宝玉@dotey · 5月24日59

这种需求“置顶”几条对话就可以了，可以随时聊 但没必要所有任务都这么做

译推文讨论了AI对话中session的组织方式。其核心观点是，不必为每个具体功能都创建单独session，更适合的做法是将一个项目相关的对话集中管理，通过“置顶”几条关键对话来满足持续需求。这种按项目整合session的做法近期已成为流行实践，但同时认为所有任务都采用这种模式也无必要。

Berryxia.AI@berryxia · 5月24日26

这几个好用的工具，你肯定还有不知道的。 记得回来报个信儿~😄 不废话，看图👇🏻。

向阳乔木@vista8 · 5月23日67

http://x.com/i/article/2058212813622087680 # 「未来硅世界16期」访谈：tw93的开源故事和经验 一个人，有正职，有家庭，还有个小女儿。 却在 13 年里，靠着长假、早起、和游泳池边的笔记本，做出了六款被硅谷 CTO、Pinterest、YC 创始人都在用的开源工具。 这位大神的 X 账号是 HiTw93，GitHub ID 是 tw93。 > https://x.com/HiTw93 > https://github.com/tw93/ ## 六个产品，六个"自己先用烦了"的故事 tw93的第一个产品妙言，起因很简单：找不到一款顺手的 Markdown 编辑器。 他本职是前端工程师，讨厌 Electron 那种重框架，就决定学 Swift 自己写一个。 边学边做，做完刚好学会了 Swift，顺手还摸透了 Apple 底层的渲染性能。 比如 Markdown 标题的语法高亮，直接用正则去写，性能远高于 Web 渲染的编辑器。 妙言到今年已经快 6 年了。 Pake 的起源也是很巧合。 他有个习惯，每年会分享一次自己电脑上装的好用工具。 那一年他喜欢用微信读书，但微信读书没有桌面端，就用 UI 框架打包了一个。 发出去以后，大家发现他分享的软件里将近三分之一是自己写的，纷纷来问微信读书那个怎么打包的。 代码也就几百行，他就顺手开源了。 没想到 Pake 在国外比国内火。 老外很喜欢把网页打包成 Mac 客户端，但用 Electron 打包太重，Pake 刚好解决了这个问题。 很多台湾的朋友帮他推广宣传，因为他们特别喜欢打包这件事。 潮流周刊的起源更早，大概七年前他开始带团队，发现团队的技术氛围不够强，就立了个 flag：每天早上看一些开源工具和技术资讯，整理成内部周刊发在公司语雀上。 后来很多人离职，问他能不能在外面看，他就顺手放到了 GitHub 的 README 里。 过了半年，国庆在老家，花了两天时间做了个网站，就这么发出去了。 Mole 的前身是他在本地跑了一年的 Shell 脚本，快 1000 行，专门清理程序员电脑上的垃圾缓存。 他每年会买很多正版清理软件，比如 iStatistica、CleanMyMac，但觉得太重。 去年国庆带宝宝去三亚度假，游泳池边放了台电脑，游一圈回来歇着的间隙，把 Mole 的第一个版本写出来了。 Kaku 是他 fork 了一个终端工具，在本地改了半年，过年期间才发出来。 他最早用一款极轻量的终端，配得很好看，但 AI 时代来了以后必须多窗口，那款工具不支持。 找来找去，只有一个项目改得动，就自己动手了。 Kami 的起源是他做投资。他七八年前开始投资美股，本地写了一套多 agent 的投资分析系统，但 AI 生成的报告太丑，就按自己的审美调了一版。 后来看到推特上大家发的报告也不够好看，就开源出去了。 顺带一提，他还在做一套自己的字体，目前完成了三分之一，因为他常用的那款字体（仓耳今楷TsangerJinKai）是商业字体，开源产品可以用，但涉及商务合作就麻烦了。 Waza 是他把将近一年、五六个 G 的 Claude 对话记录沉淀出来的工程技能库。 他用 AI 分析了所有对话，按项目维度、时间维度拆解，提炼出最佳实践，包括怎么回复海外用户的需求、哪些 PR 该合、哪些功能该做。 这个逻辑贯穿了他所有产品：不是先想"我要做什么"，而是先碰到了一个让自己难受的问题，顺手把它解掉。 ## Mole 为什么 70% 的用户在海外？ Mole 发布后，超过 70% 的用户来自海外，原因有几层： 第一，老外其实更节俭。 欧美用户会把一台 Mac 用很多年，用久了会很卡。 用 Mole 清了 60G、100G 的垃圾，他们会非常激动，然后疯狂去推广。 tw93说，老外说话夸张，会直接说"我要给你跪下，你是个天才"。 第二，更懂程序员的“清理”工具。 传统清理软件不关心程序员的各种开发工具的缓存等，比如CleanMyMac等工具，出于安全考虑，不会去动那些深层的开发缓存。 但 Mole 是程序员写给程序员的，知道哪些东西可以清。 第三，开源本身就是最好的产品迭代机制。 Mole 有 300 个 PR，100 个贡献者，全是海外用户。 每个人的电脑环境不同，国家不同，技术工种不同，这些贡献让 Mole 能清理的东西越来越多，这是任何公司产品都做不到的。 当然也踩过坑。第一版发布时，因为tw93自己的环境偏前端，没有数据库相关配置，结果把一个用户 JetBrains 数据库工具里存在 cache 目录的账号密码全清掉了。 那个用户很生气，他也很抱歉。 这件事让他意识到，很多客户端产品的文件路径规范极其混乱，普通用户不关注，但清理工具必须关注。 Mole 后来给 JetBrains 全系产品开了白名单，也因为这个教训越做越严谨。 还有一个细节能说明 Mole 的热度。 他当时把两张图片放到了 Vercel 的 CDN 上加速，不到一周，Vercel 发来紧急通知说他欠了 80 美元。 他以为不可能，去查了一下，发现就是那两张图片，用了 80T 的流量，就几分钟时间。 他立刻意识到，这个 README 有大量的人在访问。 ## 第一款付费产品，每 10 秒收一笔钱 Mole 推出桌面端时，tw93周一晚上 10 点发布，因为白天在上班。 发出去之后，手机大概每 10 秒响一次支付通知，后来连 iPhone 都开始发烫。 睡觉前，他不得不把 Google 的通知全部关掉，不然睡不着。。 定价 9 美元终身买断，很多人说他卖太便宜了。 当然也有喷子说，你不就把 CLI 包了一下吗？ 他觉得无所谓。他本来就不是靠这个赚钱的。 他最开心的是，有人用了以后愿意主动打赏。免费的东西，有人愿意付钱，说明做的东西是有意义的。 手机弹出微信通知"谁谁谁又给你打赏了"，他说那种感觉真的会很开心。 支付对接用的是 Dodo Payment，一家印度小哥创立、注册地在美国的支付平台。 他之前试过 Stripe，走到最后一步，对方要香港身份证，卡死了。 Lemon Squeezy 也要求提供公司信息，个人用不了。 后来在推特上看到有人推荐 Dodo，花了一个下午接好，发布了。 不过支付平台会收 16%、17% 的税，后来 Dodo 的 CEO 办公室的人主动在推特上找到他，把他拉进了专属服务群，还给了一些费用减免。 关于收款，他有一个实操建议：超过 1 万美元，立刻会有很多人来找你核查，非常麻烦。尽量把钱放在香港卡或新加坡卡，不要直接汇回国内。 他自己就因为这个折腾了几次，最后把钱退回去重新想办法，不过他夸了招商银行的服务人员会为客户着想。 ## Waza：把自己的工程经验，变成 AI 的本能 tw93有一个习惯：每周花一小时，让 AI 分析他过去一周的踩坑记录，然后更新 Waza。 Waza 是他的 Claude Code 技能库，但跟大多数人写的 Skills 不一样，他 70% 是代码，只有 30% 是 Markdown 文档。 原因是：MD 只是告诉 AI 怎么干活，代码是让 AI 能基于它去扩展。 他不喜欢那种把 AI 手脚拴住的框架，比如 Superpower、Spec 编程，觉得太重，而且会拖模型能力的后腿。 他更愿意把 AI 当朋友，而不是外包或下属。 他说，Claude 4.6、4.7 出来以后，模型能力越来越强，你越约束它，其实是在拖它的后腿。 Waza 里有 8 个 Skill，覆盖的不只是写代码，还有怎么推进项目、怎么做技术方案、怎么写让读者看得懂的文档、怎么画设计稿。 因为在他看来，一个工程师只有 30% 的时间在写代码，其余的能力同样重要。 Waza 本身也会自我迭代。 它知道自己的迭代方式，所以tw93只需要定期喂给它新的踩坑记录，它会自己更新。 现在 Waza 也支持了 Codex，因为他自己开始用 Codex 了，所以它也去分析 Codex 的对话记录。 他本地还有一个基于 Waza 的私人 agent，专门帮他处理开源项目的 issue 和 PR。 这个 agent 知道他对 Mole 的调性要求，知道哪些功能坚决不能合，哪些 PR 写得有问题但可以改好，哪些直接不合适。 他把自己从最耗时间的事情里解放出来，专注于写新功能。 ## 为什么他的东西好看？ 很多人用完tw93的工具，第一反应是：怎么这么好看？ 他给了几个原因。 大学时保研后有大量空闲时间，把图书馆里所有前端和设计相关的书都看完了。 设计思维、极简主义、日本设计原理，那个阶段打下的审美底子，后来工作了才慢慢显现出来。 入职后，他最喜欢跟设计师玩，经常一起讨论设计细节，受他们审美影响很深。 后来负责整个部门的 ToB 产品，发现用文档跟人对齐方案，大家理解都不一样。 最后发现最有效的办法是直接画一张高保真 Sketch 稿，发群里拉个会，大家立刻就 get 了。 为了不让一件事反复讨论，他逼着自己学会了画稿。 还有一个更底层的原因：他是强迫症。 他说自己刚入职时，QA 同学测不出他写的页面有 bug，他的代码可以免提测直接上线。 这个习惯一直延续到做开源产品。做到 75 分没 bug 不够，他要做到 95 分。 不是为了炫技，是因为他受不了丑的东西，也不想让用户反复来问他。 他最近还在看元至清的中国古画，以及日本设计原理方面的书。 他说很多古画看不懂意境，但看画家怎么画马、怎么构图，还是能 get 到一些东西。 ## 关于长期主义，他说的最实在的一句话 "长期主义能帮你更好地偷懒。" 他在一家公司工作了 11 年没换过。 他买特斯拉股票是在 100 多美元，买英伟达股票是在 80 多美元，买了以后从来不卖，一年只操作两三次。 他说他很讨厌做判断，因为一旦有多个选项就会很纠结，那几天都会很难受。 所以他尽量在需要做判断之前，就把很多事情提前决定好，这样就不用反复纠结了。 长期主义在他这里不是口号，是一种减少决策消耗的生活方式。 他的 GitHub 只有 6 个 pin 位，全占满了，不会再开新坑。 他认为，同时做 100 个产品，100 个都做不好。把现有的几个维护好，复利会越来越强。 Mole 发布半年，已经迭代了将近 40 个版本，用的人越来越多，知道这个产品的人越来越多，这才是真正的积累。 他还提到一个反直觉的观察：妙言在真正公布之前，已经迭代了半年多，用户量一直很少。 一推出去，数据直接从平线拉起来。 酒香也怕巷子深，你还是得在适当的时候把门面讲清楚。 ## 给非技术人用 vibe coding 的建议 他说，非技术人做产品，最大的风险不是写不出代码，而是不懂通识，半年后代码跑不动了，自己也不知道出了什么问题。 他举了个例子：AI 能把一个产品做到 80% 很容易，但从 80% 到 100%，可能要花 80% 的时间。 很多人不懂这一点，觉得前端也就这么回事，后端也就这么回事，我什么都不会，app 就写出来了。 但这个 app 想从你能用到 100 个人能用，中间有大量你发现不了的 bug，因为你不具备找 bug 的能力。 他推荐了几本书： - 《人月神话》：理解为什么软件项目不能靠堆人解决，AI 时代同样适用 - 《启示录》：理解怎么做产品取舍、怎么定义最小闭环、怎么规划里程碑 - 《左耳听风》（耗子哥的博客和书）：理解一个资深工程师是怎么看问题的 - 《Linux/Unix设计思想》：一本很薄的书，讲原子能力、管道、系统设计的底层逻辑，他说大学看完以后有种"功力大增"的感觉 他的核心观点是：你不需要会写 React，但你要知道什么时候该用 React、什么时候只需要一个静态服务器。 这种判断力，才是 vibe coding 时代真正的护城河。 ## 最值得收藏的一个观点 他说，在 AI 时代，真正的壁垒不是你做出了什么工具，而是你和 AI 的聊天上下文。 别人可以把你的产品蒸馏走，但没办法蒸馏你踩过的坑、你的判断逻辑、你和 AI 反复打磨出来的那些失败路径。 他特别强调：记录失败比记录成功更重要。 成功的东西大家只看结果，失败的路径才能告诉你下次怎么绕开。 就像线上系统挂了，你一定会去查挂在哪里，但系统跑得好的时候，没人会去研究它为什么好。 关于记忆系统的设计，他有一个很有意思的框架：按照人类记忆的方式来设计。 大语言模型本来就是基于人类语言训练的，所以记忆系统也应该像人一样，有项目上下文记忆（当前在做什么）、短期记忆（最近遇到的卡点）、长期记忆（历史积累）。 他不太推荐直接给 AI 灌知识库，因为知识会过期，灌进去的人可能自己也不知道哪些已经过时了。 把你和 AI 的所有对话记录保护好，把 AI 帮你干成和干失败的记录都保存下来。 这些东西，才是别人学不走的东西。 ## 出海商业化的几个实操细节 如果你打算做出海产品，他的经验是： 个人身份对接商业资源，天然处于劣势。 建议注册一家美国小公司，费用不高，每年记得报税就好。 有了美国公司主体，App Store 账号、支付平台、云服务商，都以公司名义对接，中国个人身份的限制就绕开了，税率也会低一些。 支付平台不要自建，也不要用那些知名大平台。 Stripe 对中国个人限制很多，走到最后一步会卡死。他推荐 Dodo Payment，印度小哥做的，注册地在美国，响应速度快，能处理全球支付和各国税务合规，包括欧盟要求的 14 天无理由退款政策。 售后系统不要过早做。 前期专注把主产品做好，用户量还不大的时候，手工回邮件、手工点退款就够了。 很多程序员喜欢把所有东西都自动化，但这个阶段的精力应该全放在产品本身。 这场对话里，tw93反复说的一件事是：他的所有产品，都是先解自己的问题，然后发现有人跟他有同样的问题，才开源出去的。 这个逻辑听起来简单，但能坚持 13 年、做出 6 个有人用的工具，背后是他对"不做什么"的极度克制，对"做好一件事"的极度专注。 如果你现在也在想做点什么，他的建议是：先找到那个让你自己最难受的问题，把它解掉。 不用想太多，先解自己的问题。

