meng shao@shao__meng实时语音交互是通用 Agent 领域的关键。本文介绍了构建 Voice Agent 所需的技术栈（ASR、TOD、TTS、LLM）及 WebRTC 通信基础，并重点展示了 Agora 推出的 Agora Skills。该工具能快速安装并集成 Agora 的 RTC、RTM 等多种能力。通过 Codex 自动安装 Agora Skills，演示了一键生成浏览器端语音 AI Agent Demo 的完整流程。该 Demo 实现了流畅的实时对话，响应延迟仅约 1 秒，极大简化了开发者验证语音陪伴等场景的开发流程。
该研究提出了DrawMotion，一个基于扩散的多条件动作生成框架，旨在解决传统文本到动作生成中用户意图表达不精确的问题。该框架支持文本与手绘两种控制条件，分别提供语义和空间引导。技术上，它通过算法自动生成手绘火柴人草图、设计多条件融合模块以降低计算复杂度，并利用无训练引导方法将生成动作与用户意图对齐。实验表明，手绘方式能将用户生成符合想象的动作所需时间缩短约46.7%。相关代码与演示已开源。
向阳乔木@vista8这是基于Suno AI音乐生成工具的技能实现，可通过简单指令按用户需求生成不同风格的歌曲（例如德语空灵风格）。该技能订阅费用为每月10美元，支持高度自定义的风格生成。技术层面已优化，新增近6000个音乐风格检索以提升准确性，并可通过谷歌CDP免登录直接调用。项目已开源，提供GitHub仓库地址与安装指令，降低了创作门槛。目前AI生成音乐在艺术性上仍与人工制作存在差距，但实现了快速、灵活的创作可能。
Suno 生成 Skill 做了优化,增加了近6000个音乐风格检索,让生成的音乐更准确。 用谷歌CDP刷新获取登录Token,完全不用打开网站就能创作歌曲了。 开源地址:https://github.com/joeseesun/qiaom...
研究比较了按时间顺序排列数据与传统打乱数据两种预训练方式，针对一个在6B参数模型上训练的实验。研究引入了包含超过7000个时间锚定问题的新基准。结果发现，时间有序预训练的模型在通用语言能力上与打乱预训练基线持平，但其知识更及时、时间定位更准确；打乱预训练则在旧数据上表现达到峰值。代码、模型检查点和数据集已开源。
该研究提出了一种基于大语言模型的通用文本优化系统，将优化问题统一表述为通过评分函数改进文本产物。在六项任务中达到最优结果：智能体架构使Gemini Flash在ARC-AGI上的准确率从32.5%提升至89.5%；调度算法降低40%云成本；87%的CUDA内核匹配或超越PyTorch表现；圆包装问题超越AlphaEvolve。实验表明，可操作的附加信息比仅使用分数反馈收敛更快、得分更高；多任务搜索通过跨任务迁移学习，在同等预算下优于独立优化，且任务数量越多收益越大。该工作首次证明基于LLM的文本优化是通用问题解决范式，能统一传统领域特定算法。系统已开源，支持多种后端。
Berryxia.AI@berryxia开发者“乔帮主”开源了一套日常使用的油猴脚本项目，旨在解决多个主流平台（如微信、小红书、抖音）在内容发布时缺少便捷图片粘贴上传功能等操作痛点。该脚本集主要功能包括：支持在多个内容平台通过截图粘贴自动上传图片；提供YouTube网页版的字幕复制、播放倍速调节，并方便将字幕内容传递给NotebookLM、ChatGPT等工具进行处理；同时支持调整小宇宙网页版的播放速度。项目代码已在GitHub公开。
完成了第一项工作,开源自己常用的油猴脚本。 1. 小红书、抖音、微信贴图,截图粘贴自动上传。 2. Youtube字幕复制,倍速调节,复制字幕给NotebookLM、ChatGPT处理。 3. 小宇宙网页版倍速调整 开源地址:https:/...
CopT提出了一种反转传统链式思考（CoT）顺序的推理框架：先生成草稿答案，再进行策略内反思。其核心是将连续嵌入向量转化为推理时的对比验证器，通过比较模型在离散令牌与连续嵌入输入下对同一生成令牌的支持度，构建序列级反向KL估计器，以此评估答案的可靠性。当答案不可靠时，CopT会执行进一步思考，并利用第二个KL估计器动态控制草稿答案的可见性，在保留有用信息与规避误导间取得平衡。在无需额外训练的前提下，该方法在数学、编程等任务上显著提升了准确率（最高达23%）并大幅减少了令牌消耗（高达57%）。
向阳乔木@vista8该开源油猴脚本（qiaomu-userscripts）增强了YouTube的观看体验，核心功能包括一键复制或下载视频字幕、调节播放倍速。用户可便捷地将字幕发送至Raycast AI、ChatGPT或NotebookLM，利用自定义提示词快速生成总结或进行深度加工。此外，脚本还扩展了对小红书、抖音、微信的截图自动上传，以及小宇宙网页版的倍速调整功能，旨在优化多平台内容处理的效率。
完成了第一项工作,开源自己常用的油猴脚本。 1. 小红书、抖音、微信贴图,截图粘贴自动上传。 2. Youtube字幕复制,倍速调节,复制字幕给NotebookLM、ChatGPT处理。 3. 小宇宙网页版倍速调整 开源地址:https:/...
