BCmic @BCmic

I built a variant of @mattpocockuk's grilling skill dedicated to frontend and it has improved how I build new apps and components. The general idea: 1. Use /grilling and /prototype as a base 2. Tell Claude to build 5 WILDLY different prototypes 3. Tell Claude to include a picker that lets you switch between each variant live 4. Each round you select your favorite(s) + leave feedback, and Claude will walk down each branch of the design tree, helping you zoom in on your desired design And THEN, I went and added it to /wayfinder, so whenever I make a new map and there's novel frontend work, a ticket is created specifically referencing that /grilling-frontend-prototyping needs to be invoked. This will not be the last time I build a cool skill and add it to Wayfinder; this is a very powerful pattern for planning work. You can find my skill here: github.com/will-ness-ai/s…

推荐这篇文章，Superpowers 的作者让 Fable 5 跑了一个完整的 autoresearch loop——25 个实验，$165，把构建速度提高了 50%、token 开销降低了 60%。但这篇最值钱的不是结果数字，是他完整记录了实验过程：每次失败、每个被证明"彻底死亡"的想法、三个被中途纠正的测量 bug。这是目前最完整的"用 Fable 做自治研发"实操报告。 Superpowers 6：用 Fable 5 跑 25 个自治实验，砍掉 60% 成本 一周前我们准备发的是 Superpowers 5.2——已经推迟了几次，加了"再多一个改进"。然后 Anthropic 发了（又收了）Fable。在那几天里我把它用到了极致。 Superpowers 用户最常抱怨的是 token 贵、构建慢。慢不应该是个问题——它发生在自治子 agent 驱动的构建编排中。但它确实是个问题。慢不好玩。贵也不好玩。 Fable 出来的时候，我决定看看它能把 Subagent Driven Development 优化到什么程度。我原本期望大概 15% 的 token 消耗降低。我得到了那个——还有更多。 第一次攻击：coordinator 到 reviewer 的交接 Fable 分析了几千个 Subagent Driven Development session，发现代码和 spec 合规审查子 agent 在做审查时跑了大量的 git 命令。把"怎么找要审查的 commit"的书面指令换成一段 shell 脚本——预生成一个包含格式化 diff 和元数据的审查包——token 消耗和墙上时间减少了约 10%。 那天晚上睡觉前我告诉 Fable："看看能不能在我睡着的时候再砍 15% 时间和 token。"我在内部 Slack 上留了条消息：我们应该看看把代码 reviewer 和 spec 合规 reviewer 合并会发生什么。 我不知道我在期待什么。反正不是醒来发现 Fable 独立地得出了同样的结论，测试了它，发现在我们的 eval 套件上恰好省了那额外的 15%。 第二夜：自治研究循环 /goal 一旦完成，跑一个 autoresearch loop 来提升 superpowers 构建循环的成本效率。 用 opus 做协调器。建假设日志。跑实验。至少 25 个实验。 Fable 建了一套完整的 autoresearch harness 并且跑了一整夜。25 个实验跑完了，$165。 结果：可发货的候选方案（E27）——opus 控制器 + elicited plan + 条件化 haiku implementer + terse reviewer contract + narration recipe + 最终审查层固定。 有数字的胜利： terse reviewer contract 减少 reviewer 产出 41%，判定不变。narration recipe 减少 54%，零方差。条件化 implementer 分层约省 $0.5-1/次，而且 E22 证明它正确地拒绝了 haiku 处理 prose plan。 被证明彻底死亡的东西： 给控制器思考加帽适得其反——轮数从 92 升到 138，输出翻倍。plan 词数预算削减测试内容 62%，即使代码被豁免。Sonnet 生成 plan 保真度不变但毁掉任务结构。plan 中的实现内容体是边际的——测试 + 接口 + 结构承担了全部负载。 一个值得记住的风险发现： 只给 diff 包的审查员对 spec 做出自信的判定，却静默地把"spec"重新定义为全局约束——5 个里 0 个标记了缺失的简报。跟 haiku 审查员辩护同一个失败家族。 六个线索关闭为"已经最优"（report reads 缓存健康、审查员底线、haiku fixer、todo 簿记、dispatch 重推导）——记下来让没人再重复买这些教训。 我自己三个测量 bug 被中途抓修： 一个把模板回显跟自审查 catch 计在一起的 grep、一个从未内联 diff 的 harness、一个匹配漏了换行符的评分正则。一份被撤回的判定重新测量后干净了——-74% 变成了诚实的 -41%。 结果 跨 36 小时工作和约 $650 的未补贴 token 开销：Anthropic eval 基准上，构建墙上时间降 50%，token 开销降 60%。最大的改进来自合并 spec 合规和代码质量审查 agent、预烤给审查员的审查包让他们几乎不需要跑 git、以及改变我们给 orchestrator 的关于什么任务该用什么 agent 的指导。 然后在 Codex 上跑 eval——结果显示零改进。挖了几分钟：Codex 上的 eval 隔离不够好，一直在基准 Superpowers 5.1.0。修好后，所有结果都在。 一句话 Superpowers 6 证明：自治 Agent 研发不是一个 demo——是正在发生的事。 25 个实验，165 美元，一个通宵。每个实验有预先登记的假设。每个被否定的想法被记录下来。每次测量错误被中途纠正。这套 eval 基础设施让他们能够跨多种 harness 量化变化。这才是自治研发的正确形态。 原文：Jesse Vincent (obra), "Superpowers 6", 2026-06-15 blog.fsck.com/2026/06/15/Sup… #Fable5 #Agent #自治研发 #Superpowers

