Pinned Tweet
打磨出正式出品，做了若干的优化和经验沉淀。
和「直接在工具画板上操控对象」的传统工作方式不一样，agent 一直在后台用命令操纵，你看到的只是结果。如果不是精准且详尽的表达，始终会有偏差，截图沟通的时间也就随之剧增。1M context 大概多跑了 3 次 75% 的单 session 用量才达到这个结果。
对于这个场景：
● 合理设计互动对象，不用模版锁死。比如这里的鼠标跟随会和千寻的头部、小火车的车门开合关联；
● 让水体本身成为容器，移除了多余玻璃的关照影响；
● 各种结构倒角优化，太大了显得像塑料玩具；
● 地台补充柔和的接触投影，不浮在虚空；
● 海鸥和鱼的身体构造修复、车窗等立体结构避免中空等；
● 文案和场景细节（海底的金币）契合主题做设计，避免无意义的装饰；
应对反复：
● 抽离不同案例的公共依赖，体积不会过度膨胀；
● 打磨过程提取踩坑经验，在项目文件夹里给 agent 按需查阅；
● 块面关系做区别对待，人造物尽量平滑，岩石等天然材质保留块面；
● 可高度复用的水、光、地面等对象，多花点时间优化，ROI 高；
● 视频导出是逐帧录制的，规范写 handoff 给 agent，后续 agent 直接用；
我的建议：
● 在本地做，我用的是 CC 、pnpm 管理。（claude 网页预览只是给打包成一个 html。）
● 做好初步设计就直接 pnpm dev 编译预览，开始沟通打磨。
● 本地安装 ffmpeg，方便导出视频。
● 视频导出时带最佳压缩参数，一步到位，对分享友好。（本案例直出 100M，二次压缩 81M，一步到位 56M 反而有更好画质）
● 经验文档保存好，避免 agent 重复犯错。
我觉得主要是支付方式合规、邮箱账户纯净，最后才是网络环境相对稳定。
最少折腾：
- 都用自己的 gmail，多囤几个备用，不一定注册 Claude。
- 自己到苹果官网买礼品卡，iOS 内购，缺点是 Max 档多 25% 苹果税。
- 有国外银行卡，当然更省。但是账户、卡、网络组合显得不自洽，理论上也更容易被算法盯上。
我的情况：
主号从 Claude 2 存活至今，Free 套餐的小号观察了半年，又新注册了一个孩子的 gmail 加入战场。
组合是美区 Apple ID + Apple 礼品卡走 iOS 内购，网络工具是小火箭，经常在 SGP 和 USA 之间切换。
以上，都是猜测。反正官方不说，没人能保证，没准就是运气罢了。
大家好，本人是 AI 萌新，向来遵纪守法。现在有下面这些条件，准备尝试开启一个 100刀的克劳德代码的订阅，由于试错成本比较高，向各位大大请教经验避坑。☺️
1️⃣ 2024年 Gmail注册的 CC 账号，已开 Pro 账号无 KYC。
2️⃣ 美国银行实体 Visa 卡（账单地址加州，有额外税）
3️⃣ 新加坡 U 卡（目前用这个卡添加到 Google Pay 网页端，成功支付的 Pro）
4️⃣ 美区服务器 + WARP 落地
5️⃣ 日本东京 NTT 家宽( 物理 Mac Mini )
6️⃣ 新加坡 Singtel 家宽
在上面的这些条件组合下，大家更推荐怎样的组合方案，升级到 $100 刀的订阅呢？
个人猜测目前的变量应该是在 IP 和支付。
上次说建模学晚了就不用学了，这次拿打字机试了试能做到多沉浸。
在浏览器里真能打字：每个键是一根连着字锤的杠杆，纸上有纤维、逐字压出的凹痕和背面透出的反字。敲击声是代码现合成的，照一台 1940 年 Erika 5 的录音标定（agent 自发）。中文走模拟拼音，选好字再一个个敲上去。
整台机器没有一个模型文件、一段录音，全是 Opus 5.5 写出来的。⬇️
体验 letterfall.glintiary.com
这回从设计到发布，整条流水线都交给了 Claude Code
1️⃣ 按需求搭出可交互、带声效的实时 3D 场景
2️⃣ 对照历次积累的踩坑记录精修
