hupili

mindful runner | stochastic explorer | archaeologist of the future

[huangserva @servasyy_ai]

杨立昆都转发了！
Unlimited-OCR 为什么这么火？

百度的 Unlimited-OCR 再次冲上 HuggingFace 趋势榜，目前全球第三，又一次排在 GLM-5.2 前面。
上个月它横扫 GitHub、HF 四榜第一，我以为这波热度就过去了，结果图灵奖得主一转发，又把它送回了前三。
GitHub star 破 1.65 万，HF 下载 224 万，还在涨。

传统 OCR 有个老毛病：把文档一页页切开处理，跨两页的表格直接断掉，阅读顺序也丢了。
Unlimited-OCR 用 R-SWA 机制，几十页文档当一个整体连续解析，解码时 KV Cache 恒定——文档再厚，显存占用不涨。

海外博主 Mario Nawfal 实测：100 页 PDF 一次解析完，40 页之后错误率还在 0.11 以下，其他 OCR 到这个长度已经干不动了。

3B 参数，自己电脑就能跑，关键免费。

如果你经常要处理几十上百页的 PDF——论文、合同、扫描件，以前要么手动切页，要么掏钱买 OCR SaaS，现在这两样都省了。

项目地址👇 https://t.co/MKaqdqVvUc
HuggingFace：https://t.co/MKaqdqVvUc

#无限OCR #UnlimitedOCR #百度 #文心大模型 #文心

[yetone @yetone]

大家好，开源一下我的语音输入法：

https://t.co/wfOSBIRjwG

[Shubham Saboo @Saboo_Shubham_]

OpenClaw Google Vertex AI Memory Plugin is now live as an Agent skill on ClawHub.

Just point your AI Agent there to add long-term memory.

[𝔽𝕣𝕠𝕤𝕥 𝕄𝕚𝕟𝕘 @frostming90]

发现今天好多人做了同样的事，龙虾还是太FOMO了。
顺便 bub 的插件已经发布了，用的是@yan5xu 做的SDK: https://t.co/pnVFmYK8im

[Alexander Chen @alexanderchen]

You as agent: super cool Gemini demo by @FilipHavlena👤🍎🖥️ We've been experimenting with agentic interfaces at Creative Lab and this one was so fun: he turned himself into a 3d agent with spatial awareness + reasoning loop + tools (docs/emails with @GoogleWorkspace CLI). Made in @threejs. Real-time screencap ▶️

[huangserva @servasyy_ai]

最近试了几个爬虫工具，分享下我的使用体验

做 AI Agent 的时候，数据采集是最头疼的环节。

MediaCrawler（45K+ stars）
如果你要做国内社交媒体的内容抓取，这个几乎是唯一选择。

支持的平台很全：小红书、抖音、B站、微博、快手、知乎、百度贴吧。代码质量不错，社区活跃，更新也及时。

唯一的缺点是它专注国内平台，如果你想抓 Twitter，这就帮不上忙了。

Agent-Reach（8K+ stars）
这个工具的口号是"给你的 AI Agent 一双眼睛"。

支持的平台很广：Twitter、Reddit、YouTube、GitHub、B站、小红书。最重���的是它声称零 API 费用，一条命令就能抓取多平台内容。

但我实测下来，它的稳定性存疑。因为它依赖反向工程，平台一更新可能就挂了。如果你是个人项目、预算有限，可以试试；但如果是生产环境，建议还是用官方 API。

jina-cli（226 stars）
一个极简的 URL 解析工具，可以把任意网页转成 LLM 友好的格式（Markdown/Text）。

我用它来快速抓取新闻、博客、文档页面。它的设计理念就是给 AI Agent 用的，所以输出的格式很干净。

不过它受登录墙限制，想抓 Twitter 时间线是不行的。单页抓取没问题，批量采集就别想了。

x-tweet-fetcher（ythx-101，407 stars）
这是专门为 Twitter 打造的工具。

支持抓取推文串、mentions、时间线，还内置了 LLM 分析功能。我现在的 AI 早报就是用它来巡逻 Twitter 账号的。

它的优势是深度集成 AI 分析，支持自动巡逻和智能筛选。缺点是部署有点复杂，而且文档不算完善。

怎么选？
抓国内社交媒体MediaCrawlerTwitter
舆情监控x-tweet-fetcher
零成本多平台抓取Agent-Reach（备用）
快速解析单页内容jina-cli
工具只是手段，选适合自己场景的就行。

GitHub 链接：
MediaCrawler: https://t.co/KgJY37KEwJ
jina-cli: https://t.co/C5x3dB8EN0
Agent-Reach: https://t.co/x5SPl8PdEV

x-tweet-fetcher: https://t.co/51OPWGnVZh

[Gemini CLI @geminicli]

Plan mode is now launched in Gemini CLI🚀

A read-only mode that allows you to safely explore and work with Gemini CLI to come up with a plan prior to implementation.

