I雨木 @ByteRender

2008年以来移入加拿大的移民人数。请注意2015年左右的增长。

Huh, so that's why text is called a string

One of the most underrated CSS props is definitely scroll snapping, it feels insane to me that these carousels are possible with CSS alone 🤯 This just went live on @AtoBeach - meaning gesture support now works! 🥳

Years of building React Native apps means years of figuring out what actually works. ⚛️ And we finally poured our knowledge into the official Software Mansion's skills.  Install them with:  npx skills add software-mansion-labs/skills

New card opening animation + new liquid glass interface looks neat ✨ It took longer than expected, but we crafted everything to achieve the best possible result. See in the next Trip Way update.

ok @Apple it‘s time to hire me fr now

停止把 Figma 当终点，用它当桥梁 X上的博主 Frederik 最近分享了一个工作流的转变，让我想起自己走过的弯路。很多人把 Figma 当成设计的终局，反复在里面打磨像素和交互，然后才开始写代码。但他的做法完全反过来。 核心洞察很简单：Figma 应该是中间步骤，不是目的地。他的流程是先写 PRD，快速用 Claude Code 搭出粗糙的可用版本，再用 AI 设计工具（Variant.ai 或 Superdesign）生成设计方案，最后才把设计导回 Figma。关键是这一步：当你给 Claude Code 一份 Figma 设计和已有代码，它能基于真实设计来实现，而不是根据你的文字描述瞎猜。这个差别巨大。 为什么这套流程更高效？因为你先确保功能和逻辑是通的，用户能实际操作。设计不再是想象中的优美，而是为了修饰一个已经存在的东西。我自己最近也在实践这个思路，同时有意识地参考 Material Design 和 Apple HIG，不是把这些规范当教条，而是让 AI 工具去处理那些可以自动化的部分。 这样做的好处是你能更快验证想法，设计决策也更有根据。 原文链接：x.com/froessell/stat…

✌︎ frederik ✌︎ @froessell

3 months ago

x.com/i/article/2030…

18 40 546 64K 1K

同一个项目，有人断断续续做一年，有人两周高强度就能搞定。 Musk 接手推特后，一周内完成了裁员和组织重塑。 一个北邮大二学生，10 天写完一个事件预测的 multi-agent，拿到陈天桥 3000 万人民币风投。 这些人的共同点，是能把别人一年的干活密度压缩进两周。 所以他们活该拿千万年薪。

Introducing HeroUI v3 🔥 A complete rewrite for React. A brand-new library for React Native. 🌐 Web → 75+ components, 21 new 📱 Native → 37+ components, built from scratch 🎨 Styling → Tailwind CSS v4, CSS variables, OKLCH, BEM ⚡ Performance → CSS animations, no JS runtime ♿ Accessibility → React Aria Components 🧩 Architecture → Compound components, headless-ready 🤖 AI → MCP Server, Agent Skills, LLMs.txt 📎 Figma Kit v3 with 1:1 component parity One design system. Beautiful everywhere.

我现在越来越少关注两类账号：一类大部分内容都是二手信息，源头信息自己用 AI 翻译、摘要一下其实就够了；另一类靠制造焦虑来维持注意力。很多内容看起来像信息，实际上卖的只是情绪。相比之下，我还是更愿意看那些真正做过东西的人：有独立作品，有技术背景，或者有创业经验。

web 动效有福了 github.com/greensock/gsap…

推荐 Top10：面向 前端 / 产品 / UI 的 Agent Skills 这 10 个 Skills 考虑到设计落地频率、对视觉/交互质量的直接提升、在 Codex/Claude Code 等的高复用性。 1. frontend-skill 来自 OpenAI，适合做 landing page、品牌页、demo 页。强项是视觉论点、内容节奏、首屏质量。 github.com/openai/skills/… 2. frontend-design 来自 Anthropic，更偏“高完成度、强风格”的前端设计实现。适合你想把页面做得更有辨识度时用。 github.com/anthropics/ski… 3. figma-implement-design 来自 OpenAI，设计稿到代码的核心 skill。凡是产品/设计/前端协作，这个都应该是常用项。 github.com/openai/skills/… 4. web-design-guidelines 来自 Vercel，做 UI 审查非常强。可访问性、表单、动效、排版、交互细节，都能系统性补漏。 github.com/vercel-labs/ag… 5. react-best-practices 来自 Vercel，如果你做 React / Next.js，这个基本必装。它提升的是“实现质量”和“性能质量”。 github.com/vercel-labs/ag… 6. playwright 来自 OpenAI，前端不是只写代码，还要验证真实浏览器行为。这个是 UI 流程调试和回归检查的通用执行层。 github.com/openai/skills/… 7. webapp-testing 来自 Anthropic，比 playwright 更贴近日常本地应用验证，适合检查页面行为、截图、日志和交互回归。 github.com/anthropics/ski… 8. canvas-design 来自 Anthropic，适合更自由的视觉探索、展示型页面、画布式交互或概念设计，不是每个项目都需要，但做创意产品页很有价值。 github.com/anthropics/ski… 9. brand-guidelines 来自 Anthropic，如果你在做官网、营销页、设计系统、品牌一致性，这个比单纯“写 UI”更上层，适合产品/品牌协同。 github.com/anthropics/ski… 10. vercel-deploy-claimable 来自 Vercel，严格说它不是设计 skill，但对前端/产品工作流非常关键。做完页面立刻可部署预览，反馈闭环会快很多。 github.com/vercel-labs/ag… - 怎么选？- · 偏品牌官网/营销页：frontend-skill、frontend-design、brand-guidelines · 偏产品 UI/设计稿还原：figma-implement-design、react-best-practices、web-design-guidelines · 偏交互验证/可用性：playwright、webapp-testing · 偏创意探索：canvas-design

