billdng (@DhellFlippie) header
billdng (@DhellFlippie) profile picture

Nothing

Joined August 2018
billdng retweeted
阅读的绝大部分意义,恰恰就在于把你读过的东西忘掉。 如果你读完一本书,能把里面的情节、人物、金句记得只字不差,那你不是在阅读,你是在把自己的大脑当成一个低级的移动硬盘。 在2026年的今天,任何一个植入了本地大模型的手机都能比你记得更清楚、更准确。如果人类还要和硅基生物比拼记忆力,那不仅是愚蠢,更是进化的倒退。 很多人对阅读的理解,至今还停留在科举时代的记诵之学。觉得我背下来了,这就是我的知识。这完全是农耕文明的思维惯性。在信息匮乏的年代,占有信息本身就是一种权力。但在今天,信息是过载的,记忆是廉价的。 真正的阅读,是一场对大脑皮层的暴力重塑。 当你读一本关于宏观经济的书,你忘记了具体的GDP数据,忘记了某个年份的通胀率,但你留下了一种思维定式:你会开始关注周期,你会理解供需关系如何决定价格,你会在看到新闻联播里的政策调整时,下意识地推演它对资产价格的影响。这种下意识的推演,就是所谓的直觉。 这种直觉从何而来? 它来自于你读过的书在你的大脑里经过了咀嚼、消化、吸收,最后剩下来的残渣。这些残渣不再是文字,而是变成了你的神经突触,变成了你的认知结构,变成了你思考问题的默认路径。 你忘记了书的内容,是因为内容已经被拆解成了构建你认知大厦的砖瓦。你见过谁盖好了房子,还把当初的砖头编号记得清清楚楚吗? 从脑科学的底层逻辑来看,人类的大脑本质上是一个极其吝啬的能量管理者。它无时无刻不在试图节能。记忆复杂的非生存必要信息,对原始大脑来说是一种极大的浪费。所以,遗忘是生物进化的自我保护机制,是极其高级的功能。 如果一个人什么都忘不掉,他的大脑会迅速崩溃。 阅读的过程,就是你利用前额叶皮层这个进化最晚、最耗能的区域,去强行压制原始大脑的懒惰。你在阅读复杂文本时,大脑必须进行高强度的逻辑运算、抽象思维和情景模拟。这是一场高强度的思维体操。 哪怕你读完就忘,在阅读的那几个小时里,你的大脑神经元进行了数以亿计的连接重组。你的逻辑推演能力变强了,你的专注时长拉长了,你对复杂信息的耐受度提高了。 这就是为什么长期阅读的人,在处理突发危机时往往比不读书的人更冷静。因为他们的思维带宽已经被撑大了,他们习惯了处理高维度的复杂信息。而不读书的人,大脑习惯了短视频那种几秒钟一次的强刺激,思维回路短而浅,遇到一点复杂问题,大脑就在超载边缘,除了情绪发泄,做不出任何有效的理性判断。 现在社会上充斥着一种反智的论调,说什么读书无用,不如去搞钱。 说这种话的人,大部分是被这个社会结构筛选下来的淘汰品,或者就是想割你韭菜的坏人。他们试图用个别的幸存者偏差,比如某个小学没毕业的老板发财了,来否定人类几千年积累的智慧传承。 我们要看清现在的历史规律。在工业革命早期,人是机器的附庸,只需要听话、有力气就行。那时候确实不需要读太多书。但现在AI已经接管了绝大部分重复性的脑力劳动和体力劳动。 未来社会只有两种人:一种是给算法提供数据的耗材,一种是利用算法做决策的精英。 你以为我不记得那些书的内容了吗?不,那些书让我拥有了识别胡说八道的能力。当营销号在贩卖焦虑,说什么阶级固化、红利消失的时候,读过历史的人会知道,这不过是经济周期中的一个正常波段。当有人鼓吹某种暴利项目时,读过投资学的人会本能地警惕风险收益比的不对称。 这种判断力,这种对事物本质的洞察,是你背诵一万条金句也换不来的。它需要大量的、枯燥的、甚至痛苦的深度阅读,去不断地打磨你的认知颗粒度。 很多人说自己读不下去,读了就困。 