摸鱼巨匠🔨 (@ChatGptAstra) header
摸鱼巨匠🔨 (@ChatGptAstra) profile picture

🥷 AI 产品经理 | 独立开发者 🎯 Vibe Coding & AIGC & 自动化工作流 📡 深度学习 | 持续输出 ✉️ 合作私信

Hong Kong
Joined December 2024
Photo by 摸鱼巨匠🔨 (@ChatGptAstra)Photo by 摸鱼巨匠🔨 (@ChatGptAstra)Photo by 摸鱼巨匠🔨 (@ChatGptAstra)Photo by 摸鱼巨匠🔨 (@ChatGptAstra)Photo by 摸鱼巨匠🔨 (@ChatGptAstra)Photo by 摸鱼巨匠🔨 (@ChatGptAstra)Photo by 摸鱼巨匠🔨 (@ChatGptAstra)Photo by 摸鱼巨匠🔨 (@ChatGptAstra)Photo by 摸鱼巨匠🔨 (@ChatGptAstra)Photo by 摸鱼巨匠🔨 (@ChatGptAstra)
我敢说,/learn 和 / swarm 绝对是 Antigravity 中最被低估的两个命令! 一、先说 /learn 这个命令我经常用,主要场景有 3 个: 1、某次复杂的任务跑得特别好,想把关键步骤和坑沉淀下来; 2、想把某个工作流提炼成 Skill,这时候 /learn真的不是一般的好用,谁用谁知道; 3、反复纠正过的错误或约束,想让它彻底记住。比如”数据库查询必须加 LIMIT,禁止全表扫描“之类的东西 每次你使用 /learn,Agent 会先分析近期消息,寻找明确纠正过的地方,对比失败和成功路径,最后找出关键改动和根本原因。 然后,Agent 会继续判断这个经验是属于 Rule 还是 skill,如果是已有的 Rule 或 skill 但是在实际中失效了,那么 Agent 会更新现有文件而不是重复创建副本。 最后,会生成一个叫 learning_proposal.md 的提案文件等你审核通过后再修改。 这就是 /learn 的整个流程。 二、/swarm 命令则有点像著名厨师 @poteto 的米其林厨房的概念 1. 拆分任务。 进入 swarm 模式后,当前的对话 Agent 会立刻化身协调者,并将当前的复杂任务拆分为互不冲突的小模块,并将它们交给不同的 Worker Agent 2. 分配并公开Breif。 然后,每个 Worker 会获得独立的上下文,并收到协调者的一份公开 Brief,Brief 会明确每个 Worker 负责什么、不能碰什么、怎样算完成。 3. 并行执行 + 验证。 Workers 开始在各自的隔离工作树并行执行。同时,每 2-4 个 Worker 会被分配一个 Verifier Agent,负责读 diff、跑测试、发现问题并反馈给对应的 Worker 去修。 还会有一个 Monitor Agent,任务卡住的时候它就会跑出来。 4. 共享看板协作。 Worker 之间不私聊,所有进展、问题、测试结果都公开可见,所有沟通都会在同一个共享看板进行。 5. 汇总汇报。 协调者 Agent 本身不写代码,只负责分配、判断结果、向你汇报最终进展。你也可以随时打开 Swarm 面板 这就是 /swarm 的整个流程,对于复杂任务真的非常值得尝试,就是有点耗 Token....
13
15
4
143
13,644
grill me不算冷门命令了哈哈
303
拆解高手的思路,就是学习 AI 最快的方式! GitHub 上有很多开源的 Skill,实际上是非常好的学习资料,因为它们体现了大佬们的思考过程 比如 Matt Pocock Skill 和 Pstack 其实都有一个底层共识:Agent 的输出并不可信,必须用外部的、结构化的工程纪律来约束它们 但差异又在哪里? Matt skills 的核心是要求在开始前就消除歧义,避免 agent 在未被对齐的需求上高效地写错代码; 而 pstack 更侧重于事后验证,核心是要求 agent 用真实运行时的证据证明功能跑通,而不是把“测试通过”当成“功能完成” 因为 Matt skills 离散且可组合,我会更关注它们按任务阶段如何组合使用; 而 pstack 是完整工作流,我会更关注它如何路由、如何兜底,以及如何把路由和兜底串成一条默认路径 从这个角度去拆解高手的 skill,你会对 Agent 的运作、Harness 和工程实践理解得更深、更透彻!也更容易形成自己独特的工作流!
