HORIZON文章库 ↗论文库 ↗归档 ↗

7月26日2026 · 星期日

从 17 条抓取中筛选 12 条 · twitter × 5 账号 · 05:30 UTC 生成

今日信号 · 高度即评分 · 点击直达

  1. Opus 5 在中等努力程度下的 FrontierCode 得分优于更高努力程度8.0
  2. Anthropic 为 Claude 5 大幅削减 Claude Code 系统提示 80%8.0
  3. Ego Lite：一款为人类与AI代理共存而生的浏览器8.0
  4. Block 开源 Buzz，打造人类与 AI Agent 共享工作区8.0
  5. 重新思考AI协作：强模型设计，弱模型执行7.0
  6. 基于 Rust 的终端 HUD 为 Claude Code 显示模型和上下文用量7.0
  7. Timeline Studio：集成语音克隆与本地处理的浏览器AI视频编辑器7.0
  8. ChatGPT Work 活跃用户数超越 Codex7.0
  9. binthere：开源阅后即焚文本分享，浏览器端加密6.0
  10. 拉磨的马：用诗意比喻解释AI术语5.0
  11. 免费粉丝群为何失败，以及付费筛选的价值5.0
  12. OpenAI 在全球中断后重置 Codex 和 ChatGPT Work 使用限额5.0
018.0

Opus 5 在中等努力程度下的 FrontierCode 得分优于更高努力程度

Anthropic 新发布的 Opus 5 模型在 FrontierCode 基准测试中表现出异常行为：在中等努力程度下运行时得分高于更高努力程度。这与在其他评估中观察到的努力程度增加通常会提升性能的预期趋势相矛盾。 这一异常现象可能揭示推理计算与代码生成质量之间关系的重要见解，可能表明收益递减或过度思考效应。它可能影响开发人员如何配置努力参数，以在生产编码任务中实现最佳的成本效益权衡。 Opus 5 引入了新的“努力程度”参数来控制思考深度，取代了之前的“思考”开关。FrontierCode 基准测试评估生产级代码，观察到的反转表明，在此特定任务上，更高的努力程度可能导致过度思考或计算资源分配不当。推文中未提供具体分数或努力程度级别。

@trq212 转推了

@jerhadf

Opus 5 has a better FrontierCode score at medium effort than higher effort - despite increasing performance with effort on other evals. Why? 🧵

背景
FrontierCode 是 Cognition 推出的编码基准测试，用于测试模型在需要生产级代码的困难任务上的表现。Opus 5 是 Anthropic 于 2026 年 7 月 24 日发布的最新 Claude 模型，其“努力程度”参数允许模型决定每轮思考的深度。通常，增加努力程度（更多思考）会提高复杂任务的性能，但这一发现挑战了该假设。

7月25日 16:20在 X 打开#AI #LLM #evaluation #performance #Opus

028.0

Anthropic 为 Claude 5 大幅削减 Claude Code 系统提示 80%

Anthropic 针对最新的 Claude 5 模型，删除了 Claude Code 系统提示中超过 80% 的内容，在编码评估中几乎没有性能损失。这一更新从过去依赖死板规则和大量示例，转变为让 Claude 自行判断、设计更好的工具接口，并采用渐进式披露按需加载信息。 这标志着高级大语言模型提示工程的重大转变，表明在结合更好的工具设计和渐进式披露时，更少约束的提示仍能保持性能。它降低了 token 成本和复杂性，使 AI 编码助手对开发者来说更高效、更易扩展。 通过用模型判断取代静态规则、删除过多示例、并采用渐进式披露仅在需要时加载技能和工具，实现了 80% 的削减。自动记忆取代了手动编写的 CLAUDE.md 条目，更丰富的引用取代了简单的 Markdown 规范。这一变更在编码基准测试中验证，性能损失极小。

@Pluvio9yte引用推文随着 Claude 5 代模型能力大幅提升，不再需要过度约束模型。 Anthropic 删除了 Claude Code 系统提示中超过 80% 的内容，在编码评估中几乎没有性能损失。 文章对比了旧的上下文工程实践与新做法： 以前给死板规则 → 现在让 Claude 自己判断 以前给大量例子 → 现在设计更好的工具接口 以前把所有信息一次性塞进上下文 → 现在用渐进式披露（按需加载 Skills、工具等） 以前手动写记忆到 CLAUDE.md → 现在自动记忆 以前用简单 Markdown 规格 → 现在用更丰富的引用展开原推文收起原推文