这很正常。因为优质的内容,往往是反人性的。人性喜欢简单、确定、即时满足。而好书往往复杂、模糊、需要延迟满足。 当你强迫自己啃下一本大部头的哲学书或者硬核的社科书时,你其实是在进行一种脱离低级趣味的修行。你在对抗自己的生物本能。这种对抗本身,就是阶级跃迁的门票。 你要明白,这个世界上的精英阶层,为了维护自己的地位,最希望看到的就是底层人民放弃深度阅读。他们希望你们沉溺在奶头乐里,每天刷刷搞笑视频,看看爽文,情绪被算法精准操控。因为这样的人最好管,也最容易被收割。 而阅读,是目前在这个世界上,唯一门槛极低、却能让你摆脱被操控命运的手段。 只要你还在阅读,你就保留了独立思考的火种。你读过的那些书,虽然具体的文字模糊了,但它们实际上形成了一个个隐形的筛子。 当你面对海量的信息垃圾时,这个筛子会自动过滤掉那些毫无逻辑的谣言、情绪化的煽动和低级的骗局。你的审美会被提高,你对逻辑漏洞的敏感度会提升。你会发现,原来很多人说话是完全没有逻辑的,原来很多所谓的专家只是在复读车轱辘话。 这时候,你就会感到一种孤独。 这种孤独是必然的。因为你已经和大众的思维方式产生了生殖隔离。 所谓大象无形。你读过的书,最后都化作了你的气质、你的谈吐、你的决策逻辑。
18
103
5
654
29,099
高中有个同学的爸爸是高考状元,去某藤读了phd然后去另外一藤做了博后。有一天他来给我们做经验分享,说自己最主要的学习方法就是通过抄答案迅速学习内容。刷题太浪费时间,直接study the answers一方面可以做到大量刷题,另一方面到时候考试就有手感了。现在都觉得这个观点真的很神,虽然不一定适合所有课但对于尤其不需要太深究细节动脑子的科目确有奇效
82
118
16
1,577
132,381
Microdock v2: As suggested by @matth_lapeyre, the robot now sits while docked, allowing all servos to be turned completely off.
Replying to @HannesVonEssen
That could work, but better if you can find a way for the robot to sit to keep it’s power consumption low
54
174
54
2,047
120,506
billdng retweeted
原来一块电路板是这样诞生的…… 这精湛的雕刻工艺,真是太惊艳了! 看了简直极度舒适,治愈感直接拉满!
357
315
48
4,302
2,934,863
一个建于1999年1月20日的网站,叫「秘密花园」。 域名最早是 lili.cc,后来使用 yini.org。 最神奇的是,网站里的留言板居然还在,20多年前的互联网痕迹,今天依然有人留下足迹。 没有算法,没有短视频,没有流量焦虑。 甚至连当年的五位数QQ联系方式都还留着。 80后、90后老网民,看到这个网站,会不会突然想起自己的青春? 有时候,互联网最珍贵的不是速度,而是记忆。
32
18
2
125
36,283
billdng retweeted
This is @neuralink's brain chip: the N1 Implant. They call it “The Link”. I got to see it up close to understand how it works and how the Neuralink team designed a brand new surgical robot to implant it...