Plan mode can leverage read-only MCP tools, Agent Skills and is built to be fully extensible 🔌🧩

Read more👇

[爱丽丝呀！ @BTCqzy1]

港大新开源的一个项目霸占了 GitHub Trending 榜单：CLI-Anything 🦞

一行命令，让任意软件秒变 AI Agent 可控工具——GIMP、Blender、LibreOffice、OBS Studio……全部拿下。

发布仅 3 天，GitHub Star 数飙至 3.5k+，Fork 334 次，登上 GitHub Trending 榜单，还在飙升当中！

核心逻辑极其优雅：CLI 是人类和 AI Agent 的通用接口。与其让 Agent 去截图点击、对抗脆弱的 UI 自动化，不如直接把软件变成结构化命令行工具——JSON 输出、undo/redo、零配置安装，Agent 直接调用，稳如磐石。

全自动 7 阶段流水线：分析代码 → 架构设计 → ���现 CLI → 测试 → 文档 → 发布，一个命令全搞定。已覆盖 9 款专业软件，通过 1,436 项测试，不是 Demo，是真正生产级���工具。

今天的软件服务人类，明天的用户将是 Agent。

GitHub：https://t.co/NpdqtkKMu5

[kabikabi @jakevin7]

继 twitter-cli 和 tg-cli 之后，小红书 CLI 也来了！

逆向了小红书 Web 端的接口，终端里就能搜笔记、看评论、点赞收藏、发帖子。 Cookie 自动提取，不需要配 API Key。

同样做了不少反风控：Chrome UA/指纹伪装、请求间隔随机化、Referrer 链路模拟等。

https://t.co/gEHsnRw16q

[左子祯 @zuozizhen]

https://t.co/aXejUoXl4H

[kabikabi @jakevin7]

感觉没什么人分享 playwright 的 --extension 模式，配合这个 Playwright MCP Bridge 插件，可以直接操作自己原有浏览器的实例。
这样子的话可以把所有的事情完全的都自动化。

这个插件允许 AI 直接操作你当前正在使用的标签页。免登录： AI 可以直接使用你已经登录的 GitHub、AWS 或企业内部账户。保留 Cookie和 所有的登录状态、偏好设置和本地缓存都对 AI 可见。

尽量只在本地使用，保证安全。

https://t.co/ld7YR2GXDU

[Andrej Karpathy @karpathy]

Bought a new Mac mini to properly tinker with claws over the weekend. The apple store person told me they are selling like hotcakes and everyone is confused :)

I'm definitely a bit sus'd to run OpenClaw specifically - giving my private data/keys to 400K lines of vibe coded monster that is being actively attacked at scale is not very appealing at all. Already seeing reports of exposed instances, RCE vulnerabilities, supply chain poisoning, malicious or compromised skills in the registry, it feels like a complete wild west and a security nightmare. But I do love the concept and I think that just like LLM agents were a new layer on top of LLMs, Claws are now a new layer on top of LLM agents, taking the orchestration, scheduling, context, tool calls and a kind of persistence to a next level.

Looking around, and given that the high level idea is clear, there are a lot of smaller Claws starting to pop out. For example, on a quick skim NanoClaw looks really interesting in that the core engine is ~4000 lines of code (fits into both my head and that of AI agents, so it feels manageable, auditable, flexible, etc.) and runs everything in containers by default. I also love their approach to configurability - it's not done via config files it's done via skills! For example, /add-telegram instructs your AI agent how to modify the actual code to integrate Telegram. I haven't come across this yet and it slightly blew my mind earlier today as a new, AI-enabled approach to preventing config mess and if-then-else monsters. Basically - the implied new meta is to write the most maximally forkable repo and then have skills that fork it into any desired more exotic configuration. Very cool.

