Stanwade

Computer Graphics amateur

[Light Painter @LightPainterPro]

After 4 months of hard work, my Blender add-on is finally out of beta! Paint light directly in the viewport like you paint in Photoshop. No nodes, no wiring, no hassle. #blender #b3d

[Tw93 @HiTw93]

周末在整一个新的 Skill 叫做 Kami (紙, かみ)，大伙可以把他当做 Waza (技, わざ) 的妹妹，Kaku(書く) 的女儿，主打用于 Paper 排版的场景。

比如说你需要产出一页纸的报告，你需要写一个白皮书、需要产出一个精致的PPT、需要弄一个作品集的 PDF 发给别人等等，也就是任何排版的打印场景都可以使用，自动生成精致PDF，里面还具备自动绘制清晰图的能力。

差不多快弄好了，晚上下班后继续整了整，慢慢舒服了，还需要做一点装修的事情，我非常喜欢简洁、清晰、美观的设计方案，但是不喜欢现在看着都是一样的 ai design 风格，所有就用周日一整天做了 Kami，用于我的创作类输出，也分享给小伙伴，期待这周来开源。

[Stanwade @StanwadeWang]

Support @KBlueleaf Thanks Nya!

[琥珀青葉@KohakuLab @KBlueleaf]

KohakuTerrarium 1.0.0 is now published!
https://t.co/hZ38IEImcK

KohakuTerrarium is a framework for you to make ANY agent. You can use it to reproduce openclaw, hermes agent, or design completely new agent architectures.

It also ships production-ready agent out of the box.

[Stanwade @StanwadeWang]

@KBlueleaf support @KBlueleaf thanks nya!

[Kye Gomez (swarms) @KyeGomezB]

Introducing OpenMythos

An open-source, first-principles theoretical reconstruction of Claude Mythos, implemented in PyTorch.

The architecture instantiates a looped transformer with a Mixture-of-Experts (MoE) routing mechanism, enabling iterative depth via weight sharing and conditional computation across experts.

My implementation explores the hypothesis that recursive application of a fixed parameterized block, coupled with sparse expert activation, can yield improved efficiency–performance tradeoffs and emergent multi-step reasoning.

Learn more ⬇️🧵

[Lance Martin @RLanceMartin]

i just published a short article on building applications w/ Claude. captures a few lessons from my own work and many discussions with others at Anthropic.
https://t.co/VYnSSGwDet

[Tw93 @HiTw93]

https://t.co/x9eqpjrSuS

[Leo｜一个人 + AI @runes_leo]

一个工程师，三个月前完全不会设计，搭了一套 agent harness 之后能独立交付 UI。

他的方案分三层：用 skill 文件借资深设计师的审美，用 Paper/Pencil 这类 agent 画布替代 Figma，用 Variant/Mobbin 训练眼睛。

补一个他没展开的点：Impeccable 的反模式库可能是最值钱的部分。它不教你"好设计长什么样"，而是列出"AI 生成的设计为什么一眼假"——overused 字体、灰色文字叠彩色背景、卡片套卡片。

所有 LLM 从同一批模板学出来的，不纠正这些 bias，换哪个模型都一样丑。

读完直接装了 Impeccable，准备下次做配图、改网站时跑一遍 /audit。

[Garry Tan @garrytan]

I just launched /office-hours skill with gstack.

Working on a new idea? GStack will help you think about it the way we do at YC.

(It's only a 10% strength version of what a real YC partner can do for you, but I assure you that is quite powerful as it is.)

[向阳乔木 @vista8]

本周最值得看的Claude Code技术文章和最值得听播客。

暂时都没学完，整理收藏如下：

大神tw93 @HiTw93 的两篇Code Code和Agent文章，X上读完的都说好！

1. 你不知道的 Claude Code：架构、治理与工程实践
https://t.co/eou8NMyMO7

2. 你不知道的 Agent：原理、架构与工程实践
https://t.co/bYytGBeQAj

3. YC的CEO Garry Tan's开源的他的AI工作流Skill，3w多Star
https://t.co/ivoYZZFTu4

4. 张小珺和谢赛宁的7小时马拉松访谈
https://t.co/2sRzmT2GXW

5. Thariq：构建Claude Code的教训：我们如何使用技能
https://t.co/QiEuGbhCIY

[Philipp Schmid @_philschmid]

Agent skills are powerful but they are often AI-generated and not tested. Here is a practical guide to evaluating agent skills with code, prompts, and real results.

📋 Define success criteria (outcome, style, and efficiency).
🧪 Create 10-12 prompts with deterministic checks.
🤖 Add LLM-as-judge with for qualitative checks.
🔁 Iterate on the skill using eval failures.

