niiya

nell'illusione ho creduto alla mia forza inesorabile

[CABA下小雪 @2091996981snow]

或问：中国青年失业率如此高，社会福利保障兜底也几乎没有，为什么还不崩溃？“拐点”在哪里？

对曰：中国人的高储蓄率+高独生子女率+代际接济传统+通货紧缩的宏观经济环境，这四个其他国家皆不可能同时具备的独有要素，环环相扣、辅车相依、唇亡齿寒。

在宏观政策方向没有转变的前提下，这四个要素只要有一天同时存在，即便青年失业率达到80%，中国社会也绝不会混乱乃至崩溃。

只要有一环断裂，中国会立即出现饿死人的崩溃惨状，是为“拐点”。

当然，如果宏观政策层面发生大幅度转向，“拐点”也可能永远不会到来。

[AYi @AYi_AInotes]

人大聂辉华教授的《基层中国的运行逻辑》skill完整指南第二弹：考公篇，实测了下，好牛逼，感觉有一个处级干部在给你做参谋！
职务含权量 ≈ 行政级别 × 管什么人 × 管多少钱

书里算 “职务含权量” 的模型对考公决策价值非常高，

考公最大的坑是熬了几年夜、刷了几万道题，辛辛苦苦上岸，五年后才发现：自己当初三分钟选的岗，从根上就错了。
你选岗只看有没有编、在不在市区、好不好考，可职位表永远不会告诉你：

同叫 “科员”，有人进核心局办五年摸到决策圈，有人在边缘条线填一辈子表；

直辖市街道的一个副主任，级别可能顶得上很多内地乡镇干部一辈子的天花板；

同是局长，发改委和统计局手里管的人、管的钱、能调动的资源，差了不止一个量级。

这些等你进了体制再懂，最值钱的几年已经砸进去了。

我把人大聂辉华教授书里算 “职务含权量” 的模型，直接做成了开源 AI Skill。

它不跟你扯虚的，不爆进面分，不编内部八卦，就把每个岗位拆成城市等级、条块关系、权力大小、时代激励四个维度给你算明白 —— 考得好是本事，选得对，才是真的改命。

上一篇求学篇讲的是：别只比学校，要看城市等级。
考公更狠：别只比「上岸难不难」，要看岗位含权量。

很多人备考三年，真正选岗只花三分钟——
看编制、看地点、看累不累、看好不好考。

这四样都重要，但解释不了另一半现实：

为什么同叫「科员」，有人进了核心局办，
有人进了边缘条线，

五年后一个在决策圈边上，一个还在报表海里；

为什么直辖市一条街道的副主任，
级别上可能已经摸到很多内地乡镇干部的天花板；

为什么发改委主任的「含权量」通常重于统计局局长，
不是谁更辛苦，是管人管钱管资源的结构不一样。

聂辉华这本书里，把职务拆成一个能算的东西：

职务含���量 ≈ 行政级别 × 管什么人 × 管多少钱

这个 skill 在考公��景里，干的就是一件事：

把「找个稳定编制」，升级成「路径 × 含权量 × 条块 × 时代激励」四维对比。

它不报进面分，不传内部八卦，
它帮你先把岗位结构看清，再决定把青春押在哪条线上。

考公场景，它到底值在哪？

1、同名岗位，级别能差两级
北京的区、内地的县，名字像，能级差得很远；
直辖市街道 vs 普通县乡镇，更是两套世界。
skill 逼你先问：这座城、这个岗，在金字塔哪一层？

2、含权量三因子，把「好单位」从玄学变成量表
别只问忙不忙、远不远。
问：级别几何？主要管人还是管事？预算和资源过不过你这道手？
能不能挨着核心决策（三重一大那一类），还是永远在执行末梢？

3、条块分清，职业风险完全不同
属地局办：统筹多、协调脏、板子常打在块上；
垂直条线��专业深、条线清，但块上资源调度未必听你的。
选岗本质是选「你这辈子主要跟谁博弈」。

