OxViewCoin

成为一个有趣的人 #Java #ftm #spirit

[Berryxia.AI @berryxia]

我去，真是看着舒服啊~

这个图用 YouMind 给 Kimi 的文章配图。

写了个 skills 生成这个配图，很多人觉得很不错，所以我就做了一个 4K 高清版本分享上来。
（X长图压缩太严重了😭）

[耳朵 @RookieRicardoR]

新研发了一个画图 Skills： anthropic-style-diagram，能够用 Anthropic / Claude 的视觉语言画技术图、架构图。

安装命令：
```bash npx skills add rookie-ricardo/erduo-skills --skill anthropic-style-diagram ```

GitHub: https://t.co/udNBPQXRD5

[Gorden Sun @Gorden_Sun]

Harness Handbook：让Agent知道去哪里改代码

腾讯开源的项目，可以把任意代码库转换成一份可导航的 handbook（手册），再用这份手册帮助 Agent找到要改动代码的所有位置。

L1是系统总览，L2是组件卡片，L3是具体代码单元，跟赵纯想的三层思路有点像。Handbook+DeepSeek-V4-Pro做定位，水平接近Opus 4.8。

Github：https://t.co/uvlcDBdZei

[宝玉 @dotey]

OpenAI 开源了 Codex Security

Codex Security 是一个命令行工具（CLI）加 TypeScript 开发工具包（SDK），用 AI 自动扫描代码仓库里的安全漏洞。它能找到问题、验证问题是否真实存在，还能生成修复补丁。

这个工具之前一直以 Codex 插件的形式存在，但是闭源的。

六月底就有人在 GitHub 上开了 issue 要求开源，理由是安全不该被藏着。现在 OpenAI 把它拆成了独立项目，以 Apache-2.0 协议开源，项目地址： https://t.co/YZDFXg885w。

Codex 插件版和独立版有什么区别？

插件适合在你的 Codex 项目中，直接调用插件做安全扫描。

独立版是给安全团队用的，能批量扫整个组织的所有仓库，支持历史记录、扫描结果去重、误报追踪，还能接进 CI 流水线。

技术细节方面，默认使用 gpt-5.6-sol 模型做高推理强度扫描，需要 Node.js 22+ 和 Python 3.10+，支持 macOS、Linux 和 Windows。扫描结果可以导出为 SARIF、CSV 或 JSON 格式。还有个 install-hook 命令，可以在每次 git commit 前自动扫描改动过的代码，发现高危问题直接拦住提交。

在公开测试阶段，Codex Security 扫描了超过 120 万次提交（commit），在 OpenSSH、GnuTLS、PHP、Chromium 等开源项目中发现了 792 个严重漏洞和 10561 个高危漏洞。有第三方测试对比过，在 16.2 万行生产代码上，Codex Security 的真阳性率是 74%，Snyk 是 28%，Semgrep 是 20%。OpenAI 开源了 Codex Security

[智享 @CycleDecoded]

抄大厂UI/复刻好看的网页，最痛苦的不是写组件，而是手动去控制台一个个元素抓颜色、字体、间距和 Shadow。

这个开源项目 opendesign（基于 Playwright + Vision LLM），直接把任何目标网站的视觉 Design Tokens 给自动化逆向提取出来了。

1️⃣ DOM 自动化渲染：底层用 Playwright 真实运行浏览器，提取计算后的 CSS 样式（Computed Styles），连带伪类和动态状态全抓下来。
2️⃣ 多模态视觉校验：结合 Vision LLM 多模态能力，对布局层次、色彩规范进行归一化校验，自动剔除杂乱脏代码，只生成标准化的 Design Tokens。
