Grok @Bot is great for reviewing any legal docs, like contracts or estate planning.
Just drop in the file and Bot figures it out.
I use a Grok bot called Fine Print to check any contract, lease, bill, etc and it breaks down what's actually in the paperwork.
It looks for hidden fees, catches things I might miss, and can even write a dispute or alternate terms.
Give it a try: x.ai/bot/Yetb1ei_7VvPfWlYqYw…
Starlink will be of great help to areas of India that have bad or no Internet and even no mobile coverage.
No country has perfect coverage, including America, but Starlink can fill in the coverage gaps for those who most need it.
In my village, there has been no mobile network coverage since Independence.
Once, when I went home, a friend from the Supreme Court, who is now a Senior, sent me birthday wishes. I never received the message because there was no network. After I returned, the friend got angry with me for not even replying to the message. I explained that I had no network, but the friend thought I was lying.
Replying to @getkaozhu
这个可以 我也是这样的 直接把ipv6关闭就行啦
xitter.cf/abskoop/status/2078101…
DMIT 服务器访问 某 AI 服务 突然报错 ?
不一定是 IPv4 被拉黑,也可能是 IPv6 出口的问题
关闭 IPv6、改用 IPv4 后即刻恢复正常
有需要的可以试试
👉ahhhhfs.com/81587/
百度这个 OCR 我试了一下,确实猛
PDF 直接丢进去,不用分页,100 页一次读完给你出结果
支持单张图片也支持批量,PDF 自动转 300dpi 逐页识别
长合同、论文、古籍扫描件,以前要么一页一页搞要么花钱传云端,现在本地一把梭
30 亿参数,多语言原生支持,跑分超 DeepSeek-OCR
支持 Transformers、vLLM、Ollama,部署不折腾
输出全文本,格式不乱
最爽的是免费加 MIT 开源
之前云端 OCR 千页十几美元,现在零
百度这次是真干了件好事
github.com/baidu/Unlimited-O…
little withe retweeted
是我见过OCR效果最好的一个了,人眼都难以分辨的,它能处理的十分准确,而且速度非常的快。llamaindex 真不愧是文档解析界的一哥啊。
The best "raw" frontier model for document parsing is gemini 3 flash, but the issue is that since then the flash models have gotten 3x more expensive while flatlining on visual recognition across complex documents.
This has been the case for every frontier model including the latest OpenAI/Anthropic models - see the diagram below for GPT (since then we've also benchmarked 5.6)
In the meantime, hybrid approaches like LlamaParse that blend specialized VLMs with a text engine offer better performance; our own LlamaParse accuracy has increased 15% over tables and charts.
If you have document OCR needs and are thinking about using a frontier model, you might as well come check out LlamaParse! cloud.llamaindex.ai/
We have a full eval harness through ParseBench that you can configure over your own docs: parsebench.ai/
找PPT的AI Skill找到头秃,刷到 @Dengshan666 的整理,8个项目全在这:
✅ ppt-master — 原生可编辑PPTX,真实形状+动画,数据本地
github.com/hugohe3/ppt-maste…
✅ ppt-director — PPT总导演,先导演再生成,HTML预览审查后转PPTX
github.com/Hermess/ppt-direc…
✅ guizang-ppt-skill — 杂志风+瑞士风HTML deck,22个锁定版式
github.com/op7418/guizang-pp…
✅ GordenPPTSkill — 17套中文商务模板,高信息密度,国企大厂风
