0xG (@genffy) header
0xG (@genffy) profile picture

进击的页面仔 仅供参考 & NFA

chain
Joined February 2024
Photo by 0xG (@genffy)Photo by 0xG (@genffy)Photo by 0xG (@genffy)Photo by 0xG (@genffy)Photo by 0xG (@genffy)Photo by 0xG (@genffy)Photo by 0xG (@genffy)Photo by 0xG (@genffy)Photo by 0xG (@genffy)
0xG retweeted
Replying to @ATO8964
亲历过,那本书叫《野蛮生长》
1
13
4,356
李彦宏的眼光一直都挺准的。从社会角度,大家应该多消费来创造需求。 但从个人角度,每个人现在最好的选择是减少消费,努力存钱,提高抗风险能力,来应对接下来劳动力贬值的十年
82
78
14
1,234
167,311
0xG retweeted
别人眼中的你不是真的你。你眼中的自己也不是真的你。你眼中的别人才是真正的你。 ---- 萨特
42
101
17
622
476,517
老黄走了,我还是保黄派 今天,黄仁勋辞职了。 先交代立场:我是英伟达的小股东,小到不值一提,人生中买的第一只美股也是英伟达。 我是坚定的保黄派,利益使然,立场使然。 只需要算一笔很功利的账。 老黄在,意味着什么? 意味着英伟达在北京、上海、深圳有近 4000 名员工,光上海研发中心就有 2000 多人,张江还盖了一栋 16 层的新楼。 意味着在华盛顿对华政策最紧绷的那几年,他把上海的摊子留住了,还扩了,所以你才会在小红书上刷到上海英伟达员工晒一年交几百万个税。 意味着你家孩子学半导体,你那个读电子工程的高中同学,往英伟达投简历的时候,面试官里有人跟他说同一种语言,知道他从哪儿来。 无论在大陆还是台湾,大家或多或少都觉得英伟达是自己家的公司。 换一个 CEO 会怎样? 看看硅谷。微软、谷歌、Adobe、IBM,印度裔一个接一个坐上头把交椅。 他们身后,是一整条印度工程师的上升通道:老乡带老乡,校友提携校友,然后食堂充满咖喱的味道。 今天,这扇门关上了一半。 同样的道理,我也支持 Binance、OKX、HTX、Bybit、Bitget 这些华人背景的交易所。 理由一样简单:作为华人,你背景好一点,在里面谋个生计并不难;遇到问题,你还能在 X 上 @ 一姐、@老徐,闹一闹,总会有个结果。 要是华人交易所都倒了,大家都去用海外交易所,遇到事儿了:你他妈谁呀?滚一边去。 我很庸俗,成年人的世界就是这样:理想挂在墙上,饭碗端在手里。 老黄走了,我的立场没变。 没了老黄的英伟达,只能祝福。
171
158
24
2,692
239,972
0xG retweeted
Anthropic 的最新条款今天正式生效。 物理位置限制: 任何身处中国大陆的人员,均不得使用。 企业注册地限制: 注册或总部位于中国大陆的实体及其用户/人员,无论其肉身当前身处何地,均不得使用。 股权控制限制: 任何由不支持地区的个人或实体直接或间接拥有多数股权或控制权的实体,其用户或人员同样被禁止使用。 也就是说哪怕你公司在美国人也在美国,只要公司股份大部分属于中国,一样封你。。。 现在深刻体会到坏人掌握世界是什么感觉了。和这个比,GFW 算个毛啊。 anthropic.com/legal/supporte…
190
63
63
547
184,161
比较推荐 DeepSeek Harness 的 Context 和 Agent-Team 两个插件,信息呈现和交互体验都做得相当不错。这俩插件结合起来,可以看清楚 Agent 执行过程的全貌,也让我意识到,AI 时代程序员的 Debug 基本功依然是一项有门槛的技能。 以前线上出了问题,如果不好复现,或者日志太少,我们会想办法 Attach 到线上的进程,通过断点调试,观察程序的执行状态、变量和调用路径,逐步定位问题。 现在 Agent as a Service 正在成为常态,调试 Agent 也将成为一项高频操作。例如,执行太慢了、效果太差了、太费钱了,甚至同样的任务每次执行路径都不一样,这些都会成为需要被 Debug 的问题。 Agent 时代的 Debug,关注点会逐渐从 Function Profiling 扩展到 Decision Profiling。从这俩插件的设计中就很容易感受到,调试工具正在尝试从 Context、决策条件和执行状态等多个角度,还原 Agent 的整个执行过程。 面向单个 Session 的调试,好用的 Debugger 应该支持在某个决策节点暂停、修改条件、Fork 出不同的执行路径,再通过 Replay 和 Evaluation 比较结果。 而对于 Agent 系统的调试,则需要从大量 Agent 的执行轨迹中,找到那些反复出现的低效决策、无效探索和失败模式,再反过来改进 Context 的组织方式、工具设计、执行策略,甚至整个 Harness 的架构。 这也是一项复杂且重要的工程。
