小红书收藏夹800多篇找不到、手动整理太累、卸载后全没了。这个Obsidian插件一键导入：标题+正文+图片+标签全沉淀。实测2小时导入23篇旅行笔记，菜谱穿搭都能用。

很多人以为prompt能力是会写更复杂的指令。但真正的prompt能力根本不在措辞层面，它在你能不能定义问题、建立边界、控制污染、安排验证。换句话说，prompt能力是研究能力，不是写作能力。这篇文章记录了我从爽文研究项目中得出的认知，以及AISet知识库的设计思路。

一场大型互联网公司的AI落地培训，从运营到客服各部门带着真实业务场景来问AI怎么落地。学员已经从学AI是什么，进阶到如何把业务经验蒸馏成知识库、如何定义判断标准。培训中讨论了自动化与人际接触的平衡、AI项目的两种焦虑、业务人员如何主动下场梳理逻辑等核心问题。

女娲.skill是独立开发者花叔开源的Agent Skill，输入一个人名自动蒸馏其思维方式——心智模型、决策启发式、表达DNA。已蒸馏乔布斯、马斯克、芒格等14位人物，全员通过保真度盲测。本文拆解它怎么用、应用场景在哪。

一个大二学生用 AISet 加 Obsidian 搭了一套围绕自己运转的 OPC 赚钱系统，大半年变现六万多。文章拆解了前端获客中端转化后端交付的三段结构，以及五模块知识库怎么让 AISet 一直知道你是谁。

OmniRoute作为一个本地部署的开源项目，居然接入了250家供应商，这里面有90多家提供免费额度，还有11家是永久免费的。

强指纹的根源：Canvas 之所以成为强指纹，是因为它的渲染结果同时受 GPU、显卡驱动、操作系统字体库与抗锯齿算法影响，同一台设备输出的像素哈希高度稳定且区分度极高。

一篇花三天写的深度分析阅读量873，一篇半小时随手写的吐槽破了万。问题出在哪？不是内容好坏，是你写文章的方式太老实了。把结果放前面，从小事切入，学会借力，这三个不老实的写法才是传播力的真相。

前两天有个做健康管理的朋友找我聊，说看了篇讲医疗AI Agent的文章，很兴奋，觉得自己那摊业务也能用上，问我搞一个出来要多少钱，多久能跑起来。 我让他先把文章发我看看，结果微信打不开，环境异常验证那一套又来了。不过他转述的内容我已经大概明白了，核心就三件事，拍照收集用户的医疗数据，体检报告拍照上传然后自动解读，再加一个智能客服随时回答健康问题。 说实话这三

如果将经济循环比作一条河流，财政资金、企业投资和金融信贷构成的上游水源，最终汇入居民收入与消费。从投资驱动走向消费驱动，是未来十年中国经济最深刻的一场转型。文章分析了预期卡点、分配卡点、财政卡点三大阻碍消费增长的关键因素。

前两天有个做跨境电商的朋友跑来找我，说他依靠AI工具弄出来了50张主图，耗费的时间还不到两个小时，生成图片的速度确实快得很呐，但是上架之后点击率却一直停留在1%左右徘徊，比之前人工做的还要低。

收藏夹里的文章从来不会重读，知识没有沉淀只是换了地方堆。Karpathy提出的LLM Wiki思路，让AI增量维护结构化Wiki代替每次从零拼接的RAG模式，一次编译持续复用。用AISet+Obsidian实操搭建，从采集到编译到查询到治理，跑通个人知识管理全流程。

刷 GitHub 的时候看到一个项目，名字叫taste-skill，副标题写得很直白，给AI加品味，阻止它生成无聊的泛泛内容。我当时想，这得是多少前端开发者被AI生成的界面折磨到忍不了了，才会把一个纯指令文件的项目推到这个位置。没有一个npm包，没有一行运行时代码，没有构建步骤，全是SKIL。

这些所谓「机密」的东西呀，其实远远没有咱们想象当中那么神秘。

千集客户端内置Hermes Agent三个月实测，从写Prompt到下指令的工作流转变。Agent有记忆、能自进化、有手脚，Skills封装工作流让普通人零门槛获得AI能力，附三道坎和真实时间节省数据。

港大HKUDS开源的Vibe-Trading项目GitHub上每天涨400多星。它用自然语言驱动量化策略生成，79个金融skill按需加载，7个回测引擎覆盖A股港股美股加密货币期货外汇。Shadow Account功能分析真实交易记录诊断心理偏见，29个多agent团队预设，五层上下文压缩，安全mandate机制。两个月新项目，帮有想法但不会写代码的人验证想法，但不能帮产生好想法。

上个月有个朋友跟我说，他公司的官网流量掉了一半，不是因为被Google惩罚了，用户压根不来Google了。 他们搜东西直接问ChatGPT，问Perplexity，问Kimi，一个对话框就拿到答案，谁还去翻十个蓝色链接？ 我当时觉得他夸张了。回去查了一下数据，27%的美国消费者已经在用AI聊天框替代传统搜索引擎，Gartner预测到今年底25%的搜索走生成式AI渠道。这事儿已经发生了，真真切切在发生。 然后我在GitHub上刷到一个项目，叫seo-geo-claude-skills，2300颗星，20个sk...

上周在GitHub Trending上看到一个叫book-to-skill的项目，6100颗星760多个fork，做的事极其简单粗暴，把你的技术书PDF直接投喂进去，它就能给你自动生成一套完整的Agent Skill，安装到Claude Code或者Copilot CLI里面，以后你问这本书的任何内容，AI直接从原文进行回答，不编不猜，并且章节按需加载而不是一口气全塞入上下文。

循环Transformer通过重复应用共享模块来扩展潜在计算，但顺序循环会增加延迟和KV缓存内存，且与循环次数成正比。并行循环Transformer (Parallel Loop Transformer, PLT) 通过跨循环位置偏移 (Cross-Loop Position Offset, CLP) 和共享KV门控滑动窗口注意力机制缓解了这一成本，使循环次数成为可行的设计选择。因此，我们通过增益-成本视角研究PLT的循环次数选择：额外循环可能优化表征，但CLP也会在每个循环边界引入位置错位。我们通过训练LoopCoder-v2来实例化这项研究，这是一个具有不同循环次数的7B PLT编程模型系列，从头开始在18T token上训练，随后进行匹配的指令微调和评估。实验表明，双循环变体在代码生成、代码推理、智能体软件工程和工具使用基准测试中，相较于无循环基线展现出广泛优势，将SWEbench Verified得分从43.0提升至64.4，Multi-SWE得分从14.0提升至31.0。相比之下，三循环及更多循环的变体性能反而下降，揭示了强烈的非单调循环次数效应。诊断分析显示，循环2提供了主要的有效优化，而后续循环则产生递减的振荡更新和降低的表示多样性。由于随着优化增益缩小，CLP引起的错位保持相对固定，偏移成本逐渐占据主导。这种增益-成本权衡解释了PLT在两个循环达到饱和的现象，并为循环次数选择提供了诊断依据。

凌晨五点让AI打磨文案，改三遍人味儿一遍比一遍少。AI写的东西缺少存在感。千集技术在此基础上做了fiction_writer，核心定义是不抹去文字背后的人味，只做减法不做加法。