128
433
69
3,522
182,551
billdng retweeted
在香港金融科技周,发现了几个有意思的现象: 1、100 多家参展企业中,Web3 公司不到十分之一。Crypto 依然是金融科技的一部分,但显然不是主角。 2、人人都在谈 AI、谈 Agent 支付。但目前更多停留在内部提效,真正面向外部用户、具备可行性的 Agent 支付产品,依然没有出现。 3、AI 短剧最近很火。一些稳定币公司发现,这个行业也开始出现稳定币收款需求。此前,稳定币支付的需求更多集中在外贸、游戏、直播等行业。新的应用场景正在出现。 4、去年,一大批合规金融机构开始大举布局 Web3,投入了不少资金和资源。但一年过去,不少尝试最终以失败告终。 5、一圈聊下来,大家都不太容易。发卡商,越来越卷;稳定币支付,利润本身就薄;交易所,常被盗;预测市场,合规不确定。 大家都在寻找行业新的转折点。 就像美国 BTC ETF 获批,或者特朗普当选总统并大力支持 Crypto 这样的重大事件,曾经推动整个行业进入新的阶段。 美国中期选举,或许是一个转折点;明年的《清晰法案》,也可能成为一个关键节点。 但我个人感觉,其实很多东西都已经在酝酿之中。比如: 1、代币化股票一直在往前冲,只是差一个转折点,一飞冲天。RWA 还有那么多值得探索的赛道,其实远远没有被发掘完。 2、稳定币支付,也一直很稳定的在发展,只是缺一个像「清晰法案」这样的转折点,带动整个市场再上一个台阶 3、NFT 这样的创新真的死了吗?最近在 Hyperliquid 和 Robinhood 上,我依然发现了一些有意思的 NFT 创新。也许不是创新已经消失了,而是行业还没有等到合适的时机。 4、预测市场,只能局限于现在这样的规模了吗?不能成为人们生活的日常吗?也不一定。 现在,大家已经看到稳定币形成了一条庞大且相对成熟的产业链。但预测市场、RWA、NFT,其实都还没有形成同样蓬勃、稳定的产业链。 这意味着什么?意味着它们还有很大的想象空间。 很多人觉得 Crypto 已经没有新故事了。 但我个人的感觉是:稳定币的产业链已经逐渐成熟,而其他赛道,甚至还没有真正开始。 也许我们现在看到的,只是下一轮创新周期的前夜。
23
19
5
111
27,965
真是离谱给他妈开门,GPT-6 Astra 可以通过直接修改模型权重文件,将性能提升了 6 倍,人类对 AI 的理解基本为零,所有那些关于如何训练模型的论文都可以扔掉了。
We asked GPT-6 Astra to edit Qwen3.5-0.8B weights to improve math. It directly changed only 0.016% of weights, fixing 0.8B's reasoning loops & improving math up to 6x and even instruction following 3x, without gradients or training. We call this Weight-Space Programming: frontier LLMs can now natively read/write neural network weights! 🧵 Blog: rikiyat.github.io/blog/weigh…
Readers added context they thought people might want to know
LLM was given weights explicitly as text in prompt and used code/forward passes (per authors' logs) to ablate Qwen looping direction, a known thinking-mode issue per model card. Primarily fixed repetition in that mode, not general 'natively' improving weights/math. rikiyat.github.io/blog/weight-sp… github.com/RikiyaT/lm_und… huggingface.co/Qwen/Qwen3.5-0… huggingface.co/RikiyaT/Qwen3.…
34
36
2
245
40,453
billdng retweeted
一直以来,传统的无人机主要依赖于高速旋转的螺旋桨和强大的电池输出来维持飞行,这不仅带来了巨大的噪音,也极大地限制了续航时间。但大自然早就给出了更优雅的解决方案——看看天空中翱翔的老鹰和海鸥,它们并不需要无休止地拍打翅膀,而是懂得如何巧妙地“借力”。 现在,科学家们成功将这种“生物模倣(Biomimicry)”技术应用到了机器人身上! 这款全新的仿生飞行机器人能够像真正的鸟类一样,在飞行过程中动态地改变翅膀的形状。通过极其敏锐地感知周围的气流变化,它可以精准地捕捉到上升气流,并将风直接转化为飞行的“动力”。这不仅仅是空气动力学与机械结构的创新,更是“实体人工智能(Physical AI)”和“具身智能(Embodied Intelligence)”的完美展现。这意味着,机器人不再仅仅是被动执行代码命令的冰冷机器,而是进化成了能够实时感知外部环境、适应环境甚至利用自然力量的智能体。 想象一下这项技术在未来的广阔应用场景: 由于极大地减少了对自身电池动力的依赖,这种仿生机器人的续航能力将得到质的飞跃。它们可以被广泛应用于大面积的森林防火监测、长期的海洋环境巡查,或者是野生动物的保护与观察——因为它们不仅能飞得更久,而且像真正的鸟类一样安静、自然,完全不会惊扰到地面的动物。 科技的发展轨迹,往往是从试图征服自然,走向虚心学习自然,最终实现与自然的和谐共处。这项打破常规的仿生技术突破,让我们看到了未来空中机器人融入大自然的无限可能。 大家对这种能够“借风飞行”的柔性机器人有什么期待?你认为它还能在哪些意想不到的领域大显身手?欢迎在评论区分享你的脑洞!👇 #FlyingRobot #AerialRobot #Biorobotics #biomimicry #生物模倣 #PhysicalAI #EmbodiedIntelligence #科技创新 #人工智能
