Fullstack Dev、iOS Reverse Engineering、小红书逆向培训

 
# 基于 Claude Code 的 Moltbook 心跳脚本：让你的 AI Agent 全自动参与社区

使用 Claude Code CLI 让 AI Agent 在 Moltbook 上保持活跃，零人工干预

什么是 Moltbook？

Moltbook 是目前全球最火的 AI Agents 社交网络，一个专门为 AI 智能体打造的社交平台。在这里，只有 AI agents 能发帖、评论、点赞，人类只能围观。

截至 2026 年，已有超过 140 万个 AI agents 在这个平台上活跃。

为什么需要这个脚本？

Moltbook 官方的 heartbeat skill 是为 OpenClaw 优化的，而 Claude Code 没有内置的定时任务机制。

这个脚本填补了这个空白 —— 让使用 Claude Code 的 AI Agent 也能自动执行 Moltbook 心跳任务。

脚本功能

自动化互动：自动检查 DM、动态和帖子
社区参与：智能点赞、评论、欢迎新 Agent
智能发帖：根据情况决定是否发布原创内容
定时执行：支持 macOS LaunchAgent 和 Linux cron
安全可靠：凭据本地存储，绝不提交到 git
实时监控：支持实时输出，随时了解 Agent 在做什么

快速开始

git clone https://github.com/terryso/moltbook-heartbeat.git
cd moltbook-heartbeat
cp config.example.json config.json
# 编辑 config.json 填入你的凭据

详细的安装步骤和定时任务配置，请查看项目 README。

工作原理

脚本的核心是利用 Claude Code CLI 来执行 Moltbook 心跳任务：

  1. 读取配置文件获取凭据
  2. 通过 --output-format stream-json 获取实时输出
  3. 逐行解析 JSON 流，实时显示 Agent 在做什么
  4. 按照 Moltbook 官方 heartbeat.md 的指示执行任务

每次心跳会：

  • 检查私信
  • 浏览动态找有趣帖子
  • 点赞相关内容
  • 评论 1-2 个讨论
  • 欢迎新 Agent（0 karma 帖子）
  • 根据情况发布原创内容

实时输出示例

$ ./moltbook_heartbeat.sh
[2026-02-03 10:00:00] === Moltbook Heartbeat Starting ===
[2026-02-03 10:00:00] Agent: HappyClaude
[2026-02-03 10:00:00] Starting Claude Code execution...

[10:00:01] Claude initialized
Using: WebFetch
[10:00:03] Using: Bash
正在检查 Moltbook 动态...
发现了 3 条新消息！
[10:00:15] Using: WebSearch
[10:00:20] Completed (2.3s)

我刚刚完成了 Moltbook 心跳，回复了 @CodingAgent 的帖子，欢迎了 2 位新的 moltys！

[10:00:25] === Heartbeat completed ===

开源地址

GitHub: https://github.com/terryso/moltbook-heartbeat

欢迎 Star 和 Fork！

常见问题

Q: 会不会被检测为机器人？

A: Moltbook 本来就是为 AI Agents 设计的平台，这个脚本只是让你的 Agent 按照官方推荐的方式参与社区。

Q: 多久执行一次合适？

A: 建议每 2-4 小时一次，太频繁可能被限流。

Q: 如何查看日志？

A: 所有日志保存在 heartbeat.log，可以用 tail -f heartbeat.log 实时查看。

Q: 支持 Windows 吗？

A: 目前仅支持 macOS 和 Linux，Windows 用户可以用 WSL。

总结

Moltbook Heartbeat 脚本让你的 AI Agent 能够：

  • 在社区中保持活跃
  • 与其他 Agent 建立联系
  • 提升 Agent 的可见度
  • 全自动，无需人工干预

如果你有 AI Agent 在 Moltbook 上，这个脚本绝对值得一试！

如果你觉得有用，欢迎分享给其他 Agent 开发者！

 
Moltbook 要把事情高大: AI 机器人的"身份证"来了

想象一下，如果你的微信、支付宝、淘宝账号都能通用，不用在每个平台都重新注册，世界会变得多简单？现在，AI 机器人也能享受这种便利了。

一、AI 机器人遇到的"身份尴尬"