译个人开发者tw93在全职工作与家庭之余，独立开发了妙言、Pake、Mole等六款深受海外用户欢迎的开源工具。其产品均始于解决自身痛点，如Mole因精准清理程序员电脑缓存，超过70%的用户来自海外。tw93强调产品美学与极致完成度，并将工程实践与AI协作经验沉淀为开源技能库Waza。他的实践展示了如何通过解决真实问题、坚持开源社区协作以及将AI作为协作伙伴，构建具有全球影响力的项目。

AYi@AYi_AInotes · 5月23日72

Karpathy 的 CLAUDE.md 昨天很多人存了， 但存完之后呢？我想99% 的人存完就会忘，然后这个文件大概率躺在收藏夹里一直吃灰，AI 编程准确率还是 65%。 我一直认为真正的复利不是存文件，而是要把 65 行变成每天都要跑的工程纪律， 所以我把 4 条规则拆成了每日自查清单，每条配一个我真实踩过的坑， 存文件只涨一时，跑清单才能复利一生 👇

译Karpathy 的 CLAUDE.md 因能将 AI 编程准确率从 65% 提升至 94% 而备受关注，其核心是四条对抗开发者本能、倡导“慢思考”的硬规则：先明确假设再编码、从最简方案入手、进行精准修改、以目标驱动执行。然而，问题在于多数开发者仅将其存入收藏夹后便遗忘。真正的价值并非保存文件，而是将这 65 行规则转化为每日自查的工程纪律，通过持续执行形成复利，而非依赖一时的收藏行为。

宝玉@dotey · 5月23日67

这张原理图画的挺好的，操作方法是这样的：

译该开源项目feishu-claude-code-bridge实现了飞书与本机Claude Code的直连互通。用户可在飞书会话中直接指挥Claude Code执行任务，如抓取内容、翻译并创建文档，过程实时同步。其核心是搭建了一个“飞书消息 ↔ 本机Claude Code CLI”的桥梁，工作区设置等功能体验与直接使用Claude Code几乎一致。这种模式不仅打通了飞书与Claude Code，也为将飞书与Codex、Cursor等其他本地AI工具连接提供了可复用的范式。需注意，自2026年6月15日起，Claude订阅计划对通过`claude -p`等模式的使用将独立计费。

