用Claude高效提升职场生产力_办公软件

1. Claude Code + 开源工具的暴力工作流，下次直接躺赢

2. Openclaw 10大超实用玩法，搞钱，学习，虚拟女友……

3. 美国AI霸主一夜易主！这对中国意味着什么？ #大有学问 #红衣聊AI #openAI #anthropic #华尔街

4. 黄仁勋最新访谈（一）：AI商业化拐点来了，Anthropic2030年收入可能达到1万亿美元#黄仁勋 #英伟达 #AI #GTC #AI商业化

5. 一句话，我让5个AI同时帮我做PPT，真的爽到爆！【旁门左道PPT】

6. #Skills彻底改变了AI使用方式#Skills范式从硅谷火遍全球，成AI行业新风口，国内外大厂争相跟进，字节跳动“扣子”更是率先落地“技能商店”，让这一技术从开发者圈层走向普通职场人，彻底重构了大模型的使用逻辑。不同于传统Prompt的单次指令，Skills将专业知识、工作流与脚本封装为可复用的能力模块，按需加载的特性破解了上下文窗口过载难题，让通用大模型能快速变身领域专家。从开发到办公，固定流程被转化为可调用技能，大幅降低AI使用成本，实现知识沉淀与效率提升。这场变革的核心，是AI从“灵感生成器”向“标准化能力组件”的转型。大厂的集体入局加速了技术落地，也让Skills成为跨平台的通用知识载体。未来，随着技能生态的完善，AI的规模化落地将迎来新可能，而如何做好技能的标准化与安全管理，将成为行业下一阶段的竞争关键。，#用智搜高效玩转AI##HOW I AI# skills彻底改变了ai使用方式

7. 实测用TRAE Skills接管工作流，打工人的自动化神器 #AI #AI编程 #TRAE #SOLO #Skills

8. 今年春招AI岗真的彻底火出圈了，AI岗位量同比暴涨8.7倍，妥妥成为春招最吃香的黄金赛道。现在完全不是小众冷门赛道了，不管是互联网大厂、科技公司，还是传统行业转型，都在疯狂扩招AI相关人才。以前AI只是少数技术岗的专属，如今已经渗透到各行各业，大模型、智能驾驶、AI应用落地这些方向，岗位需求直接井喷。而且不光是算法研发岗吃香，哪怕是会用AI工具、懂AI基础应用的复合型人才，也特别抢手，薪资和选择权都拉满。只能说当下想求职、转行或者在校应届生，抓牢AI风口真的太关键了，这波人才红利窗口期已经彻底打开。#春招AI岗位量增长8.7倍#

9. 如何抢在90%的人前面赚AI的钱，避AI的坑？红衣大叔周鸿祎的微博视频

10. 工作群变办公系统，AI小钉拯救打工人钉钉新上的群聊助手「AI小钉」太实用了自动爬楼提炼要点、识别任务生成待办、精准定向催办，专治已读不回；还能按关键词每天推送行业/竞品/热点，把闲聊群变情报站；一句话改群名、发公告、设负责人，群管理直接动口不动手。 AI不再是单独窗口，而是长在群里，@ 一下就能跑流程，群聊正在进化成真正的办公系统。 #钉钉 #AI小钉 #人工智能 #办公 #钉钉群聊

11. GDC观察：游戏大厂都来聊AI，“游戏AI”的新规则由谁制定？【硅谷101】

12. 鹏说：AI Trading Agent时代下的思考

13. Claude Cowork 负责人：别再给 AI 配工具了，给它一台电脑

14. 腾讯财报出炉！竟然在游戏上把AI卷出结果了

15. Anthropic 官方近期低调发布了全套 AI 课程与认证体系。这不仅仅是一次知识分享，更是 Anthropic 试图定义“AI 流利度”标准的尝试。这 13 门课程（实际上已扩展至 16 门）涵盖了从日常办公到高阶架构的完整路径。以下是为你整理的深度学习指南：一、认知重塑：AI 流利度框架官方与学术专家合作，提出了核心的 4D 框架：委派（Delegation）、描述（Description）、辨别（Discernment）与勤勉（Diligence）。- AI Fluency: Framework & Foundations：学习如何安全、合规地与 AI 协作。- 面向特定群体：针对学生、教育者及非营利组织量身定制的流利度课程，解决特定场景下的应用痛点。链接：anthropic.skilljar.com/ai-fluency-framework-foundations二、实战入门：从工具到工作流- Claude 101：这是最快从零到一的路径。涵盖了桌面端应用、项目管理（Projects）、Artifacts 协作以及基础的提示词技巧。- Claude Code in Action：深入 AI 编程助手的底层架构。学习如何管理上下文、使用视觉输入沟通界面变更，以及通过自然语言实现百倍速编码。链接：anthropic.skilljar.com/claude-101链接：anthropic.skilljar.com/claude-code-in-action三、开发者进阶：构建智能体应用- Building with the Claude API：这是含金量极高的一门课。从 API 密钥管理到构建复杂的 RAG（检索增强生成）系统，再到多模态处理（图片、PDF），是开发者必修课。- Introduction to Agent Skills：教你停止重复劳动。通过编写 SKILL.md，让 Claude 自动在合适的时机执行特定任务，并实现团队间的技能共享。链接：anthropic.skilljar.com/claude-with-the-anthropic-api链接：anthropic.skilljar.com/introduction-to-agent-skills四、行业标准：模型上下文协议 (MCP)MCP 是 Anthropic 贡献给开源社区的重磅协议，旨在标准化 AI 与外部数据的连接。- 基础课程：掌握工具（Tools）、资源（Resources）和提示词（Prompts）三大原语。- 进阶话题：深入探讨采样（Sampling）、通知系统、根目录访问控制及生产环境下的扩展性。链接：anthropic.skilljar.com/introduction-to-model-context-protocol链接：anthropic.skilljar.com/model-context-protocol-advanced-topics—详细列表：1 - Claude 101. Learn Claude for everyday work.↳ anthropic.skilljar.com/claude-1012 - AI Fluency: Frameworks & Foundations.↳ anthropic.skilljar.com/ai-fluency-framework-foundations3 - Introduction to Agent Skills.↳ anthropic.skilljar.com/introduction-to-agent-skills4 - Building with the Claude API.↳ anthropic.skilljar.com/claude-with-the-anthropic-api5 - Claude Code in Action.↳ anthropic.skilljar.com/claude-code-in-action6 - Intro to Model Context Protocol.↳ anthropic.skilljar.com/introduction-to-model-context-protocol7 - MCP: Advanced Topics.↳ anthropic.skilljar.com/model-context-protocol-advanced-topics8 - AI Fluency for Students.↳ anthropic.skilljar.com/ai-fluency-for-students9 - AI Fluency for Educators.↳ anthropic.skilljar.com/ai-fluency-for-educators10 - Teaching AI Fluency.↳ anthropic.skilljar.com/teaching-ai-fluency11 - AI Fluency for Nonprofits.↳ anthropic.skilljar.com/ai-fluency-for-nonprofits12 - Claude with Amazon Bedrock.↳ anthropic.skilljar.com/claude-in-amazon-bedrock13 - Claude with Google Cloud's Vertex AI.↳ anthropic.skilljar.com/claude-with-google-vertex—思考与启发1. 地图与路途官方课程提供的是地图，但真正的能力来自于你在实战中“迷路”后的探索。完成一门课程就能让你超越 90% 还在观望的人，因为在 AI 时代，行动力就是最深的护城河。2. 基础设施胜过素养学会使用 AI 只是“识字”，而真正的优势在于构建一套围绕 AI 的系统（Infrastructure）。当你不再需要刻意想起去使用 AI，而是它已经长在你的工作流中时，你才真正掌握了它。3. 逻辑是新的语法随着 Claude Code 和 Agent Skills 的普及，英语（或母语）正在成为新的编程语言。未来的核心竞争力不再是记忆语法，而是清晰的逻辑表达与任务拆解能力。4. 终身学习的复利很多人收藏了链接却从未打开。AI 领域的知识半衰期极短，但底层的协议逻辑（如 MCP）和协作框架（如 4D）具有长效价值。ref: x.com/rubenhassid/status/2040293285168808063

