AdaptiveML retweeted
对手要是刷到这条，防你和扒你的路数可就全知道了——所以网警同款的开盒思路，你确定要往外传？
五个免费开源工具，查人、查公司、查设备，能想到的场景基本都盖住了。先把话撂这儿：这不是让你去扒别人，是让你拿它先护住自己。得先摸清自己在网上漏了多少，才谈得上防。
五个工具各管一摊，别混着用，地址和介绍一条条对上：
1️⃣ Blackbird，6300 Star，用户名和邮箱都能查，接了 600 多个平台。查完还能免费调 AI 生成人物画像，PDF 一键导出。新手别贪多，先拿这个上手，最省事。
🔗 github.com/antoniaci/blackbi…
2️⃣ Maigret，33000 Star，专盯用户名查人的狠角色，覆盖 3000 多个平台。它狠在会递归追踪，发现你在别的平台还挂着个马甲，就顺着这马甲接着往下挖，一路顺藤摸瓜到底。这个是真能把人挖穿的那种。
🔗 github.com/soxoj/maigret
3️⃣ SpiderFoot，18000 Star，这就是台重炮，手机号、邮箱、域名、IP 全吃。200 多个模块一起开火，能查数据泄露、暗网、子域名，最后还给你出一张可视化关系图，谁跟谁有关系一目了然。
🔗 github.com/smicallef/spiderf…
4️⃣ theHarvester，16500 Star，查公司专用。丢给它一个域名，它自己就从谷歌、必应、LinkedIn、DNS 记录这 40 多个源里，把公司员工的邮箱、子域名、IP、URL 一批批扒出来。做背调、摸底一家公司，用它。
🔗 github.com/laramies/theHarve…
5️⃣ Shodan Python，2800 Star。Shodan 你理解成设备版的谷歌，它满网扫那些直接暴露在公网上的摄像头、路由器、服务器、工控系统。这个库就是让你用代码去查它那个数据库，批量、自动化地拉数据。
🔗 github.com/achillean/shodan-…
说句实在话，很多小公司的 NAS、摄像头、打印机，装上之后配置压根没动过，密码还是出厂那个默认的，Shodan 一搜就给你抖出来了。你以为自己藏得挺严实，真相是你能藏住的东西，比你想象的少太多。
所以别光看热闹。自己先拿这几个工具把自己跑一遍，看看到底暴露了啥、哪个口子没关，这才是防住自己的第一步。知道了漏在哪，才谈得上补。
好东西，转给需要的兄弟。
AdaptiveML retweeted
千万别让你的对手刷到这条，看完他就知道怎么防你，也知道怎么扒你了。
这回分享的是网警同款的开盒思路，五个免费开源工具，查人、查公司、查设备，你能想到的场景基本全给你覆盖了。先把话撂这儿：这套东西我不是让你去扒别人，我是想让你拿它先把自己护住。你得先知道自己在网上到底漏了多少，才谈得上防。
五个工具各管各的活，别混着用，地址和介绍我一条条给你对上：
1️⃣ Blackbird，6300 Star，用户名和邮箱都能查，接了 600 多个平台。查完还能免费调 AI 给你生成一份人物画像，PDF 一键导出。新手别贪多，先拿这个上手，最省事。
🔗 github.com/antoniaci/blackbi…
2️⃣ Maigret，33000 Star，专门盯用户名查人的狠角色，覆盖 3000 多个平台。它狠在会递归追踪，比如发现你在别的平台还挂着一个马甲，它就顺着这个马甲接着往下挖，一路顺藤摸瓜摸到底。这个是真能把人挖穿的那种。
🔗 github.com/soxoj/maigret
3️⃣ SpiderFoot，18000 Star，这就是台重炮，手机号、邮箱、域名、IP 全吃。200 多个模块一起开火，能查数据泄露、暗网、子域名，最后还给你出一张可视化关系图，谁跟谁有关系一目了然。
🔗 github.com/smicallef/spiderf…
4️⃣ theHarvester，16500 Star，查公司专用。你丢给它一个域名，它自己就从谷歌、必应、LinkedIn、DNS 记录这 40 多个源里，把公司员工的邮箱、子域名、IP、URL 一批一批扒出来。做背调、摸底一个公司，用它。
🔗 github.com/laramies/theHarve…
5️⃣ Shodan Python，2800 Star。Shodan 你就理解成设备版的谷歌，它满网去扫那些直接暴露在公网上的摄像头、路由器、服务器、工控系统。这个库就是让你用代码去查它那个数据库，批量、自动化地拉数据。
🔗 github.com/achillean/shodan-…
说句实在话，很多小公司的 NAS、摄像头、打印机，装上之后配置压根没动过，密码还是出厂那个默认的，Shodan 一搜就给你抖出来了。你以为自己藏得挺严实，真相是你能藏住的东西，比你想象的少太多了。
所以别光看热闹。你自己先拿这几个工具把自己跑一遍，看看到底暴露了啥，哪个口子没关，这才是防住自己的第一步。知道了漏在哪，才谈得上补。
好东西，转给需要的兄弟。
AdaptiveML retweeted
Most people don't realise that startups will humble the shit out of you. One day you’re announcing a fundraise and maybe twelve months later you will run out of money. And your employees will see you clueless and your investors will think you dint execute well. Everyone who wanted to meet you and do podcasts will stop replying. You’ll run out of money, confidence, ideas, and sometimes all three at once.
