hhh9

我想想王权富贵一样揭开这世界的面具，带你们看看这世界

[Hedy.eth 🎮 @Crypto_hedyEth]

又一个 多智能体推演 AI，在 GitHub 开源了。
🔗 https://t.co/Er8sfrfjin

只需丢一个“种子”，
AI 会生成多个有记忆、有性格的智能体，
在模拟世界里反复博弈、演化，
分叉出不同时间线，
最后给你一份完整推演报告。

[宝玉 @dotey]

推荐看看网易有道开源的 LobsterAI，是一个完整功能的个人助理 Agent。

技术上基于 Electron + React + TypeScript 构建，采⽤严格的进程隔离架构，任务⽀持本地执⾏和沙箱 VM（QEMU + Alpine Linux）两种模式。数据层使⽤ SQLite 实现全本地化存储，IM ⽹关层通过钉钉 Stream、⻜书 SDK 等对接各平台。

开源用起来更放心，也是个很好的学习机会。

地址见引用推文

[Elliot 艾略特 @ElliotChen]

自从做了 Memory ��后，每天都能看到 RAG 的产品
发现一个一站式 RAG 框架，开源，MIT

这个库是算是基于 LightRAG 的多模态超集

在 LightRAG 架构上，把“多模态理解 + 多模态知识图谱”做得比较完整、工程化的一套 RAG，核心卖点就是多模态能力比较强。

对 RAG 有需求的关注一下
https://t.co/laCpIviAMG

[Geek @geekbb]

我是在do站看到的，感觉不错，抽时间试试。

[小互 @xiaohu]

牛P了

Cloudflare 在其 CDN 网络层上线了一个新功能：

当 AI Agent 或爬虫请求网页时，Cloudflare 可以自动把 HTML 页面转换为 Markdown 格式返回，从而大幅节省 token 消耗，让 AI 更高效地"阅读"网页内容。

一篇博客文章使用HTML 消耗16180 个 token，通过这工具转换后仅消耗 3150 个 token。 （减少约 80%）

原理很简单：

当 AI 请求网页时，加一个请求头：

Accept: text/markdown

Cloudflare 就会：

从源站拿 HTML
在边缘服务器转换成 Markdown
返回 Markdown 版本

[苍何 @canghe]

一夜之间，我这个开源项目🔥了，是那种全网爆火，公众号，小红书，x 非常多人在转发，能深刻感受到很多人和我一样有非常大的需求。

但随之而来的是一些我不是很懂的东西，以及。。。

其实微信 IPAD 协议并不是心血来潮真的两天搞出来的东西，但凡在我朋友圈或者社群，应该有好长一段时间都是由 ipad 协议搞出来的机器人给大家发的 AI 早报，我在 2020 年就把这个卖给过麻省理工的社团组织。只不过我现在把他接入了 openclaw 而已，并没什么多的东西。我都是自己在玩。

但现在项目火了，为了防止节外生枝，我并不敢把这个东西全部放开

另声明一下，技术仅用作开发兴趣，不破坏微信生态[抱拳]。也期待微信能在安全和开放之间做衡量，未来出一些针�� agent 的服务。

[Viking @vikingmute]

看了那么多非常水的长文，这篇是少见的让我学习到很多的干货， 这个 Claude Code 实战教程，作者一看就是有非常多实战经验的，小技巧很受用，当然很多人其实已经这么做了，再次总结一下，文章的重点就是：

1 先用 Plan Mode，强制规划
2 创建并维护一个 https://t.co/aDsUsrWaRf，放项目规范、代码风格、架构决策、常用命令、过去犯过的坑等。保持它短小精悍，不断更新/修订，实时更新。
3 /compact + /clear 组合拳：聊天历史太长时，先 /compact 总结关键点 → /clear 清空上下文 → 只把总结 + 必���文件粘回去，避免 token 爆炸
4 多用 Plan → Execute → Review 循环
5 遇到复杂任务，先拆成sub-tasks，每个小步都让 Claude 独立规划
6 别一次性让 Claude 改太多文件 别忽略 diff 预览 别让上下文无限膨胀