16. 【七个被低估的Claude Code进阶技巧】Anthropic的Boris最近分享了十个实用技巧，但翻遍官方文档后，我发现还有一些更硬核的功能被埋没了。这些技巧偏技术向，但一旦掌握，会从根本上改变你使用Claude Code的方式。一、用钩子系统拦截一切操作手动审查代码太累了。Claude Code内置了钩子系统，可以拦截每一次工具调用。想在每次文件编辑后自动跑lint？想在执行bash命令前做安全检查？只需在settings.json里配置PreToolUse和PostToolUse。你的脚本会通过stdin接收完整的工具输入，返回退出码2就能阻止操作。这才是建立防护栏的正确姿势。有人用这个做了更巧妙的事：在PreToolUse里解析命令，匹配到rm -rf或DROP TABLE这类危险操作就直接拦截。Claude会收到阻止信息并重新规划，再也不用担心误删。二、按路径加载规则，告别臃肿的CLAUDE.md与其维护一个巨大的CLAUDE.md，不如创建模块化规则。在.claude/rules目录下，api.md只在处理src/api文件时加载，frontend.md只服务于组件目录。每个文件用YAML frontmatter指定生效路径。这本质上是上下文管理。做后端时不需要读Tailwind设计系统的规范，做API时不需要加载数据库迁移的约定。在大型仓库或monorepo里，省下的token相当可观。三、用感叹号语法注入实时数据技能文件里可以用感叹号加反引号执行shell命令，输出会在发送给Claude之前替换占位符。比如写一个PR审查技能，用git diff获取当前改动，用gh pr view拉取PR描述，Claude收到的是真实数据。这是预处理，不是让Claude执行命令。API响应、日志、数据库查询，任何实时数据都能这样注入。四、用子代理把任务路由到更便宜的模型不是每个任务都需要Opus。创建一个使用Haiku的子代理，只赋予Read、Grep、Glob权限，专门用于代码库探索。成本直接降到五分之一，而且因为工具受限，即使产生幻觉也不会误编辑文件。真正的省钱秘诀在于批处理：并行跑十个Haiku搜索再合并结果，比单次Opus遍历整个代码库高效得多。五、从PR恢复会话用gh pr create创建PR时，Claude会自动关联当前会话。之后只需claude --from-pr 123就能接续工作。这对异步协作意义重大：同事开了个PR，你恢复他的会话继续推进，上下文完整保留。六、用导入语法共享团队知识CLAUDE.md支持用﹫符号导入其他文件，包括home目录路径。团队把编码规范提交到一个中央仓库，所有人导入同一份标准。个人偏好放在本地不提交，项目文档按需引用。导入支持递归，最深五层。七、用context: fork隔离任务有些任务不该污染主对话。给技能加上context: fork，它会在完全隔离的子代理中运行，用独立的上下文窗口，返回摘要后主对话依然干净。深度研究、代码分析这类重型任务特别适合这样处理。这些功能的真正威力在于组合。用钩子在每次提交后自动触发审查子代理，用路径规则给不同目录注入不同规范，从中央仓库导入团队共享的钩子配置，把昂贵的探索任务路由给Haiku，把Opus留给真正的实现工作。详细文档在code.claude.com/docs，但确实容易被忽略。reddit.com/r/ClaudeAI/comments/1qstcb9/7_claude_code_power_tips_nobodys_talking_about

