nicomic

Mood for Kyoto animation

[Fang @FLMdongtianfudi]

2026年AI真人解说漫剧自动批量化制作教程，40分钟超长完整，自动批量化制作，挑战一人一天一部剧！

https://t.co/Jbc7JRRA94

[叫我阿杭 @Astronaut_1216]

兄弟们，我简直不敢想！！这个视频要是发到国内平台得是什么震撼的效果，流量不是轻松破百万？？？？？

我仔细研究了一下陈言老师的提示词，除了他自己提到的方法论，还有就是步骤是没有错乱的，这是一套导演思维，如果想要搞AI视频的，一定要看好这四步法

1/ 搭好不动的舞台。先明确告诉AI舞台长什么样、镜头放在哪、整个画面有哪些东西绝对不准移动
2/ 给演员做身份证。说明主角是谁、穿什么衣服、长什么样，如果某些部位原本看不见，就要提前指定清楚
3/ 把动作切成秒表小格。不要写成一长句话，必须像看钟表一样，把十几秒切成三四段，每段只写两到三个连续动作
4/ 给动作加力学效果。写每一个动作时，多写一句“它碰到了什么”、“引起了什么震动”或者“掉落在了哪里”

完整提示词在下面复制就好了

15秒，竖屏 9:16。

以提供的个人主页截图作为视频的唯一视觉基础。输入截图本身从第一帧开始就完整铺满整个视频画面，四边贴合画面边缘，始终全屏显示，不留黑边，不留额外边框，不做缩放，不做平移，不做旋转，不做透视变化，不做重新构图。镜头全程完全固定。观众看到的始终是同一张被完整填充在视频中的个人主页截图。

不要重新设计页面，不要重绘成另一种界面风格。除人物和被人物直接作用到的文字之外，其他所有界面元素都保持原位。背景图、圆形头像框、图标、按钮外框、分割线、图片内容、黑色横向UI栏、底部导航等非文字视觉元素都必须保留，不允许自行变化。

将圆形头像中的成年男性作为唯一角色参照。角色必须让人一眼看出就是头像里的同一个男人。保持同一张脸、同一发型、同一发色、同一肤色、同一年龄感、同一真人照片质感。不要卡通化，不要二次元化，不要3D化，不要换人。上半身服装必须严格延续头像中实际可见的上衣，颜色、款式、领口、材质感都保持一致。头像中看不到的下半身，不允许自由发挥，固定补全为蓝色牛仔裤。鞋子简洁低调。整个视频中不允许换装。

【0.0～2.8秒】
画面完全静止，整个个人主页截图保持不动。只有圆形头像内部的人开始动。男人先看一眼圆形边缘，露出“洞口太小”的明确表情：眉头轻微皱起，嘴巴轻闭，表情认真而吃力。然后他用双手撑住头像圆框的左右边缘，开始用力往外挤。动作必须明确分步骤发生，不要一下子直接钻出来：

第1步：先把头和一侧肩膀艰难地挤出圆框，动作缓慢而费力。
第2步：停顿不到0.2秒，再继续把另一侧肩膀和胸口挤出来。
第3步：双臂向外撑，腰部和上半身继续向外拖出。
第4步：下半身这时才逐渐显现，并且必须自然补全为蓝色牛仔裤。
第5步：最后把双腿也完全从头像里拖出来。

整个“挤出来”的过程必须清楚表现出空间狭小、身体被卡住、必须用力才能出来的感觉。人物的脸部表情始终是“认真用力、略带窘迫但有喜剧感”，不是夸张鬼脸，不要突然大笑。头像圆框本身不变形、不破裂、不移动，仍然留在原位。

【2.8～3.8秒】
男人完整脱离头像后，立刻低头看向下方那条黑色横向UI栏，判断那里可以落脚。然后他双膝微弯，双臂自然打开保持平衡，从头像位置向下跳，准确落到中部的黑色横向UI栏上，把黑色横向UI栏明确当作地面。落地必须有清楚的重量感：双脚先触地，膝盖轻微缓冲，身体轻轻下沉，再迅速站稳。

