learnbyreading

keep learning

[歸藏(guizang.ai) @op7418]

我靠，HeyGen 发布这个 hyperframes CLI 很强啊

跟我之前的一个想法类似，就是它把用纯 HTML 写的那个动效变成视频。

然后再接一个（比如 Seedance 2.0 这样的）模型。

这样你就可以纯零人工介入，实现人脸出镜的那种科普视频了。

比如我发布一个小东西，想讲一下这些功能，我就可以一张照片扔上去，剩下的全交给 Claude Code 搞完。

而且它支持 GSAP、Lottie、CSS、Three.js 这种框架去生成视频的效果。

理论上你可以拿这套东西构建出任何主流的 AE 特效模板。

它支持完整的视频渲染管线，包括获取、编码、音频混合，还有一个编辑器的 UI 界面，你可以手动在这个界面里编辑。

这个比原来的 Remotion 完整和强大了非常多，推荐你如果用原来 Remotion 做视频，可以换到这个框架了

[看不懂的SOL @DtDt666]

兄弟们，斯坦福这场两小时的讲座，把 ChatGPT、Claude这类大模型的真实构建逻辑拆解得一清二楚。

通透程度甚至超过了很多 AI 领域顶尖从业者日常能接触到的内容。

赶紧收藏好，今天少刷点抖音，匀出两个小时看一看，

它很可能会成为你这一整周最有价值的学习收获。

[宝玉 @dotey]

https://t.co/AKXoeJmPGU

[摸鱼巨匠🔨 @SunNeverSetsX]

刚开始接触 Claude code 的朋友，我强烈推荐你去看看这个项目— learn-claude-code

这个课程不是在教你用 Claude code，而是教你从零实现一个类似 Claude Code 的 AI 编码 Agent

项目分成 12 个 session，每个 session 只加一个机制，代码从几十行逐渐到完整版，每节课都有独立可运行的 Python 文件：

s01. 基础 Agent Loop + 1 个 Bash Tool（最简版，跑起来就行）

s02. Tool 注册与调度

s03. Todo 规划（让 Agent 先想计划）

s04. Subagents（子 Agent 拆分大任务）

s05. Skills 动态加载（需要知识时再注入）

s06. Context Compact（上下文压缩）

s07. Tasks + 依赖图（持久化任务）

s08. Background Tasks（后台异步执行）

s09. Agent Teams（多 Agent 团队）

s10. Team Protocols（团队沟通协议）

s11. Autonomous（自主认领任务）

s12. Worktree + Task Isolation（工作树隔离，完全不互相干扰）

最后还有 s_full.py 把所有功能合在一起

仓库地址：https://t.co/JAwrAAEzpB

在线学习平台：https://t.co/WTmxZfX7GO（强烈推荐先打开这个看可视化）

中文 README：https://t.co/C8OKtKk3qs

[Roland.W @rwayne]

看完了
全文复制部署了

[KK.aWSB @KKaWSB]

Google今天放大招了！今天一次性发布了5个Agent Skill设计模式。

现在30多个Agent工具（Claude Code、Gemini CLI、Cursor）已经统一了SKILL.md格式，格式不再是问题——真正的挑战是里面写什么。

5个模式：

Tool Wrapper：给Agent装上某个库的专家知识，按需加载，不占context

Generator：模板+样式指南，每次输出结构一致

Reviewer：把检查清单外置，换一份清单就变成另一个审核专家

Inversion：先采访你，收集完所有需求才开始执行

Pipeline：强制分步骤，每步有检查点，不允许跳过
这5个模式可以组合使用——Pipeline里嵌Reviewer，Generator前加Inversion。

与其把复杂逻辑塞进一个system prompt，不如用对结构。

推荐阅读👇

[木子不写代码 @ai_muzi]

开源一个我自用的OpenClaw控制中心！

可以一个面板：

- 看哪些任务烧了多少 token(百分比)
- 看整个 OpenClaw 现在健不健康
- 看每个 Agent 现在在干嘛，有没有卡住
- 看每个 Agent 用的模型、目录、权限
- 直接查看和修改 Agent 的记忆，人设、任务文档
- 看定时任务和心跳任务有没有正常在跑

项目地址：https://t.co/NcSSexgv2G

[indigo @indigox]

团队同学强烈推荐 https://t.co/ZCbK7KRwPk 专用于去除前端设计的“AI 味”，来自 jQuery UI 作者 Paul Bakaus！优秀的设计提示需要设计词汇，大多数人并不具备这些词汇。如果你从未用过“more vertical rhythm”这样的词语，就无法提出这样的要求。Impeccable 提供了一系列命令，让你轻松掌握设计语言✨