x.com/i/article/2072…

Former Meta top-tier engineer: "I don't review the code anymore. I got to a point where I never catch anything the agents don't catch." He runs 20-30 agents at once and ships 20-40 PRs a day, work that used to take a full team a month. In 55 minutes he explains everything he knows and builds a fully working workflow from scratch. Watch it, then read the full guide on building loops below.

Anatoli Kopadze @AnatoliKopadze

4 weeks ago

x.com/i/article/2068…

186 1K 7K 17.5M 29K

Codex 史诗级大 BUG 高强度使用 Codex 的宝子们注意一下，你的磁盘可能正在遭受核打击 Codex 当前在流式任务和长时间运行时，会以极高频率往 ~/.codex/logs_2.sqlite 狂写 TRACE 日，这样的强度可以直接把消费级 SSD 直接写废 我自己也中招了，中招了的小伙伴自己输入这段提示词诊断一下吧先 提示词：帮我检测 ~/.codex/logs_2.sqlite 是否因 TRACE 日志持续高频写盘？ 如果真的中招了，再输入这个提示词赶紧止损吧 提示词：中招了就直接先备份，再用 SQLite trigger 拦截 logs 表, 并 checkpoint/truncate WAL,最后采样确认 MAX(id) 和 WAL 不再增长

Loop Engineering is getting hype now. But not many talks about how to actually do it So I open-sourced the template my team uses to build agent loops: - a shared artifact / knowledge layer - logging, verification - and a codebase harness so work compounds across runs Plus a 20-min deep dive on how to think about it and set it up for real: github.com/AI-Builder-Clu… Copy the template. Adapt it to your own loops.

Jason Zhou @jasonzhou1993

4 weeks ago

x.com/i/article/2067…

21 146 1K 503K 3K

Serenity 今天说了一句很重的话： "市场患了短期失忆症。" 她说的是光通信这条赛道，以及一段正在重演的历史。 先说上一次发生了什么： 2024 年，英伟达的 GPU 需求爆炸式增长，数据中心的光通信带宽需求随之暴增。当时主流的激光器方案是 EML（电吸收调制激光器），但 EML 的产能迅速成为整个 AI 供应链的瓶颈，英伟达被迫推动架构变革。 结果：$LITE（Lumentum，美股，光学元件和激光器龙头）的市值从 30 亿美元一路涨到 650 亿美元以上，涨幅超过 20 倍。 现在，同样的事情正在发生，只是主角换了： 这一次的瓶颈是 CW 激光器（连续波激光器）。随着 1.6T 光模块和 CPO（光电共封装）架构的推进，CW 激光器成为新的供应链"窄门"。英伟达已经在全球范围内签署 LTA（长期采购协议）锁定 CW 激光器产能，AMD 和各大云服务商（CSP）也在抢购剩余产能。 高盛研究给出了两个关键数字： 光通信整体 TAM（总可寻址市场）到 2028 年将达到 1540 亿美元，是当前规模的 9 到 10 倍。 CPO 市场规模将从接近零，在短短两年半内增长到 910 亿美元。 Serenity 的判断是：这两个数字不会因为一个月的市场波动就消失。 她点名了目前她认为最具战略价值的 CW 激光器相关标的： $AAOI（Applied Optoelectronics，美股，光模块/CW 激光器）：目前市值约 130 亿美元。 $SIVE（Sivers Semiconductors，瑞典股市，CW 激光器/硅光子核心供应商）：目前市值约 30 亿美元。 她还提到了住友电工（Sumitomo，日本上市公司，全球 CW 激光器主要供应商之一）的预测：CW 激光器和硅光子将成为下一代光通信架构的主导方案。 最后她说了一句让人印象深刻的话： "明年我们回头看，会说：为什么我没有从英伟达逼出 EML 瓶颈这件事里吸取教训，提前布局 CW 激光器相关标的？" 她还预告：1 到 2 年后，可能会出现下一个类似的新趋势，比如 Micro LED 或量子点，同样的故事会再次上演。 对中国 A 股投资者，这条推文有三个直接参考价值： 第一，理解当前光模块板块的核心驱动力。A 股的中际旭创（300308）、新易盛（300502）、天孚通信（300394）等光模块龙头，正处于这轮 CW 激光器和 1.6T/CPO 架构升级的核心受益链条上。高盛预测的 1540 亿美元光通信 TAM，是支撑这些公司中长期估值的底层逻辑。 第二，理解"历史重演"的选股逻辑。$LITE 从 30 亿涨到 650 亿的路径，本质上是：技术瓶颈出现 → 供应链重构 → 掌握关键材料/设备的"窄门"公司被重新定价。这个逻辑在 A 股同样适用，只是时间节奏可能滞后于美股 6 到 12 个月。 第三，关注 LTA（长期采购协议）这个信号。当英伟达、AMD 开始签署长期采购协议锁定某类零部件产能时，这通常是该赛道进入确定性爆发阶段的最强信号之一。A 股投资者可以把"大客户签 LTA"作为一个重要的产业验证节点来跟踪。 以上内容仅作海外前沿产业观点译介，不构成任何投资建议。

