daqiang

only coding

[Vincent | 信号＞噪音 @VincentLogic]

AI 建站这事，我之前一直卡在一个误区里：以为关键是怎么把提示词写得更细。

直到看了这个视频才反应过来，方向全错了。

真正能做出来那种 Awwwards 级别网站的人，根本不跟 AI 死磕代码——他们把活儿分了出去。

Figma 做遮罩、Kling 生成视频、提示词库抄交互，最后让 https://t.co/fadW2L8Yj6 当个组装工。

思路一换，做出来的东西直接不是一个档次。视频放这了👇

[Matteo Spada @matteo_spada]

BitePal made:

- 500K installs/mo
- $1M revenue/mo

with a starving racoon

> 37 step onboarding
> cites Harvard for trust
> virtual pet more famous than duolingo owl
> visualized goal timeline
> hard paywall "goals 4.2x faster"
> competes against brand keywords from competitors

[Pierre-Olivier⎢Scrnsht Studio @scrnshtstudio]

App Store screenshots we shipped recently

[烟花老师 @teach_fireworks]

Loop Engineering 精华文章汇总!

2026 年 Agent 开始聚焦在长任务后，重点慢慢变成了：

如何设计一个能够持续思考、执行、观察、验证和演进的循环系统？

从 Codex 到 Claude Code，从 OpenHands 到各种 Coding Agent。

业余项目和生产级系统之间最大的差距是Harness 工程，包括 Loop。

Agent 能不能持续工作几十分钟甚至几个小时？

能不能在失败后恢复？

能不能控制成本？

能不能知道什么时候停下来？

这些问题，最终都落到了 Loop 设计上。

📚 推荐阅读

1. Loop Engineering — Addy Osmani
https://t.co/bPvEN2wJIB

2. Loop Engineering — Firecrawl
https://t.co/38BnoAs2g1

3. What Is the AI Agent Loop? — Oracle
https://t.co/R17XAigxNf

4. Harness Engineering — OpenAI
https://t.co/N3qBMBaybB

5. Harness Engineering for Coding Agent Users — Martin Fowler
https://t.co/341m6RB95h

6. Agentic Loops: From ReAct to Loop Engineering
https://t.co/uZIFZCeOVi

7. Loop Engineering for AI Agents (Memory-First) — Mem0
https://t.co/IbhAUs9CkD

📄 推荐论文
1. Agentic Harness Engineering
https://t.co/D8CqREgstF

2. From Agent Loops to Structured Graphs
https://t.co/vq34blqjrw

🛠 推荐研究的开源项目
Codex CLI
https://t.co/8uwQryevJF

OpenHands
https://t.co/YMv6Fy9Jrp

PydanticAI
https://t.co/AgFNXxkiCR

OpenAI Agents SDK
https://t.co/xEnSYXRcVu

重点研究：
Loop 如何运行
Loop 如何停止
Loop 如何验证
Loop 如何恢复
Loop 如何调试

Prompt 决定 Agent 如何开始。
Context 决定 Agent 能看到什么。
Loop 决定 Agent 最终能走多远。

Loop Engineering：
Think
↓
Act
↓
Observe
↓
Verify
↓
Evolve
↓
Repeat

你设计循环。
Agent 在循环中持续改进。
每完成一次循环，系统都会比上一次更接近目标。
Agent 从来不缺 Loop。
缺的是 Loop 的工程学。

[Kieran Zhang @ninthbit_ai]

介绍一下我最喜欢的 agentic coding skills 套件，作者 @mattpocockuk 刚刚正式发布 v1.0.0 版本了，相比旧版本有了不少的改动，今天从全局视角来看一下怎么用这套 skills。
如果你第一次用这套 skill，记住一条��流程就够了。作者这次甚至新出了个 ask-matt（路由技能），当你不知道用啥时直接问。
80% 的工作都是这样开展的：idea → ship，把它当成开发周期的五个阶段，从上往下走（见下图）：

1. 构思。一切从一个想法开始，都汇进同一条主流程，这个想法可以凭空来，也可以是以下任何的过程中出现的灵感。

2. 打磨设计。别急着写代码，先让 AI 反过来拷问你。grilling 是统一的拷问入口，会逼问你设计里的每一个分支,直到真正想清楚。
如果项目已经有代码，用 grill-with-docs；如果代码还没有，只有一个想法，就用 grill-me。
要是碰到那种需要很长验证周期的问题，可以使用 handoff 开一个新会话、拿 prototype 写段一次性代码验证，��� handoff 把结论带回来。

