ginobefun@hongming731

62

ginobefun: 基于 Dify 异常分支的省钱小妙招 增加一个 openrouter/free 节点处理,异常时使用 flash 模型兜底,每天可以调用 1000 次

Chubby♨️@kimmonismus

45

sanchay: 🚨 You can already use fable 5 by selecting the model after resuming it with /remote control on ios

Alibaba Cloud@alibaba_cloud

43

Runware: HappyHorse 1.1 guides are live on our docs: - Multi-character casting: lock real reference images into every cut https:/...

向阳乔木@vista8

59

通过飞书Cli工具与Codex结合，实现自然语言记账：终端执行npx @larksuite/cli@latest install安装飞书Cli，再在Codex中创建“日常开销记录”项目，用对话指令生成多维表格，之后可直接在手机端查看和修改，无需额外记账软件。

向阳乔木@vista8

40

推主分享基于Readwise推荐书籍的个人工作流，包含两个Skill：1）通过Telegram绑定zlib机器人（z-lib），使用telethon库自动与机器人对话下载电子书；2）将epub文件上传至Google NotebookLM，利用其递归提问功能快速解读内容，实现高效学习。

PostHog工程师使用多个并行的长时Claude Code会话重写了公司的SQL解析器，将解析速度提升约70倍。新解析器包含16K行解析器代码和5K行工具代码。原始解析器基于ANTLR生成，采用图遍历解释器，性能受限；新解析器采用手动编写的递归下降解析器配合Pratt表达式循环，仅在必要时引入前瞻与回溯。开发过程中通过属性测试（Hypothesis）确保与原始C++解析器在真实查询上的等价性。

宝玉@dotey

64

针对长达3小时播客访谈用AI生成文章时容易遗漏细节的问题，常见做法是连续追问“还有什么细节需要补充？”三次左右（甚至可做成Agent Skill）。但作者采用不同策略：同时让AI生成2-3份稿子，挑选最佳一份作为底稿，再将其它稿子的内容手动合并进来。这样既能避免细节遗漏，也能防止单次生成质量差导致后续追问难以提升质量。

向阳乔木: 长达3个小时的播客访谈,如果原文提供给AI生成文章。 经常会漏掉一些细节,所以我会连续追问几次: "还有什么细节需要补充吗?" 一般三次左右就差不多,感觉应该做成一个Agent Skill。 哪怕同一个模型,连续追问也能改善质量。 当然,目...

NVIDIA 推出的 45C 冷却设计将数据中心用水量降至接近零，大幅降低水资源消耗。该方案源自 NVIDIA 官方博客。

karminski-牙医@karminski3

50

GLM-5.2 自带 MTP（推测性解码）头因采用 DSA（动态稀疏注意力），导致 vLLM、llama.cpp、mlx 等推理引擎难以支持。原始 bf16 精度需 1.5TB，4bit 量化仅 430GB。社区作者 dnhkng 制作了 GLM-5.2-AWQ-INT4-FP8-MTP-delta 魔改版：底座用 INT4（Marlin 算子）+ MTP 用 FP8，使 vLLM 支持 MTP，速度从 2 token/s 提升至 43.39 token/s（绑定 NUMA+MTP-3）。SGLang 因支持混合精度可直接使用 GLM-5.2-W4AFP8；llama.cpp 和 mlx 用户仍需等待社区适配。

本教程从零构建OpenHarness，一个可运行的Agent运行时，展示完整控制流：接收用户任务、模型决策、验证并执行工具调用、返回观察结果、循环直至任务完成。覆盖核心模块：工具使用与类型化工具架构、权限控制、生命周期钩子、记忆管理、技能、上下文压缩、重试逻辑、Token成本跟踪及多智能体协调。实现采用纯Python，无需API密钥或复杂基础设施即可实验，包含Token成本估算。

Berryxia.AI@berryxia

61

Matt Pocock 推出 /loop-me 技能，旨在帮你梳理日常工作中的重复“循环”。它采用“严苛面试法”逐一追问直到模糊点消除，最终输出清晰的 workflows/.md 规范文件，任何实施者（人类或AI）看完即可执行。核心包括定义 Trigger、Checkpoint、输出等要素，确保达到“完成的定义”。技能目前仍处于进行中状态，但已可直接使用。它强调先打磨工作流程，使之能被 AI 精确理解，从而降低认知负荷，将重复劳动真正委托出去。

Matt Pocock: New in-progress skill: /loop-me Interviews you about your work and finds opportunities for delegating your day-to-day wo...

