最近，Claude Code 团队的 Thariq 亲自揭秘了他们是如何用 Fable 5 + Claude Code 制作官方发布视频的。这不仅是一次简单的尝试，而是将“视频制作”彻底抽象成了一个软件工程项目！

为什么这么设计（Why’s THE Design）是一系列关于计算机领域中程序设计决策的文章，我们在这个系列的每一篇文章中都会提出一个具体的问题并从不同的角度讨论这种设计的优缺点、对具体实现造成的影响。

问了下deepseek里面的内容基本都还靠谱。 极简版参考： 1.保持睡眠时长与质量。 2.不要吸烟。 3.尽可能每天做点运动。 4.减少糖分的摄入。

作者Oluwaphilemon1只用4步 prompt （prompt 放在底下了，铁子们记得领）+ 主流前端库，就做出那种带流体颜色过渡、鼠标跟随手绘纹理、电影级章节动画的沉浸式滚动故事网站。 从视觉创作者的角度看，这波操作太解实际痛点了。以前要做品牌叙事落地页、活动数字展厅或互动故事内容，视觉团队画好分镜后，还得反复跟前端沟通滚动逻辑、动画节奏、性能优化。现在直接把「每个章节的叙事节奏 +

www.makingsoftware.com 是一个由知名设计工程师 Dan Hollick 创作和绘制的在线交互式图文网站。它的全称是《Making Software: A reference manual for people who design and build software》（制作软件：为设计和构建软件的人准备的插画参考手册）。 这个网站在 Hacker News、Reddit 和设计/开发圈子里广受好评。它的核心定位和特色如下： 它不是一本“编程教程” 虽然名字叫“Making Software”，但它并不会教你如何用代码写一个网页或开发一个 App。相反，它是一本探索底层原理的视觉手册，专门解释我们每天在数字世界中使用的工具和现象“到底是如何工作的”。 极致的视觉与互动体验 网站最大的亮点在于其极其精美的交互式图表和动画（类似著名的科普书《万物运转的秘密》或是 Bartosz Ciechanowski 的硬核交互式科普博客）。Dan Hollick 本身是一位资深的设计工程师（曾在 Cursor、Tailwind CSS 等知名团队任职），他利用自己高超的 UI/UX 和代码能力，将枯燥的计算机科学概念变得极为直观、生动、且充满乐趣。 涵盖的有趣主题 目前网站中包含了一系列由浅入深、图文并茂的章节，解答了诸如以下的问题： 触摸屏是如何感知手指的？ 解释了屏幕中的透明金属电极网格如何通过感知磁场扰动，来向操作系统报告你手指的 X 和 Y 坐标。 什么是“高斯模糊”？ 解释了设计软件中的模糊效果在底层是如何通过内核权重矩阵（Kernel）乘以周围像素，并运用高斯分布来实现逼真又不太耗费算力的模糊效果的。 Figma 等软件中的“钢笔工具”底层是什么？ 用交互式图解展示了贝塞尔曲线（Bezier curve）背后的数学原理，以及手柄是如何控制平滑曲线的。 屏幕是如何工作的？ 从电子枪到液晶显示（LCD）、刷新率，再到光栅化（Rasterisation）和抗锯齿（Anti-aliasing）技巧。 其他主题：还包括“什么是色彩空间（Color Space）”、“数据是如何存储的”等硬核概念的深度剖析。 总结 Making Software 是写给每一位对技术充满好奇心的人的“数字世界说明书”。无论你是前端开发者、UI/UX 设计师、图形程序员，还是仅仅是对“手机和电脑是如何运转的”感兴趣的普通人，这个网站都能让你在把玩精美交互图表的过程中，获得恍然大悟的阅读体验。

模型本质是将观察映射为动作的函数。目前主流采用VLA架构（大模型理解+小模型执行）并生成连续动作块以避免误差。为突破数据与延迟瓶颈，行业正借助世界模型、人类视角数据及强化学习自我纠错来破局，加速机器人实用化落地！

科研不是表面功夫，而是可训练的技能栈：主动挑选问题而非盲从；深挖旧文献拓宽认知；记录并公开所有成败；打造工具缩短反馈周期；死磕原始数据而非只看指标；跨界试错寻找优势；保持慷慨与开放。每天积累微小优势，用长线思维让知识产生复利！

很多人认为大模型将吞噬一切“套壳”应用。本文指出，易被量化的标准任务确实会沦为廉价商品，但真正的护城河在于“不可训练”的领域：深耕垂直行业、打入私有系统并建立信任问责机制。未来核心不是模型多聪明，而是谁能扎根真实业务，干好AI落地的“脏活累活”，从而掌握定义行业标准的特权。