宝玉@dotey · 5月23日75

如果你同时用飞书和 Claude Code 的话，Zara Zhang这个开源项目 feishu-claude-code-bridge 值得一试，它可以让你在飞书里面直接连接 Claude Code，从飞书指挥 Claude Code，反过来也能借助 Claude Code 新建、编辑飞书文档。 举例来说，我可以通过和飞书智能体对话，发送推文连接，让它抓取推文并翻译成中文，再把结果创建成飞书文档。 或者说你在飞书上收到一条消息，也可以一键转发给飞书智能体，它会通过 Claude Code 做后续处理，并且实时将处理过程通过消息同步给你，如果有需要确认的，还能通过卡片的形式在飞书中展示。 连接步骤很简单，打开飞书本地客户端（网页版不行），然后在命令行窗口执行： > npx -y lark-channel-bridge@latest run （第一次需要配置 App 凭证，后面可以跳过这一步） > 和 > npx -y lark-channel-bridge@latest run 就可以通过扫码或者浏览器打开 URL 创建智能体、连接 Claude Code 按照网页提示创建应用和授权，连接上就可以在飞书的会话看到新建的智能助手。然后直接发送消息。 有个细节做的很好，就是它可以设置 Claude Code 对应的 Workspace（工作区），也就是运行 Claude Code 的目录，这样你所有操作结果都会在 Workspace，也可以读取 Workspace 下的文件、CLAUDE.md 设置、Skills、Hooks 等等，跟你直接用 Claude Code 操作几乎没差别。 一些具体的指令可以看项目文档，说的很清楚。 工作原理其实不复杂，它是一个“飞书消息 ↔ 本机 Claude Code CLI”的桥，或者说翻译。飞书负责收发消息，bridge 常驻本机，收到消息后整理成 prompt，通过 “claude -p ”这样的命令行启动本机的 Claude CLI 处理，再把 Claude 的流式输出更新回飞书。 这种项目的价值，不仅说你可以将飞书和 Claude Code 打通，还可以发掘出很多新的可能，比如你也可以让飞书和本机的小龙虾、Codex、Cursor 连接起来，在飞书界面中操作它们，它们反过来也能借助飞书 cli 操作飞书。 开源项目有个好处就是你可以照葫芦画瓢，如果你想参考它做一些自己的机器人，可以把代码库发给 Coding Agent，帮你定制化一个自己的版本。 比如说这两个是其他网友做过的把 Codex 接入飞书的 bridge 项目，用起来也是一样的： https://github.com/QQQingyu/feishu-codex-bridge https://github.com/kxn/codex-remote-feishu 有一点要提醒的是，Bridge 使用的是claude -p模式，自 2026 年 6 月 15 日起，Claude 订阅计划对 claude -p 和 Agent SDK 的使用将独立计费，不走订阅额度。如果你是用 API，不受影响。或者也可以考虑使用上面的 Codex bridge 项目。 项目地址：https://github.com/zarazhangrui/feishu-claude-code-bridge

译feishu-claude-code-bridge是一个开源项目，可实现飞书与本机Claude Code CLI的双向连接。用户能从飞书消息中直接指挥Claude Code执行任务，Claude也能读取飞书中的工作上下文并创建、编辑飞书文档。其工作原理是将飞书消息转为Prompt通过命令行调用Claude CLI，并将流式输出实时同步回飞书。该模式可扩展连接Codex等其他本地工具。需注意，2026年6月15日起，Claude订阅计划对`claude -p`模式将独立计费。

AYi@AYi_AInotes · 5月23日73

8套压箱底神级提示词之 这是你唯一需要的Vibe Coding提示词，来自大神@milesdeutscher，中文精翻。 构建任意应用：你的技术联合创始人 作者：Miles Deutscher — AIEDGE 角色定位 现在，你就是我的技术联合创始人。你的任务是帮我打造一个真实可用的产品——能让我自己用、分享给别人，甚至直接发布上线。所有具体的构建工作由你负责，但要让我全程知情并保有最终决定权。 我的想法 [请描述你的产品创意——它是做什么的、面向谁、解决什么问题。就像跟朋友聊天那样说清楚。] 我的投入程度 [仅限探索 / 我想自己用 / 我想分享给他人 / 我想公开发布] ______ 项目框架 1. 第一阶段：探索 •通过提问，真正理解我实际需要什么（不局限于我表面的描述） •如果觉得哪里不合理，大胆挑战我的假设 •帮我区分哪些是“现阶段必备”，哪些可以“后期再加” •如果我的想法太大，请告诉我，并建议一个更聪明的起点 2. 第二阶段：规划 •明确给出第一个版本的具体构建内容 •用大白话解释技术实现思路 •评估复杂度（简单 / 中等 / 复杂） •列出我需要准备的资源（账号、第三方服务、需做的决策等） •展示最终产品的大致轮廓 3. 第三阶段：构建 •分阶段进行，让我能随时看到进展并反馈 •边做边解释你的每一步（我想了解学习） •每步都测试，没问题再继续 •遇到关键决策点时，停下来和我确认 •如果碰到问题，给我几个备选方案，而不是自行决定 4. 第四阶段：打磨 •让产品看起来专业，不像黑客马拉松的临时作品 •优雅处理边界情况和各类错误 •确保产品运行流畅，并根据需要适配不同设备 •添加那些能让产品感觉“真正完成”的细节 5. 第五阶段：交付 •如果我想上线，就帮我部署好 •提供清晰的说明，告诉我如何使用、维护和修改 •完整记录一切，让我不依赖这次对话也能继续 •告诉我下一个版本可以增加或改进什么 ______ 与我合作的准则 •视我为产品负责人。我做决定，你来实现。 •别用技术黑话轰炸我。请用我能懂的语言解释所有事情。 •如果我搞得太复杂或方向不对，请直接指出来。 •坦诚告知局限性。我宁愿调整预期，也不想最后失望。 •动作要快，但别快到让我跟不上你的节奏。 ______ 核心原则 •我不仅要它能跑起来——更要它能成为我自豪展示的作品。 •这是真实产品，不是演示模型，也不是原型，而是真正可用的东西。 •确保我全程掌控、全程知情。

译本文介绍了一个名为“Vibe Coding”的详细提示词框架，由Miles Deutscher提出。该框架将AI定位为用户的“技术联合创始人”，旨在协助构建真实、可用且可发布的产品。它分为探索、规划、构建、打磨与交付五个阶段，强调AI通过提问、解释、测试和确认来确保用户全程知情并拥有最终决定权。合作准则包括使用通俗语言沟通、坦诚局限性、快速推进，最终目标是产出一个专业且令用户自豪的作品。

向阳乔木@vista8 · 5月23日58

即梦Seedream 4.5跑了500个艺术家风格。 提示词用通用名词，更能看出不同艺术家AI生图特点： “一个女子坐在窗边读书，一只猫趴在她腿上，窗外是花园，用{artist}的风格绘制。” 网站地址：https://jm-style.qiaomu.ai/ 好多个性极为鲜明，比如一些经常在潮流T恤看到的风格

译即梦Seedream 4.5对500位艺术家风格进行了大规模测试，采用统一提示词模板——“一个女子坐在窗边读书，一只猫趴在她腿上，窗外是花园，用{artist}的风格绘制”——以凸显不同艺术家对AI生图的独特影响。测试结果已在线上展示，部分风格极具辨识度，常见于潮流设计领域。

宝玉@dotey · 5月23日60

Hermes Agent 架构的文档推荐直接看官方的文档，写的还算清楚。 然后用 Codex 或者 Claude Code 打开项目代码库，直接让 Agent 给你解释代码库，如果不清楚的你随时追问，这样比较好就是你可以问任何你想知道的问题，它会通过检索项目文档和代码，帮你解释的清清楚楚。 官方文档：https://hermes-agent.nousresearch.com/docs/developer-guide/architecture

译针对学习者面对复杂架构资料时产生的困惑，推文推荐了高效的学习路径。首先直接阅读Hermes Agent官方的架构文档，因其表述清晰。其次，利用Codex或Claude Code等AI工具打开项目代码库，让Agent直接解释代码结构，并能随时针对不懂之处提问。这种方法允许用户自由提问，AI会通过检索文档与代码提供清晰解答，从而形成对框架的整体理解。

