Keep on to blur preview images; turn off to show them clearly
写 AI 绘画提示词，有时候像在写代码。经常在备忘录里复制粘贴，参数一多就乱，想复用以前的结构更是麻烦。 最近在 GitHub 发现 PromptFill 这个项目，专门为 AI 绘画设计了一套结构化的提示词生成方案。 不再是枯燥的文本堆砌，而是通过可视化的“填空”交互，帮我们快速构建和管理复杂的 Prompt。 支持自定义词库分类，把人物、动作、画风等变量变成了可点击的下拉菜单，视觉上非常直观。 编辑时能直接拖拽词库卡片插入变量，也能在预览模式下通过点击快速切换不同选项，甚至支持双向同步新增的关键词。 GitHub：https://t.co/xBS0LiUJAI 数据隐私方面做得不错，所有修改自动保存在本地，刷新页面也不会丢失。提供了开箱即用的启动脚本，双击即可运行，无需复杂的配置。 如果你受够了在记事本里管理提示词，这种结构化的“填空”工作流，或许能帮我们找回创作的秩序感。
💡 挖掘开源的价值 🧑🏻💻 坚持分享 GitHub 上高质量、有趣、实用的教程、AI工具、前沿 AI 技术 🧐 A list cool, interesting projects of GitHub. ✏️ 公众号：GitHubDaily
Export surge in Taiwan is a useful leading indicator. Looks like new 2 nm capacity at TSMC is shipping?
Wonderer. Amor fati. Scaling trust.
RT @manateelazycat: 其实写推特最简单的方法，就是坐下来写，把这里当作个人博客就好了 当你真的坐下来的那一刻，你看到别人的发言启发到自己，然后就想到哪，直接输出就好了 你会发现，输出是一件非常简单的事情，非常自然的大家就产生了共鸣 有一些人会说，如果输出…
独立开发者 ｜ 个人IP教练 ｜ 帮助新手在X上完成早期成长｜ 公众号：PandaTalk8
优秀创始人的五个特质 在YC（创业孵化器）的访谈中，那些最终走向成功的创始人常说的两句话，或许能揭示创业的本质："我总能找到办法"和"我从不放弃"。 人们往往以为聪明才智、行业经验或人脉网络是成功的关键，但在山姆·奥特曼（Sam Altman）看来，这种近乎执拗的行动力与韧性，才是最核心的特质。 就像YC创始人保罗·格雷厄姆所说的"坚持不懈的解决问题能力"，这种精神能让创业者在绝境中开辟道路。 要寻找理想的合伙人，这三个维度同样重要：一是极致的专注力，他们会像戴着眼罩的登山者，心无旁骛地攻克核心目标，不被外界的诱惑分散精力； 二是坚定的信念，相信目标能够实现本身就是一种强大的驱动力，这种信念会像滚雪球般形成正向循环，让团队和资源自然向你汇聚； 三是构建人脉的能力，无论是招募顶尖团队、说服投资人，还是与客户建立信任，能否在复杂的人际网络中找到支点，往往决定了创业的高度。 优秀的创业者都有一种"25字表达力"——能用最简洁的语言讲清自己在做什么。 这不是简单的概括能力，而是对商业模式、价值主张的深刻洞察。观察那些改变世界的公司，从早期的Airbnb到如今的OpenAI，它们的创始人都能在电梯里用几句话抓住听众的注意力。这种能力能让信息快速穿透迷雾，无论是向团队传递愿景，还是向外界争取支持，清晰的表达都是打开成功之门的钥匙。 创业的本质是"造梦并让人相信"。当公司只有10个人时，创始人可能是技术大牛；到了20人规模，就需要用愿景吸引真正的人才。那些能让优秀人才甘愿放弃大厂offer加入小团队的创始人，往往具备两种特质：一是把抽象的目标拆解成可感知的里程碑，让每个人都能看到自己的价值；二是真诚的人格魅力，能让团队感受到事业的意义，而不仅仅是一份工作。 最后，创始人自身的"疯狂执行力"不可或缺。在公司初创期，你需要同时扮演产品经理、销售、财务和客服的角色，每天要处理数十件琐碎却关键的事。这种"全能战士"的状态，不是天生的超人，而是把时间和精力精准分配的结果——知道什么是当下最重要的，能在混乱中找到秩序，用极致的效率把想法转化为行动。 这些特质或许无法通过培训获得，但可以刻意培养。就像登山者需要锤炼耐力，创业者也需要在一次次解决问题中，锻造出属于自己的"创业肌肉"。真正的创业不是赌运气，而是在认清现实后依然选择前行的勇气，是把不可能变为可能的信仰，更是在每一个平凡的日子里，用行动堆砌出伟大的能
找工作、找面试题、改简历、模拟面试。关注： 创业（冷启动） ｜ 认知心理学｜智能体 ｜ 强化学习 building：https://t.co/A4YmEz90B8
"These should all be sobering numbers to any European. Whether it's the 10K/yr arrests in the UK for social media posts or the risk of an economy that's half the size of the American in a decade. But Europe isn't doomed to fulfill this tragic destiny." https://t.co/0OWrvRc3Rq
Father of three, Creator of Ruby on Rails + Omarchy, Co-owner & CTO of 37signals, Shopify director, NYT best-selling author, and Le Mans 24h class-winner.