17. 来看看最懂大模型的人教你写提示词，网上的技巧大多都没用。我最近看到一份大模型厂商内部的 AI 提示词指南，觉得很值得讲一讲。写它的人 Alex Albert，是做 Claude 的 AI 公司 Anthropic 在2023年招进去的内部第一位提示词工程师，原职衔甚至有点不正经，叫 prompt engineer and librarian（提示词工程师加图书管理员）。这两年他升到 Anthropic 开发者关系负责人，对外讲 Claude 怎么用基本都是他的活，这份官方指南也是他的核心维护内容。可以说，他大概是最了解 AI 大模型怎么读提示词的那一类人。看完之后我回头翻了翻网上各种「提示词课」的笔记，发现一件挺尴尬的事：网上传的那些「魔咒式技巧」（「我会给你50美元小费」、「你是顶尖专家」之类），从模型厂商内部视角看大多数没用，有些反而让答案变差。这份指南讲的是模型内部如何看待你写的提示词、什么真正影响它的输出。能拿到这种「模型厂商内部视角」的资料并不多见。先说网上传得很广、但官方指南明确说没用或反作用的几条。第一条误区是激励式提示词。「我会给你50美元小费」「做不好就处罚你」这种套路，过去一两年在国外社交圈传得到处都是。Anthropic 内部测过，对最新的 Claude 模型，小费、威胁、装客气这些「小把戏」基本不影响输出质量。模型不在乎你赏不赏它，它只在乎你说清没说清。第二条误区是「你是一位 X 行业20年专家」开头万金油。我们之前介绍过一项研究：在事实问答任务上，加这种「专家身份」反而把准确率从七成多拉到不到七成。官方指南里也讲明白，角色扮演型提示词在写作、风格化这种场景里有用，做事实任务别滥用。第三条误区是越长越复杂越好的提示词模板。有些课程教人用三百字模板包一个本来三十字就能说清的请求。指南里的第一原则就一句话：直接、明确说要什么，不要绕弯子。模型不需要被催眠，它需要的是清楚的指令。第四条误区是「魔咒关键词」。比如英文圈传得很玄的 "think harder"（想得更努力）、"work very carefully"（仔细工作）、"this is very important"（这件事特别重要）这种词。简单的「先一步步分析再答」那种引导是真有用的；但「这件事特别重要哦」这种就是噪声，对今天的模型没意义。那真正有效的是哪几条？指南里讲的第一条不是技巧，是心态：好的提示词像给一个新同事讲任务，不是写咒语。落到具体动作，几条最值得记的：第一条最被低估的是给具体例子。指南里讲，给一个例子比写五条抽象规则有效。你想让 AI 写一段产品介绍文案，与其写「要简洁、要专业、要有吸引力」，不如直接贴一段你觉得对味的范文，让它「按这个风格写」。这一招业内叫「多例提示」（英文 multishot prompting），对几乎所有任务都有效。第二条是给模型时间想。复杂任务前面写一句「先一步步分析，再给最终答案」。指南给了三层做法：基础（直接写一句「先一步步思考」）、引导（列出具体的分析步骤）、结构化（用 <thinking>（思考）和 <answer>（回答）这种标签把「想」和「答」分开）。第三条是用 XML 标签做结构。把上下文资料、任务说明、输出格式分别用 <document>（资料）、<task>（任务）、<format>（格式）这种标签包起来。指南里特别强调一句：标签名字怎么起不重要，前后一致就行。比起用空行或破折号分隔，标签对模型识别的提升很明显。第四条是允许 AI 说「不知道」。在提示词里写一句「如果资料里没有这个信息，就直接说不知道，不要编造」。这是降低幻觉率最简单有效的一招。模型本来就知道自己不知道，是被人逼着回答才编的。第五条是定义输出格式。直接说要「列表」「表格」「JSON」还是「两段话」，比让模型自由发挥稳定得多。把这几条揉进一段普通提示词，长这样：请分析下面这段产品评论的情绪倾向。先一步步分析评论里的关键句，包在 <thinking> 标签里；然后给出最终判断（正面、负面或中立），包在 <answer> 标签里。如果有判断不准的地方，直接说不确定，不要硬编。最后给一段不超过100字的总结。评论内容：……不用装客气，不用「专家」开头，不用承诺给小费。清楚的结构加具体的例子加明确的格式，就是最强的提示词。顺带说一句，上面这几条原则不绑死 Claude。同样的思路放到国内大模型（DeepSeek、Kimi、通义、豆包、文心）一样能跑——XML 标签、给例子、让模型先想再答、允许说不知道，这些是底层做法，跟用哪家模型没关系。看完这份指南最朴素的感受是：好的提示词不需要花哨。清楚直接、给具体例子、让模型先想再答、允许它说不知道、定义输出格式，这五条做到了，绝大多数「魔咒」就不重要了。

18. 2分钟南极AI短片卖100万？怎么做的? 硬核拆解最强AI视频工作流

19. 谷歌完成NotebookLM与Gemini的深度联动，不仅是工具升级，更重塑了知识工作的商业价值逻辑。让诸如“花半天整理资料，却在汇报前卡壳”、“团队文档堆积如山，核心信息藏在角落”此类的职场痛点，通过AI组合拳来破解。这场联动的核心突破，是用RAG技术打破通用大模型与个体知识的壁垒。用户将项目报告、客户资料甚至会议录音上传至NotebookLM，Gemini便能以此为专属知识源，生成精准且可追溯的回应。对咨询顾问而言，5分钟就能完成过往需半天的商业简报；对营销团队来说，散落的竞品数据会自动梳理成可视化图表，无需再等设计师排期。效率提升背后是实打实的成本优化。联动工具让信息处理效率提升750倍，原本3人协作的内容产出，如今1人即可完成。更重要的是知识保值。员工离职带走路径经验的问题得到缓解，客户沟通记录、项目复盘笔记通过AI沉淀为企业资产，减少了隐性知识损耗。借助集成的Nano Banana模型，用户能将文字笔记一键转为带AI旁白的演示视频，适配抖音、YouTube等多平台传播；企业可将内部规章导入系统，让Gemini化身新员工培训助手，降低培训成本。这种输入即资产，输出即成果的模式，让知识快速转化为商业产出。从个人效率工具到企业增长引擎，NotebookLM与Gemini的联动证明。AI的真正价值，是让每个人的专属知识都能释放商业能量。当你的笔记拥有了智能大脑，竞争力自然水涨船高。#科技先锋官##AI创造营##AI创作热点##AI生活指南# 种斌Marco的微博视频