3. 固化任务。这一步是可选的，先用 to-prd 把聊成型的设计变成一份 PRD，再用 to-issues 把它拆成一个个可以各自独立认领的问题。我在使用 multica @MulticaAI 的过程中完美使用这个技能，将问题分解以及分发下去。

4.实现构建。到这里才真正写代码，implement 拿着 PRD 或 issue 去实现，tdd 用红-绿-重构来写代码。diagnosing-bugs 是根因诊断。还有个场景是用 triage 把别人提的 issue 给划分成更规范的原子问题，哪些可以直接给 Agent 跑，哪些还需要人去 review。

5. 持续优化。功能上线不是终点，有空可以跑一跑 improve-codebase-architecture，扫描代码里可以优化的地方。它又会变成第 1 步里的新想法，整条流程就这样闭环转起来。另外还有 resolving-merge-conflicts 这种解冲突的 skill。

另外值得一提的是，这套 skill 底下还藏着两块“词汇底座”。codebase-design 负责深模块的设计语言，domain-modeling 负责领域术语和架构决策记录。这两个你几乎不会直接调用它们，但上面好几个 skill 都会复用，这也是这次重构最见功力的一笔：把散落各处的概念收拢成单一的真相源。

如果你是第一次使用这套技能包，记住一句话就够了：先装上 ask-matt 问一问，剩下的就是“想法 → 打磨 → 固化 → 构建 → 维护”这条主线了。

[小小东 @xiaoxiaodong01]

https://t.co/brVVAnsIUn

[Robinson · 鲁棒逊 @python_xxt]

原推这个图文教学工具，要是搁以前，
可以养活一家公司了
@LufzzLiz 赛博生物活菩萨了

另外的感慨是，大家用爱发电，但很难获得回报和收益，这个就有点难受了

[GitHubDaily @GitHub_Daily]

让 AI Agent 自动化操作浏览器或抓数据，经常被各种反爬机制拦截，遇到验证码、人机验证直接卡死。

最近 BrowserAct 团队开源了一个 Skill，专为 AI Agent 设计的浏览器自动化命令行工具。

提供三层反封锁机制，从指纹伪装、验证码自动破解，到 AI 搞不定时生成一个链接让人类随时接管，整套流程衔接得很顺畅。

GitHub：https://t.co/fssigAc3QK

还可以多浏览器并行时，每个任务的 Cookie、指纹、代理完全隔离，网站没法关联不同账号。

另外输出格式也专门为大模型优化过，比传统的 HTML 或 JSON 省好几倍 Token。

还附带一个 Skill Forge 功能，让 AI 自动探索网站结构并生成可复用的抓取���本，之后批量跑数据不用重新探索。

如果你在用 Claude Code、Cursor 这类工具做浏览器自动化经常被反爬，这个项目值得试试。

[老王霸 AI Lab @laowangbabababa]

淘到一个狠项目。
Godot，一个 11.2 万 stars 的开源游戏引擎，MIT 协议，全免费。
Unity 一年订阅费够你雇一个程序员，但这玩意儿直接全免。它表面看是个免费游戏引擎，说白了就是 Unity 的平替。

但免费只是表面。
Godot 的 2D 引擎是它最硬的底牌。专属 2D 渲染，像素坐标直接控制，不套 3D 管线模拟。

做 2D 游戏的都懂，
Unity 那套 2D 是 3D 引擎上盖了层薄皮。Godot 反过来，2D 引擎从根上就是 2D 的。节点架构也干净。场景树组织一切，一个节点一个职责。

没拿投资没收版税，纯靠社区捐赠活了 12 年。stars 货真价实，开发者都用脚投票的。

ai 时代对普通人来说，这事儿很简单：你想做游戏，以前得先凑一笔引擎钱。现在不用了。https://t.co/52rhwo2JeY 下一个安装包，几十兆，双击打开，建项目直接开干。

官方文���里有个 Your first 2D game 教程，跟着走，30 分钟就能跑通一个会动的小角色了，看我做的小视频，在 mac 电脑运行，非常出色。而且，做出来的游戏全是你的，没人抽成，没人管你赚了多少。

别只收藏。今晚下一个编辑器，跑一遍入门教程。30 分钟你就能判断这玩意儿适不适合你的下一个项目。

[Parth Jadhav @ParthJadhav8]

iOS & Android devs 👋 The best way to generate screenshots just got much better !

