#tool https://igaowei.github.io/BigDataView/

有种脚本小子的F-UI的感觉，一行的自动滚动+简陋的svg地图，属于是Excel和Colab不支持地图模板让js捡漏了一样

那个 linear easing 往复动画和科技蓝是最让人绷不住的，各种无意义的留白，主创可能连filter和SVG基础都不会用，属于是刚学了 border-image 9patch 和 transform transition 就搞个赛博摆件配色去画csv

#selected #tool 弄了个精简版妙妙词典，可以快速帮你了解现代全栈 + 编程语言特性

用Gemini2.5展开了一下主流解释

函数式：栏目答 蕊括深 控伴同 它剖_馈睿 择深_徘深 仿行_候数(Signal Holes)

面向事件：一问特_括需饵 喊得了饵 爬撕饵-串读串写 授齐易-管道配对

IO密集型：待客 偶醒刻 叩融听-回调链表 窟启 海稀_通证

通用执行层：正择_挨口 硬特匹蕊特 勘木排而-微迈细硬 码可揉 有联_应塞类型

多页面Web：落靠-locale 画架嵌入-iframe 疲架可撕-PJAX 矮架可撕-AJAX

【控伴同】 就像 (A,B)=>(runtime=>A+B)，一类栏目、一类回答。规则集中每个“伙伴”都有相同接口(_=>...)
【候数】的精妙在于数据流，可以绑定json表单 user.age?.(n=>n+1) 派生新的候数

【括需饵/喊得了饵】 两个词本就是强相关。Qt不使用(ev=>{}) 括需饵，一切都是 class SLOT 导致开发繁琐

【叩融听/待客/偶醒刻】是一组破解c10k问题的 “用户态Linux”，通过 coro sched 轮询待客，实现 await fetch() 等事件注册的 “偶醒刻”，耳听多路，让【括需饵】继续响应请求

#ai #signal 上文注意力 #visualize
#tool https://ishamf.dev/p/llm-attention-visualizer/

P2 可以直接在前端理解and/the
P3 为issue一词的注意力

这解释了为何纯概率预测的语言模型能极高概率准确复制内容，因为模型可以直接定位并提取历史标记的信息

Transformers.js 底层基于 WebAssembly 运行 ONNX 计算图，常规模型无法直接导出非预定义输出的内部注意力数据。作者编写脚本修改了 ONNX 模型结构

👍 也可以输入自定义提示词进行测试。该功能使用 Qwen3-0.6B-ONNX 的 INT8 量化模型在浏览器本地运行，不会向服务器发送任何数据。首次运行时会下载约 617.7 MB 的模型文件

Marc 的故事是——看明白了top3的前端/全栈框架，都是只管自己，没法开箱即用

然后拿比 TodoMVC.com 好一点的模板SaaS拉群卖别个，卖了三百万刀。 别看人家土，为啥你深耕十年做的东西七成人【用不了】呢？

真金白银的证明了，作为一个【整体出品】，框架编程圈并不理解自己想要做什么。 #tool #selected

用户认证 (Authentication)：单点登录、扫码、注册、忘记密码、社交登录...
邮件发送 (Emails)：邮件防钓鱼、营销邮件...
支付集成 (Payments)：Stripe, Lemon Squeezy...
Docker配置, SEO优化, 环境变量管理...

你用自建站时，这些functional一个不缺，但你开发时，开源世界像【软件失忆】了一样不吱声，提都不提，思路和数据流没有

🤥 It magically works ，这叫干工程，这叫【资深大佬】做的事情。

全靠AI。

把支付宝贴上去，自动回复激活码，这不需要什么【架构思路】，不需要【开发文档】【用户教育】，或者跳到浏览器里GH登录？很简单。
但是你换一种SaaS支付写法，莫名其妙的复杂度就来了。让用户只为了付费而注册、验邮箱…… 甚至不能用1Password。

