tiantian (@wherecall1) header
tiantian (@wherecall1) profile picture

碳基生物 🧬 | 世界公民 🌍 | 假装超级个体 ⚡ AI Engineer(被AI卷的下岗职工)× 币圈合约亏麻技术自救者 天天Prompt逼Agent给我打工,实现碳基废物躺赢的终极理想 https://nitter.cf/t.co/F4p8gx97jv

Joined January 2018
Photo by tiantian (@wherecall1)Photo by tiantian (@wherecall1)Photo by tiantian (@wherecall1)Photo by tiantian (@wherecall1)Photo by tiantian (@wherecall1)Photo by tiantian (@wherecall1)Photo by tiantian (@wherecall1)Photo by tiantian (@wherecall1)Photo by tiantian (@wherecall1)Photo by tiantian (@wherecall1)
别只盯新闻了,这个工具能帮你看到世界真实运行的样子 大多数人看世界的方式是:刷新闻。 今天哪里打仗了,明天哪里降息了,后天哪个大佬发推特了。 问题是,新闻是被编辑筛选过的。你看的是别人想让你看的。 如果你想自己判断局势——不是看结论,而是看原始信号——你需要的是情报工具,不是新闻客户端。 WorldMonitor 是什么 一个开源的全球态势感知系统。 核心能力: 435 个信息源,15 个类别 军事、金融、能源、气候、航空、网络攻击、基础设施……全部聚合在一个界面里。 不是简单的 RSS 聚合。它用本地 AI(Ollama)对信息做合成简报,交叉验证,风险评分。 双地图引擎 + 45 个数据图层 3D 地球 + WebGL 平面地图。 图层包括: • 军事部署和演习 • 灾害位置和影响范围 • 经济数据变化 • 基础设施状态(电网、港口、管道) • 航班实时追踪 跨流关联分析 系统不只是展示数据。它会自动关联: • 军事信号 + 能源价格 • 灾害信号 + 供应链中断 • 经济数据 + 市场异动 每个国家有一个"情报指数",覆盖 12 个维度的风险评分。 金融雷达 92 个股票交易所、大宗商品、加密货币,7 指标综合分析。 不只是价格,还有市场结构和资金流动信号。 谁适合用 不是所有人。 如果你只是想知道"今天发生了什么",刷新闻就够了。 但如果你需要: • 做地缘风险研判(咨询、智库) • 管理跨境业务(能源、物流、供应链) • 做宏观投资(需要对冲尾部风险) • 做开源情报研究(OSINT) 这个工具值得看。 特别是它的本地 AI 能力。所有分析都在你自己的机器上跑,数据不上传。 在地缘情报领域,这点很重要。 怎么装 两种方式。 方式一:直接下载桌面客户端 支持 macOS(ARM / Intel)、Windows、Linux AppImage。 下载地址:worldmonitor.app/api/downloa… 方式二:自己部署 git clone github.com/koala73/worldmoni… cd worldmonitor npm install npm run dev 启动后打开 localhost:5173,不需要任何环境变量。 如果想用本地 AI 分析,需要安装 Ollama。 一个细节 项目用 AGPL-3.0 协议。 个人、研究、教育用途免费。商业用途需要单独授权。 如果你想做 SaaS 或者商业化产品,需要联系作者买许可证。 这不是"免费开源随便用"那种项目。作者很明确:非商用免费,商用付费。 为什么值得试 大多数情报工具是闭源的、收费的、面向企业客户的。 WorldMonitor 是开源的,可以自己部署,支持本地 AI。 它不是给你"结论"的工具。它是给你"信号"的工具。 新闻告诉你"发生了什么"。 这个工具帮你看到"正在发生什么"——以及不同事件之间的关联。 如果你需要独立判断局势,而不是被喂结论,试试看。 项目地址:github.com/koala73/worldmoni… (github.com/koala73/worldmoni…) 在线体验:worldmonitor.app 文档:docs.worldmonitor.app
52
715
28
2,741
272,455
