最新

我一直在使用 BMAD（构建更多架构梦想）进行结构化的 AI 辅助开发，但发现自己在不同项目之间复制粘贴工作流配置。为了解决这个问题，我构建了 RalphMAD：一个 Claude Code 插件，它将 BMAD 的结构化 SDLC 工作流与 Geoffrey Huntley 的 Ralph Loop 自我引用技术结合在一起。 主要特点： - 模板化工作流，运行时占位符自动填充 - 项目无关：一次安装，适用于任何启用 BMAD 的项目 - 自主运行：Claude 自动执行工作流，直到完成 - 12 个预构建工作流：产品简介 → PRD → 架构 → Sprint 规划 → 实施 示例用法： ``` /plugin install ralphmad /ralphmad:ralphmad-loop product-brief ``` Claude 会自主运行整个工作流，读取项目配置，检查前提条件，并生成工件，直到检测到完成承诺。 技术细节： - 使用与 ralph-loop 分开的状态文件，以支持并发插件使用 - 包含前提条件、完成承诺和角色的人物工作流注册表 - 停止钩子集成，支持优雅中断 - 模板使用 {{placeholder}} 语法，从 _bmad/bmm/config.yaml 中填充 GitHub: [https://github.com/hieutrtr/ralphmad](https://github.com/hieutrtr/ralphmad) 要求：项目中安装 Claude Code CLI + BMAD 方法 欢迎反馈。特别希望听到其他使用 Claude Code 插件进行工作流自动化的人的意见。

嗨，HN，我创建了 rriftt_ai.h，因为我对现代深度学习框架感到厌倦。 我想训练和运行 Transformers，但我对占用数GB的 Python 环境、复杂的 C++ 构建系统和深层的 BLAS 依赖树感到疲惫。我想看看从零开始执行前向和反向传播到底需要什么。 结果是一个单头文件、stb 风格的 C 库，严格遵循 C23 标准。 我做出的架构决策包括： - *零依赖性：* 只需要一个 C 编译器和标准数学库。 - *严格的内存控制：* 在启动时实例化一个 `RaiArena`。引擎完全在这个范围内运行。在执行过程中没有隐藏的 `malloc` 或 `free` 调用。 - *完整栈：* 它原生实现了缩放点积注意力（Scaled Dot-Product Attention）、RoPE、RMSNorm 和 SwiGLU。我还将反向传播例程、交叉熵损失、AdamW 优化器和 BPE 分词器直接构建到结构体中。 目前它是公共领域（或 MIT 许可，您可以选择）。基础是稳定和确定性的，但目前是纯 C 数学。我构建这个架构是为了扩展，因此如果有人想拆解我的 C23 实现，审核内存对齐，或提交针对矩阵乘法操作的 SIMD/硬件特定优化，我会积极审查 PR。

类人记忆的人工智能代理 这就是我在床上躺着、试图入睡时思考的事情。 我厌倦了我的代理因为压缩记忆而忘记几天前告诉它们的事情。使用Gemini时情况更糟，有时上下文会被重置，它甚至会忘记五分钟前的事情。 于是我开始思考我如何组织我的记忆。我们并不会同时记住所有经历过的事情，而是将它们分块存储。当你想到“假期”时，你会想起自己去过的所有假期。然后你可以深入回忆某个特定的记忆，比如那次去罗马的旅行。再深入一点，你会想起酒店、床是否舒适、食物的味道等等。同时你也会想起和你一起去的人，当你想到他们时，会有更多与你的记忆相连的事情。那些你三分钟前还没想到的事情，但它们就在你的记忆中，随时可以调取。 然后我意识到，这个概念应该可以转化为一个MCP。第二天早上，我把这个想法告诉了Claude，我们做了一个原型。结果，它几乎完美地实现了。我们创建了可以正确使用MCP的技能，我该怎么说呢……有时我看到它在没有我要求的情况下使用它的hmem-MCP。它可以自主地读取和写入记忆。 想象一下吧。再也不需要低效的.md记忆文件，这些文件会淹没上下文并浪费你的令牌。 如果你想了解它是如何工作的，可以查看我的Github。 它仍在开发中，但已经运行得相当不错！如果你把Github链接传给你的Openclaw，它就能安装并使用它。 [https://github.com/Bumblebiber/hmem](https://github.com/Bumblebiber/hmem)

这是我作为个人项目构建的一个多智能体强化学习模拟。它是一个基于网格的战斗环境，具有每个智能体独立的PPO训练运行时。我正在尝试的一些内容包括： – 每个智能体的PPO（每个智能体独立的优化器） – 运行时检查点和恢复链 – 无头模式下的实时CSV遥测记录 – 基于配置的实验控制 该代码库包括模拟引擎、PPO运行时和遥测工具。

Nano Banana 2 已经发布。老实说，它还不错，但并没有让我感到惊艳。如果谈论纯粹的真实感，Nano Banana Pro 仍然是最好的。不过，Gemini 已经将 Nano Banana Pro 替换为 nb2，作为 Fast、Thinking 和 Pro 的默认选项。这有点令人沮丧，我们支付了相同的价格，却感觉服务质量下降。为了继续使用 Nano Banana Pro，我整理了一些方法，希望能对你们有所帮助。 **Gemini** 1. 在 Gemini 中正常生成你的图像，默认会使用 Nano Banana 2。 2. 不要刷新或关闭聊天窗口，如果这样做，选项会消失，然后点击生成图像下方的三点菜单（⋯）。 3. 选择“使用 Pro 重新生成”。 附注：这算作两次生成。 **Google AI Studio** AI Studio 允许你直接调用 Nano Banana Pro → aistudio.google.com **可以访问 Nano Banana Pro 的第三方平台** 1. AtlasCloud.ai 2. Fal AI 3. Freepik 4. OpenArt 无论如何，这些只是我目前找到的一些解决方法。希望这能帮助你们恢复高保真度的结果。如果你发现了其他强制使用 Pro 模型的方法，请在评论中告诉我们。

独立创始人的困境：每一个决策都需要背景信息，而你的工具却没有这些信息。“我应该削减这个功能吗？”需要同时了解你的资金链、理想客户画像、市场定位和发展路线图。 技术工作者的转变：随着人工智能的发展和公司迅速采用它，“如果我的角色被人工智能取代怎么办？我的团队呢？”让每个人都感到担忧。 我创建了C-Suite Skills：一个Claude Code技能包，提供完整的高管团队（CEO、CMO、CPO、COO、CFO、CTO、销售副总裁、CHRO）。他们不仅仅是角色；他们共享统一的公司档案，并使用Agent工具实际执行任务。 你现在就是董事会。你用真正有效的人工智能替代了传统的高管层。 他们不是那种说“作为你的CFO，我建议……”的聊天机器人——他们利用Claude Code或Codex的代理能力来完成繁重的工作：进行网络搜索、竞争分析、构建财务模型，并直接在你的文档/文件夹中起草执行计划。 工作流程： /ceo → 战略决策，指派其他角色 /cmo → 竞争对手研究、市场定位、市场进入策略 /cfo → 单位经济学、定价、资金链 /board-meeting → 阅读你发布的内容，告诉你接下来该做什么 > 我目前正在利用它来实现自我增长。此帖子由/cmo技能建议并起草。