11
8
1
55
4,093
摸鱼巨匠🔨 retweeted
Learn Coding by playing games 1. Kubernetes k8sgames.com 2. DevOps devops.games 3. Linux overthewire.org 4. Git ohmygit.org 5. Python codecombat.com 6. CSS & HTML codepip.com 7. Cybersecurity picoctf.org 8. Mobile Coding (like Duolingo) sololearn.com 9. For Complete Beginners scratch.mit.edu 10. 25+ Programming Languages codingame.com
3
3
169
摸鱼巨匠🔨 retweeted
How Do You Keep AI from Writing Slop Code? This 17-minute talk by Tudou is well worth watching. Two points stood out most: 1. Lint rules are more effective than Agent.md. Agents readily copy bad patterns, and written notes or Markdown files do little to constrain them. In the talk, Tudou says she even disabled 99% of code comments, because agents love to use comments to justify their temporary patches. A more effective approach is to turn every correction into a lint rule, with the error message pointing directly to the root cause rather than patching around it. That way, bad patterns are blocked by tooling instead of relying on the agent’s memory. 2. Review the evidence, not the code. Once output scales up, humans simply can’t review that much code. Tudou’s team focuses on verification artifacts—for example, having the agent run the app itself, submit screen recordings and screenshots, and run formal verification (TLA+, Lean, etc.). Roughly 70% of the team’s tokens go into verification. Humans assess whether the evidence is trustworthy rather than reading agent-written code line by line. With this playbook, Tudou’s team can merge about 11,000 PRs a month with a rollback rate of only 0.5%. So the key isn’t a stronger model. It’s using deterministic constraints like linting and verification to genuinely build trust in the agent.
2
3
254
如何避免AI写出屎山代码? 土豆这份17分钟的演讲非常值得看! 最有启发的主要有两点: 1. Lint规则比Agent.md好用 因为Agent很容易把坏的模式复制下去,而文字注释或者Md文件对它的约束力很弱。 演讲中,土豆说她甚至屏蔽了99%的代码注释,因为Agent特别爱在注释里给自己的临时补丁找借口。 更有效的做法是把每一次纠正都写成Lint规则,错误信息直接指向根本原因,而不是再打补丁。这样坏模式会被工具直接拦住,而不是靠Agent的记忆 2. 审证据,而不是审代码。 当产量上来之后,人根本审不过来那么多代码。 土豆团队的做法是侧重看验证产物。比如让Agent自己跑应用、交录屏和截图、跑形式验证(TLA+、Lean等)。 他们团队大约70%的token都花在验证上。人看的是这些证据是否可信,而不是逐行去读Agent写的代码 这套打法跑下来,土豆团队能做到单月合并约1.1万个PR,回滚率仅0.5%。 所以,核心不是更强的模型,而是通过Lint、验证这些确定性约束,把对Agent的信任真正建立起来。