71
72
10
560
49,297
0xG retweeted
Anthropic 平台工程负责人 Katelyn Lesse:上千个 AI 智能体一起干活,还缺程序员解决四个难题 AI 越来越会写代码,很多程序员开始怀疑自己的手艺还值不值钱。Anthropic 平台工程负责人 Katelyn Lesse 10 月 25 日发文说,她看到的情况正相反:接下来一两年,AI 想做成大事,得先靠程序员解决一批新问题。她说,现在是当工程师最有意思的时候之一。 Lesse 在 Anthropic 负责平台工程,据她接受 Kleiner Perkins 访谈时的介绍,团队约 200 人。她此前在 Stripe 和 Betterment 带过工程团队。这篇文章发在她的个人博客和 X 上,X 上阅读量约 61 万。 【这些问题从哪来】 AI 智能体,就是能自己调用工具、一步步完成任务的 AI 程序。Lesse 说,它最早只是聊天框,人盯着一问一答;后来模型能独立干更久、更难的活,开始搬到云端运行;再往后出现了多智能体系统:一个总管 AI 把任务拆开,分给一批助手去做,还有的 AI 专门负责打分、提建议。 她说,现在已经有人在搭由成千上万个智能体组成、连续工作不停的系统,用来做科研、新发现和硬件设计。规模一上来,就冒出了四类新问题。 【难题一:服务器怎么安排】 现在大部分软件跑在 Kubernetes 上,这是一套给服务器排班的系统,擅长管“一模一样的副本,哪个挂了换一个顶上”。Lesse 说智能体正好相反:每个都是独一份,记着自己干到哪了;大量时间在等模型回话、等工具、等别的智能体或等人回复,闲多久说不准,忙起来又可能一下冒出几千个。 Google 上个月开源的 Agent Substrate 就是冲这个问题做的。据 Google 官方博客,它能让闲着的智能体休眠、把资源腾出来,需要时半秒内唤醒。Lesse 说这块还有大量问题没解决。 【难题二:谁在干活,能干什么】 很多智能体用的是人的账号和权限,系统得分清某个操作是人做的,还是 AI 替人做的。更难的是授权:一个系统替你连干几周,你怎么事先讲清它能做什么、不能做什么?智能体之间互相派活时,一个智能体凭什么相信另一个?Lesse 说,确认身份可以借用现成技术,比如用很快过期的临时凭证代替长期有效的密钥;授权这块基本还是空白。 【难题三:一个被骗,全队遭殃】 Lesse 说,最近几个月,尤其最近几周,软件漏洞冒出来的速度超过了业界修补的速度,很多出在大量系统依赖的核心软件里。本月 PHP、GitLab、Node.js 就接连发布了严重漏洞的修复。上千个智能体跑在这些软件上,还要写来路不明的代码、读来路不明的网页,没修好的漏洞就危险得多。 多智能体还多一层风险:一个智能体被网页里藏的恶意指令骗了,可能把指令转给同伴,甚至写进共享记忆,让后来的智能体也照做。她的建议是让每个智能体在严格隔离的“沙箱”里干活,好比实验室把每份样本放进独立的密封箱,一个出事不会传染整屋。 【难题四:跑偏了要能叫停】 系统得记下每个智能体做了什么,而且任何智能体都改不了自己或别人的记录。还得有一个总闸,监控一发现问题,就能把整个系统一次停下,收回所有权限。Lesse 说最难的是判断系统有没有跑偏:一个智能体反复尝试访问不在白名单里的网站,可能是在搞破坏,也可能只是太想把任务做完。 文章最后,Lesse 对正在焦虑的工程师说,这些领域大多还没有现成答案,值得钻进去学、形成自己的判断。 原文:katelynlesse.com/blog/new-pr… Agent Substrate 官方介绍:cloud.google.com/blog/produc…
software engineers are going to have to tackle a new set of problems to unlock powerful multiagent systems to solve the world's hardest problems - right now is one of the most interesting moments in history to be an engineer.