这个号称完美主义者的 UI 框架细节确实到位，包括这种带 Icon 的按钮左右间距看起来视觉不平衡的细节都考虑到了，AI 是真的做不到这个程度啊 chainlift.io/liftkit

Anthropic 官方搞了个免费学习中心，13 门课，学完直接发官方证书，不要钱不限时。 课单比我想的硬核得多： Claude 基础、Claude Code 实战、Claude API 开发（光这一门就 8 小时+的量）、MCP 入门和进阶、Agent Skills 开发，还有 AWS Bedrock 和 Google Vertex AI 上的部署。 做 crypto 链上分析的人重点看 MCP 那两门课。学完你就知道 OKX 和 Binance 那些 AI agent Skills 底层是怎么连起来的了，自己搭链上自动化工具的门槛直接砍一半。 怎么进去： ① 打开入口，链接我放在评论区了 ② 选课直接开始学，注册就行不要钱 ③ 每门课学完有测验，过了就拿证书 这个东西出来快两周了，但身边很多人完全没发现。Anthropic 自己也没怎么宣传，要不是在 Reddit 上刷到我也差点错过。对英语听力有一定要求，英语不好的人可以让 ai 进网页爬视频下来加中文字幕。

Andrej Karpathy整的新活儿，不出意外应该是他用前几天刚刚弄好的AutoResearch做的。 他扫描了全美342个行业的143万个职位，用可视化的方式呈现了它们被AI取代的可能性（1-10），绿色的代表不容易被替代，红色代表容易被替代。目前整体平均值是4.9， 意味着一半左右的职位都是危。 网址在这里：karpathy.ai/jobs/

Kaito | 海斗 @_kaitodev

3 months ago

5 minutes ago, @karpathy just dropped karpathy/jobs! he scraped every job in the US economy (342 occupations from BLS), scored each one's AI exposure 0-10 using an LLM, and visualized it as a treemap. if your whole job happens on a screen you're cooked. average score across

950 2K 12K 3.6M 13K

GLM-OCR 这个 0.9B 的 SOTA 模型。 评测看起来比某度的PaddleOCR还强，精准度直逼 Gemini Pro。 - 1.5GB 显存即可驱动（量化后不到 1GB）。 - 支持 Ollama、vLLM、LM Studio 一键部署。 - 完全离线，100% 数据隐私。 一行命令运行：ollama run glm-ocr 谁去测测实际效果咋样😂 github.com/zai-org/GLM-OCR

Augment Code 重写了工程师招聘标准，读完很有感触。 他们的结论：写代码不再是核心竞争力。 Agent 已经能承担大部分实现工作。现在最值钱的工程师，是那些能做判断、定义正确问题、驾驭 AI 的人。 他们总结了 6 个新维度： 1. 产品感和结果品味 在动手之前，能搞清楚「做什么」比「怎么做」更重要。代码越来越便宜，做错事的成本反而更高了。 2. 系统与架构判断力 AI 能写出跑得动的代码，但判断系统长期是否健康，仍然需要人。"It works" 容易，"It will keep working in production" 难。 3. Agent 杠杆能力 不是「用 AI 帮我写」，而是「把问题拆解好，让 Agent 高效执行，然后发现它在哪里飘偏了」。你的 AI 下属跑得极快，但偶尔会非常自信地犯错。 4. 沟通与协作 实现变快之后，瓶颈转移到了「达成共识」。最快的团队不是写代码最快的，是最快把事情想清楚的。 5. 主人翁精神 不只是执行，是端到端负责。看到问题就管，哪怕不在自己职责范围内。 6. 学习速度和实验心态 今天的工具三个月后可能就换了。能持续实验、快速迭代、果断放弃——才是真正的护城河。 ─── 有意思的是，这 6 个维度正在反哺他们的绩效评估和晋升体系。 招聘标准变了，意味着对「优秀工程师」的定义也在变。 你觉得自己在这 6 个维度里，哪个最弱？ augmentcode.com/blog/how-we-hi…

