昨晚花了一晚上用 Claude Code做了一个推特 MBTI 机器人，可以根据抓取用户推特内容喂给 LLM 来分析 MBTI 类型。我随机选了一些我 fo 的人测试，发现怎么好多都是 INTJ😂 只要关注+转发+回复本条，我回复给你一个基于推特历史内容的 MBTI 诊断。有点好奇大家的 MBTI 分布情况！

#MBTI #推特机器人 #Claude Code #LLM #用户分析

相关新闻

Wey Gu 古思为

6小时前

为了庆祝 10-24 这个特别的节日，刚好 Nowledge Mem 发布了第一个更深度支持 Claude Code 和 Codex 的重要预览版本，我们发布一个短时间的促销 Coupon: 1024LOVE 这可能是公开发布版本之前少有的 Coupon 啦~~

AI进化论-花生

8小时前

如果你无法订阅Claude会员，或者担心封号的话，可以试试用GLM-4.6接入Claude Code的方案。现在有活动，基本上算是用10%的价格，实现90%的cc的能力：

Lex Tang

16小时前

试了三小时 KAT-Coder-Pro-V1，感觉没法用来当主力 vibe coding 模型，主要因为： 1. 在 Claude Code 里经常干一半就不动了，有点呆萌... 2. 在 Zed 里多次干出空文件 3. 在一个纯英文项目里，纯英文提示词的情况下，混入了中文单词 4. 很难一次做对的样子，但已经消耗了 500 多万 tokens 以上可能都是因为我个人使用姿势不当？

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

17小时前

为什么人类的"约束"是LLM的"可能性条件"？（也是交互范式编程的可能性条件！） "硅基LLM和人类能通过人类语言这种符号系统交互，是来自语言的具身性约束。" LLM能够"理解""压力"，不是因为它体验过压力，而是因为：人类语言已经将"压力"编码为符号模式通过具身隐喻（"压"的身体感）通过语境共现（"工作""焦虑""头痛"）这个编码是稳定的、可预测的因为所有人类共享相似身体因此"压

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

17小时前

训练分布的边界 = LLM的"接地边界" 人类：超出身体感知范围的 = 不可理解的（如真正的四维空间） LLM：超出训练分布范围的 = 不可预测的（如未来事件、新兴概念）