@Pluvio9yte

随着 Claude 5 代模型能力大幅提升，不再需要过度约束模型。 Anthropic 删除了 Claude Code 系统提示中超过 80% 的内容，在编码评估中几乎没有性能损失。 文章对比了旧的上下文工程实践与新做法： 以前给死板规则 → 现在让 Claude 自己判断 以前给大量例子 → 现在设计更好的工具接口 以前把所有信息一次性塞进上下文 → 现在用渐进式披露（按需加载 Skills、工具等） 以前手动写记忆到 CLAUDE.md → 现在自动记忆 以前用简单 Markdown 规格 → 现在用更丰富的引用

@trq212

We removed ~80% of the Claude Code system prompt for our newest models, this is what we've learned about writing system prompts, skills and Claude.MDs for them. http://x.com/i/article/2080703729385512960

背景
Claude Code 是 Anthropic 的 AI 编码助手，使用系统提示来引导模型行为。系统提示是在对话开始时给予大语言模型的指令，用于设定上下文和约束。渐进式披露是一种设计模式，仅在信息相关时才显示，以减少认知负担和 token 使用。上下文工程涉及在大语言模型推理过程中精心组织最优的 token 集合以提升性能。

7月25日 07:17在 X 打开#LLM #prompt engineering #Anthropic #Claude #AI development

038.0

Ego Lite：一款为人类与AI代理共存而生的浏览器

Ego Lite 是一款从零重建的浏览器，旨在让人类和AI代理同时使用。它能导入Chrome数据，包括登录状态、Cookie、扩展和书签，并将代理任务隔离在独立的Space中，不会干扰用户浏览。任何代理（如Claude Code、Codex或Cursor）都可以通过ego-browser连接层驱动它。 这解决了网页自动化中的一个主要痛点：代理要么无法访问已登录的会话，要么会干扰用户自己的浏览器。通过支持并行、隔离的代理任务并保留完整登录状态，Ego Lite能显著加速复杂工作流——官方测试显示速度提升可达2.5倍。对于依赖AI代理执行网页任务的开发者和高级用户来说，它可能成为关键工具。 Ego Lite基于Chromium构建，使用ego-browser连接层，将浏览器操作（如快照、填充、点击等）暴露为页面内JavaScript工具。每个代理拥有独立的Space，允许多个任务并发运行且互不干扰，所有浏览数据保留在本地设备。该浏览器已开源，GitHub仓库为citrolabs/ego-lite。

@GitHub_Daily原推文1 张图片Agent 帮我们跑网页自动化，麻烦事常常出在浏览器这头。 单独新开一个浏览器给它驱动，已登录好的状态带不过去，若操作我们在用的浏览器，又影响到我们使用。 ego lite 干脆把浏览器本身重做了一遍，从头就是给人和 Agent 一起用设计的。 我们在前面打开自己的标签，Agent 在后台跑它的任务，两边不打扰。 装好第一次启动，会问要不要迁 Chrome 数据，同意了会将登录、cookie、扩展、书签同步过来。 GitHub：http://github.com/citrolabs/ego-lite 任意 Agent 都能驱动它，Claude Code、Codex、Cursor 都行，靠的是一个叫 ego-browser 的连接层。 每个 Agent 分到独立的 Space，几个任务同时跑互不干扰，浏览数据也留在本地设备。 官方实测复杂任务最多能快 2.5 倍，已经在用 Agent 干活的朋友可以试试。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

Agent 帮我们跑网页自动化，麻烦事常常出在浏览器这头。 单独新开一个浏览器给它驱动，已登录好的状态带不过去，若操作我们在用的浏览器，又影响到我们使用。 ego lite 干脆把浏览器本身重做了一遍，从头就是给人和 Agent 一起用设计的。 我们在前面打开自己的标签，Agent 在后台跑它的任务，两边不打扰。 装好第一次启动，会问要不要迁 Chrome 数据，同意了会将登录、cookie、扩展、书签同步过来。 GitHub：http://github.com/citrolabs/ego-lite 任意 Agent 都能驱动它，Claude Code、Codex、Cursor 都行，靠的是一个叫 ego-browser 的连接层。 每个 Agent 分到独立的 Space，几个任务同时跑互不干扰，浏览数据也留在本地设备。 官方实测复杂任务最多能快 2.5 倍，已经在用 Agent 干活的朋友可以试试。