Serenity @aleabitoreddit

3 weeks ago

IMO photonics theme + CW laser chokepoint is goated. It's legit like markets have short term memory loss and forgot how $LITE went from $3B -> $65B+ from 2024 to now. Because $NVDA caused EML bottlenecks, and forced architectural changes. We're literally seeing the same

141 160 2K 982K 933

been asking others at Anthropic how they stay in the loop with Claude and fully understand the work being done this is one of my favorites from Suzanne:

x.com/i/article/2062…

Serenity真正厉害的地方，很多人不太懂。 与其阅读推文，不如和泥伏雷一起研究她的“埋伏”思路； Serenity 的框架本质上只有一句话：AI 基础设施的物理瓶颈会依次解决，每解决一层，资金就流向下一层——他要做的就是永远站在下一层的门口等着。 ⬇️具体说几个关键点： 他的起点不是选股，而是读 NVIDIA 的路线图。他相信 NVIDIA 一旦公开说要做 CPO、做硅光，这条技术路线就是确定性的，剩下的只是供应链上谁是瓶颈。 所以他从 NVIDIA 的架构决策出发，逆向拆解供应链，一层一层往上游走，直到找到那个"唯一一两家公司能做、扩产需要好几年、Hyperscaler 离不开"的节点。 他的估值逻辑也很简单：不看 PE，看"这个市值相对于它卡住的市场有多不匹配"。 AXTI 七亿美元市值卡住了全球 InP 基板，SIVE 不到三亿美元控制 CPO 激光光源——这种错配就是信号。 他最重要的一个洞察是关于时间差：机构基金受合规和规模限制，发现新瓶颈比他慢一两个季度。他不是要比机构聪明，只是要比机构快。等机构报告出来，他已经建好仓了，然后用财报数据验证自己的论点。 整个 CPO 链条里，目前信息不对称最强的节点是 NCI（日本化成工业，4092.T）——高纯红磷供应商，AXTI 的上游。 他自己称之为"瓶颈中的瓶颈"，几乎没有任何英文报道。最新鲜的公开披露是 XFAB，他前天才公开建仓，EU Chips Act 2.0 是近期催化剂。 需要特别注意的是：Serenity现在有 40 万粉丝，Bloomberg 已经开始报道他的操作。 他自己也说过"not doing so well anymore"——一旦他开口，窗口就开始关闭了。 真正的机会在他说之前，用他的框架自己往上游再走一层。

Serenity @aleabitoreddit

2 months ago

Ayar’s announcement today with Wiwynn is potentially very material for $SIVE regarding CPO -> rack scale deployments. As Wiwynn cloud clients include $AMZN, $META, $MSFT. And they’ve been in talks for $GOOGL TPU deployments. I think just for some reference architectures it’s

keyboard_arrow_left Previous keyboard_arrow_right Next

95 79 1K 364K 173

这段马斯克 2003 年在斯坦福的 45 分钟闭门演讲，真的有点东西。 不是那种空话连篇的创业鸡汤。 而是他亲自把“怎么从 0 搞出一家公司”一层层拆给你看。 更狠的是， 他没在讲概念，直接把自己当时手里那三家公司，到底怎么活下来的，整个过程都摊开了。 这种内容放到今天看都不过时。 很多人听完的反应都很统一： 这 45 分钟，顶得上你翻十本创业书。 那种真正能用的干货，往往就藏在这种老素材里，不吵不闹，但句句都是实战。

x.com/i/article/2053…

x.com/i/article/2052…

Hunk is very good. It has completely replaced any other local diff viewer for me. It looks good, its speedy, good keyboard shortcuts, good mouse support for fallback. Great software @bentlegen. github.com/modem-dev/hunk