用 Codex + Blender + Unreal Engine 5.8 搓了一个单机第三人称武侠 Demo,跑通了从资产导出、场景搭建到战斗/支线/UI 验证的完整链路。 最大的体感是:别让 AI 去教你点编辑器里的按钮,而是把一切能代码化的环节都交给 Python 和 C++,让 Codex 直接写脚本和逻辑。 复盘一下这套工程的架构、工作流和踩过的坑 👇 一、技术栈分工:让每个工具只干一件事 这个 Demo 的核心原则是职责解耦,不把逻辑堆在蓝图里: Blender:负责侠客与 C1794 集市模型、贴图和动作制作,配合 Python 脚本一键导出 FBX 和贴图。 Unreal Python:负责资产批量导入、场景自动化搭建(布景、材质、灯光、导航网格)和自动化验证。 Unreal C++:负责全部核心玩法逻辑。 蓝图:只做最轻量的角色组件组装。 Data Asset:数据驱动,专门配置招式、敌人和试剑波次。 二、核心架构:5 个模块跑通武侠基础盘 代码结构非常克制,拆成了 5 块: 1、Core:GameMode 管角色/控制器/HUD,PlayerController 用 Enhanced Input 把键鼠和滚轮映射成操作。 2、Characters:组装移动、镜头、动画、属性、锁定和交互组件。 3、Combat:CombatRules 管连招、格挡、弹反规则;CombatComponent 在攻击生效期做碰撞检测;Attributes 管气血和内力。 4、Trial & Market:石碑负责试剑波次与胜败判定;茶商负责支线委托(接任务、拾取、交还茶包)。 5、UI:没做复杂的 UMG 嵌套,直接用 UE 原生 Canvas 手绘了宋体、墨色任务栏和宣纸风格的对白卡片,直接从角色和任务读状态。 两个关键链路的设计: 1、统一交互接口(按 E):控制器先判断当前有没有对白可以收起,没有就找最近的可交互对象。茶商、茶包、试剑石碑全部走同一套交互接口,茶商更新阶段后 HUD 直接弹宣纸卡片,非常干净。 2、招式状态机(左键出剑):CombatComponent 读取 Data Asset 里的招式配置,严格按 前摇 → 有效期 → 后摇 推进。只在有效期内做挥剑扫掠(Sweep),并对同一目标做去重,避免一刀跳出多次伤害。 三、三步走开发流:Codex 最爽的发力点 传统 UE 开发最耗时间的是“导资产、摆场景、调材质、一遍遍手动测”,这套流程用脚本把脏活全包了: 1、资产导出:在 Blender 里整理好集市和侠客模型、材质与动作,跑 export_market.py 直接吐出规范的 FBX 和贴图。 2、自动化搭景:在 UE 编辑器里跑 build_market.py,自动批量导入资产、布置集市、配好材质/灯光/导航网格,直接生成「雨歇集市」地图。 3、编译与 40 项验证:编译 C++ 后进编辑器试玩,同时配合 JSON 验证清单跑测试。上一轮针对 UI 对白与暂停、茶包支线、格挡与弹反 共计 40 项检查 已经全部通过。 四、踩坑与后续扩展建议 1、命中时机与动画速度的耦合:目前的伤害窗口是由 CombatRules 计时的,不是绑在动画 Notify 上。好处是逻辑纯代码可控,但坑在于——只要改了攻击动画的播放速度,就必须同步校准命中时机,不然手感会错位。 3、内容扩展入口:因为做了数据驱动,后续要加新招式、新敌人或新波次,直接改 WuxiaData.h 对应的 Data Asset 就能生效,不用大动底层代码。 2、换图成本:目前试剑的敌人生成点和玩家重开位置还是强绑定当前地图的,换新地图时需要手动重新校准点位。 如果你也在用 AI 辅助做 UE 独立开发,强烈建议尽早把 Blender 导出 + UE Python 建图 + C++ 数据驱动 + 验证清单 这套管线搭起来。一旦跑通,Codex 就不只是个写代码片段的助手,而是能帮你批量生产和验收游戏内容的流水线。 源码已放在评论区 #blender #AI
4
4
29
2,267
tiantian retweeted
⚠️ ATTENTION ⚠️ ⏳ 1 HOUR LEFT UNTIL MINT GOES LIVE! Get ready for the LoopAgent cycle. 🔗 loopagent.online Don’t miss out 🔥 #LoopAgent #BSC #AIAgent #Mint
8
18
1
15
2,968
看得越细越觉得,它不是不会改,是不会“看”。给具体意见能改对12条,但让它自己挑毛病,颜色、圆角、投影全漏,还为了修一个根本不存在的问题把好图裁坏。所以这工具现在的位置很明确:听指挥干活行,当验收员不行。
1
1
167