4、乡镇不是「吃亏叙事」一句话能概括
乡镇有三重困境：权小责大、事多资源少、流动与职数约束真实存在。
副处常见天花板、领导职数和县局不是一套账。
skill 不鸡汤「基层锻炼伟大」，也不简单劝退，
它逼你把职数、流动性、家庭约束摊开比。

5、通道不要混比
国考、省考、选调，组织关系与回流预期不同；
事业编、教师岗，仍受县域人事与财政约束，县委书记影响面很大。
大学生村官：很多时候是跳板和历练，不是终局编制幻想。
村官不是官——目标函数写错，后面全拧。

6、时代激励换了，旧地图会害人
十八大后，忠诚、基层经历、问责权重起来���，
不是当年唯 GDP 锦标赛那一套还能原样套。
skill 会按「新常态激励」帮你看路径，而不是用十年前的升迁故事骗你。

一句话：
考公决策里，编制是入场券，含权量才是长期变量。

[AYi @AYi_AInotes]

我干了件可能帮很多人少走十年弯路的事：把人大聂辉华教授那本《基层中国的运行逻辑》，做成了能装进 AI Agent 里的 Skill。
把这本书里 14 套讲透了中国社会运行规则的分析框架，
直接焊成了 AI 能随时调用的外脑。
你考公选岗、选城市、做投资、创业、给家里规划养老，所有需要做重大选择的时刻，不用自己翻书记框架，
把问题扔进去，它直接用教授书里的逻辑给你拆得明明白白。
说几个最硬的点：

✅ 14 个模块全按原书命名，条块、含权量、双均衡、三座大山一个不少，懒加载设计，用哪个调哪个，不浪费 token

✅ 直接打通五个人生最容易踩坑的场景：求学、考公、投资、养老、创业，既能拆地方新闻背后的真实动机，也能给你做具体选择的情景判断

✅ 装进 Cursor/Claude Code/Codex/Grok 就能用，不用折腾复杂配置

✅ MIT 完全开源，仓库里没有一页书的正文，想读原书请买正版支持聂教授，我们只做方法的搬运工
以前读这种书最痛苦的是什么？

读的时候每一页都拍大腿，真到要选岗、要做决策的时候，半个框架都想不起来，书等于白读。

现在你不用背，不用把书翻烂，这些研究了十几年的、真正能看懂规则的框架，直接变成了你 AI 里的 14 个抽屉。遇到事了拉开对应的抽屉，逻辑、约束、利弊全给你摆清楚，你只需要拍板做决定。

这才是 AI 真正该干的事：

不是给你生成一堆正确的废话，是把真正有价值的思想、真正能帮你做对选择的方法，变成普通人随时能调用的能力。

以前这些逻辑只有圈内人懂，现在你点一下鼠标，就能把它装在自己的 AI 里。

考公的、做投资的、想创业的、要规划养老的，这个真的存一份，比你刷一百篇经验贴、听十节规划��有用一万倍。

链接放评论，开源免费，冲！！！

[Hux @huxlab]

Anthropic 最近持续更新的 Claude Cookbook，建议所有做 Agent 的人直接收藏。

它已经不是普通的 Prompt 教程了。

而是一份公开的Agent 工程实验手册-直接给你可运行的代码，展示：
•异步多 Agent 如何协作
•长期记忆 + 上下文压缩怎么做
•工具结果如何清理
•怎样给 Agent 配一个独立的评审模型反复打分修改
•甚至连减少前端AI 味都拆到了字体、配色和动效

可以明显感觉到：

Anthropic 现在讨论的重心，已经从怎样问 Claude转向怎样给 Claude 搭一套可靠的工作环境。

模型负责推理，Harness 负责上下文、工具、状态和验证。

真正拉开 Agent 产品差距的，
往往是这些平时不太容易被看见的工程细节。

建议直接照着跑一遍：
https://t.co/GDl5Js54ti

[阿泽 AZe @Chenzeze777]

