jessen @JessenPan

好牛逼的文章，太太太干了，让我感觉没有什么是代码做不出来的，如果有就是模型还不够强，Opus5.5这波真赢麻了😅 Opus 5.5 尽管不能直接出视频，但它写代码（Canvas、WebGL、Three.js、Remotion），把每一帧画面画出来，拼成 MP4 好像更好诶 1、Dribbble 级的 UI 动效与产品演示（HTML + CSS + SVG） 让它用弹簧公式算动画，用 Python 提前抓音频节拍，鼠标光标每一次点击和拖拽都踩在拍子上，界面变形丝滑到离谱，直接干翻传统的 AE 调关键帧。 2、电影感 3D 与显卡质感（Three.js + WebGL 着色器） 完全不用下载任何模型文件，代码直接在空间里搭出 3D Logo、粒子云、老电视扫描线和胶片颗粒，镜头还能 360 度推拉摇移。 3、终极商业短片打法：视频模型 + 代码包装 人物或写实动作交给视频模型（比如 Grok 出绿幕人物），背景、3D 动效、文字排版、分屏全交给 Opus 5.5 写代码抠像合成。写实与可控全都要，这才是目前最成熟的商业成片方案！ 4、几分钟的完整科普长片（Remotion 框架） 在 Claude Code 里直接用 Remotion 编排多场景分镜，配上 TTS 语音和代码合成的配乐，几千帧动画完全自主跑通。 苦等视频大模型的一致性和精准控制，结果真把高质感商业动效、UI 演示和科普短片门槛干爆的，是写代码的 Claude Opus 5.5！！！ x.com/prasenx/status…

xilo @xilo2991

2 days ago

x.com/i/article/2104…

46 160 904 148K 2K

x.com/i/article/2105…

Give your app real-time decision-making with Decisions API, powered by GPT-6 Luna. Define questions and possible answers to classify content, route requests, or choose an agent’s next action. Available in limited preview.

用 Claude Opus 5.5做了一个视频，教你如何用Claude Opus 5.5 做动画

x.com/i/article/2104…

卧槽兄弟们，Opus 5.5 简直就是掌管 AI 自动化做视频的神， 做这种高信息密度的知识科普视频，它真就手拿把掐，都不用复杂的提示词，直接几句话口喷你的需求就行， 我让它做了一条什么是稳定币、为什么稳定币能稳在 1 美元的科普视频， 出来的效果真的太炸裂了，动效、音效、画面节奏，1 分 38 秒全程拉满， 建议直接全屏戴耳机看视频，连平时不碰 Web3 的小白都能秒懂。 其实稳定币的底层逻辑，视频里用一个比喻就讲得极其通透： 你可以把它当成大超市的实体购物卡，或者商场的存包凭证。 你给发卡公司 1 美元现金，公司把它锁进银行保险柜，顺手在链上给你打一张写着 1 美元的数字小票。 只要公司承诺见票即付，你随时拿小票回去，它就老老实实退你 1 美元现金。 如果市场上有人着急用钱，0.99 美元便宜甩卖小票， 立刻就会有精明的搬砖党在市场上大量扫货，转头找公司按 1 美元全额赎回，净赚差价； 如果市场上抢着要，价格飙到 1.01 美元， 公司就会开动印钞机收美元发小票，压平溢价。 两头套利大军一夹，它的价格就永远死死钉在 1 美元附近。 搞懂了这个，你就明白为什么比特币不能当钱花，而稳定币可以： 比特币像拍卖行里的古董名画，价格全看下一个买家愿意掏多少，今天能买一辆车，明天可能只够买个轮子； 而稳定币是兑换券，它的价值不靠信仰，靠的是保险柜里的美元真金白银。 到了现在的 AI 时代，这套机制直接变成了数字世界的水电煤。 住在云端的 AI Agent，没有身份证，办不了银行卡，更不可能去柜台排队填跨国电汇单。 当它需要买算力、调用其他 Agent 的 API、或者跨国买一段代码时， 秒级到账、跨越国界、价格恒定的稳定币，就是 AI 经济天生的数字血液。 但以前用稳定币，对普通人来说简直像在排雷： 一长串乱码一样的钱包地址，选错主网钱就彻底蒸发，还得先买点以太坊当燃气费，每一步都在把人往外推。 现在像 OKX 这种头部平台，开始把这层复杂的底层技术彻底收进后台了： 他们做的 OKX Pay，直接跑在自家的 X Layer 网络上， 支持 USDT、USDC 和 USDG， 转账不用再背那一长串地址，扫个二维码、选联系人或者甩个收款链接就能转， 给其他 OKX 用户转账不额外收手续费，最后用生物识别通行密钥确认一下就完事，体验直接抹平到了像发微信红包一样顺手。 当然照例泼盆冷水，必须搞清楚背后的边界： 稳定币稳的是兑换承诺，但它绝不是受政府保险保障的银行存款， 你的资金安全，既取决于 Tether、Circle 这些发行方有没有老老实实把美元资产存够，也取决于你放钱的平台本身够不够稳健； 而且各地的监管政策不一样， OKX Pay 的具体功能也是按地区开放，以你自己 App 里能看到的为准。 从纸币到银行卡，从移动支付到现在的链上美元， 当 AI 遇上永远不跳价的数字美元，全球资金流动的最后一道闸门，算是彻底被打开了。 你们觉得 Opus 5.5 这种一键把复杂认知降维成动画的生产力，未来最先干掉的是传统科普博主还是动画外包团队呢？我觉得以后做严肃内容如果不会用 AI 可视化，真的很难在信息流里留住人了吧