向阳乔木@vista8

56

Vista分享经验：将3小时播客访谈交由AI生成文章时，通过连续追问“还有什么细节需要补充？”（约三次）能有效补全遗漏细节，显著改善输出质量，使文章更具故事性。她建议将这一追问流程封装为Agent Skill，以便复用。

Nathan Lambert@natolambert

49

Nathan Lambert 发布了一期 AI 基础讲座视频，使用 GLM 5.2 模型生成。内容涵盖语言模型概述、LM Head、Softmax 与对数概率、训练样本结构、概率计算、后训练中的三种掩码、解码、交叉熵损失、优化与微调、预训练到 SFT 流程、KL 散度与熵、Sigmoid 与成对似然、强化学习 MDP 框架等。视频包含时间戳目录，并持续收集观众问题用于后续 Q&A。

PixVerse@PixVerse_

23

美咲: ぜんざいのアトリエ開発迷走中😅 海エリアはやっぱり釣りでしょう、とかなんとか言うことで、釣りミニゲームを組み込み。 AI開発らしく、Pixverseで作ったAI動画を差し込んで作ってみたよ。 やってみると、こういうバリエーション動画を作る...

快手新发布KroWork，能将多个AI Skill串成的工作流直接打包为本地桌面应用。用户安装后可在Launchpad中一键下载到本机，双击即可按预设流程运行，无需反复打开对话框或重新配置参数。KroWork支持定时任务（如每天9点自动执行），并允许从Kro Workshop复制他人工作流二次开发。作者用其复刻了Prompt Organizer提示词生成器和Daily Trend Brief（每日AI趋势简报）等日常工具。KroWork定位与Claude Cowork、Codex Site、Claude Code Artifacts相似，旨在将重复工作流沉淀为可分享的本地应用。

小红书质效研发团队在 AICon 上海 2026 公布两项 Agent 基础设施实践。Self-GC 系统通过 ContextObject 对象化建模与三阶段提交机制（Async Plan、Rehearsal、Delayed Commit），将上下文转为可索引的生命周期管理，生产环境实现 10%-20% 输入 Token 下降且保持 90%+ 无影响率。Seal 企业级 AI 个人助理依托 NEX 沙箱实现运行时隔离，结合 Self-GC 与 SealRouter（Auto 模型路由）达成成本减半，并采用 L0-L2 分层记忆体系构建可溯源知识闭环，从 3 天内测到两周完成全员覆盖。

蚂蚁 ASystem Core 与 SGLang-JAX 团队在 TPU v7x 上优化了 1T 参数稀疏 MoE 模型 Ling-2.6-1T 的推理性能。核心是 Fused MoE V2 Pallas kernel，将 scatter、expert FFN 和 gather 合并，通过计算与数据搬运重叠降低延迟。相比 V1，MoE prefill latency 从 5.16 ms 降至 2.42 ms（降 53%），decode kernel latency 从 0.249 ms 降至 0.211 ms。仅替换 MoE kernel 即可使 prefill throughput 提升 24.8%，decode throughput 提升 18.5%–35.3%。在 SGLang decode benchmark 下，16 颗 TPU v7x 的 output throughput 达到 16 张 H200 的 1.29x–1.77x。该工作还完整支持 hybrid backbone，包括 hybrid KV/recurrent memory pools、GLA linear attention 及 single-controller data parallelism。

MiniMax (official)@MiniMax_AI

39

Amber Shen: I wanted to learn about humanoid robots 🤖, then decided the most reasonable thing to do was build myself a humanoid cat...