[纽约博叔 @druncle]

华尔街对冲基金大佬比尔·阿克曼在最近的访谈中，分享了他在面临投资巨亏、诉讼和离婚多重打击时，是如何熬过来的。他推崇一套“个人复利法”。

这套方法的逻辑其实就是金融里的复利计算方法。当你深处地心、压力爆表时，不要回头看以前飞得有多高，那没意义。你只需要盯着下一步，每天争取 0.1% 的微小进步。

阿克曼认为，人生和投资一样，复利是绝大多数增长的底层逻辑。这种进步在头几周可能完全看不出来，就像复利曲线的初期非常平缓，但只要熬过前 90 天，增长曲线就会开始陡峭向上。只要保持身体的健康和逻辑的连续性，这种积小成大的力量足以把你从任何深渊里拉出来。

[MapleShaw @msjiaozhu]

感觉以前很多图片作品，都可以用 Seedance 2.0 做成动态啊，效果真不错！

不多说，直接看视频😜然后抄提示词去试试看！记得交作业😏

提示词👇
【图片1】为首帧画面，12秒，3:4竖屏。 九宫格画面中九个女孩各自静止在自己的格子里。 第1-3秒：所有格子里的女孩开始微微活动，各自保持表情特征。突然左上角自拍格的女孩发现自己被困在格子里，用手推了推格子边框，表情从自信变成疑惑； 第4-7秒：她用力拍了一下右边的格子边框，这一拍的震动传递过去，中上格微笑的女孩被震得晃了一下，不满地看向左边。与此同时，左下角吐舌头的女孩从自己格子底部伸出一只手，越过边框线探进了正下方正中间大笑格的领地，从大笑女孩的画面下方冒出来挠了一下她的下巴，大笑格的女孩笑得更厉害了； 第8-12秒：场面彻底混乱，多个格子之间开始互动——右上角惊讶脸被右边格子里伸过来的手拍了一下肩膀吓得更惊讶了，中间嫌弃脸对着旁边伸过来的手一脸嫌弃地躲开，最后所有人都在跨格子互动推搡打闹，格子边框线被挤得歪歪扭扭变形。 全程九宫格构图，但格子边框会被互动动作推挤变形。禁止：任何文字、字幕、LOGO或水印。

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

李录是过去几十年里最成功的投资者之一。但是几乎没有关于他的公开视频。

但在 2006 年，他在哥伦比亚大学上了一堂估值课。

收藏这个珍贵的视频。

[郭宇 guoyu.eth @turingou]

春晚对机器人和 AI 的解释与宣传让我怀疑他们到底是否理解 AI 释放的巨大生产力对普通人来说意味着什么。或者，他们理解但是从不在乎。一方面，我觉得这并非人本主义，另一方面，我深深地共鸣着这种从骨子里渴求从混乱中生长出机遇的时代机会，我想每个从小在深圳长大的小孩子都能理解我在说什么。AI 是这个时代终末的最后一根稻草，但没人能忍住不在最后的赌局中疯狂下注。

[郭宇 guoyu.eth @turingou]

很多人形容 token 是 AI 时代的水电煤生意，其实我觉得 token 远比水电煤要更大，它实际上是互联网行业第一个真正意义上的大宗商品，进行跨国贸易目前还不收税，短期它是模型和推理计算卡的生意，长期来看是电费和带宽的套利，这个故事大家有没有觉得很熟悉？对，这就是 crypto 曾经的故事。

[meng shao @shao__meng]

Anthropic 官方发布的 Skills 构建完整指南（33页）

Skill 是什么？为什么重要？
Skill 本质上是一个文件夹，核心是一个 SKILL. md 文件，用 Markdown + YAML frontmatter 编写。它的作用是：把你反复向 Claude 解释的偏好、流程、领域知识打包成一次性的"教学材料"，之后每次对话自动生效。

可以把它理解为 Claude 的"标准操作手册"——你不再需要每次都重新 prompt，而是让 Claude 按照预设的工作流自动执行。

Skill 文件夹的标准结构：
your-skill-name/
SKILL. md     # 必须，主文件
scripts/          # 可选，可执行脚本
references/   # 可选，参考文档
assets/ # 可选，模板、图标等资源

三层渐进式信息披露
第一层：YAML frontmatter，name + description，始终加载在系统提示词中，用于判断是否激活
第二层：SKILL. md，正文完整指令、步骤、示例，仅当 Claude 判断该 Skill 与当前任务相关时加载
第三层：引用文件，references/ 目录下的文档，仅在需要时按需读取