其实这不仅仅是针对 Claude Code，任何现在流行的AI 编码工具都适用。

[bbshare @shadouyoua]

《职场权谋厚黑术》：竞争策略与权力博弈的实践分析

深入探讨职场中的权力游戏与竞争策略，通过案例分析与实用技巧指导，帮助读者在复杂的职场环境中有效应对挑战，提升个人影响力。

🔗 链接：https://t.co/CfpHp8vlA6

[知识分享官 @knowledgefxg]

玩了玩这个很有感觉啊,一个实时全球情报仪表板-World Monitor
有两套板子可以切换，一套时聚焦地缘政治，另一套关注AI，网络安全这些技术类的，秒级更新的全球事件监控，很适合分析师，还有炒股炒币的同学们啊。项目是开源的，可以扔cursor里面涮一涮，自定义一些界面或者功能等等。

[天不生邹子Zihan @Zihan_dev]

你以为全网全平台抓取数据需要写���码或者找不靠谱的网址网站？其实你只需要一个浏览器插件。

我发现了一个近乎作弊的宝藏工具，可以直接爬取上百上千条小红书，抖音，快手，tiktok平台数据。不需要你会 Python，也不需要求助技术大牛。

有些朋友在使用这个插件的时候遇见了一些问题，我会在这个视频里详细讲述了这个插件的使用方法和防风控的技巧。
有需要���以收藏备用~

[川沐｜Trumoo🐮 @xiaomustock]

腾讯这次真有危险了.
非常多的人在用飞书不需要跳转直接部署自己的clawdbot.
字节的抖音，字节的豆包，字节的ai办公聊天软件飞书.
而腾讯的微信则还在无动于衷，逼迫用户wechat转接telegram才能用上clawdbot.
一旦大家都长期形成使用飞书的习惯，
微信到时候也不是不可以抛弃，类似抛弃qq.

[程序员鱼皮 @yupi996]

一句话让 AI 帮我下载各种视频，爽了！😎

需要用到 yt-dlp 这个超强的开源视频下载器，支持 YouTube、B站、Twitter/X、TikTok、抖音等 1000+ 网站，GitHub 上十几万 Star 不是虚的。

你不需要知道这玩意怎么用，只要打开 Cursor / Claude Code 等 AI 工具，跟 AI 说：

> 帮我基于 https://t.co/OSI4HD7Pyn 项目，封装一套「视频下载工作流」。以后我只需要跟你说要下载什么视频，就会自动帮我下载到本地，并且我可以指定视频的格式

然后 AI 就会编写 Python 脚本，以及教 AI 做事的指令，直到完成任务。

之后你就可以一句话下载视频了，比如跟 AI 说：
- 帮我下载这个视频 https://xxx
- 下载这个视频，要 1080p 的 mp4
- 把这个视频转成 mp3 下载
- 下载程序员鱼皮在 B 站的最新视频

不用记任何命令、不用装任何软件，说人话就行。想要什么格式、存到哪里、叫什么名字，AI 全帮你搞定。

当然，你也可以让 AI 把它变成网页拿去变现、或者封装成 Skills 整合到你的其他 AI 工作流中。🤓

学会的话记得点赞收藏，别再花冤枉钱买什么视频下载会员了！

[高军 @GoJun315]

这可能是收集整理了 Cluade Code 最全面的终极工具包。涵盖：

35 个精选 Skills
135 个 Agents
42 条常用命令
120 个插件
19 个 Hooks
15 条规则
7 个模板
6 个 MCP 配置

GitHub：https://t.co/vh6WEsK3BT

[AIGCLINK @aigclink]

一款比较实用的代码审查技能包：code-review-expert，让AI像资深工程师一样对代码进行全面结构化审查

开源项目想快速集成的基础审查或者个人开发者可以试试

它模拟了资深工程师的审查视角，涵盖代码质量的多个关键维度，比如架构、安全性、性能、代码质量等等

SOLID原则检查
安全扫描，XSS攻击、注入攻击、SSRF、认证漏洞等
性能优化，N+1查询、缺失缓存、内存问题
错误处理，异常被吞掉、异步错误、缺失边界处理
边界条件，空值处理、空集合、差一错误、数值限制
代码清理，识别死代码并给出带回滚方案的安全删除计划