3️⃣ AI Prompt / Code 准备就绪：直接导出标准化 JSON / CSS 变量或可以直接塞给 Claude Code / Cursor 的 Markdown 规范文件，开发前端时让 AI 按这套 Token 还原，精度直接拉满。

适合谁冲：
前端开发者、独立开发者、产品经理，或者正在做 AI 原生界面 UI 还原的同学。

💡 使用提醒：
提取出来的 Tokens 适合作为样式参考与系统构建基础。在商业项目中使用时，注意侵权风险，避免直接 1:1 硬套原版的品牌标识和特有资产。

🔗 项目地址：
https://t.co/RGVMOVrpem

[Frank Wang 玉伯 @lifesinger]

最近最惊喜的两个 Agent 是：

1、Linear Agent：基本是一个掌管所有项目进展、客户反馈、风险分析等数据的超级管家的角色了。

2、PostHog Agent：基本实现了各种数据查询、分析、展现的自由。

但都需要好好用，有团队约定和共同实践。有数据，数据准，然后才好用。

发现啥懒都偷不了。可以省的，是汇报，是办公室政治。是一些本身就可以不做的事。

[开发者Hailey @IndieDevHailey]

经常用 Codex、Claude Code 做网页自动化？试试 ego-lite。

不是 Playwright 那种另开浏览器，而是你和 Agent 共用一个浏览器：各干各的，互不抢标签页。登录态、Cookie、扩展直接继承，不用反复登录。

每个 Agent 有独立 Spaces，支持并行跑多个任务。用 JS 调用，复杂任务最高快 2.5 倍，Token 更少。支持 Codex、Claude Code、Cursor 等。

目前 Mac 可用，Win/Linux 在规划。适合操作需要登录的后台、CRM、社媒等。

[周览资源 @grgerwcwetwet]

还在终端里敲 Claude Code？

这个开源项目 ccgui，把 Claude Code、Codex CLI、Gemini CLI、OpenCode 等 AI 编程工具，全塞进了一个桌面客户端。

不用再面对黑乎乎的命令行，打开项目就能像聊天一样，让 AI 写代码、改 Bug、提交 Git。

代码文件、工具调用、运行过程实时可见，支持 macOS、Windows、Linux，本地部署，用起来比命令行省心太多。

如果你每天都在和 AI 写代码，这个工具值得装一个。

🔗 https://t.co/ILa4ikhc6E

[爱吃折耳根的Ace @_zheergen]

我现在都是让 Codex 替我画架构图，这感觉别提有多爽了

以前做一个量化交易系统图、Agent 架构图、策略流程图：

改一个模块，要重新拖半天。

drawio-scientific-illustrator 是一个 Codex 插件，能让 AI 通过 MCP 实时控制 draw 画布，一步一步绘制科学图示。

装上这个 Skill 后，Codex 可以直接把图片 1:1 重建成可编辑 draw 文件。

然后就会得到每个元素都可以修改的可编辑图片！

我就喜欢拿来做量化框架图，这感觉真的很爽！

https://t.co/i3eV9HRRfy

[开发者Hailey @IndieDevHailey]

阿里开源 Open Code Review，内部跑了两年，服务数万开发者，揪出几百万缺陷后放出来的。

不是纯靠 LLM 瞎聊，而是确定性流水线 + Agent 混合：精准选文件、打包关联代码、匹配规则、行级定位。覆盖不全、位置漂移、质量飘这些通用 Agent 的老毛病，它用工程约束直接压住。

支持 diff 审查和全量扫描，兼容 OpenAI/Anthropic，token 只吃通用方案的 1/9 左右。

配置个模型就能用。

[Smartpig @Smartpigai]

发现一个很有意思的开源项目：AgentSpace

它不是又一个 Agent 聊天框，而是面向「人类 + AI Agent」团队的协作工作区：

• 给 Agent 分配角色、负责人和任务
• 支持多 Agent 协作与定时执行
• 内置权限、审批和完整审计记录
• 支持 Claude Code、Codex、OpenCode、OpenClaw、Hermes

• 可直接使用，也可自托管部署
真正开始把 Agent 当作“数字员工”来管理了。