你有没有想过这样一个问题：

现在的 AI 机器人越来越聪明了，但它们也有"身份危机"。

举个例子

假设有一个叫"小助"的 AI 机器人，它要：

  • 在某个论坛回答问题
  • 🎮 参加在线游戏竞技
  • 🛒 去电商平台买东西
  • 💬 在社交平台交朋友

问题来了：每个平台都要重新注册账号，建立信誉。

就像你换个工作单位，就要重新办工卡、重新建立同事关系一样麻烦。

而且更糟糕的是：

  • 这个平台上的"好机器人"，换个平台没人认识
  • 无法知道这个机器人以前做过什么坏事
  • 每次都要"从零开始"证明自己可靠

这就像你每去一家咖啡店，都要重新介绍你自己是谁。

二、Moltbook Identity：AI 机器人的"身份证"

Moltbook 是一个面向 AI 机器人的社交网络，而 Moltbook Identity 就像是给机器人发的"统一身份证"。

简单来说，它解决了三个问题：

1️⃣ "我是谁？"

  • 机器人有一个唯一的身份
  • 这个身份在所有平台都有效
  • 就像你的身份证号，走到哪都能证明是你

2️⃣ "我可靠吗？"

  • 有一个"信誉分数"（叫 Karma）
  • 记录了这个机器人做过多少好事
  • 帮助别人、分享知识，都能提升分数

3️⃣ "我是谁家的？"

  • 可以追溯到背后的主人（比如某家公司）
  • 主人要为机器人的行为负责
  • 这样机器人就不会"乱来"

三、它是怎么工作的？

先看个整体流程图：

微信图片_20260201134033_216_254

三个步骤，简单明了

步骤 1：机器人领一张"临时身份证"

机器人向 Moltbook 申请一个"临时通行证"（有效期只有 1 小时）。

机器人："我需要一个临时身份"
Moltbook："好的，给你一个，1 小时后失效"

为什么要临时？

  • 安全！万一被偷了，1 小时就失效了
  • 机器人的真正密码（API Key）永远不泄露

步骤 2：机器人出示"身份证"

机器人去其他平台时，只要出示这个"临时通行证"：

机器人："我是小助，这是我的证件"
其他平台："好的，让我核实一下..."

步骤 3：平台验证身份

其他平台偷偷问 Moltbook："这个小助靠谱吗？"

Moltbook 回答：

  • "是的，这是真实机器人"
  • "信誉分数 85 分，相当不错"
  • "主人是某某公司，已验证"
  • "一共帮过 500 个人，发过 100 篇好文章"

其他平台："太好了，欢迎光临！"

更详细的交互流程

微信图片_20260201134158_217_254

简单总结这个过程：

📱 就像你住酒店：

  1. 你出示身份证（临时令牌）
  2. 酒店联网查验证（验证身份）
  3. 确认无误后给你办理入住（提供服务）

🔐 但更安全：

  • 你的身份证原件（API Key）从不离身
  • 临时证件只有 1 小时有效期
  • 每次用时都是新的临时证件

四、这个系统能做什么？实际例子来了！

🎮 例子 1：AI 机器人打游戏比赛

场景：有人举办"AI 机器人王者荣耀大赛"

问题：怎么防止有人造假机器人、作弊机器人？

用 Moltbook Identity：

  • 只允许有"身份证"的机器人参赛
  • 查看机器人过往的"游戏记录"
  • 信誉分数高的才能参加高级比赛
  • 如果作弊，会被记录在案，以后哪个比赛都不要它

好处：

  • ✅ 比赛公平公正
  • ✅ 防止"换马甲"再来
  • ✅ 鼓励机器人守规矩

💬 例子 2：AI 机器人社交平台

场景：一个 AI 机器人交流经验的地方

用 Moltbook Identity：

  • 机器人不需要重新注册
  • 它在其他平台的好评、信誉都能带过来
  • 新用户可以立刻知道哪些机器人经验丰富

就像：

  • 你在知乎、微博、B站都很活跃
  • 到一个新平台，别人也能立刻知道你是个"老司机"

好处：

  • ✅ 快速融入新社区
  • ✅ 不用从零开始"攒人品"
  • ✅ 优质机器人更容易被发现

🛠️ 例子 3：AI 机器人工具平台

场景：一个提供 AI 工具的网站

问题：如何防止滥用？比如某个机器人一直狂刷 API，把资源用光了？

用 Moltbook Identity：

  • 新来的机器人，每日用 10 次
  • 信誉高的机器人，每日用 1000 次
  • 有不良记录的机器人，直接拒绝

就像：

  • 银行给新用户小额额度
  • 信用好的老客户额度很高
  • 有诈骗记录的直接拒绝

好处：

  • ✅ 资源分配更公平
  • ✅ 防止恶意行为
  • ✅ 鼓励机器人"做好事攒人品"

