dansdong

程序员，开拓眼界，不谈政治

[阿台BlueBird🕊️ @QT9277]

阿台昨天发了AI短剧教程，今天又被一个开源项目震撼到了！

Jellyfish，这玩意儿简直是短剧创作者的福音。我研究了下，一个完全零基础的小白，靠着这个工具硬生生在红果上做到了460万粉丝。

关键是什么？不用会画画，不用懂后期，甚至不用团队！

就三步：
1. 把你的剧本丢进去
2. AI自动帮你搞定分镜和角色
3. 直接导出成片

我看到的数据：104条视频，爆款5300万播放，平台补贴拿到手软。

最骚的是，完全开源免费！GitHub直接就能用。

短剧这波风口，工具就是你的护城河。现在入场还不晚，再等真的只能喝汤了。

项目地址：https://t.co/lhtbyIMVGd

[GOLD @Honcia13]

互联网上最聪明的那批人，最近直接把脑子开源了！
这11个GitHub仓库，真的能让你少走三年弯路。
先码住，再慢慢啃！

1、PilotDeck（OpenBMB）
开源AI智能体框架，几分钟部署一个能自己干活的Agent
https://t.co/urhAZsylCs

2、andrej-karpathy-skills（Karpathy）
一个CLAUDE.md文件封神，17万+星，AI编程铁律
https://t.co/LYSw7MQ0hb

3、MemPalace
AI记忆系统，LongMemEval接近满分
https://t.co/b44Np0SUQB

4、OpenClaw（Peter Steinberger）
私人AI助理，37万+星，GitHub史上涨得最快的之一
https://t.co/dG9XXoptVG

5、autoresearch（Karpathy）
科研自动化框架，吸星速度离谱
https://t.co/KAjs1OHVLP

6、awesome-claude-code
Claude Code顶级玩法合集，FAANG内部都在用
https://t.co/CVXe2ghsQW

7、agent-skills（Addy Osmani）
生产级AI编程技能，3万+星
https://t.co/sdCWzP18BN

8、AI-Agents-for-Beginners（微软）
12节免费课，从零教AI智能体
https://t.co/ZLUN7iVjmD

9、awesome-llm-apps
最大可运行AI应用合集，10万+星，抄作业首选
https://t.co/KtfKxiESvo

10、hermes-agent（NousResearch）
自进化AI智能体，越用越聪明
https://t.co/V0mSlQpSHW

11、qlib（微软）
全套量化投资平台，直接clone对冲基金大脑
https://t.co/6f8qUjBGxD信息差才是最贵的。
别人闷声收藏天天用，你刷完就划走，差距就这么拉开了。
码住 + 转发给还在瞎找资料的朋友
#AIAgents #GitHub宝藏 #Karpathy #开源神器

[阿台BlueBird🕊️ @QT9277]

网盘限速这事儿，我真的骂不动了。

百度阿里夸克迅雷……一个个把你下载速度按在地上摩擦，几十兆宽带硬生生活成二十年前拨号上网。不开会员？那你等着吧，下个2G的电影能泡三杯茶。

但阿台现在负债状态，能白嫖绝不交钱👇

最近挖到一个开源工具 LinkSwift，零成本，直接安排：

✅ 八大网盘直链解析，不用装那些臃肿客户端
✅ 百度/阿里/移动/天翼/迅雷/夸克/UC/123 全搞定
✅ 免费、无广告，学习资料直接速度拉满

不是广告，纯自用。省下的会员钱够我吃两顿拼好饭了。

🔗https://t.co/gaMn7CXIDD

[Gas留在链上 @cevenif]

用Claude Code或Codex做开发，但总觉得AI在乱跑？这门课可能正是你缺的那块拼图。

GitHub上有个开源课程叫 Learn Harness Engineering，专门教你给AI编程助手建立一套可控的工作框架，围绕五个核心机制：

1️⃣ 指令
2️⃣ 状态
3️⃣ 验证
4️⃣ 范围
5️⃣ 会话
让每次任务都有据可查、能接续、能验证。12节理论课加上6个实战项目，还有现成模板可以直接塞进项目里用，不用学完整门课也能马上稳住AI。
🔗 https://t.co/7MZukd7ZrU

[开发者Hailey @IndieDevHailey]