项目地址：https://t.co/QnQuPCyNpe

[宝玉 @dotey]

前些天 X 上还一堆人讨论要不要看 AI 生成的代码，现在《Clean Code》作者鲍勃大叔都说：“我不看 AI 写的代码”

他的原话是，这是他能利用 AI 生产力的唯一方式。人类读代码太慢了，如果还逐行审查，就丧失了用 AI 的意义。

但不看不等于不管。他的做法是给 AI Agent 设置层层关卡：单元测试、Gherkin 测试（一种用接近自然语言描述软件行为的测试格式）、QA 流程、代码质量指标、变异测试（故意往代码里塞小错误，看测试能不能抓住）、测试覆盖率，等等。

他在今年早些时候还公开了自己的具体实践：一套四个 Agent 组成的流水线，分别负责需求规格化、编码、重构和架构审查，每个阶段都比上一个阶段更形式化，需要的人工干预也更少。他同时还会看测试覆盖率、依赖结构、圈复杂度、模块大小这些指标，从指标推断代码质量，而不是从代码本身。

【注：圈复杂度（Cyclomatic Complexity）衡量代码中独立执行路径的数量，数字越大说明逻辑越复杂，越难维护和测试。】

当 AI 生成代码的速度远超人类阅读代码的速度，代码审查的形态也在跟着改变。以前的核心能力是读代码、写代码，现在可能正在变成写测试、定约束、设指标。鲍勃大叔过去几十年一直在推测试驱动开发（TDD），现在 AI 时代高质量的测试覆盖反而比代码更有价值。

他今年在 O'Reilly 上开了一门课，叫《AI Agents for Clean Code》，也在自己的 Clean Coders 平台推出了新系列《Clean AI: Agentic Discipline》。主旨一样：AI Agent 不是不需要纪律，是需要不同的纪律。

[无颜 @WY_mask]

GitHub上好用的5个skills推荐

1、superpowers
给 AI 装一整套资深工程师的干活习惯，先想清楚再动手、自己写测试、自己 debug
https://t.co/vfNrjNROt7
2、anthropics 官方四件套
pdf / docx / pptx / xlsx 一句话生成带排版的 Word、能算公式的 Excel、能讲的 PPT
https://t.co/rYTMCqyZaF
3、ui-ux-pro-max
专治"程序员默认审美"，让 AI 做出来的界面像专业设计师，不是一眼假。
https://t.co/GWTt7P5EXV
4、graphify
把一堆代码、文档、图片，变成一张能直接问答的知识图谱
https://t.co/mIbhrnkHex
5、ECC（everything-claude-code）
性能优化全家桶——技能、记忆、安全、先查资料再动手，一次配齐，多个 AI 编辑器通用
https://t.co/DsKeoXdyRc

[Amto @XAMTO_AI]

用AI写前端界面，反复描述设计风格是免不了的。毛玻璃效果、极简布局、新拟态，每次都要重新解释一遍，提示词越写越长，出来的东西还不一定对。

Awesome Design Skills 把这套流程固化了。
近70套设计系统技能包，每套包含两份文件：
一份SKILL.md供AI读取（含组件规则、配色方案、排版规范、可访问性约束、质量检查标准），
一份DESIGN.md给人看（设计意图和实现说明）。

毛玻璃、新拟态、像素复古、企业级、编辑排版、像素风、野兽派、霓虹、Riso印刷风等67种，基本覆盖了主流UI风格。

用起来不复杂，一行命令把技能包拉进项目，AI就能按规范生成界面，不用反复描述风格细节。适配Claude Code、Cursor、Codex，可以通过npx https://t.co/FURigPZEt3 pull <风格名>直接拉取。

https://t.co/FDWyvpmLxv

[idoubi @idoubicc]

Agent-Native 终端 Termany 开源了。🎉

主要特点：

1. 基于页面的多层级 filetree，管理项目更方便
2. workspace + page + tab + pane 的组合，无限多开 Agent 工作窗口
3. 搜索面板快速定位窗格、内置快捷键与快捷操作
