SpiderPig

[烟花老师 @teach_fireworks]

这两天，我把 ELI5 的思路重新做成了一个开源 Skill：

fireworks-open-eli5

ELI5 的长处，是把复杂概念讲得直观。

我想继续解决工程场景里的下一步：
图看懂了，依据在哪里？
是否可以支持动画播放？
请求到底怎么流动？
某个节点失效后会发生什么？
能够支持收藏，导出，加批注？

��以我做了这个skill,这是它比eli5多出的能力：

它还支持 concept、module、tradeoff、incident 四种叙事，带目录、历史、收藏、批注和 teach-back，并可离线导出 PDF、PNG、PPTX、DOCX、Pages。

做完以后，我更愿意把它叫作“可验证的交互解释器”：
读者能看懂，工程师也能追问。

Codex、Claude Code 都能用，支持自然语言或 npx 安装，运行时零 npm 依赖。

Codex或CC的安装方式：
请从 https://t.co/tBJ8itg8Yz 全局安装 fireworks-open-eli5 Agent Skill

命令行安装方式：
npx skills@latest add yizhiyanhua-ai/fireworks-open-eli5 -g -a codex -a claude-code -y

欢迎三连，可玩性很高，已开源：
https://t.co/tBJ8itg8Yz

[GoFly @GoGoFly23]

Anthropic 最近公开了一款内部员工高频使用的 Claude Code Skill——ELI5。
安装这个 Skill 后，你只需要输入想了解的概念，它就会自动生成一个 HTML 页面，通过“大图 + 少文字”的方式，把复杂的技术原理可视化解释出来。
视频中演示了使用 ELI5 解释 MCP 运行原理，以及 Harness 这一 AI Agent 概念的过程。
相比传统文字解释，它能够通过结构图、类比和简单案例，让复杂知识更加容易理解。
如果你经常学习 AI、编程、Agent、MCP 等新技术，这个 Skill 可以帮助你快速理解和分享复杂概念。
#MCP #Skill #Anthropic #claude

[Y Combinator @ycombinator]

We’ve decided to open-source a multi-agent harness we use internally at YC.

We call it “QM” and it’s meant to be easy to customize, like Hermes or OpenClaw, but useful for a whole company. We use it across accounting, legal, events, and engineering (including building QM itself!).

The whole project is under an MIT license. It is cloud-first and has Slack and web UI natively.

[程序员大熊 @xiongchun007]

今天面试官问我：Agent 在流式输出 Chat Response 的过程中，怎么实现人为中断和上下文感知恢复？

我说关键就两点：

第一，一个 Task 一个 Session。
用户点 Stop，只是中断当前这次 run，不是清空整个对话。所以停止时，要把当前上下文保存到对应的 sessionId 下；下一次恢复时，再根据这个 sessionId 把上下文加载回来。

第二，要处理 tool call 被截断的情况。
如果中断发生在 tool_call 已经生成、但 tool_result 还没返回的时候，消息链就是半截的。下一轮直接继续，很容易报 Pending tool calls exist without results。所以这类半截 tool_call，必须补一个 recovery result，让上下文重新��成合法状态。

一句话：Stop 停的是这次输出，不是这个 Task 的记忆。

按照这个思路，我把 Stella 的输出停止和带上下文状态恢复给做顺溜了。满分 💯

[IndenScale @david0520782123]

我们的智能体是

1，数据源
2，连接器，从数据源中提取 json string
3，本体，将 json string 反序列化为 Object
4，策略，对 Object 形成的 Graph 进行静态分析，产生 Diagnostic
5，数据绑定，将 Object 嵌入 Parametric Block 中的 Slot
6，生成，调用 Agent 补全 Generated Block，如果可追溯性非常高，我们甚至要限制 Agent 在写入特定 Generated Block 时 Scope 包含的 Block，依据哪些表达，哪些数据，做出特定判断的。
7，样式绑定，将 Content Graph 中的各个 Block，根据 Target Channel，选择 Style，渲染得到 Artifact。

[余温 @gkxspace]

一周 17k star，我总算知道这本书为什么涨这么猛了

上周推荐《深入理解 AI Agent》时我才翻了个大概，这几天让 Codex 带着我学了一遍，一直在恍然大悟，讲的都是每天用 AI 遇到的不太理解的事

比如：
为什么上下文一长 AI 就变笨，书里���到了 KV Cache 和上下文压缩，为什么有的 Agent 好用有的不行，第一章就告诉你：模型只是三分之一，上下文和工具才是另外三分之二，等等等等......

