分享怎么用好claude和codex,每晚10点睡觉,其他的交给Ai 每周拆解真实场景,用AI来重构工作和生活 天行健,君子以自强不息;日日精进,久久为功 分享真实生活,结交朋友
井
Joined December 2019
- Tweets3.6K
- Following683
- Followers2K
- Likes961
AI造福人类！
Anthropic使用AI研究生命科学取得重大成果！
Anthropic 联合 Citrini Research 刚刚公布了一项生命科学研究，他们想测试一个命题：AI 能否让非生物学专家群体，去正面攻克那些被商业资本遗忘的人类健康难题？他们选择让内部研究版 Claude从零设计针对致命蝎毒的微型结合蛋白。
全球每年有超过 120 万人被毒蝎蜇伤，导致 3250 多人死亡。但是都是贫困地区最多，资本不想做！
致命蝎毒的作用机理，是其神经毒素会精准锁死人体神经细胞的钠通道，导致神经元疯狂异常放电，迅速引发肺水肿与心力衰竭。如果能用计算机设计出一种微型蛋白质，像特制钥匙一样抢先死死贴住毒素的关键位点，就能在物理上阻止毒素侵入钠通道。
在 64 小时内，运行在 Claude Science 环境下的研究模型高度自主地调度了 12 个蛋白质设计与折叠工具，共生成了 318484 个蛋白序列，筛选了553052 对毒素复合物结构，耗费了约 1 万个 GPU 小时，最终交付了 180 个候选分子。
故事还没有结束。研究团队随后将包含补充序列在内的 211 个设计，送往 Adaptyv Bio 和 Twist Bioscience两家独立实验室进行真实的生物湿实验。结果显示，共有 17个全新设计的微型蛋白通过了严苛的双实验室结合测试，解离常数均在微摩尔以内，且对无关人体蛋白零非特异性粘附。在单靶点设计中，湿实验命中率达到了 18%，与经验丰富的专业人类团队相当。
当高精度的生物分子设计成本被压缩到几十个小时和几千美元算力时，全球那些原本因为市场太小、患者太穷、商业上不划算而被现代制药工业放弃的罕见病与被忽视疾病，终于第一次获得了平等被治愈的技术机会。
OpenAI大放水了！
又送了500美金额度！
快去查看一下自己的邮箱，之前订阅了200美金的，又送了500美金的额度。
感觉这是传说的老客户挽留措施啊。
不知道是不是只有我们这种之前一直订阅200美金套餐最近取消的才有；
OpenAI还真是大方啊！
Astra无敌！
我也强烈推荐乔木老师和姚老师的这本书《AI领导力》，我之前是报了很早的课程，
是有了课程才有的这本书；
正是看了课程，
才让我走上了AI学习的正轨。
强烈推荐乔帮主 @vista8 与姚老师 @yaojingang 的《AI领导力》!
不是客套话
是今天早上我老婆突然跟我说：
"我感觉最近写的提示词跟以前不一样了，得到的回答也精准了很多"
起因是前阵子她问我一些 AI 的问题
我没有一条条教她
而是直接建议她把这本书从头读起
我说你读完就知道该怎么跟 AI 沟通了
结果没想到这么快就有了效果
说实话，这本书出来一年多了
AI 工具都换了好几轮了
但它教的不是某个工具怎么用
而是一套跟 AI 协作的思维方式和底层方法
这些东西不会因为工具迭代就过时
一年多前的理论，到现在依然站得住脚
相当耐打！
工具可以忽略，迟早会变
但脑子里装的方法论不会过时
如果你刚开始用 AI
或者用了一段时间但总觉得差点意思
这本真的值得从头翻一遍
别羡慕我的签名版哈~
这个创意好诶，做一个AI sass
只需要把宜家那些安装图纸拍照，
就生成对应的3d组装视频教学！
不要小看了这个，
海外很多厂商是没有拍安装视频的
IKEA manuals, but they come to life.
