@vista8

我做了个skill，支持飞书机器人之间稳定相互at，支持自定义停止方式，比如x轮、手动停止。并且内置了自由讨论、头脑风暴、评审、辩论4种模式。支持跨openclaw、Hermes的机器人相互at，可以试试。就算用不上，我把飞书机器人at的坑踩过了，也可以看看，哈哈：github.com/iamkentzhu/lark-b…

写了一个微信读书可视化报告skill：yao-weread-skill，已开源到GitHub 它可以把微信读书数据，生成一份本地可视化读书报告，包括： 1、近2年阅读时长与节律 2、书架书籍分析 3、阅读分类、作者、出版社偏好 4、笔记、划线、想法语义分析 5、词云、热力图、雷达图等 26 个图表 GitHub地址： github.com/yaojingang/yao-op…

1/5 MiniCPM-V 4.6 (1.3B) is now live 🚀🚀 High-res visual processing, optimized for consumer-grade and mobile hardware. We’ve leveraged the latest LLaVA-UHD v4 technique to cut vision encoding costs by 55%, enabling native edge deployment with extreme efficiency. 🔥 Beats Gemma4-E2B-it and Qwen3.5-0.8B across key multimodal and Artificial Analysis benchmarks — scoring higher than Qwen3.5-0.8B using just 2.5% of its token budget. ⚡ TTFT (75.7ms) 2.2x Faster than Qwen3.5-0.8B even with 3136² high-res images. 🏗️ ~1.5x Token Throughput compared with Qwen3.5-0.8B on a single RTX 4090. Try the model here: 🤗 Hugging Face: huggingface.co/openbmb/MiniC… 💻 GitHub: github.com/OpenBMB/MiniCPM-V 🔭 Modelscope: modelscope.cn/models/OpenBMB… 🌐 Web Demo: huggingface.co/spaces/openbm… 📱 App Demo: github.com/OpenBMB/MiniCPM-V… Video

让一百个人爱上你的产品，好过让一百万个人“有点喜欢”你的产品。 创业以后，特别认可一句话叫“优秀是卓越的阻碍”。就是说，一个很“优秀”的人，一个很“优秀”的产品很难有动力去把事情做到最后一公里。真正做出好东西的founder，很少有履历一路坦途的985高学历大厂高管。 他们会因为“优秀”的退路太多走向平庸。 在@paulg 那里，这也是老生常谈的所谓“Do things that don't scale”. 做东西不能一开始就求快。 所以，我们思前想后，还是给bridge上了邀请码。因为我们真的想与第一波用户产生深度的联系，和早期的用户学习一下，有哪些事情是“只有bridge能做好”的。 Vibe working tool. 需要在早期有个好点的氛围。 本条推前一百个留言的人，我会送自带管饱token的 bridge 激活码

前段时间参与了 Doubao-Seed-2.0-lite 0428 内测。 这个版本升级，增加了音频理解，能同时支持图片、视频、音频、文本四种输入，成为豆包大模型家族首款全模态理解模型。 除了全模态理解，据说 Agent、Coding、GUI 能力这次也都有明显提升。 拿 API 做了一些测试，分享几个场景：前端动效复刻、视频Hooks建议、字幕识别等 案例见后续 Thread

🧪 10M Token Bill Challenge · How to Enter Prize: 30 winners, each receiving 10M OpenRouter credits Timeline: Opens May 7 · Closes May 17 · Winners announced May 20 Submit on X Quote-retweet this thread with your token bill and a one-line takeaway, tag @OpenSquilla, and use #10MTokenChallenge. Tracks: 🥇 Task Reproduction: Pick 3 out of 5 official reference tasks — build a web/mini app/plugin, create a data dashboard, generate an infographic, make a slide deck, or complete a research analysis — and compare OpenSquilla vs another agent 💰 Best Savings Case: Use a real task from your daily workflow and show who saves more while maintaining quality 🐛 Quality Bug Report: Submit a high-quality GitHub issue Comparison rules: ✅ Leverage OpenSquilla with cheap tokens to outperform Opus 4.7 agents ✅ Run each task at least 3 times per side ✅ Record input tokens / output tokens / $ cost / pass or fail ✅ Include your prompt, result table, quality notes, and raw logs We are moving beyond token burning. We incentivize cost-effective, useful, and reproducible agent outcomes.