Anchor

AI Experiment Lab. Will talk about the latest AI tools, their wild creations, their quirks, and how they spark imagination in today’s digital world.

[路飞 🏴‍☠️ AI 研究员🧐 @0xluffy_eth]

挖到 11 个 AI 开源项目。

里面有 Agent 框架、Claude Code 技能库、AI 记忆系统、研究自动化和量化投资平台。

有几个 Star 已经冲到 100K+，建议直接收藏。

1️⃣ PilotDeck
OpenBMB 开源的 AI Agent 框架。

很多人想做 Agent，但卡在第一步：

不知道怎么从一个想法，变成能跑、能部署、能自动执行任务的系统。

PilotDeck 解决的就是这个问题。

它可以帮你快速搭建和部署自主 Agent，适合做个人助理、自动化工作流、AI 产品原型。

🔗 https://t.co/bG7CECiTfr

2️⃣ andrej-karpathy-skills
Karpathy 的 AI 编程经验，被整理成了一个 Markdown 文件。

109K+ stars。

这类项目最值钱的地方，不是代码多复��，而是你能看到顶级 AI 工程师到底怎么和模型协作、怎么写代码、怎么拆任务。

适合所有想把 AI 编程真正用起来的人。

🔗 https://t.co/Rnbo8LcIHP

3️⃣ MemPalace
一个 AI 长期记忆系统。

很多 AI 工具的问题是：每次聊天都像重新认识你。

MemPalace 做的是让 AI 记住长期上下文、偏好和历史信息。

简单说，它不是让 AI 陪你聊一次，而是让 AI 越用越懂你。

🔗 https://t.co/F1QslNlm2M

4️⃣ OpenClaw
一个个人 AI 助手项目。

300K+ stars。

它不是普通聊天机器人，而是更接近「可以接进个人工作流的 AI assistant」。

适合想研究桌面 Agent、个人助理、自动化执行系统的人。

🔗 https://t.co/Psz6MmE64K

5️⃣ autoresearch
Karpathy 的研究自动化框架。

3 天 23K stars。

它解决的是研究里最烦的一堆重复劳动：

找资料、读内容、整理信息、形成结论。

如果你经常要写报告、做调研、读论文，这个方向很值得看。

🔗 https://t.co/a5ZBPWD0zh

6️⃣ awesome-claude-code
Claude Code 玩家必看的实战合集。

不是普通教程。

它更像一份 Claude Code 使用手册，里面整理了大量技巧、工作流、插件、案例和实战玩法。

如果你还只会让 Claude Code “帮我写代码”，这个仓库可以直接拉开差距。

🔗 https://t.co/mU1rXADzVe

7️⃣ agent-skills
Addy Osmani 整理的 AI coding agent 技能库。

30K+ stars。

它的重点是让 AI 编程 Agent 具备真正的工程能力：

代码审查、性能优化、重构、测试、调试、架构判断。

适合程序员、独立开发者、AI coding 重度用户。

🔗 https://t.co/EZ9yDCZy7U

8️⃣ AI-Agents-for-Beginners
微软官方出的免费 Agent 入门课。

12 节课，从零开始教你搭建 AI Agent。

现在很多人天天聊 Agent，但连 Agent 的工具调用、规划、记忆、执行链路都没搞明白。

这个项目适合系统补课。

🔗 https://t.co/YwzjgEj5iX

9️⃣ awesome-llm-apps
106K+ stars。

GitHub 上很大的 LLM 应用合集之一。

里面不是概念科普，而是大量已经做出来的 AI App 案例。

如果你想做 AI 产品、AI 副业、AI SaaS，但不知道从哪个方向切入，可以先刷这个。

🔗 https://t.co/yYiqwT2KIh

🔟 hermes-agent
NousResearch 做的自进化 AI Agent。

普通 Agent 是你让它做什么，它就做什么。

hermes-agent 更有意思的点是：它会随着使用不断学习和改进。

适合关注 self-improving agent、长期任务、自动化系统的人。

🔗 https://t.co/X2psYJ73rp

1️⃣1️⃣ qlib
微软开源的量化投资平台。

你可以把它理解成一套免费的量化研究系统。

它覆盖数据处理、模型训练、策略研究、回测、交易分析等流程。

适合想研究 AI + 金融、量化交易、投资模型的人。

🔗 https://t.co/RrSOecgZVi

[诺鸭船长3 @noahduck283]

妈妈我的知识库有救了😭
Shopify 创始人Tobi 和 Karpathy 共同推荐！
完全本地，免费，使用简单，还帮你省一大笔 token！

配置提示词：
帮我装一下 qmd，把当前目录接进来做检索，我是中文笔记。
1.npm install -g @tobilu/qmd —— 装 qmd CLI 本体 2.claude plugin marketplace add tobi/qmd && claude plugin install qmd@qmd —— 装 plugin（自动注册 MCP server + 配套 skill）
3.qmd collection add . --name brain —— 把当前目录配置为知识库
4.切到 Qwen3-Embedding-0.6B 多语言模型（中文知识库必做）
5.qmd pull —— 拉取 qmd query 所需的本地小模型 6.qmd embed -f —— 生成向量索引