I built the real BILLY instructions in 3D, so you can watch every step happen exactly as drawn. try it: sael.net/flatpack
现在我的Claude的额度消耗大大降低了；
主要就是把力工从sonnet变成了deepseek
但是官方的API还是蛮贵的，一天100块都很正常；
目前workbuddy国内版DeepSeek v4.1 flash 1017是0.11的倍率，但是注册送2500的积分，还是蛮耐用的；海外版是免费用，实际额度在每天1亿token左右；
Qcode今天也宣布到24号也免费使用DeepSeek v4.1 flash 1017，我估计到期如果腾讯继续干的话，阿里也会跟进，不排除二者上演长期的打车大战，为啥？跟grok的道理一样的，为了用户的数据和实际的工作应用！
还有基元律动目前双11也有充值买一送一的活动，相当于5折了，当然咸鱼更加划算，7块钱可以买大概78块钱的基元的额度。
我所知道的便宜的渠道大致就是这些了，聪明的小伙伴已经开始行动了！
终于可以告别恶心的国内电视机厂商了！！！
家里的电视机虽然没有吃灰，但是每次开机都是广告，看什么都是广告，vip付费完了还有特么vip专属广告，恶心到家！不止我们，海外也是一样的情况，这次终于有人忍不住了，拿起claude这个神器，开发了一个Apple TV风格的极简桌面，停掉了所有的广告。
这个项目叫 Gathin23/cleanyourtv，几天时间已经攒下了 23 个品牌、54款电视的实测清理清单。
很多人第一反应是怕把电视刷成砖。翻完仓库源码和 PROMPT.md 会发现，它靠的不是 Root 刷机，而是所有 Android TV 出厂自带的 ADB调试桥，再加一套给 Claude Code 戴上护栏的操作契约。整个流程不需要插线，在同一局域网下大概 15 分钟跑完。先在电视的 Settings → Device Preferences → About 里对着 Buil连按 7 次打开开发者选项，开启 USB debugging，然后把仓库里的 PROMPT.md 贴给电脑上的 Claude Code。如果遇到 macOS本地网络隐私拦截原版 adb 报 No route to host，仓库自带的纯 Python 脚本 tools/tv.py 会直接走 5555 端口绕过去。
清完后台之后，它会编译安装一个只有约 280 KB 的原生 Java 桌面，支持包括简体中文在内的 12 种语言。因为专门照顾 1GB RAM 的老电视，这个桌面砍掉了高斯模糊、视频背景和后台网络轮询，只留纯黑底色、底部 4 个常用 App 的圆角 Dock 栏，以及右上角切换HDMI 信号源、Wi-Fi 和设置的毛玻璃按钮。
当厂商不给我们一点观感的时候，那就只能对不住了！
硬件佬狂喜！
最近爆火的ESP32开发版，大家都想拿他来做开发小AI硬件产品，又怕烧坏，今天在github上找到了官方的这个仓库，没有开发板也能跑 ESP32 了。乐鑫在 GitHub 上的官方开源仓库 espressif/esp-emulator 把基于 Rust 编写的 ESP32模拟器搬进了浏览器，支持 ESP32系列。
过程很简单：打开网页选好芯片，把编译合并好的 .bin 固件直接拖进浏览器点 Run，整个芯片就在当前标签页里跑起来了，固件全程留在本地。
乐鑫这个模拟器把人肉卡点拆掉了，靠的是两层设计。
第一层是和真机对齐的故障边界：它不是只跑指令集的玩具，而是用两级融合页表把 RV32的 PMP、乐鑫的 PMA，以及 APM、TEE 和 PMS 内存权限控制器全都做了进去。AI 写出的固件一旦出现野指针、越界写 IRAM或未对齐访问，模拟器会像真实硅片一样当场拦截并抛出同样的异常和回溯栈；在 2026 年 10 月 13 日发布的 v0.49.0 里，它不仅把 ESP32-C3的 CoreMark 运行时间从 77 秒压到了 29 秒、浏览器端从 99 秒压到 49 秒，还把 ESP32-P4 和 S31 的全部 361 条 PIE 指令与真机跑出的3022 个随机状态用例逐位对齐。
第二层是专门为自动化脚本准备的命令行原语。用一行命令装好本地的 esp-emu 后，你可以直接给它传 --exit-on 和 --timeout，告诉它串口一旦打出某行预期日志就以状态码 0 退出；传 --inject 和 --inject-on，让它在看到特定提示时自动往串口塞输入；传 --uart1-tcp，用外部 Python 脚本在本地端口模拟挂在串口上的 GPS 或传感器；甚至不重启进程，直接通过 --control-tcp 发送 reset 或擦写Flash，或者加个 --trace 在不侵入固件代码的前提下生成大约 1.6 微秒精度的 Perfetto 任务时间线。