- Cross screen frames
- Redesigned canvas
- Bug fixes & improvements

Even though we're at 5K +⭐️ on Github It seems lot of devs don't know about it, RT this so it can reach everyone !

[Vince 聊开发 @vincemask]

一个 Google Cloud 工程师演示用 Claude从零开始开发应用。

重点是穿插把 Claude Code 的核心工作流讲透了：CLAUDE.md、上下文管理、从开发到部署、以及如何让 Claude 承担真实工程任务。

这 30 分钟，讲透了vibe coding的本质。

[Gorden Sun @Gorden_Sun]

帮你戒网瘾，很多人沉迷手游抽卡，我干脆做了个只有抽卡的游戏，就是抽二次元角色和图鉴，没任何其他游戏功能。也是Cursor一句话提示词出的。
在线玩：https://t.co/UMtv35aFrJ
Github：https://t.co/xPDl75FQOW

[LinearUncle @LinearUncle]

这位大神开发了kitty，一个移动app可以手机上控制你电脑上的codex，CC，pi等编程agent干活，今天被openAI招聘啦！

恭喜🎉，感觉openAI很惜才，前手刚招了repoprompt的作者，现在又找了kitty的作者一起开发codex.

国内有些厂还在换语言拼cli😂，加油

[John Wayne @DevJohnWayne]

Holographic Cards，已开源

https://t.co/WeXlIc900u

[知识猫图解 @GeekCatX]

今天我们继续拆解一个近期在小红书起号利用Image2起号的博主：万物说明书

1. 内容：以生态系统、自然现象、地貌等自然主体科普为主，拆用3D解刨的手法，配合多张图片来拆解每个地貌特征、每种自然现象形成的过程，内容非常的精美，目前同类的不太多。博主从5月12号开始起号，发布不到40篇，成功斩获9k+粉丝，速度非常的快，多短短，半个月时间几乎w粉。

2. 变现状态：目前博主无开通橱窗、也没有任何广子，这类账号目前最大的问题是容易涨泛流量，用户可能只是觉得“好看、涨知识、收藏”，但不一定知道你能卖什么。要变现需要从“泛科普内容号”改成“有明确承接对象的科普图解号”。

3. 变现建议：1. B端定制服务 + 内容资产售卖 2. 图文定制服务 3.模板包 / 提示词包 4. AI图文教程 / 陪跑 5. 广告合作

提示词太长 我放评论区了！！！

[Joruno @wsl8297]

网上流出一份"美国第一网红" MrBeast 的《员工培训手册》。

这是一个36页的 PDF 文件，是他本人写的，主要内容是告诉员工，如何在他的公司工作。

在第一页，MrBeast 要求员工熟读每一句话，读完以��还要考试，通过者可以得到1000美元。

里面有很多 MrBeast 拍出爆款视频的经验总结，我觉得视频从业者必读，下面摘录几条。

[ハヤシモン｜AI × 個人開発 @hayashimon1]

Claudeのクレジットが余っていたので、話題のClaude Opus 4.8 で3Dメダルゲームを作ってみました。

1回指示しただけでここまで作れるの、なかなかすごい。

もう少し作り込んだら、作り方の解説とデータ配布もどこかでやりたい。

[Cell 细胞 @cellinlab]

Pi Agent 原理与实现🤖

手把手从零到一实现一个 AI Agent⚡️

用工程化视角拆解 Pi 的核心思想：模型流、Agent Loop、工具调用、会话树、资源加载与上下文压缩。

[rob. @robiartec]

Un chino creó un sistema de agentes en Claude Code para vender landing pages a pequeños negocios y, trabajando completamente solo, atiende unos 47 clientes al mes cobrando alrededor de 400 dólares por cada uno.