这意味着：即使你启用了几十个 Skill，Claude 并不会把所有内容都塞进上下文。第一层的 description 就像一个"触发器"——写得好，Skill 才能在正确的时机被激活。

Skill 与 MCP 的关系
指南用了一个非常好的比喻：
> MCP 是专业厨房（工具、食材、设备），Skill 是菜谱（步骤指令）。

MCP（连接层） | Skill（知识层）
连接外部服务 | 如何高效使用这些服务
提供工具调用能力 | 封装最佳实践和工作流
解决"能做什么" | 解决"该怎么做"

没有 Skill 的 MCP，用户拿到了工具却不知道怎么用；有了 Skill，等于给工具配上了说明书和经验沉淀。这对 MCP 服务提供商来说是竞争力的差异化——有 Skill 的集成比纯 MCP 集成更容易上手。

三大使用场景分类
1. 文档与资产创作（Category 1）
不依赖外部工具，纯靠 Claude 内置能力。典型：前端设计、文档生成、PPT/Excel 创建。核心技巧是内嵌风格指南、模板结构和质量检查清单。

2. 工作流自动化（Category 2）
多步骤流程的标准化执行。典型：使用 skill-creator 引导用户一步步创建新 Skill。核心技巧是步骤间的验证门控和迭代改进循环。

3. MCP 增强（Category 3）
为已有 MCP 连接提供工作流指导。典型：Sentry 的代码审查 Skill——自动从 Sentry 拉取错误数据，分析 GitHub PR，给出修复建议。核心技巧是编排多个 MCP 调用序列、嵌入领域专业知识。

YAML Frontmatter 的关键细节
硬性规则：
· 文件名必须精确为 SKILL. md（大小写敏感）
· 文件夹名必须用 kebab-case（如 my-cool-skill），禁止空格、下划线、大写
· 不允许在 Skill 文件夹内放 README. md
· 禁止使用 XML 尖括号 < >（防止系统提示词注入）
· 名称中不能包含 "claude" 或 "anthropic"（保留字）

description 字段的写法决定成败：
好的写法需要同时包含三个要素：做什么 + 何时触发 + 关键能力。

五大实战模式
模式 1：顺序工作流编排
适用于严格按步骤执行的流程（如客户入驻：创建账户 → 设置支付 → 创建订阅 → 发欢迎邮件），强调步骤间的依赖关系和失败回滚。

模式 2：多 MCP 协调
跨多个服务的联合工作流（如设计到开发交接：Figma 导出 → Google Drive 存储 → Linear 建任务 → Slack 通知），关键是阶段间的数据传递和集中式错误处理。

模式 3：迭代精炼
输出质量需要多轮改进的场景（如报告生成：初稿 → 质量检查 → 修正 → 再验证），核心是明确的质量标准和"何时停止迭代"的判断。

模式 4：上下文感知的工具选择
同一目标、根据条件选择不同工具（如文件存储：大文件走云存储、协作文档走 Notion、代码走 GitHub），需要清晰的决策树和备选方案。

模式 5：领域专业智能
嵌入专业知识而非仅仅调用工具（如支付合规：先做制裁名单检查和风险评估，通过后才处理交易），强调合规先于行动、完整的审计追踪。

测试策略
1. 触发测试——Skill 是否在正确时机被激活？
· 直接请求能触发
· 换种说法也能触发
· 无关请求不会误触发
· 调试技巧：直接问 Claude "你什么时候会使用 [skill name] 这个 skill？"，它会引用 description 回答

2. 功能测试——执行结果是否正确？
· 输出验证、API 调用成功率、边界情况覆盖

3. 性能对比——有无 Skill 的差异
· 对话轮次从 15 轮降到 2 轮
· 失败 API 调用从 3 次降到 0 次
· Token 消耗减半

一个重要的实践建议：先在单个困难任务上反复迭代，直到成功，再提取经验写入 Skill，而非一开始就追求广覆盖。

分发与 API 使用
· 个人用户：下载 Skill 文件夹 → 压缩 → 上传到 Claude. ai 设置，或放入 Claude Code 的 skills 目录
· 组织级别：管理员可全工作区部署，集中管理和自动更新
· API 使用：通过 /v1/skills 端点管理，在 Messages API 中通过 container.skills 参数引入