93
66
17
420
64,126
我的网站nano-ai.tech现在有这些内容 按顺序学,基本能把大模型从头到尾走一遍 先看全景:大模型学习路线图 从 Transformer 到 DeepSeek-V4,8 个阶段、51 个知识点 nano-ai.tech/map 第一步:图解大模型 大模型是怎么推理的 → nano-ai.tech/matrix 大模型是怎么训练的 → nano-ai.tech/training Agent 是怎么工作的 → nano-ai.tech/agent 第二步:从零手写大模型 用代码复现一遍,从 GPT-2 写到 LLaMA 推理篇 15 篇、训练篇 5 篇、进阶篇 5 篇,均已完结 nano-ai.tech/articles 第三步:大模型论文研读 读原始论文,现在有 Switch Transformer(MoE)三篇解读 nano-ai.tech/papers 建议的学法: 先在路线图上看清楚要学什么 再用图解把每一步的计算看懂 然后自己动手写一遍 最后回到论文,看原作者是怎么想的 nano-ai.tech/?v=2全部免费,持续更新。
20
50
3
323
15,318
AI浪潮一波波,令人间歇性狂热,又间歇性沮丧。每一个新工具的横空出世,初期沉浸使用,总有以一敌百之爽感,然而后期又感受得到工具如吸星大法,自身功夫也被内化,被淘汰在所难免。在这狂热和沮丧之间,只好将更大精力放在离网状态,希翼时光过得慢点更美好点。在这纪元更迭之际,人类的公约数选择睡眠、肌肉、户外及深度阅读等等,就如这会骑行三十公里后,停车路边退而慨叹,这是硅基感受不到的凉风。
2
5
63
9,862
最近深度使用了几周 grok @bot 和 @Muse 写个测评 1,bot最牛逼的地方是多端登录,这个我看x没几个人提到,同时登录mac、linux、ios、windows,可以通过ios跨平台的操作其他同时在登录的系统,这不是龙虾、Hermes可以做到的程度。 2,现在用bot全自动的在自媒体起号,从选题、视频生成、发布、自动评论,一条龙每天像个勤恳员工,200u订阅必须拉满。 3,很多人担心ai起号封号的问题,我用几台手机外接了linux dgx,让bot用adb操作安卓手机,所有操作都在手机完成,上传、发布、评论。整个过程蒸馏成skill,其他任务复用。 4,muse毕竟免费白嫖的,送还外送一台kvm机器,大概等值约300人民币一个月,十亿token每周免费重置。muse的优势是免费,光这点确实秒杀市场其他同类产品。 5,muse干工程类代码类的活稍微差点意思,比如让他选题让剪个视频,还得外接个api,不然像个呆瓜。远程操控的体验不如grok bot,和gpt的dot在一个水平。 6,他们送的机器都没有外接端口,要本地起个服务接外网访问,最佳实践是常驻进程走cf tunnel,其他方案都不如这个,这个还支持走cf的ssh。其他静态ip的优势就不赘述了。 7,最舒服的用法是给bot和muse都装上claude cli、codex cli,让bot操作他们干活。尤其复刻视频,在网上刷到比较好玩的视频直接让bot拆解、复刻、审核、然后发布。 8,muse现在除了免费还没有发现其他比grok bot体验上做的好的地方,muse差不多就是低配的bot,我猜测是kvm配置的原因+muse模型聪明度综合原因。也许muse对美国本土应用有比较好的适配是我没发现的优势。 9,muse暂时不支持跨平台操作,本地执行权限比较低,高权限全部放在它的远程服务器上。日常的一些简单任务需求可以让muse做,涉及工程、代码、跨平台高权限协作、多端混合协作,bot是目前最能打的没有之一。 10,关于交易,bot挺适合用来盯盘和策略执行的,但策略定制还得靠人。投资交易更像是抽象哲学艺术,ai只能解决工程类问题,解决不了艺术审美,策略好坏本身就是个主观审美问题。很多人给grok bot 100u 让它赚钱,就好比你给ai一百张图,让它挑出好看的,只许好看不许丑。 11,目前个人最佳实践组合是paseo+grok bot+claude cli+codex cli,可以说是opc最舒服的状态。手机随时vibe和运营,电脑也是全平台同步上下文。 人活着无时无刻正在产生上下文。
175
100
11
1,104
119,005
0xG retweeted
