LudwigWS

[向阳乔木 @vista8]

最近最火的Codex优化网络速度Use Case，写了个提示词，亲测效果不错：

1. 在Codex中输入 “/goal” ，如果中文版输入 “/目标”，如果不用，直接发提示词也行。

2. 提示词如下：

优化当前电脑的网络速度和稳定性。

请按“先诊断、再最小可逆修改、最后复测”的方式执行，不要直接破坏性重置网络。

诊断要求：
1. 先跑 before 基准：networkQuality、DNS ��询耗时、到路由器的 ping、到公网 DNS 的 ping。
2. 区分真实公网链路和本机代理/VPN/TUN：检查 scutil --nwi、route get default、scutil --dns、scutil --proxy。
3. 检查 Wi‑Fi 质量：频段、信道、带宽、RSSI、噪声、Tx Rate、周边干扰。
4. 检查 MTU、丢包、mDNS/DNS 缓存、网络服务顺序。
5. 找出高流量或会接管路由的后台进程，如 VPN、Tailscale、Shadowrocket、Stash、iCloud、Dropbox、网盘、下载器。

优化要求：
1. 只做安全、可逆、低风险修改。
2. 把真实使用的 Wi‑Fi/以太网排到网络服务第一位。
3. 禁用明显无用的伪网络服务或旧网络服务，但不要删除配置。
4. 根据实测 DNS 延迟设置更快的 DNS。
5. 刷新 DNS 和 mDNS 缓存。
6. 停���或提示我关闭明显占用带宽的后台程序。
7. 如果需要 sudo 或会影响 VPN/远程连接，先说明风险，不要强行执行。

复测要求：
1. 再跑 after：networkQuality、DNS 查询耗时、路由器 ping、公网 ping。
2. 对比 before/after：下行、上行、空闲延迟、加载延迟、丢包、DNS 耗时。
3. 总结发现的 3 个主要问题、已修复项、未修复但建议手动处理项。

[Jerlin @eviljer]

Codex 网络优化验证有效，我只修改了 5G 信道和 5G 频宽，改善明显。[图 1]
建议手动和 Codex 协作，不需要 /goal。

TIPS：

1️⃣ 配置修改后，需要手动在网关重启路由，等待 2 分钟后才生效，期间不做无效测试。

2️⃣ 揪出网关的超级管理员入口，让被阉割的配置项全部可见——我用的是电信天翼，对应 192.168.1.1:8080，账户密码通常是 useradmin 和 nE7jA%5m

3️⃣ 有些人的系统 DNS 可能是阿里的 223.5.5.5。国内解析快，但搭配境外 VPN 容易泄漏，是潜在的拖累。

4️⃣ Codex 代理可以顺带优化，避免 Reconnecting 重复发生。方法是在 username/.codex 里面新建一个 .env 文件，强制代理。写入：

HTTP_PROXY="<http://127.0.0.1:xxxx>"
HTTPS_PROXY="<http://127.0.0.1:xxxx>"

【注】xxxx = 你的 PROXY PORT [图 2]，保存 .env 后重启 Codex 即生效。

5️⃣ 残留服务一并肃清，比如 Clash X 和 Clash Verge 卸载后一直残留在后台的服务，Codex 会查出来。

6️⃣ 如果你安装过 Adobe 相关软件，后台还有一堆 Creative Cloud 服务常驻，清理它们可以减少后台突发、内存、线程、端口占用，让系统更干净。[图 3]

[Crypto Doggy 叫我狗总 @CryptoDoggyCN]

什么？连胡彦斌都开始vibe coding了！

昨晚《歌手》片段，他用 Claude Code + VS Code，自己独立开发了粉丝社区App彦火，目前在TestFlight测试中

正所谓：

你要的 token 全拿走
把 memory 化成空
不要在乎 model context 有所保留
说过的话当 skill 附送

[宝玉 @dotey]

Boris Cherny（Anthropic 工程负责人）在最近的红杉 AI Ascent 大会上说，他现在大部分工作从手机完成。Claude App 里常驻 5 到 10 个 session、几百个 Agent，夜里有几千个在跑深度任务。他管这种做法叫 Loop，让 Claude 用 cron 起一个定时任务，可以每分钟、每五分钟、或者每天跑一次。