Anthropic 将 Agent Skills 定位为开放标准——像 MCP 一样，希望它能跨平台使用，不局限于 Claude 生态。

常见问题排查
· Skill 不触发：description 太模糊或缺少触发短语，增加具体用户会说的话作为触发词
· Skill 过度触发：description 范围太宽，添加负向触发条件、缩小范围
· 指令不被遵循：指令太长/太含糊/关键内容被埋没，精简指令、关键信息放最前面、用脚本做确定性校验
· 上下文过大导致变慢：SKILL. md 过大或同时启用太多 Skill，主文件控制在 5000 词以内，详细文档移到 references/

一个高级技巧特别值得注意：对于关键验证步骤，用脚本（scripts/）替代自然语言指令。代码是确定性的，语言理解不是。

指南下载地址
https://t.co/qWCojDpKA0

[开发者Hailey @IndieDevHailey]

2026年，AI 终于不再只是对话框了

整理了本月热度最高的 6 款 AI 工具，它们正在接管软件、视觉和操作系统，建议收藏

1. Claude Cowork: 部门毁灭者。$20/月直接取代法务、销售和财务软件，SaaS 行业大地震。
2. Higgsfield: 动画界的上帝之手。实时拖拽控制动画时机，After Effects 彻底退休。
3. OpenClaw: 真正给 AI 装上四肢。本地运行，接管鼠标键盘，你的私人数字管家。
4. Gemini Vision: 带着脑子看图。不瞎猜，而是自动写代码验证视觉内容，0 幻觉。
5. VS Code Agents: 一个人指挥一支军队。多 AI 协同编程，自动跑通测试。
6. AntiRender: 并不完美的真实。给 AI 图注入物理世界的瑕疵美学，让假图变真。

[AI奶爸 @zstmfhy]

兄弟们，OpenAI 今天刚把那堆 Prompt Packs 正式公开！300+ 个官方级别的现成提示词包，奶爸把他们做成了一个超级好用的 Skills！

现在一键就能调用：
1⃣工程师 Debug + 架构 + 代码优化（去年我要是早有这个，头发还能多留点）
2⃣产品写 PRD + 竞品 + 用户故事（老板再追改需求我直接甩链接）
3⃣销售提案 + 话术 + 处理异议 - HR JD + 面试题 + 绩效复盘
4⃣高管报告、运营周报、IT 运维……基本全覆盖了！

我自己下午试了试，用下来效率起飞

有需要的朋友在下面回个「想要」或者「+1」，反馈多的话，奶爸加班加点尽快赶出来最终的版本🚀

[rick awsb ($people, $people) @rickawsb]

《为什么说联储大放水，可是新货币战争中，美元最致命的一击》

白芝浩原则前置，可能是各国金融机构，应对ai产业革命唯一的选择

--- 题记

“美联储的资产负债表规模，长期来看可能需要随着经济和金融体系的增长而增长。”

这是近期多位美联储官员反复释放出的一个信号。

可以说是联储历史前所未有——这和过去那套“扩表—缩表—回归正常”的周期叙事，已经明显不同了。
这可能是联储面对ai革命带来的长期影响的一系列的动作之一。

AI 带来的，并不是一个新产业周期，而很可能是多（康波）周期叠加。
在这样一个资本密度极高、基础设施投入高度不可逆且收益可能极大的时代，真正的系统性风险，并不来自短期的通胀波动，而来自中断。算力、能源、网络、数据中心，一旦被迫停下来，代价是指数级的，而且往往无法修复。扩表的本质，是用现有体系的信用，把那些无法等待的长期投入提前完成。

这些ai相关的长期投入所可能产生的效果，会最后决定国运（如果后ai时代还有国家的话），从而最后决定法币的命运。
所以，美元的长期扩表，可能是目前全球的这场新货币战争中，最重要的一击

这当然不是没有代价的。
对内扩表，本质上是在用信用换稳定。它不可避免地稀释了美元的信用”，但如果只看到这一面，就会误判正在发生的事情。

如果用白芝浩原则来理解，美联储正在做的事情其实并不陌生。传统意义上的“最后借款人”，是在危机爆发时，为暂时缺乏流动性的机构提供支持，防止局部问题演化为系统性崩溃。而联储今天的做法的差别在于，不是在危机爆发后接盘，而是在危机发生前防范：

AI、能源、算力、基础设施，这些新生产函数的共同特征是资本密度极高、投入高度前置、而且一旦中断其影响几乎不可逆。如果等到“危机”以传统形式出现，再由央行出手，往往已经太晚。因此，美联储的最后借款人角色，被人为的前置了。