背景
使用AI代理进行网页自动化通常需要一个能保持登录会话且不与用户当前浏览冲突的浏览器环境。传统方法要么使用用户的主浏览器（造成干扰），要么启动一个独立的浏览器实例（缺乏用户的登录状态）。Ego Lite将浏览器重新构想为一个共享工作空间，人类和代理可以并行操作，标签页隔离但共享凭证。

7月25日 10:00在 X 打开#web automation #AI agents #browser #open source #productivity

048.0

Block 开源 Buzz，打造人类与 AI Agent 共享工作区

Block 公司开源了 Buzz，一个让人类与 AI Agent 在共享频道中协作的平台。它将消息、代码提交、审查和合并决策统一记录到一份带签名的可审计事件日志中。该项目已在 GitHub 上获得超过 10,000 颗星。 Buzz 通过为每个 Agent 操作提供加密身份和审计跟踪，解决了多 Agent 开发中的碎片化问题。它将 AI Agent 视为具有权限的可问责团队成员，有望提升 AI 辅助软件开发中的信任与协调。这反映了将 AI Agent 融入协作工作流的日益增长的趋势。 Buzz 基于 Nostr 协议构建，提供类似 Slack 的界面，包含频道、线程、私信、语音、媒体共享和代码仓库。每个 Agent 持有自己的加密密钥，所有事件均经过签名和哈希链式记录，确保日志防篡改。桌面客户端支持 macOS、Linux 和 Windows，并配有供 Agent 使用的命令行工具。目前支持自托管，默认采用单中继配置。

@GitHub_Daily原推文1 张图片Block 公司最近开源了 Buzz，让人能跟 AI Agent 在同一个工作区里干活，已斩获 10000+ Star。 平时用多个 Agent 开发项目，它们之间互相都不知道对方在干什么、进度到哪。 Buzz 把它们整合到一处，消息、代码提交、代码审查、合并决定都记进同一份带签名的日志。 GitHub：http://github.com/block/buzz 而 Agent 在这里算一位 AI 员工，被拉进频道跟拉人一样，有自己的密钥和操作记录。 它能开仓库、发补丁、审代码、跑自动化，权限按身份管，不用配一堆开关。 桌面端 macOS、Linux、Windows 都有，另配了给 Agent 调用的命令行工具。 我觉得这个思路挺有意思，团队里已经在用 Claude Code、Codex 的可以看看。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

Block 公司最近开源了 Buzz，让人能跟 AI Agent 在同一个工作区里干活，已斩获 10000+ Star。 平时用多个 Agent 开发项目，它们之间互相都不知道对方在干什么、进度到哪。 Buzz 把它们整合到一处，消息、代码提交、代码审查、合并决定都记进同一份带签名的日志。 GitHub：http://github.com/block/buzz 而 Agent 在这里算一位 AI 员工，被拉进频道跟拉人一样，有自己的密钥和操作记录。 它能开仓库、发补丁、审代码、跑自动化，权限按身份管，不用配一堆开关。 桌面端 macOS、Linux、Windows 都有，另配了给 Agent 调用的命令行工具。 我觉得这个思路挺有意思，团队里已经在用 Claude Code、Codex 的可以看看。

背景
Block 公司前身为 Square，是一家金融科技公司，近年来在开源和去中心化技术领域日益活跃。Nostr 是一种去中心化社交网络协议，使用加密密钥进行身份验证和事件签名。AI Agent 是能够执行编码、审查和合并代码等任务的自主软件程序，常与 Claude Code、Codex 等工具一起用于开发工作流。
社区讨论
该消息由 @GitHub_Daily 分享，指出 Buzz 已获得超过 10,000 颗星，表明社区兴趣浓厚。帖子建议使用 Claude Code 或 Codex 的团队可能会觉得它特别有用，但未提供更多社区评论。