[Minko Gechev @mgechev]

"Unit tests" for AI agent skills

Skill Eval uses Docker-isolated benchmarks and a mix of deterministic and LLM-based grading to evaluate your skills and catch regressions before they hit production

Read more: https://t.co/ZsxzLHNQPv

[sysls @systematicls]

https://t.co/wBaKpAI5Vl

[Tom Dörr @tom_doerr]

Web interface for AI agents with Git integration

https://t.co/ExbS2r1POf

[GitHubDaily @GitHub_Daily]

用 Claude Code 写代码，人在电脑前还好，一旦离开座位，AI 需要确认时就只能干等着，或者直接中断会话重来。

最近找到 HAPI 这个开源工具，可以通过手机或浏览器远程控制，随时随地确认 AI 的请求。

核心亮点是 “无缝切换”：本地工作时用原生终端体验，需要离开时一键切到远程，回来后无缝切回，不丢上下文也不用重启会话。

GitHub：https://t.co/QtE7hH7gNa

支持 Claude Code、Codex、Cursor Agent、Gemini、OpenCode 等多个 AI 助手，统一通过 Web 应用、PWA 或 Telegram Mini App 控制。

还内置语音助手，可以直接语音下达指令，甚至能在手机上直接执行终端命令。

部署很简单，两条命令就能启动，自带端到端加密的中继服务，也支持自建 Cloudflare Tunnel 或 Tailscale。

[GitHubDaily @GitHub_Daily]

用 AI 写代码虽然快，但需要一直盯着它，生怕它跑偏或者出错，反而增加了管理负担。

OpenAI 最新开源项目 Symphony，换了个思路：让 AI 自主完成整个开发流程，我们只需要管理工作本身。

它会监控项目看板上的任务，自动派出智能体处理，完成后提供持续集成状态、代码审查反馈、复杂度分析和演示视频等工作证明。

GitHub：https://t.co/8kczt2Qpid

通过后，智能体会安全地合并代码，整个过程无需人工盯着 Codex 写代码，工程师只需在更高层面管理工作任务即可。

项目提供了完整的技术规范文档，可以让 AI 用我们喜欢的语言实现，也提供了 Elixir 参考实现可以直接部署使用。

如果我们想把 AI 编程助手，升级为能自主完成任务的团队成员，这个项目值得尝试一下。

[Viking @vikingmute]

这篇文章是今天看到最精彩的文章，是一篇技术深度逆向工程实验，成功从 Codex CLI 的 compact() API中提取出了隐藏的系统提示。

非常好地解释了 Codex CLI 在使用自己模型，在长上下文管理上的实际运行方式，几乎把黑箱内部机制扒得一清二楚。

1 当上下文太长时，不是简单丢弃历史，而是调用 compact() API
2 服务器用一个专用的 compactor LLM，把整个对话历史总结成一个精炼的“handoff summary”。
3 这个 summary 被 AES 加密成 blob 返回给客户端
4 下次 responses.create() 时，客户端把 blob 传回去，服务器解密后总结，一起喂给 codex 主模型。
5 模型无缝接力继续工作，不会因为压缩而严重失忆或漂移。

这解释了为什么 Codex 在长任务上连续性特别强。

配图也很棒，非常好的科普文章。

[Arno Coomans @arno_coomans]

Our Neural Irradiance Volume (Eurographics 2026) permits real-time rendering of large scenes with dynamic objects and moving lights, while providing a higher quality at a given memory budget (10x improvement over probe grids!). Project page: https://t.co/IHI1URC0WU.

[灰狐 @huihoo]

《Proofs: A Long-Form Mathematics Textbook》

《证明：长篇数学教科书》
被誉为高等数学的最佳入门教材
该书在 Amazon 上获得了近900条五星好评（占所有评论的88%）

这本教材是为学生编写的
它摒弃了常见的定义 - 定理 - 证明 - 再重复的模式，而是加入了更多的评论、动机和解释
证明过程并不简略，而是以理解为重，而非追求简洁

此外，书中还有几十个证明之前都有“草稿”或证明概要
以便让学生对整体思路有一个宏观的认识，并了解自己如何独立得出这些证明

本书涵盖了直观证明、直接证明、集合、归纳法、逻辑、逆否命题、反证法、函数和关系等内容
书中通过超过 200 幅插图使这些概念更加直观易懂
行文轻松自然，语言亲切，还时不时穿插一些幽默

本书也是对高等数学的入门介绍
这在一定程度上是通过所选的示例和定理来实现的
此外，每章之后都有关于数学某一领域的介绍
这些领域包括拉姆齐理论、数论、拓扑学、数列、实分析、大数据、博弈论、基数和群论
每章之后还有“专业提示”，即一些简短的想法，是作者希望在自己上证明课时就知道的内容
它们包括对材料的更细致的评注、学习建议、历史注释、有关数学文化的评论等等
此外，在每一章的习题之后，都会介绍一个尚未解决的数学问题

在第一个附录中，讨论了一些进一步的证明方法
第二个附录收集了一些特别优美的证明
第三个附录则是一些写作建议

[九原客 @9hills]

整理了自主 Agent、上下文工程的一些资料给组内同学分享。

目前强烈推荐用 Claude Agents SDK 或者 LangChain Deep Agents 来尝试搭建自主 Agent，替代 Dify、LangGraph等工作流。