如果你不是技术专家，真的值得学一下，仓库链接直接丢给 Codex，让它带你学：https://t.co/aqxGa9fFNX

[Sebastian Raschka @rasbt]

For agentic coding, one can say:

- Unless you need Terra Ultra perf, it's always better to use a Luna model with higher effort setting (same or better performance but cheaper).

- Forget everything below Sol High, use Luna with higher effort settings here

- Forget Sol Extra High, use Terra Ultra here

- The extra cost of Sol Ultra is probably not worth it over Max

[Elara @Elara200410]

Codex 也能用上动态工作流了，而且比 Claude Code 的版本更省 token。

有人开源了一个 Skill，把 Claude Code 动态工作流的编排逻辑完整搬到了 Codex 上。

怎么用？三步：

1. 跟 Codex 说安装这个 skill
2. 在对话框输入 /dynamic 调用
3. 描述你的任务，它自动生成编排脚本、启动子代理、进入 /goal 模式���行

它做了什么？

你只需要描述任务目标。
LLM 自动生成一段 JavaScript 编排脚本，把任务拆分、并行/串行逻辑、验证机制、收敛条件、错误处理全部写进去。
然后 JS 脚本自动调度执行。

和传统多 Agent 模式的区别：

传统 Subagent 模式 → 子代理之间无法直接通信，所有信息靠主 Agent 中转。上下文爆炸。
Agent Team 模式 → 解决了通信问题，但最多跑 3-5 个实例，多了就乱。会话一断，状态全丢。
动态工作流 → 所有中间结果只存在 JS 脚本的变量里，主 Agent 只看到最终答案。内置对抗性验证，部分子代理专门找漏洞、互相反驳。进度实时保存，中断了可以从中断处恢复。

最狠的一点：比 Claude Code 原生版本更省 token。

仓库里有完整的指南和提示词模板。

🔗 链接：
· GitHub — https://t.co/3LHV1WL286

[Kai @hqmank]

Community report: Codex may be quietly routing some gpt-5.5 xhigh sessions to gpt-5.6-sol.

Try it in Codex App/CLI:

select gpt-5.5, set reasoning to xhigh, then run the Juice test prompt.

If it returns 128, you are probably in the gray rollout.

Worth testing to see if you got it.

[Q @q_yeon_gyu_kim]

codex desktop app @OpenAI is crazy

i have a session with nearly 300 subagents running more than a day
thanks to @justsisyphus lazycodex

and it is just smooth as hell
no bad experience

[waishnav @wshxnv]

Alrighty, everything is ready 😎

here’s an unofficial “2x Codex limits” promo from my side for you all.

meet DevSpace — an MCP connector app that turns ChatGPT into Codex.

npm install -g @waishnav/devspace

After installing, tunnel the MCP server over the internet and enjoy 2x limits.

You can use GPT-5.5 Pro, xHigh, or High for planning, then hand off the task to your local Codex/pi/opencode/cursor/claude code instance.

Or you can just use it for reviewing code written by other local coding agents

Go ahead, experiment with different workflows, and keep the feedback coming on GitHub Issues or in my DMs

And let’s thank OpenAI for being so generous by giving us separate ChatGPT and Codex limits and by being so chill around this MCP :)

Please use it sparingly, only when you run out of limits. Don’t overuse it — in the end, they do have a button to stop it 🙂

[waishnav @wshxnv]

yesterday, at the Codex hackathon, i ended up solving this problem by building an MCP connector app that turns ChatGPT into Codex, sort of.

