FHL

thinker

[小樱💞｜实用工具分享 @xiaoying_eth]

GitHub上有个项目疯了，一周内冲到1.6万Star。

核心就一个：AI可以直接帮你生成Word、Excel、PPT，完全不用手动操作。

用法简单到离谱，在Cursor或Claude里粘一行URL就行。剩下的交给AI，从写报告、整理表格到做演示稿，全自动搞定。

更绝的是，这工具给AI装了眼睛——生成的文件AI会自己看一遍，发现排版问题直接改，不用人工审核。

你的电脑根本不用装Office，也不用写Python代码。就是告诉AI你要什么文档，等着收货。

以后做资料就是'说一句话'的事儿。
https://t.co/gO2zA1UmTN

[AYi @AYi_AInotes]

我操！@kimi_moonshot 月之暗面这波是真的疯了！
2.8T 参数的 K3 直接全权重开源就算了，
连推理内核、MoE 通信库、Agent 训练环境整套底层技术栈全给你端出来，硬生生把开源模型的天花板，直接抬到了闭源旗舰的家门口。

不是放个权重就炒开源概念的挤牙膏操作，是从模型到底层能跑起来生态的所有东西全白给，1M 长上下文、MoE 架构性能够打闭源，

之前天天喊开源追不上闭源的直接被打半残，
开发者再也不用对着闭源 API 的限流、涨价受窝囊气。

搞大模型的不用从零搭底层通信框架，
做 Agent 的不用卡闭源接口的脖子，
小团队也能基于全栈直接做二次开发，
从今天起，全球开源 AI 的游戏规则，真的改了。

今天之后，开源和闭源的代差，从两年砍到了半年。
Kimi K3 今天正式全开源，不是挤牙膏的版本更新。

2.8T 总参数 MoE, 激活 104B, 原生 100 万上下文。

靠 KDA 新注意力和 AttnRes 架构创新，单位算力智能密度直接提 2.5 倍，长上下文解码速度翻 6 倍。
最狠的是，这根本不是只放个权重的假开源。

FlashKDA 高性能内核，MoE 通信库，连用来做 Agent 强化学习的快照式训练环境 AgentENV, 全给你开源了。

从推理到训练的整个底层栈，直接搬空。
之前所有开源模型，本质都是在追闭源一年多前的尾巴。

这是第一个真正摸到闭源顶尖门槛的开放模型。

长编码、Agent、终端操作这些硬核任务，
已经能和第一梯队闭源掰手腕。

你永远可以相信开放的力量！！
用K3搓了一个他自己开源的介绍视频，特此致敬🫡

[Matt Pocock @mattpocockuk]

Finally, my skills are available as a Claude Code plugin!

claude plugins install mattpocock-skills

This means:

- No more manually syncing updates
- Aliases: mattpocock:code-review means no clashes with Claude built-ins

Perfect for folks tired of tinkering. Install once, never worry again.

[Ren @Ryrenz]

想要学习怎么写 agent，可以参考这 几个开源 agent：

- Codex、OpenCode：完整的生产级 coding agent。
- pi：更小、更清晰的 Agent harness，反而最适合入门。
- Hermes：偏通用个人 Agent，不是纯 coding agent；适合学习记忆、Skills、Provider 和多平台接入。

先建立 Agent 的最小模型

Agent 最核心的逻辑其实就是：

用户消息
↓
组装 messages + system prompt + tool schemas
↓
调用模型
↓
模型返回文字或 tool calls
↓
执行工具
↓
把 tool results 加回 messages
↓
再次调用模型
↓
直到模型不再调用工具

生产级 Agent 的复杂度，都是围绕这个循环增加的：

- Streaming
- 工具参数验证
- 并行工具执行
- Abort、重试、超时
- 权限审批与 sandbox
- Context compaction
- Session 持久化与恢复
- Steering、follow-up
- Subagent
- Provider 差异适配

[MIKE @mikenevermiss]

Two senior Anthropic engineers just made Karpathy's famous agent loop far more powerful with one idea.

Graph Engineering.

They released an 11-page paper showing why agent performance improves dramatically once you stop thinking in loops and start thinking in graphs.