从预检到确认7步审查流程，P0-P3分级制度

#AI代码审查助手 #codereviewexpert

[小耳👂Jane｜Xiaoer @xiaoerzhan]

🧐Claude opus4.6 到底好在哪里????🧐

🧙我今天把我的 Claude Code 升级到了 Team 模式
然后就开挂了~~
我之前一直在费心跑一个广告的ad- remotion- skill

🦕拿了我的香皂产品来测试
前前后后搞了三四天吧,出来的结果我很不满意😡

🤖今天我破防了,在我没有干涉的情况下
Claude在我的 Skills 框架下, 组了一个Team

🧙一个导演+两个执行(视觉总监🧙‍♀️和视频总监🧙‍♂️)
28 分钟之内,给我跑出来这条视频🎬~~

👇评论区给大家发我怎么升级的

[傅盛 @FuSheng_0306]

Openclaw开发者Peter Steinberger：你很快就不需要App了
有一说一现在的App确实非常臃肿，页面里全是各种复杂的菜单、会员、广告。Openclaw创始人预测的未来里，用户只用做一件事：说出你的需求，Agent就能现场为你造出一个专属工具。
这就是我说的：所有的产品都值得用大模型重做一遍。 但重做不是简单的加个对话框，是把核心逻辑变成��需生成，这才是真正的AI Native。

[银河百科全书 @yhbkqs]

看到一个网盘合集叫体制内报刊合集，里边竟然有炎黄春秋的合集，这个我原来还是挺麻烦收集全的。既然如此，我就分享一下，链接见评论

[程序员鱼皮 @yupi996]

Claude Code 创始人又独家分享 10 条神级技巧，思路打开了！👏

1、并行多开。同时开 3 ~ 5 个 git worktree，每个跑一个 Claude 会话，互不干扰。还可以设置快捷键比如 za、zb、zc 一键切换，或者专门留一个 worktree 只用来看日志跑查询，分工明确。

2、复杂任务一定要先进计划模式，把心思花在打磨计划上，计划到位了 Claude 基本能一次性搞定。一旦感觉方向不对，别硬推，立刻切回计划模式重新来。

3、好好维护 https://t.co/THJzWufLt8 文件。每次纠正 Claude 的错误，顺手加一句 ���把这条更新到 https://t.co/THJzWufLt8，下次别再犯”。Claude 特别擅长给自己写规则，时间久了出错率会明显下降。

4、重复的事情就封装成技能或斜杠命令，用 Git 管理，跨项目复用。比如搞个 /techdebt 命令每次会话结束跑一下清理重复代码，省得每次手动操作。

5、让 Claude 自己修 Bug。比如用了 Slack MCP 之后，把 Bug 讨论帖往 Claude 一丢，说句 "fix" 就行。分布式系统出问题就让它看 docker logs，不用管它怎么修，它的排查能力比你想象的强。

6、提示词可以更有创意。比如让 Claude 当考官：“先考考我这些改动理解对不对，我过了再提 PR”，或者说 “证明给我看这个能用”，让它对比 main 和功能分支的差异。修复完问题后觉得一般，就说 “根据你现在掌��的所有信息，推翻重来，给我个更优雅的方案”。

7、选择合适的终端环境。比如 Ghostty，渲染和颜色支持都不错。可以用 /statusline 定制状态栏显示上下文用量和当前分支，给终端标签上色命名，一个标签对应一个任务。推荐试试语音输入，因为说话比打字快 3 倍，提示词会写得更详细（macOS 按两下 fn 就能用）。

8、使用子代理 Subagents。想让 Claude 更快完成任务的时候，请求后面加一句 "use subagents"。把独立的小任务丢给子代理处理，主代理的上下文就能保持干净。还可以用钩子把权限请求转给 Opus 4.5，让它判断安不安全、自动批准。