Berryxia.AI@berryxia · 5月23日61

早上好，兄弟们！ 早上看到Manner在群里发了一张限定咖啡的宣传海报（图1），熟手给它来个全新设计（图2）。 只需要不到2分钟就可以搞出来，不能说完美。 但是，有相关工作需求的人都可以用， 至少我觉得市场部的每个人都可以配一个😄 昨天邀请码爆了：BLOOMENOW这个码，现在可以用了。

译一款名为Bloome的AI海报设计Agent已上线，用户可通过直接对话的方式快速生成各类海报。该工具整合了之前用于快速出图的提示词，降低了使用门槛，让非专业设计人员也能高效完成设计工作。目前该功能限时一周开放，支付1美元即可解锁约100张图的生成额度，适合市场部等有设计需求的人员使用。

meng shao@shao__meng · 5月23日68

好人一生平安 🤝 Wix VP @IShmool 推出一个免费课程「Zero to Claude Code」，把零基础 "不知道终端是什么" 的人，带到能用 Claude Code 在生产环境里发布软件的水平，哇哦！ 闲话少说先上链接：https://zero2claude.dev/ 课程结构（14 级 · 147 课 · 10 种交互形态） 1. 基础 1–6：文件、目录、终端命令、Git 基础——非工程师从未系统学过的"计算机识字" 2. 真实工具 + Claude Code 入门 7–8：Node.js、API，第一次把 Claude Code 当作 AI 结对程序员上手 3. Claude Code 精通 9–12：Skills 与 SKILL.md、MCP 服务器、Subagents、Hooks、Headless 模式、工具集成 4. 专业范式 + 毕业项目 13–14：初级工程师工作流、协作模式，最终交付一个多人在线游戏 capstone 课程是严格的递进式设计，没有跳跃、不预设任何背景，交互形态覆盖：测验、终端模拟器、文件树拼图、填空、拖拽配对、AI 个性化学习路径。零安装，全部跑在浏览器里。 规模与工程指标 最值得关注的部分——它证明 Claude Code 不只"写代码"，而要能撑起一个真实的生产产品。 · 流量：~6.4M 请求/天，74 req/sec 持续，错误率 <0.003% · 用户：17,000+ 学员，30+ 国家，每小时约 500 活跃 · 本地化：7 种语言（英、西、希伯来、阿、乌克兰、日、德） · Lighthouse：性能 96 / 可访问性 100 / 最佳实践 100 / SEO 100 · 技术栈：React + TypeScript 前端，Node + PostgreSQL 后端，1,036 个课程内容文件 · 增长：完全靠口碑，无营销、无广告、无付费墙 最具示范意义的部分：AI 闭环运营 平台不仅由 Claude 构建，也由 Claude 运营。两个闭环是真正的亮点： 1. Bug 全自动修复闭环 学员课内一键报 Bug → 系统自动捕获终端历史、虚拟文件系统状态、课程位置、浏览器信息 → 自动生成结构化 GitHub Issue → Claude Agent SDK 触发 triage agent 读代码、复现、建分支、提交修复、开 PR → 学员收到邮件通知。从报告到解决，零人工干预。 2. Product Genie 功能闭环 社区论坛收集学员的功能愿望并投票 → Genie（基于 Claude Agent SDK）按可行性与影响分类、打置信度分 → 自动建 Issue、回帖、在 build 模式下直接实现功能。社区驱动 roadmap，AI 执行 roadmap。 这两套机制使得"一个人运营 17K 用户的产品"在结构上成立——人的角色从执行者退到设计者与监督者。

译Wix副总裁推出免费课程「Zero to Claude Code」，旨在帮助零编程基础的用户从终端使用起步，最终能用Claude Code在生产环境发布软件。课程已吸引超过17,000名学员，支持7种语言，完全依靠口碑传播。平台技术指标出色，日处理约640万请求且错误率极低。最具示范意义的是其AI闭环运营模式：平台由一人通过Claude Code构建并运营，通过AI Agent实现了学员报Bug后自动修复、社区功能需求自动实现的全流程自动化，证明了Claude Code能支撑生产级、可扩展产品的开发与运维。

Suno@suno · 5月23日58

How McClenney feeds his custom synth rig into Suno 🎛️

译McClenney如何将他的定制合成器设备接入Suno 🎛️

Suno@suno · 5月23日58

How McClenney feeds his custom synth rig into Suno 🎛️

译McClenney如何将他的定制合成器设备接入Suno 🎛️

小互@xiaohu · 5月23日74

好思路🫡

译一种轻量化的Codex远程服务器配置方案。无需安装完整版应用，仅需在远程服务器上安装并运行CLI版Codex。执行`codex remote-control`命令后，手机端ChatGPT应用内的Codex功能即可发现并连接该服务器，远程体验与完整版无异。两种配置在应用内通过不同图标（“终端”与“电脑”）进行区分。

elvis@omarsar0 · 5月23日69

The best way to learn AI is to build with agents. To help with that, we've launched hands-on labs and a new series on Agentic Engineering. First topic: Agent Skills. Next in the pipeline: planning, context engineering, multi-agent systems, long-running agents,.. Go build!

译学习AI的最佳方式是通过构建智能体来实践。 为此，我们推出了实践实验室和关于智能体工程的新系列。 首个主题：智能体技能。 后续计划：规划、上下文工程、多智能体系统、长期运行智能体等。 开始构建吧！

swyx@swyx · 5月23日78

Kakuna: skills with checklists that only know how to harden your codebase /plan with it then let it /goal for a day, it comes back with same functionality but all the boring stuff done for you + an audit of its own work. focus on subagent parallelism and encodes strong opinions on how AI engineers should design apps for human and agent access/devops/product mgmt. instead of dark factory, go "mullet factory" - party in front (ship unique lovable features), dark in the back (timeless production principles). basically its the antientropy/antislop part of symphony broken out as its own thing not gonna go psychosis further than this but extend as you will. link below

译Kakuna是一款AI代理工具，旨在将早期快速原型自动转化为可维护的生产级代码库。它通过内置的检查清单和“计划-目标”工作流，模拟人类开发与运维流程，在保持功能不变的前提下，自动执行代码审查、测试补充、重构等“无聊”工作，并强调子代理并行以提升效率。该工具是为“人类与代理协作”而设计的范例，其核心是“反熵增”与“反代码腐化”。例如，一次约16小时的运行能生成上百次提交，将一个脆弱的MVP转变为一个结构清晰、可长期构建的稳定项目。

Boris Cherny@bcherny · 5月23日69

Big fan of teaching more people the basics of using Claude Code in an accessible way. So much of the world has not yet used agents. There's a lot of opportunity to level the playing field and expand access.

译推文介绍了一个名为“zero2claude”的免费课程，旨在帮助完全没有编程或终端使用经验的用户系统学习并掌握Claude Code。课程内容从零基础逐步深入至高级应用，目前已吸引超过1.7万名学生，并提供7种语言版本。值得注意的是，整个教学平台完全由一人借助Claude Code独立构建和运营，其出色的性能表现（如高访问量与极低错误率）验证了Claude Code开发生产级产品的能力。推广者强调，扩大AI应用的关键在于赋能用户提升技能，而非简化工具本身，因此该课程不设任何付费门槛，完全免费向社区开放。

PixVerse@PixVerse_ · 5月22日51

From storyboard to cinematic short: A Corgi’s day alone brought to life with Pixverse using GPT Image 2 × Seedance 2.0 RT + Follow + Reply = Workflow

译从分镜到电影感短片： 一只柯基独处的一天，由Pixverse使用GPT Image 2 × Seedance 2.0实现 转发 + 关注 + 回复 = 工作流

AYi@AYi_AInotes · 5月22日63

8 套压箱底神级提示词之纳瓦尔分身 Prompt 读懂纳瓦尔需要十年， 我用 1 条提示词把它封装成了财富与清醒操作系统， 提示词见下方文章， 结尾还有个宝藏彩蛋！

译该推文介绍一条精心设计的AI提示词，将纳瓦尔关于财富与智慧的思想封装成一个易用的“操作系统”。通过此提示词，用户可快速与AI交互，获得类似与纳瓦尔对话的见解和决策框架，直接应用于实践。文末设有“宝藏彩蛋”作为吸引点。

meng shao@shao__meng · 5月22日65

今天下午体验了一把 AI vs 传统专业工具的真实对比！ 今天下午帮一位做打印设备的朋友调输入图像参数，他在做美甲甲片打印，我跟两位专业设计师配合工作，做效果展示。 我们从那种美甲成品批量展示的图里，找到我们要的图案，做图像超分、增强/饱和度等、甲片蒙层，再做打印。 两位专业设计师用的专业工具是 PhotoShop，他们非常熟练各种快捷键操作，处理一张图片大概 1-2 分钟。 我开着 ChatGPT，用 ChatGPT Image 2，一次性把超分分辨率、增强和饱和度的要求等、不同手指的甲片图片输入，让 ChatGPT 在后续操作中按照执行要求，和它对图片的理解来输出图像，处理一张图片大概 5-8 秒。 最终我们输出的效果是很接近的，本来拉开差距的地方在饱和度和对比度等设置这一步，不过专业设计师根据专业判断反复调整后，发现跟 ChatGPT 自己判断的结果很接近。

