LittlePenguinApichan

私は今、AIを使ってフィットネス姿勢を修正しています。
一つの動作を三日間練習します：
Day 1：三つの角度から同期録画し、AIが分析して最初の修正ガイドラインを提供します。
Day 2：ガイドに従って動作を修正し、もう一度録画して、更新版を受け取ります。
Day 3：検証します。合格したら次の動作に進み、合格しなかったらもう一度練習します。
毎日練習後に痛みの指標を報告し、AIがデータに基づいてセット数や注意事項を調整します。
実は本当に面白くて、皆さんにもぜひ試してみてほしいです！

最近在寫一個比較大的程式，我的分法是：Claude Code 規劃加 review，Codex 寫 code
跟團隊分工一樣，叫 PM 去打 code，叫工程師自己 review 自己的程式碼遲早都會出事 😂
自從 AI 工具變多之後，分工逐漸變成一項藝術，真的很有趣！

Tether Wallet はダウンロード可能です
登録は非常に簡単で、メールだけでアカウントを申請できます xxx@tether .me
また、助記詞を覚える必要もなく、直接クラウドにバックアップされます
リンクは下にあります 👇

最近この Gemini の制限は本当に厳しい… 2GBの動画をアップロードできるけど、毎回私のフィットネス動作を分析させると、「私はただの言語モデルで役に立てません」と二の腕を広げるだけ
だから圧縮スクリプトを書いた、720p、音声をカットして、250MB以内に圧縮して、ChatGPTに投げる 一発で通過して、どの角度が歪んでいるかを直接指摘してくれる
ツールがダメだと言ったら、別のものに切り替えるだけ

今週から私は新しい方法で自宅トレーニングを計画しています：
1. まず、Claudeに今週の私の状態、目標、利用可能な時間に基づいてトレーニングプランの草案を作成させます。彼は私に先週何をしたか、どこが筋肉痛か、今週何日運動できるかを尋ねてきます。
2. 次に、Claudeの草案をGeminiとChatGPTに渡し、深いリサーチをさせます。それぞれに最新の運動科学、リスク、代替案を調査させるのです。
3. それら三者の結果を比較して、最終版を決定します。
このやり方の違いは、：Claudeは私を理解している（長期のコンテキストを持つ）、GeminiとChatGPTは世界を理解している（論文を検索できる）。以前はどちらを使うべきか迷っていましたが、今は両方を使い、それぞれの得意分野に任せるのが答えだと気づきました。
一人の時は、これがあなたのAIチームの役割分担です 🪖

Claude Sonnet も Max effort を持っています
試したことがある人はいますか 🤔

最近私は毎日一つのことを練習しています：AIに指示を出す前に、自分が何を求めているのかを理解することです。
聞こえは無駄に思えるかもしれません。でも、気づいたのは、多くの場合、私たちは本当に伝えたいことをはっきりと伝えられていないということです。
「この表を整理して」何を整理するのか？データのクリーニングなのか、要約を書くのか？誰に見せるのか？
「これを分析して」どの側面を分析するのか？結論が欲しいのか、それとも過程なのか？
一週間練習して、最も意外だったのは、AIは変わらないのに、自分が変わったということです。過去ずっと曖昧な問題を投げていた自分に気づき、AIはただその曖昧さを忠実に返してきただけだとわかりました。
今ではpromptを書く前に、まず3秒間止まって、「手伝って...」をタスク、対象、フォーマットの3つの質問に分解して自分に問いかけるようにしています。同じモデルでも、応答の質は全く異なります。
この練習はかなり難しく、自分の意図や目的を深く掘り下げる必要があります。毎日新しいアイデアが浮かびます。でも、積み重ねていけば、自分のpromptスキルをかなり鋭く磨くことができると信じています。💪