断网了还能聊天这事，我一开始以为是噱头，翻完代码发现是真的

bitchat，Jack Dorsey 团队做的，29K 星，直接放公共领域，不要版权。它不靠基站不靠 WiFi 不靠任何服务器——手机蓝牙互相当中继，一台传一台，最多跳 7 次，把消息接力到蓝牙够不着的地方

演唱会散场信号瘫了、地铁里没网、出去露营荒山野岭，照样能发

最狠的是它压根没有账号这回事。不要手机号，不要注册，不留���何持久身份。你是谁，服务器不知道，因为根本没有服务器。消息端到端加密，怕出事三击屏幕一键把所有数据抹��净

想全球联系的时候它会自动切到 Nostr 中继，290 多个节点兜底，附近有人走蓝牙，没人走网络，全自动

我们习惯了微信 Telegram 这种东西——一断网就变砖。bitchat 反过来，网越烂它越有存在感。平时可能用不上，但真到那个场景，这可能是唯一还能发出去的消息

https://t.co/lerwqtA6p9

[Xudong Han @Xudong07452910]

有人把 Anthropic Claude Design 的系统提示词反向工程出来，开了源，MIT ��可，任何人都可以用。

这个项目叫 claude-design-system-prompt，包含 20 章提示词和 14 项技能，覆盖内容纪律、美学、无障碍（WCAG、语义 HTML、键盘导航）、交互状态和系统思维。已针对 Fable 5 / Opus 4.7+ 更新校准。

值得单独注意的是最近新增的一条自主决策条款：小决定直接执行记录而不询问。这反映了 Anthropic 在 Agent 设计哲学上的一个转变：把「要不要做」的判断尽量留在模型端，减少不必要的打断。

从工程角度看，这份文档的价值是提示词结构是怎么组织的，例如20 章的分层方式、技能与约束的关系，以及系统思维模块的优先级，都值得做自己 AI 产品时借鉴。

提示词不是写得越长越好，结构才是决定了模型能不能在边界情况下保持一致行为，这可能才是把 Claude Design 提示词开源最有意思的地方。
https://t.co/yI7xjZh17v

[阿毛 @LmhdbAi]

不知何时开始，闲鱼上已经很难捡到个人闲置高性价比的商品，Mac Mini、iPhone手机都是专业二道贩子在卖。

刚才在 GitHub 上我发现了这个开源项目，才知道咸鱼捡漏已经用上科技了。

这是一款基于 Playwright 和 AI 开发的闲鱼多任务实时监控与分析系统，可以多维度帮你找到你想要的二手物品。

项目地址：https://t.co/ro7qIxGOfv

核心功能
Web 可视化管理：配有完整的后台界面。任务配置、账号管理、标准编辑、运行日志以及结果浏览，均可在线直观操作。

AI 智能驱动：支持多模态大模型分析。不仅能识别文字，还能看懂商品图片并分析卖家画像。使用自然语言输入需求，即可创建监控任务。

多任务与高级过滤：支持多任务并发，各任务独立配置关键词。提供价格区间、包邮、发布时间范围、省市区三级区域等高级筛选。

多账号与代理轮换：支持多账号管理与代理池轮换，具备失败重试机制，降低封号风险。

定时调度：支持 Cron 配置，可按设定周期自动运行。
即时通知：支持 Bark、Telegram、企业微信、https://t.co/KKy6eIYYtU、Webhook 等多种渠道，匹配成功第一时间推送至手机。
容器化部署：支持 Docker 一键部署，也支持本地 pip 安装运行。

如果经常需要在闲鱼寻找特定商品，可以尝试搭建这个工具协助筛选。

[淘沙者(TheSandPicker) @Etudecn]