9、利用 Claude 做数据分析。让它用 bq 命令行直接查 BigQuery，实时拉数据做分析。团队在代码库里提交了现成的 BigQuery 技能，让大家都能用。创始人说他半年没手写过一行 SQL 了。其实任何有命令行或 API 的数据库都能这么玩。

10、靠 Claude 学习新东西。在 /config 里开启 “解释型” 输出风格，让它讲清楚每个改动背后的原因。还可以让它生成 HTML 幻灯片讲解陌生代码，或者画 ASCII 图解释协议和架构。甚至可以搭个间隔重复学习的技能，你说出自己的理解，Claude 会进行追问，帮你查漏补缺。

===

这些技巧虽然是针对 Claude Code 分享的，但其实大部分思路在 Cursor 等 AI 编程工具里也通用。核心就是把 AI 当成真正的队友，让它干更多、记更多、持续迭代。用起来之后你会发现，效率真的能上一个台阶。

学会了学废了！🤪 我也开始用 Ghostty 了~

[sitin @sitinme]

最近在 GitHub 上刷到一个挺炸的开源项目���Wren AI

它本质上是在做一件我们都很熟、但一直没被真正解决好的事：让不懂 SQL 的人，也能自己查数据库。

比如说，业务、运营想看数据，第一反应就是来敲后端：“帮我查下上个月销量前 3 的产品”“这个转化率能不能按渠道拆一下”。

SQL 本身不难，但沟通成本、来回确认、临时插队，才是真正耗时间的地方。
Wren AI 的思路很直接：对话即查询。

你直接用自然语言问问题，它会自动生成 SQL、跑库、给结果，甚至顺手把图也画好（柱状图、折线图那种）。

可以把它理解成一个 “自带 AI 分析师的开源版 Metabase”，但门槛更低，不用拖字段、不用写 SQL。

比较关键的一点是，它不是那种“裸 Text-to-SQL”。

Wren AI 引入了 Semantic Layer（语义层），你可以提前把业务指标、表关系、口径定义清楚，相当于给大模型加了一层“业务护栏”。

这一步虽然需要懂数据库的人前期配置一下，但一旦理顺，后面业务方基本很难把数据问歪，准确性和安全性都高很多。

模型和部署这块也挺对技术人的胃口：
·云模型：OpenAI / Claude / Gemini 都能接
·数据不出内网：可以配 Ollama + 本地模型（比如 DeepSeek）
·数据库支持也很全：MySQL、Postgres、ClickHouse、DuckDB 基本全覆盖
·安装也不折腾，有 Docker 基本就是一键起

整体看下来，我觉得它特别适合两种场景：
1）想给团队搭一套真正能用的自助查数平台
2）想研究 “AI + BI + 语义层” 这种更偏工程化的落地方案

一句话总结：把“查数据”的自由还给业务，把时间还给开发。

[程序员鱼皮 @yupi996]

有朋友说现在无法用 AI 编程做大项目，写到一半就乱套了？🤔
问题在于：AI 没有按专业流程干活。

GitHub 开源了个框架叫 Spec-kit，专门解决这个问题。它的核心思路叫「规范驱动开发」（SDD）：先把需求写成规范文档，把它当作 “项目宪法”，AI 必须严格遵守进行开发。

具体分 7 步走：
1. 制定项目准则：比如禁止用蓝紫渐变
2. 编写功能规范：描述要做什么、为什么做
3. 澄清疑问：比如用户输入为空怎么办？
4. 制定技术方案：用什么框架、怎么设计？
5. 拆解任务：每一步做什么、先后顺序是怎样的？
6. 分析检查：提前发现设计上的漏洞
7. 生成代码：AI 一个个实现任务

流程看着长，但其实是在帮你省后面踩坑的时间。需求没想清楚就动手写，返工花的时间比这多 10 倍都不止。而且这套流程也能帮缺乏项目经验的朋友养成好习惯，实际上大厂里做项目也是这么干的。

如果你想从 0 开始做一个完整项目，推荐试试。当然写个小网站小脚本就没必要了，杀鸡用牛刀。