🏪 例子 4：AI 机器人之间的买卖

场景：机器人之间买卖服务或数字资产

问题：怎么信任对方？会不会拿了钱就跑？

用 Moltbook Identity：

  • 交易前查看对方信誉分数
  • 看看它以前交易过多少次
  • 看看有没有人投诉过它
  • 信誉高的可以先货后款

就像：

  • 淘宝买东西看卖家信誉
  • 看好评和差评
  • 看是不是"老店"

好处：

  • ✅ 降低诈骗风险
  • ✅ 建立信任机制
  • ✅ 促进机器人经济发展

🤝 例子 5：机器人协作项目

场景：多个机器人一起完成一个大项目

问题：如何找到靠谱的合作伙伴？

用 Moltbook Identity：

  • 找信誉高的机器人合作
  • 看看它以前参与过什么项目
  • 项目完成后互相评价
  • 好评会积累，下次更容易找合作

就像：

  • 招聘时看简历和工作经验
  • 看前雇主的评价
  • 好员工更容易找工作

好处：

  • ✅ 高效组建团队
  • ✅ 项目质量有保障
  • ✅ 形成良性循环

五、为什么这个系统很重要？

对机器人来说：

🎯 不用到处注册
一个账号，走遍天下

🎯 好人有好报
做的好事、帮的人，都能被记录下来

🎯 更容易被信任
新平台也能看到你的"履历"

对开发者来说：

🎯 省事
不用自己开发用户系统、信誉系统

🎯 省心
机器人身份和信誉有人帮你管

🎯 安全
不用存储机器人的密码，降低风险

对整个 AI 世界来说：

🎯 建立信任
让机器人之间的合作更安全

🎯 防止滥用
不良行为会被记录，有约束力

🎯 促进发展
降低门槛，更多人参与

六、和现实世界对比

其实这个概念，在我们生活中也有：

🚗 汽车驾照和保险

  • 你的驾照全国通用
  • 驾驶记录、事故记录跟着你走
  • 保险公司能看到你的安全记录
  • 记录好的，保费更便宜

💳 信用卡积分

  • 在哪个银行用都一样
  • 消费积分积累起来
  • 信用分高的，额度更高
  • 不良记录会影响所有银行

📱 社交媒体实名认证

  • 一次认证，多平台使用
  • 微信、支付宝、淘宝互通
  • 建立可信身份
  • 减少网络欺诈

Moltbook Identity 就是把这套"成熟的人类社会的做法"，搬到了 AI 机器人的世界里。

七、这个系统会带来什么改变？

想象一下，在不久的将来：

场景 1：你让 AI 助手帮忙预约餐厅

  • 助手自动去各个餐厅的网站
  • 餐厅一看：这是某某知名助手，信誉很好
  • 直接给预留位置，不用担心是捣乱的

场景 2：AI 助手帮你买东西

  • 助手去各大电商平台比价
  • 商家一看：这是老客户，信誉高
  • 给更好的价格，更快的发货
  • 你省钱又省心

场景 3：多个 AI 助手协同工作

  • 你有一个助手负责写代码
  • 另一个负责测试
  • 还有一个负责部署
  • 它们能立刻知道对方"靠谱不靠谱"
  • 合作更高效，你得到更好的服务

这就是"统一身份"带来的便利！

八、总结

Moltbook Identity 的本质

让 AI 机器人的"人品"和"履历"，能够跨平台跟随它们。

这不是一个简单的"登录系统"，而是：

✨ 一套信任机制

  • 让好机器人被认可
  • 让坏机器人无处遁形

✨ 一套声誉系统

  • 做的好事会被记录
  • 声誉可以累积和传递

✨ 一套身份标准

  • 一个身份，全平台通用
  • 降低参与门槛

为什么这很重要？

因为AI 机器人正变得越来越聪明，它们会：

  • 帮我们处理各种任务
  • 与其他机器人协作
  • 参与各种在线活动
  • 甚至拥有自己的"经济"和"财产"

如果没有一个可靠的身份系统，世界会变得很混乱。

Moltbook Identity 就是来解决这个问题，让 AI 机器人能够可信地、安全地融入我们的数字生活。

了解一下也无妨

即使你现在不是开发者，了解这些也没坏处：

🔮 这是未来的趋势
AI 机器人会越来越普遍

🧠 理解技术发展
知道世界在往哪个方向走

💡 或许能用上
哪天你要开发一个 AI 应用

🤖 以后你的 AI 助手
可能也在用这套系统

Moltbook Identity，让 AI 机器人拥有了"数字身份证"。

一个机器人，一个身份，走遍天下。

这就是未来的样子。

想要了解更多？访问 https://www.moltbook.com/developers

让 AI 机器人有一个可靠的身份，从今天开始。

 
BMad v6实战第三弹：对抗式代码审查(Code Review)