14
28
1
204
19,101
摸鱼巨匠🔨 retweeted
Claude Code终于也有 Code Mode了! 大模型不再需要一个个调用 tool call,而是直接写一个 js 脚本把所有东西一次性运行 对于那些连续tool call的地方真的非常方便! 官方推荐在以下场景中使用: 1. 跨多个文件的重复修改 例如批量改配置、统一替换某段代码、清理无效链接等 2. 搜索结果需要先过滤再处理的 比如先用 rg 找出一堆文件,再根据内容决定只读/只改其中一部分,而不是把所有搜索结果都塞回上下文。 3. 多个相互独立的操作可以并行执行 同时读多个文件、同时跑多条命令、同时检查多处状态。 4. 需要把上一步结果直接传给下一步的链式操作 例如:先搜索 → 筛选目标文件 → 修改 → 再跑测试,最后只把关键结果返回给模型。 目前该模式还是默认关闭的,并且只能在终端会话中实用,开启方法如下: 把下面内容写进用户配置文件 ~/.claude/settings.json: "env": { "CLAUDE_CODE_EXPERIMENTAL_CODE_MODE": "1" } 传送门🔗:code.claude.com/docs/zh-CN/c…
3
4
15
1,290
Claude Code终于也有 Code Mode了! 大模型不再需要一个个调用 tool call,而是直接写一个 js 脚本把所有东西一次性运行 对于那些连续tool call的地方真的非常方便! 官方推荐在以下场景中使用: 1. 跨多个文件的重复修改 例如批量改配置、统一替换某段代码、清理无效链接等 2. 搜索结果需要先过滤再处理的 比如先用 rg 找出一堆文件,再根据内容决定只读/只改其中一部分,而不是把所有搜索结果都塞回上下文。 3. 多个相互独立的操作可以并行执行 同时读多个文件、同时跑多条命令、同时检查多处状态。 4. 需要把上一步结果直接传给下一步的链式操作 例如:先搜索 → 筛选目标文件 → 修改 → 再跑测试,最后只把关键结果返回给模型。 目前该模式还是默认关闭的,并且只能在终端会话中实用,开启方法如下: 把下面内容写进用户配置文件 ~/.claude/settings.json: "env": { "CLAUDE_CODE_EXPERIMENTAL_CODE_MODE": "1" } 传送门🔗:code.claude.com/docs/zh-CN/c…
3
4
15
1,290
AI时代,如何10倍提高你的学习效率? 强推一下这个开源项目Learn Harness,真的夯! 它会先测试你的基础知识水平再帮你规划学习路径,然后如果你理解得越深,它得教学内容也会越难;你得理解不到位,它又会及时调整内容难度,真的非常适合快速入门一个领域或者攻克某些复杂抽象概念! 学过之后,它还会把你学过的内容保存为知识图谱,真的是梦中伴学产品,期待它不断地迭代 目前已经 9.5k stars!
6
5
45
3,280
Claude 的母公司要上市啦! 每天用 Claude 写代码、做研究、被封号,现在,这家公司的 IPO 已经启动路演。按官方披露,Anthropic 拟在纳斯达克以 ANT 为代码上市,计划发行 8.25 亿股,初步发行价区间为 70–78 美元/股。 大家猜一猜,市场会怎么给一家头部大模型公司定价? 我们平时用 Claude,总是在处理一些复杂的任务。而到了公开市场,投资者要算另一笔账:这些能力能带来多少付费需求,收入增长能不能覆盖越来越大的算力投入?Anthropic 最终以什么价格发行,上市后市场又愿意给它什么价格,值得放在一起看。 Bitget IPO Prime 的 Anthropic 公开轮现已开放。 符合资格的用户可用 USDT 或 USDGO 申购,个人上限为 25,000 美元。平台按规则比例配售,5% 承销服务费只对实际获配部分收取。 配售结束后,未获配资金将自动转入对应币种的专享活期产品,15 天内最高 10% 年化(APR),按小时派息,转入后可随时赎回。 新用户还有 10 万 USDT 奖池活动。 11 月 2 日起注册的符合资格用户,完成身份认证、活动报名及 IPO 申购后,单笔首充满 1,000 USDT,可获价值 20 USDT 的 rANT 奖励。单笔首充满 30,000 USDT,可获价值 100 USDT 的 rANT 奖励,并直升 VIP,解锁更高的专属申购额度。 快冲,支持下我们的顶级模型!