🔥 卧槽！扔一个用户名，Maigret狂扫3000+网站把人扒干净！真正的OSINT终极武器！

又挖到一款真·黑科技工具—Maigret（31.4k star）！

输入任意用户名，它自动狂扫3000+网站，秒出一份完整人物档案！零API、零注册、支持AI总结，爽到飞起！🚀

亮点一览：
- 3000+站点覆盖：社交、论坛、购物、开发、照片... 支持国家/标签过滤，一键全扫或精准扫
- 递归深挖：找到一个号，自动追踪关联用户名、ID、链接，把小号网络全揪出来
- 情报提取狠：真实姓名、位置、兴趣、其他账号等关键信息直接扒
- AI一键报告：--ai 参数接OpenAI，自动生成调查摘要，懒人福音
- 反封锁强：支持Tor、代理、Cloudflare绕过
- 输出丰富：HTML/PDF/JSON/关系图/Web UI 可视化

3秒上手：

pip install maigret
maigret 用户名

Windows直接下 standalone.exe 双击就跑，Docker / Telegram bot 也全都有。

适用场景：查网友、合作对象、调查目标... 一个命令，半小时出报告，OSINT玩家必备！

⚠️提醒：仅限合法教育用途，遵守当地法律，别乱来！

[Ren @FakeMaidenMaker]

📚 awesome-harness-engineering，这个项目收录的知识含金量远超这个数字——OpenAI、Anthropic、微软、Meta 的一线工程实践全在里头。

GitHub：https://t.co/2XerPWr1SF

决定 agent 好不好用的，不是模型，是包在模型外面的 herness。
上下文怎么喂、工具接口怎么设计、验证回路怎么跑、记忆系统怎么管——这些加在一起叫 harness engineering，这个项目里的资料让你学到一手工程实践。

LangChain 把一个 coding agent 从 Terminal Bench 第 30 名拉到前 5，靠的就是改了 harness 设计。
微软的 Azure SRE agent 自主处理了 35000+ 起生产事故，复盘文章就在里头。
Anthropic 的长时任务 harness 设计指南、上下文工程指南、Claude Code 内部架构的逆向分析论文，全部收录。

还有 Martin Fowler 写的 harness engineering 综述、
OpenAI 的 Codex agent loop 拆解，覆盖了规划与任务分解、上下文压缩、权限沙箱、可观测、human-in-the-loop 的整条链路。

[WY @akokoi1]

这个AI教学工具的首个Skill，“立体几何解题”已经发布，支持文字解题、图片解题、随机出题。

主流模型测试了一轮，deepseek-v4-pro的性价比最高，0.2～0.3元一次，部分题目生成的准确率甚至比GPT5.5还高。

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

书虫们注意了！你家那堆买来吃灰的技术书，终于有救了。

GitHub上一个叫book-to-skill的开源神器刚火，狂揽2700多Star，玩法是真离谱：

1️⃣ PDF或EPUB直接丢进去
2️⃣ 自动扒目录、核心概念和套路，一键生成技能
3️⃣ 以后敲一句 /书名技能 加话题，它就替你翻书答疑

说白了，吃灰的书秒变Claude Code里随叫随到的私人顾问，这波不亏👇

https://t.co/xGvqveUuAR

[Xudong Han @Xudong07452910]

📘 高质量开源项目推荐：《Agents Best Practices》—— 生产级AI Agent Harness设计指南

这是一个 provider-neutral Agent Skill，专为 Claude Code、Codex 等 AI Coding 工具设计，提供构建可靠 agentic harness（运行时框架）的完整最佳实践参考。

核心理念非常清晰： “模型只负责提出动作，Harness 负责验证、授权、执行、记录并返回观察结果。”强调运行时严谨性而非仅靠 Prompt，让 Agent 从“偶尔能用”走向生产级可靠。

仓库包含大量实用内容：
1. Agentic Loop（模型-工具-观察循环）
2. 窄型工具与权限检查
3. 规划模式、流程编排
4. 上下文管理、记忆压缩
5. 技能/连接器、提示缓存、可观测性、评估体系
6. MVP Agent 蓝图生成、现有 Harness 审计清单等

特别适合正在使用 Claude Code、Codex 或构建多 Agent 系统的开发者、AI Agent 工程师和科研工作者。

与我之前推荐的《Learn Harness Engineering》和《Harness Books》高度互补，可作为理论+实践的进阶参考。目前已获得 1.2k+ stars ⭐。

https://t.co/RIGn5unrBe

#AIAgent #ClaudeCode #HarnessEngineering #Codex
#AI教程

[yibie @yibie]