github.com/GordenSun/GordenP…
✅ html-ppt-skill — HTML演示工作台,主题+动画+Presenter Mode
github.com/lewislulu/html-pp…
✅ frontend-slides — 视觉预览驱动,AI先生成3套风格让你选
github.com/zarazhangrui/fron…
✅ beautiful-html-templates — 34套HTML模板,给Agent当素材库
github.com/zarazhangrui/beau…
✅ dashiAI-ppt-skill — 浏览器编辑器,直接微调后导出PPTX/PDF
github.com/chuspeeism/dashiA…
完整整理来自 @Dengshan666,建议收藏,我准备逐个试过去。
little withe retweeted
我们团队用 Codex 踩的一个大坑。
想和大家真诚分享下我们刚刚周会上聊到的话题。这可能会是很多人使用 Codex 这类 Agent 产品会踩的坑。
简单来说,如果面对 Codex,我们只是不断地下指令、接受建议,没有理解和判断,那这些产出并不能真正算自己的能力。因为换一个人来点,结果也差不了太多。
面对能力越来越强的 Agent,我们可以不用亲自去处理每一个细节,但还是要知道这件事为什么这么做、大概是怎么解决的。
如果一开始不知道,也没关系。AI 做完之后,我们应该回过头去问它,然后再形成自己的经验和理解。
为什么会有这么一长段的感触呢?事情得从前半年说起。
今年春节后,我的小团队全员配备了 Codex。在内部的协作中,我们经常提到的黑话是:先让 AI 去干。
说实话,这个工作方式看起来简单,但真正做到其实挺难的。毕竟人有思维的惯性。
好消息是,经过几个月的刻意练习,大家已经养成了让 AI 先干的工作习惯。
但紧接着,我发现新的问题来了。有的同事开始不求甚解。Codex 说行他就行,说不行他也就不行。他不去研究背后的原理和逻辑。
举一个真实的例子。
之前我写过一篇教程,分享怎么把 DeepSeek V4 接入 Codex。
当时 Codex 还不支持第三方模型,所以需要借助 CC Switch 这样的桥接工具。
后来 Codex 宣布支持第三方模型接入,我心想,这下简单了。
于是我让同事研究一下,看看 DeepSeek V4 怎么快速接入。
他麻溜的截图把需求告诉给 Codex,结果 Codex 分析了之后,说目前还是没办法接入,因为协议不兼容。
他给我发了截图,就此打住了。
我当时以为他搞不定,于是接过来继续研究。后来确认,Codex 新开放的第三方模型,要求必须兼容 OpenAI 的 Responses API。
而 DeepSeek V4 还不支持这个协议。所以虽然 Codex 开放了第三方模型,实际上 DeepSeek 还是无法直接接入。
这事就这么结束了。
这周一,我一个做传统生意的好朋友告诉我说, 为啥一发图片,Codex 就报错。
我问了后才知道,它按照我之前的教程,接入了 DeepSeek V4,而 V4 本身就不支持多模态。
于是,我想折腾把 Kimi 的新模型接入到 Codex 中。毕竟这段时间,我用 Kimi 的新模型做 PPT、分析数据,效果还是非常好。这个模型是原生多模态的。
按我的预期,这次应该会快很多。因为第一次已经踩过坑了,只要先判断 Kimi 支不支持 Responses API,后面的思路基本就清楚了。
同事接过了新的任务,开始干。和之前的干法一模一样,他继续把文档和需求告诉 Codex,让 Codex 代劳。
Codex 分析之后,判断出来 Kimi 的模型因为协议不兼容,所以无法直接接入。
这时候,聪明的 Codex 给了他建议,说:要不我来写个桥接软件,这样就可以了。
他说可以。于是,Codex 按照这个思路搞定了。
然后他兴高采烈过来告诉我,任务完成。哈哈哈哈。我一问,发现他根本不知道这其中的逻辑和原理。
我说如果协议不兼容的话,那是不是我们直接用 CC Switch 这样的软件就行,没必要再自己构建一个。
他对这一切一无所知。我感觉这干法有问题,相当于他把所有的思考、理解都外包给了 Codex。
于是,就有了今天周会上我们的交流。
我的经验是,我们应该成为 AI 的 Leader,而不是传声筒。
Leader 不一定亲自干活,但一定知道为什么这么干。AI 可以负责执行,人要负责理解、判断和决策。
这让我想起左耳朵耗子之前的口头禅,要成为一个大家愿意追随的 Leader。
1、帮人解决问题。团队或身边大多数人都在问:这个问题怎么办?,而你总是能站出来告诉大家该怎么办。
2、被人依赖。团队或身边大多数人在做比较关键的决定时,都会来找你咨询意见和想法。
也许和 AI 沟通协作,我们仍然应该朝着这个方向努力。如果只是提要求,当传话筒,那我们心里完全没底。
吴军之前讲过一个故事。
1503 年,哥伦布的船队到达了牙买加。当地的原住民一开始热情地接待了他们,但后来因为船队有人偷了当地人的物品,原住民就拒绝再提供食物了。哥伦布他们面临断粮的危机。
哥伦布这个人略懂天文知识,随身带着一本天文年历。他翻了一下,发现 1504 年 2 月 29 号晚上会发生一次月全食。
月食发生前三天,哥伦布约见了当地的部落首领。他告诉首领,他的神因为当地人不再提供食物而感到愤怒,作为惩罚,三天之后,月亮会愤怒地变红,然后从天空中消失。
到了那天晚上,月食真的发生了。月亮逐渐变红,然后隐入黑暗。原住民吓坏了,赶紧向哥伦布求情。
哥伦布做了一通法事,说只要继续提供充足的食物,神就会宽恕他们。当地人就这么被拿捏了。
这个故事的本质是什么?哥伦布和原住民看到的是同一个月亮、同一场月食。
但哥伦布理解月食背后的天文原理,所以他能利用这个现象。原住民不理解,所以只能被这个现象支配。
同样的事情放到今天的 AI 时代。AI 工具摆在所有人面前,每个人都能用。
但如果仅仅停留在 AI 告诉我们答案,我们接受答案。AI 给出方案,我们执行方案。
AI 说做不了,我们也默认做不了,那这和原住民看月食没什么区别。
我越来越觉得,AI 可以成为我们的执行者,但不能成为我们的认知。
真正属于人的工作,是不断把 AI 给出的结果,重新变成自己的理解。
little withe retweeted
今天刷 github 刷到个真牛逼的项目!