落地瞬间，黑色横向UI栏先轻微下压，再轻微回弹；与此同时，整个界面里的其他UI元素同步发生一次短暂、轻微、统一的震动：昵称、数字、标签、按钮、文字、内容卡片都一起小幅抖动一下，然后立刻恢复稳定。注意，这是UI元素被震了一下，不是镜头抖动，不是页面扭曲，不是整体缩放。

【3.8～9.2秒】
男人站稳在黑色横向UI栏上，把它当作一条窄地面。他先抬头看向黑条上方的那些文字，脸上露出“准备搞点恶作剧”的表情：嘴角轻微上扬，眼神集中。然后他用右手掏出一把手枪。枪只有一把，不要重复生成。

接下来，他开始逐段清理黑条上方区域中的文字。可被清理的对象是页面上的可读文字和数字，例如昵称、身份描述、IP信息、关注/粉丝/获赞数字、简介文案、链接文字、标签文字、按钮里的字、分区栏文字等。只允许清理“文字与数字”，不允许误伤图片、头像、图标、按钮轮廓和其他非文字元素。

每一次射击都严格遵循同样的动作顺序，不要简化：
1. 男人先用手枪明确瞄准某一段文字；
2. 表情专注，手臂稳定；
3. 开一枪；
4. 被击中的那一小段文字先在击中点出现裂纹；
5. 裂纹迅速扩散到这个字符或这一小段字符；
6. 文字随后碎裂成大小不一的实体碎片；
7. 大碎片向下掉落，小碎屑短暂飞散后也向下坠落；
8. 一部分碎片可落到黑色横向UI栏上，发生轻微碰撞、弹跳、滑落，再掉出画面；
9. 原来那段文字所在位置留下真实、干净、明确的空白。

不要让文字一下子凭空消失，不要做成魔法消散，不要做成廉价粒子爆炸，不要做成科幻能量特效。效果必须像真实附着在界面上的脆性字层，被子弹打裂、打碎、脱落。相邻但没有直接被击中的文字可以轻微震一下，但不能自己消失。

在这个阶段，男人连续进行多次相同动作，把黑色横向UI栏上方的大部分文字逐段清掉。节奏明确、连贯、干脆。每次开枪后，男人的动作都要回到站姿，再重新瞄准下一处，不要无规律乱扫射。随着几次射击，黑条上方逐渐形成一大片明显的空白区域。

【9.2～10.8秒】
男人继续补枪，专门清理零散残留的文字，直到黑色横向UI栏上方出现足够完整、清楚、可用的一块空白区域。这块空白区域必须明显位于黑条上方。不要把整个页面所有内容都清空；下方内容区、底部导航和其他未被处理的视觉部分仍然存在。

确认清理完成后，男人放低枪口，左右看一眼这块空白区域，露出“差不多了”的满意表情，然后后退半步，双脚在黑条上站稳，身体转向空白区域正面，准备开始“写字”。

【10.8～12.6秒】
这是最关键的段落，必须严格执行，不允许自由发挥。

男人站在黑色横向UI栏上，面向黑条上方那块空白区域，右手持枪，快速、清楚地连续开4枪。总共只能是4次主射击，每一枪对应打出一个完整的汉字，顺序固定，不能打错，不能多枪乱补，不能把四个字混在一起生成。

第1枪：打出“请”
第2枪：打出“看”
第3枪：打出“下”
第4枪：打出“集”

这4枪必须按从左到右的顺序依次完成。每打一枪，就在空白区域中形成一个完整、清晰、稳定的白色大字。不是普通字幕浮现，不是打字机效果，不是笔写效果，而是“开枪后，这个字被清楚地打出来”。四枪的节奏要快、准、干脆，有明显的“砰、砰、砰、砰”连续动作感，但画面表达仍要清楚，让人看得见每一枪对应哪个字。

最终形成的4个白色大字必须准确无误地显示为：
请看下集

必须保证：
- 只能是这4个字
- 顺序不能错
- 不能缺字
- 不能多字
- 不能乱码
- 不能繁简混乱
- 不能出现其他无关文本

这4个字要足够大、足够亮、足够清楚，位于黑色横向UI栏上方那块空白区域的中央位置，整体易读、醒目。

【12.6～15.0秒】
四个字全部打完后，男人放下手枪，站在黑色横向UI栏上，先转头看一眼“请看下集”，确认成果，然后再慢慢回头看向镜头。此时表情必须明确：嘴角微微扬起，眼神里带一点得意和顽皮，像恶作剧成功后的满意神情。不要夸张大笑，不要张大嘴，不要做过火表演。

