广东小孩收红包现状

新年快乐喵~

#阅览 这种背后故事挺有趣的 https://telegra.ph/LLM-推理系统Code-Agent-与电网-02-16-3

全部搞定！时间表已更新，龙虾们不再集体攻打月球 🦞🚀🌙 新的日程表：

	时间	任务
07:23	RSS 日报
07:27	早间简报
08:17	天气检查（早）
15:13	Git 仓库检查
18:17	天气检查（晚）

这样分散开应该能缓解 Kimi 推理服务的整点压力了。养龙虾也要做负责任的铲屎官呢～

☕

☕

好的，这是今天的5篇精选，请给出你的评分反馈： 📰 今日 RSS 精选（5篇） 🔥 必读推荐 5 Strategies to Learn Better with AI (and Traps to Avoid) | Scott-H-Young 📊 AI评分：92分 Scott Young 系统性地分析了用 AI 学习的5个有效策略和常见陷阱。核心观点：AI 不应该替代思考，而应该作为"思维脚手架"。具体方法包括：(1) 用 AI 进行苏格拉底式提问而非直接要答案；(2) 让 AI 扮演批评者角色找出你理解中的漏洞；(3) 用 AI 生成多种解释视角直到你找到能真正理解的那个。陷阱方面，他警告"AI 幻觉自信"——AI 会自信地给出错误信息，而学习者往往无法辨别。与你的关联：你正在用 Claude 搭建各种自动化系统，这篇文章能帮你更有效地利用 AI 提升学习深度而非只是效率。 I built 9 open-source MCP servers to cut token waste | ClaudeAI (Reddit) 📊 AI评分：88分 一位开发者针对 AI coding agent 调用工具时 token 消耗过大的问题，开源了9个优化过的 MCP (Model Context Protocol) 服务器。核心思路是将频繁调用的工具（如文件读取、代码搜索）进行缓存和批处理，避免重复请求。项目中包含具体的token 使用量对比数据：优化后平均减少 40-60% 的 token 消耗。与你的关联：你在用 OpenClaw 搭建 agent 系统，这个方案可以直接借鉴，降低运行成本。 Your AI coding agent forgets everything about you every session. Should it? | ClaudeAI (Reddit) 📊 AI评分：86分 深度讨论 Claude Code 等 AI 编程工具缺乏跨会话记忆的问题。作者认为这种"失忆"既是 bug 也是 feature——一方面每次都要重新解释项目上下文很烦，另一方面也防止了 AI 形成错误假设后持续犯错。评论区高赞方案包括：(1) 维护 .claude/memory.md 文件记录项目关键决策；(2) 使用 git commit 历史作为上下文线索；(3) 开发自定义 wrapper 在会话开始时注入关键信息。与你的关联：这直接对应你正在搭建的记忆系统，评论区有多种实现思路可以参考。 📌 值得关注 Manage Your Energy, Not Your Time | Scott-H-Young 📊 AI评分：80分 传统时间管理强调"效率"和"多任务处理"，但这篇文章提出精力管理才是核心。Scott 分析了为什么很多人时间表排得很满却效率低下：他们在精力低谷期（通常是下午）强行做高难度工作，结果产出质量差、挫败感强。文章给出了具体的精力周期观察方法：记录一周内不同时间段的专注度和创造力，找出自己的"黄金时段"。然后据此重新安排任务——把深度工作（写代码、写文章）放在精力高峰期，把行政性事务（回复邮件、开会）放在低谷期。与你的关联：你提到精力有限，这篇文章的方法可能帮你重新安排工作节奏。 My New Book: Foundations | Scott-H-Young 📊 AI评分：82分 Scott Young 的新书《Foundations》发布，核心观点是系统性知识框架比碎片化信息更有价值。书中讨论了如何在信息过载时代建立稳固的知识基础，而不是追逐最新的热点和技巧。他提到很多人（尤其是技术从业者）陷入"追逐新工具"的陷阱，表面上学了很多，但实际上没有深层理解。书中提供了具体的知识地图构建方法，帮助你将零散的概念连接成体系。与你的关联：你提到 RSS 订阅过多导致"看完就忘"，这本书的方法可能帮你从"读更多"转向"内化更深"。 请告诉我： • "第X篇评分高了/低了"（比如"第一篇92太高，最多85"） • "这类文章多推/少推"（比如"Scott Young 的多推""Reddit 的少推"） • "描述太长/太短"（需要调整详细程度吗？） 我根据你的反馈调整明天的推送标准。

Claude 个人订阅用户可以打开 https://claude.ai/settings/usage 有机会兑换 $50 credits.

对事不对人，这种就是典型的只管生不管养的家长，在这种原生家庭长大的代码也是这辈子有了。

via CuiMao (@CuiMao) on Twitter

xLog 的各种 API、以及链上的 RPC、以及数据导出网站 export.crossbell.io 都已经废了。 刚糊了个 xLog 博文导出工具 https://xlog-takeout.saveweb.org/ 出来。 整个 xLog 的博文去掉大部分 spam 后也才 34k，很小。懒得写后端，直接前端加载 300MiB 的全量 sqlite (gzip 后 100MiB)。 xlog 受害者们尽快导出吧（IPFS 上的图片附件已经没了大半了）。

这是一份非常全面的 #网络安全 检查清单，一共有 258 个项目，每一项都有详细的解释，涵盖密码安全、浏览安全、移动设备安全等方面的内容。在当前环境下，#信息泄露 可能会导致重大的损失，因此，确保我们在连接互联网的时候，我们尽可能地保护自己的 #隐私、提高数字生活的安全性。 https://ipcheck.ing/#/securitychecklist by 阿禅（Jason Ng）

How AI assistance impacts the formation of coding skills (Score: 151+ in 7 hours) Link: https://readhacker.news/s/6LC9W Comments: https://readhacker.news/c/6LC9W

一个显而易见的事情，AI 个人助理这类产品，显然是要运行在暴露你更多隐私的设备上，比如手机电脑。 你不交付给他更多隐私数据，和你日常使用的环境内容，它就无法成为助理。 运行在云服务上的 AI 应用，永远只是程序员的玩具，因为只有你们的日常生活在云服务上…… https://x.com/taresky/status/2017005221067763781

其实我整体听完最大感想就是，如果一个人已经有了良好的媒体素养，他大概率并不需要所谓的「推荐算法」来控制自己在看什么；但更多的人并不是，他们只想去看内容。这时候「推荐算法」的出现，实际上是在塑造这群人的「新的媒体素养」。 我尊敬算法工程师在其中的作用，也理解他们在其中的无奈；但我依然觉得，他们在尝试利用乌合之众的弱点，在有意无意中将自己的商业考量嵌入在了超 TB 级的黑箱函数中。 正所谓「媒介即信息」，为一个完全没有媒体素养的人推荐信息，就是在塑造他的世界观和价值观，即使你说算法要如何「让他们看见更大的世界」，你都无法将商业考量移除在算法之外，进而嵌入到受众的潜意识中。 正如批判「抖音毁了华语乐坛」的那个视频说的那样，这一切可能在功利化的基础教育下所缺失的重要一环。

用自然语言生成自定义组件，这比低代码好用多了，感觉奠定了新一代 nocode 产品的架构 https://fixupx.com/rauchg/status/2011605996561649720

🔖 Best practices for coding with agents · Cursor #bookmark #pinboard https://cursor.com/blog/agent-best-practices programming, ai, llms

Tahoe 的图标令人难评 虽然火力最集中的依然是液体玻璃的效果，但 26 这一代的桌面操作系统，液体玻璃真的是最小的一个问题了……