QuantMind 是一套面向量化金融的智能知识提取与检索框架，能将海量论文、新闻、研报等非结构化内容转化为可查询的语义知识图谱，让研究团队用自然语言即可秒级获取因子策略、风险模型与市场洞见。 它内置两阶段架构：第一阶段通过智能解析与 Agent 工作流，从 arXiv、新闻源等多渠道抓取并结构化数据；第二阶段利用领域大模型生成嵌入，支持 DeepResearch、RAG、Data MCP 等多

这个指南包含： 1）系统文档：24,000+ 行，覆盖 Claude Code 内部架构、40 个内置工具说明、7 层配置机制、多 Agent 协作模式 2）181 个模板：包括 23 个自定义 AI persona、37 个 hooks 脚本、64 个 Skills，可以直接用到项目里 3）48 张架构图：用图解说清楚 master loop、context 流转、多 Agent 拓扑结构、安全

它能读写代码、执行命令、管理 Git，通过持久化记忆系统，在多次会话间保持对你项目的深度理解，并自我进化。 内置 MiMo Auto 限时免费通道——零配置即可开始使用。也不需要登录啥的，装上就能用。。还有概率体会到UltraSpeed 模式，1000tokens/s。也支持接入各家主流 LLM 厂商 API。 MiMoCode 基于 OpenCode fork 构建，保留其全部核心能力（多

AI面试正在经历一场变革。过去考八股文和RAG，如今在Reasoning时代，强化学习（RL）算法成了衡量真假AI专家的分水岭。 这份2026年RL面试题库揭示了技术演进的底层逻辑：从PPO到GRPO，本质是去掉昂贵的Critic（估值网络），用群体相对得分来算优势（Advantage），从而砍掉一半显存。而DeepSeek V4提出的OPD（在线策略蒸馏），则是让学生模型自己探索，老师只在学生

一个超酷的木工网站，提供木工图纸、木材信息、木工知识等内容。

用Python从零构建神经网络的最小单元——感知机。无需复杂数学，仅用简单的代码和生动的例子，就能把权重、偏置、学习率、决策边界和数据归一化等核心概念讲得明明白白。想弄懂机器是如何“学习”的？这是小白入门AI的绝佳起点！

全球50岁以下人群患癌率持续攀升。研究指出，发病年轻化并非单一原因。除肥胖外，超加工食品、农药等环境暴露，以及肠道细菌产生的毒素均是潜在推手。专家强调，这是多种风险因素长期叠加的结果，亟待警惕！

好奇当你在电脑上运行一个程序时，到底发生了什么吗？阅读这篇文章，你将了解多进程是如何工作的、系统调用到底是什么、计算机如何通过硬件中断来管理内存，以及 Linux 是如何加载可执行文件的。 “ 在电脑方面，我已经做过很多事情，但我的知识里一直有一个缺口：当你在电脑上运行一个程序时，到底发生了什么？ 我一直在思考这个问题。我其实已经具备了大部分所需的底层知识，但始终很难把所有东西串起来。程序真的会

no-mistakes 是一套本地 Git 代理工具，它把代码提交前的质量把关全部自动化，提供了从开发到干净 PR 的完整解决方案。 它在你的真实远程仓库前架设一层代理，当你推送代码到 no-mistakes 时，会自动创建一次性 worktree、运行 AI 驱动的验证流程，只有全部检查通过后才同步到上游并自动开启干净的 PR。 主要功能： 本地 Git 代理，非阻塞地在隔离 work

Lathe 是一款由 LLM 驱动的动手式技术教程生成工具，它的目标不是替你写代码，而是引导你亲手完成从零到一的学习过程。 Lathe 可以根据任意提示即时生成单篇或系列技术教程，配套的本地界面则让你在阅读的同时手动敲出每一行代码，真正把学习的过程留给自己。教程生成后，你可以通过技能继续提问、验证或扩展内容；同时还能对已有教程进行搜索、筛选和管理。每个教程都会记录使用的模型、提示词和参考来源，方

“在这篇博客文章中，我会从系统程序员的视角，分享我对 LLM 推理的理解。 我选择了 Qwen3.6-35B-A3B-UD-Q4KM.gguf 这个模型，因为它既能在大多数机器上运行，又足够复杂，可以算作一个“现代 LLM”¹。这里我们只支持这一个模型。到最后，我们将能够实现 prefill 约 100 tokens/s、decode 约 15 tokens/s；对于一台纯 CPU 机器来说