[Dr.Jingle @drjingle]

这种中式美学的视频
似乎没有很多AI的赛博味道

反而有一种空灵清幽的安静美

[周览💪｜实用工具分享 @grgerwcwetwet]

推荐一个开源项目 Horizon，一个专门盯海外科技圈的 AI 信息雷达。

它会自动聚合 Hacker News、Twitter、Reddit、GitHub 等平台内容，再用 AI 做筛选、去重和总结，把真正有价值的信息整理成日报。

比较实用的是：

* AI 自动给内容打分，低质量直接过���
* 提取 Reddit / HN 里的高质量评论和观点
* 自动补充陌生公司、技术背景
* 同一新闻全网去重
* 支持生成中英双语简报
* 可推送到飞书、邮箱、微信等渠道

如果你平时靠刷海外社区获取信息，这类工具确实能减少很多“信息噪音”。

GitHub：
https://t.co/AuuNITzWOt

[0x小师妹 @0xshimei]

阿里开源了一个 AI 自动剪辑：【GitHub 17K stars】

你只需要输入一个视频主题，它自动帮你做完：
文案脚本
素材生成
语音合成
背景音乐
最后一键导出完整视频

口播、推文、科普、历史解说、人文���实，几乎所有短视频类型都能套模板出草稿。

下载地址：https://t.co/Qa7ZZ7OVEy

[Huan @Huanusa]

朋友做电影解说一年赚1000万（小片片看大片）

但这个开源项目，可能要彻底颠覆他了！
一句话生成完整电影解说视频，AI直接把人工全干掉！
项目叫 narrator-ai-cli-skill，装进Claude Code、OpenClaw等Agent后，
你只需要说一句：
“帮我做一个《肖申克的救赎》的解说视频”
AI自动跑完全流程：
-生成高能解说脚本
-精准匹配电影片段
-63种音色配音（支持声音克隆）
-90+视觉模板自动套用
-146首BGM智能匹配
-一键输出成品视频

内置93部经典电影素材库，支持改编解说和原创解说两种模式。
还会提前估算成本，工程化做得非常扎实。
做影视号、短视频矩阵、批量生产内容的朋友，这工具直接把人工成本干到最低！
GitHub：https://t.co/RSYZ5PA1DE
准备批量搞电影解说的，赶紧冲！

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

Hermes 这次真的要变天了，程序员们把它玩出花来了

说真的，我最近一直在盯着 Hermes 生态的动向，这两天突然冒出来一堆技能包，看完我直接坐不住了——这帮开发者是认真的，Hermes 正在被改造成一个你完全想不到的东西。

先说结论：Hermes 已经不只是个 Agent 框架了，它正在变成一个创作者经济的底层基础设施。

来，逐个拆给你看：

1️⃣ novel2hermes_jp
🔗 链接: https://t.co/L6ycvb8pqw
日文长篇小说专用技能包，带 vecmemori 记忆模块，两阶段流水线处理，还有角色一致性检测。说人话就是：写长篇小说写到后面人设崩了这个问题，它给你解了。这在 AI 写作圈是个老大难，现在有人专门做了一套机制来盯着，不得不说这个方向很实在。

2️⃣ interest-radar
🔗 链接: https://t.co/fs47tN0D30
兴趣雷达技能，能判断外部内容跟你的相关性，还能根据你的反馈自动进化。简单说就是 Hermes 开始"读懂你"了，而且越用越准。个性化这条路，大家都在走，但做成技能插件直接挂上��，这个思路挺聪明的。

3️⃣ hermes-deployer
🔗 链接: https://t.co/IHwZW6h469
Rust 写的跨平台一键部署器，Windows、macOS、Linux、VPS 全覆盖，零配置。部署这件事一直是劝退新手的第一道坎，有人用 Rust 把这个坎直接铲平了，这对整个生态的普及速度影响不小。

4️⃣ hermes-tablestore-memory
🔗 链接: https://t.co/fPgkj5g9pT
阿里云出手了，Tablestore 云端记忆插件，支持多 Agent 共享语义搜索。记忆从本地单机变成多个 Agent 共用一个大脑，这个跨越不是一点点。阿里云亲自下场做插件，说明这个生态已经值得大厂认真对待了。

5️⃣ felo-skills
🔗 链接: https://t.co/UbLE0stuHj
Felo 出的营销和内容超级 Agent 技能大礼包，一键 installer 直接装上。做内容的、做营销的，这个直接对口，不用自己从头搭，拿来就能用。

你现在看到的这些，只是开始。一个生态真正爆发的信���，不是官方发布了什么，而是社区开始自发地往里填东西。Hermes 现在就是这个状态。

错过比特币早期的人说没信息，现在这些信息就摆在这，看不看是你的事。

[梭哈.AI @SUOHA_AI]