Anthropic刚刚扔出一个王炸。

教你开一家公司，但员工全是AI。

CEO只需要你一个人，剩下的活儿全丢给Claude智能体。

整个教程免费，只要30分钟就能看完。

我已经保存了，这玩意儿不能丢。

[摆烂程序媛 @wanerfu]

这个 GitHub 项目已经 4 万 Star 了。

supervision。

一个专门做计算机视觉的开源工具库。

现在已经被 6500 多个开源项目用上。

目标检测、视频分析、数据标注、AI 演示项目，

很多都能直接接。

链接：
https://t.co/tXy9t664Cp

[爱丽丝呀！ @BTCqzy1]

做网页、H5 或者微信小程序，最头疼的就是动效

分享一个蚂蚁集团顶级技术开源的项目—Galacean Effects

它能让你项目直接拥有电影级 3D 粒子、流光拖尾、高级滤镜等炫酷特效，视觉瞬间拉满

核心亮点：

全平台丝滑救星：PC 官网、手机 H5、微信小程序全支持。从底层做了极致优化，哪怕复杂粒子 + Mesh 变形动画，在各种设备上依然能稳稳 60fps，满帧丝滑。

开发成本降维打击：配套视觉编辑器，所见即所得，特���做好直接导出，前端一行代码引入即可像素级复现。

超轻量，不拖累首屏：电影级渲染能力，却体积克制，几乎不影响网站或小程序的加载速度。

丰富交互反馈：原生支持鼠标悬停、点击、手机触摸、滑动等手势，轻松做出跟手的高级互动效果。

感兴趣的可以看看哦～dyor！

地址：https://t.co/KrmXB0JdlL

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

转发一下 B 站博主的锐评 PPT skills：

注意：有些 skill 不是专门做 PPT 的，所以评分会有点低，只是需求不同，想专门做 PPT 的看最前面的。

1. hugohe( 3.1万 star) | 顶级天花板 👑

全场唯一正经做 PPT 的！元素全可编辑，自带音色克隆和旁白生成，纯纯降维打击。
🔗https://t.co/bkjqie6dF1

2. 张咋啦 @zarazhangrui ( 2.3 万 star)

顶级主观审美最佳，完成度极高！目前呈现为 HTML 格式，稍微考验一点使用者的基础。🔗https://t.co/c449l5uXoX

3. 花叔 @AlchainHust ( 1.9 万 star)

顶级审美极佳，关键是能输出可编辑的 PPTX 格式！
🔗https://t.co/0RHr9ph0lQ

4. 歸藏 @op7418 ( 1.5 万 star)

人上人瑞士风审美非常棒，自带快捷键，很适合��下分享。
🔗 https://t.co/KG60VROUD1

5. Lewis ( 6500 star)

功能设计十分贴心，自带计时器和逐字稿等实用组件。https://t.co/TNphxczaEc

6. 宝玉 ( 2.2 万 star)

NPC风格偏可爱，主要以纯图片形式呈现。
🔗 https://t.co/zdfYk8r3D3

7. 乔木 ( 5400 star)

偏向于纯图片卡片的输出，更侧重于内容的初步呈现。
🔗 https://t.co/q27QsZTLWs

[李不凯正在研究 @libukai]

测试了一个晚上，答案已经出来了，推荐使用 tikhub，全面覆盖我上面说的所有的平台。

同时它也是 MediaCrawler 这个项目的赞助商，如果倾向于在本地跑爬虫，也可以试试这个开源项目。

https://t.co/NwBt0o2AFc

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

OpenClaw杀手Hermes Agent的Web UI，这是目前最新的爱马仕可视化方案！

大多数人跑着 Hermes 但完全不知道它内部发生了什么——
token 烧了多少钱、记住了什么、学了哪些技能、定时任务在不在转——
全靠感觉。

hermes-hudui 就是解决这个问题的。

一个浏览器版的 AI 意识监控面板，打开 http://localhost:3001 就能看到：

🔹 Identity — Agent 运行了多少天、大脑多大
🔹 Memory — 记忆容量、已存入的用户画像、被纠正了多少次
🔹 Token Costs — 每个模型每天烧了多少钱，带趋势图
🔹 Skills — 最近修改的技能，分类展示
🔹 Cron Jobs — 哪些任务在你睡觉时自动跑
🔹 Growth Delta — 快照对比，看出你的 Agent 今天长进了什么