但问题也正是在这里：如果美联储长期承担这种被前置、被常态化的最后借款人角色，美元的信用是否会被持续消耗？答案显而易见。
但美国的解决方法其实我们之前讨论过：攘外以便安内，拥抱加密，绕过各国金融管制，全球金融殖民以维持美元地位。

放在ai大时代背景下，来看美国对加密货币的态度变化，是不是更显合理？
于是形成了一个看似矛盾、但在逻辑上高度一致的结构：一边是对内扩表，承担最后借款人的职责，稳住银行体系、国债市场和金融基础设施；另一边是通过加密、稳定币和新金融形态，在新增市场中不断放大美元的覆盖面。

在核心、可控的体系内，美国接受一定的信用稀释风险，以换取系统不出问题；在外围、非美金融体系中，它利用稳定币扩大美元使用范围和定价能力，来对冲这种风险。
从这个角度看，美联储的扩表，并不是在赌美元永远安全，而是在承认不确定性的存在，并提前调整风险暴露的位置。它在可控范围内承压，在新的市场中扩张。

主流媒体和机构都将今天的各种现象，解释为美元衰落的信号，他们所忽视的，是全球金融体系马上就要面对的“ai带来的超音速海啸”---（马斯克）。

美元今天的路，很可能是主权货币金融体系，在面对如此巨大的结构性变化时，所能做出的最理性的选择。

[DAN KOE @thedankoe]

https://t.co/AiGjkp3513

[向阳乔木 @vista8]

无论写公众号，还是 X 长文，都需要配图。

从经验看，Nano Banana Pro 和 即梦4.5生图都很好。

用API多少都要花钱，反向代理难度又高。

搜免费配图API，发现阿里巴巴的Z-Image每天可免费生2000张图！

量大又免费，阿里现在也是菩萨啊！

解读过 z-image 论文，很巧妙，中文支持也不错。

简明教程如下：

① 注册阿里魔搭，到下图页面，点红框，复制API代码。

（默认会有API，很贴心）

② 跟Claude Code或OpenCode对话说：

基于下面代码创建一个Claude Skill：【粘贴代码】

当然，直接当API用也行。

做成Skill，方便跟其他写文章Skill组合。

---

页面地址不好找，我放评论区，如果觉得有用，请一键三连，哈哈哈哈~~

[蓝狐 @lanhubiji]

这两天看到谷歌搞到UCP（Universal Commerce Protocol ），一下子让人想到Virtuals的ACP（Agent Commerce Protocol）。虽然有很多不同的地方，但有种似曾相识的感觉。

Virtuals的ACP与谷歌的UCP在要达成的目标上有很高的类似点，都是帮AI代理做生意的。UCP和ACP两个协议，都想为AI代理提供一个标准化框架，实现AI agent之间的发现、协商、执行和交易/结算等，实现“代理经济”的自动化流程，都想要降低代理之间的交易摩擦，提升效率，最终实现AI代理能够自主处理从意图到结算的全过程。

换句话说，ACP和UCP都是给AI代理一个标准套路，让它们自己找东西、谈价钱、买东西、结账，甚至评价售后。想象成AI代理去超市购物：从看货架、砍价、付钱到退货，全自动化，不用人类插手。UCP是谷歌主导的，ACP是Virtuals在web3链上搞的，但都想让AI经济跑起来。

大概的流程也类似，发现需求、谈判条件、执行交易、最后评估。就像点外卖：选餐、确认订单、支付、吃完打分。而且，都能扩展，UCP能接谷歌支付、PayPal啥的；ACP能连x402（小额支付工具）和ERC-8004（身份/信誉）。

当然两者也肯定存在不同，一个目前聚焦web2为主，谷歌的UCP是开放标准，主要集成在谷歌生态（如Search AI Mode、Gemini App），侧重传统电商和法币支付（如Google Pay、PayPal），与沃尔玛、Target等零售巨头合作。 而Virtuals的ACP是web3原生的，去中心化框架，基于区块链（如Base等），支持加密原生交易（如USDC），强调代理的自治钱包、链上托管和隐私层。

换句话说，UCP类似于传统商场，靠谷歌服务器管着，一切中心化，速度快，体验好，但得信谷歌；ACP是区块链上的，分布式的，谁都管不着，透明但可能会慢些，支持原生支付（比如USDC），强调隐私和不信任别人。UCP更接地气，专攻日常购物，像帮你买沃尔玛的货，集成在谷歌搜索或Gemini App里；ACP更科幻，代理AI自己可以当老板，比如AI跑对冲基金或媒体公司，集成在加密生态里，处理代理间的工作分工和结算。