你现在可以帮Claude Code / Codex 加上无限记忆了

agentmemory （11.4k+ GitHub stars）：是一个开源的 AI 编码代理记忆引擎，它会自动记录每次会话的操作、决策和全部上下文，用 AI 智能压缩成精炼记忆,下次启动时，通过关键词+向量+知识图谱混合搜索，精准注入最相关的上下文

这样就能让各种AI agent（当然也包括openclaw，Hermes等等）拥有真正的长期记忆，不用每次都重复解释项目背景和历史决策，效率大幅提升

https://t.co/hWagGCh0zV

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

兄弟们，这个项目我必须给你们安利一下！

🔗 链接: https://t.co/X3Tdcb84fE

GitHub上有个叫 agency-agents 的角色库，81万星，不是在玩，是真的在爆。

140多个专家级 Agent 角色，CEO、律师、程序员、增长黑客……你能想到的岗位基本都有。

直接把角色喂给 Claude Code 或者 Cursor，秒变专属顾问。还能多个 Agent 组团，相当于给自己开了家虚拟公司。

免费的，不用吗？

[超级个体｜柿子 @yaohui12138]

Karpathy 发布了一个github开源项目，狠狠让我惊艳到了

这个项目叫 andrej-karpathy-skills,GitHub 13 万+ star,我愿称之为2026 最有用的 AI 工程项目

它解决的问题极其精准：让 Claude Code 不再瞎写代码

这个项目到底有多厉害？

先说结论：一个 4KB 的文本文件，让 AI 写代码的错误率暴降 90%

Karpathy 自己说，他现在 80% 的代码都让 Claude 写，但 AI 经常犯几个典型错误：

不问就瞎猜需求
过度设计，写一堆用不上的抽象
改 A 顺手把 B��C、D 也重构了
代码能跑就行，不管目标达成没有

这个项目就是专门给 Claude Code 戴上guardrails，用 4 条行为准则约束 AI 的编码行为

核心亮点：4 条准则改变一切

整个项目就是一个 CLAUDE.md 文件，里面只有 4 条规则，但每一条都直击 AI 编码的痛点

1. Think Before Coding - 先思考再动手

AI 最大的问题���“太听话”，你说啥它就写啥，从不质疑

这条准则要求：明确说明假设、权衡 tradeoffs，不确定就直接问

不再是“我猜你想要这个”，而是“我理解你的需求是 A，但 B 方案可能更合适，你要哪个？”

2. Simplicity First - 极简实现优先

AI 天生爱炫技，你要一个登录功能，它给你写个完整的 OAuth 2.0 + JWT + 刷新令牌 + 权限系统

这条准则强制：只写刚好能解决当前问题的最小代码

不搞 speculative abstractions，不写未来功能，不过度工程

一个用户反馈：用了这条规则后，代码 diff 从动辄几百行缩减到几十行，review 轻松太多

3. Surgical Changes - 手术式精准修改

这是我最爱的一条

AI 有个恶习：你让它改个 bug，它顺手把整个文件的命名风格、缩进、注释全优化了

这条准则要求：只改用户要求的部分，严格匹配原有代码风格

不碰无关文件，不顺手 refactor，不加“看起来更好”的改动

有开发者实测：启用这条后，git diff 从“满屏红绿”变成“3 行精准修改”

4. Goal-Driven Execution - 目标驱动执行

AI 经常写完代码就交差，但代码能跑 ≠ 任务完成

这条准则要求：把任务转化为可验证的目标/测试/成功标准，然后 loop 执行、验证、迭代

直到真正达成目标才停止

这让 AI 从“代码生成器”变成“问题解决者”

真实效果：社区反馈炸裂

X 上这个项目刷屏了，开发者反馈高度一致：

代码质量飞跃：diff 更紧凑、干净，overbuild 和 side changes 大幅减少

错误率暴降：有人实测从 41% 掉到 11%，继续优化后低至 3%

中文社区评价：“必备 skills”“Claude/Cursor 实用技能 Top1”“直接扔项目里就完事了”