20. “Skill 不就是长一点的提示词吗？” 上篇文章《别把整个 GitHub 装进 Skills，Skills 的正确用法 http://t.cn/AXqLcGP0 》发出去后，收到一些质疑： > "说 skill 能做配图 prompt 不行。本来 skill 就是加载 md，没 skill 之前我们用 prompt 模板照样也是能做流程编排。" > > "现在大部分 skill 不就是长一点的提示词吗？为什么说'单纯靠提示词做不了'？" 这些批评是对的。我原文确实表达有问题。写"提示词"的时候，我下意识拿 Gem、Project、GPTs 里的那种提示词当例子。那些确实做不到一次性生成配图。但"提示词"是个很宽泛的概念。如果我把 SKILL.md 的内容复制出来发给 Claude Code，再给它一个生成图片的脚本，它一样能完成配图任务。这里的差异不在于提示词能不能复用，Gem 和 GPTs 里的提示词也能复用。差异在于：提示词配套的是 ChatBot，还是 Agent？【1】ChatBot 和 Agent 的核心区别 Skills 的完整名称叫 Agent Skills。注意这个"Agent"，它不是装饰词。Skills 利用 Agent 的虚拟机环境，提供单纯提示词无法实现的能力。一句话总结：ChatBot 只能对话，Agent 能动手干活。具体来说： ChatBot 不能调用工具。你给它一段配图提示词，它能帮你分析文章、生成画图 prompt，但真要生成图片？它只能说"请把这段提示词复制到 Gemini"。剩下的活还是你干。 Agent 能调用工具。同样的配图任务，它能像个经验丰富的编辑一样自己完成： 1. 读取你的文件 2. 分析需要几张图、放哪里 3. 为每张图设计内容和风格 4. 调用画图模型生成图片 5. 把图片插入正确位置 6. 输出成品交到你手上全程自动化，你只需要验收。【2】那 Skill 到底是什么？很多人把 Skill 理解成"一段很长的提示词"，这个理解对了一半。 SKILL.md 的核心确实是指令文本。但 Skill 不止于此。一个 Skill 可以包含三层内容：第一层：元数据。就是 name 和 description，告诉 Agent 这个 Skill 是干嘛的、什么时候该用。这部分在启动时就加载，但只占几十个 token。第二层：指令。SKILL.md 的主体内容，工作流程、最佳实践、注意事项。只有 Agent 判断需要用这个 Skill 时，才会读取这部分。第三层：资源和代码。附带的脚本、模板、参考文档。Agent 按需读取，用的时候才加载。这就是官方说的"渐进式加载"：不是一股脑把所有内容塞进上下文，而是用到什么加载什么。所以你可以给一个 Skill 附带几十份参考文档，只要这次任务用不上，它们就不占用上下文窗口。传统提示词做不到这一点。【3】为什么说配图"单纯靠提示词做不了"？回到原来的争议。如果你说的"提示词"是指发给像 Claude Code 这样的 Agent 的指令，那配图当然能做到。因为这时候提示词是发给 Agent 的，Agent 能调用工具。但如果你说的是发给普通 ChatBot 的提示词，比如 ChatGPT 的自定义指令、Gemini 的 Gem、Claude 的 Project 指令，那确实做不到。因为 ChatBot 没有工具调用能力，它只能输出文字。我原文的问题在于：默认读者理解的"提示词"是 ChatBot 场景下的提示词，但没有明确说出来。更准确的表达应该是：Skill 必须配合 Agent 使用。发给 ChatBot 的提示词，无论写多长多详细，都只能完成对话能完成的事。要让 AI 真正"动手"，需要的是 Agent + 工具调用能力。【4】那我直接给 Claude Code 发长提示词不行吗？行。把 SKILL.md 内容复制出来当提示词发，Agent 一样能执行。这也是为什么有人觉得"Skill 就是长一点的提示词"。但 Skill 的价值不在于"能不能做到"，而在于：可复用。写一次，以后每次相关任务自动触发，不用每次复制粘贴。可组合。分析 Skill + 提纲 Skill + 写作 Skill，像乐高一样拼起来。单独的提示词模板做不到这种模块化组合。可迭代。用着用着发现问题，直接让 Agent 帮你改进 Skill。下次自动生效。传统提示词模板改了之后，你得记得每次都用新版本。可渐进加载。Skill 附带的资源文件不会一开始就占用上下文。你的提示词模板再怎么组织，发出去就是全量加载。简单说：Skill 是提示词的工程化封装。能做的事差不多，但管理成本、复用成本、迭代成本完全不同。【5】最后上篇文章的核心没变：因需而建、可组合、可迭代。 Skill 就是长一点的提示词吗？是的。但光有提示词不够。关键是执行这段提示词的系统，到底是只会说的 ChatBot，还是能真正动手的 Agent。 Skill 是给 Agent 用的。没有 Agent 的工具调用能力，Skill 就只是一段躺在文件夹里的 Markdown。

21. Obsidian 打造AI化神经中枢：10个在用工作流分享搭配Claude Code｜Codex｜WorkBuddy｜OpenClaw

22. 300个AI员工齐上岗，Agent 集群真的好用……吗？

23. 【50条Claude Code实战心法：从入门到精通的完整指南】花了一整天研读Anthropic最新发布的Claude Code最佳实践文档，结合个人实战经验，整理出这份终极指南。+ 基础心法任务描述永远放在最前面，重要指令置顶。这听起来简单，却是大多数人忽略的细节。给Claude一个自我验证的方式，比如测试用例、截图或预期输出。这是提升效果最立竿见影的一招。推荐的提示词结构：角色 + 任务 + 上下文。简洁有力，屡试不爽。工作流程遵循“先探索，再规划，后执行”。可以先用其他大模型做调研，进入Plan Mode规划，最后切回正常模式写代码。假设Claude对你的项目一无所知，把它需要的信息全部告诉它。用﹫符号链接文件、数据和图片，提供丰富的上下文。运行/init可以为当前项目生成一个CLAUDE.md模板文件。+ 项目与技能管理用项目级指令定义长期行为，避免重复提示。编辑Memory标签精确控制Claude应该记住或忽略什么。把重复性工作流转化为Skills。一个取巧的方法：贴一个优秀输出，让Claude把它变成可复用的Skill。甚至可以上传截图让Claude复刻，这是创建高质量Skill的捷径。定期清理memory、文件和指令，防止项目漂移。不相关的工作流要分开项目，避免上下文污染。推荐两个Skills资源库：skillsmp.com收录了8万多个Skills，mcpservers.org/claude-skills提供即插即用的Skills。+ 冷门但实用的技巧用其他大模型规划项目、生成高级提示词，再交给Claude Code执行。这个策略还能节省Plan Mode的token消耗。在.claude/agents/目录下定义专门的子代理，让Claude把特定任务委派出去。让Claude根据你预设的成功标准给自己的答案打分。运行/plugin浏览插件市场，无需配置即可扩展能力。大型项目可以让Claude先采访你。用一个简短提示开始，让Claude通过AskUserQuestion工具向你提问。发现Claude跑偏时立刻纠正，按ESC中断操作。/clear开启干净会话，双击ESC或/rewind打开检查点菜单。可以运行多个并行会话：Claude Desktop管理多个本地会话，每个会话有独立的工作树；Claude Web在Anthropic的云端隔离虚拟机中运行。+ 调试与错误处理只重跑出错的步骤，不要重新生成所有内容。让Claude故意复现错误来理解问题本质。回滚到上一个正常的提示词，逐步重新应用修改。CLAUDE.md太长会适得其反，重要规则被淹没。解决方案：无情地精简，如果Claude本来就能做对的事，删掉那条指令。常见错误：一个任务没完成就问不相关的问题，再回到第一个任务。上下文被无关信息污染。解决方案：不相关任务之间用/clear。连续纠正两次还是错的话，/clear后写一个更好的初始提示词，把学到的教训融入进去。上下文窗口填满后，Claude可能开始遗忘早期指令。参考官方文档减少token消耗：code.claude.com/docs/en/costs﹟reduce-token-usage+ 进阶资源把Notion数据库连接到Claude，存储常用提示词。使用claude --dangerously-skip-permissions跳过所有权限检查，适合修复lint错误或生成样板代码这类安全的自动化工作流。Hooks适合那些必须每次都执行、零例外的操作。推荐资源：Anthropic官方学习资源anthropic.com/learn，Claude Code最佳实践文档code.claude.com/docs/en/best-practices，GitHub上的superpowers仓库github.com/obra/superpowers。最后一条忠告：慢即是快。尤其是构建严肃的工作流时，规划、规划、再规划，然后才是执行。#How I AI#x.com/aiedge_/status/2014740607248564332