现在我们梳理出来了AI 固件流水线：先让 AI 写代码、调 idf.py merge-bin 打出镜像，再让 AI 自己跑 esp-emu盯着串口日志改完启动崩溃、内存越界和内置 WiFi SoftAP、BLE、OpenThread 的协议逻辑；等你想肉眼检查引脚电平和内存状态时，把同一个 .bin 拖进浏览器工作台点几下 GPIO 验证交互；最后一步再拿去烧真机。
我估计马上又会迎来一场AI硬件大爆发了！
这次deepseek 4.1-flash-1017又行了！
我用了一个景点的测试题目：造桥问题
同样 12000 块预算，我让 4 个 AI 各造一座桥，然后开卡车上去，一轮比一轮重，看谁的桥最后塌。
视频是四座桥的完整测试：先过公开的标准卡车，再上隐藏车型加压，最后再加 0.1 倍，看它们怎么塌。
规则：
木头便宜但弱，钢材贵但强，钢索只能拉不能压，长杆受压会弯，车一轮比一轮重，任何一根杆件超出承载力就算失败
这次测试的成绩deepseek-v4.1-flash-1017成交还比较理想！同场加压回放：tongjiang.app/?t=bridge
今天迷上了测试，感觉之前的沙盘建设不能把模型的更复杂的能力测试出来，所以我出了道硬核题考现在的顶级 AI：写一段飞控程序，把 SpaceX 的超重型助推器从 3 公里高空接回发射塔，用塔上的两根“筷子”稳稳夹住。
结局超乎我的想想，也绝对颠覆大家目前以为opus5.5最牛的认知！
先说下测试规则：干净目录、断网、限时 60 分钟，我全程不插手。最后用 20个它们没见过的盲测场景（不同起点、风况、剩余推进剂）进物理引擎打分。
测了 5 个模型，结果两极分化得离谱：
• Codex · gpt-6-astra high：20 场夹住 19 场
• Claude Code · Opus 5.5：夹住 18 场
• DeepSeek V4.1 Flash、GLM-5.3、GLM-5.3 Flash：0 场，全军覆没
视频里是同一个盲测场景下 4 座塔同时回收：两家稳稳落进筷子，一家直接撞塔，还有一家在半空烧光推进剂砸了下来。
这题到底难在哪？
最要命的一点：箭是停不住的。哪怕只开最后 3台发动机，最小推力依然大于箭体重量。这意味着它没法像无人机那样在空中悬停慢慢对准，必须算死点火时机，把下坠速度一次性刚好刹到零（Hoverslam）。
而且点火有 0.5 秒延迟，传感器带噪声和延迟，空中还有阵风。最后夹住那一刻，6 个指标必须同时卡死：承力销偏差 ≤ 0.75 米、竖直速度 ≤ 1m/s、水平速度 ≤ 0.5 m/s、倾角 ≤ 2°……差一点就是把机械臂撞断。只对着几个样例调参必死无疑。
翻看它们的解题过程，有几个特别有意思的细节：
1. Astra 差点就满分了。 它开工 4 分钟写出的第一版就能夹住 14 场，到第 31 分钟时已经实现 20 场全中，并一直保持到 45分钟后。结果最后几分钟它自己又改了一版，反而丢了一场。按规则以最终提交为准，定格在 19/20。
2. Opus 5.5 是个狠人。 只用 31 分钟就提前交卷，耗时刚好是 Astra 的一半。期间它自己写了 8 个调试和批量仿真脚本，跑了大概 1500个随机场景来调参，交卷前还顺手把这些脚本全删干净了，深藏功与名。
3. GLM-5.3 属于典型的“越改越崩”。 它在 8 分半钟存过一版，能夹住 3 场——这也是 GLM
家族全场唯一夹住过的时刻。但它不满意，继续埋头苦改，最后交上来的版本一场都没夹住。
4. DeepSeek 最有自知之明。 22 分钟就主动交卷，20 场里撞了 18场塔。翻看它留下的自述，它自己在里面写了一句预测：可能会「剐到塔身」。真被它猜对了。
测完我直接把验证模型修改成为了Astra midium，力工改成了sonnet！
完整测评过程（每一场都能 3D 自由视角回放）：tongjiang.app/?t=rocket
以前使用claude的时候经常喜欢用子代理，感觉窗口简洁又方便同一个上下文，同时子代理之间还方便通信；
现在感觉子代理这种情况非常消耗token啊，那个动态工作流更加用不起，如果主agent要做啥事一旦切掉或者关闭窗口子代理的上下文也就费了，就算是把子代理的上下文保留时间改掉也还是很浪费token；
有了orca以后，基本上都是要求尽量使用orca派发新窗口，不要使用子代理，还可以看到每个代理的工作详情，确实不错。