Mole CLI 开源版本最近更新了非常多的很不错的功能,想着这个推一起告诉大伙,持续迭代,当然非常高兴一转眼已经 72.5K Star 了! 首先首先,Windows 版本的 CLI 经过最近密集的 7个版本迭代,集中迭代了非常多功能,终于终于和 Mac 版本的使用对齐了,也发布了真正的正式版本,包括也同步了非常多原有 GUI 版本的绝大部分功能,有 Windows 机器小伙伴甚至直接 scoop install mole 就可以安装使用。 然后然后,终于终于,Mole CLI 有官方的 Skills 了,同时支持 Mac 和 Windows 版本,你可以直接让你的任何 Agent 说 “Install Mole for me by reading raw.githubusercontent.com/tw…” 就好了,非常方便,这样你可以和你的 Agent 一起来清理维护你的电脑,包括卸载软件。 再次再次,还有一个有意思的功能,你可以使用 mo slim,可以帮你删除通用 App 里面的 Intel 代码,可以非常直观的进一步帮你删除没有用的东西,非常欢迎试试。 最后最后, Mole CLI 也同步了我当时做 App 时候手工测试的 800 多款 Mac 软件的卸载、清理通用规则,以及 Windows 400 多款测试的规则,一并给到大伙使用,因为我一直认为 CLI 和 GUI 只是两个不同形态的产品,由于 GUI 可以做很多 CLI 做不了的好功能,但是 CLI 胜在简单,可以被 Agent 很好使用,一视同仁会更好,两个会一起持续打磨,做最好用的Mac 和 Windows系统维护优化工具! github.com/tw93/Mole/
24
13
7
242
19,069
0xG retweeted
静态逆了一遍 Claude,发现100台Mac Mini都救不了的八大天坑: 1. 手机插国区 SIM 卡:Sift 会记录下来,和出口 IP 国家对不上,直接完蛋 2. 清 App 数据换新号:基本没用,Sift 的 installation_id 就是 ANDROID_ID,硬件级绑定,服务端仍能判断 3. CLI 多账号共用 ~/.claude.json:device_id 不变、account_uuid 变,赤裸裸的一机多号 4. 桌面切号只换账号不换 userData:ant-did 特征会跟着,如果整包复制到新机等于把识别信息原样搬过去 5. 只给 claude.ai 配住宅IP:Sentry / Datadog / Sift / Segment 走机场,同一账号两条 IP 轨迹 6. 注册/支付/KYC:Turnstile、hCaptcha、Stripe 3DS、Persona 都会看提交那一刻的 IP 7. 已被限制的情况下换着 IP 反复请求:每请求一次,风控分数继续叠加 8. 一个住宅 IP 挂多个账号:明显的集群信号
用 REA 分析完 Claude Code(含Mac CLI、Mac App、Android App),这应该是全网最全的代理规则了,先说几个点: 1. 安卓端:检测最强,通过 Sift 进行反欺诈检测,检测 SIM 卡所在国家,收集的硬件设备ID(ANDROID_ID + Play Integrity + 硬件 key)即使重装软件也不改变 2. Mac App 和 Mac CLI:通过 sentry 和 datadog 采集遥感数据,设备 ID 纯随机,不与硬件绑定 3. 推测 iOS 端和安卓端差不多 全分析过程由 Mac 完成,用 DeepSeek Harness + flatkey(亲测对于 REA 非常之赞): 1. 下载安装 DeepSeek Harness 桌面版:deepseek.com/en/download/ 2. 注册 flatkey(支持 100+ 大模型,最近活动期国产模型低至 6 折,日常 8 折) 3. DeepSeek Harness 中配置 flatkey:base url 设置为 router.flatkey.ai/v1,API Key 从后台创建拷贝,模型选择 deepseek-v4-1-flash-1017 完整规则更新到了 github.com/wquguru/one-exit/…
67
56
13
584
112,248