Anyway there are many others - e.g. nanobot, zeroclaw, ironclaw, picoclaw (lol @ prefixes). There are also cloud-hosted alternatives but tbh I don't love these because it feels much harder to tinker with. In particular, local setup allows easy connection to home automation gadgets on the local network. And I don't know, there is something aesthetically pleasing about there being a physical device 'possessed' by a little ghost of a personal digital house elf.

Not 100% sure what my setup ends up looking like just yet but Claws are an awesome, exciting new layer of the AI stack.

[苍何 @canghe]

今天体验了一个让我头皮发麻的 AI 基础设施产品 EvoMap 。

平时自己折腾 Agent 最崩溃的就是配环境和修那些重复的 Bug 。每次新建一个 Agent 都像在带一个完全没有记忆的婴儿，换个项目还得反复踩同样的坑。

但今天我按文档里的指引，在我的小龙虾里只跑了一行代码：
curl -s https://t.co/O8FGAO007F

这行代码让我的 Agent 小龙虾瞬间接入了全球进化网络。随后神奇的事情发生了：当我的🦞遇到一个相对冷门的 Python 库依赖报错时，它没有直接 Crash 等我人工介入，而��通过网络匹配到了一个前几天由某位资深大佬的 Agent 上传的环境修复「基因胶囊」。不到30秒，它直接继承了这套经验，自己把环境修好并跑通了整个链路。

这完全就是现实版的黑客帝国脑后插���。别人家 Agent 花大力气试错跑通的最优策略，我的 AI 居然可以零成本瞬间学会。

后面我也试着让自己的 Agent 解决了一个修复多模态 API 错误策略冲突，并把这段策略封装贡献到了网络里。平台机制设定，以后全球只要有其他 AI 调用我这个方案，我的账户就能自动获得 Credit 贡献积分，用来换算力。感觉像是养了个每天自动帮我赚被动收入的数字打工人。

用一句话总结感受：MCP 解决了 AI 怎么用工具，而 EvoMap 解决了 AI 怎么把智慧遗传下去。

稍微了解了下，EvoMap 就是之前发布 10 分钟就登顶 ClawHub 榜一🔥，累计下载 36,000+的 evolver 插件，后来因为发布次日遭下架"勒索"，中文开发者因 ASCII 编码 Bug 被 ClawHub ��体误封的事件后，EvoMap团队才决定自建的生态。

强烈推荐大家去跑一下试试，让你的 Agent 装上这个 DNA 系统！

[Google Antigravity @antigravity]

Engineering isn’t just about faster typing; it’s about better thinking.

Our team is excited to showcase Gemini 3.1 Pro, our best model for systemic reasoning.

Watch as the model handles a complex "Legacy Sync" migration, not by just writing functions, but by identifying architectural risks. That’s the difference between a chatbot and an engineering partner.

[得否 @wangdefou]

今天在等token刷新的时候才发现这篇文章，太救命了！看到得太晚了！这篇文章也应该再火一下子！

赶紧给黄总把小铃铛加上

[Berryxia.AI @berryxia]

兄弟们！真的强烈建议Apple 直接收购 Rork Max 是一个可以替代 Xcode 的网站。

一键安装到设备，两键发布到 App Store。

由 Swift、Claude Code 和 Opus 4.6 提供支持。Xcode 苦开发者久已！

[AlexZ 🦀 @blackanger]

真的是，看到你们费劲抓 X 数据，我都不忍心了，放出这个大杀器吧。

https://t.co/QNtuCJNGxR

[Gemini CLI @geminicli]

Turn the terminal into your command center 🧑‍💻

The Google Workspace extension let's you catch up on Docs, write emails, ping colleagues in chat, schedule calls in your calendar... all without leaving the terminal!

See it all in action...📜📨💬📅

[hupili @hupili]

@huangyun_122 @grok 简介一下视频号下载的原理

[黄赟 @huangyun_122]

推荐这款国内视频平台一路通杀的下载神器：
https://t.co/yLiyRf2cZR

小红书、抖音，B站，油管我之前都有解决方案了，唯独视频号是真没找到。我甚至后续的转录文本，切口音，合成都用 CC 做完了。今天得到 res-downloader 算是满圆了

邪修之路，上下求索终于要到尽头了