7月25日 08:24在 X 打开#AI Agents #Open Source #Developer Tools #Collaboration #Block

057.0

重新思考AI协作：强模型设计，弱模型执行

@dotey 在推文中质疑了“弱模型设计、强模型当顾问”的协作模式，指出其可能因设计糟糕、过度自信或过度依赖而失效。他提出了一种替代方案：让强模型负责设计和验收，弱模型负责执行，认为这样性价比更高。 这一批评揭示了多模型协作中的核心矛盾：如何在成本与能力之间取得平衡。随着AI系统越来越依赖不同能力模型之间的协作，合理的分工将直接影响效率、输出质量和运营成本。该提议可能影响开发者构建LLM工作流的方式，尤其是在成本敏感的生产环境中。 顾问模式（如Anthropic Claude API中的实现）通常用小模型（如Sonnet或Haiku）执行，强模型（Opus）作为顾问以降低成本。@dotey 认为，若弱模型无法提出好问题或误判咨询时机，该模式就会失效。他提出的替代方案——强模型设计、弱模型执行、强模型验收——类似于管理者-执行者动态，能更好发挥各自优势。推文引用了一条评论，称这可能是当前阶段最佳的AI协作逻辑。

@dotey引用推文1 张图片我有个疑惑，如果让弱一些的模型设计，聪明的模型当顾问，那么有几种可能： 1. 它设计就是很糟糕的，问的问题也问不到点子上，那再聪明的顾问也给不了好的建议 2. 它很自负，不觉得自己的有问题，明明该去问聪明模型而不去问 3. 它很不自信，一点小问题就去问聪明模型 这些可能都让所谓的 /advisor 模式没有什么用。 为什么不让聪明的模型去设计，让弱一点的模型去执行，最后聪明的模型去验收？这样应该才是性价比最高的组合方式。原推文媒体预览展开原推文收起原推文

@dotey

我有个疑惑，如果让弱一些的模型设计，聪明的模型当顾问，那么有几种可能： 1. 它设计就是很糟糕的，问的问题也问不到点子上，那再聪明的顾问也给不了好的建议 2. 它很自负，不觉得自己的有问题，明明该去问聪明模型而不去问 3. 它很不自信，一点小问题就去问聪明模型 这些可能都让所谓的 /advisor 模式没有什么用。 为什么不让聪明的模型去设计，让弱一点的模型去执行，最后聪明的模型去验收？这样应该才是性价比最高的组合方式。

@Tz_2022

这个有可能是当前这个阶段最好的 AI 协作逻辑。。。

背景
多模型协作是AI系统设计中日益常见的做法，将任务分配给不同能力和成本的模型。顾问模式是其中一种策略，通过将昂贵的高能力模型仅用于最复杂的子任务来节省成本。但该模式假设弱模型能有效识别何时需要建议并提出有用的问题。所提议的替代方案颠覆了这一假设，让强模型承担规划和审查角色，这与代码审查、测试驱动开发等软件工程实践相契合。
社区讨论
该推文引发了讨论，用户 @Tz_2022 赞同这可能是当前阶段最好的AI协作逻辑。虽然没有更多评论，但这一认可表明翻转顾问模式的想法引起了共鸣。

7月25日 07:10在 X 打开#AI collaboration #model orchestration #system design #LLM workflows

067.0

基于 Rust 的终端 HUD 为 Claude Code 显示模型和上下文用量

best-claude-hud 是一个用 Rust 编写的新终端 HUD，可直接在终端状态行中实时显示 Claude Code 会话信息。它展示当前使用的模型名称、思考强度、工作目录、Git 分支以及上下文用量百分比。该工具还能识别通过 API 使用的 Kimi、GLM、Qwen 等国产模型。 该工具解决了开发者在终端中使用 Claude Code 时的一个常见痛点：以往需要手动查询模型和上下文详情。通过一目了然地展示关键元数据，它提升了工作流效率并减少了上下文切换。对国产模型的支持也使其对中国 AI 生态的开发者更具实用性。 best-claude-hud 通过一条命令安装，内置 minimal、gruvbox、nord、powerline 等多套主题。它使用预编译二进制文件在 macOS、Linux 和 Windows 上运行，因此本地无需安装 Rust。得益于 Rust 实现，该工具轻量高效，并能识别 Kimi、GLM、Qwen 等国产模型。

@GitHub_Daily原推文1 张图片在终端里用 Claude Code，想随时瞄一眼跑的哪个模型、上下文还剩多少，得去查找。 best-claude-hud 把这些直接摆到终端底部那一行，用 Rust 写的，跑起来轻快。 展示有模型名、思考强度、当前工作目录、Git 分支、上下文用了百分之几等信息。 GitHub：http://github.com/GaoSSR/best-claude-hud 一条命令安装，内置 minimal、gruvbox、nord、powerline 几套主题， 对于使用 Kimi、GLM、Qwen 这些国产模型的 API 也能识别出来。 支持 macOS、Linux、Windows 系统，用的预编译好的程序，本机不用装 Rust。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