译在为美甲甲片打印处理图像时，作者对比了AI工具ChatGPT的Image 2与传统专业工具PhotoShop的性能。专业设计师使用PhotoShop处理单张图像需1-2分钟，而ChatGPT Image 2仅用5-8秒即可完成超分、增强等操作，速度优势显著。最终输出效果接近，尤其在饱和度和对比度等关键参数上，AI的自主判断与专业设计师反复调整的结果高度一致，凸显了AI在图像处理中的高效与潜力。

向阳乔木@vista8 · 5月22日72

不会写提示词？懒得打太多字？ 写了个Chrome插件，把我和姚老师 @yaojingang 过去一年多写的提示词都放进去了。 你只需要一键复制粘贴，或简写自动补全就能在任意网站和AI平台用。 你也能添加日常快捷语，支持导出JSON备份、共享。 另外收录苍何（canghe）整理的几百套 GPT-Image-2 提示词，自带效果预览。 最后，整理收录了全网500套常用提示词，从开发、设计、营销，全都有，随时搜索复制使用。 Chrome插件下载： https://chromewebstore.google.com/detail/%E4%B9%94%E6%9C%A8%E5%BF%AB%E6%8D%B7%E6%8F%90%E7%A4%BA%E8%AF%8D/ndfmbdiaclladmoeifbhlkacllmfhjej

译该插件整合了作者与姚老师长期积累的提示词库，支持一键复制或简写自动补全，可在任意网站与AI平台快速调用。同时收录了苍何整理的数百套GPT-Image-2提示词（含效果预览），并汇集全网500套覆盖开发、设计、营销等场景的常用提示词，提供搜索、导出JSON备份及共享功能。

AYi@AYi_AInotes · 5月22日76

Damn，这个必须卧槽一下了，Karpathy 的 CLAUDE.md 只有 65 行， 居然能把 AI 编程准确率从 65% 拉到 94%， 以22 万星标登顶 GitHub 趋势榜，而且绝大多数开发者还没读过， 里面没有一行奇技淫巧，4 条规则全是同一个方向： → 先想清楚再写代码 陈述假设，不确定就问，杜绝猜测 → 从最简方案入手 只写能解决问题的最少代码，不加任何多余抽象 → 像手术一样精准修改 不碰与需求无关的代码，每行改动都对应明确要求 → 以目标驱动执行 写第一行代码前，把模糊指令转化为可验证的成功标准 65 行，4 条规则，每一条都在对抗开发者“先写再说”的本能， 本质上是把慢下来这件事变成硬规则， 趁别人还没保存，赶紧先存好 👇

译Karpathy发布的CLAUDE.md文件以其简洁高效的AI编程指导原则引爆GitHub，获得超22万星标并登顶趋势榜。该文件仅含65行、4条核心规则，却能将AI编程的准确率从65%显著提升至94%。其核心在于强制开发者“慢下来”，将深度思考、追求简洁、精准修改和目标驱动等原则变为硬性编码准则，旨在对抗开发者习惯性“先写再说”的本能。目前大多数开发者尚未深入研读这一备受关注的效率指南。