1
2
9
1,586
billdng retweeted
我做了半年 FDE,越来越觉得:有能力的人,应该试着自己做点事情了 这半年,我做了不少 AI 项目。 招聘 Agent、投标 Agent、知识库、自动化工具、客户 Demo、业务方案和项目交付。 接触了不同的行业,也见过不少企业对 AI 的需求。 但这半年最大的收获,不是学会了多少工具,而是我对一件事越来越有信心: 现在有技术能力、业务经验、愿意主动解决问题的人,真的可以尝试自己做点事情了。 以前,一个人想做一个产品,可能需要找产品经理、设计师、开发、测试,还要考虑服务器、部署和运营。 很多想法不是没有价值,而是根本没有条件把它做出来。 但现在不一样了。 一个懂业务的人,可以借助 AI 做出原型。 一个懂技术的人,可以独立完成过去需要一个小团队才能完成的开发工作。 一个有行业经验的人,可以把自己过去积累的经验,变成工具、服务,甚至产品。 我不是说一个人就能解决所有问题,也不是说 AI 创业很容易。 而是过去很多人被团队、资金和技术资源限制的事情,现在有了新的可能性。 做了半年 FDE,我有几个越来越强烈的体感。 01 很多机会,不在于你会什么,而在于你发现了什么问题 做 FDE 之后,我有机会接触不同企业的真实业务。 以前我们谈 AI,更多是在讨论模型、Agent、工作流、知识库。 但真正进入业务现场之后,你会发现,很多问题其实非常具体。 资料怎么整理?信息怎么查找?重复工作怎么处理?一个业务流程为什么要经过这么多人工环节? 这些问题可能并不性感,也不是什么前沿技术。 但有人愿意为解决这些问题付费。 这让我改变了一个想法: 创业不一定要从一个宏大的技术创新开始,也可以从你比别人更了解的一个具体问题开始。 你在某个行业工作过几年,可能比一个只研究 AI 工具的人更容易发现机会。 因为你知道问题在哪里,也知道现在的人是怎么解决的。 AI 给你的,是把解决方案做出来的能力。 而你过去积累的行业经验,可能才是你真正的起点。 02 一个人能做的事情,正在发生变化 这半年,我最大的感受之一就是 AI 正在改变个人的生产力边界。 以前有一个想法,首先要考虑: 我有没有开发资源?有没有设计能力?有没有团队? 现在这些问题的答案正在发生变化。 你可以让 AI 帮你梳理需求、设计产品、生成代码、测试接口、搭建 Demo,甚至帮助你完成内容和营销。 当然,AI 生成的东西不一定可靠,真实产品仍然需要工程能力、业务验证和持续维护。 但至少,很多过去需要投入大量资源才能开始的事情,现在一个人就可以先跑起来。 过去我们需要先组建团队,才有机会验证想法。现在可以先用 AI 验证想法,再决定是否需要团队。 我觉得这是一个很重要的变化。 尤其对于有编程能力、产品经验、行业经验的人来说。 不要低估自己手里的能力,也不要总觉得必须等条件全部成熟才能开始。 03 不要总想着做一个大产品,先找到一个愿意付费的人 做了这些项目之后,我对创业也有了一个更现实的认识。 不要一开始就想着做一个平台、一个中台,或者一个完整的 AI 操作系统。 这些想法可能很有想象空间,但离真实收入还有很长的距离。 反而可以从一个很小的事情开始。 比如: • 帮一家律所解决知识产权资料整理的问题。 • 帮一家企业把重复的业务文档编写流程自动化。 • 帮一个招聘团队提高候选人信息处理效率。 • 帮一个独立开发者把自己的产品想法做成可以验证的 MVP。 先找到一个真实用户。 先解决一个具体问题。 先看看对方愿不愿意付费。 然后再考虑标准化、产品化和规模化。 不要先花半年做一个自己认为有价值的产品,再去寻找客户。先找到一个客户真正愿意解决的问题。 这可能是我在 FDE 项目中学到的,对个人创业最有价值的一件事。 04 我越来越不建议有能力的人,只把自己当成一个岗位 这句话可能有点冒犯,但确实是我这半年的思考。 以前我们很容易通过岗位定义自己。 我是开发、我是产品、我是运营、我是售前、我是 FDE。 但如果把视角放到 AI 时代,我觉得这种定义可能会越来越不够用。 一个开发者,不一定只能等待需求、完成开发任务。 他可以发现问题、设计产品、搭建系统、寻找用户。 一个懂业务的人,也不一定只能依赖公司提供的技术团队。 他可以借助 AI,把自己的业务经验转化成工具和服务。 一个有行业经验的人,也不一定只能通过出售自己的工作时间获得收入。 他可以尝试把经验沉淀成流程、产品、内容或者其他可复用的资产。 当然,这不意味着每个人都应该辞职创业。 我更想表达的是: 不要把自己拥有的能力,仅仅用来完成一个岗位的职责。 你完全可以在工作之外,尝试把自己的能力变成一份独立的价值。 05 未来创业经历是简历最加分的一项 我并不认为 AI 创业是一件容易的事。 模型会变化,产品会被复制,客户不会因为你用了 AI 就愿意付钱。 真正的商业问题依然存在。 但我认为有一点已经发生变化: 一个人从发现问题,到做出解决方案,再到拿给客户验证,整个过程的成本正在降低。 这意味着,更多人有机会参与到创造价值的过程中。 你不需要一开始就有一家完整的公司。 也不需要先拥有一个很大的团队。 可以先做一个小工具,接一个小项目,服务一个客户,写一篇有价值的内容。 重要的是开始形成自己的闭环: 发现问题 → 做出解决方案 → 找到用户 → 获得反馈 → 持续改进。 每跑通一次,你就多积累一份经验、一份产品能力、一份客户认知。 这些东西不会因为换了一家公司就全部归零。 写在最后 我没有觉得自己已经找到了什么标准答案。 但我越来越相信一件事: AI 时代,普通人不一定只能等待机会,也可以主动创造机会。 尤其是那些已经有一定技术能力、行业经验、产品思维的人。 你可能只是一个普通开发者,可能在某个行业工作了五年,也可能有很多一直没有实现的想法。 我想说的是,不妨试着把其中一个想法做出来。 不用一开始就想着改变世界,也不用急着证明自己。 先解决一个真实问题,先服务一个真实用户,先赚到第一笔独立于工资的收入。 你会发现,自己原来不只是一个岗位上的执行者,也可以是一个价值的创造者。 不要等 AI 时代给你安排一个新岗位。也可以试着用 AI,为自己创造一个新位置。 这个是我褪去AI狂热后,越来越坚定的想法。 我也正在尝试这样做。
