做了一个，投广告，后来做到月入 2 万美元。 反过来，他第一个产品没用这套方法，做邮箱查找工具，正面撞上 Apollo 这种大公司，维护得特别痛苦。 当然，他复制的是被验证过的需求，不是别人的代码和设计。 他说最让他意外的一点是：根本不需要创新，简单无聊的工具最赚钱。 我自己的感受是，很多人做独立开发，总想找一个没人做过的点子。但对一个人来说，做一个已经被验证过能赚钱的东西，比起自己凭感觉写了个 app 然后却不知道卖给谁以及如何卖更实在。你们觉得呢？

说一下我今年聊到的这些老板吧。 从年营收百万，到千万，到亿，到十亿量级的，今年都稍微深一点地聊过。样本很小，所以下面这些只能算个人观察，不算结论。 1. 结果越大的，当年花在电脑前的时间越少，花在见人上的时间越多。 我发现挺一致的。越往上，他们讲自己怎么起来的，讲的几乎全是人和事，不是工具和方法。 2. 结果越大的，对营销和获客的执念越小。 这个跟当前时间线上的风气正好是反的。 现在的默认设定是：产品随便做做，营销和获客是命门，缺什么喊什么。但我聊下来，越大的越不这么想获客对他们是个可以解决的事，产品和服务反而是不能出错，或者造成差异化壁垒的那部分。 而且产品这条线还有个转折，早期对产品要求高，到了后期反而又降下来。因为那个阶段他看的已经不是产品了，是资金利用率，是资源怎么操盘，是链条整合等等。 所以我的感觉是，现在X上这股轻产品重营销的风，矫枉过正了。 3. 结果越大的，当年一天睡不到四小时的那段时期越长。 4. 结果越大的，对钱的看法越不一样。 小生意聊的是营收多少、利润多少。到了某个体量以上，他们默认在聊的是资金利用率、现金流、这个资产能不能再融一次出来。同一笔钱，在两种人眼里根本不是同一样东西。 这东西就和下棋一样，棋力越高，后面的步数看的越远。 5. 结果越大的，当年越没有什么豁不出去的。 不是因为拉得下脸面，而是知道业务的优先级最高，而很多时候，其实是没有退路的。 6. 结果越大的，当初的第一性越不是赚钱。 很多人其实没说过“我要赚一百万、一千万、一个亿”这种话。钱是业务跑顺了之后的结果。 所以他们不会出现那种，看到 outbid 几天赚了十几万美金，就一窝蜂扑过去的情况。不是他们看不上，是那件事跟他们做的东西没关系。他们的第一性是搭一个业务、一个资产。 7. 结果越大的，越是自己在第一线试新东西。 8. 结果越大的，对行业的理解和上下游的绑定越深。 护城河基本全在这。没有谁是天资过人，或者产品独一无二的。 我以前觉得人就是几年赚到一辈子的钱。但我认识的赚到大钱的，几乎都是一个业务做了十年以上。 想明白了也不冲突。赚钱的那“几年”确实存在，但它可能发生在第八年、第十年，不一定是第一年，第二年。前面那七八年不是在等风口，是在亏钱、在熬、在把上下游一根一根绑上。等到那几年真的来了，别人接不住，他能接住。 所以不是“和时间做朋友”这么轻松。是前面那段没结果的时间，长到大部分人根本熬不到那个点。所以留在牌桌上，永远很重要。频繁换桌，或者东一榔头西一棒子，把创业当彩票做的，其实拿不到大结果。 我做了一个业务量级评估玩具，按照我当前的情况，我只配年入10万。所以我说我现在的收入，是运气+AI红利的结果😅。 claude.ai/code/artifact/…

Claude Code 的账单能砍掉七成 开源工具 pxpipe，思路很野 把 system prompt 和工具文档渲染成 PNG 图片 再喂给模型 图片 token 按像素算，不按字数 2.5 万 token 的内容，2700 token 塞下 作者实测：一次会话 $42.21（约 300 块）干到 $6.06（43 块） 本地跑，一行命令就行 npx pxpipe-proxy 模型厂商按 token 收钱，收得越狠 这种歪招就越香 重度用户先码住 github.com/teamchong/pxpi…

x.com/i/article/2104…

墙内能有这种思想的人真不多了 抖音那边已经下架了 大家且看且珍惜