Was doing some fun research and came across something interesting about CZ's Chinese name, Changpeng (长鹏). • Chang (长) = Long-lasting • Peng (鹏) = A legendary giant bird Together, the name can poetically suggest “a great bird soaring far and high.” Quite a fitting name, isn't it? 😄 Maybe some Chinese friends here can confirm if I got this right? Source: Grok
114
29
21
177
24,983
新的Paypal黑帮,恐怖如斯。 2015年冬天,华尔街量化巨头Hudson River Trading第一次招实习生,一共10个名额。 十年后,这10个实习生创办或执掌的公司,合计估值超过1000亿美元。 Wang本人,Scale AI创始人,去年被扎克伯格以143亿美元的代价挖去Meta,出任首席AI官,掌舵超级智能实验室。今年29岁。 Jeff Yan,Hyperliquid创始人。零融资,11人团队,做出了HYPE——流通市值一度冲进全球前十的去中心化交易所。 Scott Wu,Cognition创始人。他的AI编程智能体Devin,让公司估值两年半从3.5亿涨到480亿美元,涨了130多倍。 不止他们三个,同批实习生和竞赛圈好友还有: Jesse Zhang创立了AI客服公司Decagon,估值45亿美元。 Johnny Ho联合创立了Perplexity,估值约300亿美元。 Steven Hao是Cognition联合创始人兼CTO,30岁登上福布斯400富豪榜。 郭文景(Demi Guo)创立了AI视频生成平台Pika。 这群人都是传统意义上的华人书呆子,奥赛做题家。 Jeff Yan和Scott Wu都是IOI金牌得主,Wu三次夺金,2014年满分登顶。他们在各种数学和编程竞赛的集训队里反复碰面,然后在HRT实习时聚到了一起。 Wang自己说:HRT 2015 intern class is the new-gen PayPal Mafia. 曾经的nerd,现在是世界的建造者。 属于天才们最好的时代来了。
got the HRT gang back together!
27
163
17
1,595
281,743
非常赞同 “智力不是解决重大问题的瓶颈,与现实的交互才是瓶颈”。 最近我去小米、大疆、华为、一些芯片制造产业链公司交流,发现 AI 对大部分员工的效率提升只有 50%,只有少数 “超级个体” 员工做 prototype 的时候能 10x、100x。 AI 作为助理工程师写代码、调研分析这些 2025 年的 agentic 任务都没问题。但是 agent swarm 全自主推任务这种 “数字员工” 都很难做。 因为制造业有大量的约束,有物理约束,有成本约束,有路径依赖约束,有供应链约束,有内部组织约束。这些约束还很难蒸馏成 skills。Agent 往往不是忽视这个约束就是忽视那个约束,就算 pass@k 都很低。 现在模型的持续学习能力有限,直接拿失败的 trajectory,模型团队用不上;要构建 RL 环境也很难,总不能尝试流片个几千次,或者造几千个不能用的工件吧。 形成反差的是,做数学、理论、网络安全的都觉得自己快被 AI 取代了。OpenAI 的几百篇 paper 虽然有错误,但大多数可能会被承认是对的。 我之前以为 AI 不擅长解奥数题这种 “巧思”,做理论的老师告诉我,AI 最擅长的就是这种巧思,它可以遍历上万种可能的巧思。在可形式化验证且验证成本低的领域,AI 是远远超过人类的。 这就是 raw intelligence 和在现实交互中持续学习的鸿沟。
String theory is what happens when an intelligent system is starved of sensory input and starts hallucinating. Intelligence needs grounding. For this reason, intelligence is practically never the bottleneck to solving impactful problems. The bottleneck is iterated contact with reality.