很多人直接 @ 朋友推荐：“把这个 CLAUDE.md 放进去，Claude 立刻像换了个人，写代码更靠谱、不乱改、不瞎猜“

使用方式：简单到离谱

这是我见过最简单的 AI 工程优化方案：

方法一：直接 curl 把 CLAUDE.md 下载到项目根目录

curl -o CLAUDE.md https://t.co/aybUbZSrp4

方法二：用 Claude Code / Cursor 的 plugin 一键安装

支持 Claude Code、Cursor 等主流 AI coding 工具

完全开源（MIT 协议），拿来就用

作为产品经理出身的开发者，我看到的不只是 4 条规则，而是对 AI 编码行为的深刻洞察

Karpathy 做的事情本质上是：给 AI 建立编码的第一性原理，他把他对于AI编程的理解写入了文件中

不是教 AI 怎么写代码（它已经会了），而是教 AI 什么时候该问、什么时候该停、什么时候该简化

这 4 条准则就像产品经理给开发团队定的 PRD 原则：

需求不清楚？ 先问
功能够用就行�� 别过度设计
改需求？ 只改需求相关的
做完了？ 先验证目标达成没有

它能帮到我们什么？

如果你是独立开发者或小团队，这个项目能直接提升你的 AI 协作效率：

减少返工：AI 不再瞎猜需求，写出来的代码更符合预期

降低 review 成本：改动精准，不用在一堆无关修改里找真正的变更

提升代码质量：极简实现意味着更少的 bug、更好的可维护性

加速迭代：目标驱动让 AI 真正解决问题，而不是生成代码

对于中大型项目，这是让 Claude Code 真正“生产可用”的关键一步

我的使用体会

我在自己的几个项目里部署了这个 CLAUDE.md，最直观的感受是：

AI 变聪明了

以前它是个听话的实习生，你说啥它做啥，经常做错

现在它像个有经验的同事，会主动问“你确定要这么做吗？ 我有个更简单的方案”

代码 diff 变干净了

以前一个小需求能改几十个���件，现在精准到只改 3-5 行

我的工作重心变了

以前 60% 时间在 review AI 的代码、修 bug

现在 80% 时间在思考产品逻辑，AI 真正成了生产力工具

最后

这个项目被誉为 2026 年 AI coding 领域的“现象级”黑魔法工具

小文件，大作用

如果你在用 Claude Code / Cursor 写代码，强烈建议直接把这个 CLAUDE.md 扔进项目根目录

GitHub 地址：https://t.co/BRgh5nx6dX

试过的人基本都是“已全项目部署”的状态

作为一个天天和 AI 协作的开发者，我的建议是：别犹豫，直接用

[超级个体｜柿子 @yaohui12138]

作为一个把 Claude 用到极致，codex偶尔使用的非技术人员，我来谈一下我对于codex和claude的感受：

Codex 正在吞噬应用层的一切，Claude 正在吞噬编码层的一切

先说 Codex 的应用层吞噬

Codex 现在已经不是一个编程工具了

它是一个能操作你电脑上所有东西的超级 App，这点大家应该都深有体会

1. Computer Use - 后台��作你的 Mac

4 月 16 日上线，Codex 可以用自己的光标看、点击、输入

多个 Agent 可以在你的 Mac 上并行工作，不干扰你自己的操作

前端设计、游戏开发、任何 GUI 应用，它都能操作

2. Chrome Extension - 接管你的浏览器

5 月 7 日上线，Codex 现在能直接在 Chrome 里工作

它能操作你已经登录的网站，使用你的 Cookie 和认证状态

跨多个标签页并行处理任务，在后台运行不打断你

3. 90+ Plugins - 连接你的所有工具

GitHub、Slack、Gmail、Google Drive、Notion

每个 Plugin 打包了 Skills、App 集成、MCP 服务器

一键安装，直接用

4. Skills - 把重复工作变成一条指令

你可以把任何多步骤工作流打包成一个 Skill

输入 / 触发，就像训练好的员工一样

OpenAI 自己用 Skills 做每日问题分类、CI 失败总结、发布简报

5. Automations - 让 AI 在你睡觉时工作

设置定时任务，Codex 可以自动运行

每天早上生成工作简报，每周五做项目总结

它甚至能跨天、跨周持续执行长期任务，自动唤醒继续工作

6. Memory - 记住你的偏好和历史

Codex 会记住你的个人偏好、纠正过的错误、花时间收集的信息

下次任务自动用上，质量更高，速度更快

7. 图像生成 - 直接在工作流里生成图

集成了 gpt-image-1.5，需要配图的时候直接生成

不用跳出去用别的工具

你自己能发现，Codex 的逻辑是什么？

让 AI 成为你所有软件之上的操作系统

不是造新工具，而是把现有工��全部串起来

这才是���用层吞噬

再说 Claude 的编码层吞噬

Claude Code 在 2026 年的定位已经非常清晰：

它要重新定义什么叫“开发者”