AYi @AYi_AInotes

3 days ago

Opus 5.5做视频真的绝了，我的剪映699会员瞬间不香了！！ 说回正题，在用交易所的，玩链上 Web3 的，跑量化的，做跨境出海支付的兄弟们，下周这场发布会直接关系到你接下来一年的资金效率和赚钱工具， OKX 第一次像苹果开发布会一样，由 Star Xu 亲自带队，把交易系统，链上生态，AI

16 5 101 32K 35

x.com/i/article/2104…

世界上最顶级的几个 AI 大模型公司官方放出来的深度文章，大家一定要看， 这是 @AnthropicAI 第一次把他们内部是怎么做 Prompt 优化、Agent 评测和自动调优的底层方法论，毫无保留地全盘分享出来了， 同时在 Claude Code 的官方 Skill 里直接上线了两个神级指令： 一个叫 build-eval，一个叫 hillclimb。 一句话概括它干的事： 让 AI 在你的项目代码库里，自动建真实验收测试集，然后自己改代码、自己跑分、自己去重和防过拟合，直到把准确率拉上去、把 Token 账单砍到原来的五分之一。 做过 Agent 和重度提示词的人，应该都懂那种想砸键盘的绝望感： 改了一句 Prompt，这里好像变聪明了，那里又莫名其妙崩了； 或者自己写了几个测试用例自嗨，一上线遇到真实用户直接翻车。 以前我们调优全靠肉眼瞎试和玄学， 现在 Anthropic 直接把这套工业级的自动化调优流水线开源了。 我把这篇万字干货里的核心精髓，拆成三个最值钱的维度给大家讲透： 第一个，什么是真正能打的评测（Eval）？ Anthropic 给出了四条铁律，直接打碎了很多人的认知误区： 1. 别拿今天模型的短板去建题库： 大模型的能力表面是参差不齐的。如果你专门挑它今天答错的题去考它，你测出来的根本不是任务本身的难度，而是这个特定版本的指纹缺陷。下一代模型一出，你的题库全作废。 2. 顶尖模型在最强思考档下，跑分也必须远低于 100 分： 如果你的测试集让最强模型轻松拿满分，说明题目太简单，你根本测不出后续改动到底是变好了还是变差了。 3. 裁判优先用程序，其次才是大模型： 能用代码跑单元测试、校验 JSON Schema 的，坚决不用大模型当裁判；必须用大模型当裁判时，不要打 1 到 5 分这种模糊分数，而是写成可逐条核对的事实验证清单，或者做盲测 A/B 对比。 4. 必须能区分真变好和随机波动： 如果跑分每次都不一样，说明题目有歧义，或者环境残留了上次测试的文件让 AI 抄了近道。 第二个，神级指令 `/claude-api build-eval` 你在终端里敲下这行命令，Claude 会像个资深架构师一样采访你，在你的代码库里现场搭评测系统： 先抽你生产环境的真实对话记录，再翻 Bug 报告和工单，最后才补少量合成数据。 搞定后直接在本地生成一个极简的可视化网页，把每个测试用例、评分理由、调用链路 Trace 摆在你面前，你点个确认，基线就立住了。 第三个，全自动刷分爬坡 `/claude-api hillclimb` 这是整篇文章最炸裂的部分。 有了评测集之后，你只要告诉它你的目标是提高性能还是降低成本，它就会自动把数据切成训练集和测试集，开始自动迭代： 每次只改一个最小补丁，绝不大拆大改； 如果训练集分数涨了，但独立的测试集没动，它立刻判定为过拟合，秒级回滚； 如果改动有退步，立刻撤销重来； 只有训练集和测试集双双上涨，这个改动才会被正式保留下来。 当跑分卡住两三轮不涨的时候，它不会瞎猜，而是停下来把所有失败用例拉个清单做归因分析：到底是指南写漏了，还是裁判自己判错了。 