我本来还不太习惯用手机操作 Agent。这几天受邀测试最新版的 TRAE SOLO Mobile，刻意多在手机上试用，越用越能理解 Boris 说的那种变化。
This content is only supported in a Feishu Docs
这次 TRAE SOLO 首次实现了移动端、Web 端、桌面端（含 Windows 版）的全量开放，并真正做到三端同步联动，让 Agent 使用的场景大幅扩展。我在手机端体验了几天，结合官方新推出的功能，一些感受：

【1】Agent 已经不是程序员专属

打开 TRAE SOLO，首页让我先选模式：Code 还是 MTC（More Than Coding，意思是“不只是写代码”）。Code 模式好理解，写代码、跑 Git、看 Diff，而 MTC 模式则全面覆盖了写文档、数据分析、报表生成等日常办公场景。

从 Claude Cowork 发布开始就已经有了这个趋势，上周 Codex 的升级也是宣称：“用 Codex 做几乎一切工作（use Codex for (almost) everything）”。

TRAE SOLO 最新的升级同样顺应了这个趋势，从一个编程 Agent 泛化到了通用 Agent。

最新版本特别强化了飞书 CLI 接入功能。现在只要简单授权，就能在 TRAE SOLO 里直接操作飞书文档：例如，输入一句指令，“帮我整理一份本月 AI 编程工具市场动态”，Agent 会自动去网上检索，最后直接生成飞书文档或者动态网页，完全不需要人工再去排版或复制粘贴。

与过去“AI 给文字、���户再粘到飞书”的繁琐流程相比，这种一步到位的体验已经完全不是一回事了。

【2】三端连起来是什么体验

这次 TRAE SOLO 的一个大动作是三端（手机、Web、桌面端）全量开放，不再需要邀请码，所有用户都能用。

单独看 Mobile 端，它主要解决随时下发任务和确认任务的问题。但只有当 Mobile、Web 和 Desktop（包括最新上线的 Windows 版）真正打通之后，你才能真正做到随时随地让 Agent 持续执行任务。

过去云端执行环境总有局限，不能访问本地工具。而 TRAE SOLO Mobile 解决了这个痛点——只要完成简单的设备配对，你的手机就可以直接控制云端环境与本地多台设备。任务信息在所有设备之间实时同步，手机端下发的任务可以立即在 Web 和 Desktop 端查看执行进度，反过来也一样，真正实现跨设备的无缝接力。

比如上周末我在外面看孩��踢比赛，间歇刷手机，看到一篇不错的英文技术文章，顺手在 TRAE SOLO Mobile 上给 Agent 发了条指令：“把这篇文章翻译成中文，写一份推荐稿”，家里的 TRAE SOLO Desktop 就会启动我一套配置好工作流开始工作。等比赛结束回到家，打开电脑，稿子已经在那了。这种感觉有点像你出门前跟一个助手说了句话，回来活儿已经干完了。

【3】手机是用来指挥 Agent 的意图路由器，不是用来操作电脑的

这个区分挺关键。我之前不太爱用手机端办公，潜意识觉得是在用手机操作电脑。但是转换一下：“人操作 Agent，Agent 操作电脑”，那么用手机就很自然了。你不需要在小屏幕上精确点击什么按钮，你只需要说清楚你要什么。

用手机还有个障碍是输入速度，打字慢。TRAE SOLO 手机端有语音交互讨论功能，可以跟 AI 语音对话讨论一个问题，讨论结束后自动生成会议纪要，然后直接从手机把工作任务派发出去，电脑端同步接上后续操作。一部手机可以连接管理云端环境加多台 PC，在环境选择面板里挑一下设备和工作目录，剩下的全部交给 Agent。

这个功能在外面的时候特别好用。走路的时候、坐地铁的时候，想到一个点子，按住说话就行了，比打字快很多。过去这些碎片时间里冒出来的想法，要么记在备忘录里回头再处理，要么干脆就忘了。现在一句话就能让 Agent 开始干活。