The fear that you may look stupid someday because of entrepreneurship is real. You cant fight that but will have to survive to figure what kind of founder you become when there is nothing impressive left to show. Entrepreneurship eventually introduces everyone around you to the version of you that has no answers.
AdaptiveML retweeted
🔥推荐！让 Codex 搭配 Jev 成双王炸，浏览器操作速度提升 5–10 倍！
痛点很简单：Codex 自己点页面时，每一步都要读 DOM、推理、再调工具，来回一卡就是半天。
现在让 Jev 把「点、跳、切、滚」抢走，Codex 只负责想、输入、看图验收。
主要亮点：
🔹Jev 连续跑动作，Codex 只在需要打字/看图时接手
🔹少一轮模型往返，就少一截延迟和用量
操作步骤：
1️⃣准备 Codex（带浏览器/CUA）+ Node.js 22+ + TypeSafe API Key
2️⃣装 Skill：把仓库交给 Codex，或跑 npm run install:codex -- --env-file .env
3️⃣加载 jev-use，让 Jev 接管点击/跳转/滚动
4️⃣需要判断或输入时交回 Codex，处理完 Jev 接着跑
5️⃣用真实产品页/自动化测试验收，别盯着它慢慢点
独立开发、天天跑页面测试的，值得试一把。
已开源 Skill：github.com/vlad-terin/jev-us…
#AI工具 #Codex #Jev #开源项目 #浏览器自动化 #独立开发 #agentskill #GPT6ComputerUse
💥我靠！这是目前看到的给 Jev 模型找到的最狠的真实用例！
Instant Compaction只删，不改写。
演示里 156k tokens 的 Claude Code 会话，Jev 逐条给 tool call 打分，瞬间压到 62k。
用户目标、精确报错、关键代码原文全在；过期 Read / 中间噪音直接 DROP。
Jev 在这里真正会的技能：
🔹给每条 tool call / result 打 KEEP 或 DROP
🔹用校准概率做阈值，而不是再写一段摘要
🔹留下的内容 verbatim，文件路径和 error 不会被“总结没了”
🔹把 200k 会话拆进 32k state，多批问题并行打出
🔹失败自动回退 Claude 原生素描，不赌一把摘要是有损压缩。
Jev 是上下文的外科手术师！
跑起来：github.com/tamaratran/fast-j…
#Jev #TypeSafeAI #ClaudeCode #AIAgents #ContextEngineering #SystemOne
xitter.cf/nft_chen/status/210086…
AdaptiveML retweeted
石破天惊，网络安全研究者有福了，媲美 Qwen3.8 27B的越狱模型，小内存机器也能部署了，无需 DGX Spark，更无需 M5 Ultra。
@PrismML 把 Qwen3.8 27B 压进 5.9GB：三值量化、约 1.72 bit/weight、体积缩小约 9 倍，综合基准仍保留原版 98.2%，262K 上下文，还带视觉。@OrcaRouter 没改任何一个权重，把拒答方向挪到运行时切除，0 改权重、0 重量化、原包 bit-identical，129 个残差干预点，推理时 alpha 可调。
原包 + runtime：github.com/Continuum-AI-Corp…
权重：huggingface.co/prism-ml/Tern…
所有公司的网络安全人员都应该去本地部署 Huggingface 越狱模型！现在的网络安全战争，已经不是几次渗透测试就能解决的问题了，而是越狱大模型对抗内部的活靶子。
过去几个月，我真实感受到安全事件比以往多了非常多，很多项目和公司损失惨重，甚至到了威胁生存线的地步，这里我整理了一批预算10万内机器可以部署的HuggingFace越狱模型：
友情提示：
越狱在这里不是万能钥匙，它只是把拒答方向从权重里削掉的衍生模型，解决的问题是官方模型拒接回答钓鱼页、恶意样本、对抗样本、红队剧本相关问题。它不能解决能力上限，复杂漏洞链、利用可行性、补丁是否真的修干净，这些仍然依赖人的经验和专业能力。
一、单卡主力
无审查：huggingface.co/huihui-ai/Hui…
无审查 GGUF：huggingface.co/huihui-ai/Hui…（下载量已经到百万级）
其他推荐：huggingface.co/chimingw/Qwen… 及其 GGUF / FP8 / MLX
二、如果要求快、筛选批量日志，选择同代小激活 MoE
huggingface.co/huihui-ai/Hui…
只激活约 3B，24GB 卡上吞吐很好，适合告警分桶、工单预筛、蜜罐流量粗分类。
huggingface.co/huihui-ai/Hui… 适合更大文本吞吐，但体积和许可都更重，10 万机器上优先用量化版本。
三、安全微调模型（通用性受限但值得一试）
官方版本：huggingface.co/oyildirim/Cyb…