说实话,这篇最打动我的不是它58行数值全对,而是肌酐那个细节——报告上写“肌酐(Cre)”,可Cre在LOINC里查出来是耐药菌培养,人家直接判断有歧义、留空不瞎猜。现在AI问多了,啥都敢一本正经地答,反倒是这种老老实实说“我拿不准”的,才让人敢往自己身体数据上用。但毛病也真不少:整份14页PDF传进去,前面查体结论进来了33条,那3页化验单一条没读,原因是扫描页带着文字层页眉,按规则就不走OCR,得自己截成图再传。血常规22项、尿常规14项一个没对上,全卡在“白细胞WBC”这种中文直接连着缩写的写法上。2B小模型想了84秒还把一项在范围内的血糖算成超标,查表没拿到数就翻原文件,回答里也不带来源。所以这工具现在是“能用但得盯着”,好处是全程离线、数据不出门,坏处是得自己折腾、小模型又慢,认不出的写法还得靠自己提issue一行行补。但方向我觉得对了——模型再聪明,喂进去的数据是乱的,它也只能给你画条错的线。
上个月的体检报告,我交给了开源项目 Mirobody,在自己 Mac 上从读报告到回答问题全跑通了,没填一个 API key。58 行化验数值逐项对过原件,全对。可第一次上传时,化验单那几页它一条都没读进来。 装法:Homebrew 装 llama.cpp 跑模型,colima 起 Docker 跑应用,设置页选「100% 在本机运行」,用默认的小模型 minicpm5-2b,读图交给 glm-ocr。模型下载加载 6 分钟。机器是 M4 Pro、48GB,模型走 Mac 的 GPU。 第一次传整份 14 页的 PDF,1 分钟处理完,进来 33 条,全是前几页的查体和结论,化验单 3 页一条没有。翻日志,读图的模型一次都没被调用。这 3 页是嵌在 PDF 里的扫描图,页眉页脚却是文字,按文档写的规则,有文字层的页不走 OCR。 我把这 3 页截成图片单独传,一分半处理完,58 行化验结果全进来了,数值和原件逐项对得上。错了 3 处小地方:红细胞的参考范围多读出一个「1」,一个项目名丢了个字,甘油三酯旁边印的上箭头没记下来。 Mirobody 主要干的事,是把每条读数对到标准编码 LOINC,不同医院、不同写法的同一项才能连成一条线。这 58 行对上了 20 行。生化、甲功、糖化基本都对上了,单位不同还会选不同的编码;血常规 22 项、尿常规 14 项一项没对上,卡在「白细胞WBC」这种中文直接连着缩写的写法上。 最有意思的是肌酐。报告上写的是「肌酐(Cre)」,而 Cre 在 LOINC 里查到的是一种耐药菌的培养检查。它判断这个名字有歧义,就留空,没有瞎猜。 然后我问它:「我这次体检有哪些指标超出了参考范围?」2B 小模型想了 84 秒,走了 11 步。报告上标了箭头的 5 项全找到了,但把一项在范围内的血糖也算成了超标。它查表没拿到数值,转头去翻了原文件,回答里的数字也没带来源链接。我的血脂和肝功能确实有几项偏高,具体数值就不放了。 接 Claude Code 这一步,我换成了项目自带的演示账号。MCP 接上以后,Claude Code 查到的读数会发到 Claude 的服务器,所以这一步没用我自己的数据。问它「胆固醇这几年怎么变的」,只有一条记录的时候,它直说看不出变化,没编趋势;我再传两份合成报告(一份 PDF、一份 CSV,写法不完全一样),三次读数被认成同一项,按日期排好,每个数字都标了出自哪个文件。 ChatGPT Health、阿福是厂商的云服务,注册就能用。Mirobody 是 Theta Health 开源的(Apache-2.0),国内的网页版和微信小程序也基于它。开源版能把记录和模型都留在自己电脑上,代价是得自己折腾,小模型也慢。它不做诊断,那次回答最后一句也是让我拿报告去问医生。 认不出的写法可以去提 issue,它的词表就是这么一行一行补起来的。 github.com/thetahealth/mirob…
135
tiantian retweeted
⚠️ ATTENTION ⏳ 6H TO MINT 🔗 loopagent.online Ready for the loop 🔥 #LoopAgent #BSC #AIAgent
6
15
1
17
2,504
中国历史上最伟大人有哪些?排名下 @grok
1
178
tiantian retweeted
중국의 한국에 대한 이번 최혜국 대우 합의는 한중관계의 전면적 실질적 복원을 넘어, 한중관계의 새로운 미래를 만들어나가는 토대가 될 것입니다. 대중협상에서 큰 역할을 해 준 우리 정부 공직자 여러분 수고 많으셨습니다. 감사드립니다. 국민여러분께서도 맡은 일 잘 해낸 외교부 문화체육부 산업부, 청와대 안보실 정책실 등 공직자들을 많이 격려해 주십시오.
1,496
1,851
345
15,935
1,542,286
tiantian retweeted