【4】不着急的事，让定时任务自己跑

回到 Boris Cherny 跑几百个 Agent 的场景。做法很简单，让 Claude 用 CRON 给自己设一个重复执行的任务，一分钟跑一次、五分钟跑一次、每天跑一次，都行。

Boris 开着几十个定时任务，举三个例子。
一个 Loop 在照看他的 PR：CI 挂了就去修，需要 rebase 就自动 rebase。
一个 Loop 在维护整个项目的 CI 健康，发现 flaky test（不稳定的测试）就去定位修复。
还有一个 Loop 每 30 分钟从 Twitter 上抓他的反馈，自动聚类成几个主题汇报给他。

我自己也在用类似的方式。我有一个定时任务监控我 GitHub 上开源项目的 Issues，有人提了 Issue 就自动总结并给出处理意见，我看一眼觉得没问题，再指示 Agent 去操作。还有一个定时任务盯着我 X 的收藏夹，我平时刷到好文章随手收藏，它帮我自动抓取到本地，英文的还会翻译成中文，到时候集中看就行。

很多需求其实没那么紧急，但需要持续做。每天看一眼竞品动态、每周整理一次行业新闻、每月生成一次数据报表，这些活适合扔给定时任务。

现在 TRAE 的桌面端和网页端都已支持定时任务，无论是在云端还是本地环境，都能稳定地自动执行。比如你告诉 Agent：“每天早上 10 点发一份最新的 AI 新闻动态整理”，第二天早上工作台就会自动收到文档。你只需要专注于真正有创��性的判断，把那些重复且不着急的任务统统交给 Agent。

总结与体会

整体来说，这次对 TRAE SOLO Mobile 试用的感受就是：
- Agent 使用门槛大大降低，不再只是程序员专属，很多日常办公、写作场景已经可以由 Agent 来做了。
- 三端真正打通后，无论何时何地，都能轻松管理并延续任务。
- 手机不再是远程桌面，而是随时随地的“意图路由器”。
- 通过 Loop 定时机制，真正把重复且耗时的任务自动化，让用户只做关键决策。

Boris 说他夜里有几千个 Agent 在跑，很多人大概觉得这是大厂工程师的特权。但我这几天的体感是，这件事的门槛已经比想象中低很多了。一部手机、一台电脑、一个 Agent 工具，你就可以开始把重复的事交出去。未来办公的趋势，或许就是这种“人随时随地指挥 Agent、Agent 做具体工作、人只负责验收成果”的模式吧。

推荐可以去用下 TRAE SOLO Mobile，体验随时随地指挥 Agent 干活的感受。

想试用的 Mac 可以去官网下载了——国内：https://t.co/mTWzdHDraA���国际：https://t.co/yJLmbFTQBg

[meng shao @shao__meng]

Warp 团队这是要把开源进行到底了，在 Warp、Doc 开源后，又把团队用于加速工作流的 Oz Skills 开源了 @warpdotdev 👏🏻👏🏻

# Warp 团队的 15 个 Skills
https://t.co/JQsHpIQvQD

1. Git/GitHub 协作流（最成熟的一类）
· create-pull-request：检查 gh CLI、分析 commits、按项目惯例生成 PR 描述。
· ci-fix：定位失败的 GitHub Actions run → 拉日志 → 最小化修复 → 推到 ci-fix/<branch> 分支验证。强调"最小 diff"和不放宽 workflow 权限的安全约束。
· github-bug-report-triage：照 issue template 评估 bug 报告的可执行性，反馈缺失信息。
· github-issue-dedupe：用 gh search + 关键词/语义混合策略找重复 issue，可挂到 GitHub Action 里自动跑。

2. 数据/分析
· dbt-model-index：一份模板化的 dbt 模型索引（不是现成数据，而是教用户填自己的仓库结构），让 Agent 写 BigQuery SQL 前先选对表。
· analysis-artifacts：把"深度分析"流程标准化——analyses/<name>/ 目录下产出 SQL、可视化、README，确保结果可复现可分享。