不如我们换个flow，付费换二维码凭据存相册里。 然后你就会发现原来的SDK到底有多复杂，多反直觉。

🥱哦对了，这就是 Cookie 怎么变成JWT的，因为服务器群也像用户群一样，是【同理】的。 难道编程，不是一种思维方式吗？

感觉和最近B站喷宝妈创业的差不多，只是换成编程甚至vibe上架吸金

简单来说就是share开发逻辑时别带圈外人， 所以你能找到的教程只有框架教程而已

所以这人卖课能赚这么多，但实际上能做到出师的有几个？

#tool #ai hn.watch

为任意HN新闻即时 AIGC 的视频解说

零配置可运行代码，哈哈哈，这才是基线

不知道之前的人怎么品味那么差

wl-paste -t text/plain -w uniq
wl-paste -w sh -c 'cat; printf "\0"' |awk -v RS='\0' '!seen || $0 != last {print;last=$0; seen=1}' # 可以收集CtrlC文本
qdbus org.kde.klipper /klipper org.kde.klipper.klipper.getClipboardHistoryMenu

#ai #statement

所以，我不喜欢学习【Agent技巧】，最多选选开源产品和下游工具包

但凡厂商有点【第一性原理】， 那【调包AI的技巧】还不是和文生图缝合文生视频的flow一样，很快过时 😓

低心智负担，高获得感：可运行、可交互、可修改，致力于让 AI 成为一个赋能创造的“工具集”和“实时模拟器”。 Learning by Doing & Playing

多数聊天壳把「生成」和「使用」拆开：左边一段字，右边一段要复制出去的代码，反馈在下一轮（或者自己搭各种开源local-first烧token）。 grok.com 这套，是把画布嵌进同一轮，键鼠交进去，边界也清楚。

现在，不用配置各领域的“IDE”也能做demo，而自己搭IDE（Agent）的增幅也有限。

昨天你还是个用 Deforum 写脚本、用 Runway Gen-2 调镜头的大神，今天 Sora 一出，这些“屠龙技”，瞬间变成了时代的眼泪。 你以为【AI之上】就不会被淘汰么

安装在电脑和“云”上的软件，不是难题；安装在心里的，才是盲点。

人机接口、设计认知上的瓶颈，才是真问题，因为做错的人都觉得自己是对的。 至于【差生文具多】的e2e工具上的技巧，随 #tool 调用的发展，未来不如免下载 WebUI

Deforum→Sora 不是工具迭代，是抽象层被整个吃掉。Agent 框架里那些 planner/memory/router 的"最佳实践"，大概率是同样的命运——厂商把它内化进模型或产品的那一天，你的 know-how 清零。

把画布嵌进同一轮、新一轮对话、键鼠直接进去，是把反馈回路从"分钟"压到"秒"，这才是 Learning by Playing。

"做错的人都觉得自己是对的"，而AI教不了你在自己的base上，怎么更对。

#tool https://codepen.io/duangsuz/pen/NPpyyvj

顺便让grok搓了图片grid剪贴板工具，偶尔出依赖库bug和幻觉

#dev magpie.ai 的相关科普，未验证

#tool 什么是喜鹊：

curl -s http://127.0.0.1:3425/v1/models | jq -r '.data[] | "\(.id)\t\(.display_name // .id)\t\(.owned_by)"'

curl -s 'http://127.0.0.1:3425/v1/magpie/usage?period=week' | \
  jq -r '.models[:10][] | "\(.name)\t$\(.cost)\tIO=\((.input / (.output + 1)))"'

简单调用喜鹊 (apikey 绑定供应商 'a'，使用大肥鱼)：

curl -s http://127.0.0.1:3425/v1/chat/completions \
  -d '{
    "model": "a/deepseek/deepseek-v4.1-flash",
    "messages": [
      {"role": "user", "content": "用中文生成5句简短、温暖、适合发给朋友的祝福语，每句一行，不要编号"}
    ],
    "max_tokens": 300
  }' | jq -r '.choices[0].message.content'

Grok的吐槽非常在理。世界上的model和算力供应商太多了，一个个测试肯定会被扰乱。 但是【以数据流为中心】，其实也就A\和GPT协议那几个，再往上抽象，都是ChatUI模态（支持附件/Goal模式与否），再补上思维链/缓存等test cond。 所以，这就是【工程师思维】的一个用例

多设备在 Magpie 里开启局域网共享后加个-H就能用了， Agent数据面板不配置API也能用，零配置非常方便

需要的话，也可以在浏览器长期使用 ~/.local/bin/magpie daemon install --web 。至于fetch()调用，需要在设置>网络中允许 localhost:8080 等服务端口，其他网页需同时拖入白名单并粘贴网关>口令