Strix 这个开源东西,AI 自动渗透测试,能像真人黑客一样跑你的代码找漏洞,还直接给你真实可工作的 PoC 验证,不是那种静态扫描一堆假阳性的玩意儿。
支持本地项目、github 仓库、在线网站都能扫,还能自动生成修复 PR,CI/CD 里直接用也行。
29k stars 不是白来的,感觉以后安全测试要变天了。
有在用的兄弟吗?体验怎么样?
赶紧去 star 一下吧:👇👇👇👇真的香!
little withe retweeted
我貌似找到了 Codex 的平替了
上周我发现了一款让惊艳的 Agent IDE:Orca上周我发现了一款让惊艳的 Agent IDE:Orca
用了一周多,我已经离不开了,Codex 桌面端再也没有打开过了,目前已经成为我主要的 Agent IDE。
说说它的优点:
1. 完全开源!
Codex 桌面端只有 codex 核心是开源的,而且 Codex 越来越卡,bug 是越修越多,看在经常重置用量的情况下,就不继续骂了😆
2. 启动速度很快
使用很流畅,虽然也是基于 Electron 的,但优化的很不错,基本都是秒响应
3. 支持几乎所有的 Agent 框架
Claude Code, Codex, OpenCode, Pi,甚至还支持 Hermes Agent,OpenClaw
4. 支持手机端!!!
它的手机端体验甩 Codex 几条街!搭配 Tailscale 后就没有断连过!你敢信?
5. 支持自动化管理
创建自动化这没什么,但它还能管理 Hermes / OpenClaw 已有的自动化任务
而且还能查看每个自动化任务运行详情,这个太方便了!!
6. 支持编排、计算机控制、本地语音、手机模拟、浏览器等等等一堆功能
还没完,各种功能非常全,而且都很好用,特别是计算机控制,可以和Codex媲美了
总之,除了 Codex 的 Record & Replay 没有,其它地方体验都比 Codex 好!
快去下,不好用你找我,我直播吃!!!
想自己做量化交易,最大的坑是工具东拼西凑
这 6 个 GitHub 仓库能帮你一条龙搞定策略和回测。
1、awesome-quant — 量化资源总目录,27.1k star
数据源、定价、回测、风控的库按门类全列好了,搭研究环境照着挑就行,不用瞎搜。
github.com/wilsonfreitas/awe…
2、machine-learning-for-trading — 同名书第三版全套代码,19.4k star
27 章一条线,从拉数据、训模型到接券商上实盘,全是 Jupyter notebook,clone 下来照着跑。
github.com/stefan-jansen/mac…
3、quant-trading — 现成策略合集,10.2k star
配对交易、统计套利、布林带、MACD、VIX 计算器全写好了,每个脚本留了统一接口,直接嵌进自己系统。
github.com/je-suis-tm/quant-…
4、backtrader — Python 回测框架,22.2k star
策略想法写完先在历史数据上跑一遍,不用真金白银试错,社区文档也全。
github.com/mementum/backtrad…
5、zipline — 老牌回测引擎,19.9k star
Quantopian 当年的核心,事件驱动回测的经典实现,适合理解回测引擎怎么搭。
github.com/quantopian/ziplin…
6、ccxt — 加密交易统一接口,43.1k star
100 多家交易所的 API 用一套代码调,做数字货币策略不用为每家交易所单独对接。
github.com/ccxt/ccxt
little withe retweeted
没怎么用 Claude 了,Opus 有太多可替代的模型了,但之前 Claude Design 是无可替代的
现在代码、文档都是 Codex 写,用 @dotey 的 baoyu-design 结合 glm5.2 做设计,大概能有 Claude Design 80%左右的水平,感觉很够用了,推荐一下







