3. Web 质量审计（直接调用 MCP 工具）
· web-performance-audit：依赖 chrome-devtools-mcp，跑 Core Web Vitals、网络优化。
· web-accessibility-audit：按 WCAG POUR 原则审 a11y。
· seo-aeo-audit：技术 SEO + AI 引用优化（AEO，面向 LLM 检索时代的新概念）。
· webapp-testing：用原生 Playwright 脚本测本地 web 应用，自带 with_server.py 管服务生命周期。

4. 基础设施 / 工程规范
· terraform-style-check：照 HashiCorp 官方风格生成/审查 Terraform。
· mcp-builder：最厚的一个 skill——四阶段教 Agent 构建高质量 MCP server（Python FastMCP 或 TS SDK），重点强调 "workflow tools" 比 "API coverage" 更重要的设计哲学。

5. 通用生产力
· docs-update：扫描近 24h commits → 识别需要更新文档的变更 → 适配 Mintlify/Docusaurus/GitBook 等平台。
· scheduler：本地定时提醒（明确不做云端 agent 调度，划清边界）。
· slack-qa-investigate：只读模式深度调查代码并回答问题，强调"先验证再回答"。

[huangserva @servasyy_ai]

Codex确实是真的牛！

我已经听到很多人卸载了OpenClaw和Hermes Agent了

下面这个案例，结合HypesFrames

动效、转场、字幕、配音全自动，不满意继续口喷 ！

[小森 @oxniubi]

这个codex+gpt5.5的教程非常屌。
看完感觉用的不是一个东西

[老鬼 @laogui]

山姆·奥特曼投资的现代终端 Warp 开源了！

2020年6月，曾主导 Google Docs/Sheets 核心技术的 Zach Lloyd 创立 Warp。他发现传统终端40年几乎毫无创新，于是用 Rust 从零重写，支持 GPU 加速、块状输出等现代特性，目标是让终端拥有 IDE 般的体验，同时保留命令行的灵魂。

2022年，Warp 在 Hacker News 爆火，顺利完成种子轮和 A 轮融资。

2023年4月推出 Warp AI，率先将 OpenAI 大模型集成进终端，可直接自然语言生成命令、解释输出，成为 AI 辅助终端的开创者。

同年6月完成 B 轮5000万美元融资，累计融资超7300万美元，投资阵容豪华：山姆·奥特曼、Salesforce CEO、LinkedIn CEO、Figma CEO 等重量级人物悉数入场。

2025年6月发布 Warp 2.0，正式转型为 Agentic 开发环境，集成 Code、Agents、Terminal、Drive 等模块，支持多 AI 代理并行工作 + 自然语言开发，已服务全球 50万+ 工程师。

就在今天（2026年4月28日），Warp 团队宣布完全开源！

从“现代化终端”到“AI Agent 工作台”，Warp 用 6 年时间重新定义了开发者生产力。

[Qwen @Alibaba_Qwen]

🚀 Meet Qwen3.6-27B, our latest dense, open-source model, packing flagship-level coding power!

Yes, 27B, and Qwen3.6-27B punches way above its weight. 👇

What's new:
🧠 Outstanding agentic coding — surpasses Qwen3.5-397B-A17B across all major coding benchmarks
💡 Strong reasoning across text & multimodal tasks
🔄 Supports thinking & non-thinking modes
✅ Apache 2.0 — fully open, fully yours

Smaller model. Bigger results. Community's favorite. ❤️
We can't wait to see what you build with Qwen3.6-27B! 👀

🔗👇
Blog: https://t.co/P2Zx7FwMxB
Qwen Studio: https://t.co/c4vm4LuZrU
Github: https://t.co/zKDEbv0R4U
Hugging Face:
https://t.co/N67hyzxvfr
https://t.co/SSdtbWRDap
ModelScope:
https://t.co/xODf1pj9kw
https://t.co/xXhoqlJ2AB

[Andy Stewart @manateelazycat]

就在我还在疑惑这次 DeepSeek V4 Pro 输出价格怎么这么贵的时候，看到了价格下方的小字.....