官方在文章里放了两个真实实测战报，数据非常硬核： 第一个案例：客服 Agent 极限降本 原本用 Opus 4.8 跑高思考档，准确率 74.4%，单次成本 4.6 美分。 跑完 hillclimb 后，系统自动帮它删除了冗余的思维链和冲突规则，把模型换成低思考档的 Sonnet 5， 最终在未见过的测试集上，准确率从 78.6% 飙升到了 90.5%，而单次成本直接降到了 1 美分。 准确率大涨的同时，账单直接砍掉了近 80%。 第二个案例：修复 AI 脑子里的旧时代记忆 他们在优化官方 claude-api 技能时，发现评分一直卡在 77 分。 AI 复盘后发现：模型本身其实懂新接口，但由于预训练时期的习惯，总是下意识去写老旧废弃的 API 格式。 于是自动在规则最上方补了一张新旧 API 对照表，准确率瞬间冲到了 88%。 过去我们做 AI 应用，90% 的精力都在当人肉测试员和 Prompt 缝合怪； 现在顶尖大厂的解法是把玄学变成工程：用真实的业务数据立住标尺，剩下的调优和降本，让 AI 坐在工位上自己给自己爬坡。 这套工具已经集成在 Claude Code 的官方技能库里了，终端里装上 claude-api 就能跑。 做 Agent、写提示词、或者被 API 账单卡脖子的兄弟，强烈建议去啃一遍原文。 你们平时在业务里调优 Prompt，最头疼的是改完后测不准，还是跑分很高上线就翻车？评论区交流交流～

keyboard_arrow_left Previous keyboard_arrow_right Next

ClaudeDevs @ClaudeDevs

3 days ago

Claude can now help you build evaluations and hillclimb on them. In this article, we share guidance on eval design & skills that Claude Code can use to improve your applications. claude.dev/blog/automatin…

179 624 9K 2.0M 18K

Claude can now help you build evaluations and hillclimb on them. In this article, we share guidance on eval design & skills that Claude Code can use to improve your applications. claude.dev/blog/automatin…

Claude Code can help with eval design + hillclimbing. check out this article i just published for details: claude.dev/blog/automatin…

The Top AI Papers of the Week (September 21 - 27): - HySparse2 - EvoOntology - Harness-Zero - JEV-as-a-Judge - Wiki Foundation Model - Self-Organizing Agent Teams - Self-Improvement via Fast Tree-search Read on for more:

DAIR.AI @dair_ai

4 days ago

x.com/i/article/2104…

4 20 147 37K 223

this is f*cking gold 12 open-source repos that plug Jev into real AI work, 550.7k stars combined Jev decides, your LLM writes. these repos are where that split already runs: agents > browser-use/jev-ultrafast (~20.3k): Jev picks the next action + DOM element, a small LLM only types. Zürich to London flights in ~7s github.com/browser-use/je… > awlevin/typesafe-computer-use (~978): macOS computer use, OCR reads the screen, Jev picks the next click github.com/awlevin/typesa… local decision models > jaredpalmer/kev (~7.1k): Jev-like models on Qwen, same /v1/systemone wire format github.com/jaredpalmer/kev > mizorewww/laya-mlx (~6.4k): Laya, the main open Jev-style engine, running on Apple silicon github.com/mizorewww/laya… > TheoLeeCJ/SemIf-OpenJev (~4.3k): local semantic ifs from frozen open models, not a TypeSafe project github.com/TheoLeeCJ/SemI… > contrastive-lm/clm (~1.3k): open System One model with a Choice / Noul / Score API github.com/contrastive-lm… > vinnylarouge/jevlike (~1.3k): community trainer and tooling for your own Jev-like model github.com/vinnylarouge/j… context + skills > tamaratran/fast-jev-compaction (~6.9k): Claude Code plugin, Jev keeps, drops or truncates tool results instead of summarizing context github.com/tamaratran/fas… > typesafe-ai/skills (~2.2k): official TypeSafe skill for Claude Code and Codex github.com/typesafe-ai/sk… trading > jarrodwatts/jev-trader (~2.4k): one Jev buy/sell decision per Monad block github.com/jarrodwatts/je… catalogs > yibie/awesome-jev (~1.7k): the biggest map of Jev projects and discussions github.com/yibie/awesome-… > Anil-matcha/awesome-jev-by-typesafe (~851): use cases, patterns and starter code github.com/Anil-matcha/aw… start with jev-ultrafast

NO1ennn @N01ennn

6 days ago

x.com/i/article/2103…

17 32 294 531K 911

Top 12 agentic use cases for Jev: (bookmark this) Jev handles semantic decisions that ordinary code cannot express reliably. It returns typed answers and probabilities, while code continues to cover the workflow. Here are 12 practical use cases for Jev: 1. Browser next action > Convert the current DOM state into a bounded action such as click, type, or stop. Code executes only valid operation-target pairs. There are already several open-source Jev web agents. 2. Context compaction > Decide which events from a long agent trace should remain. The selected text stays verbatim instead of being replaced with a generated summary. 3. Skill and context loading > Compare the current user turn against the available skills. Load only the instructions needed for that turn instead of filling the context window with every skill. 4. Typed tool-call compilation > Map a natural-language request to a function and fill its typed arguments. Each argument is evaluated separately before code allows execution. 5. Citation verification > Check whether a quoted passage exists and whether the surrounding evidence supports the claim. The output can be supported, unsupported, or contradicted. 6. Extraction verification > Run a cheap extractor first, then use Jev to verify questionable fields. Clean records stay on the fast path while uncertain ones reach a reasoning model. 7. Agent trace evaluation > Turn raw trajectories into queryable labels such as progress and repetition. This avoids asking another LLM to write a full review of every run. 8. Semantic regression tests > Replay a trace suite against a new agent build. Semantic checks can then pass or block prompt, model, tool, and policy changes in CI. 9. Jevgrep code search > Search a codebase by what the code does rather than its exact words. Jev scores candidate snippets and returns the most relevant code first. 10. Entity alignment > Compare two candidate records and decide whether to merge, review, or keep them separate. Candidate generation remains deterministic while Jev handles semantic identity. 11. Retrieval reranking > Let embeddings retrieve a broad candidate set, then use Jev to reorder passages by relevance. The generation model receives the most useful evidence first. 12. Memory promotion gate > Capture a completed agent trace, then judge whether its corrections contain a reusable lesson. Trace-backed lessons can be promoted while task-specific noise is discarded. If you want to see the final pattern in practice, it is already implemented in the Beacon open-source project. Beacon captures full sessions across Claude Code, Codex, Cursor, OpenCode, and 20+ agent harnesses, and then Jev identifies which workflows and corrections are worth learning from, so that a lesson discovered by one agent can become available to the others. GitHub repo: github.com/Asymptote-Labs… (don’t forget to star it ⭐) If you want to dive deeper, I also wrote about a similar mechanism in a hands-on guide. It covers building a Jev-style decision path with open models, entirely locally. Read it below.