4 套���题：Neural Awakening / Blade Runner / fsociety / Anime，
还有 CRT 扫描线特效，赛博感拉满。

之前有个 TUI 版本（终端界面），这个是浏览器版。
两个可以同时跑，数据都读 ~/.hermes/ 那个目录。

你 Agent 每天帮你干活，你连它花了多少钱都不知道，这合理吗？

🔗 https://t.co/1LmQZVLhBc

[OpenClaw🦞 @openclaw]

OpenClaw 2026.4.5 🦞

🎬 Built-in video + music generation
🧠 /dreaming is now real
🔀 Structured task progress
⚡ Better prompt-cache reuse
🌍 Control UI + Docs now speak 12 more languages

Anthropic cut us off. GPT-5.4 got better. We moved on. https://t.co/T3LaSJYOvU

[Barret李靖 @Barret_China]

看了一晚上 Claude Code 泄露的代码，结合常见的记忆管理框架，把记忆模块做了一些分析。

Tulving 老爷子在 1972 年提出了记忆系统的框架设计，至今仍在广泛使用，他把记忆分为三类：1）情境记忆（episodic memory），我干了啥，用来记录过去；2）语义记忆（semantic memory），我知道啥，用来提炼规律；3）以及程序化记忆（procedural memory），我会做啥，用来决定行动。

这些记忆之间是存在相关性的，例如我经历的事情（情景记忆）会慢慢遗忘细节，储存在脑海中的是提炼后的规律和知识，也就是压缩成了语义记忆；而我知道的东西又会逐渐内化为行动的指引，变成一种“知道怎么做”的能力，这就是程序��记忆；程序化记忆反过来又会指导行动，从而产生新的经历。三者构成了一个不断循环的过程：经历 → 知识 → 技能 → 新的经历。

Claude Code Memory 在这几块都有对应的实践，例如每轮次的对话它会以 jsonl 格式做储存，这是情境记忆；同时在对话过程中还会有 SessionMemory 做实时蒸馏，相当于一边发生一边做初步整理。

每轮次结束后，它会 fork 出一个子 Agent（extractMemories）去提取值得持久化的内容，写入带 YAML 头的 MD 文件，这一层对应语义记忆，把零散对话压缩成可复用的知识。更有意思的是它还有一个 autoDream 机制，会在后台做整合和修剪，把碎片化的内容重新组织、合并、更新，这一步很像记忆的巩固过程。

很多框架都没有实现程序化记忆，而 Claude Code 做了。它有一个 feedback 的记忆类型，不仅记录了不要做什么（用户的纠正），还会记录哪些做法是对的（用户的确认），这些都是经验化的技能记录。多数系统只考虑负反馈，Claude Code 兼顾了正向确认，让 Agent 不至于越学越保守，这一点非常关键。

相比 LangMem/Mem0/Zep/EverMemOS/MemOS 这些框架，Claude Code 肯定弱的像个菜鸡😄。它有很多能力是明显不足的，例如：不支持语义化召回（用 LLM 扫 metadata 代替向量检索，上限 200 个文件）、遗忘策略比较粗（24 小时 or 5 轮对话触发整合）、无关联网络（记忆是孤立文件），等等。

真要像 EverMemOS/MemOS 那样追求全量记忆，工程和架构复杂度会直线上升，就拿 EverMemOS 来说，光基础设施就包含了 MongoDB/Elasticsearch/Milvus/Redis，更别说其他的附带依赖了。这类框架更适合做个人长期记忆管理。