Here's the playbook.

step 1.

start with Karpathy's loop.

generate.

critique.

revise.

one self-review loop already beats a single model pass.

step 2.

give the agent tools.

search.

code execution.

databases.

reasoning without tools quickly turns into guessing.

step 3.

run agents in parallel.

give each one its own Git worktree.

same repository.

different branches.

no conflicts.

step 4.

connect everything with a graph.

instead of passing around conversations, agents write structured nodes and edges.

every claim stays linked to its source.

step 5.

ground the evaluator.

it checks claims against graph edges instead of relying on intuition.

if the graph can't verify it, the agent doesn't trust it.

step 6.

make the graph persistent.

the graph survives every session.

your agents stop rebuilding context from scratch and continue from where they left off.

this is the real shift.

Karpathy showed how one agent can think better through a loop.

Anthropic showed how thousands of agents can coordinate through a graph.

same models.

completely different architecture.

read the 11-page paper.

paste it into Claude.

bookmark this, then read the full guide on building graph engineering systems from scratch below.

[火山哥🕊️ @huoshan007]

给大家一个实用又能性能拉满的Hermes”配置。

这套 Hermes 配置，属于穷但很能打那种。

我自己配完试了一圈，真有点离谱：

聊天：DeepSeek V4 Flash，性价比直接拉满

视觉：Qwen3 VL 30B，单次不到 1 分

搜索：Tavily，每月免费 1000 次

生图：GPT Image 2，4 分一次

语音：Edge TTS，免费

转写：腾讯云 ASR，每月免费 2 小时

这玩意最骚的是，基本没花几个钱，但功能已经像个正经 AI 工作台了。

有种骑共享单车追高铁，还真追上了的感觉。

[WY @akokoi1]

最近疯传的Claude Opus5制作的使命召唤，作者说一句提示词就实现了，有很多人都在质疑，作者直接把代码和提示词开源。

本以为提示词会很复杂，结果就是短短的几百个字。其中的关键就是loop。

以下是提示词：

“我希望你开发一款达到最新《使命召唤》水平的第一人称射击游戏。它必须完美无瑕，画面精美绝伦，从纹理到物理效果，所有你能想到的元素都必须达到 AAA 级品质。

你需要创建多个sub-agents，并让每个sub-agents分别处理每个细节，以确保游戏达到完美。你应该/loop每个项目，并让一个独立的sub-agents进行视觉检查，确保其达到 AAA 级水准。这个独立的sub-agents应该非常严格，如果达不到 AAA 级水准，就应该继续检查。

不要停止，直到每个sub-agents在与《使命召唤》游戏进行对比后，都对游戏的画面质量感到无比惊艳。它应该能够完全不看画面，直接将两个游戏并排比较，并指出哪个更好。使用 ThreeJS 完成这项工作。/loop 直到游戏达到完美。创建多个sub-agents并使用 UltraCode 进行优化。”

[Henry Li @henry19840301]

我的 Harness 101 系列课程，司内已经有超过 36 万、司外超过 20 万人阅读和播放过，今天是我第一次把它带到 X 中文社区。 https://t.co/eq8EquCG0M

[GitTrend @GitTrend0x]

Hermes 又出现炸裂的插件了🔥

全网玩家把 Hermes 玩成了下一代「目标驱动团队 + 技能自动工厂 + 多 Agent 编排 + 集体进化大脑 + 成本守护者」：

1️⃣ 42-evey/hermes-plugins

https://t.co/YRVhhq2aWC

目标管理 + 跨 Agent 桥接 + 模型智能选择 + 成本实时风控。
“终于有人把 Hermes 当真正团队来管了”！

2️⃣ Romanescu11/hermes-skill-factory

https://t.co/EwNBXVsHuN

盯着你真实工作流，自动把“解决问题的过程”提炼成可复用 Skill。
“从用技能 → 自动造技能，闭环闭环再闭环”！

3️⃣ witt3rd/oh-my-hermes

https://t.co/Q0IYP05Hwu

原生 Hermes 多 Agent 编排技能包（共识规划、需求访谈、验证执行）。
“oh-my-claudecode 精神转生到 Hermes，团队协作直接起飞”！