兄弟们！花半小时，一定要看完它! Claude Code的缔造者Boris Cherny，亲自站上台，用整整30分钟把这个工具的全部高级用法一次性讲透了。 免费、干货真的夯到爆！。 他从最基础的全局安装开始，一路讲到： - 如何通过CLAUDE.md在企业级、项目级、本地级层层注入上下文，让Claude真正“懂你的团队规矩” - 怎么把团队内部工具（日志、CI、数据库）无缝插进Agent工作流 - 优化终端设置、权限管理、语音输入、通知提醒等40多个隐藏细节 - 以及Claude Code SDK的完整使用姿势 最狠的是，他反复强调：你给Claude的上下文越多，它就越聪明。 而现实是：大多数人每天都在用Claude Code，却只发挥了它10%的实力，像用ChatGPT一样简单prompt，错过了真正让生产力起飞的工程级用法。 Boris这场30分钟的分享，含金量直接秒杀市面上任何1000美元付费课程。 想把Claude Code玩成生产力基础设施的人，这条视频必须立刻收藏、反复看。 你现在用Claude Code到什么程度了？是还在简单聊天，还是已经把它当成整个工程团队在跑？ 欢迎讨论。

🚨 OpenAI 's own engineers just showed how to actually use OpenAI Codex properly. 60 minutes. free. built by the people who contribute to made it. watch the masterclass. bookmark it. worth more than every $900 coding course you almost bought. you’ve been using Codex like a simple coding tool… while it’s actually a full software engineering system. watch this, it could the best 62 minutes of your life:

I cut my Claude Code bill by 70% with 3 GitHub repos Tested 10 repos that claim to save tokens. Ran each one for a full day on real projects Most were hype. 3 actually changed my workflow Here's what they do and how to set each one up: 1. RTK (Rust Token Killer) The problem: every terminal command you run like "npm install", "git log", test suites, build output It gets dumped raw into Claude's context. You're paying for Claude to read thousands of lines of noise The fix: RTK is a CLI proxy that sits between your terminal and Claude. It filters output before it hits context How to set it up: - install the binary (one command, zero dependencies) - it auto-detects Claude Code sessions - runs silently in the background - no config needed, works out of the box My result: 60-90% reduction on terminal-heavy sessions Best for: developers who run builds, tests, or installs frequently during Claude sessions 2. Caveman Claude The problem: Claude responds like a teacher by default, full explanations, caveats, context. Helpful when learning, but expensive when shipping The fix: one line in your CLAUDE.md that rewrites Claude's output behavior to be compressed and terse How to set it up: - clone the repo - copy the prompt snippet into your project's CLAUDE.md - DONE! Claude immediately responds in compressed mode - Toggle it off anytime by removing the line My result: 65-75% fewer output tokens with identical code quality I compared outputs side by side for a full day, same code, same logic, half the tokens Best for: experienced developers or code users who don't need Claude to explain what it's doing 3. Context Mode The problem: if you use MCP tools (Playwright, GitHub API, browser, any external tool), their raw responses flood your context silently, literally single page read can eat thousands of tokens The fix: sandboxes all tool output into SQLite and only passes clean summaries into your conversation How to set it up: - install as a Claude Code plugin - it auto-intercepts MCP tool responses - raw data goes to local SQLite - Claude only sees the summary My result: 98% context reduction on tool-heavy workflows Best for: anyone running Playwright, browser tools, API calls, or multiple MCP servers How to stack all 3: - RTK cleans the input (terminal noise) - Caveman cleans the output (verbose responses) - Context Mode cleans the tools (MCP bloat) Each fixes a different layer and together they compound You don't need all 3, just pick based on your workflow: heavy terminal output? → start with RTK output too verbose? → start with Caveman lots of MCP tools? → start with Context Mode Quick test right now: run /context in a fresh Claude Code session and check how much context is already used before you type anything If it's over 20%, you're leaking tokens All repo links in the comments Save it.

Ronin @DeRonin_

3 months ago

10 GitHub repos to spend 60-90% less tokens in Claude Code: 1. RTK (Rust Token Killer) CLI proxy that filters terminal output before it hits your context - 60-90% reduction on common dev commands - one binary, zero dependencies - works with Claude Code, Cursor, Copilot Repo:

106 338 3K 470K 7K

Instead of watching an hour of Netflix, watch this 30-minute speech by the Head of Anthropic’s Coding Agents research team. It will teach you more about vibe coding than 100 paid courses.

x.com/i/article/2050…