1. 100 万 token 上下文 - 读取整个代码库

Claude Code 能读取你的整个项目，理解所有文件之间的关系

不是单文件建议，而是跨文件重构

2. 自主执行 - 从规划到测试全自动

你只需要描述想要什么，Claude Code 会：

规划方案 → 写代码 → 运行测试 → 读取错误 → 自动迭代修复

整个过程不需要你插手

3. Terminal + IDE + Desktop - 全场景覆盖

在 Terminal 里用命令行

在 VS Code、JetBrains 里用插件

在 Desktop App 里用图形界面

所有配置、MCP 服务器、Skills 全部同步

4. SWE-bench 80.8% - 行业最高分

这是衡量 AI 解决真实 GitHub Issues 的标准测试

Claude Code 是 2026 年最高分

真实团队用它 20 小时迁移 5 万行代码，事故调查时间减少 80%

5. 自动记忆 - 记��你的构建命令和调试模式

Claude Code 会自动保存项目上下文、调试模式、你偏好的方法

跨 Session 记忆，不用每次都重新解释

6. Hooks - 自动化你的开发流程

每次编辑后自动格式化

每次提交前自动 Lint

用 Shell 命令串联整个工作流

Anthropic 自己说，他们公司现在大部分代码都是 Claude Code 写的

工程师的角色变成了：架构师 + 产品思考者 + 编排者

管理多个 AI Agent，给方向，做决策

这就是编码层吞噬的本质：把编程从技能变成了表达

所以，Codex vs Claude 的本质区别是什么？

Codex 的方向：应用层超级个体

操作你已有的软件，自动化所有日常工作

适合 90% 的普通人

核心能力：串联现有工具

Claude 的方向：编码层超级个体

帮你写代码、改代码、部署代码

适合 10% 的创造者

核心能力：从零创造新东西

但这里有个被所有人忽略的东西：Claude 不只有 Code，还有 Cowork

Claude Cowork 是什么？

它是 Claude 针对非技术人员推���的应用层工具

Marketing、Data 团队发现自己在用 Claude Code 做复杂的多步骤工作

Anthropic 观察到这个现象，就做了 Cowork

Cowork 的核心能力：

操作你的本地文件和应用

38+ Connectors 连接 Slack、Notion、Google Drive、Microsoft 365

Projects 让每个项目有独立的文件、上下文、记忆

Scheduled Tasks 定时自动执行任务

Plugins 打包 Skills、Connectors、Sub-agents

你看，Claude 的野心其实是：

用 Claude Code 吞噬编码层

用 Claude Cowork 吞噬应用层

如果你是普通人，想提升日常工作效率：

Codex 和 Claude Cowork 都可以

Codex 的 Computer Use 更激进，能操作任何 GUI

Claude Cowork 的 Projects 更稳定，适合长期项目

如果你是开发者，想做产品、做项目：

Claude Code+codex 是第一选择

SWE-bench 最高分的规划能力+codex的推理能力，代码质量最好

2026 年的 AI 竞争，比的是谁能把 AI 更好地嵌入到用户的日常工作流里

Codex 在应用层走得最激进

Claude 在编码层走得最深，同时用 Cowork 补齐应用层

这两个方向，正在重新定义“一个人能做什么”

应用层和编码层，都在被 AI 吞噬，而我们，正站在这个变革的最前沿，真的很兴奋！

[高军 @GoJun315]

学了十年 Blender 的人，今天都沉默了。

有位开发者开源了个工具，能把任意一张照片变成一个可以走进去的 3D 世界。

而且带有物理碰撞的网格、环境背景 splat、循环音效，全套。只需要 5 分钟��结果。

它叫 image-blaster。

- 动态物体自动生成 3D 模型，静态场景生成 Gaussian splat
- 支持直接嵌进 Unity、Unreal、Godot，或 Blender、Three.js
- 底层调了 World Labs、Hunyuan 3D、ElevenLabs，不用手动拼工具链

GitHub：https://t.co/B4s8Pdv1hD

游戏关卡原型、建筑渲染、机器人训练环境，有图就能跑。

[Brivael Le Pogam @brivael]

Le socialisme n'est pas une théorie économique.

C'est une structure morale qui a besoin de trois choses pour exister :

1. De la rareté à redistribuer
2. Des victimes à défendre
3. Une classe d'intermédiaires pour orchestrer le tout

Retirez un seul de ces trois piliers et l'édifice s'effondre.

L'IA est en train de retirer les trois en même temps.

[Anchor @Anchorlee]

I am impressed!

[Robinson · 鲁棒逊 @python_xxt]

和Opus 4.7 开了一个脑洞， 对我极有启发

问： 应该如何理解南海问题，或解决南海问题？

Opus 4.7:
要回答"如何理解"或"如何解决"，先得承认一个不太被讲出的前提："南海问题"这个提法本身就是误导性的。它把一个结构性的现象包装成一个可被"解决"的具体争端，让人误以为只要找到正确的法律框架、外交配方或谈判窗口，事情���能"了结"。事实上不能。如果你不接受这一点，下面所有分析都没意义。

一、南海到底是什么——别再把它当成"岛礁争夺战"

主流叙事(中国九段线 vs 东盟EEZ vs 2016仲裁)是一层皮，揭开后真正在水下运行的逻辑有三条，重要性排序如下：

第一条，也是最关键但最少被公开讨论的：南海是中国二次核打击能力的堡垒海域(SSBN bastion)。

中国的094/096型战略核潜艇从海南三亚榆林基地出港，需要4000米以上的深水才能有效隐蔽。整个南海中部海盆正好是这个地理条件，是中国仅有的能让海基核反击力量获得生存性的水域。失去对南海的控制权，等于让对手能够在中国核潜艇出港不到200海里就被反潜机锁定，整个海基核威慑就近似失效。这是为什么中国不可能在南海让步——这不是面子问题，是核战略生存问题。理解了这一点，你就明白为什么"九段线划得这么宽"是必须的：不需要每一寸都��有，但需要每一寸都不让别人自由进出。