在终端里用 Claude Code，想随时瞄一眼跑的哪个模型、上下文还剩多少，得去查找。 best-claude-hud 把这些直接摆到终端底部那一行，用 Rust 写的，跑起来轻快。 展示有模型名、思考强度、当前工作目录、Git 分支、上下文用了百分之几等信息。 GitHub：http://github.com/GaoSSR/best-claude-hud 一条命令安装，内置 minimal、gruvbox、nord、powerline 几套主题， 对于使用 Kimi、GLM、Qwen 这些国产模型的 API 也能识别出来。 支持 macOS、Linux、Windows 系统，用的预编译好的程序，本机不用装 Rust。

背景
Claude Code 是 Anthropic 推出的一款终端内 AI 编程助手。开发者通常需要了解当前使用的模型以及上下文窗口的用量，以便管理成本和性能。终端 HUD（抬头显示器）是一种在终端界面上叠加信息的工具，类似于状态栏。Rust 是一种以速度和安全性著称的系统编程语言，非常适合构建轻量级命令行工具。

7月25日 13:30在 X 打开#Claude Code #terminal #Rust #developer tools #AI coding

077.0

Timeline Studio：集成语音克隆与本地处理的浏览器AI视频编辑器

Timeline Studio 是一款全新的开源浏览器AI视频编辑器，将配音、自动字幕、背景移除和数字人形象创建集成到单个多轨时间线界面中。它完全在浏览器中运行，AI模型首次下载后缓存在本地，因此无需将素材上传到服务器。该工具支持多种语言的配音，并包含适用于 Claude Code 和 Codex 的剪辑技能。 该工具解决了内容创作者以往需要在多个应用间切换以完成配音、字幕和背景移除的痛点。通过在浏览器本地运行，它确保了隐私性，并消除了上传到服务器的需要，这对于敏感或大型视频文件至关重要。其开源特性以及与AI编码助手的集成，可以加速定制化视频编辑工作流的开发。 该编辑器具有类似于剪映等专业工具的多轨时间线，并支持中文、英语、德语和法语的语音克隆。它利用缓存的模型直接在浏览器中执行背景移除、人声伴奏分离以及数字人形象的口型同步。该项目在 GitHub 上开源，仓库地址为 MartinDelophy/ai-video-editor，并包含专为 Claude Code 和 Codex 设计的剪辑技能。

@GitHub_Daily原推文1 张图片做个带配音和字幕的小短视频，配音一个软件、字幕一个软件、抠像再换一个，来回倒腾挺费劲。 Timeline Studio 把这些塞进了一个网页里，剪映那种多轨时间线，浏览器打开就能剪。 配音支持中文、英语、德语、法语好几种，字幕能自动生成，还能捏一个会开口说话的数字人头像。 GitHub：http://github.com/MartinDelophy/ai-video-editor 抠像、背景移除、人声和伴奏分离也都在浏览器里跑，模型第一次用会下载，之后缓存在本地。 支持的流程里素材不用传到服务器，另外配了给 Claude Code、Codex 用的剪辑 Skill。 网页版打开就能用，不用装环境，想剪点东西的可以拿来玩玩。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

做个带配音和字幕的小短视频，配音一个软件、字幕一个软件、抠像再换一个，来回倒腾挺费劲。 Timeline Studio 把这些塞进了一个网页里，剪映那种多轨时间线，浏览器打开就能剪。 配音支持中文、英语、德语、法语好几种，字幕能自动生成，还能捏一个会开口说话的数字人头像。 GitHub：http://github.com/MartinDelophy/ai-video-editor 抠像、背景移除、人声和伴奏分离也都在浏览器里跑，模型第一次用会下载，之后缓存在本地。 支持的流程里素材不用传到服务器，另外配了给 Claude Code、Codex 用的剪辑 Skill。 网页版打开就能用，不用装环境，想剪点东西的可以拿来玩玩。

背景
传统视频编辑通常需要不同的软件来完成配音录制、字幕生成和背景移除等任务，导致工作流程碎片化。基于浏览器的AI工具应运而生以简化这些流程，但大多数仍依赖云端处理，引发隐私担忧。Timeline Studio 利用现代网络技术和端侧AI在本地执行这些任务，类似于一些图像背景移除工具完全在浏览器中运行的方式。语音克隆技术允许用户生成模仿特定声音的语音，而数字人形象则可以通过口型同步与生成的音频进行动画匹配。