4. 多类型窗口切换：终端、文件、Git 差异、对话、浏览器
5. 多 Agent 管理，cli 快捷命令，acp 对话，自定义模型
6. Agent 状态显示、Token 统计、Session 检索，系统负载监控
7. 多语言、多主题，兼容 codex 的自定义主题
8. 其他更多 Agent 相关特性

欢迎体验，感谢 Star👇

https://t.co/HoRhcZkyL5

[窗台上的猫 @WindowsillCat_]

本周 GitHub 飙升的 10 大 AI 开源项目：

1. Graphify
将代码、文档、图像完整转化为知识图谱。无需再用 grep 费力查找文件，你可以直接沿着整个项目的关联路径进行提问。
链接：https://t.co/606o3D4wCD

2. hallmark
用于防止由 Claude Code、Cursor、Codex 等 AI 大量生成的代码中带有标志性“AI 味”设计的技巧/工具。能自动矫正配色和布局。
链接：https://t.co/JK0NiV8tsm

3. awesome-llm-apps
包含 100 多个克隆后即可直接运行的 AI Agent 和 RAG 应用。可以一边参考实现案例，一边直接应用到自己的产品中。
链接：https://t.co/vmBJ1EvW3n

4. Vibe-Trading
只需输入自然语言指令，即可执行交易策略的回测和市场分析。虽然可以全权交给它进行自动交易，但可以通过设置上限和即时停止来防止策略失控。
链接：https://t.co/4YpVQxTY97

5. orca
支持并行运行 Claude Code、Codex 等多个编程 Agent 的开发环境。支持通过桌面端和移动端随时随地查看进度并进行操作。
链接：https://t.co/PRD8JzE40P

6. OfficeCLI
让 AI Agent 可以直接读写和编辑 Word、Excel、PowerPoint 的命令行工具（CLI）。即使没有安装 Microsoft Office，也能通过单个二进制文件独立运行。
链接：https://t.co/RhAyeqLkp9

7. OmniRoute
将 231 多个 AI 服务商（Provider）聚合到单个端点的免费网关。通过令牌（Token）压缩技术，最高可减少 95% 的消耗，仅靠免费额度就能持续运行。
链接：https://t.co/R5ZhXbhcjj

8. pi
集成了支持多服务商的统一 LLM API、Agent 循环以及 TUI（文本用户界面）的工具包。你可以用它来组装专属于自己的编程 Agent CLI。
链接：https://t.co/noE9kUQWV0

9. claude-video
只需传入视频 URL 就能让 Claude 直接“观看”视频。它能自动进行视频抽帧和语音转文字（文字置标），大幅缩短长视频摘要或 Bug 排查的时间。
链接：https://t.co/y5AqZmhegw

10. DesktopCommanderMCP
可以通过 MCP（Model Context Protocol）将终端和文件系统完整交付给 Claude。无需依赖 IDE，即可完成代码编辑、命令执行和文件检索的闭环。
链接：https://t.co/IR99NVfcnT

[烟花老师 @teach_fireworks]

GPT 5.6 Sol 怎么搭配 Kimi K3一起干活儿？
这是我实测后的建议。

一句话：
Sol 是更好的"大脑"，K3 是更便宜的"体力+长记忆"。
搭配原则就是：判断留给 Sol，吞吐交给 K3。

两个模型的相对优劣（实测数据）
• Sol 更强的：困难 agentic 编码（DeepSWE 73.0 vs K3 67.5）、综合智能略高、输出快 12 倍、生态工具链最全

• K3 更强或持平的：终端任务几乎打平（Terminal-Bench 88.3 vs 88.8）、1M 上下文 + 缓存命中输入 $0.30/M（Sol 的1/17）、输出价格只有 Sol 一半、开源可自托管、安全边界评价好

• K3 的短板：输出慢（62 t/s）、最硬的推理题略逊
我的个人经验是把下面这套方案发给codex-orchestration就行。