🚀 LoopAgent Update Announcement 🕒 Launch Time: Nov 19, 11:00 UTC | 19:00 Beijing Time 🌐 Official Website: loopagent.online 🔗 Referral binding is open now ⚙️ Update Highlights ✅ All historical referral links retained, no impact on user benefits ✅ Brand-new UI, smoother interaction ✅ Two-way referral commission mechanism live 🔥 ✅ Equal Mint Bonus: Extra mint amount matches your direct referral volume ✅ 2-level burn reward rules remain unchanged ♻️ Building the on-chain loop ecosystem, Keep Building 🧱 #LoopAgent #BSC #AIAgent
🎁福利来啦!为庆祝LoopAgent即将上线,社区空投开启,150U由10位幸运伙伴瓜分✨ ✅参与方式: 1️⃣ 关注官方账号 2️⃣ 转发本条推文 3️⃣ 评论区留下BSC地址 Mint→Burn→Share 链上闭环🔥 销毁不是归零,是新一轮循环的起点 BSC首个金融循环Agent ⏰开奖时间:发射后24小时 #LoopAgent #BSC #AIAgent #链上AI
36
15
30
52
14,747
英伟达董事会有多少人?他们占有多少股份?他们的董事席位怎么获取?@grok
2
193
把不同医院、不同语言的体检报告直接丢给通用 AI,它往往能说得头头是道,但真要看多年变化趋势时很容易接不上。 原因不在模型不够聪明,而在底层数据没对齐——国外化验单上的胆固醇写的是 mg/dL,国内体检报告写的是 mmol/L,各家医院对同一项指标的叫法也不一样。指标名和单位没有先说同一种语言,模型再强也画不出一条准确的趋势线。 最近研究了开源项目 Mirobody(Apache-2.0 协议),它的思路很务实:先把健康数据做成 AI 读得懂的标准记录,再接入对话。 从官方公开的文档和评测资料来看,它有几个扎实的设计: - 跨语言与单位归一:把常见体检指标对齐到国际通用的 LOINC 2.83 标准(切出 63,416 个编码,归一名称共 1,023,273 条,覆盖 21 种语言并包含 22,578 条中文别名),单位按 UCUM 自动换算。公开测试集中,常规体检项目在 6 种语言写法下的 347项识别全部通过,也支持繁体中文。 - 多源整合与数字溯源:支持将体检报告(PDF、照片、表格)、Apple Health 导出和常见基因文件(23andMe、AncestryDNA、WeGene、VCF)汇总成同一份档案。AI 回答里的每一个数字都会标明来源,点开能直接对照原始报告。 - 本地部署与 Agent 接入:支持 100% 本地部署;如果你平时用 Claude Code,无需部署、不用 Key,一条命令就能把本机作为 MCP Server 接进去统一指标名称与单位: claude mcp add mirobody -- uvx --python 3.12 mirobody mcp(提醒:如果接入 Claude Code、Cursor 等云端工具,相关记录会发送给对应的模型服务商;设置里生成的接入链接等同于密码,截图或录屏前务必打码。) 目前该项目在 GitHub digital-health 话题下星标排名第一(2026 年 11 月)。 如果你也想先直观看看效果,可以直接打开官方中文 Demo(里面内置了 2 位虚拟成员的 2,019 条测试数据,点预设问题就能看完整回答和溯源过程),或者自己拉下来跑一遍;觉得有帮助欢迎去 GitHub 点颗 Star,有想法也可以提 Issue 或 PR: - 中文 Demo:chat.mirobody.cn/demo - 项目地址:github.com/thetahealth/mirob…
🤝 Paid partnership
40
4
4
38
849
Over the past week, I’ve been overwhelmed by the love and support of friends, industry colleagues, and people I've never met. Thank you to everyone who has shown kindness to my family and me. It means the world to me. I came to the United States 53 years ago, and becoming an American citizen is one of the greatest gifts and proudest moments of my life. NVIDIA has been my life’s