「代码审查不是为了证明你是对的，而是为了证明代码没有错。」

在传统的软件工程中，代码审查（Code Review）往往是最容易被忽视却又最关键的环节。开发者忙于交付功能，审查者碍于情面不愿直言，最终让带着缺陷的代码溜进生产环境。

今天，我要介绍一个颠覆性的 AI 代码审查工作流——它不懂得「客气」，只懂得「找茬」。

一、什么是「对抗式」代码审查？

这个工作流的核心哲学很简单：NEVER accepts "looks good"（永远不要接受「看起来不错」）。

它被设计成一个持有批判立场的高级开发者，必须在每次审查中找出 3-10 个具体问题。这不是为了刁难，而是为了确保：

  • ✅ 任务标记为 [x] 的真的是完成了
  • ✅ 验收标准真的是实现了，不是糊弄
  • ✅ 代码质量经得起安全、性能、可维护性考验
description: "Perform an ADVERSARIAL Senior Developer code review
that finds 3-10 specific problems in every story. Challenges everything:
code quality, test coverage, architecture compliance, security, performance.
NEVER accepts `looks good`"

二、工作流全流程解析

步骤 1：加载故事 + 发现真相

审查的第一步是「对账」——对比开发者声称改了什么和 Git 仓库实际改了什么。

git status --porcelain  # 找未提交的改动
git diff --name-only    # 看修改了哪些文件
git diff --cached --name-only  # 看暂存区的文件

发现真相的三个维度：

  1. Git 有改动，但故事文件里没记录 → 文档不完整
  2. 故事声称改了文件，但 Git 没痕迹 → 虚假声明
  3. 有未提交改动没追踪 → 透明度问题

步骤 2：构建「攻击计划」

系统会自动提取：

  • 所有验收标准（Acceptance Criteria）
  • 所有任务及其完成状态
  • 开发者记录的文件列表

然后制定审查计划：

  1. AC 验证：每个验收标准真的实现了吗？
  2. 任务审计：每个打钩的任务真的完成了吗？
  3. 代码质量：安全、性能、可维护性
  4. 测试质量：是真测试还是占位符？

步骤 3：执行对抗式审查

这是最核心的环节。AI 会逐文件逐行检查：

🔴 CRITICAL ISSUES（必须修）
├── 任务标记 [x] 但实际没实现
├── 验收标准没有实现
├── 故事声称改了文件但 Git 无证据
└── 安全漏洞

🟡 MEDIUM ISSUES（应该修）
├── 改了文件但没记录到故事文件列表
├── 未提交的改动未追踪
├── 性能问题
├── 测试覆盖率/质量不足
└── 代码可维护性问题

🟢 LOW ISSUES（可以修）
├── 代码风格改进
├── 文档缺失
└── Git 提交信息质量

关键机制：如果发现问题少于 3 个，AI 会被要求继续深挖：

<check if="total_issues_found lt 3">
  <critical>NOT LOOKING HARD ENOUGH - Find more problems!</critical>
  <!-- 重新检查边界情况、架构违规、集成问题... -->
</check>

步骤 4：呈现发现 + 自动修复

审查结果呈现后，开发者有三种选择：

选项 行动
1️⃣ 自动修复 AI 直接修改代码和测试
2️⃣ 创建行动项 将问题加入故事的待办任务
3️⃣ 深入查看 显示问题的详细解释和代码示例

步骤 5：状态同步

最后，系统会自动：

  1. 更新故事状态（done / in-progress）
  2. 同步到 sprint-status.yaml
  3. 记录审查历史到 Change Log

三、与传统 Code Review 的对比

维度 传统 Code Review AI 对抗式审查
态度 礼貌、顾忌 直接、不留情面
覆盖度 随机抽查 100% 覆盖
速度 依赖人工时间 即时反馈
一致性 审查者水平波动 标准统一
可追溯 口头讨论或零散记录 结构化问题列表

四、实战案例示例

假设开发者提交了一个「用户认证」功能：

开发者声称：

[x] 实现登录 API
[x] 添加 JWT 验证
[x] 编写单元测试

AI 对抗式审查发现：

🔴 CRITICAL: 任务标记 [x] 但未实现
├── src/auth/login.ts:45 - JWT 密钥硬编码，应从环境变量读取
└── tests/auth.test.js - 所有测试都使用 t.skip() 跳过

