用 Cursor 挺久了，最近从零到一一起做了稍微复杂一些的 monorepo 项目，针对这种类型的项目分享自己的一个非常实用的经验：
针对中大型项目，在项目架构稳定之后，针对自己项目的结构，让 Cursor 生成一个包含项目架构图的 cursor rule，它解释了整个项目的架构，然后在后面添加各种 feature 的时候都可以带着这个 rule，会大大节省和解放时间，让它更了解你的复杂项目，提升 AI 的准确率，是一个我认为到现在为止非常实用的技巧，没有这个 rule 的情况下， 如果没有添加足够上下文的，AI 经常会胡乱添加很多没用的文件。
今天发现另外一个英文推也用了这个rule，看来是一个非常常用的技巧。
互联网充电站
针对中大型项目，在项目架构稳定之后，针对自己项目的结构，让 Cursor 生成一个包含项目架构图的 cursor rule，它解释了整个项目的架构，然后在后面添加各种 feature 的时候都可以带着这个 rule，会大大节省和解放时间，让它更了解你的复杂项目，提升 AI 的准确率，是一个我认为到现在为止非常实用的技巧，没有这个 rule 的情况下， 如果没有添加足够上下文的，AI 经常会胡乱添加很多没用的文件。
今天发现另外一个英文推也用了这个rule，看来是一个非常常用的技巧。
互联网充电站
创业小团队或个人独立开发者的财务管理，用 Excel 容易出错，而用商业软件，动不动就是按月订阅，不仅贵，功能也复杂大多用不上。
在 GitHub 上找到了 Frappe Books 这个开源财务管理工具，可完全本地化使用，专为中小企业和自由职业者设计。
采用复式记账法确保账目准确，提供发票管理、账单处理、收支记录等核心功能，还内置销售点系统方便零售业务。
GitHub：https://github.com/frappe/books
最大亮点是支持离线工作，断网也能正常记账，有网后自动同步。财务报表包括总账、损益表、资产负债表、试算平衡表等一应俱全。
支持 Windows、macOS 和 Linux 跨平台安装，开箱即用。如果我们只想安安静静把账算清楚，这个小而美的工具值得一试。
互联网充电站
在 GitHub 上找到了 Frappe Books 这个开源财务管理工具，可完全本地化使用，专为中小企业和自由职业者设计。
采用复式记账法确保账目准确，提供发票管理、账单处理、收支记录等核心功能，还内置销售点系统方便零售业务。
GitHub：https://github.com/frappe/books
最大亮点是支持离线工作，断网也能正常记账，有网后自动同步。财务报表包括总账、损益表、资产负债表、试算平衡表等一应俱全。
支持 Windows、macOS 和 Linux 跨平台安装，开箱即用。如果我们只想安安静静把账算清楚，这个小而美的工具值得一试。
互联网充电站
#出海运营秘籍👉@yunying23
想了想我大多数时间不是花在解决玄学的支付问题就是研究流量和其转化问题，低成本搞到流量➕能收款才是我的关注点，而不是任何技术讨论和参加活动跟人聊点子。
这年头点子不值钱，怎么低成本无成本搞量才是高价值。
想了想我大多数时间不是花在解决玄学的支付问题就是研究流量和其转化问题，低成本搞到流量➕能收款才是我的关注点，而不是任何技术讨论和参加活动跟人聊点子。
这年头点子不值钱，怎么低成本无成本搞量才是高价值。
mark一下今天少楠老师鹅厂的分享，很有收获
少楠老师的对话节奏也令人很舒适。
1. 知识管理从“分类存储”转向“上下文生成”
核心观点：过去知识管理关注如何保存、分类、检索；AI 时代更重要的是如何从内容中提取结构、发现维度，并生成新的观察视角和主线。
2. 关于skill的理解：Skill 是人与 AI 协作的接口
核心观点：Skill 不只是工具能力，而是一种协作约定。它定义 AI 如何处理内容、输出结构、遵守边界，并让下一次调用可以延续上下文。