4️⃣ AMAP-ML/SkillClaw

https://t.co/mZcsIG93b9

集体技能进化引擎。自动去重、合并、提升 ~/.hermes/skills，跨设备/跨用户同步。
“一个人用出的经验，整个 Agent 军团一起变强”！

5️⃣ tlehman/litprog-skill

https://t.co/3ZblconSNt
Literate Programming 技能，把代码+文档+思考过程融成可执行知识。
“写代码像写论文，可复现、可进化、可传承”！

Hermes 真正的护城河已经不是模型，而是 会自己长技能、会自己组队、会自己管成本的生态。

今天这 5 个装上，你的 Hermes 直接从“好用工具”升级成“会自我进化的数字生命”。

玩透一个，效率至少翻倍。🔥

[AI超元域 @AISuperDomain]

🚀MCP 迎来迄今最重要的一次升级。

Anthropic 正式发布第五版规范：MCP 2026-07-28。

这次并不是简单增加几个接口，而是对 MCP 的底层架构进行了一次全面升级：

1️⃣ 核心协议改为无状态架构

MCP 从双向、有状态的长连接协议，转向更标准的请求—响应模型。

开发者不再需要维护复杂的会话状态，MCP Server 可以更轻松地部署到 Serverless、Edge 和标准 HTTP 基础设施上，也更容易横向扩展。

2️⃣ MCP Apps 与 Tasks 成为正式扩展

MCP 引入版本化扩展框架：

MCP Apps：直接在 AI 对话中渲染交互式 UI
Tasks：支持异步、耗时较长的智能体任务

以后 MCP 不只是让 AI“调用一个工具”，而是可以承载完整的交互界面和长时间运行的工作流。

3️⃣ 授权机制全面企业化

新版 MCP 更好地兼容 OAuth 2.0 和 OIDC，可直接接入 Entra、Okta 等企业身份系统，减少过去部署企业 MCP Server 时需要使用的各种变通方案。

目前 MCP SDK 月下载量已经突破 4 亿次，Claude 的连接器目录中也已经拥有超过 950 个 MCP Server。

Claude 还在继续补齐企业级能力，包括：

企业统一管理 MCP 授权
连接器使用量、错误和延迟监控
私有网络 MCP Tunnels
对话内交互式 MCP Apps

我的判断是：

MCP 正在从“AI 调用工具的接口”，升级为真正的智能体应用基础设施。

无状态核心负责规模化，Apps 负责交互，Tasks 负责长流程，OAuth/OIDC 负责企业安全。

这可能是 MCP 从开发者生态走向大规模生产环境的关键一步。

https://t.co/EMBsuhGn58

#MCP #Claude #Anthropic #AIAgent

[宝玉 @dotey]

我现在用的最多的模型是：
Claude Fable 5
GPT 5.6 Sol
Claude Opus 4.6
Claude Opus 5
---

Opus 5 和 Sonnet 5 一样的毛病，过度思考，token 消耗很厉害，聪明不如 Fable 5，性价比不如 GPT 5.6 Sol，有点两头不沾，所以用的少，现在主要用在 Claude Design 相关任务。

Fable 5 虽然贵，但是结果相当靠谱，我会跟它一起讨论技术方案，或者复杂的任务。

其他的脏活累活则给 GPT 5.6 Sol，写作相关的还是 Opus 4.6 最好用。

昨天一个性能优化的任务，GPT 5.6 Sol 做了半天，最后给我悄悄把 16-bit 文本解码改成了 8-bit（图1），数字马上好看了，然后给我交差了😂

最后交给 Fable 5，虽然花了一些时间，但是找到问题根源（图2），还打脸了 GPT 5.6 的优化，最后优化好了。

[刘小排 @bourneliu66]

GPT-5.6 Pro绝对是最强编程模型，远超GPT-5.6 Sol和Fable 5。

以前我需要自己在网页里用它，麻烦。得益于 Codex 最近的内置浏览器体验提升，使用GPT-5.6 Pro现在终于不麻烦了。

我的新方法：
- 我不再亲自使用 ChatGPT Pro。
- 我让Codex在使用ChatGPT Pro。

详情
https://t.co/oyFG8haItC

[Rahul @sairahul1]

ANTHROPIC JUST DROPPED THE OFFICIAL GUIDE TO PROMPTING OPUS 5

This is the most important prompting guide for anyone using Claude.

Bookmark this before you forget.

Most people still prompt Opus 5 like older models. That's the mistake.