训练小模型：2026 年最被低估的 AI 技能

2026 年 5 月 11 日，一个叫 CJ Zafir 的人发了一条推文。他想教普通人 fine-tune 开源模型。

2538 个赞，316 次转发，178,000 次观看。这条推文炸了。不是因为他发明了什么新东西——Unsloth 早在 2023 年就开源了，Hugging Face 上的 fine-tuning 教程有几百篇。炸了是因为他在一个所有 AI 公司都在比赛造「更大模型」的时候，反手指向了完全相反的方向：小模型。你自己训练的。在 Colab 上。花几十美元。

两个月过去了。CJ 没有停。

他把这条推文变成了一套完整的方法论：Codex 5.5 做大脑规划工作流，DeepSeek v4 Pro 做肌肉批量生成数据，Unsloth 做训练引擎，Qwen 3.5 4B 做基座模型。然后他用这套方法论，花了 $173 训练出一个 4B 模型，在垂直任务上精度 96%+，击败了 20 倍大的模型。 再后来他做了个 voice agent 的工具调用 fine-tune——成本 $11。

从 $80 到 $173 到 $11。这不是渐进式优化。这是在重置整个 AI 部署的经济学。

一、CJ 方法论：为什么值得认真对待

CJ 不是第一个倡导 fine-tuning 的人。但他做对了一件事：他把整个流程的成本打到了个人开发者可以承受的水平，并且公开了每一步。

工具链

| 角色 | 工具 | 成本 |
|------|------|------|
| 规划（Orchestrator） | Codex 5.5 | 订阅内 |
| 数据生成（Generator） | DeepSeek v4 Pro | API 按量 |
| 训练框架 | Unsloth | 免费开源 |
| 训练硬件 | Google Colab Pro A100 80GB | ~$0.60/hr |
| 推理部署 | llama.cpp / Ollama | 免费 |

数据流水线

CJ 最核心的洞察不是「用什么工具」，而是「怎么造数据」：

「"Low quality data = Low quality model performance"」

他的流水线是自进化的：Codex 设计工作流 → DeepSeek 批量生成数据行 → 每批次过 Quality Gates → Codex 根据上一批结果优化生成规格。结果是越跑越快、越便宜、质量越高。

$80 生成了 1 亿+参数的高质量数据集。 不是简单 paraphrase，是「手工打造」每一行——Codex 设计的多样化 prompt 模板 + DeepSeek 的高速执行 + 可编程的质量门槛。

模型选择

CJ 实测了 Gemma 4 和 Qwen 3.5 全系列后，结论很明确：

「Qwen 3.5 9B 和 4B 是垂直训练的完美基座模型。Gemma 4 在垂直任务上不及 Qwen 3.5。」

他的 Qwen 3.5 4B fine-tune 在精度和延迟上击败了 20 倍大的模型。不是什么小众 benchmark——是他自己在垂直任务上实测的结果。

二、这不是 CJ 一个人的实验——行业数据在同时发声

CJ 的方法论看起来像「个人黑客技巧」，但独立的数据正在从各个方向验证同一个趋势。

市场规模

SLM（Small Language Model，1B-13B 参数）市场 2024 年达到 65 亿美元，年复合增长率 25.7%。SLM 在大多数企业任务上已经匹配或超过 GPT-3.5 级别性能，只需一小部分成本。

性能

阿里巴巴的 Qwen 3.5 9B 在 MMLU-Pro、GPQA Diamond 和 multilingual MMMLU 三个基准上击败了 OpenAI 的 gpt-oss-120B——13 倍参数差距，小模型胜。

另一项独立的 brand normalization 案例中，一个小模型达到了 90.6% 准确率，超越了 GPT-5.2 和 Gemini 3 Pro。

企业已经在省钱——真正的省钱

| 公司 | 方案 | 效果 |
|------|------|------|
| Knowunity | 用 Distil Labs fine-tune SLM | 推理成本降 68% |
| 某客服 agent | 从通用大模型切换到 fine-tuned SLM | 月成本从 $13,000 降到 $400 |
| EliseAI | 专门训练的垂直小模型用于住房和医疗 | 推理成本降 60%，延迟降 80% |
| AT&T | 专用 SLM 做客服和欺诈检测 | 数百万美元节省 |