3. 未来知识的来源讨论：未来知识可以直接从 AI 对话中提取，很多重要思考已经发生在和 AI 的对话里。问题不是要不要保存聊天记录，而是如何从对话中提取：观点、决策、偏好、反复出现的问题等
4. 标签不再只是分类，而是自主进化的系统:在 agent.md 里定义标签，意味着标签不是静态目录，而是一套会随着内容增长不断调整的聚合规则。标签的作用从“我手动分类”变成“系统帮我发现维度”。
5. flomo 的记忆机制：flomo 的记忆不是简单保存，而是从用户主动捕捉的内容中提取、聚类、导出。它和 Gemini 那种“该记不该记都记”的方式不同，flomo 更强调：帮助用户主动捕捉值得记的东西。
6. 知识的记忆与学习：记忆的本质是注意力的投射：“记”不是存储，而是注意力落在某个信息上，并把它转化为未来可调用的结构。所以产品设计的核心问题变成：
- 如何制造适度摩擦，让大脑参与消化？
- 如何区分“值得记”和“只是经过”？
7. AI 时代产品经理的关键能力是判断与节奏管理。
AI 执行速度太快，会放大细节、制造噪音，也会消耗人的注意力。因此人的核心能力不是一直执行，而是判断什么值得验证、什么时候该停、探索节奏如何控制。
包含要点：
- AI 一旦开始执行，会立刻展开大量实现细节。
- 人容易被带入具体框架，忘记原始问题。
- 更重要的是判断什么思考值得验证。
- 有些事情暂时不该做，甚至需要约束 AI 不要马上执行。
- AI 工具和范式持续变化，长期追新很耗能。探索应围绕自己的真实问题，而不是追所有变化。
少楠老师的对话节奏也令人很舒适。
1. 知识管理从“分类存储”转向“上下文生成”
核心观点：过去知识管理关注如何保存、分类、检索；AI 时代更重要的是如何从内容中提取结构、发现维度，并生成新的观察视角和主线。
2. 关于skill的理解：Skill 是人与 AI 协作的接口
核心观点：Skill 不只是工具能力，而是一种协作约定。它定义 AI 如何处理内容、输出结构、遵守边界，并让下一次调用可以延续上下文。
3. 未来知识的来源讨论：未来知识可以直接从 AI 对话中提取，很多重要思考已经发生在和 AI 的对话里。问题不是要不要保存聊天记录，而是如何从对话中提取：观点、决策、偏好、反复出现的问题等
4. 标签不再只是分类，而是自主进化的系统:在 agent.md 里定义标签，意味着标签不是静态目录，而是一套会随着内容增长不断调整的聚合规则。标签的作用从“我手动分类”变成“系统帮我发现维度”。
5. flomo 的记忆机制：flomo 的记忆不是简单保存，而是从用户主动捕捉的内容中提取、聚类、导出。它和 Gemini 那种“该记不该记都记”的方式不同，flomo 更强调：帮助用户主动捕捉值得记的东西。
6. 知识的记忆与学习：记忆的本质是注意力的投射：“记”不是存储，而是注意力落在某个信息上，并把它转化为未来可调用的结构。所以产品设计的核心问题变成：
- 如何制造适度摩擦，让大脑参与消化？
- 如何区分“值得记”和“只是经过”？
7. AI 时代产品经理的关键能力是判断与节奏管理。
AI 执行速度太快，会放大细节、制造噪音，也会消耗人的注意力。因此人的核心能力不是一直执行，而是判断什么值得验证、什么时候该停、探索节奏如何控制。
包含要点：
- AI 一旦开始执行，会立刻展开大量实现细节。
- 人容易被带入具体框架，忘记原始问题。
- 更重要的是判断什么思考值得验证。
- 有些事情暂时不该做，甚至需要约束 AI 不要马上执行。
- AI 工具和范式持续变化，长期追新很耗能。探索应围绕自己的真实问题，而不是追所有变化。
#出海运营秘籍👉@yunying23
刚改完一套给客户做的方案迭代到了第三版，这时候突然终于懂用 Claude Max 写方案、做策略的爽感在哪里了
首先
我自认为是非常擅长写方案、写 SOP 的人了
在前司，团队的 SOP 都是我去输出和整理
之前做项目写方案一次三小时起步
也只能写完基本框架结构
