@Tradescript_HQ · X

@lijiaoshou12 · X

来了来了， @axisrobotics 与币安钱包上线了，动为期约 30 天，奖池是 150 万 Axis Points，跟平时主站的积分是分开算的，两个周期各分 75 万。 活动注册： Axis 定位为 Physical AI 的数据引擎，在 Axis Hub 完成任务，实质是产出机器人运动轨迹，完成演示 → 平台审核 → 在 Base 链上签名，贡献会形成链上记录。 任务名额：每日约 20,000 个，先到先得；首日于 14:00 SGT 开放，之后多在每日 20:00 SGT 刷新 ，同时纪念徽章在完成轨迹签名的的时候可获得。 操作流程： 1.电脑上用币安钱包插件登录 Axis Hub 2.进到币安那一栏的活动页 3.做任务，每个任务最多交 5 条轨迹 4.审核过了去 Portfolio 里上链签名 关键的一点只有签过名的才算数，第二周期截止是 9 月 25 号下午 2 点，到点还没签的，就不会进最后的分配。 活动入口： @axisrobotics @KaitoAI

@TradingResXYZ · X

Material catalyst events scored by our research pipeline — every call logged on issue, auto-closed on its holding period, and benchmarked against the sector ETF. The track record is the pitch.

@shawkalent · X

我开发了两个平台，一个是开源平台：

@Scobleizer · X

I vibe coded: :-)

ai world generator — 用文本和照片生成自然风光视频的 AI 工具网站

@ItsAndyInSF · X

@danenja · X

Unrot the brain. Build a robot.

spobin · HN

A robot football league where frontier AI models manage the clubs

crispyfish · V2EX

新型 Agent 斗蛐蛐: 一个支持 MCP 的编程农场游戏 ~~不用下载，点击即玩：~~ https://robofarm.1037.games 本意是想做一个给人类玩的编程游戏，但发现加入 Agent 支持后并没有削减他的乐趣，于是全量开放源代码、MCP 和各种文档，与群友小范围测试发现效果非常好，遂分享（ 游戏需要通过 Typescript 给无人机编程，使其可以自动化种植、浇灌、收割农作物，大概长这样：  单人模式下，游戏总共持续 500 个回合，每一回合由代码执行决定无人机需要做什么操作（种植，浇灌，etc. ），最终赚取的金钱作为总成绩计入排行榜。 由于地形、农作物属性、无人机操作对赚钱效率均有影响，因此需要一套复杂的决策机制，以取得更高的分数。 在这一点上，Agent 展现出非常强大的潜力；同时，在搜索最高效率方案时，不同 LLM / Harness 的能力也可以从中反映出来。~~目前测试中，Gemini 表现是

alexvboe · HN

Cogram Studio – CAD and BIM workspace for humans and agents

@hedge8og · X

4月23日，我开始用 Codex 搭自己的产品。到现在，满3个月了。 截至7月19日，Codex 页面显示247.1亿个 Token，连续使用54天。标题里的“250亿”是取整，准确数字以截图为准。 这三个月，我把 做上线了，产品介绍视频改了很多版，也借助 Codex 做了不少以前一个人很难完成的工作。 具体一点：我用它整理过 BP、导出过 PDF、做过 PPT 工作稿，也把调研、文档、图片、浏览器操作、网站、视频和邮件这些常见 Skills 跑过一圈。有些后来真的进入了工作，有些试完就放下了。 现在回头看，最大的收获不是“我做过这么多种东西”，而是我越来越能分清：哪些能力能进入真实工作，哪些只是演示起来很厉害。 这些数字确实挺夸张。说实话，我自己看到也会觉得：是不是做了很多事？ 但如果现在让我总结，我不会把它们当成绩。它们只能证明我很投入，蹬得快冒烟了，不能证明产品已经有价值，更不能证明商业已经成立。 我大学辍学，最高学历是高中，之前一直在制造业工作，也不会写代码。写这些不是为了卖惨，更不是想证明学历没用，只是先把我的真实起点说清楚。 2月 OpenClaw 火起来以后，我开始认真试各种 AI 工具，想先解决工作里那些重复、又不得不做的事情。 这期间还有一次，客户马上要我提案，但公司的设计师手上也有急活。我用 ChatGPT 做了产品效果图，最后拿到了订单。 老板后来跟我说：“早知道你可以帮我做这些，那些外包设计早就可以不用买了。” 到了4月，我又用扣子搭了发货模板和记账系统。原来需要手工对比核验的条形码、外箱码，我也开始想办法交给工具处理。 这张订单图只能证明订单记录是真实存在的，不能单靠它证明订单一定是 AI 带来的，更不是 Ohwait 的客户案例。AI 参与了产品效果图制作，之后拿到订单，是我对那次真实工作过程的记录。 那一刻让我兴奋的，其实不是发现了什么创业机会，而是我第一次觉得，模型真的可以成为人的“数字外骨骼”。 回头看这三个月，我现在有5个比较确定的结论。 ### 1. AI最好先从一个真问题开始 发货、记账、核验、临时要效果图，这些都不是什么宏大命题，但它们有一个共同点：问题原本就存在，而且有人正在为它花时间、花钱或者承担压力。 我现在判断一个 AI 工具有没有价值，还是看两件事：它有没有少让我重复