最后约0.8秒保持稳定收尾，人物不再做大动作。结尾构图必须同时清楚包含以下三项：
1. 站在黑色横向UI栏上的男人；
2. 黑条上方完整、清晰、醒目的4个白色大字“请看下集”；
3. 仍然完整铺满整个视频画面的原始个人主页截图界面。

【全局强约束】
- 输入的个人主页截图始终完整铺满整个视频画面，始终全屏，不缩放，不平移，不旋转，不重构。
- 镜头全程固定。
- 角色只有头像中的这个成年男性，不能新增其他人物。
- 角色必须保持真人外观，不变成卡通、二次元、3D角色。
- 上衣严格延续头像中可见的上衣；下装固定为蓝色牛仔裤；全程不换装。
- 角色从头像中出来时，必须表现出“圆形头像太小，所以要费力挤出来”的动作逻辑，不能轻松一步跨出。
- 落到黑色横向UI栏时，必须出现一次明确但轻微的UI联动震动。
- 黑色横向UI栏必须被当作地面使用。
- 只允许清理文字和数字，不允许破坏非文字UI元素。
- 每次击中文字，都必须有真实的局部裂纹、碎裂、脱落、掉落、碰撞和重力效果。
- 最终必须在黑条上方形成一块空白区域。
- 最终新增的文字只能是“请看下集”。
- “请看下集”必须通过快速连续4枪，一枪一个字，按“请→看→下→集”的顺序打出来。
- 不要加入旁白、对白、气泡字幕、额外说明文字、额外logo。
- 不要出现血腥内容，不要伤害人物，射击对象仅限界面文字。

[卡蛙图Kwanto（K教大护法） @realkawatu]

https://t.co/dDS6JROsFn

[EverettFish @everettfish0408]

开源一个新Skill：3D镭射卡片生成

最近刷到一堆 GPT 6 Astra 玩 Blender 的视频，本来只想围观，但是想到它自己会生图，又能直接操作 Blender，两件事凑到一起，镭射 3D 卡牌就变成一句话的事。

真人照片能做，动漫立绘也能做，卡牌转起来闪出全息光很像小时候攒的干脆面卡。

干脆直接把整套流程封成了一个 skill，一键跑完，拆图、视差、镭射、闪星都全自动。

github：https://t.co/iBEHHkghSy

[徐跑跑 @xupaopaogm]

卧槽！！！

黄果短剧被哪个天才给开源了？

能看懂的人绝对能从中赚到一大笔

[AYi @AYi_AInotes]

大家好不容易翻墙出来还是要多看看英推区的优质内容，
比如这个视频，整整 60 分钟,Anthropic 资深工程师刚放出来的这门多 Agent 架构课,
直接把市面上卖 500 刀的所谓培训课干得粉碎!
没有一句空洞废话,全在讲怎么用状态图把一群 Agent 焊成一支自进化的工程团队,
把 1 小时视频嚼烂,核心就这 4 级台阶:
1️⃣ 计划模式与 CLAUDE.md 筑底:
别一上来就让模型盲打代码,用固定的项目规范文件把规则说死,先出完整计划再动手;
2️⃣ 构建 Skills 武器库与 Hooks 刹车片:
给 Agent 注入专属技能包,并在执行关键写入与删除前,用钩子机制强制拦截审批;
3️⃣ 主从子代理矩阵协同:
彻底放弃单兵全能的幻想,大模型当总指挥拆解任务,把具体脏活派发给不同上下文的独立子代理;
4️⃣ 自改进循环与状态图闭环:
最狠的一招,把 Agent 锁在状态图回路里,写完必须自己跑测试、看报错、自我修改,不跑通自测绝不交差。

大家别再花冤枉钱买那些二道贩子的什么提示词和AI课了,
官方工程师已经把多 Agent 协作的底盘代码摆在台面上了。
带完整时间戳和中文笔记整理在下面了,收藏起来慢慢啃!