消融版本：hhttps://huggingface.co/huihui-ai/Huihui-CyberStrike-OffSec-35B-abliterated-GGUF
如果有 128–256GB 统一内存或者现存，可以上更高级的 GLM-5.3-Flash（约 320B/18B 激活，MIT，1M 上下文，原生多模态）：
官方：huggingface.co/zai-org/GLM-5…
无审查：huggingface.co/BoldingBuilds…
最后值得注意的是，模型本身也可能被投毒，第三方 GGUF 就有投毒先例，尽可能选择相对能信的第三方，如 orcarouter、huihui、unsloth。
AdaptiveML retweeted
Gpt-6-Astra降智被大神解决？
今天sub2api 也更新了这个
原理就是「292 打票」，
就是通过不同代理出口发起短请求
筛选并缓存上游返回的 292 字符 x-codex-turn-state
再注入后续请求
还有个开源的差不多逻辑的
我还没有测试的，有没有效不知道
github.com/gylive/ccodex-sle…
AdaptiveML retweeted
Intel 14A risk production in Q1/2027 and will HVM in Q1/2028
14A wafer capacity of 6k in Q4/2027
xitter.cf/sssjeffpu/status/21000…
Inline with ours on 14A - installed capacity of 6k by 4Q27 with first round of volume input in 1Q28. Current D0 ratio is tracking well.
Reiterate our post yesterday ⬇️
•Foundry yields improving:
– 18A (Panther Lake) ~80% in 2Q26
– Larger server CPU (CWF) yields up to ~50% (from ~20% in June)
•Capacity reiterated: 40/60/80 KPM (18A) and 0/6/24 KPM (14A) by end-2026/27/28.
#INTC
AdaptiveML retweeted
卧槽，有人发现了无限用 GPT-6 Astra 的隐藏入口？？？
网友发现，OpenAI 自己的 LaTeX 编辑器 Prism，登录之后居然可以直接用 GPT-6 Astra Extra High。
9 月 16 日确实有 reddit 用户报告，Codex 额度耗尽以后，Prism 中的 GPT-6 Astra Extra High 仍然可以继续使用。
这意味着 Prism 很可能根本不走 Codex / Work 的那套额度池，而是有自己独立的一套 usage pool（为了LaTeX数据？）。
Prism 是 OpenAI 官方今年推出的免费产品。
官方文档里直接写的是所有 Free / Go / Plus / Pro 个人用户都能进，内置 AI 助手由 OpenAI 的“前沿模型”驱动，但完全没写具体的 AI 使用额度。
所以目前的状态就很抽象GPT-6 Astra Extra High，疑似随便用。
唯一的问题是，Prism 毕竟是个云端 LaTeX 编辑器。
没有 Codex 那套 Terminal、本地文件系统和完整 Harness，甚至官方目前连 Git 集成都还没上线。
等于 OpenAI 给了你一颗可能随便用的 GPT-6 Astra 大脑，
但是暂时没给它手和脚。
现在就看谁先把 Harness 接上了。
等个Prism反代🤣
AdaptiveML retweeted
我的天呀！这个项目简直是神来的！也就是24个小时吧，竟然都5K了！我目前没有看过一个AI video产品能够做到这个程度！然后我今天看了他们产品的创始团队
技术负责人竟然才他妈18岁！18岁啊！我靠！有多逆天
24个小时5K star什么概念啊？现在的硅谷创业团队想一年做到3000 star的也只有凤毛麟角，相当于硅谷大厂牛马熬秃头干了三年的技术成果，被高中生用一天直接给超车了
AI来了，世界癫了
我靠我靠我靠！！！！这回跨境电商真的要大洗牌了，不用hypit的公司一定会死掉，真的是我见过至今为止最牛逼的克隆Video AI产品，这个做素材的效率真的太高了，而且这个产品现在已经开源了，直接在GitHub上就能找得到！！这样的项目赶紧点个star，不然之后找不到了
一条 26 秒的 YouTube Shorts，加一张同时拍到两只银猫的生活照，我真的用 Hypit 复刻出了一条 26.13 秒的新视频
我说的只有一句：/hypit 模仿这个YouTube Shorts视频保留原视频的榜单结构、四个动作笑点和竖屏节奏，把角色全部换成照片里的两只猫
第一次付费生成大约 6 分钟跑完：4 张 GPT Image 2 场景图、4 段 Seedance 2 Mini 视频，8 个模型任务全部一次成功，最终成片 1080×1920，30 fps，实际成本 1.39 美元，我仔细复盘了一下他这个产品的制作模式
它先把原片拆成 #5 翻滚、#3 叠手、#2 模仿拉链声、#1 双猫合唱四个语义段落，再把角色、动作提示词、视频、音轨、字幕、排名动画和渲染关系组织成一套可以继续修改的 Workflow
这条 26 秒的视频里，一共有 4 个语义段落、4 段生成视频、一条音轨和 20 个图形项