所以，不会是真的在等昇腾950 部署到位才推迟这么久发布吧？直到等的等不下去，刚好GPT-5.5发了，就先干一波。等昇腾950超节点到位，再用价格屠杀一波。😅

[Andy Stewart @manateelazycat]

与隔壁 Anthropic 相比，OpenAI 确实是大善人。不光检测力度弱，而且还经常给 GPT-5.4 重置额度。

普通用户除了买中转站，自己订阅最简单方便的方法应该属于 Apple Store/Google Play 内购。嫌麻烦可以直接美区订阅，差不多 130、140 人民币/月 Plus。

想省点钱的用户可以搞个 Apple 土耳其区账户订阅，每个月的 Plsu 应该是不到 80 元。

别跟我说哪哪有几块钱的 GPT-5.4 Plus 或者 Team，那都属于灵车了，自己玩玩可以，正经干活还是得稳定。

支持下 OpenAI 吧😂讲究一个可持续发展。

[Nico投资有道 @tychozzz]

没��到现在就连订阅 ChatGPT 都这么难。折腾了一个多小时时间，终于搞定了，给大家分享一下我踩的坑。

日本 IP + 美国账单地址 + 各种虚拟卡，被拒绝支付。
日本 IP + 美国账单地址 + 国内实体 Visa 卡，被拒绝支付。
美国 IP + 美国账单地址 + 新加坡实体 Visa 卡，被拒绝支付。
新加坡 IP + 新加坡账单地址 + 新加坡实体 Visa 卡，被拒绝支付。

试到这一步，我感觉真的有点离谱了，一度以为是 IP 的问题。

就在我准备放弃的时候，突然又想到了一种方案，很可能是我的账号被检测到异常了，之后无论用什么方式，都没办法成功支付。

接下来，我把 IP 切换到德国，从 Chrome 切换到 Safari 浏览器，开了个无痕窗口，通过 Apple ID 注册了一个新的 ChatGPT 账号。

这次付款用的是 N26 万事达虚拟卡，账单用的也是德国地址，最后付款成功了！

如果大家订阅 ChatGPT 遇到付款失败的问题，一定不要反复尝试，防止你的账号被判定异常。

第一时间先确保你卡里的余额是够的，确保你的 IP、账单地址是同一地区，然后换一个浏览器，重新走一遍订阅流程，大概率就能付款通过了。

目前我不太确定是否与付款卡有关系，用加密货币虚拟卡或者实体卡，一开始都被拒绝支付了，最后换到 N26 就成功了。

其实我去年高频使用 ChatGPT 的时候，用的都是加密虚拟卡连续订阅的，从来没有遇到过问题，但没想到两个月时间没用，重新订阅竟然这么麻烦。

也强烈建议大家，如果你有订阅各种 AI 大模型需求的话，手头最好多备几种虚拟卡，有备无患。

[Andy Stewart @manateelazycat]

Claude Code 和 Gemini CLI 的终端渲染技术，学会后做产品真的不用 Electron 了

Claude Code 和 Gemini CLI 能在命令行里把 Markdown 渲染得又漂亮又流畅，靠的就是终端渲染技术。

我们的 Light OS 直接利用的就是这项终端技术。现在整个行业尤其是 AI 领域，大家都在走这条路。

因为它实在太牛了：启动快、体积小、体验原生。

1. React 直接在命令行画界面

你用 JSX 和 hooks 写代码，它自动转成终端的颜色、框线和布局，写法跟网页几乎一样。

2. 屏幕只更新变化的部分

只刷新变动的文字和位置，不重画整个屏幕。流式输出特别稳，长对话也不卡。

3. Claude Code 的备用刷新屏幕模式

打开开关就切换到备用画面，画完自动���复原来界面。闪烁没了，还支持鼠标。

注意的坑：Ink 会接管终端输出，普通 console.log 容易把屏幕搞乱，建议用专门日志方式。

来写代码吧😆你开发的软件完全可以跑在懒猫微服的 Light OS 里。外出时通过手机访问 Web Shell，网络穿透全部搞定，用起来非常爽。

想体验这种极致快乐吗？
评论区打「1」，买懒猫微服，外出时随时访问自己的 Vibe Coding 代码，爽得很

[早见Hayami @Hayami_kiraa]

我再一次被 Claude 震惊到了。

众多周知拿 AI 练英语已经不是什么新鲜事了，但主流软件基本都是这个 pipeline：STT (speech-to-text) → LLM processes text → TTS (text-to-speech). 即把语音转为文字先，再进行处理。所以在这过程中，真正口语里需要练习的清晰度、语速、情感含量都是无法被解析的。