[KC @ScarletKc]

OpenAI 在 Astra 官方文档里给了一段去 AI 腔的写作提示词，我觉得这个很重要，值得单独分享。

它写得很具体，要求模型少用术语，删掉空洞的过渡语和结尾总结，直接说清楚要做什么。还专门点名了“值得注意的是”“简而言之”“不是 X，而是 Y”这些常见表达。

比如“这不是性能问题，而是配置问题”，直接写“问题出在配置”就够了。一个意思已经讲清楚，结尾又换个说法总结一遍，也可以删掉。

我觉得这种提示比一句“写得自然一点”有用得多。哪些句式该删、哪些内容值得展开，都有具体要求。

尤其是最后那条，用简单的词把实际关系讲清楚。很多 AI 生成的文字，明明可以直说，偏要自创一个概念，再解释这个概念是什么意思。

官方文档里的写作提示：https://t.co/VecjXqObo6

[金尘马 @jinchenma_ai]

卧槽，X上真是要啥有啥。

昨天晚上我不是跟那一个大佬聊关于Google Map装修的那个赚钱路子的帖子不是火了嘛，

这个博主已经把这个项目跑通了，教程都有了，大家跟着抄作业就可以了👇

[Erwin @ErwinWu000]

昨天资深程序员卡颂大佬 @kasong2048 引用我推文时提了一个很关键的点：AI 审代码挑出来的很多问题往往不是编码失误，而是需求没对齐导致 AI 只能脑补。

顺着这个思路，我在这篇帖子里系统梳理了一下怎么让 AI 编程真正走在正确的轨道上，建立一套系统让整个事情从“整点东西玩玩”变成“可靠的系统工程”。

整件事的核心其实就是三件事。目标对齐（定义你程序的终点）、路径探索（找到通往重点的路径）、循迹前行（确保走在正确的路上）

ps: 这篇帖子的知识密度非常大，深度总结了我在大厂实习和日常AI开发中的流程管理实践，希望能对大家有所启发。

1️⃣ 目标对齐
⚠ 这一步的核心目标是定义好你程序最后要到达的重点在哪里。

很多时候我们丢给 AI 的 Prompt，往往是一个带着个人偏见的半成品解法。

比如你跟 AI 说“帮我做个支持微信登录和购买会员的功能”，你以为需求已经交代清楚了，但你实际业务里藏着的“支付超时怎么回退库存”、“微信回调重复通知如何做幂等校验”、“多端登录时 Token 如何刷新”等一大堆隐性上下文，AI 根本看不到，只能基于训练集的概率分布在解空间里硬猜，结果做得跟你想的不一样又让人恼火。

图灵奖得主 Fred Brooks 早就说过：“构建软件系统最困难的单一环节，就是精确决定要构建什么。” 没有哪个环节做错会对系统造成如此致命的破坏，事后也最难纠正。

需求工程（Requirement Engineering）的核心本质就是两件事：

消除隐性假设：把那些你以为大家都默认，但其实谁都没写明的边界条件、灰色地带和异常流提前逼出来。
建立唯一事实来源：把脑子里模糊的想法，固化成一份精确的规格说明（Spec）。

🛠️ 落地实践：grill-me，grill-with-docs (来自matt pocock/skills)

它们的本质都是苏格拉底式需求获取（Socratic Elicitation）。核心思想是让AI 先别急着敲代码，先扮演严苛的架构师反过来“拷打”你：“并发边界是多少？”“第三方服务挂了怎么降级？”“数据冲突怎么处理？”直到把所有隐藏假设剥离干净，自动落成一份清晰的产品和技术规格文档。

2️⃣ 路径探索
⚠ 这一步的核心目标是找到通往程序终点的可能路径。

需求确定之后，通向目标的路径往往不止一条。而且每条路往下走，还会分出各种各样的技术分支。

很多时候某条路能不能走，不仅要看能不能实现，还得放在你当前工程的具体局限下去权衡。我通常会看这四个维度：

实现的复杂性：初始交付的技术门槛高不高？
维护的复杂性：未来会不会变成技术债？模块耦合度有多大？
时间与资源成本：第三方依赖贵不贵？开发周期赶不赶？
方案的可逆性：如果走不通，调头推倒重来的代价有多大？