Construyó 7 agentes sobre Claude Sonnet 4.6 capaces de analizar Google Maps en ciudades pequeñas, detectar negocios sin web o con páginas totalmente desactualizadas y llevar cada oportunidad hasta un mockup terminado, un video promocional y un mensaje de prospección listo para enviar.

Sin asistentes.
Sin equipo comercial.
Sin SDRs.

Solo él, un MacBook, un iPhone y una API key.

Mientras agencias tradicionales mantienen equipos completos para manejar el mismo flujo de trabajo, sus únicos costes reales son tokens y suscripciones a Lovable, Higgsfield y Calendly.

Los 7 agentes funcionan coordinados por un orquestador en Claude Code Router. El sistema consume unos 3 millones de tokens diarios y el gasto medio en API ronda apenas los 480 dólares al mes.

Todos trabajan mediante servidores MCP y comparten estado usando el sistema de archivos, evitando problemas de concurrencia y memoria compartida. Incluso uno de los agentes vive directamente en su iPhone y responde leads mientras él está en el metro, en un taxi o caminando.

Este fue el prompt principal que configuró:

“You are the orchestrator of a solo agency that sells ready-made websites to local businesses…”

La clave es que el sistema entiende perfectamente qué es, cuáles son sus límites y qué objetivos debe cumplir.

Sabe que debe encontrar leads automáticamente.
Sabe que debe convertir cada oportunidad en una landing, un video y un mensaje comercial sin intervención humana.
Y sabe exactamente cuándo debe involucrar al dueño.

El sistema funciona 24/7:

Scout analiza unos 220 negocios diarios y deja 30 leads nuevos en cola.

Diagnoser genera diagnósticos y mensajes personalizados para cada lead.

Builder crea entre 3 y 5 landing pages completas para los mejores prospectos.

Filmer produce un video vertical de 10 segundos para cada propuesta.

Pitcher envía unos 30 mensajes diarios en 4 canales distintos con una tasa de respuesta cercana al 14%.

Checker revisa automáticamente todos los mensajes antes de enviarlos.

Solo cuando una operación supera los 3.000 dólares o el ratio de respuesta cae por debajo del 12%, el sistema despierta al propietario.

Y si en ese momento está en el metro o en un taxi, el agente Mobile responde automáticamente al lead interesado, agenda una llamada en Calendly y devuelve el lead a la cola. El dueño solo tiene que pulsar “aprobar” y entrar a la reunión.

Algunos logs reales del sistema:

“218 negocios analizados en Austin, Denver y Miami. 34 sin web, 19 con webs de 2014 y 6 con reseñas pidiendo rediseño.”

“30 mensajes enviados. 14 respuestas. 5 positivas. 3 Zooms agendados.”

“Landing page creada para una clínica dental. Responsive. 5 secciones. Video en render.”

“Acuerdo de 3.400 dólares supera el límite aprobado. Enviando para revisión manual.”

Y lo más loco es que no tiene servidores propios ni backend dedicado.

Solo un sandbox local, un router MCP, una API key de Claude y esa misma clave conectada a su iPhone.

De todo lo que he visto este año, probablemente sea el ejemplo más limpio y eficiente de una agencia unipersonal automatizada:

480 dólares al mes en APIs.
18.800 dólares de ingresos.
7 prompts.
Un sistema de archivos.
Y un teléfono en el bolsillo.

Guarda esto antes de que sea tarde

[0x_Miko @Mikocrypto11]

Anthropic 自己的团队，刚刚演示了如何搭建 production AI agents

37 分钟

免费
而且是由真正构建这套系统的 engineers 亲自讲
这不是又一个“AI 很强”的泛泛分享

而是直接展示：
怎么把 AI agents 从 demo，推进到 production
很多人过去 6 个月，还在手动管理每一个 workflow
自己拆任务
自己复制上下文
自己盯执行
自己检查结果

但 Anthropic 这次讲的是另一件事：
如何把这些 workflow 放到 autopilot 上
让 agent 不只是回答问题，而是参与执行、协作和持续推进任务

真正有意思的是：
AI agent 的关键，不是单次生成得多漂亮
而是能不能稳定接住真实工作流
能不能连接 tools
能不能处理上下文
能不能持续执行
能不能进入 production

先看这个 37 分钟 workshop
未来真正拉开差距的，是谁会用 AI 提问，还是谁能把 AI agents 接进自己的生产系统？