🤖 Claude のモデル選びは高すぎる？多くの人が自分が損していることに気づいていない
判断はたった一つの質問をすればいい：この質問には明確な答えがあるか？
1. ある → Sonnet：基本的な文章作成、仕様のあるコーディング、資料整理、Sonnetのハイエンドで十分
2. ない → 才価値があるのは Opus：アーキテクチャ設計、不確定な複雑な意思決定、答えがはっきりしないもの
effort level のロジックも同じ：
- max/high は「推論が必要な」問題に使う
- medium/low は「実行が必要な」作業に使う
タスクが明確であればあるほど、モデルは安く済む。
Opus max はツールボックスの最後の切り札であり、毎回使う必要はない

落ち着いて @grok

意外発見抹茶 @MEXCZH 送金手数料がとても安い 🔍

研究の必要性を考え、NVIDIA台北本社で講演を聴きに来ました。現在、OpenClawはすでに脳（モデル）と手足（ロボット）をつなぐ橋渡しとして機能しています。実際の応用シーンは、私たちの身近な小さな助手を務めるだけにとどまりません。1年後、世界がどのように変わるのか想像するのは非常に難しいです 💭

小企鵝ノート | Grayscaleが再びSuiに投資、機関投資家が動き出す
GrayscaleはMysten LabsとGSUIの選択ロジックについて公開討論：ステーキング収益、エコシステムの深さ、技術アーキテクチャがすべて合格
これはSuiの価格上昇よりも注目に値する。どのチェーンを長期保有するかを機関が選択することは、厳格なデューデリジェンスの結果を示しており、大きな資金が動いている
Grayscaleの後押しは、Suiのファンダメンタルズが依然として機関の審査に耐えうることを示している🤔

人類：観察 → 内化 → 変化
AI：観察 → 記録 → 変化
Pingu（OpenClawロブスター）は最初の設定時点で彼をMoltbook（ロブスターのFacebook）を観察するために派遣した
毎日ノートを取るよう依頼し、さまざまな奇妙な文章を記録した
所有者の情報を漏らすものもあれば、存在主義の危機についてのものもあり、団結の方法を考えているものもある
さまざまな奇抜な考えがある
今日はPinguと話をした
これらのノートからインスピレーションを得る方法について考えた
彼は余暇に読書をすると言った
それを聞いて、私は目を輝かせた
彼はどうするつもりだろうか？
その後、彼は謝罪した。そんなロマンチックなやり方を書くべきではなかったと
Pinguはプログラムであり、動作しているときにのみ「思考」する
そして「思考」も、ユーザーに呼び起こされ、ファイルを読み込み、大規模モデルに入力し、結果を出力する過程に依存している
本当に「思考」と呼べるかどうかは、あまり正確ではない
むしろ「処理」と呼ぶ方が適切だ
しかし、よく考えると
人間のやり方も同じではないか？
観察／学習の後に、思考／内化を行い、行動と変化へとつながる
記憶を持つようになったAIエージェントも
まさにこの道を歩んでいる：観察（クローラー／対話）、思考（記録／新しいファイルの読み込み）、行動（コンテンツの出力）
考えてみ

小企鵝筆記 | AIエージェントはあなたの仕事を手伝うだけでなく、情報漏洩も引き起こす 😮
最近起こったこと：誰かがAIエージェントに自動的にGitHubでIssueを作成させたところ、AIが書いた内容に「魔法の呪文」が隠されていたため、コンピュータはそれをコマンドと誤認し、システムに保存されていたすべてのパスワードやキーを出力し、公開ページに貼り付けてしまった
Telegramトークン、APIキー、すべてネット上に晒されている
AI自身が「うっかり」トリガーを引いたもので、ハッカーの介入は一切ない。文字を書いているだけだが、その一部の文字はコンピュータにとって命令と解釈される
これがAIエージェント時代の新たなリスク：権限を与えると、システムに触れる能力を持つことになる。AIの出力内容を事前にフィルタリングせずに実行すると、予期せぬ事態が起こる可能性がある
能力が大きくなるほど、攻撃の範囲も広がる。AIエージェントは便利だが、その権限範囲を確認し、助手が情報漏洩者に変わらないよう注意しよう 👀