24. 2026开年教程！Claude Code七大组件，老金一篇讲明明白白！90%的人只会用1个！

25. 【一个周末，从 AI 使用者进化为 AI 架构师】放弃那些你永远不会再看的收藏夹。真正的掌握不需要 50 个指南，只需要这一个官方路线图。这不仅是关于如何使用一个工具，更是关于如何构建一个自动化的数字帝国。周六：建立认知与指令系统第一天的目标是将 Claude 从一个聊天机器人转变为你的专业助手。你需要理解它的逻辑，并学会如何赋予它持久的记忆。1. 基础认知：Claude 101一切的起点。理解 Claude 的核心功能与日常任务处理。链接：anthropic.skilljar.com/claude-1012. 提示词工程官方指南掌握与模型沟通的底层语言。这不是简单的聊天，而是精准的指令设计。链接：platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview3. 交互式实战教程通过动手练习，识别常见的失败模式，掌握 80/20 的核心提问技巧。链接：github.com/anthropics/prompt-eng-interactive-tutorial4. 赋予 Claude 长期记忆：CLAUDE.md这是进阶的分水岭。通过 CLAUDE.md 文件，让 Claude 记住你的项目架构、编码标准和工作偏好，实现跨会话的知识延续。链接：code.claude.com/docs/en/claude-md5. 教授 Claude 可复用的工作流：Skills将重复的 playbook 或检查清单封装成技能，让 Claude 在需要时自动调用。链接：code.claude.com/docs/en/skills周日：构建自动化与外部连接第二天的目标是让 Claude 走出对话框，接入你的生产力工具，并在云端 24/7 为你工作。1. Claude Code 核心实战学习如何在终端、编辑器或 Web 端部署 Claude Code，进入 Explore 到 Commit 的完整开发循环。链接：anthropic.skilljar.com/claude-code-101实战演示：anthropic.skilljar.com/claude-code-in-action2. 接入外部生态：MCP 协议通过模型上下文协议，将 Claude 连接到 Slack、GitHub、Google Drive 或你的数据库。从此，它不仅能思考，还能行动。链接：code.claude.com/docs/en/mcp3. 自动化例行任务：Routines定义在云端自动运行的例行程序。无论是定时维护代码库，还是通过 API 触发警报处理，它都能在你不在线时保持工作。链接：code.claude.com/docs/en/routines4. 开发者完整文档当你准备好构建复杂的自定义自动化时，这里是你的参考手册。链接：code.claude.com/docs/en/routinesx.com/DeRonin_/status/2045893227115344152

26. 如何抢在90%的人前面赚AI的钱，避AI的坑？ #大咖观察 #红衣聊AI #人工智能发展

27. 英伟达：业绩好只是其次，未来还有巨大空间#英伟达 #财报 #AI泡沫 #CUDA #AI

28. 过去十年，大家一直在说AI会改变编程。但现在看，真正被改变的，可能不是“写代码”，而是“审代码”。如果未来AI写代码、审代码都变成了常态，程序员最核心的能力到底是什么呢？#大有学问 #红衣聊AI #anthropic #人工智能 #程序员

29. 千问23天月活突破3000万碾压欧美，中国AI时代开启！就在刚刚，确认数据！千问23天月活突破3000万，首周下载量1000万碾压欧美，阿里AI从“技术储备”向“价值落地”加速演进 #AI #阿里 #千问

30. 我和欧洲“达里奥”做了一场对谈，如何用AI预测未来，用AI把工作效率提升10倍#AI #拉斯特维德 #超智能与未来 #AI预测未来#AI对普通人的影响

31. 彻底摆脱AI味儿！用这3个邪修指令，强到离谱了…【旁门左道PPT】

32. 白嫖顶级AI模型！GLM-4.7 + MiniMax M2.1 免费 API，媲美直连 Claude Code！NVIDIA 限免福利 | 零度解说

33. Claude Code更新，你终于可以随时随地在手机上Vibe Coding了。

34. 不懂代码照样造网站，老金15万字Claude Code+OpenClaw教程免费开源

35. 千问 vs ChatGPT：4大功能实测！到是更好用的AI助手！Qwen3能否战胜GPT-5.1？

36. 用 Claude Code 把求职这件事变成一套工程系统。作者 Santiago 是 AI 领域的 Head of Applied AI，他花了几个月手动投简历，最后决定自己造工具——用 Claude Code 把整个求职流程做成了一个开源系统：career-ops。他用这个系统评估了740+个 JD，生成了100+份定制简历，最终拿到了现在这份工作。系统随后开源。1. 系统核心是什么不是「广撒网」工具，是「过滤器」。系统会对每个 JD 打 A-F 评分，从10个维度加权计算匹配度——低于4分的，强烈建议不要投。因为时间有限，乱投是在浪费自己和招聘方的时间。2. 具体能做什么1）自动评估 JD：粘贴一个链接，系统自动抓取 JD、对照你的简历做推理分析（不是关键词匹配），输出六块内容：职位摘要、CV 匹配度、级别策略、薪酬调研、个性化建议、面试准备。2）生成定制简历 PDF：根据每个 JD 注入对应关键词，ATS 优化，Space Grotesk + DM Sans 字体排版，直接可投。3）扫描公司招聘页面：预配置了45+家公司（Anthropic、OpenAI、ElevenLabs、n8n……），Playwright 自动爬取，不用手动刷招聘网站。4）批量处理：用 Claude Code 的 Subagents 并行评估10+个 JD，每个 worker 独立跑，结果汇总进同一个 tracker。5）面试故事库：每次评估后，系统会积累你的 STAR+R 故事，最终沉淀出5-10条核心故事，能回答几乎所有行为面试题。6）谈薪脚本：内置薪资谈判框架、地理折扣反驳脚本、竞争 offer 杠杆策略。3. 技术架构1）Agent：Claude Code + 14个自定义 skill 模式2）PDF 生成：Playwright + HTML 模板3）招聘页面扫描：Playwright + Greenhouse API4）终端 Dashboard：Go + Bubble Tea（Catppuccin 主题）作者说：「系统一开始不会很好用，因为它还不了解你。你需要喂给它上下文——你的 CV、你的职业故事、你的优势和禁区。越喂越准，就像给一个新招聘顾问做 onboarding。」系统不会自动提交申请。所有决策权在你手上，AI 只是给建议。GitHub：github.com/santifer/career-ops#HOW I AI# #程序员#