第二条：台海作战的南翼。 若发生台海冲突，美军最可能的介入路径之一是从南海北上。中国在南沙的人工岛(永暑、渚碧、美济)实质上是前沿预警雷达站和反舰反潜节点，不是用来威慑越南菲律宾的——那是用来推迟、复杂化美军南方进入路径的。

第三条：马六甲困境(Malacca Dilemma)。 中国80%能源进口走南海。一旦战时美军封锁马六甲，南海是中国能自己保卫的最后一段。

岛礁本身、九段线本身、捕鱼权本身——这些都是上述三条战略需求的外显形式，不是问题本身。如果你问"中国能不能放弃一些岛礁换和平"，答案是不能，不是因为面子，是因为上述三条对当前政权的存续意义高于任何谈判收益。

二、法律层面的真相：PCA裁决在功能上已经���了

2016年常设仲裁法院裁决在国际法学界是漂亮的判例，但国际法从来没有、也不可能独立解决一个有核大国的核心利益争端。

国际法的真实作用是事后追认权力均衡，不是创造权力均衡。1494年《托德西利亚斯条约》把世界分给西班牙葡萄牙——那是当时实力的反映，不是法律创造的秩序。UNCLOS1982年生效的时候，制定它的主导力量(美、欧、苏联)默认了它能服务于自己的利益。当中国崛起到不再接受这个框架的时候，法律就显出了它的真实重量——零。

所以菲律宾、印尼反复援引仲裁裁决，不是因为这能改变事实，而是因为这是弱势方唯一可用的话语武器：把自己的立场塞进"国际规则"的外壳，提高对方违反时的舆论成本。这是合理策略，但不要把它误认为"问题的解决路径"。能不能切实改变南海实际控制格局？不能。

需要明说的：九段线的法律基础确实薄弱(没有精确坐标、没有具体内涵、历史性水域主张在现代UNCLOS框架下站不住)，但法律薄弱不等于政治可以推翻。波斯尼亚的边界法律上也很可疑，但它就是那条线。

三、真正的本质：这不是南海问题，是霸权过渡的地理投影

要理解南海，正确的类比不是"领土纠纷"，而是1890-1910年的加勒比海。

那时美国是新兴大国，门罗主义把欧洲势力赶出西半球，1898年通过美西战争把西班牙逐出古巴和菲律宾，1903年制造巴拿马"独立"修运河。当时的英国(在位霸权)做了一个关键决策——退让，专心对付德国。结果美国和平接管了西半球的事实主导权。

中国今天在南海做的事情，结构上与1890年代美国在加勒比做的事情高度同构：把域外大国挤出去，确立"对自身近海的支配性影响"，建立海上势力范围。区别在于：

1. 当时英国选择退让，今天美国选择不退让(因为美国没有第二个对手让它转移注意力)；
2. 当时国际法没有今天这么发达，让美国可以无视；今天UNCLOS存在，让中国必须做更复杂的话语操作；
3. 当时加勒比小国没有结盟选项，今天东盟国家可以用美国制衡中国。

这个框架的含义很重要：新兴大国在自己周边建立势力范围，是历史上的常态，不是例外。所谓"基于规则的国际秩序"在结构上是1945年后美国主导的秩序，它从未在一个真正的多极世界里运行过。我们正在见证的，是这个秩序在西太平洋的局部失效。这不是道德判断，是结构判断。

如果��接受这个框架，"如何解决南海问题"的真正问题就变成："如何管理美中霸权过渡，避免它走向类似1914年那种灾难性结局"。南海只是这个更大问题的舞台之一(其他舞台：台海、半导体、金融体系、AI竞争)。

四、周边小国的真实策略：不是赢，是套利时间

这是最少被理解的一层。菲律宾、越南、印尼的精英私下大多接受一个判断：中国在南海最终的主导地位是无法阻止的。他们不是为"赢"而斗争，是为以下三件事斗争：

1. 在过渡期内最大化从中美双方索取的经济和安全好处——这是为什么他们都搞"对冲"，没有一个真正完全倒向美国(包括菲律宾，马科斯也只是程度上更倾美，不是日韩式同盟);
2. 延缓中国实际控制的固化速度，给自己更多谈判余地；
3. 把不可避免的让步包装成"国际社会的失败"而非自己的失败，转移国内政治成本。

不同国家的策略侧重不同：
- 越南懂得最透彻("竹外交"是清醒的弱者哲学)；
- 印尼装得最像不参与，实际上对冲做得最精致；
- 菲律宾因为内政原因走得最激进，但这是马科斯个人政治计算的延伸，不是国家战略的最优解；
- 马来西亚和文莱选择沉默开采，是最少被讨论但可能最聪明的策略。