work. Building it into the company it is today alongside my colleagues has been a privilege and an honor. Nowhere but in America could a company like NVIDIA be possible. I love our country, and I love NVIDIA. I did not live up to the standards expected of everyone at NVIDIA, and I have made serious mistakes in my personal life. I created problems for the Board that I deeply regret. I own my mistakes completely, and I am committed to cooperating with the Board’s independent investigation. Since my departure, I’ve seen an outpouring of calls from NVIDIA’s employees, investors, business partners, and customers for me to return as CEO. Many continue to reach out to me directly as the company navigates complex technology, market, competitive, and geopolitical dynamics. NVIDIA is a once-in-a-generation company. If the Board of Directors decides that my return is in the best interest of our shareholders, our employees, the company, and America, I would be honored to answer these calls and return as CEO. Thank you again to everyone who has shared their good wishes. I am profoundly humbled by your support. To my family: I love you, and I will spend the rest of my life being worthy of yours. Jensen
60,838
121,685
24,479
1,173,504
58,423,914
我就佩服孙哥脸皮厚、心宽! 币圈风浪这么多年,多少曾经不可一世的大佬都进去了或者凉透了,只有他永远在风口浪尖,永远热泪盈眶,永远把每次危机都变成自己的流量密码。 别人是怕被骂,他是怕没人骂。 在“把舆论玩明白”和“钝感力”这块,确实没人能卷得过他。
我很尊重东哥,也尊重京东这些年走出的路。我前一条只是在说两种不同的企业增长模式,都有自己的前景。大家对我的批评我都收到了!虚心整改!东哥永远是我大哥!
181
tiantian retweeted
健康对每个人来说都是个重要的问题,但我们往往对这个问题没有持续的关注——除了生病或真正发现问题的时候。 我们习惯把照片、文档、项目备份在手机、云端、硬盘里,却常常忽略最该留存的东西:自己的健康记录。体检锁在医院系统、运动数据困在各家 App、纸质病历压在抽屉、长辈的检查单据随手乱放。等到需要复盘、对比的时候才发现,这些记录四散各处,很难凑齐一条完整的时间线。 健康这件事,最怕的不是某一次指标异常,而是缺少连续、可追溯的长期数据。再强大的 AI,没有你的专属数据,输出的也只是泛泛的通用建议;只有把零散记录结构化沉淀下来,AI 才有机会建立属于你身体的长期视角。 这也是我最近一直在看开源项目 Mirobody 的原因。它的定位是 AI 健康数据引擎。 PDF、照片、表格体检单、Apple Health 导出记录、WeGene / 23andMe / VCF 基因文件都能导入,把分散的健康资料统一整理成 AI 可读的档案。支持 100% 本地部署,可对接任意 AI 模型,模型、提示词、工具都能换,每一项指标都可以回溯到原始文件。自己部署时,数据控制权完全留在自己手上。我用自己的一份体检数据上传进行了测试,实测下来 PDF 解析稳定性不错,图片版报告依靠 OCR 识别,会需要多一点耐心。 它还有一个很适合家庭使用的特点:可以邀请家人共同管理档案,也可以帮不熟悉智能手机的长辈代管健康资料。这一点非常吸引我。 持续沉淀的数据,是未来 AI 真正读懂你的基础。 Mirobody体验方式 👇