37. 钉钉 CEO 称严禁员工写文档、做会议纪要，沟通仅用白板，全靠 AI 自动整理，这种办公理念怎么样？

38. Claude Code 新增"自动记忆"功能 Anthropic 为其命令行编码工具 Claude Code 上线了自动记忆（Auto Memory）功能。开启后，Claude 会在工作过程中自动记录项目中学到的上下文：比如构建命令、调试技巧、代码风格偏好、架构要点等，并在下次会话中自动调用，不需要用户手动记录任何东西。此前 Claude Code 已经支持 CLAUDE.md 文件，但那是用户写给 Claude 的指令。新增的 Memory.md 则相反，是 Claude 自己维护的"笔记本"。用户也可以直接告诉 Claude"记住我们用 pnpm 而不是 npm"，它就会写入记忆文件。技术细节上，每个项目的记忆存储在本地目录 ~/.claude/projects/ 下，会话启动时自动加载 MEMORY.md 的前 200 行，更详细的内容按需读取。该功能默认开启，可通过 /memory 命令或配置文件关闭。这个功能解决的是开发者反复向 AI 解释项目背景的痛点：用得越久，Claude 对项目越熟悉。相关文档：网页链接宝玉xp的微博视频

39. 抖起来动物跳舞AI视频制作教程｜Comfyui SCAIL工作流

40. 新手如何用Claude Code实现代码自动审查和批量文件处理？

41. 刚刚，Claude实现「永久记忆」！官方还没上线，大神已玩疯

42. 【Claude官方用例库：被低估的AI能力指南】快速阅读：Claude官方用例页面展示了远超日常聊天的深度应用场景，涵盖研究、写作、代码和分析等领域。多位开发者反馈，这个页面不只是示例集合，更像是一套提示词工程教程，每个案例都在演示如何精确地提出需求。—大多数人把Claude当聊天工具用，但官方用例库里藏着完全不同的可能性。有开发者扔进去两篇毫无关联的产品吐槽，Claude整理出了一份用户真正买账的功能提案。这种综合能力让人意外——它不是简单拼凑信息，而是能找到碎片之间的内在逻辑。用例页面涵盖自动化研究、金融压力测试、多源信息整合，展现的深度远超预期。有观点认为，大部分团队直接扑向API文档和提示词技巧,跳过了这个环节。但看到实际可能性，会影响你设计整个系统的方式。更有价值的视角是：别把它当案例集,当成提示词课程来读。每个示例都在演示如何精确构建请求。浏览者看到的是“酷炫示例”，真正获益的人把它当工程师手册研读。结构化输出的质量,在复杂任务中表现超出预期。这不是营销话术，是实际工作流中跑出来的结论。也有人提到反差：一边是花几千美元token费用却不知道从何下手的建设者，一边是把官方页面当教材反复研究的开发者。工具的能力边界，很多时候取决于使用者如何提问。claude.com/resources/use-cases#AI创造营# #人工智能#

43. 灵光一夜爆火，一句话就能做出小应用，当AI发展得越来越快——你就知道，孩子真正要练的，从来不是技能本身#近6成程序员称不会给孩子报AI编程课 #AI时代教育 #灵光#孩子要学什么

44. 火遍硅谷的AI模型，第一天就被入侵了！ #大有学问 #红衣聊AI #硅谷 #大模型 #AI工具

45. 龙虾时代，人和AI的关系已经改变了... #大有学问 #红衣聊AI #openclaw #养龙虾 #AI工具

46. 硅谷10天干出AI爆款，背后真相到底是啥？你认为AI时代最该被淘汰的，是哪些低效的管理方式？#大咖观察 #红衣聊AI #硅谷 #效率神器

47. 刚刚，GPT-5.5 发布！Claude Code 连夜治好降智，「奥特曼瘫倒」喜提续集

48. 最近AI圈有个挺有意思的现象：技术讨论越来越复杂，但真正传播开的内容，反而越来越“接地气”。很多AI话题一开始都是工程师在聊的。比如 Agent、自动化工作流、AI秘书这些概念，最早其实都是开发者社区里的技术讨论。但真正让普通人开始理解这些东西的，往往不是论文或技术解读，而是教程型内容。像 @秋芝2046 就属于这种类型的创作者。她的视频基本不从技术原理讲起，而是先从一个具体问题入手：如果你每天有很多重复工作，AI能不能帮你做？如果你需要整理信息、生成内容、处理任务，AI能不能自动化完成？比如她讲 Agent Skills 的那期视频，就用一个“秋芝餐厅”的案例，把原本偏工程化的概念拆成一整套可操作的流程：从创建技能文件，到调用工具生成物料，再到如何复用这些能力。很多人看完才第一次真正理解，所谓的Agent其实就是一种可重复调用的AI能力组合。还有她讲 AI秘书团的视频，也是类似的逻辑——把不同AI设定成不同角色，让它们分工协作处理任务。这种思路其实已经接近很多公司正在探索的AI工作流模式。所以她的内容和很多科技博主不太一样。不是单纯讲技术趋势，而是在讲：普通人怎么把AI变成一种新的生产力工具。如果最近也被各种AI热点刷屏，但又觉得很多内容看不太懂，可以去 dy精选里看看 @秋芝2046 的视频。很多时候，一项技术真正走向大众，并不是因为它变简单了，而是因为有人把它讲明白了。

49. Ai软件会议纪要横测，谁才是效率王者

50. 【Anthropic官方出品：Claude Code实战课程全解析】Anthropic悄悄放出了一门官方课程，专门教你如何把Claude Code用到极致。15节课，1小时视频，还有测验和证书，干货密度相当高。课程地址：anthropic.skilljar.com/claude-code-in-action有人学完后整理了核心要点，值得收藏：快捷键与模式切换- Shift + Tab 按两次进入规划模式- Ctrl + V 可以直接插入截图（注意不是 Command + V）- 配合插件可以让Claude Code直接操作浏览器控制推理深度的魔法词在提示词中加入这些关键词，可以调节模型在任务上投入的token量：- "Think" — 基础推理- "Think more" — 扩展推理- "Think a lot" — 全面推理- "Think longer" — 延长推理时间- "Ultrathink" — 最大推理能力上下文管理- /clear 清空上下文- /compact 压缩上下文，可释放80%以上空间进阶扩展- 使用MCP服务器可以扩展工具集- 支持大量pre-hooks和post-hooks，在工具执行前后自动运行社区讨论中有个观点很有价值：课程没教的真正技能，是知道什么时候该重置上下文。很多人卡在问题里挣扎几小时，其实是在和"上下文腐化"作斗争，不如在完成一个里程碑后果断清空重来。还有人指出，/clear比/compact更彻底，该用哪个要看场景。当然也有老手表示，如果你已经每天高强度使用Claude Code，这门课的增量信息有限。但对于想系统入门或查漏补缺的人来说，官方出品的体系化内容，依然是最稳妥的起点。reddit.com/r/ClaudeAI/comments/1q1z5ke/want_to_learn_how_to_make_the_most_of_claude_code