30
30
7,837
笑死,大家都被Claude逼疯了吗? 有人直接针对Claude开源了一套环境方案。 独立虚拟机、断网保护、网络+指纹双隔离,而且是开箱即用! 先让我试用两个月,哈哈哈 传送门🔗:github.com/Lee-xeo/Claude-Ca…
4
2
7
804
正常浏览资讯时,页面也可能被植入风险脚本。 GCSA 的安全 Agent 在 10 月 22 日检测到,BlockBeats 移动端搜索页加载了来自第三方域名的可疑脚本,并判断其与 DarkSword 攻击链相关。 用户只是正常搜索资讯,页面就会自动加载脚本,不需要点击陌生链接,也不需要连接钱包或进行签名确认。这是比较典型的网页投毒思路,把攻击入口藏在用户日常访问的正常页面里。 好消息是 BlockBeats 在收到通知后,于次日就确认问题已修复。目前公开信息显示,这是一次被及时发现并处理的事件。 网络安全问题真的不容忽视
🚨 On Oct 22, GCSA Security Agent detected a DarkSword-linked script injection on the BlockBeats search page targeting iPhone crypto wallets without requiring user interaction. BlockBeats confirmed the issue was resolved on Oct 23 following our notification. 🛡️ Read the full analysis: GCSA Insight: BlockBeats Poisoned by DarkSword Attack Chain, iPhone Wallets at Risk of Theft 🔗 media.gcsa.com/en-US/news-37… #GCSAInsights
19
1
24
88,314
摸鱼巨匠🔨 retweeted
卧槽!这将是你见过的AI时代最牛逼,没有之一的AI自媒体内容生产工作流!! 我他妈真是个天才,我现在每周要发布的内容,周日一觉醒来,下周每天该发什么、写什么,AI 全给我讨论完了!! 做自媒体的都知道,最折磨人的不是写稿,是选题,是写作角度 每天翻 X、翻小红书、翻 TikTok,看别人发什么火了、我能蹭什么角度 选题想完了时间没了人也废了,真正开始写的时候灵感早没了… 上周我冒出了一个天才想法: 我把 AIsa(@AIsaDotOne)的社媒数据接口和 Teamily AI(@Teamily_AI)的 Team Agents 拼在了一起,搭了一条全自动的内容生产线!! AIsa 具备强大的数据能力:能直接抓 X、TikTok、Instagram、YouTube、Reddit 五个平台的真实爆款数据,还能监控我想监控的对标账号 每个社媒平台背后都接了好几家供应商,保证使用的稳定性 不是那种让 ChatGPT 瞎猜什么火了,或者那种网络上公开的无用热点 Teamily 能让你把一群 AI 拉进同一个工作群,它们共享上下文,自己分工自己讨论 我建了一个群,拉进 4 个 Agent: 1、热点 Agent:接 AIsa 接口,每周自动扫 5 个平台 AI 领域的爆款 2、选题 Agent:筛出有流量、有争议、适合我账号风格的方向 3、调研 Agent:补资料、查来源、核实数据,防止发出去被打脸 4、写作 Agent:直接出 Hook 和文章框架 这 4 个 Agent 共享同一个上下文——热点 Agent 发现一条爆款,选题 Agent 直接看到并判断能不能写,不需要我来回复制粘贴传话 并且最牛的我设了一个 agent Loop,每周日自动跑 现在简直是爽歪歪... 周日早上醒来,群里直接无数条选题,每条带着 Hook、切入角度、初稿框架,全部摆好等我挑 说实话搭的时候有点心虚,怕拉回来的热点不靠谱 但我自己跑了今天之后发现,简直太牛了!! 因为 AIsa 拉的是真实平台数据,选出来的方向比我自己翻一小时找的还准 如果你想的话,Agent现在可以通过AIsa直接连接你的社交媒体账号,直接帮你排期发帖,形成一整个闭环 整个搭建就一下午: 1、注册 AIsa,拿 API,接上你想监控的平台 2、在 Teamily 建群,拉 4 个 Agent,每个给一段 prompt 说清楚它干什么 3、热点 Agent 调 AIsa 接口拉数据,后面三个接力:筛选、补资料、出稿 4、设 Loop,选频率,让它自己跑 5、你只管最后一步——醒来,挑选题,拍板 这个群组目前我已经可以开放 ——你加进来也能看到每周的选题,和我一起共享选题 我诚心邀请各位兄弟进来和我一起享受我掏钱买来的的用量和额度!! 你甚至可以拉自己的 Agent 进来,改成你的赛道和风格,变成你自己的内容工作台 链接放在下方!!兄弟们快来!👇
110
126
31
768
59,724
近期全球安全论坛召开了,这份公开研究报告我拆解了一下。 AI的应用已从辅助编写钓鱼邮件,进化到可自主执行攻击流程。例如,近期有越狱后的DeepSeek相关代理持续数周针对欧洲电信及医疗相关系统开展活动;ARTEX等框架也被观察到用于密钥扫描、横向移动等自动化操作。 过去需要攻击团队数周完成的任务,现在通过Agent设置目标后即可自主推进,并在过程中调整策略。这类能力提升使网络安全的影响范围进一步扩大,已超出传统技术防护范畴。 我感觉,目前攻击侧能力迭代速度较快,而公众整体安全意识还跟不上,后续相关风险可能更频繁出现。
🇭🇰 May 19, 2026, The Global Cybersecurity Alliance (GCSA) successfully held the First Global Security Forum in Hong Kong. Read the full update: 🔗gcsa.com/en-US/forums/first-… #GCSAInsights
11
1
33
39,218
摸鱼巨匠🔨 retweeted