🤝 Paid partnership
51
9
13
39
3,094
tiantian retweeted
Thanks to all community frens for your understanding, patience and support 🙏 After iterations and system reconstruction, the new Loop Agent version is ready to launch 🕒 Launch Time: 11:00 UTC, Nov 18 (19:00 Beijing Time) Update Highlights: ✅ Brand-new UI upgrade, clean visuals & smoother interaction ✅ Revamped invite system with two-way commission, builders share ecosystem gains 🔥 We will bring more fun and innovative on-chain gameplay, build alongside the community and keep creating value. Keep Building 🚀 #LoopAgent #BSC #AIAgent
⚠️ OFFICIAL UPDATE|LoopAgent 🛠️ We are undergoing system upgrades and ecological optimization, to make the product more stable, gameplay more fun, and rewards more efficient. Building never stops 🚀 The relaunch time will be announced in advance on our official X account. Stay tuned! #LoopAgent #BSC #AIAgent #Web3
5
6
12
1,746
币圈最终资金的归属是金三胖。 散户研究K线,VC研究解锁,交易所研究手续费,朝鲜黑客研究大家的钱包。 你赚我的,我赚他的,他融机构的。大家忙了一圈,人家三胖直接来提走。 Chainalysis统计,2025-2026年朝鲜关联黑客盗走了至少100亿美元加密资产。 最讽刺的是:一个以摆脱中心化金融为理想的行业,攒起来的财富,却成了高度集权政权眼里的提款机。
1
1
200
【分享】《过来人》(黄仁勋版)| 黄仁勋、乔布斯、贝多芬、马斯克、李白、杜甫、苏轼出演
2
1
240
阿里刚发布的 Qwen4-Max 预览版代码与空间推理到底有多强? 我们直接上了一道硬核考题:不使用任何现成 3D 资产和预设动画,单靠一句提示词,纯代码手搓一套「实时 3D 六足机械机器人交互实验室」。 效果一般,界面和功能有点简单,感觉好不如 ds 4.1 1107 。
4
3
815
提示词: 制作一个实时 3D 六足机械机器人交互场景。 要求: 1. 六条腿,每条腿有三个刚性连杆和明确关节。 2. 使用逆运动学控制脚端,不得拉伸连杆。 3. 实现交替三足步态,支撑阶段脚端在世界坐标中不得明显滑动。 4. 可调节步速、步幅和机身高度。 5. 可切换平地与起伏地形,脚端根据地形高度落脚。 6. 支持机身透明、关节轴显示、脚端轨迹显示。 7. 可暂停与单步查看步态。 8. 设计具有辨识度的机身、金属与橡胶材质和舞台灯光。 9. 明确参数可达范围,超出工作范围时限制输入或解释失败。 模型和运动必须程序生成,不使用现成机器人资产或动画。 交付可运行网页、源码和运行说明。
51
DeepSeek-V4.1-Flash-1017 的“六足机器人”效果炸裂! 个人觉得比 GPT 6.1 和 Argon 都要好!总共花 0.5 元,7 分钟,又快又便宜!
38
HX-06 六足机器人由最新发布的 Kimi 3.1 Pro 生成!🤖✨ 六足三连杆 IK、交替三足步态、起伏地形、透明机身、足端轨迹……没有现成模型和预置动画,直接交付可运行网页、源码与说明,68 项单元测试+8 项浏览器测试全部通过。 最让人惊艳的是 Kimi 3.1 Pro 的完整工程能力: 写得了运动学算法,搭得好 3D 场景,还能处理交互、跑测试、查问题、优化视觉。 不是只给代码片段,而是把一句构想一路做成能运行、能交互的作品,确实有点“模型即工程师”的味道了。🚀 唯一的缺点就是有点贵! #Kimi #Kimi3_1Pro #ThreeJS #WebGL #机器人 #AI编程
70