Avi Chawla @_avichawla

2 weeks ago

x.com/i/article/2101…

63 441 3K 679K 5K

《什么是 Transformer》由 Claude Code + Opus 5.5 制作 --- 提示词 --- 帮我用js制作一个视频，主题是：什么是 Transformer 要深入浅出，让高中生也能看得懂，不仅high level说的清楚，也要有细节，包括注意力机制，甚至一些数学概念 你可以用任何工具或者安装工具，可以联网检索 请给我惊喜

this is pure f*cking gold for anyone running coding agents Jev founder Diogo Amogo wrote a PDF on building a Jev harness the promise: > 200x faster > 400x cheaper the model hasn't been the slow part for a while the speed and the cost sit in the harness wrapped around it • how to use it > drop this PDF and the article below into Claude Code or Codex > let it rebuild its own setup one evening of setup and your agent starts next week on a harness most teams still don't have 👇

Mr. Buzzoni @polydao

6 days ago

x.com/i/article/2103…

15 27 227 714K 687

holy sh*t . Jev Founder, Diogo Almeida just released a 11-page PDF whole Jev + AI agents loop this is a 9-step blueprint on how to run your LLM through agents without paying frontier prices for every fork they hit: step 1 → split the loop into three kinds of work: generation stays with the LLM, exact rules like action and spend caps stay in code, every fork in between becomes a typed question to Jev step 2 → start every job with one Noul: is this in scope, or does it need a human before anything runs step 3 → dispatch with a Choice: research, write or review. act only at confidence 0.85+, everything below goes to review step 4 → call the LLM only where text has to be written: planning the task and filling tool arguments, nothing else step 5 → gate every tool call before it runs: allow, confirm or block, plus a destructive check in the same round trip step 6 → score what comes back: drop, summary or keep. nothing gets rewritten, so nothing is lost to a bad paraphrase step 7 → close with two checks: Jev says the goal is met above 0.8, then code proves the file actually exists step 8 → send the risky tail to a human: irreversible, touches money or visible outside the company gets a person whatever the confidence step 9 → move one fork first and track three numbers for a week: cost per completed task, time per completed task, how often escalation fired and whether it was right

NO1ennn @N01ennn

6 days ago

x.com/i/article/2103…

17 32 294 531K 911

#Anthropic #OpenAI Maybe Dario and Sam are persistently sounding alarms because recursive self-improvement is no longer theoretical. In a new paper, AIDE^2 an agent harness built on an existing LLM, independently ran for 8 days modifying its own code. It found 7 successive upgrades to its search and memory and reduced its own reward hacking rate from 55% to 32%. Definitely worth a read…arxiv.org/pdf/2609.26457

"JEV-as-a-Judge: Accept When Confident, Escalate When Unsure" This paper shows you can just use JEV for every evaluation instead of expensive LLM. JEV basically acts as a cheap first-pass judge, returning both a verdict and how confident it is. When confidence is high, keep the answer. When it’s low, escalate to a stronger LLM. This simple routing keeps ~99% of GPT-6’s accuracy while reducing evaluation cost by a lot. alphaxiv.org/abs/2609.26550

AI System Design - A complete guide to learn AI System Design step by step - from LLM inference, GPUs, KV Cache, and caching to RAG, Vector Databases, AI Agents, MCP, Multi-Agent Systems, Voice AI, Guardrails, Evaluation, Observability, Cost Optimization, and a step-by-step framework to crack any AI System Design interview. Everything in one place, explained in simple words, with detailed blogs for every deep dive. Start here: github.com/amitshekhariit…

Jev 发布才 8 天，开源替身已经一堆了，今天诺基亚也来蹭热闹了😅 我在 MacBook 上，让官方 Jev 和 3 个开源方案同跑 20 张中文工单🫱 Laya 25ms，比 Jev 快 50 倍 djev 509ms 官方 Jev 1.3 秒 AnyJev 将近 4 秒 仓库都在这： Laya（Mac 版）github.com/mizorewww/laya… djev（Mac 版）github.com/jamescorbett/m… AnyJev github.com/nokia-applied-… 但快的，不一定对 👇

WquGuru @wquguru

2 weeks ago

大开眼界，跑完交易回测算法，我见识到了 Jev 交易决策的效率和质量，况且只是简单地跑了几个算法，77 天收益率高达 +6.71%。 跑完之后剩一个问题：这一堆 JSON 怎么给人看？ 我把可视化设计稿丢给蚂蚁百灵刚开源的 Ling-3.0-flash-VL，让它照着写前端，最后输出视频。

139 106 212 124K 237