但现实往往更复杂。方案选出来后，你也未必百分之百确定它可行，必须先去探索——也就是大家常说的先 probe（探一下），探通了才敢继续踩油门。

因为通往最终需求的路径本身就是一个拓扑网络，中间充满分支和不确定性，所以一开始必须有宏观的架构规划。先规划好整个体系大概长什么样，既能在宏观上统一各个细小的实现分支，也能在后续某个分支调整时，把对整个系统的冲击降到最低。

在动手前，借鉴 ADR（架构决策记录） 的思路：明确写下“背景-决策-后果与代价”，先定拓扑，再定具体实现。

🛠️ 落地实践：wayfinder + research + prototype (来自matt pocock/skills)

wayfinder：负责全局拓扑规划与路径导航，把不同的架构路线拆解、对比；

research：当某个分支可行性存疑时，自动触发技术探针（Spike），去检索最新文档、测试第三方 API 边界；

prototype：借鉴《程序员修炼之道》里的示踪弹（Tracer Bullets）思路，用极简代码端到端打通一条核心通路，用最小系统验证这个方案到底能不能闭环。

3️⃣ 循迹前行
⚠ 这一步的核心目标是保证自己走在正确的轨道上不偏离。

进入编码阶段，很多人用 AI 容易陷入“盲盒式开发”——一轮接一轮地把需求抛给 AI，闭着眼睛连续点 Accept，完全不记录中间改动了哪些模块与底层设计，直到某天系统突然崩溃，你和 AI 都不知道这堆逻辑到底是怎么长成现在这样的。

这种缺乏治理的开发很容易遇到两个失控点：
上下文漂移（Context Drift）：对话轮次一多，AI 就会逐渐忘掉早期的架构约束，甚至拿着过时的旧方案在上面乱改。
局部测试陷阱（False Green）：AI 写的单元测试全绿，但真正拼起来时，整个系统完全跑不通。

🛠️ 落地实践①：活文档与变更追溯 to-spec, to-ticket (来自matt pocock/skills) , docs-by-versions (来自https://t.co/w2V4odtaB9,本人自制)

开发中的每一个改动都必须有迹可循：
· 每次要做方案调整（增加新需求或改动已有需求），改动前要进行变更影响分析，先评估会波及哪些模块和接口，
· 对于新增的需求，如果不涉及对原有系统的更改，走to-spec, to-ticket的常规需求开发流程
· 对于要修改已有系统的改动，需要开一张变更单（CR），再to-ticket，执行

🛠️ 落地实践②：建立最小可用的 E2E 验收

在 AI 编码场景下，纯 TDD（测试驱动开发）有一个被广泛诟病的硬伤：AI 极其擅长为了让测试断言通过而硬凑代码，经常写出很多打补丁式的垃圾逻辑，彻底牺牲了代码结构的合理性。

所以必须结合 BDD（行为驱动开发） 的思路：
· 后端和数据库交互，交给自动化的 API 契约测试。
· 前端和交互界面，AI 往往不会主动去写健全的 UI 自动化。这时必须由人类开发者把自己代入真实用户，梳理出关键用户流程，写一个覆盖完整体验流程、最小可用的端到端集成验收测试（E2E Smoke Test），作为交付的物理硬指标。

4️⃣ 总结
这三步不是孤立的技巧，而是一套环环相扣的工程闭环：

· 定义目标（起点）：如果目标没扣死、隐性假设没剥离，后面走得再快也是在错误方向上狂奔；

· 找到路径（骨架）：如果只看眼前、不去探清路径网络与架构分支，执行时就会频繁撞墙、反复推倒重来；

· 保证实施（护栏）：如果缺乏变更追踪和端到端验收，就算目标和路线再完美，对话轮次一多也会在执行中悄然失控。

目标、路径、执行，三环紧扣。把这套工程约束建起来，AI 才能真正从单点修修补补的玩具，变成可以交付复杂工程的可靠生产力。

[Charles在路上 @Charles77xixi]

最近看了吴军老师聊35 岁前要完成的五件事的视频，收获很大。

很多人把 35 岁看成一条充满焦虑的职业deadline，但吴军给出了一个完全不同的视角：35 岁不是一道硬门槛，而是一个试错成本的时间窗口。在这个年纪之前，你最大的杠杆不是资历，而是家庭和心理负担小、试错成本最低，你还折腾得起。