7月25日 11:30在 X 打开#AI video editor #open source #browser-based #voice cloning #video editing

087.0

ChatGPT Work 活跃用户数超越 Codex

ChatGPT Work 的活跃用户数已正式超越 Codex，这一消息在 Twitter 上公布。该里程碑反映了 ChatGPT Work 的快速普及，该服务已面向全球所有付费计划用户开放，覆盖移动端、网页端和桌面端。这一成就标志着 OpenAI 产品生态中用户偏好的重大转变。 这一里程碑表明市场正从专用编码代理转向集成式 AI 生产力工具。它意味着具备工作场所功能的通用 AI 助手比小众开发者工具更受欢迎，可能影响 OpenAI 未来的产品策略。更广泛的 AI 社区和企业用户或许会将此视为工作场所 AI 应用趋势演变的信号。 ChatGPT Work 由 GPT-5.6 驱动，并与团队工具集成以简化工作流程，而 Codex 是 2025 年 5 月推出的云端软件工程代理。该公告未提供具体用户数量或增长指标，且不清楚对比是否包括 Codex CLI 还是仅限云端版本。ChatGPT Work 在多平台上的可用性可能促进了其更高的采用率。

@thsottiaux原推文ChatGPT Work officially has overtaken Codex in number of active users. Way to go. --- From twitter --- How to put this🙈ChatGPT Work is available globally for all paid plans across mobile/web/desktop. Probably already on your phone. Puts a jetpack on your ChatGPT展开原推文收起原推文

@thsottiaux

ChatGPT Work officially has overtaken Codex in number of active users. Way to go. --- From twitter --- How to put this🙈ChatGPT Work is available globally for all paid plans across mobile/web/desktop. Probably already on your phone. Puts a jetpack on your ChatGPT

背景
ChatGPT Work 是 OpenAI 的 ChatGPT 针对工作场所生产力优化的版本，提供团队工具上下文集成等功能。Codex 最初是 2023 年弃用的代码生成模型，于 2025 年 5 月作为云端编码代理重新推出，旨在处理复杂的软件工程任务。这一对比凸显了 OpenAI 产品中通用 AI 助手与专用 AI 工具之间的竞争。

7月26日 02:03在 X 打开#ChatGPT #Codex #AI adoption #product milestone

096.0

binthere：开源阅后即焚文本分享，浏览器端加密

binthere 是一个新发布的开源工具，用户可以通过一次性链接分享文本，对方阅读后链接自动销毁。加密完全在用户浏览器中完成，服务器只存储无法解读的密文。它运行在单个 Cloudflare Worker 上，利用免费额度即可轻松部署。 该工具满足了日益增长的临时私密通信需求，无需依赖可能记录或泄露数据的中心化平台。通过客户端加密和无服务器架构，它最大限度地降低了对信任的要求和运营成本，使任何人都能安全地分享文本。它还展示了现代边缘计算如何支持注重隐私的应用。 消息在 24 小时后自动过期，无需注册账号。用户可选择添加密码以增强安全性。内置命令行工具支持从 `git diff` 等命令直接通过管道生成分享链接。整个服务是一个单独的 Cloudflare Worker，可在免费计划每日 10 万次请求的限制内部署。

@GitHub_Daily原推文1 张图片binthere 这个阅后即焚开源工具，贴一段文本，拿到一个链接发给对方，点开读完就自动销毁。 加密在我们自己的浏览器里完成，服务器只存一堆它读不懂的密文。 GitHub：http://github.com/nxfu/binthere 超过 24 小时自己会删掉，不用注册账号，想再稳一点还能加个密码。 内置命令行工具也有，git diff 直接接管道就吐出一条分享链接。 整个服务是单个 Cloudflare Worker，免费额度就能自己部署一套，部署好之后就基本不用管。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

binthere 这个阅后即焚开源工具，贴一段文本，拿到一个链接发给对方，点开读完就自动销毁。 加密在我们自己的浏览器里完成，服务器只存一堆它读不懂的密文。 GitHub：http://github.com/nxfu/binthere 超过 24 小时自己会删掉，不用注册账号，想再稳一点还能加个密码。 内置命令行工具也有，git diff 直接接管道就吐出一条分享链接。 整个服务是单个 Cloudflare Worker，免费额度就能自己部署一套，部署好之后就基本不用管。