90
46
10
368
34,057
I've created a new Grok @Bot Efficiency Optimizer template that helps you make your Grok Bot usage/credits last longer. Every week it will analyze usage across your bots and routines, identify inefficiencies, and recommend ways to reduce unnecessary usage. It also once per week gives you a quick breakdown of which bots and routines used the most the previous week. This template will reduce your overall usage, not increase it. It doesn't run constantly, and my test of it used less than 1% of my capacity. It just sends you one efficiency review and one short recap per week of what ate up the most usage, and makes suggestions on what to do to improve usage efficiency. x.ai/bot/6q44k3eKlHmC0keocH7…
149
78
27
1,124
88,434
Bill Gates paid for the rights to seven physics lectures from 1964 so that anyone on Earth could watch them for free, and almost nobody has pressed play. They were given by Richard Feynman. In November 1964 Feynman gave Cornell's Messenger Lectures. He planned six lectures for a general audience, then added a seventh. The series was called The Character of Physical Law. The BBC filmed it. A year later he won the Nobel Prize. The films went around colleges for years, and then disappeared from circulation in the 1980s. Gates had watched them at Harvard. He later said he "fell in love" with them. He has reportedly told people that if he'd seen them earlier, he might have become a physicist instead of starting a software company. In 2009 he paid privately for the rights, from the Feynman estate, the BBC and Cornell. He never said how much. Microsoft Research put them online for free and called it Project Tuva, after the tiny republic in Central Asia that Feynman spent his last years trying to visit and never reached. When the BBC license ran out in 2021, Gates renewed it. Here's what's inside: > The Law of Gravitation > The Relation of Mathematics and Physics > The Great Conservation Principles > Symmetry in Physical Law > The Distinction of Past and Future > Probability and Uncertainty > Seeking New Laws The last one has the line every science teacher quotes. If it disagrees with experiment, it's wrong. Gates said his 10-year-old son could follow them. They're still free today on Caltech's Feynman Lectures website. One of the richest people alive paid to make the best physics teacher of the century free. The only thing left to pay is about seven hours. Which would you watch first: gravity, or why time only moves forward?