1. you get to use GPT-5.5 Pro by exposing your local dev environment to ChatGPT, so you can use 5.5 pro for planning and handover to codex to execute it
2. you get to 2x your rate limits, just like last month, because apparently ChatGPT and Codex have separate rate limits

here is the quick demo

[拓跋鼠 @qwerty__cs]

富途 APP 如何不开全局代理也能正常使用

打开小火箭 Shadowrocket，进入「配置文件」右侧的 ⓘ 图标 →「规则」。

推荐直接编辑配置文本，在规则区加入下面这组富途规则，策略全部选择 `PROXY`：

# 富途
DOMAIN-SUFFIX,https://t.co/W6a3rc98v8,PROXY
DOMAIN-SUFFIX,https://t.co/YytW1cQAfI,PROXY
DOMAIN-SUFFIX,https://t.co/mamruv0W9u,PROXY
DOMAIN-SUFFIX,https://t.co/FHQ7PN55W3,PROXY
DOMAIN-SUFFIX,https://t.co/6PUN5BU9X1,PROXY
DOMAIN-SUFFIX,https://t.co/nG1uv7KhZB,PROXY
DOMAIN-SUFFIX,https://t.co/4gQajwWASd,PROXY
DOMAIN-SUFFIX,https://t.co/TXfkKYeeZ8,PROXY
DOMAIN-SUFFIX,https://t.co/BkIo9gfNq3,PROXY
DOMAIN-SUFFIX,https://t.co/1HDAwxx1ms,PROXY
DOMAIN-SUFFIX,https://t.co/fOTOfloVEc,PROXY
DOMAIN-SUFFIX,https://t.co/6QYQjHB5u1,PROXY
DOMAIN-SUFFIX,https://t.co/6EYDLmMkoI,PROXY
DOMAIN-SUFFIX,https://t.co/HqL0Wu0IoN,PROXY

IP-CIDR,1.12.0.0/14,PROXY
IP-CIDR,14.152.0.0/16,PROXY
IP-CIDR,42.192.0.0/14,PROXY
IP-CIDR,43.128.0.0/11,PROXY
IP-CIDR,43.168.0.0/16,PROXY
IP-CIDR,43.174.0.0/16,PROXY
IP-CIDR,49.51.0.0/16,PROXY
IP-CIDR,49.232.0.0/14,PROXY
IP-CIDR,101.32.0.0/15,PROXY
IP-CIDR,106.52.0.0/14,PROXY
IP-CIDR,111.230.0.0/15,PROXY
IP-CIDR,114.132.0.0/14,PROXY
IP-CIDR,118.24.0.0/14,PROXY
IP-CIDR,118.88.0.0/14,PROXY
IP-CIDR,119.28.0.0/15,PROXY
IP-CIDR,119.91.0.0/16,PROXY
IP-CIDR,119.147.0.0/16,PROXY
IP-CIDR,121.4.0.0/15,PROXY
IP-CIDR,124.156.0.0/16,PROXY
IP-CIDR,129.211.0.0/16,PROXY
IP-CIDR,129.226.0.0/16,PROXY
IP-CIDR,170.106.0.0/16,PROXY
IP-CIDR,175.178.0.0/16,PROXY
IP-CIDR,193.112.0.0/16,PROXY

如果不想编辑文本，也可以在「规则」里点右上角 ➕ 手动添加：

域名类选择 `DOMAIN-SUFFIX`，策略选 `PROXY`；
IP 段类选择 `IP-CIDR`，策略同样选 `PROXY`。

保存后不需要开全局，富途的登录、行情、交易接口和静态资源就会单独走代理。

[Google Research @GoogleResearch]

🚀 Introducing Gemini-SQL2, our breakthrough text-to-SQL capability powered by Gemini 3.1 Pro! We've achieved state-of-the-art results on the highly competitive BIRD benchmark, translating natural language into execution-ready SQL queries. 🧵👇

[余温 @gkxspace]