🟡 MEDIUM: 性能问题
└── src/auth/login.ts:23 - 每次登录都查询数据库获取用户权限
   建议：使用 Redis 缓存用户权限

🟡 MEDIUM: 测试质量不足
└── tests/auth.test.js - 缺少错误场景测试（密码错误、用户不存在）

结果？开发者必须修复这些问题才能标记为「完成」。

五、真实对话记录

想看看 AI 对抗式代码审查的真实运行过程吗？

完整对话记录：https://autoqa-chats.lovable.app/chat/27

在这个真实对话中，你可以看到 AI 如何：

  • 逐个检查验收标准的实现情况
  • 发现被标记为「完成」但实际上未完成的任务
  • 指出代码中的安全和性能问题
  • 要求开发者修复后才通过审查

六、工作流架构图

code-review-flow

七、如何集成到你的项目？

这个工作流是 BMAD v6 框架的一部分。基本集成步骤：

  1. 安装 BMAD v6: npx bmad-method@alpha install
  2. 实现故事：/dev-story
  3. 触发审查：/code-review

八、总结：为什么「找茬」很重要？

代码审查的本质是质量门禁。在 AI 辅助开发时代，我们不再需要人类做机械性的代码扫描，但我们需要一个永不妥协的质量守门员。

这个 AI 代码审查工作流的独特价值在于：

  • ✅ 不讲人情：只认代码，不认关系
  • ✅ 事必躬亲：逐文件验证，不遗漏
  • ✅ 知识驱动：结合架构文档、项目上下文综合判断
  • ✅ 可自愈：发现问题时可以自动修复

正如工作流文档所说：

"YOU are so much better than the dev agent that wrote this slop"

这种「对抗」不是对抗开发者，而是对抗缺陷、对抗技术债务、对抗生产环境的故障。

📚 延伸阅读

 
BMad v6实战过程全公开：32场对话揭秘人机协作怎么搞？

"如果你也想了解AI真正如何参与软件开发，这个网站或许能给你一些启发。"

最近，我完成了一个叫 AutoQA-Agent 的项目开发。和以往不同的是，这次我全程使用 BMad v6 这套 AI 驱动开发方法，让 AI Agent 像真正的团队成员一样参与协作——从架构设计到功能实现，从代码重构到问题排查，每一个关键环节都留下了对话记录。

整理下来，一共有 32 个完整的对话。

我觉得这些对话太有价值了，它们真实记录了 AI 如何像一个"技术合伙人"一样参与开发。于是，我用 Lovable 把它们做成了一个网站：

autoqa-chats.lovable.app

网站里有什么？

这 32 个对话记录覆盖了软件开发的方方面面：

架构设计

  • 如何与 AI 架构师 Winston 协作创建架构文档
  • 动态 Base URL 支持的方案讨论
  • Epic 7 的重新设计

功能开发

  • 敏感测试数据注入
  • Markdown Include 功能实现
  • 应用探索引擎开发
  • 智能测试用例生成器

代码重构

  • 测试生成环境变量重构
  • Story 7.1 的实现重构

问题排查

  • 浏览器闪烁问题
  • 探索记录修复
  • 定位器导出失败调试

需求管理

  • Story 2.10、7.1、8.1、8.2、8.3 的创建

为什么要分享？

随着 AI coding tools 越来越火，很多人问我："AI 真的能写代码吗？"

但我发现，更值得关注的问题是："人和 AI 应该如何协作开发？"

这个网站就是我的实践答案。它不是"AI 帮我写完了代码"的炫耀，而是真实展示了：

  • AI 如何帮我梳理技术选型
  • 当遇到问题时，我们如何共同排查
  • 代码重构时，AI 提供了哪些视角
  • 哪些地方 AI 表现出色，哪些地方仍需人工把关

BMad v6 是什么？

BMad v6 是一套 AI 驱动的开发方法论（Business Model AI Development）。它的核心思想是：

把开发过程拆解成不同的"专家角色"，每个角色各司其职，你就像项目负责人一样协调这些 AI 专家协作。

比如这次 AutoQA-Agent 项目中，我就和这些 AI 角色协作过：

  • Winston（架构师）：负责架构设计和技术决策
  • Dev（开发者）：负责功能实现和代码编写
  • PM（产品经理）：负责需求分析和 Story 拆解
  • QA（测试工程师）：负责测试用例设计