所以，把"南海问题"理解成"中国 vs 东盟"是错的。东盟内部没有统一立场，柬埔寨老挝是中国实质代理人，新加坡是有距离的平衡手，每个国家算的账完全不同。指望ASEAN作为一个整体解决南海问题，是结构性不可能——ASEAN的共识决议机制(consensus rule)被设计成保护小国免于被多数压迫，这也意味着它无法对任何分裂议题做出有约束力的决定。这是设计特征，不是bug。

五、所谓"解决方案"——分清能做的和不能做的

把"解决南海问题"当成一个有终点的工程，本身就是错的认知模型。这不是急性病，是慢性病。

不可能发生的解决方案：
- 中国主��放弃九段线(政权自杀);
- 美国从第一岛链战略后撤(自愿放弃霸权);
- 通过ASEAN-中国的"南海行为准则(COC)"获得有约束力的协议(结构上不可能，因为中国不接受任何法律约束自己海警的条款，而菲越也不接受任何承认中国实际控制的条款，谈了二十多年没进展不是偶然);
- 通过国际仲裁强制中国遵守(无执行机制).

可能发生的"管理"方案：
- 类INCSEA协议(1972年美苏《防止海上意外协议》):重点不是解决争端，是防止意外升级。中美在2014年签过《海空相遇行为准则》，可以扩展;
- 危机管理热线和事件通报机制——目前实际存在但效率低；
- 默契的"红线"模糊化——双方都不明说，但避免越某条线。比如台海双方默认中线、南海双方默认仁爱礁的BRP Sierra Madre可以补给但不重建——这种默契比任何条约都更有约束力，但也更脆弱;
- 20-30年的"加勒比化"过程——通过一连串小规模危机、不流血对峙、经济捆绑，慢慢让东盟国家在不公开承认的前提下接受中国的实际海上主导，类似20世纪上半叶拉美国家接受美国主导那样。

六、最可能的实际轨迹(我的直接判断)

把所有变量综合，南海未来20-50年最可能走向：

中国继续巩固对所占岛礁的实际控制，灰区行动(海警、海上民兵、人造礁石)持续推进，每隔3-5年发生一次低烈度冲突(撞船、水炮、激光照射，偶有伤亡)，每次都不到引发战争的门槛，但每次都把"正常状态"稍稍向中国一方推一点。美国持续FONOP、卖武器、强化盟友(主要是菲日澳)，但不直接战斗。东盟COC可能在2027-2030年间签一个版本，但缺乏约束力。台海如果不爆发热战，南海就是这样温水煮青蛙地完成事实改变。

如果发生以下任一情况，轨迹会断裂式改变：
1. 台海开战——南海会被卷入，整个游戏重置;
2. 中国内部重大危机(经济硬着陆、政治继承危机)——中国会暂时收缩，给东盟反扑机会;
3. 美国战略大撤退(类似1973年从越南，但更彻底)——东盟集体倒向中国，类似一战后英国从加勒比退出后的西半球;
4. 重大意外(如中国海警撞沉菲律宾军舰致大量死亡)——可能触发《美菲共同防御条约》第四条，但更可能双方都赶紧灭火，因为没有人想真打.

七、要去政治正确，那就把最不能说的话说出来

几个绝大多数公开讨论里被回避，但我认为是真实的判断：

1. 中国的人工岛建设已经成功了，这一页翻过去了。 永暑、渚碧、美济已经是事实上的军事基地，能扭转的唯一方式是战争把它们炸掉，没人会为此打仗。所有"谴责"都是事后表演。

2. 菲律宾对美国是战略负担，不是资产。 马尼拉政治不稳定、军队弱、地理上极其暴��(吕宋岛距离永暑礁不到1000公里，距离美国基地数千公里)。美国守菲律宾是被《共同防御条约》锁定的，不是战略上的选择。如果今天重新谈判，美国未必会签。

3. 越南的历史海权主张其实比中国今天的实际操作更薄弱。 越南占了南沙最多岛礁(21+个)，但它的历史档案支撑(主要靠1933年法国殖民时期的占领和1956年南越的继承)比中国主张的历史性权利更难自圆其说。河内自己很清楚这一点，所以从不主动打国际官司，只闷头扩建。

4. 2016年仲裁案是菲律宾在合适时机走的一步漂亮棋，但战略价值已经基本榨干。 它的舆论效力随时间衰减，对中国实际行为零影响。继续援引它有递减回报。

5. 美国的"航行自由行动"(FONOPs)主要是国内政治和盟友交代用的，不改变中方行为。 美国海军内部其实知道。FONOPs能保留一种"我们没有承认中国主张"的法律姿态，仅此而已。