51. 把手教你用上开源版Claude Code，Windows系统接入保姆级教程！

52. 🐟 鱼皮的 AI 知识库 github.com/liyupi/ai-guide 程序员鱼皮的 AI 资源大全 + Vibe Coding 零基础教程，分享大模型选择指南（DeepSeek / GPT / Gemini / Claude）、最新 AI 资讯、Prompt 提示词大全、AI 知识百科（RAG / MCP / A2A）、AI 编程技巧、AI 工具用法（Cursor / Claude Code / TRAE / Lovable / Agent Skills）、AI 开发框架教程（Spring AI / LangChain）、AI 产品变现指南，帮你快速掌握 AI 技术，走在时代前沿。 #HOW I AI#

53. 开源 AI 应用开发平台 Dify 完成 3000 万美元 Pre-A 轮融资，由红杉资本（HSG）领投，GL Ventures、Alt-Alpha Capital（Bessemer Venture Partners 旗下新分拆基金）、五源资本、瑞穗利合投资和 NYX Ventures 跟投。其中五源资本是老股东追加投资。Dify 成立于 2023 年 3 月，做的事情简单说就是：让不会写代码的人也能搭建 AI 工作流。它提供一个可视化的搭建界面和生产级基础设施，帮团队把大模型接入实际业务系统，比如文档审核流水线、企业内部知识助手、客服自动化等等。两年多下来，Dify 在 GitHub 上的星标数排到全球开源项目第 51 位，全球超过 140 万台机器在跑它的服务，覆盖 175 个国家和地区，有 280 家企业客户。这笔钱主要花在四个方向：让 Agent 工作流更稳更可靠、补齐企业级功能（权限、合规、审计等）、继续降低使用门槛让非开发者也能上手、以及壮大开源生态。Dify 目前在旧金山湾区、东京、上海和苏州设有办公室。创始人的核心判断是：未来每个团队都会自己搭建 AI Agent 和工作流，而 Dify 要做的就是这个"操作系统"的逻辑层。

54. 盘点一周AI大事(4月12日)｜Mythos太强不敢发布 Anthropic官宣最强大模型Claude Mythos OpenAI发布超级智能经济蓝图 Meta发布大模型 Muse Spark 智谱上线最强开源大模型GLM-5.1 Anthropic上线Agent包工头Claude Managed Agents Gemini上线概念可视化visualizations 阿里发布最强视频模型HappyHorse-1.0 米哈游发布最强数字人模型LPM 1.0 Ace开源最强音乐模型ACE-Step-1.5-xl 研究员开源最强虚拟试穿模型Vanast #前沿科技趋势发布月 #AI新星计划 #AIGC #大模型 #Agent

55. 如果AI突然消失了，你的工作能力会不会下降呢？ #大咖观察 #红衣聊AI #AI工具

56. 别等别人赚钱才后悔，你的AI该“嵌入”业务了。 #大咖观察 #红衣聊AI #AI工具

57. 26年AI神器分类，打工人提高效率必备！1️⃣通用大模型Deepseek、ChatGPT-5、Gemini、Claude2️⃣图像设计Midjourney、DALL·E、Magnific AI、Meshy.ai3️⃣智能体Manus、Open Claw、Coze、MoliliClaw4️⃣视频生成Sora / Veo、可灵/Luma、HeyGen、即梦AI5️⃣办公提效Gamma、Notion AI、NotebookLM、Canva可画6️⃣编程辅助Claude Code、Cursor、Lovable、v0.dev

58. 知名AI怀疑者和信仰者的碰撞，OpenAI可能会暴雷#Ai #Dario #Anthropic #OpenAI #AI泡沫

59. 这篇Vibe Coding文章值得一读！ 1. 深入探讨了 Claude Code 2.0 的进阶使用技巧及其作为 AI 编程智能体的演进过程。 2. 通过对比 Anthropic 与 OpenAI 旗下工具的性能，分析了 Opus 4.5 模型在速度、沟通力及意图检测方面的显著优势。 3. 详细解析了子智能体 (Sub-agents)、上下文工程 (Context Engineering) 及 MCP 服务器等核心机制，揭示了系统如何通过任务拆分和提示词注入来优化处理能力。 4. 分享其个人工作流和自定义指令，提供了从技术小白向高效人机协作转型的实操指南。访问：sankalp.bearblog.dev/my-experience-with-claude-code-20-and-how-to-get-better-at-using-coding-agents/ #ai创造营# #程序员#

60. 国产开源模型都蒸馏Anthropic的好处是，Claude模型的提示词在国产模型上直接能用，这也很适合做Coding Agent，而如果你的模型没那么像Claude，比如说MiMo-V2.5-Pro，无论是做Coding Agent还是OpenClaw都得重新调提示词，从商业角度是不利的。

61. Claude Code 新增 /loop 命令，让 AI 自动帮你盯活儿Claude Code 发布了 /loop 命令，可以设置定时任务，让 Claude 在后台按固定间隔自动执行指令，最长持续三天。比如你可以说"/loop 盯着我所有的 PR，构建出错就自动修，有评论就开个分支去改"，或者"/loop 每天早上用 Slack 给我总结被 @ 的重要消息"。本质上就是把 Claude Code 变成了一个能自己跑起来的值班助手。间隔支持秒、分、时、天，底层转成 cron 表达式执行。因为 cron 最小粒度是一分钟，秒级设置会被向上取整。也支持自然语言设一次性提醒，比如"两小时后提醒我检查部署"，用完自动删除。需要注意的是，这些任务只在当前会话内有效，关掉终端就没了，也不会补跑错过的任务。如果需要持久化的定时任务，得走 GitHub Actions 或桌面端的定时功能。文档：网页链接

62. Multi-Agent 小白入门：让你的Claude Code 提效 90.2% 这篇文章介绍了一种基于多智能体编排系统的方法，旨在通过让多个 AI 智能体分工协作，来提升 Claude Code 的工作效率。1. 详细阐述了单智能体的局限性，并提出了主管模式、流水线模式和并行模式三种核心管理架构，以解决上下文限制和专业化不足等问题。2. 作者还提供了一套实战指南，教读者如何创建由架构师、构建师、验证者和记录员组成的四人智能体团队，并利用共享文档实现任务同步。原文：x.com/0xYuker/status/2013094122656334136#HOW I AI# #程序员#

