Nill

#观察 哈哈哈哈，科普

posted 6,000+ tweets since 2020 built an X growth tool and sold it for $10m so I pulled my own data to see what actually works on X right now short list 👇 1. replies beat posts when you're small. your post gets 50 views, a good reply on a viral post can get 50k 2. long beats short, my posts over 600 characters crush my one-liners 3. put a real dollar amount in it, those are my best performers 4. one-liners are lottery tickets, a few go mega viral, most die 5. don't ask in the hook. declare. my question hooks underperform 6. if it flops in 30 minutes, tweak the hook and repost. one of mine went from 7 likes to 380 7. people bookmark what they'll use later, my most bookmarked post (19,069) was a guide I shared, with notes (bookmark this post btw) 8. talk about your life more than your product. posts naming my products: 77 likes median. posts about my kids, the chalet, the plane: 167 on top of that, one core rule: be consistent, never miss a day this is a hard and long journey, you won't win quick, but it's incredibly rewarding if you put in the effort

现在顶尖大学里教 Agent，已经开始一路教到 GPU 了。 非常推荐 Harvard 的 CS2680 Modern AI Systems 。课程从 Claude Code、Agent Loop、Eval 和 Token 成本开始，一路往下做到模型部署、Routing、KV Cache、量化和 speculative decoding。 作业设计也很有巧思，5 个作业都围着同一个 Agent 系统往下拆，先看它怎么工作，再自己搭 Harness，最后一路优化到推理层。 感觉它更像是在回答一个问题： 一个现代 AI Agent，到底是怎么从应用层一路跑到底层系统的？ 做 Agent、Harness、AI Infra 的可以收藏。 cs2680.seas.harvard.edu/

REA：让 AI 智能体帮你逆向没有源码的软件 开源项目 REA（Reverse Engineer Anything）把逆向分析工具接到了 Claude Code、Codex、Cursor 这类 AI 编程智能体上。看到别人 App 里有个好功能，可以让智能体去拆这个程序，讲清楚功能是怎么实现的，附上证据，再在你自己的项目里写一个类似的。逆向分析指的是手里没有源代码，从编译好的程序反推它是怎么写的。 REA 本身是一个 MCP 服务。MCP 是 AI 智能体调用外部工具的通用接口，接上以后，智能体在对话里就能直接调用 REA 的分析功能。安装只需一行命令 npx rea-agents setup，它会注册到 Claude Code、Codex、Cursor、Gemini CLI、Grok Build 等智能体里，改配置前会先备份并让你确认。不用智能体的话，也可以在终端里直接跑命令。 能分析的东西很多。原生程序（直接编译成机器码的软件）要借助 Hopper、Ghidra 或 IDA 这几款反汇编工具，把机器码还原成汇编和近似 C 语言的伪代码。Electron 应用（用网页技术做的桌面软件，比如 Notion）可以直接拆开安装包里的 ASAR 归档文件，理清模块和进程间通信，不需要额外工具。此外还支持 .NET 程序、安卓 APK、固件、网站、抓包记录、以太坊合约字节码，以及在 Linux 和 macOS 上记录程序运行时的行为。 分析在本机进行，REA 不上传目标程序，但分析结果会交给智能体背后的模型服务商，数据怎么处理看各家政策。 项目给了三个案例。一是经典打砖块游戏 DX-Ball：从一次播放音效的调用，追到根据球的位置计算左右声道的函数，把不完整的伪代码还原成 C 代码，3205 组测试结果和原版一致，编译出的 63 个字节也和原版完全相同。二是 Notion 桌面版：追踪复制粘贴从界面一路经过预加载脚本、进程间通信到主进程的完整链路。三是日本老电脑 PC-98 上的游戏《东方幻想乡》（TH04）：从 16 位指令里还原出弹幕子弹环的角度算法。 对安全研究员、做老游戏复刻和软件保存的人来说，以前要自己对着反汇编工具一行行读、一层层追调用，现在可以让智能体先追，人来核对它给出的证据。普通开发者想研究竞品某个功能的做法，也多了一条路。 README 显示项目在 GitHub 上已有 5 万星。npm 包今年 7 月首次发布，最新的 6.3.0 版今天刚发。 使用前注意两点。项目声明只支持合法的逆向研究，授权和合规由使用者自己负责，逆向别人的软件可能违反用户协议或版权法规。项目还说明从未发行或背书任何加密货币，借用 REA 名字的代币都与它无关。 github.com/morluto/rea

Reverse Engineer Anything 😂 Software is done.

GitHub上今天的爆火开源项目rea： 😄 REA：逆向工程一切 使用智能体逆向工程任何程序，从应用行为到原生二进制文件。 通过AI它就能把一个软件从头到尾拆开，告诉你背后怎么干活。 挖App隐藏功能、查可疑软件有没有后门、学大厂代码思路