3️⃣ 排一段首尾相接的剧情，导出循环视频
4️⃣ 给社交平台做封面卡片 (ogimage)
5️⃣ 发布到 Cloudflare，得到一个打开就能玩的链接
6️⃣ 维护仓库里各个案例和文档之间的双向链接，下个同类项目直接接上这次的沉淀
能一路顺下来，靠的是这个 LLM wiki 里沉淀的个人画像、方法和脚本，我只管说清楚想要什么。
开局一张图（照片参考），将曾经印象深刻的太子湖花船「搬进自己的屏幕」，想要放松就溜进来沐浴春风。
整体花最多精力的是花船的花材搭配、色彩层次和空间布置节奏、让模型自由发挥效果并不好，一开始连花的结构都表现含糊，应对方式是 pinterest 截图，回来骂。
其次是穿模的修复和交互事件的设计，骂累了才发现是开了 medium effort，当然要模型背锅啊 🤡
画面处理好之后，奏乐。我找了 3 份可商用 bgm，让 Opus 临时写选项，方便在场景里沉浸感受，留多少看心情。微风吹拂的声效设计要求模型做了调性匹配，尽可能和谐。
工具：
CC，Opus 5.5 high 纯代码构建，75% context of 1M。
做机械原理讲解真棒，只用 1% 周量就搞定了。视频是复用了前一个 three.js 案例的 WebAudio 声效合成和导出工作流，带来完整视听体验。
过程中 agent 自行截图验证会比较多，这个案例一共 55 张图。
Introducing Anatomy
Describe a machine in one line. Claude brings it to life.
- Interactive isometric wireframes you can rotate, inspect and explore
- WebGL shaders for fire, water, plasma and more
- Real 3D motion, with individual parts that rotate and move
Install it as an agent skill. Fully open source.
有些技术学得太迟就不用学了，比如说，建模？
Opus 在后台一顿敲，海上小火车就这么水灵灵造出来，场景音效都是它自发用代码合成的……
实现：
基于 Sac 的提示词解构了一份通用 meta prompt，然后用 NB 2.1 生成参考图丢给 Opus 5.5 High。
额外提示如下，给模型的自由度较高：
做一个千与千寻的海上小火车场景 [参考图]，3 只海鸥（1 停 2 飞是必备要素），车内暖光。
交互事件不一定是水面，按最佳戏剧效果帮我设计。
🤖 Made with AI
玩了一天 Nano Banana 2.1，说说和 gpt-image 家族的对比：
NB 2.1 脱胎于 gemini 3.6 flash，单看基模的 benchmark，NB Pro preview 的 gemini 3.0 pro 已被全线超越，因此在复杂 prompt 的理解上完全能扛大旗，费率还更低（$0.134/$0.0336 ≈ 4 倍）。
图 1 是密集图文的 case 实验，2K 档即可稳定输出。而 AI Studio 还能出 4K，ChatGPT 似乎固定1K .……
对于版权限制：NB 家族的 IP 支持整体宽松，NB 2 开始，才限制绘制漫威和部分迪士尼 IP。在个人用途上，以低挫败感和高可玩性吊打 gpt-image。
相应的，商用风险需要自行解决。
画面方面：会留白是 NB 家族的显著优势。gpt-image 截至最新的 2.5 版本，扩散不充分感、在应该留白的地方竭力复制元素的毛病丝毫未改。
图 2 右侧可以看到同一组 prompt 在 gpt-image-2.5 的绘制效果。
参数上：NB 2.1 延续了 NB 2 既可以 Web Ground，又可以 Image Search 的组合，超出预训练知识的任务不会陷入死局。gpt-image 就不那么省心了，你只能通过上传参考图的方式来打补丁。