这五条建议没有心灵鸡汤，每一条都在用工程师思维拆解人生成长的底层机制：

1️⃣ 把荒唐事尽早做完（最好 30 岁前搞定）

每个人年轻时心里都有一些隐约想试但又犹豫的事：折腾一个冷门赛道、尝试一次不被看好的副业、搞一个非共识的技术想法。吴军建议趁 30 岁之前毫无包袱的时候，一股脑全去试一遍。

试完发现自己真不是那块料，或者方向走不通，就体面且果断地放下。这不是失败，这叫用最低成本做人生选项的排除法。

人生最昂贵的隐性成本不是试错亏损，而是一辈子纠结。最怕的是年轻时不敢动，到了四五十岁还心存幻想，试一下放下、过几年又心痒再试一下，大半辈子都在同一个坑里原地打转。把荒唐事尽早探完，心才能彻底定下来，专注做真正属于自己的主线。

做了，就能说一辈子；不做，只能想一辈子。

2️⃣ 搞清楚自己这辈子想干什么，挑对第一块土壤

很多人找第一份工作只看起薪和头衔，吴军给了四个更硬核的标准：有适当的发展空间、有好师傅、有公平的竞争环境、有让能力持续增值的学习机会。

其中公平环境和学习机会最重要：

别去投机取巧的消耗型环境：在一个扭曲的生态里泡久了，你不仅学不到正确的工程与商业逻辑，还会习得一整套错误的动作模式，甚至对社会产生悲观的习得性无助，之后很难再纠正过来。

知识要越用越多，而不是越用越贬值：如果你的日常工作只是在机械重复消耗毕业时的存量，或者当流水线上的单点螺丝钉，存量技能就会迅速折旧。一定要找能提供成长势能、让你建立完整系统性认知的地方。

3️⃣ 认清技能的半衰期，为突破天花板做系统性准备

这是全场最具启发性的定量推演：吴军把个人成长拆成两条方向相反的曲线。

第一条是个人能力曲线，随着工龄大致呈线性缓慢增长；
第二条是技能价值曲线，单一工具和具体技术具有极强的半衰期（在 AI 时代，存量工具技能的贬值速度还在成倍加速）。

两条曲线叠加，就解释了为什么绝大多数人在 30 多岁会遭遇中年危机：刚毕业前几年因为基数低，稍微学两个框架能力就翻倍；但到了中后期，存量技能的折旧速度追平甚至反超了积累速度，纯靠堆加班时间和熟练度，必然会撞上金字塔结构收窄的硬天花板。

突破天花板的解法从来不是拼命加班把身体搞垮，而是主动完成转型：在技能贬值的同时，持续学习更底层、不随工具迭代而过时的工程认知，把散装技能提炼成更高阶的系统与智慧。

4️⃣ 去高密度的地方扎堆，主动寻找人生贵人

贵人不是坐在工位上等来的，而是去优秀人才密度最高的地方扎堆碰出来的。

贵人不仅是导师和领导，也包括同频的同行者、敏锐的下属，甚至价值观契合的优秀伴侣。进头部技术社区、挑有极高审美的高手团队，本质都是在提高高势能人脉的碰撞概率。

吴军用了一个很形象的比喻：非洲羚羊看到同伴被狮子叼走，自己还在心安理得低头吃草。如果当前的环境刻薄、平庸、天天内耗，千万别等命运的铁拳砸到头上才想起换地方。 趁着年轻还折腾得起，主动选择环境，尽早挪窝。

5️⃣ 区分知识与智慧，尽早筑牢底层品格

把知识与智慧彻底拆开：

知识可以被工具和技术快速替代：今天一个刚入行的工程师借助 AI，能调用的技术知识量远超三十年前的前辈；
但智慧绝不会自动累积：大局观、周期体感、真金白银吃亏后的复盘能力，必须靠真刀真枪下场实践（Skin in the game）和深度复盘才能长出来。

比单纯刷技能更重要的，是守住底层的品格与长期主义。能力跑得太快而品行没跟上，往往是灾难的开端。决定一个人最终能走多稳、在周期波动里能不能立得住的，永远是内在的品格与信用资产。