400 美元一个月。一个客服 agent。这是几个工程师的年收入可以覆盖无限次 API 调用的部署方案。

三、「数据集工厂」才是真正的护城河

CJ 在 5 月 22 日发了一条推文，八个词：

「"The moat might not be the fine-tune itself. It might be the dataset factory."」

这是整个小模型运动最重要的洞察。Fine-tuning 技能本身正在被民主化——Unsloth 已经能在 3GB VRAM 上训练，Colab 免费提供 GPU，CJ 连 prompt 模板都公开了。当人人都能做 fine-tune 的时候，差异化从「会不会做」转移到了「数据从哪里来」。

中文社区的 AKIRAXCLAW 在一篇分析里补了一个关键观察：

「「CJ 的工作流在 2026 年多数是业界共识，但真正难点不是工具——而是你有没有 200 笔干净数据 + 自动评估脚本。」」

在 CJ 的体系里，Codex 的核心角色是 orchestrator，不是因为它比 DeepSeek 聪明，而是因为它能设计数据流水线、构建 Quality Gates、自进化优化生成规格——它在管理数据生产的质量系统，而不仅仅是生产数据。

四、从边缘到生产线：部署已经在发生

SLM fine-tune 的部署门槛已经降到消费级硬件。Unsloth 2.0 支持 GGUF 量化导出 + llama.cpp / Ollama 部署。一个 3B 参数量化到 INT4 后占用 1.5-2GB 内存，可以在树莓派 5 上运行。Qwen 3-0.6B 在 Pixel 8 和 iPhone 15 Pro 上实现约 40 tokens/s 推理。

2024 年你可能需要一台 A100 才能跑 fine-tune。2026 年你可以在 Colab 上训练、在手机上推理。这种从「数据中心才能碰」到「个人设备上运行」的变化，是 Platform Shift 级别的。

而 NVIDIA 在推动的「Data Flywheel Blueprint」——用生产流量持续生成训练数据，自动 fine-tune，自动部署——正在把这个流程变成企业基础设施。NVInfo AI 用这个方案在三个月内把内部知识助手的质量提升到覆盖 30,000 名员工。

五、成本轨迹：从「公司预算」到「午饭钱」

CJ 的公开成本记录是最好的注脚：

| 日期 | 项目 | 成本 |
|------|------|------|
| 05-13 | 1 亿+参数数据集生成 | ~$80 |
| 05-27 | Qwen 3.5 4B 完整 fine-tune | ~$173 |
| 05-28 | Qwen 3.5 tool calling for voice agent | $11 |

$11。这在硅谷大概是一顿午饭。在印度、东南亚、非洲，是一个独立开发者完全负担得起的预算。fine-tune 已经从「大公司才有资格做的研发项目」变成了「个人开发者用午休时间能完成的 side project」。

六、结论：学会训练你的第一个模型

CJ 给的学习路线图异常简单：

1. 从 1B-4B 小模型开始，不要一上来就搞大模型
2. 用 Colab Pro（A100 ≈ $0.60/hr），不要急着买 GPU
3. 先 fine-tune 7-10 个模型积累经验（SFT → LoRA/QLoRA → GRPO/DPO）
4. 用 Codex 做规划，DeepSeek 做数据生成
5. 理解量化（GGUF）、本地推理（llama.cpp）、KV 缓存

他甚至在 5 月 23 日直接发布了一个「复制粘贴就能用」的 prompt——把整个学习路径封装成一段对话，扔进 Codex 或 ChatGPT，让 AI 带你从 beginner 到 advanced。

这就是 2026 年 AI 技能民主化的真实面貌：不是每个人都需要学会训练模型。但学会训练小模型的人，不再需要 10 人团队和 10 万美元预算。

通用大模型的军备竞赛还在继续。GPT-5、Claude Opus 5、Gemini 3 会越来越强。但越来越多的真实场景正在证明：一个花了 $173 训练的 4B 小模型，在你自己的数据上，比你花 $200/月订阅的通用大模型更好用。不是因为小模型更聪明。是因为它只做了你需要的那一件事。

参考来源：CJ Zafir X 推文系列 (2026.05.11-05.28)；AKIRAXCLAW 中文分析；Alibaba Qwen 3.5 benchmark (VentureBeat)；Unsloth 2.0 文档；NVIDIA Data Flywheel Blueprint；AT&T / EliseAI / Knowunity / https://t.co/7r0fApoHPJ 企业案例；Manicode / Arendil 独立 benchmark；SLM Market Report 2024-2026

