Keep on to blur preview images; turn off to show them clearly
🇨🇳 Woke up in Beijing's Summer Palace today Built in 1750 by a Chinese emperor as a birthday gift to his mother It's a giant park with a lake but you can also sleep in it as we did And it's very tranquil and silent
🇪🇺https://t.co/NdorAWrhrB @euacc 📸https://t.co/lAyoqmT9Hv $125K/m 🏡https://t.co/1oqUgfDEsx $40K/m 🛰https://t.co/ZHSvI2wRou $38K/m 🌍https://t.co/UXK5AFra0o $16K/m 👙https://t.co/RyXpqGvdBB $14K/m 💾https://t.co/M1hEUBB6da $6K/m
发一下这两天挺火的一个小红书图文自动生成工具：RedInk，一句话一张图片生成小红书图文 用的Gemini 3生成文案，Nano banana Pro生成图片 给定一个主题或一句话描述+一张风格参考图，系统即可按需求自动完成封面+内页+配图的小红书素材生成 它会先给6-9页大纲，大纲里的内容可以自定义 然后并发产出对应配图，直接是小红书排版样式 #AI自媒体工具 #RedInk
github：https://t.co/JRNxWHcmQM
RT @yanhua1010: 哇，这个prompt太神了！用它生成的城市天气卡片，简直是微缩版的梦幻都市～ 我试了试成都和东京，效果超级可爱！ 成都的杜甫草堂和宽窄巷子融入了晴天云朵，东京的涩谷和东京塔在微风中摇曳 AI艺术真让人上瘾！下一个试哪个城市？大家来建议！🔥 htt…
Solo Developer ｜ Growth Coach｜Helping creators build their personal brand on X 公众号：PandaTalk8
https://t.co/soqgGxkkRC
We're sharing/showcasing best of @github projects/repos. Follow to stay in loop. Promoting Open-Source Contributions. UNOFFICIAL, but followed by github
#AI编程好物 1/100 - 使用 DiceBear 作为占位头像 AI 编程写头像的时候需要展示临时头像，我之前都会用字符+背景色占位, 但会影响美观. 用 DiceBear 根据用户字符串生成独特的个性化头像，以取代默认的灰色占位图。 提示词指令: 「请在展示头像时使用 DiceBear 生成器, 参考语法为 https://t.co/n6c5BtKyWl 这样可以做到同一个用户名生成同一个头像, 非常方便好用」 DiceBear 也提供了对应的 react / vue 包, 可按需使用
🖥️ Indie Maker 🛠️ 星球「海哥和他的小伙伴们」 📌 油管「海拉鲁编程客」 🌸 沦为程序员的段子手/猫咪
Anthropic 提出了一种双层智能体设计 解决Agent执行长任务时丢失记忆的问题 随着 Claude 等 AI 模型变得更强，开发者希望它们能够： 执行复杂任务（如全栈开发） 持续工作数小时甚至数天 但每次上下文窗口刷新后，AI 都会丢失记忆，无法连续推进任务。 这就像一个工程团队轮班工作，但每个新工程师上岗时都完全不知道前一班干了什么。 传统长任务执行的两个主要失败模式： 1、试图一次性完成所有任务（one-shot） Claude 会在一个窗口中尝试构建整个应用，结果中途上下文耗尽，留下“半拉子工程”，下一次启动又得重新理解。 2、过早宣告任务完成 当项目部分功能完成后，Claude 有时会错误判断为“任务已结束”。 这两种问题都导致 任务状态不连续、上下文断裂。 为什么这很难解决？ AI 模型的“记忆”不是持久的。 每次上下文窗口结束，它就像“重启的电脑”一样，什么都不记得。 虽然 Anthropic 给 Claude 做了 “上下文压缩（compaction）” 功能，可以把对话浓缩后带入下一轮 但这还不够，因为 AI 仍然会丢掉结构化的项目状态。 Anthropic 的解决方案：双智能体架构（Two-Agent Harness） 为解决这些问题，Anthropic 设计了一种新的智能体工作架构，称为： 双智能体长运行框架 它由两类 AI 角色协同完成整个任务过程： Initializer Agent（初始化智能体） Coding Agent（编码智能体） 这两个智能体并非两种模型，而是同一个 Claude 模型在不同阶段使用不同的提示模板（prompt template）运行。 区别在于它们的职责分工与上下文约束。 🧩 第一位成员：Initializer Agent（初始化智能体） Initializer 的任务是： 为项目建立结构化的“工作记忆” 创建清晰、可持续的开发环境 它只在项目第一次启动时运行，做“项目准备”： 第一次启动时，这个智能体负责： 创建整个工作环境； 写下一个初始化脚本 https://t.co/VUeBdiSpyr； 生成一个项目进度文件 claude-progress.txt； 建立 Git 仓库（用于版本管理）。 💡 它相当于项目的“开工仪式”，帮后续AI打好地基。 🧑💻 2. 编码智能体（Coding Agent） 接下来的每一次运行中，这个智能体会： 阅读进度日志和 Git 记录； 查看“要做的功能列表”； 只实现一个小功能； 写好注释、测试代码； 保存清晰的 Git 提交； 更新进度日志后退出。 💡 每次运行就像接力赛中的一棒：干一件小事、记录清楚、交给下一位。 实测结果：真的更聪明了 实验发现，这种结构化方法可以让 Claude： 连续运行数小时仍保持逻辑一致； 自动检查自己之前写的代码； 快速修复遗留bug； 有“团队协作”的感觉。 但它仍有局限，比如： 看不到浏览器原生弹窗； 某些bug只能人工发现； 对多智能体协作的最优方式还在研究中。
详细介绍：https://t.co/TiCZJwTO1F