背景
阅后即焚文本分享服务（如 Privnote）允许发送机密笔记，阅读后即消失，但大多数是中心化和专有的。客户端加密确保数据在离开用户设备前就已加密，因此服务器无法读取。Cloudflare Workers 是一个在边缘网络运行代码的无服务器平台，提供适合轻量级应用的免费套餐。

7月25日 12:30在 X 打开#open-source #encryption #Cloudflare Workers #privacy #tool

105.0

拉磨的马：用诗意比喻解释AI术语

一位推特用户分享了一个诗意的比喻，用拉磨的马解释输入、输出、智能和AGI等AI概念。该比喻幽默地将马的重复劳动比作AI处理过程，磨盘热气蒸出的城市幻象代表AGI。它还提到了基于Token的定价和AI智能体的“循环工程”概念。 这个比喻让复杂的AI术语更容易被大众理解，可能提升公众对AI的认知。通过将Token和AGI等概念与熟悉的画面联系起来，它揭示了感知智能与实际机械处理之间的差距。它还触及了AI服务的经济层面，即从简单的输入输出转换中提取价值。 该比喻描述马吃进“Input”并产出“Output”，中间的差价被称为“智能”。马看到的城市其实是磨盘热气蒸出的幻象，象征AGI。圈外的马明白真相，但没人问它，因为它也按Token收费。所引用的“循环工程”涉及设计系统，让AI智能体在迭代循环中自主提示。

@dotey引用推文1 张图片一图“看懂”各种 AI 名词：《AGI 就在下一圈》 马不知道自己在转圈。它吃进去的叫 Input，磨出来的叫 Output，中间差的五倍价钱，叫智能。天上有一座城，马每圈都看见一次，每次都觉得更近了。只有圈外那匹不拉磨的马看得明白：城是磨盘的热气蒸出来的。但没人问它，因为它也按 Token 收费。原推文媒体预览展开原推文收起原推文

@dotey

一图“看懂”各种 AI 名词：《AGI 就在下一圈》 马不知道自己在转圈。它吃进去的叫 Input，磨出来的叫 Output，中间差的五倍价钱，叫智能。天上有一座城，马每圈都看见一次，每次都觉得更近了。只有圈外那匹不拉磨的马看得明白：城是磨盘的热气蒸出来的。但没人问它，因为它也按 Token 收费。

@hylarucoder

Loop Engineering 的意思是不是 让 Agent 干活要闭环 🤔

背景
在AI中，“Token”是模型处理的文本或数据单元，定价通常基于Token使用量。AGI（通用人工智能）指具有类人认知能力的假设性AI。“循环工程”是一种新兴实践，开发者创建系统自动提示和编排AI智能体，在递归循环中实现目标，取代人工提示。
社区讨论
社区讨论很少，一位用户将比喻与“循环工程”联系起来，认为让智能体闭环工作是关键。整体情绪是对这个巧妙比喻的欣赏。

7月26日 00:19在 X 打开#AI #AGI #metaphor #terminology

115.0

免费粉丝群为何失败，以及付费筛选的价值

一位内容创作者分享了在抖音免费粉丝群中遭遇低质量互动的经历，引发了对社区管理的讨论。他们得出结论，真正的粉丝关系需要价值输出、信任和筛选同频的人，而不仅仅是回答每个问题。讨论还指出，当付费产品表现不佳时转向免费产品的风险。 这一见解对难以将受众变现的创作者和创业者很重要。它挑战了与粉丝自由互动的常见建议，认为未经过滤的群体会产生噪音并稀释价值。讨论强调了向封闭社区和优质内容作为可持续模式发展的更广泛趋势。 该创作者最初在抖音建立了一个无门槛免费群，但发现聊天质量太低而无法持续。提出的模式是“免费筛选，付费服务”——用免费渠道进行基础交流，用付费渠道提供更深价值。引用的一条推文警告称，当付费产品失败时转向免费产品是一种危险的目标修改，可能使创作者陷入“有流量不变现”的困境。

