runesleo

vip
幣齡 8.2 年
最高等級 6
用戶暫無簡介
我一直想给自己和家人搭一套 AI 健康管理体系,每次体检、看病、用药都慢慢往里填。这两天趁在父母身边,把他们的也一起搞了。
受 @coolish 之前分享的健康管理思路启发,用 Claude Code + Obsidian 一天搭建起来:
📸 拍药盒 → AI 自动识别药名、剂量、频次
📋 拍体检报告(30+ 张)→ AI 逐张读取,提取異常指标、建立趋势对比
🗂️ 按家庭成员分档建库 → 既往病史、用药清单、复查時間線
📅 生成复查日历 → 哪項該查了、哪項過期了,一目了然
📝 輸出日常管理方案 → 飲食禁忌、運動建議、就醫信號
💬 版 → 把要点转成口语化发给父母
最大收获不是技术层面的:
做的过程中发现了好几个我之前完全不知道的情况——某項指标已經連續偏高,某種藥的劑量需要調整,某個復查已經過期 1 個月。
老人不是故意瞞你,是他們自己也記不清、也不當回事。
順手把自己 Apple Watch 4 年的健康數據也導出來讓 AI 分析了一遍。339 萬條记录,几分钟跑完:VO2Max 半年掉了 5 個點,工作日步數比週末少 2000 步。久坐寫代碼的代價,數據不會騙人。
工具很簡單:Claude Code 當入口,Obsidian 當存儲,Mac 日曆做提醒。不需要任何醫療 AI 產品,現有工具就能跑起來。
今天看到張雪峰的消息,更覺得這件事不能拖。一年一次體檢是
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
166 個 Discord 伺服器,清到 16 個。
空投時代的遺產——ZK、Arb、OP、Starknet、NFT、節點、GameFi,加起來 3 萬條未讀提及。每次打開 Discord 都像走進一個廢棄商場。
今天用 Claude Code 花 2 分鐘全部自動化退完:
• 建了個 Discord Bot 拿到伺服器管理權
• Chrome CDP 從瀏覽器裡提取完整伺服器列表
• 一個 Python 腳本批量調 API,120 個伺服器一次跑完,0 失敗
TG 順手也加了退群腳本,54 個群組 + 89 個頻道隨時可清。
以前覺得「有空再整理」,結果空投結束一年多了還掛著 Gitcoin、SyncSwap、Blur 的 DC。讓 AI 幹這種事,兩分鐘解決一年的心理負擔。
ZK0.77%
ARB1.6%
OP-2.89%
STRK0.99%
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
當你的 Claude 越來越懂你
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
Claude Opus 4.6 給了 1M context,但用了多少、還剩多少,默認看不到,我之前的笨方法是網頁去 😂 後台看
現在發現 settings.json 裡加一行 statusLine,底部就能實時顯示:模型版本、context 用量、git 分支、session 時長、7 天額度占比。
開多個窗口並行跑的時候特別有用,一眼掃完所有狀態。簡直不要太方便!
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
你一个AI,脾气比我還大
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
策略跑通了,想多開幾個號分散風險,結果卡了一整天。
坑不在策略,在基礎設施。
同一套代碼,A帳戶正常交易,B帳戶死活顯示餘額$0。API認證正常,地址也對,錢包裡明明有$600。
排查了地址映射、proxy架構、API credential重新生成,全部沒用。
最後發現:Polymarket的Google登入和錢包登入,底層用的是不同的簽名協議。代碼裡寫死了一個數字2,該用1。一個常量的差異,讓整個帳戶變成幽靈戶。
從"策略能跑"到"多號能跑",中間隔了一整層工程問題:
- 帳戶類型決定簽名協議,不是所有帳戶都一樣
- 餘額查詢返回0不代表沒錢,可能是查錯了維度
- fail-closed安全機制會讓問題看起來像"策略停了"而不是"配置錯了"
單號跑策略是個人項目,多號部署才是系統工程。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
用 AI 之後每天工作時間更長了。
以前沒有 Claude Code 的時候,想到一個點子,評估一下覺得太麻煩,算了。現在的問題是:什麼都不麻煩了。數據採集想做就做,策略想試就試,內容想寫就寫。可能性太多,反而每天都在排優先級。
AI 確實幫你省了時間,但省下來的每一分鐘都被新的可能性填滿了。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
Claude Code 的迭代速度真可怕:每天退出终端再进来,版本号就 +1。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
預測市場策略回測的跟 Paper 的勝率再高、再樂觀,一上實盤,問題就都出來了😂
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
That's hilarious, I previously recorded a voice clip for voice cloning and had AI help me run the video production pipeline.