然后要花大量的时间去填空，去补充细节，去填充数据，去排版，去修改措辞
做好一次方案的完整周期时间里
90%的时间，都只是在把第一版完成到尽善尽美
然后剩下10%的时间，一看，时间已经不够了到了 deadline 了
没有时间再去重新去挑战这一份方案和策略，是不是有不到位的地方？是不是真的最优解？有没有思考深度？
只能先交差，改一改排版问题，修改一些措辞，给自己打打补丁，让自己在受质疑的时候，能有一些回旋余地
我这样做出来的方案，也是认真做的
也都非常优秀了，无可指摘，打80分 90分没问题
但是用 claude写方案
因为产出速度实在是太快了
省去了大量的之前排版填充内容的时间
我会在它每一版出来之后
反反复复地去输出我自己的新的想法
调整结构，删繁去简，让他自己挑战自己，以及我去不断的挑战他
用之前同样的时间
我就能迭代到之前从没有推进过的第二版、第三版、第四版
思考深度和策略的成熟度都远超之前的水平
之前的方案打80分、90分，自己已经很满意了
但是通过这一段时间的高强度和 Claude Max cowork 之后
我发现之前还是给自己太过设限了
按照现在的标准
对方案策略的要求，自己会上升到120分，150分，200分
这个时候就会发现
用 AI 的爽感不在于他用多快的时间
给了一份什么样的初稿和答案
这是没有意义的，空洞的
真正的意义在于
和 AI 的深度 cowork 让自己做到了不给自己设限
做到了不断的去突破自己脑力的上限和能力的边界
这个时候确实是会有实实在在的爽感
刚改完一套给客户做的方案迭代到了第三版，这时候突然终于懂用 Claude Max 写方案、做策略的爽感在哪里了
首先
我自认为是非常擅长写方案、写 SOP 的人了
在前司，团队的 SOP 都是我去输出和整理
之前做项目写方案一次三小时起步
也只能写完基本框架结构
然后要花大量的时间去填空，去补充细节，去填充数据，去排版，去修改措辞
做好一次方案的完整周期时间里
90%的时间，都只是在把第一版完成到尽善尽美
然后剩下10%的时间，一看，时间已经不够了到了 deadline 了
没有时间再去重新去挑战这一份方案和策略，是不是有不到位的地方？是不是真的最优解？有没有思考深度？
只能先交差，改一改排版问题，修改一些措辞，给自己打打补丁，让自己在受质疑的时候，能有一些回旋余地
我这样做出来的方案，也是认真做的
也都非常优秀了，无可指摘，打80分 90分没问题
但是用 claude写方案
因为产出速度实在是太快了
省去了大量的之前排版填充内容的时间
我会在它每一版出来之后
反反复复地去输出我自己的新的想法
调整结构，删繁去简，让他自己挑战自己，以及我去不断的挑战他
用之前同样的时间
我就能迭代到之前从没有推进过的第二版、第三版、第四版
思考深度和策略的成熟度都远超之前的水平
之前的方案打80分、90分，自己已经很满意了
但是通过这一段时间的高强度和 Claude Max cowork 之后
我发现之前还是给自己太过设限了
按照现在的标准
对方案策略的要求，自己会上升到120分，150分，200分
这个时候就会发现
用 AI 的爽感不在于他用多快的时间
给了一份什么样的初稿和答案
这是没有意义的，空洞的
真正的意义在于
和 AI 的深度 cowork 让自己做到了不给自己设限
做到了不断的去突破自己脑力的上限和能力的边界
这个时候确实是会有实实在在的爽感
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）
https://github.com/olvvier/apple-silicon-accelerometer
互联网充电站
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）
https://github.com/olvvier/apple-silicon-accelerometer
互联网充电站