> give the complete task upfront — don't drip-feed instructions.
> explicitly ask for shorter responses if you want them.
> use low/medium effort by default. increase effort only when needed.
> let it finish the entire feature instead of asking for partial implementations.
> use subagents intentionally for large codebases, not every task.

Opus 5 is at its best when you stop micromanaging it and let it own the work.

Read it before writing your next prompt.

Claude → Opus 5 → Agentic Execution → Production-Ready Output → Money

[宝玉 @dotey]

【少数通用 Agent 通吃】
不只是通用的吃掉垂直的，通用 Agent 本身也是少数赢家通吃，小的通用 Agent 也没有生存空间。

【基于 Agent 的插件系统至关重要】
开放和封闭的差别，不在于是不是开源，也不在于能不能自由换模型，而是它的插件生态，就像最受欢迎的 Claude Code 和 Codex，默认都是自家模型，但是没多大影响，何况也都支持你用 API。

现在 Agent 能火爆的原因之一是因为丰富的插件（Skill + MCP）生态，可以帮助完成任务。

【前期的 Agent 更多是在教育用户】

下沉和傲慢是很主观的，Workbuddy 那样不见得就叫下沉，Codex 也不见得傲慢。当然说 Anthropic 傲慢那可能没啥争议，但只要模型够强，捏着鼻子也认了。

Agent 这种事，没有那么多忠诚度，前期都是在教育用户，就像小龙虾🦞，虽然现在都没人提起，但确实起到了普及 Agent 得作用，将来 AGI 发展史上也算留下了一笔。

Workbuddy 现在火爆，也一样是在教育用户，让很多不知道或者用不了 Codex/CC 的人也能用上了 Agent。

想当年 Claude Code 多火爆，后来 Codex 推出 GUI 版也马上抢了很多用户。

【模型是护城河】

Agent 的体验也没多大护城河，最后都趋同了，模型能力和成本终究还是会让产品拉开差距。

用户使用 Agent，最大的体验差异来源于模型的智能，当你用过聪明的模型，就不会想回到不那么聪明的模型，很多人愿意接受当下的，是因为没机会用到过更好的。

Cursor 的 Agent 体验也很好，什么模型都能用，但是热度最高还是 Codex 和 Claude Code，因为有订阅服务，性价比最高。

【个人和小团队没必要拼 Agent】

小团队做通用 Agent、垂直 Agent 已经没啥机会了，但是基于 Agent 做插件还机会很多

很多传统软件，并不是为 Agent 设计的，有一个时间窗口。

Skills 已经泛滥了，单纯的 Skill 没啥门槛，让 Skill 做为入口，后面再接入服务是有机会的，这也是提供差异化的地方。

[Julian Goldie SEO @JulianGoldieSEO]

NotebookLM is now Gemini Notebook.

But the real upgrade is hiding behind the new name.

Use it like this:

→ Upload customer feedback.
→ Ask it to count repeated topics.
→ Generate a ranked table.
→ Build a chart automatically.
→ Turn the findings into your next content plan.

It no longer just summarises your files.

It can analyse them.

[Aykut ÜÇEŞ @Aykutuces]

MCP protokolü bugün en büyük güncellemesini aldı. Kimse ne olduğunu tam anlamadı ama bu tarih değiştiren tarafta.

Eski MCP: her session'ın state'ini serverda tutmak lazımdı. Yani serverless çalışmıyor, edge'e atamıyor, load balancer arkasına sticky session'la bağlıyordun. Enterprise için can sıkıcı, indie geliştirici için pahalı.

Yeni MCP: stateless. Artık server'ı Cloudflare Workers'a, Vercel Edge'e, tek satır YAML ile Kubernetes cluster'a atıyorsun. Load balancer round-robin, sonsuz yatay scale.

Üstüne üç yeni katman geldi:

> MCP Apps: agent'ın kendi UI'ını sandbox iframe içinde render ediyor
> Tasks: uzun süren async operasyonlar
> Enterprise Managed Auth: identity provider'dan merkezi erişim kontrolü

MCP artık sadece "AI'ın USB-C'si" değil. Server'ı stateless, UI'ı render eder, uzun task'ları arka planda çalıştırır, SSO ile enterprise kilidini açar.

Yani her AI agent artık aslında bir mini SaaS platformu.