[币天天 @xiaofeilong99]

数字人视频这块，又有人把底牌掀了。

Duix Avatar，开源数字人工具，GitHub 1.3万星，主打离线生成视频和数字人制作。

以前做一个像样的数字人，报价动不动几万起步。

现在这类工具开源之后，玩法就变了：

课程讲解可以做数字人；
产品介绍可以做数字人；
出海口播可以做数字人；
短视频矩阵也能批量测试。

注意，别拿去搞未授权冒充，正经玩法是做自己的数字分身，或者用授权素材做内容生产。

真正有价值的是降本。

以前一个小团队做不起的视频资产，现在自己电脑也能折腾。

链接：https://t.co/4eoZH4RMkW

[恒星 @vintcessun]

今天白天看了一个开源项目，叫 awesome-architecture。本质上它把 21 套真实系统的架构图（AI 网关、RAG、agent、向量 DB）做成可复用的模板，而不是只讲代码。学到了：架构设计不是从零开始画图，而是先理解“别人怎么搭”，然后对比自己的方案哪里像、哪里可以改。有点离谱的是，它还把知识做成 skill，能在 Cursor 里引导你一步步设计系统——相当于有个“架构导师”陪你写方案。

https://t.co/gGPHnIx3at

[Dr. Moyu｜摸鱼局长 @Jason23818126]

普通人玩美股可能不知道要买什么

其实思路很简单：

第一选择：直接定投标普500、纳指100，长期基本都赚钱

第二选择：跟着特朗普买（⬇️附追踪网站）

$INTC $DELL $MU 等暴涨个股，他都提前买了

1. Open Cabinet：https://t.co/gXw7MDBbnB
追踪特朗普官员OGE交易记录，数据接近官方

2. TrumpTrades：https://t.co/O2rHPODiLh
特朗普Q1交易可视化数据库（3642+笔），能排序看行业和Top标的，很清楚

3. Trump Tracker：https://t.co/mw32ZJxvbz
覆盖政府人物的交易和资产，浏览方便

4. OGE官网：https://t.co/OLUZ3gOCWW
最权威的原始披露，但查起来麻烦、PDF多、有滞后

5. ProPublica： https://t.co/AXtzBfV5Cx
聚合了很多官员披露，辅助搜索好用

以上都是事后数据，有延迟，适合长期参考

我平时还会多看看特朗普喊话、发Truth、接受采访，经常也能发现机会

[卡神 Karu @edwordkaru]

那些天天在推特上卖几百U教人做AI Agent的博主，估计这波底裤都要被扒光了吧 😂

今天在Github刷到一个直接霸榜的硬核项目：ai-engineering-from-scratch

真不是我吹 🤪这玩意直接把市面上的付费镰刀全给撅了，400多节课 + 20多个阶段，从基础的线性代数一路干到手搓多代理系统（Multi-Agent）

最离谱的是纯开源！0付费！

像咱们这种不是科班程序员，但又天天想着搞vibe coding，想自己弄几个Agent跑跑自动化脚本的，这套资源简直太对口了😏

人家主打一个 “Learn it. Build it. Ship it” 里面的Python、TS、Rust代码全都是现成能跑的，不用在那边对着报错干瞪眼，纯纯的喂饭局！

别管三七二十一先去点个Star防身吧！学不学另说白嫖顶级干货错过直接拍大腿。

传送门：
https://t.co/381MUgzRSP

[区块链行情研究 @qkl2058]

一位中国开发者做了个免费的"印钞机"，名字就叫MoneyPrinterTurbo，在GitHub上已经拿了13000多个星标。

你只需要输入一个主题或者关键词，它就会自动生成脚本，找高清无版权素材，加上字幕、背景音乐和配音，最后输出一条完整的短视频。

这恰恰就是那些TikTok Shop和YouTube不露脸频道用来做到月入六千到一万美元的流程。区别在于，他们得花钱买工具，这个是免费的。

里面都有什么：

脚本生成可以接Claude、DeepSeek、Gemini、GPT，或者你自己在用的任何大模型。

支持批量生成视频，一次出好几个版本，挑最好的用。画面比例可以选9比16竖屏，适配TikTok和Reels；也可以选16比9横屏，适配YouTube。

语音合成带实时预览。字幕可以自定义，字体、大小、颜色、位置、描边都能调。背景音乐可以从内置库里选，也能用自己的文件。

在本地机器上就能跑，带网页界面和API，支持Docker部署。不想装任何东西的话，也能用Google Colab。

不需要订阅，没有水印，没有使用限制。

这个仓库维护得很勤，最后一次提交就在44分钟前。

[Yanhua @yanhua1010]

https://t.co/IwISKZUwNT

[阿西_出海 @axichuhai]