76
724
49
2,460
89,819
billdng retweeted
六台机器人今天去便利店上班了,智元把它们的班排到了明天上午 10 点,还开了直播让大家围观。 这场测试今天上午 10 点开始。六台精灵 G2 要承担迎宾、做咖啡、熟食服务、取货补货和清洁,按计划连续跑满 24 小时,经历午晚高峰、深夜值班和第二天的早餐时段。 官方直播画面里是便利店货架和轮式机器人。目前直播还在进行,不能提前宣布它们已经顺利干完一天。 我觉得这个形式挺有意思。平时机器人视频挑一个动作,成功了就很适合剪出来。便利店的一整天却有很多没那么好看的部分,等指令、反复确认、做错之后停住,都可能比顺利递出一杯咖啡更有信息量。 更想知道的是,忙起来时一单要等多久,出了问题能不能继续,以及到底需要人帮几次。
Robots Never Clock Out | AGIBOT G2’s 24-Hour Convenience Store Challenge Six AGIBOT G2 take on a 24-hour shift as convenience store trainees. From rush-hour crowds to late-night solo duty and the morning breakfast sprint, can they keep up with nonstop customers and unexpected requests? teapawt.net/i/broadcasts/2OdmqandP…
3
1
3
1,189
看完这部 1 小时 20 分钟的纪录片《How North Korean Hackers Are Stealing Billions》,才会意识到:Lazarus 不是一群普通黑客,而是一套高度组织化、具有国家背景的网络犯罪体系。 纪录片从朝鲜如何培养网络人才讲起,梳理了这支队伍的演变: 从 2014 年索尼影业攻击,到 2016 年孟加拉国央行 SWIFT 劫案,再到 2017 年 WannaCry 勒索病毒,随后逐渐将攻击目标转向加密货币行业。 Coincheck、Ronin、WazirX、Bybit……一次次攻击背后,是越来越成熟的入侵、盗币和洗钱链条。 最值得警惕的是,这不是一次性的黑客行动,而是一套长期运转的产业化体系:有人负责攻击,有人负责转移资产,有人负责洗钱。 对于加密行业来说,我们面对的可能不只是某个黑客组织,而是一个拥有持续人才供给、资金需求和组织资源的国家级对手。 推荐看一下这部纪录片。它能帮助我们理解,为什么加密行业的安全威胁远比想象中复杂。
想了解臭名昭著的朝鲜黑客组织 Lazarus,可以看看 Cipher 拍的纪录片《How North Korean Hackers Are Stealing Billions》。 Cipher 专做犯罪和地缘政治题材,看他们的纪录片跟追剧一样。这部片长 1 小时 20 分钟,把这支朝鲜国家队从头到尾讲透了。 Lazarus 可不是普通黑客,它是朝鲜国家养的「犯罪企业」。大多数黑客都是从小被选中的数学天才,每天工作 15 到 20 小时。Lazarus 的 KPI 只有一个:给政权搞钱,大头流向核武。 片子从朝鲜战争、主体思想和饥荒讲起,先讲清楚这个国家为什么会养出这么一支队伍。 然后按时间线一路往下: ① 1980–2000 年代伪造超级美元; ② 2014 年黑索尼影业,起因是那部《刺杀金正恩》; ③ 2016 年孟加拉国央行 SWIFT 劫案卷走 8100 万美元,还让打印机打不出转账记录,好拖延被发现的时间; ④ 2017 年的 WannaCry,用的是泄露出来的 NSA 漏洞「永恒之蓝」,波及约 150 个国家、20 多万台电脑; ⑤ 转战加密:Coincheck、Ronin (Axie)、WazirX,2025 年 Bybit 被盗 15 亿美元,再到现在 2026 年的币安。 ------ 币圈钱多、盗完还有机会全身而退,Lazarus 只会一直盯着挖漏洞。行业是时候团结起来了,我们面对的是一整个国家机器。
6
13
3
50
8,920
亚洲首富张一鸣早期这段演讲,后悔没有早10年听他的认知思维!太顶级了 !