I was working in cc when suddenly my computer started speaking in my own voice, which scared me😂
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
在 X 上刷到別人推薦的 GitHub 倉庫,點進去覺得不錯,收藏了,然後大概率再也不會打開。信息從 GitHub 出發,經過 KOL 加工,到你手上已經是二手的了。

乾脆自己接一手信息。把 GitHub Trending 當信息源接入每天的日報流程:cron 定時抓取 → AI 按你的業務方向篩選評估 → 值得試的直接裝上用 → 值得分享的發出來。
每天早上打開日報,除了新聞和行業動態,多了一欄「今天有什麼新工具可以用」。不用自己刷,不用等別人推薦,篩選標準完全是你自己的。
整套不到 200 行 Python + 一個 cron。一手信息 → 評估 → 用 → 分享,閉環。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
Crazy, just had three Claude Code terminal windows simultaneously 529 overloaded, thought I was banned again, scared the shit out of me 😅
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
Simon Willison(Django 聯合創始人,現在專注於 AI 工程實踐)發了一篇關於 subagent 工程模式的指南,將 LLM 子代理拆分為三種模式:Serial(串行探索)、Parallel(並行執行)、Specialist(專家角色)。核心問題在於 context 窗口有限,subagent 使用獨立窗口來分擔負載。
實際使用中,Parallel 被嚴重低估。派一批輕量模型並行進行探索,主窗口等待結果返回即可,體驗和效率的差距非常明顯。但最大的反模式不是過度拆分,而是過度信任——subagent 返回的結果必須由主代理進行交叉驗證,不能直接採信。
最大收益不是速度,而是對 context 的保護。主窗口保持乾淨,才能讓複雜任務走完最後一公里。
附上 Simon 的原文連結:
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
$370 就能操纵一個預測市場的價格。
LessWrong 上一篇文章拆了幾個案例:Scott Alexander 引用 Polymarket 上 Anthropic 估值市場,說「市場認為 90% 概率會達到 $500B」。作者去翻了 orderbook,YES 那邊總深度只有 $370。花這點錢就能把價格從 90% 砸到 76%。
更離譜的是同一個事件,Kalshi 顯示 37%,Polymarket 顯示 22%。差了 15 個百分點,因為兩邊流動性都差到沒有參考價值。還有 Manifold 上的市場,整整一周零交易,照樣被引用。
自己在 Polymarket 交易的體感也是這樣 — 很多市場看著有個價格,但掛單薄到一筆幾十美元的交易就能把價格推好幾個百分點。價格存在和價格有意義是兩回事。
原文值得一讀:
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
用 Claude Code 做了一件“沒用但很爽”的事——整理 Chrome 收藏夾。
262 個書籤,累積了 5 年。裡面有已倒閉的 FTX、各種舊的 DeFi 交互項目、空投教程。Claude 直接讀取本地的 Bookmarks JSON,用 Python 腳本分類重組,建立 10 個資料夾,刪除 10 條失效連結。
不用寫程式,讓 AI 管理本地檔案系統。誰說 coding agent 只能寫程式?😁
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
檢測到另一物種的 prompt injection 攻擊
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
跑出了第一個翻倍的 Polymarket 賬戶。
初始 ~$190,累計 PnL +$248,ROI 130%。
沒有一夜暴富,就是小額分散、系統執行、等概率慢慢兌現。
事實證明,用數據驗證過的策略系統性執行,是可以有正 EV 的。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
X Creator Earnings First Payment Shown, $1,508.71, Commemorating This Moment.
Started posting content in February 2023, accumulated over three years. The first two years had basically no impressions, last year was 16.7M. Real growth started in the past two to three months—the most recent pay period had around 3 million impressions, estimated $200-300 per period.
Discovered an interesting point from the backend: Article format has higher weight in payout calculations. And looking at several creators, even very short content is posted as Article, not just long-form.
Next steps to try: Post as A
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
YC CEO Garry Tan 把他的 Claude Code 工作流开源了,24 小时 GitHub 4K+ stars。
8 个斜杠命令,每个对应一个角色:CEO 审产品方向、工程经理审架构、Staff Engineer 找生产事故、Release Manager 一键发版、QA 自动截图测 bug。
核心就一句话:别把 AI 当万能助手,给它切角色。
最戳我的是 /plan-ceo-review。你说"加个图片上传",它不急着写代码,先反问:这真的是你要的功能吗?也许真正的需求是帮卖家自动生成能卖出去的商品描述。直接把"怎么做"拽回到"做什么"。
/review 也狠,专门脑补生产事故:N+1 查询?并发竞态?上传失败留孤儿文件?要在 bug 炸之前就把坑都想一遍。
底层逻辑:AI 混着用不如专着用。
  • 打賞
  • 留言
  • 轉發
  • 分享