但 Claude 是第一个 AI, 在和我语音对话的时候指出了我“语速过快”的问题。还把我之前一直说的痛点连起来了，然后给了我示范，哪句话需要暂停一下，呼吸一下，再继续。

顺便搜了一下，gemini 和 chatgpt 都没有做到这个功能，因为它们语音功能还是自研的。但 Claude 是外包给了一家第三方叫 ElevenLabs 的公司。这家公司2022年才成���，如今到110亿估值只用了不到4年，增长速度非常惊人。

这个功能实在太惊艳了，感觉语音交互上了一个全新的台阶。以后就用 Claude 做口语 coach 了！

[Andy Stewart @manateelazycat]

真的快， Hermes Agent

真的体感比OpenClaw快很多

[Ray Wang @wangray]

生化危机女主角 Milla Jovovich 刚在 GitHub 开源了一个 AI 记忆系统，在行业标准 benchmark 上拿了有史以来第一个满分

没错，就是那个爱丽丝🤯

她用 AI 对话几个月后，积累了大量的决策和思考结果全丢了，她觉得现有的记忆系统让 AI 决定什么值得记，不是她想要的

于是她和朋友用 Claude Code 花几个月做了 MemPalace，借鉴古希腊记忆宫殿术，把记忆组织成可导航的空间结构

结果行业 benchmark 首个满分，MIT开源，纯本地运行

一个好莱坞演员做出了超过所有 AI 公司 memory 产品的东西

真是充满想象力的时代

[Xiao Tan @tvytlx]

https://t.co/i4jBHevGEi

[艾略特 @elliotchen100]

论文来了。名字叫 MSA，Memory Sparse Attention。

一句话说清楚它是什么：
让大模型原生拥有超长记忆。不是外挂检索，不是暴力扩窗口，而是把「记忆」直接长进了注意力机制里，端到端训练。

过去的方案为什么不行？
RAG 的本质是「开卷考试」。模型自己不记东西，全靠现场翻笔记。翻得准不准要看检索质量，翻得快不快要看数据量。一旦信息分散在几十份文档里、需要跨文档推理，就抓瞎了。

线性注意力和 KV 缓存的本质是「压缩记忆」。记是记了，但越压越糊，长了就丢。

MSA 的思路完全不同：
→ 不压缩，不外挂，而是让模型学会「挑重点看」
核心是一种可扩展的稀疏注意力架构，复杂度是线性的。记忆量翻 10 倍，计算成本不会指数爆炸。
→ 模型知道「这段记忆来自哪、什么时候的」
用了一种叫 document-wise RoPE 的位置编码，让模型天然理解文档边界和时间顺序。
→ 碎片化的信息也能串起来推理
Memory Interleaving 机制，让模型能在散落各处的记忆片段之间做多跳推理。不是只找到一条相关记录，而是把线索串成链。

结果呢？
· 从 16K 扩到 1 亿 token，精度衰减不到 9%
· 4B 参数的 MSA 模型，在长上下文 benchmark 上打赢 235B 级别的顶级 RAG 系统
· 2 张 A800 就能跑 1 亿 token 推理。这不是实验室专属，这是创业公司买得起的成本。

说白了，以前的大模型是一个极度聪明但只有���鱼记忆的天才。MSA 想做的事情是，让它真正「记住」。

我们放 github 上了，算法的同学不容易，可以点颗星星支持一下。🌟👀🙏

https://t.co/Or3PVUv67q

[Jackywine @Jackywine]

这一篇不错，基本上把 Claude Code 背后的 Agent、SubA、上下文等等内容都讲清楚了，值得收藏细看

[Andy Stewart @manateelazycat]

现在AI是很强大，但是每次等AI要花很长时间

今天听同事的推荐，使用了 vibe-kanban

每个想法提交多个任务，让AI并行去完成，每个任务的代码都在一个 git workspace 内，多个Agent不会互相改代码影响对方

这样大大提高了AI编程的效率，等待这个任务的时候，可以测试其他任务