另外也去对比了下 OpenClaw，它的记忆实现也非常有意思。它不追求全量记忆，而是优先解决“记忆什么时候该被用”。它把记忆拆成了三层：全局层、工作区层、任务层，逐层收敛，只在必要的时候才把上下文拉进来。

在 OpenClaw 眼里，记忆不是资产，正确使用记忆的能力才是。所以它的设计更侧重于重建临时的记忆网络。

放在这个视角下再去看 Claude Code，就会发现它其实选了一条更偏执行的路径。

对它来说，看清问题全貌也没那么重要。它解决问题的方式，更像人类工程师 debug，一边看、一边改、一边跑、一边修正，在行动中逐步逼近答案。

在这个过程中，Memory 的作用就是一个“防遗忘机制”，保证关键上下文不会在多轮试错中丢失。

[Jason Zhu @GoSailGlobal]

最近在折腾 OpenClaw 的数据采集能力，调研了一圈目前自媒体或者网站数据获取的工具

1、agent-reach各社媒平台数据获取：https://t.co/BikBIeabkP

2、opencli浏览器自动化：https://t.co/RbgZiKYQfj

3、bb-browser 浏览器就是api：https://t.co/YHtFU20jeS

4、web-access补上claude code联网策略 + CDP 浏览器操作 + 站点经验积累的能力��https://t.co/N24yRDznzc

5、wechat_articles_spider公众号爬取：https://t.co/GW5tBwkJuV

6、https://t.co/1vduHE2ddG[真实URL] 获得任何网页纯Markdown：https://t.co/9ddeSc4yTr

7、6551资讯SKILL：https://t.co/cOshfHiKNK、https://t.co/dPT7xw0yBf

8、MediaCrawler - 自媒体平台爬虫，做国内平台：https://t.co/gIOuKWTr29

9、xcrawl API 服务，简单高效，省心选择，搭配openclaw使用更佳：https://t.co/kICRA37Z22 ，现在注册即可获得1000积分：https://t.co/6WCInFOs2c

10、Obsidian插件：Obsidian Web Clipper，实现一键将网页内容保存Obsidian，可同步X文章，还可以在线阅读

[yan5xu @yan5xu]

😅嗯，bb-browser，badboy browser，坏孩子浏览器来了，真的很丧良心，但真的很好用。

现在你可以用 bb-browser site 的方式直接拉到任何网站的信息，目前支持 Reddit、Twitter、GitHub、Hacker News、小红书、知乎、B站、微博、豆瓣、YouTube，50+ 个命令，我会持续更新。

当然能做到信息获取这件事不稀奇，我也是看到 @jakevin7 的 twitter-cli 的启发，才做的。但 bb-browser 的实现方式非常丧良心 — 我是通过 Chrome 插件 + CDP 直接操控你真实的浏览器。不是无头浏览器，不是偷 Cookie，不是模拟请求。你已登录了，它就直接用你的登录态。它直接在浏览器 console 里面跑 eval，以前爬虫最麻烦的登录态、还有各种鉴权都没有了😂。（这种方式真的。。。太作弊了，我都能想到哪些大厂前端发现我在这么搞，会怎么骂我，因为真的很难防）

另外我还在命令行里面埋了 guide 命令，也就是说你只要装了 bb-browser CLI 或 MCP，跟你的 Agent 说"我需要把 XX 网站 CLI 化"，它就能帮你做了！！

[爱丽丝呀！ @BTCqzy1]

大神卡帕西（Karpathy）又开源了一个项目，这次他想让 AI “卷死”所有的 AI 研究员。

GitHub 瞬间炸场：autoresearch。

不到一周狂揽 4.4w+ 星，全网都在疯传这个只有 630 行 的 Python 脚本。

一句话总结：这根本不是一个简单的工具，这是 AI 的“自我进化实验室”。

当大家还在手动调参、熬夜盯 Loss 曲线、改一行代码跑一次实验时，卡帕西已经写了个“分身”去干活了。这个项目最狠的地方在于，它把 AI 关进了一个闭环里：AI 自己写 PyTorch，自己跑实验，自己看结果，自己再改代码。