AYi@AYi_AInotes

70

用户将截图丢给 StepFun 的 step-3.7-flash 模型（运行在 Codex 中），2 分多钟生成可用的网页版文章头图生成器，支持修改文案和导出 PNG，总成本仅 $0.06。模型能自行理解参考图并实现完整功能逻辑，但视觉还原度仅六七分，手绘涂鸦风需手动调整。StepFun 同步推出 Startup Program，早期团队可获 API 额度、生态支持及资源对接。

宝玉@dotey

72

为解决多 Agent 下 Skills 存放混乱问题，宝玉提出：Skills 只装在项目内以节省 LLM 上下文窗口；所有原件统一存放于 ~/GitHub，每个项目通过软链接指向原件，再为 Claude Code 创建 .claude/skills → .agents/skills 入口。更新只需拉取一次源码，所有项目自动同步；修复 bug 可直接反哺开源项目。用户可用自然语言让 Agent 自动创建软链接，无需记忆命令。

LinearUncle: 我快疯了。日常同时用 4个 coding agent,skills 各写各的: /.agents/skills、/.codex/skills、~/.claude/skills 已经一团浆糊,CC 里找不到 Codex 的 skill,反过来...

Codex新功能Record & Replay可将浏览器操作录制成可复用的Skill。实测解决两个痛点：定向信息搜索时自动打开X搜热点、统计高赞帖子、提取关键词重新查询，输出带互动指标的表格和短关键词库，满足60%-70%图文素材需求；视频剪辑上传能完成静音检测、加速、导出GIF等固定流程，但上传可能被网站安全策略拦截，建议先让Codex出Plan判断可行性。Codex能理解意图，例如自动在输入Grok前增加中文关键词组合。目前依赖Computer Use和图片理解，操作慢且偶有误判，但已能将人的操作转化为Agent下次可执行的上下文，替代传统RPA和Replay。

meng shao@shao__meng

70

OpenAI 发布 Codex Remote 工程实践官方博客。核心心智模型：手机是“控制面”而非终端——开发机跑代码，手机负责启动、指挥、审批、审查。十大高杠杆能力包括 Queue vs Steer、Side Chat、Plan vs Goal、对话内 Code Review、细粒度权限管理等。另有 /status /compact /fork 命令与五个典型工作流（Release Captain、中断修复、移动端审查等）。对 AI coding agent 的启示：异步协作、注意力与状态机管理、目标约束、生产级权限粒度。

Thomas Ricouard: If you missed last week, Mastering Codex Remote for Engineering is now available as a blog post on our developer platfor...

苹果在 macOS 27 Beta 2 中封堵了一条终端命令，该命令此前可绕过候补名单直接启用新版 Siri AI。Beta 1 中用户输入 sudo defaults write ... 即可跳过等待，但 Beta 2 已禁止。网友发现另一种方式：升级最新 Beta 后，用“图乐园”生成图片，多次点击“更多”菜单中的“图像有问题”发送反馈，可能解锁 Siri AI，该方法也适用于 iOS 27。

Rohan Paul@rohanpaul_ai

60

atomic.chat: Run Cline on Local AI models with Atomic Chat! @cline is a coding agent trusted by 8M+ developers. Write, refactor, ship...

Simon Willison 使用 Claude Code for web 构建了一个 OPFS + Pyodide 测试 UI，用于验证 Datasette Lite（基于 Pyodide 和 WebAssembly 在浏览器中运行的 Python Datasette 应用）能否通过 Origin Private File System（OPFS）编辑用户计算机上的持久 SQLite 文件，并在不同浏览器中测试其可行性。

该教程通过Python使用NVIDIA Canary-1B-v2构建语音识别与翻译管线：先安装NeMo ASR工具包和音频依赖，在GPU上加载模型；将音频处理为16 kHz单声道格式后，执行英语ASR，将语音翻译为25种语言，生成词级和时间段时间戳，导出SRT字幕文件，并支持长文本转录、批处理与推理速度基准测试。