你在 X 后台看到的总曝光，是把发的推和回复的曝光都算在一起的。榜单上的推文曝光只算推文本身，不含回复带来的曝光，所以会比你自己后台的数字少一些，这是正常的。
推文发出后我们会持续回访它的曝光。有些推是发出去一两天后才被推荐流带起来的，这部分后涨的曝光会补记到它发布那天，所以往前几天的曝光数字可能会往上修正，这也是正常的。
每天早上 8 点为界。8 点之后你看到的「今日」，统计的是从今天 8 点开始的数据；在这之前看到的「今日」还在攒，数字偏小是正常的。页面每小时重新生成一次，页面更新时间不等于数据截止时间。
X 个人页那个计数器把转发和回复都算进去了，看着虚高。榜单上的发帖量不算转发，也不算回复，只算他自己发的和引用的，所以会比你在 X 上看到的计数小。
一条推的曝光会一直涨。榜单上的曝光是当天新增的部分，不是这条推历史累计的总量。
X 没有公开的评论计数，榜单上的评论数是根据公开数据推算出来的，会有偏差，用来看量级和排序，不要当成精确值。
刚收录的账号需要攒几天数据才能进榜。观察期里看到「暂无数据」或「数据偏少」是正常的，不是出错。
某个账号某天的数据没能凑齐时，这一格显示「无数据」，不会拿旧数字顶上。看到「无数据」就是真的没有，不是零。
The crazy one. Building @readycheckdev , ex-ByteDance infra Feel free to grab my skills: h
健康趋势仅为公开数据层面的走势参考，不代表账号在 X 平台的任何状态判定，一切以 X 官方为准。
| 维度 | 今天 | 昨日 | 7天 | 30天 |
|---|---|---|---|---|
| 推文曝光 | 3.1万 | 8.5万 | 27.2万 | 54.2万 |
| 发帖 | 9 | 10 | 82 | 335 |
| 评论 | 27 | 21 | 142 | 593 |
| 涨粉 | +11 | +44 | +109 | +227 |
| 帖均曝光 | 3516 | 3516 | 3516 | 3516 |
| 最高单帖 | 1.8万 | 1.8万 | 1.8万 | 1.8万 |
帖均曝光固定是近 7 天口径，不随时间档变。空着的格子表示这个账号在那个时间窗里数据还不完整，不是 0。
最好的 Flash 模型还是 GLM 5.3 Flash
很多人都说 M5 Ultra Mac Studio 不如 5090 和 DGX Spark。我觉得这些人可能没有实操过通过多开虚拟机结合 computer-use 来测试软件以提高软件质量这条道路。 相信这几天 X 时间线上的一些帖子已经让大家意识到了这条路是可行的，而我早已经是这个方法的实践者了。M5 Ultra Mac Studio 在这个方面不仅可以做 LLM 推理也可以为多虚拟机提供更多的内存。 目前我的硬件就是 M4 Pro Mac mini 64GB + 2*DGX Spark，再加上两台标准版的 M4 Mac mini。这使得我的电脑上可以同时开 6 台 8GB RAM 虚拟…
我还是建议大家使用 Kimi K3 的时候仅仅使用前 256K
pi 里面的 subagent 没有一个用起来舒服的，于是我就自己造了一个。 之前有人说给一个 bash tool 启动另一个 pi 就可以了，现在看起来就跟放屁一样。不然你可以问这些人这些问题： 1. 如何最大程度减少不必要和错误的工具调用？ 2. 如何实现 subagent 热重载？ 3. 如何实现动态增删预定义 subagent？
分享一下目前进行长程构建心得： 首先，长程构建一定要分成两个阶段：第一个阶段是构建 MVP；第二个阶段才是使用 goal 进行构建。 构建 MVP 阶段最重要的事情是构建出全链路的验证反馈设施，这样会极大提高在构建阶段的生成质量和验证效率。这个阶段一定要高密度地进行人工 review。 按照这个标准构建完 MVP 之后，再使用 goal 进行构建就会轻松很多，生成质量也会高很多。 同时以下是我在 MVP 以及各阶段都会使用到的辅助产物： - docs/user-stories 标准三段格式用户故事 - docs/ux 线框图以及用户互动阶段 (phase) 标注 - docs/arc…
登录后收藏的账号会跨设备同步，换台设备也还在。
我们只保存邮箱和昵称，用来同步你的收藏。