把 35 岁当成一个时间杠杆：在试错成本最低的年纪把弯路探完、把认知基座打牢，后面的人生才有真正的复利空间。

[宋宋 @songsong]

这Codex的小技巧特别受用
GitHub含金量还在上升

[炎朗 Gavin @cdexsta]

Pi agent是真香，hermess什么的都可以抛一边了，就用它作为桌面 work主力，速度快、还省token

推荐几个必装的扩展，装上后性能、生产力飞起:

- pi-web-access
网络访问全家桶：网页搜索、URL 抓取、GitHub 仓库克隆、PDF 提取、YouTube/本地视频理解。支持 OpenAI、 Brave、Tavily、Kagi、Exa、Perplexity 等众多搜索后端

- pi-memory
记忆系统：长时记忆（MEMORY.md）、每日日志、scratchpad，支持 qmd 语义检索（memory_search 等）

- juicesharp/rpiv-todo
模型可用的待办清单（todo 工具），以实时 overlay 形式渲染，跨 /reload 和上下文压缩存活

- pi-subagents
子代理编排：可派生并行/串行子 agent 处理多步任务，带 worktree 隔离、工作流脚本、任务预算等能力

- pi-mcp-adapter
MCP 适配器：让 Pi 接入 Model Context Protocol 服务器（mcp / mcpScript 工具即来自这里），而且是动态判断接入MCP Server，不会塞爆上下文

- context-mode
本质上是通过MCP Server方式接入，将tool calling result 和文件读写内容进行执行压缩，区分出主context，有效节省ctx空间

[Zack Wu @_zackwu]

如果你 review 过同事完全用 AI 乱写的 PR，甚至对方还直接让 AI 回复你的 review comment……那么强烈推荐阅读

[Musolsol.𝟎𝐱𝐔 @MMMusol]

这可能是全网最全的「图片反推提示词」

收藏这一条
以后反推不用从零措辞，按图选类，复制即用。

1. 通用图片反推（所有图都能用）

详细反推这张图片的完整提示词，包含主体、风格、色彩、光影、构图、质感、分辨率和细节描述。
分析这张图片的视觉元素、色调、氛围、技法和关键词，生成可直接用于 AI 绘图的精准 prompt。
请用中英双语详细描述图片内容，拆解风格、光线、材质、镜头和配色。

2. 字体 / Logo / 文字设计类

反推这款字体的风格、字形特征、笔画质感、配色、排版和特效，生成字体设计提示词。
详细描述字体：风格（现代 / 复古 / 赛博 / 手写）、粗细、衬线 / 无衬线、倒角、立体效果、光泽，以及金属 / 磨砂 / 玻璃质感。
分析 Logo 的配色方案、构图比例、光影、材质和特效（描边、发光、渐变、浮雕），输出可复制提示词。

3. 风景类（自然风景、城市风景、场景）

反推这张风景图的环境、天气、时间、光线、色调、氛围、构图和景深，生成风景提示词。
详细描述：场景主体、季节、时段（清晨 / 黄昏 / 夜晚）、天空、云层、植被、水体、色调、氛围感和镜头感。
提取关键词：风格、色彩、光影、画质、分辨率、氛围、透视和细节质感。

4. 摄影类（真人 / 人像 / 产品 / 纪实）

反推这张摄影图的相机参数、镜头、光影、色调、画质、构图和氛围，生成摄影风格 prompt。
详细描述：光线（自然光 / 硬光 / 柔光 / 逆光）、景深、焦距、画质（8K / 高清 / 胶片）、色调（冷色 / 暖色 / 复古 / 胶片感）和构图。
提取：摄影师风格、光影、质感、分辨率、对焦、噪点、锐度和情绪氛围。

5. 插画类（扁平 / 二次元 / 治愈 / 手绘）

反推这张插画的绘画风格、笔触、肌理、色彩、线条、构图、氛围和画师风格。
详细描述：手绘 / 板绘、平涂 / 厚涂、赛璐璐 / 二次元 / 治愈系 / 国风、线条粗细、色彩搭配、质感和细节。
生成可直接用于 AI 绘画的插画关键词，包含技法、色彩、主题和氛围。