另外，NB 2 家族都可以同时输出图文，边画边聊，干掉了切换文字大模型的折腾工作。
图 3 的文本接上 tts，可以无缝处理成有声书。
文字美学：NB 2.1 的标题字体，尤其是中文衬线字体，长进有限，打不过上一代的 gpt-image-2。如果你的绘制任务涉及文字设计，NB 还不是直出的好选择，期待新版 Pro 能有突破。
图 4 为 NB 2.1 出品的宋体，装饰感，0！
🤖 Made with AI
每日英语阅读材料稳了，给工作流补上最后一块「拼图」——准确、风格可控的发音。
一次一个主题，创作 agent 负责内容的设计和质量保障，绘图 agent 把故事装进一张 A4 纸，gemini 3.8 flash tts 让孩子独立学习不再被发音困扰。
莫得感情的点读笔，从此多余。
为 llm-wiki 配套了知识图谱可视化工具，通过展示已经建立联结的、生长中的文档，让自己更有动力滋养数据资产，薄弱的节点也随之暴露出来。
一个 Python 脚本扫全局双链即可，完美替代 obsidian graph view，定制性也开满。
AI 无法取代你，因为你可以掌握「关系」
受 Joy 这个分享启发，我的 power-loom wiki 又砍掉了一层累赘的跨素材综述 (synthesis)目录，轻装上阵。
power-loom 始于 AK 提出的 llm-wiki。构建之初，我放弃了散落在各处的个人笔记，转而锚定 agent 们每天在跑的个人 skill 文件夹。
这片土壤之上：
● entities 承载对个人画像（DNA）的理解
● refs 是原材料中心，也是系统养料
● wiki-ingest 和 agent-oriented 这 2 个 skill 辅助吸收
● concepts 作为「细胞」，内部由双链连接
● summaries 形成「组织」
● index 打开 wiki 全局地图视野
在这个生态里面，人主动内化吸收，agent 织网生长，「知识体系 + 能力 + 工具」同时为人所有、为 agent 可调度。
经验就应该盘活并用起来，囤积知识只会徒增镣铐。
AI 辅助交易实战
Futu 转移到 IBKR 后首战告捷：$EQPT 持股 8 天，干净的单笔买入和卖出，净收益率 23.94%，费率折损仅 0.21%，全程 Claude 打配合。
方法:
1️⃣ 开视野（图 1）
辅助分析仍推荐 Futu 的自定义指标系统，可视化友好。这些主图/副图指标背后是简单的标记语言，让 AI 代写就行。
我主要用它看价格脉冲，这玩意和推特「营业」一样，流量主要靠少量关键脉冲，日常接受平庸，少用力。
2️⃣ 选股，脚本自动化（图 2）
前提是你已经有自己的交易体系：选什么、怎么买、怎么卖？把规则讲清楚，让你的小助理把脚本写出来。
Fable 5 上线当天，我把每日选股脚本性能优化了一轮，过程中发现 IB 的接口齐全，目标股池和提醒价位现在由脚本自动写进自选列表，人工操作全省。
3️⃣ 用点智慧（图 3）
Claude 设置里，Connector 添加 IBKR，它实际是 MCP，在 Claude Code 里面也能用。
第二步的脚本是纯数学逻辑，单靠这种东西偶尔会翻车，而且死磕算法很容易过拟合。你要是也懒得碰乱七八糟的 xx 面分析，那就简单点：让 Claude 诊断一下。决策定了，让 TA 出一条建仓指令，对接 IBKR 执行即可。（界面看不懂，咱就不看了
4️⃣ 设置提醒（图 4）
日常盯盘费精力，明显妨碍我们 vibe coding 了( ˙˘˙ )，怎么破？
监测 IB 接口的实时行情，用 AppleScript 给你弹窗。想要更「原生」的话，手动在 IBKR 点小闹钟（目前接口似乎不支持写入，等我再琢磨下
展望：
把「筛选-沟通-下单」的自动流程也打通，资金全交给 Agent，不想努力了。
凡人之躯，和机器打什么？