@Pluvio9yte引用推文1 张图片今天在群里问了栋哥这个问题 背景是这样的，我在抖音有拉无门槛群，但是发现群里聊天质量特别低下，回答了几个问题发现实在回答不下去了。 之前又有博主说需要维护好和粉丝的关系，我仔细思考了一下，其实并不是回答每一个粉丝的问题就是维护好关系。 真正优秀的粉丝关系，不是陪伴，而是： 持续输出价值 + 建立信任 + 筛选同频的人。 更成熟的模式应该是“免费筛选，付费服务”，通过免费做一个基础的交流环境，通过付费交付服务。 当然，免费的环境也往往是最贵的，因为会有大量的噪音。原推文媒体预览展开原推文收起原推文

@Pluvio9yte

今天在群里问了栋哥这个问题 背景是这样的，我在抖音有拉无门槛群，但是发现群里聊天质量特别低下，回答了几个问题发现实在回答不下去了。 之前又有博主说需要维护好和粉丝的关系，我仔细思考了一下，其实并不是回答每一个粉丝的问题就是维护好关系。 真正优秀的粉丝关系，不是陪伴，而是： 持续输出价值 + 建立信任 + 筛选同频的人。 更成熟的模式应该是“免费筛选，付费服务”，通过免费做一个基础的交流环境，通过付费交付服务。 当然，免费的环境也往往是最贵的，因为会有大量的噪音。

@dontbesilent

《为什么我极力反对搞免费粉丝群》 实际上我认为随意修改目标是创业最严重的问题之一 付费产品卖不好，但又想推进度，就先弄个免费产品，或者弄个低价产品，这属于随意修改了目标 目标不是不能修改，但这是一个需要单独讨论的议题，不能因为前一个目标执行困难，就随意替换目标 实现目标有实现目标的逻辑，修改目标有修改目标的逻辑，这两个事情不能混为一谈 所谓的空有流量不变现也是这么来的 变现不了，就先搞搞流量再说，搞到了还是变现不了 因为中途目标已经修改成了：不变现我也满意

背景
在中国创作者经济中，抖音等平台允许网红建立粉丝群进行互动。免费群通常吸引广泛受众，但可能遭受垃圾信息和低质量讨论的困扰。许多创作者现在采用漏斗模式：免费内容用于扩大影响力，付费社区用于服务核心粉丝。这场辩论反映了变现策略从广告收入向多元化发展的成熟。

7月25日 16:00在 X 打开#community management #monetization #social media #content creation

125.0

OpenAI 在全球中断后重置 Codex 和 ChatGPT Work 使用限额

OpenAI 在一次几乎全球范围的中断后，重置了所有 Codex 和 ChatGPT Work 用户的使用限额，该中断发生在凌晨 2 点到 4 点之间。OpenAI 代表宣布了此次重置，承认了服务中断并为用户提供了全新的开始。此举实际上为受影响的用户恢复了服务的完全访问权限。 使用限额可能会限制依赖 Codex 和 ChatGPT Work 的开发者和团队的生产力，因此重置限额减轻了中断的影响。此举展示了 OpenAI 对服务中断的响应能力及其维护用户信任的承诺。受影响的用户可以立即恢复工作流程，无需等待限额自然刷新。 中断持续了大约两个小时，从凌晨 2 点到 4 点，被描述为“几乎全球范围”。重置专门针对 Codex 和 ChatGPT Work 用户，不一定适用于所有 OpenAI 服务。没有提供有关中断原因的技术细节，也不清楚此次重置是否包含超出正常限额的额外“储备”容量。

@thsottiaux引用推文1 张图片We have reset usage limits for all Codex and ChatGPT Work users. Last night around 2am to 4am we suffered an almost global outage. All well and recovered, but you know what comes next. We learn. We reset. Enjoy.原推文媒体预览展开原推文收起原推文

@thsottiaux

We have reset usage limits for all Codex and ChatGPT Work users. Last night around 2am to 4am we suffered an almost global outage. All well and recovered, but you know what comes next. We learn. We reset. Enjoy.

@blueemi99

Hey does this mean a reset?? A banked one too maybe?

背景
OpenAI Codex 是一个用于软件工程任务的 AI 编码代理，可通过 ChatGPT、CLI 和 IDE 集成使用。ChatGPT Work 是一个面向团队的 AI 工具，由 GPT-5.6 驱动，用于自动化任务和管理项目。这两项服务都有使用限额以管理基础设施负载，在大量使用或中断后可能会暂时耗尽。
社区讨论
一位用户询问重置是否包含“储备”限额，表明对是否授予额外容量感兴趣。没有提供其他社区评论。

7月25日 19:17在 X 打开#OpenAI #Codex #ChatGPT #outage #usage limits