如果你的 Codex /goal 跑一晚上，第二天一看烂尾了，可能真不怪 Codex。。。

十有八九是 goal 写得太辣鸡了，比如“帮我做个 App”、“修一下 bug"，这种话人能听懂，agent 不知道怎么验证、重试几次、啥时候该停。

乔木老师把他那篇 4 万字的 Goal 文档做成了一个 skill：
你说一句话需求，它给你翻译成一份完整的任务合同，验证方式、约束、写入边界、迭代策略、完成条件、暂停条件全部补齐，复制就能跑。

npx skills add joeseesun/qiaomu-goal-meta-skill

装完之后，你就可以踏实睡觉了💤

[郭宇 guoyu.eth @turingou]

当 AI Native 公司的效率指数级碾压传统公司时，赚钱的业务就不仅仅是 to B，而是找到一种方法彻底替代他们。人脉，资源，信任会是门槛，但这些门槛一定会被效率击破。

[huangserva @servasyy_ai]

Andrej Karpathy：“Claude 的错误里，90% 来自上下文缺失，而不是模型能力弱。”

没有 `CLAUDE.md` 时，错误率是 41%。
有 4 条基础规则时，错误率降到 11%。
使用下面这套 12 条规则时，错误率降到 3%。

这是资深工程师最终沉淀出的 12 条规则：

1. 写代码前先思考
先说明假设，不要猜。模型不会读心，别指望它能自动知道你的意思。

2. 简单优先
最少代码，不做投机式抽象。一旦你让 Claude 为“未来灵活性”加东西，可能就多出 200 行下季度要删的代码。

3. 外科手术式修改
只改必须改的地方。别让它顺手优化旁边的代码，PR 就是这么膨胀的。

4. 目标驱动执行
先定义成功标准，然后循环直到验证通过。没有成功标准，Claude 要么无限循环，要么过早停止。

5. 只把模型用于判断型任务
比如分类、草稿、总结、抽取。不要让模型处理路由、重试、状态码处理、确定性转换。代码能回���的，就让代码回答。

6. Token 预算不是建议
单任务 4000，单会话 30000。长时间调试到第 40 条消息时，Claude 会重新建议你第 5 条消息已经否掉的修复方案。

7. 暴露冲突，不要折中平均
代码库里有两种模式？选一种。Claude 把两种混在一起，错误就会被吞两次。

8. 先读再写
先读 exports、调用方、共享工具。Claude 很可能在一个已有相同函数旁边，再加一个重复函数，只因为它没读到。

9. 测试要验证意图，而不只是行为
如果业务逻辑变了测试却不会失败，这个测试就是错的。Claude 写的 12 个测试都可能通过，即使函数实际只返回一个常量。

10. 每个重要步骤都要 checkpoint
Claude 可能在第 4 步已经坏掉的状态上继续完成第 5、6 步，而没���发现，浪费一小时。

11. 匹配代码库约定
项目用 class components，就不要默默改成 hooks。测试模式可能依赖 `componentDidMount`，hooks 会破坏它，却不一定暴露问题。

12. 失败要大声暴露
“成功完成”，但 14% 的记录被静默跳过，这是最糟糕的一类 bug。要暴露不确定性，不要藏起来。

真正会复利增长的，不是下一个框架，而是：

- 把 `CLAUDE.md` 当作跨会话的组织记忆
- 基于 eval 改进，而不是凭感觉改
- 重视 checkpoint，而不是一味追求速度
- 明确暴露冲突，而不是静默混合
- 纪律永远比框架重要
- 一个仓库，一个规则文件，没有例外

在这件事变成 AI Twitter 的大众共识之前，提前领先几条规则。

研究它👇

[Sac @Saccc_c]

https://t.co/n2rFXEDpqV

[Aniket Panjwani @aniketapanjwani]

https://t.co/97BnFltB9z

[Nick Dobos @NickADobos]

Codex on iOS Pro tip:
How to keep you mac from sleeping

On your mac
- download amphetamine for free
- enable when codex is on
- optional: uncheck the setting to allow closing your laptop lid