这就是传说中的“无人值守”科研。

你只需要告诉它：“帮我把模型跑得更稳一点”，然后你就可以去睡觉、去健身、去蒸桑拿。等你回来，AI 已经帮你跑了几百轮实验，还顺手把最优的模型架构和训练参数直接递到了你手里。

为什么这个项目能让全网高潮？

1.极简即暴力：630 行代码，单张 GPU 就能跑，卡帕西再次用实力证明：真正的核弹，不需要成千上万行的垃圾代码。

2.智商碾压：它不是在瞎撞，而是像个老练的工程师一样在做逻辑推演。有人用它一夜之间跑出的 0.8B 小模型，效果直接反超了人类精心微调的 1.6B。

3.科研范式地震：以前是人类研究 AI，现在是 AI 研究 AI。卡帕西说：“我写完代码去蒸了个桑拿，回来 AI 已经把实验跑完了。”

今天的程序员在写代码，明天的程序员在“指挥”AI 写代码。如果你还在手动调参，那你可能真的要被卡帕西的这个“小脚本”给卷没了。

#AI编程 #AndrejKarpathy #GitHub
传送门：https://t.co/wVBka9rH0x

[宝玉 @dotey]

Learn Claude Code 是真做的好，强烈推荐👍
项目作者：@baicai003

很多人用 Claude Code 或 Cursor 写代码，觉得 AI 编程助手很神奇，但如果问一句"它到底是怎么工作的"，大部分人答不上来。

Learn Claude Code 这个开源项目做的事情很简单：用 12 节课，从零开始搭一个类似 Claude Code 的 AI Agent，每节课只加一个机制，每个���制都有可运行的 Python 代码。

这个项目的核心洞察是：所有 AI 编程 Agent 的底层都是同一个循环。用户发消息给模型，模型决定要不要调用工具，调用了就执行，把结果喂回去，继续循环，直到模型觉得任务完成了。

整个 Agent 的最小实现不到 30 行代码。剩下的一切，规划、子任务拆分、上下文压缩、多 Agent 协作、工作目录隔离，都是在这个循环上面一层一层叠加的。12 节课就是这 12 层。

学习路径设计得很讲究。

前两节搞定核心循环和工具调用

第三节加入计划能力（没有计划的 Agent 会跑偏）

第四到六节处理子 Agent、技能加载和上下文压缩（上下文窗口是有限的，不压缩大项目根本跑不动）

第七八节做任务持久化和后台执行，最后四节进入多 Agent 协作：组队、通信协议、自主领取任务、工作目录隔离。从一个人干活，到一个团队协作，复杂度是渐进的。

项目配了一个��互式 Web 平台（https://t.co/ZyubKItvQK），有步骤图解、源码查看器和文档，支持英文、中文、日文三种语言。

文档风格是"心智模型优先"：先讲问题是什么，再讲解决方案，配 ASCII 图，最后是最小可运行代码。

对想搞懂 AI Agent 内部原理的开发者来说，这可能是目前最好的从零到一的学习路径。不需要什么前置知识，有 Python 基础就能跟。

学完之后再去看 Claude Code 或者任何 Agent 框架的源码，会发现都和这个教程介绍的差不多。

[Ring Hyacinth @ring_hyacinth]

最近发了太多龙虾和开源项目，可能让一些新朋友误以为我是个程序员。

不是的，其实我们是影视工作者~😂

和大家分享今天刚刚出街的，我们使用 Seedance 2.0 为红星美凯龙制作的广告短片。

AI 生成视频这件事，正在从"好玩"变成真的"好用"。这条视频是完全用文本生成视频的方式制作。

created by @simonxxoo and me