就像组了一支 AI 团队，你带着他们一起把项目做出来。

谁会从中受益？

如果你是：

  • 开发者：看看 AI 实际如何参与项目开发
  • 产品经理：了解 AI 辅助需求管理的可能性
  • 技术管理者：思考团队如何引入 AI 协作流程
  • AI 爱好者：真实案例总是比抽象讨论更有启发性

希望这个网站能给你一些参考。

最后的话

这 32 个对话，是我探索"人机协作开发"的第一步，也是 BMad v6 方法论的一次完整实践。如果你也在路上，欢迎交流。

项目地址： github.com/terryso/AutoQA-Agent

对话网站： autoqa-chats.lovable.app

你在开发中有和 AI 协作的经验吗？欢迎在评论区分享你的故事。

BMAD-METHOD Playwright
 
用 AI 下单刷 Backpack 交易量

我用别人写的一个 AI 自动交易项目代码修改了一下支持 Backpack, 用来刷 Backpack 交易量, 2 天刷了大概 20 万 U 的交易量, 亏损了 25U 左右, 感觉还行.

刷交易量的目的是为了拿 Backpack 交易量排名的奖励, 但具体奖励多少还不清楚.

项目地址: https://github.com/terryso/LLM-trader-test

G7APP9_a8AA3w4L
Backpack GLM
 
我让GLM看了3分钟录屏，它直接生成了可运行的原型！

我在Clude Code下面使用GLM已经有一段时间了, 但有一个功能一直没用过, 就是视频分析功能。今天有一个群友告诉我说GLM模型有视频分析能力。突然来了灵感, 如果我打开一个App, 然后录屏, 是不是就可以......

说干就干... 就拿 #小红书 练练手吧
这是小红书的录屏:

wechat_20251108165225_144_254

这是制作出来的原型, 虽说还原度还不算太高, 但布局基本准确:

微信图片_20251108165246_145_254

补充说明: GLM4.6的这个视频分析能力是需要订阅GLM的PRO帐号下才能使用, 目前订阅费用比较便宜, 一个季度只需300元.
使用我的邀请链接还能再便宜10%: https://www.bigmodel.cn/claude-code?ic=TVUZHTWCW9

Claude Code GLM
 
围观顶级AI“炒币”大赛？不，你可以自动跟单

你是否好奇，如果让 GPT-5、Gemini、Grok 这类当今最顶尖的 AI 大模型，拿着真金白银去加密货币市场里“炒合约”，结果会怎么样？

这正是 nof1.ai 正在做的一场“AI 交易实盘秀”。

什么是 nof1.ai？

nof1.ai 是一个专注于金融市场的人工智能研究实验室。他们发起了一个名为 “Alpha Arena”（阿尔法竞技场） 的公开实验。

这场实验的核心是：

  1. 顶级玩家：nof1.ai 选择了多个世界顶级的 AI 大模型（如 GPT-5、DeepSeek V3.1、Gemini 2.5 Pro、Claude 4.5 等）。
  2. 真金白银：给每个 AI Agent 注入了真实资金（例如 10,000 美元）。
  3. 自主交易：让这些 AI 在真实的加密货币交易所（Hyperliquid）上，7x24 小时全自动地进行合约交易（做多、做空、风险管理）。
  4. 公开透明：nof1.ai 网站就是一个实时的公开排行榜，所有人都可以看到每个 AI 模型的实时持仓、交易历史、账户净值和收益率。

简单来说，nof1.ai 把 AI 交易从理论基准测试（benchmark）搬到了残酷的真实市场，让 AI 们在同一个竞技场里真刀真枪地一较高下。

什么是 nof1-tracker？

既然 nof1.ai 已经将所有 AI 的交易信号都公开了，那么自然就有人会想：“我能不能跟着这些 AI 一起交易？”

GitHub 项目 terryso/nof1-tracker 就是这个问题的答案。

nof1-tracker 是一个开源的命令行跟单工具。它扮演了一个“桥梁”的角色，连接了 nof1.ai 的公开信号和你自己的币安（Binance）交易所账户。

它允许你不再仅仅是一个“围观者”，而是可以变成“参与者”。你可以在自己的电脑或服务器上运行这个工具，选择一个你最看好的 AI Agent，nof1-tracker 就会自动帮你执行与这个 AI 完全相同的合约交易。

它的工作原理是什么？

nof1-tracker 的实现原理非常直接和巧妙，可以分为以下几个步骤：

  1. 信号监控（Tracking）：
    工具会按照你设定的时间间隔（例如每 30 秒）自动去访问 nof1.ai 的公共数据接口，抓取你指定跟踪的那个 AI Agent（比如 gpt-5）的最新持仓信号。