每个排名什么时候亮，哪段字卡什么时候出现，哪个动作配哪段声音，都能在 Source、Preview 和 Timeline 里继续检查
真的，这应该是我至今为止见过最牛逼的AI Video产品，它不是另一个视频模型，也不是一个只会帮你写提示词的 Agent，他是真的一个特别强的Harness
视频模型负责生成素材；Hypit 负责把 Script、Media、Semantic Time、Tracks、Graphics 和 Render 组织成一套可追踪、可修改、可复用的视频程序
Clone 的不是某一帧，是一条视频背后的生产结构。
如果你想用 AI 做内容变现，真正值钱的不是偶尔抽中一个漂亮镜头，是同一套结构能不能持续换角色、换产品、换文案，只有模板化的东西才能实现像素级对标
GitHub：github.com/hypit-ai/hypit
做 AI 视频、短视频矩阵或者系列化内容的，建议先收藏这个仓库，顺手点个 Star，我把素材放评论区了，你们也可以试一试
AdaptiveML retweeted
兄弟们！我声明一下！
我只是分享了几个开源工具！😅😂
已经不下20个人加我说要查人。
不要上来就问我能不能查人，找人，这事我不干，也不敢干哈
菩萨引进门，修行在个人。
都在这里面，自己弄哈！
AdaptiveML retweeted
Can an agent explore a new environment, learn its causal structure, and keep improving without updating its model weights?
We introduce RSIAgent, a framework for recursive self-improvement through autonomous exploration. Using Kimi-K3 and GLM-5.3 as base models, RSIAgent outperforms GPT-6 Astra on both OSWorld 2.0 and Agents’ Last Exam.
RSIAgent decides what to explore, executes tasks, verifies outcomes, and consolidates stable action-condition-outcome relationships into memory for future use.
With the underlying model weights fixed, RSIAgent achieves:
- 78.98% Partial Score on OSWorld 2.0 (0808 offline), compared with 72.60% for GPT-6 Astra
- 84.82% on Agents’ Last Exam (Near-term), compared with 82.26% for GPT-6 Astra
We call this Scaling Experience. Agents can continue improving by acquiring, verifying, and reusing their own experience while the underlying model weights remain fixed.
Links in the reply below.
AdaptiveML retweeted
My guarantee to any Founder out there -
In 14 Days we can get you from 0 to Revenue, and teach you how to build Distribution for yourself via building in public, completely for free (not 7% of your company).
We're throwing a camp for 100 Founders Oct 4-18 called Launchpad:
The entire camp is paid for (it's beautiful).
We're bringing a ton of famous Entrepreneurs to come mentor you (GaryVee, Daymond John, Sophia Amoruso, Zach Yadegari, etc).
We're filming + televising the entire thing, Squid Games x Shark Tank style (I just hired a production team from MrBeast).
Which means you'll get millions of views in distribution just by participating.
And at the end you'll have the chance to pitch Tier 1 VCs for millions of $.
We are doing this to prove that there is a new Playbook to be cemented of how to go from $0 to $1M via building in public.