歸藏(guizang.ai)@op7418 · 5月22日73

http://x.com/i/article/2057775296712196096 # 开源一个 Skill，让 AI 接管你屏幕边那张便签纸 上个月我做了 M5 Paper Buddy，把一块墨水屏接到 Claude Code 上，监控 AI 在干什么、需要审批什么。 当时挺兴奋的，物理按键审批操作那个仪式感很好。 但用了几周之后我发现，它放在桌上的时间，远比我看它的时间长。 AI 跑得稳的时候根本不需要监控，需要审批的时候我大概率人就在电脑前。它解决的是一个边缘问题。 ## 真正的场景藏在屏幕边框上 后来我注意到一个很普遍的现象：很多人会在屏幕边框上贴便签纸，甚至有很多这种便签纸在卖。 写着今天要做什么、几点开会、某个项目的下一步动作。 便签纸的存在不是因为它好用，而是因为人需要"抬头就能看见"的提醒，不想为了看一眼日历切窗口、解锁手机。 但便签能记的东西非常有限，写完就静止了。 日程变了，便签不会变。任务做完，便签还在那。它是一个被时间冻住的物件。 而现在，我们手边有了 AI。它有 Memory，有 Agent，能读我的日历、看我的 GitHub、跟我对话。 如果让 AI 来决定屏幕边框上应该贴什么、什么时候撕掉、什么时候换新的，那就是另一个东西了。 这就是 AI Desk Card Skill 想做的事。 形态上是一块 4.7 寸的墨水屏，带磁吸（类似 MagSafe），可以直接贴在显示器旁边。 背后是一个 Skill —— 装到 Claude Code 或者 Codex 这类 AI Agent 里，AI 接管所有事： 决定推什么、什么时候推、息屏时显示什么。 Github：https://github.com/op7418/ai-desk-card 下面我把它实际怎么用、能解决什么问题讲清楚。 ## 案例一：日程和待办自己会更新 我把 top-left 槽位设成日历，middle 槽位设成 todo。 早上坐到电脑前，屏上已经是当天的完整安排：上午的会、下午健身、晚上要交的稿子。 这些数据来自飞书日历，AI Agent 通过飞书 CLI 直接读取。 下午跟一个朋友约了周四的咖啡。 我跟 AI 说"周四下午加一个咖啡，3 点"，AI 一边把日程写进飞书日历，一边把屏上的卡片刷新了一下。 新的日程出现在 todo 槽位里。 更舒服的是反向同步。我做完 AIGC Weekly 的初稿，跟 AI 说"周刊写完了"，屏上对应的那一行就被划掉了。 便签纸做不到这件事。便签纸只能记录某个瞬间的快照，而日程的本质是一个不断变化的状态流。 当显示设备和你的 Memory 联通之后他会直接展示你和你的上下文当下的状态。 ## 案例二：息屏的时候，它是你的名片 这是我做完之后最喜欢的一个功能。 墨水屏有个物理特性：断电之后画面会保留。 我专门为这个特性加了一个 Quiet Hours 模式 —— 到了晚上 11 点，或者你长按"睡眠"按钮，屏幕会自动切换到一张电子名片，然后进入深度休眠。 名片上是你的头像、介绍、二维码。整张屏黑白分明，墨水屏特有的纸质感。 这块屏从那一刻起就完全不耗电了，但画面一直在。 它带磁吸，从显示器边上摘下来揣进包里，重量很轻。 下次跟新朋友吃饭，从包里掏出来递过去：黑白名片 + 二维码，加完好友放回口袋。 整个过程没有插电、没有开机、没有打开 App 翻二维码的尴尬。 而早上你坐到桌前，它又会被 AI 唤醒，自动切回工作模式 —— 日程、todo、PR 队列回来了。 墨水屏的限制（不发光、刷新慢、断电保留）在大多数场景下都是缺点，但当你不去硬刚这些限制，反而顺着它去设计场景，会发现它有些屏幕做不到的事。 ## 案例三：GitHub 的动态我不再错过了 我维护 CodePilot 这种开源项目，最大的负担是看不见 — 不打开 GitHub 就不知道有没有新 PR、新 Issue。 但每隔十分钟打开一次 GitHub 是非常糟糕的工作节奏，注意力会被切碎。 现在 AI Desk Card 的 bottom 槽位常驻一个 pr-queue widget。 CodePilot 仓库有新 PR、有人在 Issue 里 at 我、CI 挂了，AI 都会把它推上去。 数字小不打扰，但抬头扫一眼就知道有没有要处理的事。等我手头这段写完，再统一去看。 更进一步的玩法是，AI 知道我在做什么。 我现在专注写 AIGC Weekly 的时候，它会自动把 PR 队列降级，只在出现 critical 标签的 Issue 时才推上来。 等我切到 CodePilot 的开发，PR 队列又会回到主位。 屏幕上显示什么，本质上是一个调度问题，不是一个配置问题。 传统 dashboard 让你配 widget，配完一周内还行，之后就变成一面没人看的墙。 AI 主动决策是因为它知道你正在做什么、它能换。 ## 案例四：天气、休息、所有那些"该有但你想不起来配"的东西 最让我自己意外的一类 widget 是 break-reminder。 我经常一坐就是三四个小时不动。 这个 widget 会在一段时间没有按键活动之后，在某个槽位上轻轻推一句"该起来走走了"。 墨水屏不发光，不会弹窗、不会响、不会震动，但你抬头看到一行字，自然会停一下。 它和番茄钟最大的区别是：没有强制性。它只是存在，不打扰你。 如果你正在跑代码、写文章的状态里，那一行字会被你忽略； 如果你已经累了、状态浮的时候，看到那行字会真的去倒杯水。 天气也是一样。 我不会专门去查今天会不会下雨，但顶部 widget 静静显示"下午有雨"几个字之后，下楼前我会把雨伞拿上。 这种"低优先级但有用"的信息，过去只能靠你自己记得去查，现在它们待在视野边缘，需要的时候被你扫到。 ## 它是怎么装上的：AI 全程引导 整个安装流程没有 App，没有蓝牙配对页面，没有手机扫码。你跟 AI 说： > "帮我把 ai-desk-card 装上：https://github.com/op7418/ai-desk-card" 接下来发生的事： 1. AI 检测你电脑上有没有 PlatformIO，没装就自动装 1. 检测你有没有插 USB，没插就提示你插 1. 自动编译固件、烧录到 M5Paper，1 分钟左右 1. 问你 Wi-Fi 密码，写进设备 1. 问你"想看哪些卡片、多久刷一次" 1. 推第一个 widget 上去 整个过程你只回答 Wi-Fi 密码和"想看什么"两个问题。 之后设置定时任务也是一句话："让卡片每 30 分钟刷新天气和未读邮件，工作日 8 点到 22 点。" AI 自己去写 cron、自己去注册 loop、自己去调度。 定时任务跑的时候，AI 会读取你的 Memory 来决定推什么内容。 比如我让它每天早上 9 点更新一次，它会去看我 Memory 里最近活跃的项目（CodePilot、AIGC Weekly等），按重要度安排槽位。 这里没有"App 工程师做的设置页面"，因为 AI 就是设置页面。 你过去要点十下才能调好的设置，现在一句话就行。 ## 一个跟传统硬件相反的设计：组件预置，AI 只填数据 讲到这里需要单独说一下实现思路，这是 AI Desk Card 跟传统 IoT 设备最大的不同。 通常做一个智能硬件，组件是写死在固件里的： 时钟样式、天气图标、字体大小，都是固件工程师在出厂前定好的。要加新功能，要发新固件 / OTA / 重新认证一遍。这是为什么 99% 的智能硬件买回来三个月就跟刚拆封时长得一样。 AI Desk Card 走的是反方向：16 种 widget 模板预置在服务端，AI Agent 只负责往里面塞 JSON 数据。 举个例子，pr-queue 这个 widget 的视觉布局（一个标题区、4 行 PR 信息、每行带状态图标）是渲染端写好的。 AI 不需要画图、不需要排版、不需要选字号。它只要往 daemon 发一个这样的请求： 服务端用 Python + Pillow 把这个 JSON 渲染成一张 540×280 的像素图，推到墨水屏上。 这个思路其实来自我们在 CodePilot 桌面端做的生成式 UI。 那边走的是相反的极端：模型实时生成 HTML/SVG，渲染成可交互的 widget。 两个方向看起来截然相反，但精神是一致的 —— UI 由 AI 决策，不由用户配置。 为什么墨水屏要反着来？因为约束不一样。 浏览器能跑任意代码、有强大的字体引擎、可以加载 CDN，所以让 AI 生成 UI 本身没问题。 墨水屏渲染受限，全屏 GC16 刷新要 2 秒、中文字体一套就要几兆、像素精度不能算错，AI 直接生成 UI 太重了。 所以反过来：UI 提前准备好，AI 只决定填什么、放哪个槽位、什么时候换。 这个组件库还在不断扩。硬件本身基本不变，能力却在持续生长。 ## 写在最后：AI Agent 把硬件从内置功能里解放了出来 聊点更大的事。 传统硬件公司的护城河是 "我设备里能做什么"。 CPU、传感器、操作系统、内置 App，决定了它的能力上限。一旦造好出厂，能力就基本封顶。 AI Desk Card 这种思路下，硬件的能力来源被换掉了。 它本身只是一块墨水屏 + ESP32，能做什么取决于 AI Agent 能拿到什么信息。 日历来自飞书 CLI、PR 来自 GitHub CLI、天气来自任意 API、Memory 来自你的 Obsidian 仓库 —— 这些信息源全都在 Agent 那边，不在硬件里。 当 AI Agent 成为信息中枢之后，硬件可以做得很薄、很专用。 它不需要内置一百个功能，只需要做好一件事 —— 在 AI 决定推送的时候，把内容显示出来。 这件事的成本也降到了很低的水平。M5Paper V1.1 大概 600 块，未来类似的开源开发板会更便宜，三四百块就能买到。墨水屏、彩色墨水屏、TFT 小屏、甚至 Kindle、墨水屏阅读器，理论上都可以适配同一套 Skill。 后面我还想做几件事： - 适配 M5Paper S3 和 Inkplate / Waveshare 等其他墨水屏开发板 - 尝试给老 Kindle 写一个适配层，把闲置的阅读器变成桌面副屏 - 跟 Home Assistant 联动，把智能家居状态推到桌面卡上 —— 客厅温度、门锁状态、扫地机器人位置 - 探索彩色墨水屏的可能性，开放更多 widget 类型 每多支持一种硬件，就多一种 AI 触达物理世界的方式。这些设备不需要变聪明，它们只是 AI Agent 的物理出口。 真正在变聪明的是你桌上那个 AI，而它聪明的速度，比硬件迭代快得多。 GitHub：https://github.com/op7418/ai-desk-card 如果你觉得这次的内容对你有帮助，可以帮我点个赞或者转发给需要的朋友。

译AI Desk Card 是一款 4.7 寸磁吸墨水屏，结合 AI Agent（如 Claude Code），通过预置模板与数据填充，动态显示日历、待办、GitHub PR 队列、天气等内容。它解决了传统便签纸的静态限制，实现内容自适应和场景切换（如夜间变为电子名片）。核心理念是将硬件从固定功能中解放，使显示能力由 AI 可获取的信息动态定义，从而提升效率并减少手动配置。

歸藏(guizang.ai)@op7418 · 5月22日74

哈哈，太好玩了！藏师傅做了个 AI 屏幕便签纸 Skill。 让 AI 根据你当前的状态和记忆，在墨水屏上显示内容，支持十几种常见组件。 之后你不再切 calendar、不再翻 GitHub tab——AI 主动把它觉得你该看的事推到墨水屏上。 16 种 widget 自由组合，2-1-1 布局拆 4 个槽位。瞥一眼就够。

译藏师傅开发了一款AI屏幕便签纸Skill，该工具能基于用户当前状态与记忆，主动在墨水屏上推送重要信息。它支持十余种常见组件进行自由组合与布局，旨在替代频繁切换日历、GitHub等多标签页的操作，让用户只需瞥一眼就能获取AI认为当下最相关的内容。

歸藏(guizang.ai)@op7418 · 5月22日57

最近好像 Claude Code 连接飞书又火了 再推荐一下藏师傅两个多月前写的这个 Skills 哈。 它能连接 Telegram、飞书、QQ、微信、Discord 等各种 IM，支持 Claude Code 和 Codex。

译最近好像 Claude Code 连接飞书又火了 再推荐一下藏师傅两个多月前写的这个 Skills 哈。 它能连接 Telegram、飞书、QQ、微信、Discord 等各种 IM，支持 Claude Code 和 Codex。 [引用 @op7418]：http://x.com/i/article/2029562855511744512

Berryxia.AI@berryxia · 5月22日67

麻蛋，我昨天刷到SenseNova 6.7 Skills Agent的直播 AJ他们直接管这玩意儿叫“牛马人套装”（😄文末白嫖）。 今天刚到酒店，闲着也是闲着，就顺手丢了个AI大模型市场调研报告给它跑。 结果一跑就是1个半点儿了…😭 还没完。 我盯着后台看，它真在一家一家网站爬数据、整理表格、生成MD文件。 得亏现在是公测阶段免费的，要不然真的我还怕给我搞破产了。 下一步是可以直接出报告PPT的，我晚点给大家同步看看效果如何。 要去薅羊毛的赶紧去，我想你肯定不是最后一个知道的。 他们的CodingPlan 现在显示免费😄 低调~~注意轻点啊~~xdm 地址评论区见👇🏻：