我们的AI作品集出炉啦！ 这是我们 2xLabs 近半年的心血总结 汇集了已上线及未公开的视觉方案， 其中涵盖：影视、剧集、2D动画、CG动画， 以及各种特效领域。 所有画面 100% 纯AI生成！ 原创音乐：束丹年 🤖 感谢大家长期以来的关注与支持❤️ 🔥 Our AI showreel is finally out! A culmination of our hard work at 2xLabs over the past 6 months. Bringing together both released and exclusive unreleased visual solutions, covering: Films & TV series, 2D & CG animation, and various Visual Effects (VFX). All visuals are 100% purely AI-generated! Original Music: Dannian Shu 🤖 Thank you all for your continuous support! ❤️ #2xLabs #AIVideo #AIFilm #GenerativeAI #AIAnimation #VFX #Showreel #Kling #可灵AI #Dreamina #即梦 #Sora #Runway #AIart #Seedance #Grok

🇯🇵 在日本生活体验测评 很多人问在日生活的真实体感，如果你是高度人才（Highly Skilled），其实是一个“零成本的看涨期权”。总结几点真实感受： 1. 极致的“局外人”红利 在这里，你永远是外人。但这其实是件大好事。社会对同胞极其苛刻（出る釘は打たれる），但对优秀的外国人却充满职业尊重的宽容。只要保持基本礼貌，你就能跳出繁琐的读空气社交，享受“制度红利”而不受“道德绑架”。 2. 购买力降维打击 拿着外企的工资（尤其是带 RSU/ESPP 的），在日本就是降维打击。在纽约只能租 Studio 的钱，在东京能住进带前台、健身房、俯瞰城市夜景的 Tower Mansion。这不仅是汇率差，更是惊人的实际购买力（PPP）。 3. 医疗与资产的“护城河” • 医疗： 全球顶尖的普惠医保。无论生多大的病，个人负担月封顶仅 8-16 万日元。生老病死不再是消灭中产的黑洞。 • 理财： 新 NISA 和 iDeCo 的额度极其慷慨。相比美国，这里的资本利得税和免税政策对长期指数投资者非常友好。 4. 规则明确，点击就送的 PR 日本的“高度人才”积分制逻辑极其透明。只要达到标准，永驻（PR）几乎是“点击就送”。相比于其他国家的排队煎熬，这更像是一个零成本、高确定性的保底选择。 5. 这种“卷”法对消费者是天堂 这里的服务业卷到了极致： • 食材： 街头随便一家寿司店，鲜度可能都是世界顶尖。 • 基建： 随时随地有干净且纸张充足的厕所。 • 安全： 凌晨两点的便利店、车里敢放行李箱的治安、虽然有“坏区”但绝不送命。 6. 仪式感与“无用之美” 日本有大量的反优化逻辑。它是高度仪式化的（highly ritualized），处处可见无用之美。无论多小众的爱好，都有深厚的产业链支撑——你甚至能买到成色如新的 70 年代徕卡或黑胶，这种对旧物的“变态维护”是精神寄托。 7. 顶级避难所：巨大的养老院 比起上海的焦虑和纽约的混乱，东京更像是一个运行完美的“巨型养老院”。这里没有明显的 Hustle Culture，只有极致的 Professionalism（职业素养）。它给所有阶层都提供了一个极高的生存底线。 8. 灵活的身份切换 必要时，你是熟知潜规则的“日本通”；想避开麻烦时，你就是“不懂规矩”的外国人。这种身份的灵活跳跃，让你在社会运行的缝隙里游刃有余。

这哥们儿直接黑进了苹果没公开的传感器接口 ？？？读取 Apple Silicon MacBook 上未公开的 MEMS 加速度计和陀螺仪 你的 MacBook（M1/M2/M3/M4/M5）里面藏着一个MEMS 加速度计 + 陀螺仪，由 SPU（Sensor Processing Unit）管理。苹果没告诉任何人，API 文档里也没有。但 physically 它就在那，可能是 Bosch BMI286 芯片。 这项目能干什么？ 通过 IOKit HID 直接读原始数据： • 加速度计 - 3 轴加速度，~800Hz 采样 • 陀螺仪 - 角速度，同上 • 开盖角度 - 是的，还能检测屏幕打开多少度 • 环境光传感器 - 同一接口顺便读了 如果你把手腕放在触控板附近，还能测心率（心冲击描记法 BCG） github.com/olvvier/apple-…