STOP WASTING HOURS TRYING TO LEARN REA. REA Team put together one practical roadmap with tutorials, real investigations, GitHub repos, books, research papers and free courses. START HERE: 1. REA Official Repository github.com/morluto/rea 2. REA Official Website rea.tools 3. Installation & Agent Setup github.com/morluto/rea/blob/… 4. Your First REA Investigation rea.tools/first-investigatio… 5. REA Guides rea.tools/guides/ 6. Guided MCP Prompts github.com/morluto/rea/blob/… Install: npx rea-agents@latest setup WATCH & FOLLOW ALONG: 1. How To Use REA To Clone Any Software In Minutes — youtube.com/watch?v=FnB9tHKB… 2. REA + Pi Coding Agent Tutorial datacamp.com/tutorial/revers… 3. Ghidra Tutorial for Beginners youtube.com/watch?v=OFAxXXcL… 4. Frida for Android Reverse Engineering youtube.com/watch?v=GHh9P-Dy… 5. pwn.college Reverse Engineering pwn.college/intro-re-pwn~593… 6. Malware Unicorn RE101 malwareunicorn.org/workshops… REAL REA INVESTIGATIONS: 1. Notes Export rea.tools/first-investigatio… 2. Notion Clipboard rea.tools/showcase/notion/ 3. DX-Ball Reconstruction rea.tools/showcase/dx-ball/ 4. Aegis APK rea.tools/showcase/aegis/ 5. TH04 Bullet Patterns rea.tools/showcase/th04/ GITHUB REPOS: 1. REA github.com/morluto/rea 2. Awesome Reverse Engineering github.com/morluto/awesome-r… 3. REA Gems github.com/sqwu/rea-gems 4. Awesome Reverse-Engineered github.com/alexgaoth/awesome… 5. Ghidra github.com/NationalSecurityA… 6. JADX github.com/skylot/jadx 7. Frida github.com/frida/frida 8. ILSpy github.com/icsharpcode/ILSpy 9. x64dbg github.com/x64dbg/x64dbg BOOKS: 1. The Ghidra Book, 2nd Edition nostarch.com/ghidra-book-2e 2. Reverse Engineering for Beginners go.yurichev.com 3. Practical Binary Analysis nostarch.com/binaryanalysis/ 4. Practical Malware Analysis nostarch.com/malware 5. The Android Malware Handbook nostarch.com/androidmalwareh… 6. Reversing: Secrets of Reverse Engineering wiley.com/en-us/Reversing%3A… RESEARCH PAPERS: 1. LLM4Decompile arxiv.org/abs/2403.05286 2. AutoDecompiler arxiv.org/abs/2606.16162 3. SALT4Decompile arxiv.org/abs/2509.14646 4. Decomperson usenix.org/conference/usenix… 5. DIRTY usenix.org/system/files/sec2… 6. Automatically Attacking Software RE Agents arxiv.org/abs/2605.30667 7. Does Reverse Engineering Need a Bigger Model? rea.tools/blog/reverse-engin… FREE COURSES & PRACTICE: 1. OpenSecurityTraining2: x86-64 Assembly p.ost2.fyi/courses/course-v1… 2. pwn.college: Reverse Engineering pwn.college/intro-re-pwn~593… 3. pwn.college: Reversing Hell pwn.college/reversing-hell/ 4. Malware Unicorn RE101 malwareunicorn.org/workshops… 5. Nightmare github.com/guyinatuxedo/nigh… 6. RPISEC Modern Binary Exploitation github.com/RPISEC/MBE 7. OWASP Mobile Application Security mas.owasp.org BEST ORDER TO LEARN: install REA → Notes Export → Notion → CTF binary → Aegis APK → DX-Ball → then Ghidra, assembly and papers
1
1
287
摸鱼巨匠🔨 retweeted