We did it ourselves to go from $0 to $40M ARR.
Now we're teaching everyone else.
Apply here: launchpad.stan.store/
And for any YC Founders - I guarantee if you come for these 14 days, you will get more value than whatever you would be doing at YC during those days.
Hope to see you there.
AdaptiveML retweeted
卧槽！TradingView 居然有隐藏接口，免费把实时行情 + 指标值全扒下来用
TradingView-API，4.7K stars，股票/币圈/期货全市场实时价，连邀请制私有指标都能拿到！
做量化的炒币的都知道，实时行情和指标数据要么付费、要么自己挨个接交易所。
但这个开源库不一样，直接走 TradingView 的非官方接口，免费拿实时价 + 指标值。
核心能力：
1️⃣ 实时行情：直接获取 TradingView 上的实时市场价格
2️⃣ 指标数据：可以读取 TradingView 技术指标和自定义指标的实时数值
3️⃣ 支持 Invite-only Indicators：连邀请制指标也能读取结果
4️⃣ Screener / Hotlist：可以获取筛选器热门标的、榜单和市场异动
5️⃣ Replay：支持回放模式，甚至给免费账户提供 Fake Replay
6️⃣ 自动回测：可以批量测试不同策略和参数组合
7️⃣ 图表数据：还能读取你在 TradingView 图表上画的内容，以及指定时间范围的数据
想白嫖 TradingView 的数据能力，这个库值得收藏。
github.com/Mathieu2301/Tradi…
好家伙！股票/币圈通用的缠论分析工具——chanlunpy，笔/段/中枢/买卖点自动识别，TradingView 风格网页前端 + Backtrader 回测
以前想在网页上直接看缠论画线、还同步跑回测，要么自己写前端，要么各拼各的。
chanlun 不一样，把缠论计算、TradingView 风格可视化、Backtrader 回测、Web API 揉进一个项目，pip 装好就能跑。
核心能力：
1️⃣ 自动识别缠论结构：笔、线段、中枢都可以直接计算
2️⃣ 简单买卖点标注：把缠论结构进一步转成可观察的交易信号
3️⃣ TradingView 风格前端：不用只看 Python 输出，图表上可以直接看完整结构
4️⃣ Backtrader 回测：支持把缠论信号继续接到策略回测里
5️⃣ Web API：通过 HTTP 请求直接获取结构化分析结果，方便接到自己的量化系统
6️⃣ 股票 + Crypto：可以分析不同交易品种，不局限于 A 股
我比较喜欢它的一点是：它不是单纯画几根线。
整个逻辑已经从：K线 → 笔 → 线段 → 中枢 → 买卖点 → 回测，串成了一套可编程流程。
这意味着你不只是拿它看盘，还可以继续把缠论结构作为数据，接进自己的选股、策略、AI Agent 或量化研究系统。
做缠论、技术分析、Python 量化或者想把缠论接进 Backtrader 的，这个值得看看。
github.com/YuYuKunKun/chanlu…
AdaptiveML retweeted
talked to a YC founder who went $0 → $3.5m ARR in their first 9 months with their ENTIRE GTM built off going to conferences.
Here's everything they did (step by step):
4 WEEKS BEFORE
> post that you're attending + who you want to meet + how to reach you
>use Origami to find people who made posts about the conference from the past 5 years
> build list of everyone with your target job titles who liked or commented
> you collect ~50% of the entire attendee list weeks in advance
> personally DM relevant attendees on LinkedIn + X
> reply fast and get your 10 highest-priority prospects on the calendar
The goal is to arrive with convos already underway.
DURING THE CONFERENCE
> block out 1-3 days for meetings
> give the team one shared booking link
> reserve a quiet café or private dining room nearby
> aim for 12 half-hour meetings a day, with breaks between them
then make those meetings count:
> bring a thoughtful small gift and a personal note
> spend time understanding each prospect's problem
> invite 5 customers with a strong product fit to a casual on-camera Q&A
> give them room to tell their story
those conversations become material you can use long after everyone flies home.
4 WEEKS AFTER
> send the footage to a freelance editor
> turn it into 15-20 short, captioned clips
> publish a clip every few days on LinkedIn + X
> use the strongest clips to start conversations ahead of the next conference
each event feeds the next one.
more customer stories.
more familiar faces.
more reasons for someone to take a meeting.
the playbook costs them a few thousand dollars to execute.
now they're targeting ~$6m ARR by the end of year one, selling to large enterprises, with conferences still driving their customer acquisition