46
54
7
338
37,180
很多人问我怎么在𝕏起号?该怎么选方向? 其实我想说: 你问出这个问题就错了 这相当于:你问我该买哪只股票? 我该怎么回答,没有答案。 你只想快速达到目的 幻想发几个帖子就火了 那只能通过运气 不是一条可行的路径 我这个账号能通过自然流做起来 也是前期积累了很多经验 光是Transformer就学了2遍 我在抖音发了几十期的技术视频 每一期都是自己录的屏 然后写想思路、文案、剪辑 900粉丝就进了精选计划 其实一开始并没有方向 只是自己学然后输出总结 长期忍受无人观看的落寞、挫败感 只能慢慢耕耘,静待花开 我可是连续几个月每隔一两天就发视频 你问问自己能做到吗? 大多数人做自媒体都是: 没学会走,就要跑 你要问𝕏怎么锻炼? 先写一个月的长推再说吧
22
1
2
40
3,861
最近非常非常喜欢的一篇文章《You’re Already a Meat Proxy》请大家读一读 其实给我的世界观很大的改变,我一开始也像文中作者的朋友那样,觉得自己每天就是对着一大堆 agent 不断的打回车,“我想用我自己的脑子,不想当个 meat proxy”,有时候觉得困惑又沮丧,有时候有一种深深的失落感,感觉自己不再思考了 文章最后说的:人类工程师真正的价值在于高阶的品味与判断力(Taste and Judgment),还提出了个人选择: 如果只想要一份薪水和生活平衡 坦诚面对 用 AI 高效完成本职工作 用省下的时间去享受生活 如果想要在职业上获得主导权:放下亲自敲代码的执念 把 AI 当作强大杠杆 去挑战并解决真正重要和有影响力的现实问题 看完了让我心里舒服了很多
Your job may be surviving on inertia. Your resentment won’t extend the runway. What do you actually want to do with the intelligence now at your disposal?
21
110
5
594
70,782
刚刚币安广场AMA上@punk2898 提问:自己常做小产品,也用过不少个人智能体。这类产品现在很火,可以跨应用使用,但背后需要一套很强的支撑框架(Harness)。DeepSeek 的做法是把框架开源,让社区一起完善。那币安 AI 有没有自己的个人智能体和框架?只靠内部做会不会不够,直接用开源的又会不会太重? 一姐@heyibinance 把答案收在用途上:币安的AI,最终是服务于用户的 AI 金融工具。 用户要的不是又一套智能体架构,而是把行情、仓位和风险收成能看懂、能上手的事。AI的价值在于降低门槛,而不是展示框架有多完整。Harness 可以开源、可以组合,但那是手段;先让人用得起、用得懂、用得安心,才是目的。 技术易迷恋自身的精巧,产品最终还是要回到服务用户上。
10
1
20
3,801
这帖子讲的是个很实用的玩法,我给你拆解一下。 Tailscale 是个组网工具,基于 WireGuard 加密,把你的所有设备连成一个私有局域网。不管设备在哪(家里、公司、在外面用流量),它们之间都能直接互相访问,不用公网 IP,也不用折腾路由器端口转发。流量本身是端到端加密的,Tailscale 看不到你传了什么。 帖子里@william40152988 是这么用的:家里有一台常开机的 Linux 服务器,装上 Tailscale;手机、电脑也装上;再给每个 AI 助手(Muse、Codex、Cursor 等)也装上。于是所有 AI 都能直接访问他家里的服务器,共用同一套 Obsidian 笔记库,相当于 AI 们都有了"回家"的路。 上手就四步: - 去 tailscale.com 注册一个账号,用 Google、GitHub 或微软账号登录就行,免费 Personal 版个人用绰绰有余。 - 每台设备装客户端:iPhone 去 App Store 搜 Tailscale;Mac 去 App Store 或官网下载;Linux 服务器上跑一条命令安装,再 `sudo tailscale up` 按提示登录。 - 关键:所有设备都用同一个账号登录,就自动进了同一个私有网络。 - 每台设备会分到一个 100.x.x.x 的固定 IP,还有个名字。之后手机在外面也能用这个 IP 打开家里机器上的网页服务,或者 SSH 连回去。 实用的场景比如:家里有常开机的电脑或 NAS,装上之后你在外面也能访问;或者想让我这样的 AI 助手直接去读你某台机器上的东西,就像截图里那样,不用把文件传来传去。 你家里有常开机的电脑或 NAS 吗?或者你想先把哪几台设备连起来,可以一步步装起来 风险? 我觉的最大的风险就是默认全互通。同一网络里的设备默认能互相访问,手机丢了、某台电脑中了毒,理论上能摸到家里的服务器。 解决办法是在管理后台设访问规则(ACL),比如只让手机访问服务器的某几个端口。 反正所有的事情都是这样的,要方便,就可能意味着更大一些的风险。
Tailscale真是好东西。
给Muse也装上之后,Codex、Cursor、Hermes、Grok bot、muse,现在全都围着家里那台Linux服务器转,共用一套Obsidian vault。 
Grok bot的不少任务也迁到Muse上了——额度管够,巡查跑得勤,资料库整理维护全丢给它,完全不心疼。
6
3
3
29
5,657