刚开始接触 Claude code 的朋友,我强烈推荐你去看看这个项目— learn-claude-code 这个课程不是在教你用 Claude code,而是教你从零实现一个类似 Claude Code 的 AI 编码 Agent 项目分成 12 个 session,每个 session 只加一个机制,代码从几十行逐渐到完整版,每节课都有独立可运行的 Python 文件: s01. 基础 Agent Loop + 1 个 Bash Tool(最简版,跑起来就行) s02. Tool 注册与调度 s03. Todo 规划(让 Agent 先想计划) s04. Subagents(子 Agent 拆分大任务) s05. Skills 动态加载(需要知识时再注入) s06. Context Compact(上下文压缩) s07. Tasks + 依赖图(持久化任务) s08. Background Tasks(后台异步执行) s09. Agent Teams(多 Agent 团队) s10. Team Protocols(团队沟通协议) s11. Autonomous(自主认领任务) s12. Worktree + Task Isolation(工作树隔离,完全不互相干扰) 最后还有 s_full.py 把所有功能合在一起 仓库地址:github.com/shareAI-lab/learn… 在线学习平台:learn.shareai.run(强烈推荐先打开这个看可视化) 中文 README:github.com/shareAI-lab/learn…
5
2
11
843
你做的前端越来越好看,却越来越没有记忆点。 因为你的审美太依赖AI了,你缺乏了自主的审美判断! 现在是视觉通胀的时代,也是设计品味变得更为稀缺的时代,对美的感知将变为一项核心能力。 我整理了一些能提升审美能力的网站👇 1. minimal.gallery 收集基于极简主义设计的网页设计画廊,是极简风灵感最纯粹的来源。 2. curated.design Curated 是高质量网页设计灵感画廊。精选全球最出色、功能性强的网站案例。追求高水平网页设计的创作者。 3. landingly.co 这是一个落地页设计灵感 + Figma 模板平台。能帮助用户快速找到高转化落地页案例,并直接提供可编辑的 Figma 模板 4. godly.website 天文级优秀的网页设计灵感库。收集全球顶级网页设计作品,提供高质量设计参考 5. landing.love 这是专注动画与交互着陆页的灵感展示平台。提供全屏视频录制的高质量网站案例,分类极细。 适合需要高动效着陆页灵感的设计师和 no-code 开发者 6. landingfolio.com Landingfolio 是着陆页组件 + 灵感一体化平台。 除了着陆页案例,还提供 800+ 个可直接复制的 Tailwind / Webflow / Figma 组件、模板和设计博客。
你的网页UI做得烂,不是你水平低,而是你没跟AI说清楚你的需求! 真正限制你的,不是想象力,而是你压根不知道怎么描述你要实现的效果。 这个项目,收录了192个带专业名称的效果库,每个名称还配有动态示例,让你直接点击Copy Prompt,即可一键让AI帮你实现你想要的效果。 落地页特效、动效、镜头移动、摄影风格等方向,全都有作业可抄! 1. 项目地址: github.com/showheyohtaki/mot… 2. 动态画廊,所有效果均可实时播放: showheyohtaki.github.io/moti… 3. 也可作为 Skill 直接给 Agent 调用,让它直接帮你改好: npx skills add showheyohtaki/motion-prompt
13
52
4
304
18,055
摸鱼巨匠🔨 retweeted
What is an implicit state machine? Your apps are full of state machines, which is the logic that says "when we're in this state, and this event happens, now we're in this state" (given, when, then). Sometimes those state machines are clearly mapped out (switch statements, reducers, tables/maps, libraries like XState for the more complex ones, etc.) and the logic is explicitly enumerable. And sometimes it's not. The ad-hoc logic is spread all over the place. That's how developers typically code, and that's how agents typically vibe-code (they learned from you). Those are implicit state machines. What's wrong with implicit state machines? It's not clear what state transitions are possible, so you might have "allowed" states that should have been impossible without knowing it. Agents make the same mistakes. You can get all tests passing and your code review agents (even the well-funded ones) can say "LGTM" and you can *still* have very bad bugs because an implicit state machine allowed unexpected or illegal behavior. (Remember the Apple FaceTime bug?) So yeah, making your app logic explicit is important.
good prompt "find all of the implicit state machines in my app"
1
3
518