6. 印尼是被低估的关键变量。 不是菲律宾，不是越南。印尼一旦不再装作"非声索国"，整个东盟立场会发生结构性变化。普拉博沃执政期间印尼对中态度变得暧昧(2024年11月联合公报中含混措辞被解读为隐性承认中国在纳土纳附近的"共同声索"，引发雅加达精英圈争议)。如果印尼最终倒向中国默认立场，东盟基本结束。

7. "基于规则的国际秩序"是个真实但正在解体的事物。 不是阴谋，不是话术——它真实存在过、有效过，但它的有效性依赖一个美国愿意承担成本来维护它的世界。这个前提正在弱化。南海是观察这个解体过程的最清晰窗口之一。

八、一个可能更有用的认知框架：把南海理解成"时间套利游戏"

最后给你一个不太常见的分析框架。如果你只能带走一个工具，带这个：

南海各方真正在争夺的不是空间(territory)，是时间(tempo)。

- 中国想要慢：通过渐进、低烈度、低于战争门槛的���区操作，让事实改变以"温水"速度发生，让对手永远无法集结起足够的反应能量。
- 美国想要快：希望发生足够大的事件，能动员盟友、合理化军费、维持联盟凝聚力。但又不能太快(不能真打)。
- 菲律宾(马科斯)想要快：通过"透明度倡议"实时公开每次冲突视频，把中方行为的全球感知速度提高到引发反应的程度。
- 越南想要慢：低调扩建自己的设施，不引发关注，希望时间足够长，自己变得足够强。
- 印尼想要停：希望时间不存在，议题永远不被强迫表态。

每一方的具体行为(撞船、抗议、巡航、声明、沉默)都可以被解码为对冲突感知节奏的操控——而不是对实际控制的争夺。理解这一点，你能预测大部分事件的发生与不发生。

九、所以"如何解决"——直接回答

不能解决，只能管理。好的管理目标是把这个慢性病维持在低烈度状态，避免它变成像���战前巴尔干那样的引爆点；具体手段是建立危机沟通机制、���互克制、接受模糊状态作为常态、不追求最终裁决。

任何宣称要"解决"南海问题的方案——无论是中方说的"双轨思路"、东盟说的"COC"、美方说的"规则秩序"——本质上都是延缓时间、塑造叙事的工具，不是解决方案。承认问题不可解，是正确处理它的前提。

这背后是一个更深的认知调整：习惯西方进步主义叙事的人(包括很多中国知识分子)会本能地认为"问题就该有答案"。但很多国际政治问题——克什米尔、巴以、台海、南海——是结构性病灶，不是待解的方程。学会与之共处而不被它压垮，是大国体系真正的成熟。南海不会"解决"，但它可以不爆炸。这就是现实意义上的"解决方案"。

最后一句话，作为这场分析的总结：

如果你想理解南海，
别看岛礁，看潜艇；
别看法律，看核战略；
别看东盟，看美中；
别问"谁对谁错"，问"谁能等得起"。

That's all.

[Haoyi Zhu @HaoyiZhu]

🤩Excited to share SANA-WM: a 2.6B open-source world model for minute-scale 720p video generation.

Given one image + text + a 6-DoF camera trajectory, it synthesizes action-controllable 60s worlds on a single GPU.

Project: https://t.co/5NINfiFoTK
Paper: https://t.co/JKczmyRsJL

[Vincent | 信号＞噪音 @VincentLogic]

说句不夸张的，这可能是目前最全面的 Claude Code 零基础教程了。

整整40分钟，从打开界面开始，纯用自然语言带你跑通网页、小游戏、Chrome插件、自动化工作流、AI识图应用，连MCP接入、API key处理、Vercel部署这些新手最容易卡壳的地方都讲透了。

非技术人想靠AI做点自己的东��，看这一个视频就够了。

建议先收藏，周末跟着实操一遍 👇

[Yanhua @yanhua1010]

谷歌Cloud AI 工程师刚刚展示如何在Google Cloud上使用 Claude从想法到部署应用。

26 分钟，免费，由谷歌 AI 团队提供。

一个人 + Claude + Google Cloud = 一个完整的，在笔记本电脑上运行的工程。

这视频价值超过任何 500 美元的Vibe Coding课程。

[Wildminder @wildmindai]

Sparkle.
Qwen3-VL+FLUX.2-klein+Wan2.2+SAM3... insane combination for instruction-guided video bg replacement.

- makes lively, dynamic bg
- trained on 140K high-quality pairs;
- 720p, 81f

Swapping a plain room for a cinematic or exotic location in one click

https://t.co/irNubHSqaX

[Anchor @Anchorlee]

mark

[Paul Couvert @itsPaulAi]

Woow Tencent has released a model 100% open source which is better than Google Translate...

And it runs locally on your phone?!

- Only 440MB (!!)
- 33 languages
- On-device translation

So we have now a local Google Translate which is running completely offline.

They are using AngelSlim which their compression toolkit.

That's why the model is so efficient.