总结一下，我给你们研究出来的、在youtube上最适合中国人起号、加入youtube partner挣广告费的四种方法。 1. 买个4k高清单反外接电源，固定在车顶上，或者用手举着不行，在中国最繁华城市的高楼大厦、大绿地、商业街开车穿梭，录2~4个小时，录完把饱和度拉满，直接传到youtube。 全世界都非常好奇， 中国的深圳、上海、天津三大一线城市，还有成都、重庆、武汉、广州、苏州这些二线城市的市中心到底是什么样子的，到底高楼大厦有多新、有多牛逼，夜晚重庆市中心闪瞎狗眼的灯光到底是什么样子的， 中国人到底生活在什么样的城市环境里，这是全世界网友们对中国最大的好奇心。 注意标题封面，“中国最赛博朋克的城市 成都”、“中国最繁华的城市 上海”、“亚洲第一繁华城市 天津”，视频拉高饱和度，做好防抖。 2. 用上面这种方法，找贵州、云南、湖南那种没人的大山、下了大雪的西藏国道、路边一堆大瀑布的国道、周围一坨坨大沙丘大戈壁的新疆内蒙古，贵州那种没人开的超长超高超新大高架桥，周围全是连绵的大山，开车录制2~4个小时， 同样是背景音，很多人会特别喜欢大雪山、大山区、大瀑布、大峡谷、大戈壁滩这种风景； 3. 模仿zaza in China，已经有几十个人在这么做了， 特点就是非常平淡无奇地多镜头多角度记录中国人生活的一天，怎么刷卡买菜，去饭馆里看别人火急火燎地炒辣椒炒肉，逛早市一条街上百个早点铺，吃兰州拉面看师傅跟魔法师一样拉面条， 很多欧美观众非常喜欢这种生活，一方面他们对一个普通中国人的生活一无所知，中国普通人在他们眼里是非常神秘的群体，中国人的一切生活方式和文化都是巨大的谜团，他们非常愿意从普通人的视角来观察中国生活的文化， 另一方面，欧美观众都生活在现代城市，根本感受不到中国这种掺杂着前现代生活方式的烟火气， zaza最火的一期，是他回河南老家过年，郊区农村一个大院子，一大家族十几个人聚在一起做饭、吃饭、看电视、放鞭炮，把很多欧美观众看哭了，说他们只有小时候才有这种场景，现在一大家子早聚不齐了，没想到能在中国看到这么温馨的场景。 zaza另一个特点是展示中国城市人的孤独，这是全世界网友们完全没看到过的，原来中国人和欧美人一样，也是孤独的，也是灵魂空虚的，哪怕他们用着中国的神奇扫码支付，像回忆里自己的外婆一样天天做饭熬汤，哪怕他们在非常赛博朋克的深圳高楼大厦中间穿梭，每天坐无人驾驶出租车， 然后跟一个典型的纽约或者伦敦人一样，朋友越来越少，孤独感越来越重，自己一个人吃饭，一个人看电影，欧美观众看完直接哭了，原来这就是世界另一个我。 这种需要多镜头拍摄，需要一些剪辑技巧，需要一些文案小巧思，但是不用讲英文，完全AI生成字幕、AI生成语音； 4. 展现中国科技，这种一般集中在深圳、苏州、杭州这种高科技公司愿意和区县级产业园搞试点的地方， 包括在大街上耍机器人、展示深圳无人机送外卖、重点公立中学的课堂白板、新区产业园智慧城市里座椅上的自动充电、高速边上几十个充电站和满满一排的比亚迪电车，无人驾驶无污染绿色电动公交到处跑，刷脸进公司，刷脸接充电宝，刷脸付款吃自助盒饭， 也包括各种中国消费电子和新质生产力展会，超级巨大的会展中心，里面展示各种设计先进的手机、笔记本、平板，华为小米联想oppo和vivo最新产品， 还有各种各样的新能源车展，中国国产豪华级电动车一辆一辆带进去看，这个座椅是零重力的，车里居然有个AI chatbot小玩偶，车里居然有冰箱，车后排居然有个大屏幕放电影，车里前前后后五六块屏幕，我的天，中国居然提前实现了赛博朋克。 跟2000年美国媒体报道日本消费电子、尤其是索尼家族神级设计，完全是同一种心态，工程师太卷了，但是你们的产品太牛逼了，你们这么多公司激烈竞争，把消费电子和汽车的理念推进了50年，中国制造太伟大了。 大概就这四个题材。

别等Fable5.5了，如果你有Claude Code账号的话，直接把这个开源仓库发给他：github.com/alchaincyf/huashu… 然后，静待魔法发生即可！

替你们试过了，我这个skill做短视频起号绝了。 晚上出门前随手花10分钟做的视频，已经3万+播放了。比我日常耗费精力做的视频中位数水平好多了。

复习一下High Scalability 的经典老文《Big List of 20 Common Bottlenecks》经典瓶颈只有 20 种。 数据库：工作集超过内存、长短查询打架、写写冲突、大 join 吃内存 编程：线程死锁、回调地狱、不 profiling 不 tracing、单点 SPOF、有状态服务、算法复杂度、DNS 等外部依赖阻塞 缓存：不用缓存直接打爆 DB、HTTP 头/etag/gzip 没配好、CPU L1/L2 没利用 CPU：过载、上下文切换太多、IO wait、缓存一致性开销 网络：网卡打满、中断吃掉 100% CPU、丢包、DNS 查询慢 内存：OOM 进 swap 直接卡死、GC 停顿、内存碎片 磁盘/OS：随机 IO、fsync、文件描述符上限、TCP 缓冲区太小 流程：测试时间、团队规模、技术债——人的瓶颈也是瓶颈 总计一下，性能问题永远先问"瓶颈在哪一层"，再动手优化。层找错了，优化全白费。 原文：highscalability.com/big-list…