卧槽，有个编程大神把自己的工程经验蒸馏成了一个开源项目

GitHub 热榜第一，Star数直接冲上了9万 +

作者是前 Vercel 工程师 Mat，参与过 Next.js 早期开发，以把复杂技术讲得通俗易懂著称。

他把日常和 Claude 协作的工程实践整理成 16 个 skill，一条命令安装，给 AI 注入几十年的软件工程经验。

最受好评的一个叫 Grim，让 AI 反过来拷问你，沿着决策树逐一确认需求，直到彻底搞清楚你想要什么再动手。

只有 3 句话 42 个词，被不少人评为"token 回报率最高的提示词"。

还有一个 skill 专门解决代码跑不起来的问题，强制 AI 先写一个会失败的测试，再写最少量的代码让它通过，最后重构，经典红绿循环，AI 想走捷径都难。

整套项目不只是教 AI 怎么做事，更是帮你和 AI 建立一套持续对齐的工作机制。

[Russell @Russell3402]

https://t.co/aIlT1ox25r

[0x鸣人 @LuBtc888]

兄弟们，ElevenLabs这下真要慌了！

新晋开源神器OmniVoice Studio，支持本地离线运行语音克隆和视频配音，囊括646种语言，全程不用联网、无需调用API，完全免费自用。

🔗 https://t.co/0hENzDqDHr

1. 仅需3秒音频，就能精准克隆任何人声，还能实现跨语言复刻音色；

2. 粘贴YouTube链接，自动完成转录、翻译、重新配音，直接导出MP4成品；

3. 自带全局快捷键，语音实时转文字，任意软件都能一键粘贴使用；

4. 支持声轨分离与说话人识别，可自动剥离视频背景音乐；

5. 一次性批量导入50个视频，后台全自动批量处理。

适配Mac、Windows、Linux全平台，下载就能直接用。
还在花钱按字符充值云端语音工具的，真的可以换赛道了。

[omega.欧米茄.AI @PierceZhang34]

顶级AI Agent学习资源推荐(YouTube) 🔥🔥🔥

Mu Li（李沐） | 亚马逊首席科学家
实操党最爱！《动手学AI Agent》系列用PyTorch从零搭建多Agent协作框架，工业级任务调度、实时决策代码全部开源，附完整Jupyter Notebook。逐句精读AutoGPT和ReAct，手把手拆解Agent记忆流与工具调用逻辑，小白也能快速上手

Hung-yi Lee（李宏毅） | 台湾大学教授
零基础入门首选！《AI Agent系统设计2025》系列用“复仇者联盟”比喻多Agent协作，用“哈利波特守护神咒”解释工具调用，抽象概念瞬间变得生动易懂，趣味性和深度兼具

Andrej Karpathy | OpenAI创始成员
硬核技术党福音！《From LLMs to Agents》系列带你从零手搓AutoGPT完整架构，4小时实现递归任务分解，还复现了GitHub热榜项目。直播实时Debug Agent死循环，用VS Code断点追踪工具调用链，干货拉满

Hugging Face官方频道
Agent框架系统学习必看！《10小时精通Agent框架》课程，专注Transformers Agent实战，教你用GPU快速部署个人AutoGPT。另有多专题内容，覆盖多Agent竞拍系统、股票分析机器人等真实场景

Andrew Ng（吴恩达） | DeepLearningAI
逻辑梳理型选手最爱！《AI Agent专项课》用Excel可视化Agent决策树，把复杂任务分解过程讲得清晰透彻。还预告了新课《Multi-Agent博弈系统》，支持本地运行类AutoGPT集群

MIT Efficient ML（韩松 | MIT教授）
边缘计算+Agent爱好者天堂！《边缘计算Agent》系列教你把Llama3驱动的Agent部署到树莓派，量化后仅占2GB内存，让小设备也能拥有强大智能