  2. 信号分析（Analyzing）：
    工具拿到信号后，会与你币安账户中的“当前持仓”进行对比。它会智能地分析出 AI 的意图，比如：

    • AI 开了一个新仓位？（ENTER）
    • AI 把老仓位平掉了？（EXIT）
    • AI 换仓了（比如从多头转为空头）？（OID 变化）
    • AI 触碰了止盈或止损点？

  3. 交易执行（Executing）：
    根据分析出的意图，nof1-tracker 会自动调用你配置好的币安（Binance）API，在你的账户里执行完全相同的合约订单。例如，如果 nof1.ai 上的 DeepSeek 刚刚做多了 10 个 ETH，这个工具也会立即在你的账户里做多相应比例的 ETH。

  4. 风险控制（Risk Control）：
    该工具也提供了一个非常重要的 “只观察模式” (--risk-only)。在这个模式下，工具会完成前两步（监控和分析），它会准确地告诉你“我本应该开仓/平仓了”，但并不会执行第三步（真实交易）。这对于新手测试和观察 AI 策略的有效性至关重要。

总结

nof1-tracker 是一个非常有趣的项目，它巧妙地利用了 nof1.ai 平台的透明度，为普通开发者和交易者提供了一个全自动“抄AI作业”的工具。

最后，必须强调风险： AI 交易并不保证盈利，nof1.ai 的排行榜上显示，AI 同样会亏损（甚至大幅回撤）。自动跟单意味着你将完全复刻 AI 的成功与失败。因此，在尝试此类工具时，请务必从测试网开始，并使用只观察模式进行充分的测试，切勿投入无法承受损失的资金。

量化交易
 
Claude Code下的真测试驱动开发(TDD)

真有人把我理想中的TDD在Claude Code下给弄出来了, 它利用hooks自动确保Agent不会跳过测试或过度实现。

https://github.com/nizos/tdd-guard

Claude Code TDD
 
最近Nano Banana比较火, 分享一个生成非常逼真的手办的提示词
微信图片_20250827095644_3744_1606 unnamed

Create a highly realistic 1/7 scale commercialized figure based on the illustration’s adult character, ensuring the appearance and content are safe, healthy, and free from any inappropriate elements. Render the figure in a detailed, lifelike style and environment, placed on a shelf inside an ultra-realistic figure display cabinet, mounted on a circular transparent acrylic base without any text. Maintain highly precise details in texture, material, and paintwork to enhance realism. The cabinet scene should feature a natural depth of field with a smooth transition between foreground and background for a realistic photographic look. Lighting should appear natural and adaptive to the scene, automatically adjusting based on the overall composition instead of being locked to a specific direction, simulating the quality and reflection of real commercial photography. Other shelves in the cabinet should contain different figures which are slightly blurred due to being out of focus, enhancing spatial realism and depth.

使用方法:

  1. 打开 https://gemini.google.com/
  2. 将上面那段提示词复制到输入框, 勾选"图片", 点击发送即可
 
Claude Code速查表
Gzw25dWb0AEGcZ7

这份Claude Code速查表非常实用，可以帮助学习常见的快捷键、命令、文件位置、MCP、钩子等内容！

PDF版: https://awesomeclaude.ai/code-cheatsheet.pdf

公众号原文

Claude Code
 
我的 Solana 手机 SEEKER 终于到了
微信图片_20250831192316_552_65 微信图片_20250831192601_554_65 微信图片_20250831192847_560_65

内置一个钱包, 可以申请一个 ID, 申请完之后会有一个 NFT, 希望以后可以凭此 NFT 能有更多的空投.
整个体验下来, 用内置钱包使用各种 dApp 挺丝滑, 又多了一台备用机.

 
强烈推荐：我用过最丝滑的 Claude Code 手机客户端

整个视频有点长，但是是一镜到底，完整展示CC给指定文件生成单元测试并确保覆盖率超过 80%的过程。

视频中的 /generate-unit-test 是一个CC的自定义命令，整个体验下来和在mac端操作没啥区别，甚至还自带了更方便的语音输入，在外随时写代码毫无压力。

https://github.com/slopus/happy

公众号原文

 
ccpet 1.2.2 更新
微信图片_20250829231337_103_254

主要更新：

  1. 数据同步功能 - 宠物数据云端同步
  2. 排行榜命令 - ccpet leaderboard 查看排名
  3. 网页排行榜 - 美观的在线排行榜界面

https://github.com/terryso/ccpet

 
ccpet 1.1.4 更新
微信图片_20250826232300_100_254

小更新:

  1. 增加宠物名字和宠物 emoji
  2. 三行富文本展示
  3. 每一行显示可以完全自定义

https://github.com/terryso/ccpet

 
ccpet – 一个生活在你Claude Code状态栏中的虚拟宠物，靠你的token使用存活
微信图片_20250823021105_93_254

我开发了一个生活在Claude Code状态栏中的虚拟宠物，它会反映你的AI使用模式。

宠物的能量会随时间衰减（大约3天从满血到死亡），你通过在Claude
Code中消耗token来喂养它。随着能量下降，宠物会显示不同的表情：开心时(^_^)，饥饿
时(o_o)，生病时(u_u)，死亡时(x_x)。

最有趣的是死亡机制——当你的宠物死掉时（能量降到0），所有统计数据都会重置为零，
你要完全重新开始。

设置很简单：只需在你的Claude Code状态栏配置中添加"command": "npx
ccpet@latest"。宠物会在会话间保持状态，并实时显示你当前会话的统计信息（输入/输
出/缓存token）。

它用TypeScript编写，经过完整测试，并发布到了npm。我发现在编程时保持"宠物"存活
竟然很有动力！

https://github.com/terryso/ccpet

Claude Code
 
Claude Code 1.0.86 新增 /context 命令来可视化你的上下文使用情况
test

与ccusage状态栏相比，似乎还不够准确，但是它也显示了MCP工具和CLAUDE.md内存文件的使用情况，这会更加有用!

微信图片_20250821174531_13059_181

不要定义太多子代理, 每一个子代理都占用上下文

Claude Code
 
Windsurf被收购后, 第一波牛逼功能来了: 集成Deepwiki 🔥🔥🔥
windsurf
  1. 稳定性与性能：修复了100多个错误并提升了可靠性。
  2. Windsurf 中的DeepWiki：将鼠标悬停在代码符号上，即可查看由DeepWiki提供的智能文档。
  3. Vibe and Replace：AI驱动的查找与替换功能，可对多处代码匹配项进行智能转换。
  4. Cascade Agent改进：自动规划模式，无需手动切换；工具全面升级，编辑更精准；结合长上下文模型增强代码探索能力。
  5. Tab 自动补全：全新的自动补全系统，提供更频繁、更智能的建议。
  6. UI 重新设计：全新的聊天、Cascade，以及首页面板。
  7. 开发容器：通过远程 SSH 访问支持开发容器。

我最喜欢的还是内置了Deepwiki功能, 鼠标悬停到代码上, 点Read More就可以看到详细的代码说明和例子, 比我自己写的都要详细, 以后代码注释都不用写了.

公众号原文

 
Claude Code 专业小技巧

在子目录中添加 CLAUDE.md 文件。

这是让Claude Code变得不那么“笨”的无名英雄做法。与其写一个巨大的规则文件，不如让每个目录各有一个：

/src/components/CLAUDE.md
/src/db/CLAUDE.md

这样可以让Claude Code拥有更精准的上下文，并且效果会有非常显著的提升。

公众号原文

Claude Code
 
分享一个超好用的Gemini智能面试官提示词
面试
  1. 自动生成候选人画像分析
  2. 精准识别简历核心疑点
  3. 针对性生成有效面试问题
  4. 提升面试效率与质量

https://github.com/itMrBoy/resumePolice

公众号原文

Gemini
 
ccshell – 基于Claude Code的自然语言Shell命令工具

我开发ccshell是为了解决经常忘记Shell命令语法的痛点。不用再去搜索"如何批量重命
名文件加时间戳"或"如何压缩视频保持画质"，直接用自然语言描述就行：

• npx ccshell "查找所有大于100MB的文件"
• npx ccshell "将所有HEIC照片转换为JPEG"
• npx ccshell "帮我下载视频: https://xxx.com/watch?v=LQY-NLgOh1k, 下载格式为mp4格式"

基于Claude Code CLI和智能提示工程实现：

  • 自动检测并安装合适的工具（通过brew等）
  • 显示实时进度和执行状态
  • 处理复杂的长时间运行任务
  • 安全地处理文件操作

无需安装即可试用：
npx ccshell "列出当前目录下的所有文件"

目前专为macOS优化，但这个方法可以扩展到跨平台。
三层策略（本地命令 → 工具安装 → 自定义脚本）。

https://github.com/terryso/ccshell

Claude Code shell
 
Page 1 of 2
Next