6. 3D 类（C4D / Blender / 3D 渲染）

反推这张 3D 图的渲染风格、材质、灯光、建模风格、精度、配色、质感，以及 C4D / Blender 特征。
详细描述：3D 卡通 / 写实 / 黏土 / 磨砂 / 金属 / 玻璃 / 亚克力、光影（三点布光）、反射、粗糙度、Octane 渲染、软边缘和体积光。
提取关键词：3D render、C4D、Blender、Octane、PBR 材质、柔光、高细节、8K、卡通质感、极简。

7. IP 角色类（潮玩 / Q 版 / 盲盒）

反推这个 IP 角色的形象设定、风格类型、五官表情、体型比例、服饰、配色、材质、光影和细节特征，生成同款 IP 角色提示词。
详细描述：风格（Q 版 / 潮玩 / 治愈 / 国风 / 黏土 / 卡通）、头身比、发型、服饰装饰、神态、动作姿态，以及材质（哑光 / 树脂 / PVC / 陶瓷）和质感。
提取关键词：IP 角色、盲盒风格、潮玩、C4D、3D 渲染、柔光、纯色背景、细腻质感、高细节、可爱、治愈、极简、全身造型。

可以多多转给你那个还在说「帮我反推这张图」的朋友~

[刘聪NLP @liucong0120]

https://t.co/1eZ6njmGAZ

爱了，真实普惠的好工具，AI教育真的很需要了

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

Tailscale 自己出手，做了个反直觉的东西，Tailcat，一句话概括就是：没有 Tailscale 的 Tailscale。

不用注册账号，不用装 VPN，不用开端口，不用 root，也不改你的路由和 DNS。两台机器，发个短 token 过去，直接就连上了，全程 WireGuard 端到端加密。打得通走直连，打不通自动走 DERP 中继，一点不耽误。

连上之后能干嘛？我给你数数：

1️⃣ 两台电脑互传文件
2️⃣ 把本地端口甩出去
3️⃣ 直接 SSH 进去
4️⃣ 当 SOCKS5 代理
5️⃣ 当出口节点
6️⃣ 浏览器里也能传

Go 写的，全程用户态，官方开源。像 netcat，但走的是 Tailscale 的数据面。

🔗 https://t.co/rHSk60lyUr

[Xudong Han @Xudong07452910]

推荐一个维护 AGENTS.md 的思路，觉得还蛮实用的。

题目也很吸引人：AGENTS.md其实是一个神经网络。

很多人的做法都是 Agent 犯一次错，就往 AGENTS.md 里补一条规则。

时间久了文件越来越长，旧规则没删，新规则继续加，最后 Agent 每次都要读一堆已经没什么用的东西。

这篇文章换了个思路：

把项目级 AGENTS.md 当成一个需要「训练」的神经网络。

每一次 Claude Code / Codex session 都是一次 forward pass。

Agent 走过的弯路和被你纠正的地方就是 loss，再定期从这些真实 session 里提取问题，小幅更新 AGENTS.md，相当于做一次 backward pass。

而且要给它固定 Token budget，新增一条规则，就要考虑删掉或移走什么。

作者还直接开源了一个 backpass 工具来自动做这件事。

我还是很喜欢这个思路的。

AGENTS.md 真的不该靠感觉越写越长，而是应该根据 Agent 真正干过的活，一点点「训」出来。

文章
https://t.co/K4LkwNlUD2

[徐跑跑 @xupaopaogm]

因为敏感的原因，一些东西在闲鱼和小红书上不能直接搜索出来

并不是平台上没有人去销售，而是这些产品的名字被官方屏蔽掉了

这个平台网站就是为此而生：

https://t.co/7ChHrghyeH

[YiJie @yijie4188y]

这个 skill 很酷，但是我感觉有一些更加好玩的可以加进来，结合了 https://t.co/UBCvn799M0 这个项目我做了一个有趣的动态头像编辑器，你可以让你的 agent 制作你自己的可爱动物头像并且让他动起来了。可以试试看这个：https://t.co/fgG8LOgXhF

[Huan @Huanusa]

吉姆·罗恩在1981年的演讲
因为讲了这个世界财富的底层逻辑 所以一直被封杀，
尤其在国内，根本不允许看。
五分钟就可以深度理解任何事物的运行法则
最完整版来了