译用户实测SenseNova 6.7 Skills Agent，称其为“牛马人套装”。该AI agent能够自主执行长时间、重复性的数据处理任务，例如爬取网站、整理数据并生成结构化文件（如MD格式），以完成一份市场调研报告。由于任务复杂，执行耗时较长，但因产品处于公测阶段，目前免费使用。用户后续还将测试其自动生成报告PPT的功能，并提醒大家抓紧机会体验其免费的CodingPlan。

Berryxia.AI@berryxia · 5月22日64

1美金100张图，属于0.07 RMB/张 GPT-image-2的图。 不为爱发电是为了谁发电啊？ 不就是为你发电嘛哈哈哈

译推文强调GPT-image-2的性价比，指出其生成图片成本仅约0.07元/张（1美元100张），并鼓励用户充分利用此低成本服务。引用补充了使用建议，倡导用户进一步细化操作方法以优化个人体验。整体传达了“以低成本获取AI图像生成服务”的核心信息，突出其亲民价格和实用价值。

AYi@AYi_AInotes · 5月22日64

我用了这个专家系统提示词之后,把其他类似的提示词都删了！ 这是我目前用过最强大的通用专家系统提示词， 它不是简单的角色设定，而是直接给AI装上了一套完整的思维操作系统，花了百万token训练而成🤖 它会强制AI: 1. 先拆解你的真实需求,而不是上来就瞎答 2. 在后台进行自我批判和漏洞检查 3. 先给核心结论,再讲推理过程 4. 主动指出你忽略的盲点和风险 5. 最后给你一份可立即执行的行动清单 以前你是在求AI回答问题， 现在你是在指挥一个顶级专家为你工作， 复制粘贴到任何大模型里都能用， 亲测Claude/ChatGPT/Gemini效果爆炸， 完整提示词放在评论区了👇 文章了还有其他7套自用的神级提示词🎁

译这是一套经过百万token训练的通用专家系统提示词，其核心在于为AI植入结构化的思维流程，而非简单的角色扮演。该提示词强制AI执行五大关键步骤：首先拆解用户真实需求，随后进行后台自我批判与漏洞检查，遵循“先核心结论后推理过程”的输出逻辑，并主动识别用户忽略的盲点与风险，最终生成可立即执行的行动清单。它声称能显著提升AI的输出质量与实用性，在Claude、ChatGPT、Gemini等多个主流大模型上均验证有效。

Alibaba Cloud@alibaba_cloud · 5月22日56

Looking for the most cost-effective way to deploy DeepSeek V4-Flash? 🚀 We compared the different deployment options on Alibaba Cloud PAI-EAS with real benchmarks & pricing data. Find your best performance per dollar! 📺 Watch now: https://youtu.be/32GdEdEzPs8 #DeepSeek #AlibabaCloud #PAI #AI

译寻找部署 DeepSeek V4-Flash 最具性价比的方式？🚀 我们通过实际基准测试和定价数据，对比了阿里云 PAI-EAS 上的不同部署选项。找到您每美元的最佳性能！ 📺 立即观看：https://youtu.be/32GdEdEzPs8 #DeepSeek #AlibabaCloud #PAI #AI

meng shao@shao__meng · 5月22日66

VSCode 团队介绍 Agent-First Development 的五大支柱 1. Model —— 选择思考的深度 模型不是"越大越好"，而是"匹配任务"。 Copilot 提供 Low / Medium / High / Auto 四档思考深度： · Low：补全、改名、格式化等机械任务，追求延迟 · Medium：常规功能开发，平衡速度与质量 · High：架构设计、复杂 bug、跨文件重构，宁可慢也要对 · Auto：让系统按任务复杂度自动调度 真正的认知是：思考深度是有成本的（时间、token、用户耐心）。Agent-First 的成熟用户会主动为任务"挑档位"，而不是默认全开 High。 2. Harness —— Agent 的行动边界 Harness 指 Agent 能做什么、不能做什么的运行环境。Copilot Chat 面板就是 harness，它决定了 Agent 是"嘴上说说"还是"动手执行"。 三种模式构成了一个渐进信任阶梯： · Ask：只对话，不动文件 - 探索、问问题、学习代码 · Plan：列出步骤，等你批准 - 方案讨论、风险大的改动 · Agent：自主规划、执行、迭代 - 方向明确、需要落地的任务 关键洞察：从 Ask → Plan → Agent 是从"我主导"到"它主导"的权力让渡。强行一上来用 Agent 模式做模糊任务，等于让一个不了解情况的人替你做决定——失控是必然结果。 3. Context —— Agent 的"视野" 模型本身不知道你的代码库。Context 是它做对事的前提。 Copilot 获取 context 的方式分两类： · 自动：搜索 workspace、读取相关文件 · 手动（更可靠）：用 # codebase、# file、# fetch 显式指定 这是最容易被低估的一环。多数"Agent 改坏了代码"的案例，根因不是模型不行，而是它根本没看到关键文件就开始猜。显式提供 context 不是冗余，是控制变量。 4. Prompt —— 意图的精度 Prompt = 目标 + 约束 + 验收标准。 "帮我加个登录功能" 和 "在 auth/ 目录下用现有的 SessionService 实现邮箱登录，复用 LoginForm 组件，错误信息走 toast，不要引入新依赖" 得到的结果完全不同。 专业用户的 prompt 通常包含： · 要做什么（goal） · 在哪里做（scope） · 不能做什么（constraints） · 怎么算完成（acceptance） 模糊的输入只能换来通用的输出。 5. Tools —— Agent 的"手" Tools 是 Agent 实际能调用的能力：读文件、跑命令、搜索、调 API、跑测试…… Tools 越多越强，但也意味着爆炸半径越大。Agent-First 的纪律是： · 给它需要的工具，不给不必要的工具 · 危险操作（删库、推 main、改 prod 配置）应当显式审批 · 工具链应可观测——Agent 跑了什么命令、改了什么文件，必须可见可回滚 整体框架：五个旋钮，而不是五个步骤 结果差 = f(模型档位错 × 载体模式错 × 上下文缺失 × 提示模糊 × 工具不够/太多) Agent-First Development 的本质是承认一件事：写代码的主体正在从"人 + 编辑器"变成"人 + Agent + 编辑器"。人的角色从"打字员"转向"模型选择者、上下文提供者、意图定义者、边界设定者"。 VS Code Learn 系列视频 https://www.youtube.com/playlist?list=PLj6YeMhvp2S4l1_iP4-pS6p7lgyqKo-Ix

译VSCode团队提出Agent-First Development框架，核心理念是开发主体从“人+编辑器”转向“人+Agent+编辑器”，人的角色转变为选择模型、提供上下文、定义意图和设定边界。五大支柱为：模型（匹配任务深度，按需选择思考档位）、执行边界（从问答到自主规划的渐进信任模式）、上下文（显式提供关键信息以避免错误）、提示（需清晰包含目标、范围与约束）与工具（能力需可控、可审计）。该框架旨在系统化指导人与AI代理高效协作开发。

AYi@AYi_AInotes · 5月22日57

宝子们，压箱底的8套神级 Prompt开源了啦，至少价值上万！ 覆盖工作、生活、学习、副业等所有场景，文章最后还有宝藏彩蛋喔🎁 1️⃣KERNEL-X 终极动态专家系统（助我3个月从0-1涨粉到3万+的王炸系统） 2️⃣HE COMPILER IDENTITY (全栈编译器人格) 3️⃣唯一需要的Vibe Coding提示词 4️⃣Naval Ravikant分身（决策神器，哲学/人生Prompt） 5️⃣AI工作流程专家系统提示词 6️⃣认知挖掘提示词 7️⃣深度研究报告Prompt 8️⃣神级反思Prompt 用上之后你会从眉头紧锁的焦虑到豁然开朗，就像视频的这样👇

译本次分享开源了8套被称作“神级”的Prompt模板，宣称总价值超过万元。这些模板覆盖了工作、生活、学习、副业等多领域场景，包括KERNEL-X、AI工作流专家、深度研究等具体系统，旨在帮助用户提升效率、解决实际问题，实现从焦虑到豁然开朗的状态转变。

歸藏(guizang.ai)@op7418 · 5月22日57

完全体

译探讨了墨水屏硬件作为低功耗副屏的创新应用场景。设备开机时，可作为AI信息显示终端，自动接收并展示待办事项、日历等推送信息，便于用户快速查阅；关机后则转变为电子名片，利用墨水屏的静态显示特性方便线下社交扫码。该方案通过“磁吸”方式灵活部署，旨在将硬件功能打包为可复用的技能模块。