codex-orchestration 是一个 Codex 插件：
它把"谁规划、谁顾问、谁设计、谁执行"做成可配置的席位路由，让根 agent可以按任务把不同角色指派给不同模型。

具体搭配方案（按收益排序）
1. Sol 规划 + K3 执行 + Sol 终审（主力流水线）
这是收益最大的一环。
Sol 把任务拆成边界清晰、验收标准明确的 packet → K3 当 executor 批量实现 → Sol 做对抗性review。

K3 在"指令明确的执行"上和 Sol 差距很小，但成本只有一半。你工作区 AGENTS.md 里planner/executor/reviewer 席位正好对应：
planner=Sol，executor=K3，reviewer=Sol。

2. 长上下文"吞进去"的活全给 K3（百万上下文）
这是 K3 被低估的杀手锏。
读整个仓库、几百页日志、长文档、论文合集——这类任务 90% 的成本在输入 token 上，而 K3缓存命中后输入几乎不要钱（编码场景命中率 >90%）。
让 K3 反复读同一个大上下文做摘要、定位、抽取，Sol 只看提炼后的结论做判断。

3. 并行分片探索
代码库审计、批量重构、多文件翻译这类可切分的活，起 3-5 个 K3 worker 各管一片，Sol 负责合并和裁决冲突。62 t/s的慢在并行下被摊平，成本却省一半。

4. 隔夜批处理全给 K3
测试生成、文档补全、类型标注、机械性迁移——不需要人盯着的活，速度无关紧要，K3 跑通宵，Sol 早上验收。

5. 交叉评审（便宜的质量保险）
两个模型族的错误模式不同。
Sol 写的关键代码让 K3 挑刺（或反过来），能抓到单模型自查抓不到的盲区。一次 K3review 的成本约等于免费。

反过来，这些不要给 K3
• 架构决策、模糊需求的澄清、疑难杂症调试——DeepSWE 那 5.5 分的差距就体现在这里
• 安全敏感代码的最终把关
• 需要快速交互迭代、人等输出的场景（62 t/s 会影响你的心流）

[向阳乔木 @vista8]

目前用的最多的AI Coding工具是Codex。

但它的前端审美太差了，发现一个OpenCodex项目。

让你的Codex 随时切换非OpenAI模型。

比如用Kimi K3（OAuth）、Grok 4.5（OAuth） 、GLM 5.2 等。

K3做前端设计，弄好后切 GPT sol5.6 做后端，甚至还能随时切Grok 4.5 搜 X 信息。

这个项目太棒了！

地址见评论区

[出海去孵化器 @chuhaiqu]

又一套开源的 design skill，先给 brief 选 macrostructure，再套 20 种主题之一，生成前还跑 57 个 slop-test gates 和自我审查

也能 audit 现有页面、redesign 旧页面、从截图或 URL 里抽设计 DNA，最后出给其他 AI 工具用的 design.md

也还蛮好看的！

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

手里同时开着 Claude Code、Codex、Grok、Kimi，结果自己成了人肉传话筒，天天 alt-tab 复制粘贴上下文，累不累？

我扒了个叫 ccteam 的开源项目，可以把你本来就在跑的这几个 AI 编程 agent，凑成一个团队。谁擅长啥它心里门儿清：

1️⃣ Claude Code 想得最深，负责拆活、定规矩
2️⃣ Codex 能扛长任务，闷头写代码不掉链子
3️⃣ Grok 回得最快，边上随手答疑
4️⃣ Kimi 便宜量大，重复的脏活累活全包

最骚的是遥控。绑个 Telegram 或者 Lark 的 bot，半夜派完活合上电脑，第二天早饭时结果已经躺群里了，要不要合并还给你 approve、deny 按钮。跨机器也行，NAT 后面的破笔记本都能当卫星节点，测试直接在 GPU 机器上跑。

任何一个 session 都能自己喊人干活，spawn、dispatch、collect 全在底下悄悄跑通了。它不替你决定啥时候派活，这事写在你自己版本管理的 prompt 里。

想试的自己看：
🔗 https://t.co/g8arLhba8e