速度提升 4 倍、精度比肩 Claude Code：深度解读 @relace_ai 的「代码检索新架构」 🚀 核心概览：什么是 Fast Agentic Search (FAS)? FAS 是 Relace 最新发布的专门针对代码库搜索任务训练的小型智能体模型。它利用强化学习进行优化，能够通过并行调用工具（如 grep、view 等）来快速定位与用户请求相关的代码文件。 💡 背景：RAG 与 Agentic Search 的困境 RAG · 优点：速度极快，成本低。 · 缺点：对于复杂的代码逻辑往往不够准确。它依赖向量相似度，缺乏推理能力，经常漏掉关键上下文。 Agentic Search · 优点：非常精准。模型像人类程序员一样，通过一步步推理、查看文件、跳转引用来寻找代码。 · 缺点：速度慢，成本高。通常是“串行”操作（思考 -> 查一个文件 -> 再思考 -> 查下一个），导致延迟很高。 FAS 的切入点：试图结合两者的优点——既有 Agentic Search 的推理深度，又有 RAG 的响应速度。 🛠️ 技术解密：FAS 是如何做到的？ FAS 的成功主要依赖于三个关键技术策略： 1. 并行工具调用 (Parallel Tool Calls) 不同于普通智能体“一次只查一个文件”，FAS 被训练为可以同时发出多个指令。例如，它可以同时查看 4-12 个不同的文件路径或执行多个搜索命令。这极大地减少了多轮对话带来的网络延迟。 2. 专门的强化学习 (On-Policy RL) 团队没有仅使用普通的监督微调（SFT），而是构建了一套强化学习环境： · 奖励机制 (Reward Function)：设计了特殊的奖励公式。既奖励“找得准”（高召回率和精确率），又惩罚“动作慢”（如果搜索轮数过多，得分会降低）。 ` 涌现的推理能力：在训练后期，模型“自学”出了一种策略——在进行大规模并行搜索之前，会先进行一步推理思考。这证明了它不是在盲目乱猜，而是在有逻辑地并发操作。 3. 任务分离 (Subagent Architecture) 文章通过数据分析发现，在真实的编程任务中，约 60% 的 Token 都消耗在了“找代码”这个步骤上。 因此，将“搜索”从主智能体中剥离出来，交给 FAS 这个专门的小模型去完成，既能节省主模型的昂贵 Token，又能防止无关上下文干扰主模型的判断。 📊 实测效果 · 速度与准确率：在同等准确率下，FAS 比传统的串行智能体搜索快了 4 倍。 · SWE-bench 测试：将 FAS 集成到编码智能体中后，中位延迟降低了 9.3%，Token 消耗减少了 13.6%。 · 注：在真实复杂的开发场景（相比于定义明确的 Benchmark），由于搜索占比更高，预计性能提升会更加显著。 📝 总结与启示 这篇文章不仅仅是一个新功能的发布，它向我们展示了 AI Agent 发展的一个重要趋势：从“全能大模型”向“专家子模型协作”转变。 通过让一个经过专门 RL 训练的小模型极致地优化“搜索”这一单一环节，我们可以用更低的成本和更快的速度，达到甚至超越昂贵大模型的综合表现。这为未来构建更高效的 AI 编程助手提供了一条清晰的路径。
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