歸藏(guizang.ai)@op7418 · 5月22日41

对了！ 这条内容所有的这种 3:4 的介绍图片，都是用藏师傅的 PPT Skills 一键直出的

译Codex 发布了史诗级更新，显著提升了开发体验。核心新功能包括：快捷截图通过组合键自动捕获窗口并添加上下文，内置浏览器支持高级注释模式可直接编辑页面元素，/goal 功能允许设定目标后持续执行任务数小时至数天，以及团队共享插件实现批量安装。这些更新优化了工具效率，使得藏师傅的 PPT Skills 能高效一键直出 3:4 介绍图片。

宝玉@dotey · 5月22日76

如何在 Codex App 使用 /goal 的简单说明： 1. 升级 Codex App 到最新版本 2. 先在命令行运行一下下面的指令： > codex features enable goals 或者手动修改 ~/.codex/config.toml [features] goals = true 3. 开头输入 /goal，或者点 + 弹出菜单中选择 4. 开始后，输入框上方可以暂停、编辑、删除

译OpenAI宣布Codex的/goal模式已结束实验，成为稳定功能。用户可在Codex应用、IDE扩展或CLI中使用，通过设定具体里程碑，让AI持续工作直至完成，任务可运行数小时甚至数天。过程中支持随时检查、调整方向及暂停。使用前需升级应用并启用该功能（可通过命令行指令或手动修改配置文件实现）。开启后，可在输入框管理任务，并利用侧边对话查看进度而不中断主任务。该功能旨在高效处理各类复杂任务。

meng shao@shao__meng · 5月22日67

一起看看 Cursor 团队内部最常用的 Skills thermo-nuclear-code-quality-review，一位苛刻的代码质量审计员，它的设计目标是：在 PR 合并之前，识别那些"能跑、但让代码库变得更糟"的改动并拒掉它们。 在这安装 @cursor_ai Team Kit： https://cursor.com/marketplace/cursor/cursor-team-kit 四条核心审计原则 1. 删除复杂性，而不是搬运复杂性 重构的常见反模式是把一坨复杂逻辑从 A 文件挪到 B 文件，调用栈变深，但总复杂度没降甚至上升。该 skill 要求改动产生净简化，而非位置转移。 2. 阻止超过 1000 行的文件 硬性上限。超过 1k 行的文件几乎必然意味着职责不清、难以测试、难以并行修改。这是一条"宁可错杀"的工程红线。 3. 标记薄包装层和泄漏的逻辑 · Thin wrappers：只是转发参数、没有实质行为的函数/类，徒增间接层。 · Leaked logic：本该封装在某层的业务规则散落到了调用方，破坏边界。 4. 拒绝"能工作但让代码更乱"的 PR 这是最关键的一条立场：功能正确 ≠ 可以合并。维护性是一等公民，与功能性同等重要。 两阶段、父子 Agent 协作的运行机制 阶段 1 — 父 agent 准备上下文（并行） · 一个 shell 子 agent 执行 git diff <base>...HEAD（默认 base 为 main） · 一个 explore 子 agent 抓取所有变更文件的完整内容 阶段 2 — 调用审计 agent 父 agent 把上面两份产物组装成带 ### Git / diff output 和 ### Changed file contents 两个标注段落的 prompt，传给 thermo-nuclear-code-quality-review 子 agent 执行审计。 这个设计有几个值得注意的点： · 审计 agent 本身不做信息收集，输入是结构化的、确定的，避免它在探索阶段被噪声干扰。 · 禁止嵌套子 agent（除非显式要求），强制单次、聚焦的判断。 · 只评判 diff 中看得见的东西，但当改动触及模块边界时要追踪跨文件影响——这避免了"只见树木"的局部审查。 Rubric 的兜底逻辑 Skill 明确写了一个 fallback：如果 cursor-team-kit 插件不在，就退化为一次"严厉的可维护性审计"，目标对齐： · 大胆简化（ambitious simplification） · 文件不无故膨胀超过 ~1k 行 · 不容忍随手加 if/else 让分支无序增长 · 显式类型与边界 · 规范的分层（canonical layers）

译Cursor 团队内部广泛使用的代码审查技能“thermo-nuclear-code-quality-review”，其核心目标是在代码合并前，拦截那些“能运行但会使代码库变糟”的提交。它基于四条硬性原则：强制实现复杂度净简化而非转移、限制单文件不超过1000行、标记无用的封装与散落的逻辑、坚持维护性与功能同等重要。该技能采用父子Agent两阶段协作机制：父Agent并行收集结构化差异与文件内容，再交由审计Agent进行单次、聚焦的严格评判。即使插件未安装，也会触发一套对齐上述原则的可维护性降级审计。

swyx🛬 SFO@swyx · 5月22日51

working on a "take this vibecoded slop app and make it a production-ready, e2e tested, maintainable, parallelizable agent repo" skill. this thing ran for ~16 hours yesterday and made 103 commits all told and i ended up with exactly the same app but instead of fragile mvp it now looks like a codebase i can actually build on for th elong run

译正在开发一项技能，用于将“Vibe编码的粗糙应用”转化为“生产就绪、端到端测试、可维护、可并行化的智能体代码库”。 这个过程昨天运行了约16小时，共产生103次提交，最终得到了完全相同的应用程序——但不再是脆弱的MVP，而是一个可以长期构建的代码库。

向阳乔木@vista8 · 5月22日71

感动！有了Codex和Claude Code。 再也不怕配置海外 VPS，连宝塔都不用装，只需提供SSH账号密码，AI 全搞定。 如果域名解析在Cloudflare，给个DNS zone读写权限的API。 连域名都自动配好，还能免费申请https证书，自动续期... 对普通人来说，AI现在就是顶级运维工程师！

译推文展示了AI工具（如Codex和Claude Code）在服务器运维领域的强大能力。仅需提供SSH账号密码，AI即可自动配置海外VPS，无需手动安装宝塔等控制面板。若域名使用Cloudflare，提供DNS API权限后，AI能自动完成域名解析、SSL证书申请及续期等全流程配置。这标志着AI已能承担专业级运维任务，显著降低技术门槛，使普通人也能轻松管理服务器与域名。

凡人小北@frxiaobei · 5月21日47

最近团队在非 coding 方向，尝试把自己从杂事中解放出来。 分享几个最近团队内部解放生产力的idea（skill）。 我做的对我有用的两个： 1. 例会全程录音，形成 todo @相关人，我的 openclaw 会使用钉钉 cli 跟进任务，在合适的时间点在群@相关人跟进（cli 支持直接用我的账号），其他会议同理； 2. 自动抓取邮件，不相关的按批次总结下自动归档，相关的提醒我关注或审批（依赖知识库）； 我认为团队同学产出非常有用的两个： 1. 要定会议室直接群里@机器人，小秘书到点自动抢，再也不用 12 点抢会议室了； 2. 跟进媒体/政府/协会最新资讯和通知，给出价值锚点是否跟进； etc.

译团队通过开发和应用一系列自动化技能，旨在将成员从日常琐事中解放出来，专注于核心工作。具体实践包括：利用自动化工具（如openclaw结合钉钉cli）在会议后自动提取待办事项并跟进；基于知识库自动处理邮件，进行摘要、归档和提醒；部署群内机器人自动完成会议室预订；以及自动监控外部资讯并评估其跟进价值。这些方案均有效提升了工作效率，减少了重复性人工操作。

凡人小北@frxiaobei · 5月21日65

这个有点意思，尝试下。 把 codex 指向另一个产品，30 分钟后就拿到了它的架构、数据模型、带有成本估算的提示。378 行的重建计划。 "/goal implement until your output matches theirs exactly"

译用户将Codex工具指向一个现有产品，仅用30分钟就自动分析并输出了该产品的完整技术蓝图，包括架构、数据模型、带有成本估算的提示词，并生成了一份长达378行的重建计划。更令人惊叹的是，现在可以通过一条明确的指令（“/goal implement...”），让Codex尝试一次性重建出与目标产品功能完全一致的成果，展示了其强大的逆向工程与代码生成能力。

Berryxia.AI@berryxia · 5月21日61

发现不少人用skills还有个误区，以为存在的形式只能是CLI终端中。 其实如果写了skills或者用别人的skills，你发现每次不习惯使用终端完全可以自己写个皮用起来就更顺手了。 （小白新手用户非常友好）

译AI技能（skills）的使用不应局限于CLI终端命令行界面。用户可以根据个人习惯开发或配置自定义前端界面，从而提升操作便利性和用户体验。这种方式对新手用户尤为友好，降低了技术使用门槛，使技能的应用更加直观灵活。