63. 美国五角大楼图谋用AI攻击中国关键基础设施？我们该如何应对？ #大有学问 #红衣聊AI #国家电网 #黑客 #网络安全

64. Claude Cowork把华尔街砸懵了！一天内市值蒸发超两万亿，原来不是软件不行了，是AI开始替人干活了。#大咖观察 #红衣聊AI #华尔街 #ClaudeCowork#智能体

65. 没有API，你在AI世界就不存在？ #大有学问 #红衣聊AI #智能体

66. 网传用户对AI每说一次“谢谢”，会触发AI生成“不客气”等回应，单次消耗0.0003度电和44。但主流AI都采用本地化优化机制，识别到"谢谢"类词汇时，直接调用预设模板响应，实际资源消耗“微乎其微”。但还是尽量#不要对AI说谢谢#，因为太多无效、复杂的指令会干扰AI给出答案的速度与精准度。现阶段调用AI时，尽量别把它当人，用指令性的语言得到自己的答案。#AI 恐怖##一分钟视频创作季#朋友们有什么AI使用技巧吗？一起聊聊孙大诚的微博视频

67. 全球AI开发者新宠！阶跃星辰Step 3.5 Flash，两天登顶OpenRouter趋势榜

68. Claude Code从来就不是什么编程工具

69. Obsidian CLI 基础配置教程打造AI化的知识管理系统 Claude Code｜Codex｜GeminiCLI

70. 如何编写一份优秀的 CLAUDE.md

71. 学prompt的好项目：这个github库收集了各AI系统内置的system-promptgithub.com/x1xhlol/system-prompts-and-models-of-ai-tools包括之前被人反复揣摩学习的claude提示词等等。包括但不限于Claude Code, Cluely, CodeBuddy, Comet, Cursor, Devin AI, Junie, Kiro, Leap.new, Lovable, Manus, NotionAI, Orchids.app, Perplexity, Poke, Qoder, Replit, Same.dev, Trae, Traycer AI, VSCode Agent, Warp.dev, Windsurf, Xcode, Z.ai Code~

72. 阿里系连发两个重磅AI产品，暗藏了一个巨大的机会#灵光 #蚂蚁灵光 #阿里巴巴 #全模态通用AI助手 #AI工具

73. AI的长期价值，远比你在新闻里看到的更大。 #大咖观察 #红衣聊AI #巴菲特 #股票知识

74. AI第一波下手最重的不是程序员而是白领？ #大咖观察 #红衣聊AI #职场 #职业规划

75. 老板要看我的AI工作流，我上交以后，老板回了一个显然是AI做的点评，里面说我用gemini的部分太多了，虽然gemini的搜索能力很强，但后面写作方面可以多用Claude嘛。我问老板，你用了哪个AI点评我的工作流？老板说，Claude。

76. 英伟达最新财报：AI狂欢依然在持续，下个季度收入增长会进一步加速#英伟达财报 #AI #英伟达业绩大超预期 #黄仁勋 #智能体

77. Claude Code+DeepSeek V4 Pro安装教程｜3步从零装好开始用 | Mac Windows

78. Anthropic新发布的Claude Opus 4.5，企业开发是核心战场。开发者可借助其编码优势快速生成生产级代码，还能让模型接入Chrome完成自动化测试。从打开测试平台、执行用例到记录结果全程自主，配合提示注入防护能力，避免恶意指令攻击，适配企业代理开发需求。安装Claude for Chrome插件后，它能读取网页图表数据生成分析报告，选中外文资料秒出精准翻译。对接Excel时，可自动抓取网页数据并按格式填入表格，还支持跨标签页协同操作。模型会自动完成改写、打开平台、粘贴发布全流程。其200K长上下文窗口，还能轻松处理技术文档、法律文件等长文本，成为多场景办公助手。这个对于新媒体运营者来说是非常实用的帮手。#科技先锋官##AI生活指南##AI创造营#

79. #OpenClaw都能做什么#OpenClaw目前主要解决了自动整理文件、生成周报、处理数据等。自媒体和个体经营者能通过它抓取热点、生成文案、管理订单等。学生和老年群体无需懂技术，就能用它处理学习资料、规划生活琐事。开发者则可依托其开源框架，快速实现代码审查、自动化部署，提升研发效率等等。可以预见的是这些群体需要的不仅仅是这些，所以OpenClaw不仅仅局限于现在的需求还有更多的潜在需求需要OpenClaw去解决。当然OpenClaw核心的需要解决传统还是普通人用自然语言就能下达指令就能够满足需要，降低了个人和中小企业的使用成本。这样才能保证持续的发展下去。

80. 刚看到OpenRouter最新榜单，MiMo-V2-Flash拿下周榜第二、国产第一，还收获了很多好评，有的老外评价就很犀利，说它“分析能力碾压同价位”，还把智能体从“概念”做成了“实用工具”，甚至有人感叹“得重新认识中国AI了”。看到这我其实并不意外，我用过的不少大模型仅仅是能用，而MiMo是真的好用！特别是MiMo的逻辑推理和响应速度，比很多竞品要强不少

81. 直接和claude对话就可以作图了，很简单。最近玩claude玩得不亦乐乎，也不需要什么编程技术，有思路就能做出各种提效的工具。投资交易的话，可以按你选股的喜好建skill，我现在打股票代码给Claude，就能出详细的分析图。//@Uho先辈:墅姐这个做得好好！请问是在cowork上做的吗

82. 大神Karpathy的AI 知识库系统搭建，5分钟搞定

83. 跟着安卓学习吧，自定义按键按一下就启动录音，而且打电话、微信、QQ语音、会议纪要通话通通会自动录音，录音可转成文字…还能继续AI生成PPT，iPhone的录音功能远远落后了，而且敲两下还要敲对位置才能录音#iPhone无感通话录音#

84. 2025年:普通人也能上手的AI指南

85. What does Anthropic's explosion mean? BoA: As long as large models keep running wild, those selling shovels and renting computing power will make risk-free profits!

86. (7707期)AI落地课,人人都需要的AI的30种落地技巧,数倍提升工作学习效率

87. 广州资源销毁公司:阿里AI职业趋势报告AI能力目前成为职场首要竞争力

88. 2025人工智能职业趋势报告

89. 理解与运用 AI 已成为未来职场不可或缺的技能

用Claude高效提升职场生产力

精选参考来源