Vibe coder'ın hayali gerçek oldu: bir prompt yaz, agent hem hesabı hem UI'ı hem auth'u tek başına kurar.

Kaydet, 2026'nın en önemli teknik hamlelerinden biriydi.

[宝玉 @dotey]

MCP 协议今天推出了第五个大版本（版本号 2026-07-28），核心变化：从有状态双向协议变成了无状态的请求/响应协议。

这是 MCP 社区呼声最高的改动。

之前的 MCP 客户端连上来要先握手，服务端要给你一个会话 ID（session ID），后续每次请求都得带着这个 ID。这意味着你的请求被限制在了某一台服务器实例上，不方便做负载均衡。

现在每个请求都是独立的，自带协议版本和客户端信息，可以负载到任何一个实例上。也就是说 MCP 服务器终于可以像普通 HTTP 服务一样部署了，serverless、边缘计算、或者 CDN 后面放一排实例。

那如果业务确实需要跨请求的状态呢？协议的建议是：由工具自己生成一个句柄（handle），让模型在工具调用之间传递。状态放在业务层而不是协议层，模型能看到这个句柄，也能理解要怎么用它。

【其他变化】

MRTR（多轮往返请求）解决中途需要用户输入确认的问题。

比如 Supabase 的 MCP 服务器想在创建项目前告诉你费用，或者在执行删除操作前让你确认。以前这需要维持一个双向流不断开，现在服务端返回“需要输入”状态，客户端带上用户的回答重新发请求即可。

请求头里新增了 Mcp-Method 和 Mcp-Name 两个字段，网关和防火墙可以直接根据请求头做路由和鉴权，不用解析 JSON 请求体。

授权方面做了几项加固，包括要求验证授权服务器的 issuer 参数（堵上了一个授权服务器混淆漏洞）。动态客户端注册（DCR）正式废弃，改用客户端元数据文档（CIMD）。

Roots、Sampling、Logging 三个功能标记为废弃，但至少还能用 12 个月。旧版 HTTP+SSE 传输同样进入废弃轨道。协议首次引入正式的废弃策略，保证最少 12 个月过渡窗口，这对生产环境的团队来说很实际：你可以排期升级，不用被动救火。

【生态与迁移】

四个一级开发工具包（SDK）同步更新：TypeScript、Python、Go、C#。Rust SDK 以 beta 状态跟进。MCP 目前月下载量接近 5 亿次，TypeScript 和 Python SDK 各自累计下载量都超过了 10 亿。

AWS（Amazon Bedrock AgentCore）、Microsoft（Foundry）、Cloudflare（Workers）、Google Cloud 等都已宣布支持新规范。Figma、Supabase、Honeycomb 等工具厂商也在跟进。

新规范有破坏性变更，依赖会话标识符的实现需要改造。SDK 团队表示根据早期测试反馈已经简化了迁移流程，但具体成本因项目而异。如果你现在在生产环境跑着 MCP 服务器，建议先看一遍完整的 changelog 和迁移指南，评估影响面再动手。

[AYi @AYi_AInotes]

刷了下去年8月张小珺访谈Kimi创始人杨植麟的播客，
这期视频其实把 Kimi 的开源底牌说的蛮透的，
能感受到理工男的那种真诚和纯粹，

我剪了个比较干货的片段大家可以看下，

我理解开源对国产大模型来讲是一个很好的策略，同时也能持续把真正的技术 know-how，分享给整个社区。

从昨晚K3的开源来看，Kimi开源完全也不是营销噱头，杨植麟表示是月之暗面会长期做的事，当然也不是什么都往外放hh

[Julian Goldie SEO @JulianGoldieSEO]

Anthropic launched Claude Opus 5.

I plugged it into Agent OS immediately.

The difference was not just “better answers.”

It could:

→ Plan multi-step tasks

→ Check its own work

→ Find root causes in code

→ Use computer tools more reliably

→ Build interactive visual outputs

That matters when an AI is working beside other agents all day.

A smarter model is useful.

A smarter model inside a repeatable system is far more powerful.

Save this video, you’ll see why workflows beat isolated prompts.

The Full Guide is inside the AI Profit Boardroom. DM for the link. 💬

[Kelvin @ai_Goge]

https://t.co/3h93qZPOkU