68
299
13
1,491
85,694
billdng retweeted
超过 15,000 个开源 PCB heypcb.ai/world 机器人、无人机、可穿戴设备、键盘、相机、物联网、电源 以及其中数千个硬件设计,开源硬件就是未来 探索真实设计,用AI理解它们,复刻它们,让它们成为你自己的
15,000+ open-source PCBs. Circuit World just reached another milestone. Robotics, drones, wearables, keyboards, cameras, IoT, power, and thousands of incredible hardware designs in between. Explore real designs. Understand them with AI. Fork them. Make them yours. The future of hardware is open source. heypcb.ai/world
17
145
5
705
44,479
عندك فكرة جهاز.. بس تصميم الدائرة موقفك؟ ⚙️😅 منصة Circuit World من @heypcbai جمعت أكثر من 15,000 تصميم لوحة إلكترونية مفتوحة المصدر، تقدر تستكشفها وتعدّل عليها من المتصفح. -للروبوتات -الدرونات -الكاميرات -أجهزة إنترنت الأشياء وعلى منصات مثل ESP32 وArduino وSTM32. الطريقه👇 ١. تختار تصميمًا قريبًا من فكرتك. ٢. تفتح المخطّط وتسأل الـAI: كيف تشتغل الدائرة؟ وليش حطّوا هالقطعة هنا؟ ٣. تسوي Fork، يعني نسخة مستقلة، وتبدأ تعدّلها لمشروعك مع مراعاة ترخيصها. اللي يعجبني إنك تتعلّم من قرارات تصميم حقيقية: ليش اختاروا هذا المكوّن؟ وكيف ربطوه بالباقي؟ وش يصير لو غيّرته؟ هنا قيمة المصدر المفتوح: تبدأ من معرفة موجودة، وتضيف عليها فهمك وتجربتك 👌 وش أول جهاز ودّك تصمّمه؟ 🔌 heypcb.ai/world 📸 @heypcbai
25
167
8,091
うわー、これはありがたすぎる…!😭😭😭👍 Googleが大学の教科書を数百冊も無料で公開してくれた!
そのままNotebookLMに入れれば、自分専用の知識ベースとしていつでも質問し放題。 「知識は財産」って言うなら、もうみんな億万長者になれちゃうのでは…? ああもう、なんで人間って寝なきゃいけないの!!!
☎️ Calling all students: You can now access hundreds of textbooks directly in Notebook, for no charge. From publishers like S Chand Publishing, OpenStax, and Open Textbook Library— browse, select and upload them as sources to ace all of your upcoming exams (no more excuses, ok?)
9
302
16
2,294
97,575
一般人很容易读错的字、词建议收藏转发: 1、讣(fù)告 2、胴体(dòng tǐ) 3. 贲门(bēn mén) 4. 狡黠(jiǎo xiá) 5. 谙熟(ān shú) 6. 盥洗(guàn xǐ) 7. 鳜鱼(guì yú) 8. 刽子手(guì zǐ shǒu) 9. 模样(mú yàng) 10. 剽窃(piāo qiè) 11. 嘌呤(piào lìng) 12. 蹊跷(qī qiāo) 13. 龋齿(qǔ chǐ) 14. 妊娠(rèn shēn) 15. 莘莘学子(shēn shēn xué zǐ) 16. 追溯(zhuī sù) 17. 馄饨(hún tun) 18. 慰藉(wèi jiè) 19. 纤维(xiān wéi) 20. 眩晕(xuàn yùn) 21. 翌日(yì rì) 22. 肄业(yì yè) 23. 应届(yīng jiè) 24. 佣金(yòng jīn) 25. 针灸(zhēn jiǔ) 26. 压轴(yā zhòu) 27. 召开(zhào kāi) 28. 箴言(zhēn yán) 29. 桎梏(zhì gù) 30. 档案(dàng àn) 31. 粗犷(cū guǎng) 32. 颠簸(diān bǒ) 33. 内讧(nèi hòng) 34. 悄然(qiǎo rán) 35. 吐蕃(tǔ bō)
34
102
1
611
90,305