大多数人以为让 AI 变聪明，靠的是更大的模型、更多的训练数据。 但刚出的一篇论文 Memento-Skills 给了一个完全不同的答案—— 不更新一个参数，照样让 AI 越用越强。 核心思路其实很清晰：LLM 的权重是冻结的，但它的"记忆"不用是静态的。 把所有的经验，都沉淀成外部的「技能库」——一个个结构化的

从上周开始逐渐把重心从🦞转移到 Claude Code，第一件事就是想怎么重建在OpenClaw里的记忆架构和记忆系统。 看了一下呼声最高的是 Obsidian，这个周末好好研究了一下，我的感觉是大部分人把这事弄复杂了 为什么是 Obsidian？因为 vault 就是一个文件夹，里面全是 .md 文件。Claude Code 天生就能读写

2 小时，从零支持微信「龙虾」🦞 这是我们阶段性改革交出的答案，产品已开源 github.com/nexu-io/nexu，在极短的时间突破 700+ Star 🌟 很多人问 Nexu 为什么迭代这么快？答案其实很简单也很暴力： 我们给每个人配了无限制的 Claude Opus 4.6 / GPT-5.4。 现在团队每人同时跑 4～6 个 Agent。 5 人

kepano 给 Obsidian 做了一套官方 Agent Skills，让 Claude Code 能直接操作你的 vault，16k star 作为一个高度使用 Obsidian 的人，说下我的想法： kepano 这步棋下得准。Obsidian 应该是第一个 CEO 亲自下场，按 Agent Skills 规范写官方 skill 的笔记工具。以前想让 Agent 操作

技术再好，讲不清楚就等于没有 Patrick Winston 教授这个讲座我看了不下三遍，做产品、做内容、见客户，说话是最被低估的杠杆 他在 MIT 将这个课超过40年，这是最后一次录像，他于2019年去世了 他的核心观点：演讲能力不是天赋，是可以训练的手艺 一小时看完，值得

做科研写论文，从提出假设、跑实验、分析数据到写稿，每一步都耗时耗力，想让 AI 帮忙又只能零散地辅助某个环节。 最近看到 Sakana AI 开源的 AI Scientist-v2，一个能自主完成完整科研流程的系统。 它能够自动生成假设、设计实验、运行代码、分析结果并撰写论文，全程不需要人工模板。

MIT 人工智能实验室推荐的prompt 拿去vibe coding 任何应用app

全站我只推荐一个人的课

我抖音、小红书、视频号发的关于Claude Code的视频下面，回复最多的内容都是询问如何在国内稳定的订阅Pro/Max而不被封。我个人的情况是之前在硅谷工作，有稳定的海外环境来订阅但是无法规模复制给其他人。所以国内的大家如果想订阅的话，我可以推荐几个比较靠谱的讲国内如何订阅Claude Code的博主：

Cheng Lou（之前在 React、Messenger、Midjourney 团队干过）他发的这条帖子，已经快800 万浏览了。 这个帖子很多人乍一看，估计心情跟我一样：“我完全不知道这是什么但看起来很重要"。 实际上，他做了一个纯 TypeScript 的文字测量库，叫 pretext。

我经常需要在做产品的过程中，快速索引各种框架、方法论和思维工具。 设计思维、JTBD、Kano 模型、精益画布、北极星指标、AARRR…… 这些框架你可能都听过，但下次要用的时候，你还是会打开 Google 或者 Claude 从头搜。 我也一样。所以我顺手做了 pmframe.works——100

今日最大收获：知道了 Michael Polanyi 这个人 一个人名，顶十万字提示词

这是我见过最好的Claude Code+Obsidian的教学视频。 花一个小时看完，你将学会用 Obsidian 打造第二大脑——让 AI 记住你所有的想法，帮你挖掘规律、生成创意、落地执行。

Stanford 这堂 2 小时 AI 系统构建课，直接把 Claude 所有教程和 Prompting Thread 秒了！ 强烈推荐： “比你刷过的所有 Claude 教程都实用 10 倍” 里面讲的不是 prompt 技巧，而是 Stanford 真正教工程师如何从零构建可靠 AI 系统的完整方法论。 周末就刷这一个，绝对是你这周最有生产力的事！

很多人写出的科研论文，在修改阶段总觉得用词不对，又很难跳出思维定势发现逻辑盲点。 偶然看到 SciWrite 这个项目，把斯坦福科学写作课的方法论做成了 AI 技能，让 AI 帮你系统审稿。

AI 佬们，求助一个答案。今天去面了某药厂的 AI Engineer，临了面试官给了个开放题，我没答好： 用 1-2 句话说清楚 Hermes 优于 OpenClaw 之处