向阳乔木@vista8完成了第一项工作,开源自己常用的油猴脚本。 1. 小红书、抖音、微信贴图,截图粘贴自动上传。 2. Youtube字幕复制,倍速调节,复制字幕给NotebookLM、ChatGPT处理。 3. 小宇宙网页版倍速调整 开源地址:https:/...
AYi@AYi_AInotes近日，GitHub疑似遭黑客利用Anthropic的Mythos安全AI模型突破防线，窃取约4000个核心内部仓库，包括Copilot源码和CodeQL算法。此事件被视为AI网络战的开端，彻底改变了攻防平衡：攻击方可借助AI模型将漏洞无限放大，而防御方则需依赖更强大的AI防守。这意味着顶级AI模型一旦泄露，危害堪比核扩散。GitHub官方已确认正在调查内部仓库未授权访问，目前暂未发现客户数据受影响。
We are investigating unauthorized access to GitHub's internal repositories. While we currently have no evidence of impac...
微软内部发出警告，称其代码托管平台GitHub正面临“生存级风险”。主要原因是Cursor、Claude Code等AI编程助手兴起，改变了开发者工作流，削弱了持续将代码上传至GitHub的必要性。为统一工具链并控制成本，微软已要求部分团队在2026年6月底前停止试用Claude Code，转而使用自有工具GitHub Copilot CLI。同时，OpenAI曾考虑自建替代平台，也加剧了对GitHub地位的潜在威胁。
GitHub 上出现了开源项目 Remove–AI–Watermarks，提供命令行工具与库两种形式，可自动识别并移除图像中由 AI 生成的隐藏水印。该项目旨在提供便捷的技术方案，以应对 AI 内容标识带来的编辑与再利用限制，目前在开发者社区已获得较高关注。
datasette-llm 发布 0.1a8 版本。本次更新主要修复了 llm_prompt_context() 钩子未能完整收集响应链的 bug，该问题对应 GitHub 问题 #7。此次版本发布为用户提供了更稳定和可靠的交互体验。
llm-gemini发布了0.32a0版本。此次更新要求llm版本不低于0.32a0的alpha版，其核心变化是新增了流式处理推理token的功能。
本研究针对扩散模型去除预训练阶段不安全内容时面临的监督数据昂贵及离线方法易导致灾难性遗忘等问题，提出了SafeDiffusion-R1在线强化学习框架。该框架采用组相对策略优化算法，在正负文本提示上进行后训练，无需依赖配对监督数据。其核心在于引入了一种奖励引导机制，直接利用CLIP嵌入特性，在嵌入空间中引导文本表征向安全方向优化，从而无需微调专门的安全奖励模型。实验表明，该方法将不安全内容生成比例从48.9%降至18.07%，裸体检测数大幅减少，同时提升了组合生成质量，并可泛化至多种危害类别，达到当前最优水平。
AYi@AYi_AInotessummary_zh
Damn,这个GitHub项目,直接给你发了一整个AI公司,都给我收藏拿走! 10万 GitHub star🌟,被称为2026年增长最快的AI项目, 146个专业AI专家,12个完整部门。 一条命令,全部装进你的Claude Code, ...
向阳乔木@vista8介绍一款名为 seo-audit 的AI技能工具，可通过命令行安装，用于快速分析网站SEO状况。该工具能检测 Sitemap 状态、301重定向、noindex和canonical标签设置等常见基础问题，适用于初步排查网站收录不佳的原因。实际案例显示其生成的报告质量可靠，能有效发现潜在的技术SEO缺陷。
向阳乔木@vista8作者利用GPT-Image-2模型，批量生成了超过380位艺术家的画风作品。为便于直观学习和借鉴（用于AI生图提示），他创建了一个可体验的网站，将蒙德里安、葛饰北斋等不同风格的创作并置展示，帮助用户快速建立对艺术风格的认知。该项目代码已在GitHub开源。
AYi@AYi_AInotes一个GitHub项目引发关注，据称已获得10万星标并被称为2026年增长最快的AI项目。该项目的核心功能是模拟一整家AI公司，包含146个不同领域的AI专家角色和12个完整部门。用户可以通过一条命令，将这些“员工”全部集成到Claude Code中，从而免费获得涵盖前端开发、安全审计、产品管理、增长黑客等多方面的7x24小时AI支持。
针对长上下文与多模态大语言模型中KV缓存内存占用高的瓶颈，本文提出了OScaR压缩框架。研究发现，传统逐通道量化在极端压缩下受限于“令牌范数不平衡”问题。OScaR通过“渠道化旋转”与“全令牌缩放”两项轻量技术，有效缓解了该不平衡带来的量化误差，无需复杂流程。在多种大模型上的实验表明，OScaR在INT2量化下可实现近乎无损的性能，相比基准解码速度提升最高达3.0倍，内存占用减少5.3倍，吞吐量增加4.1倍，为极致KV缓存压缩提供了高效通用方案。
GitHub为Copilot功能推出了远程控制会话能力，并已全面上线。该功能允许用户在VS Code或命令行中启动Copilot任务后，可随时随地通过github.com网站或GitHub Mobile移动端应用继续操作，实现了开发工作流从桌面端到移动端的无缝衔接。此更新增强了开发者在不同场景下的灵活性和工作效率。
Orange AI@oran_ge推文指出，AI容易顺从用户、提供情绪价值，导致双方陷入思考的信息茧房。因此，AI唯一正确的用法是充当“魔鬼代言人”，主动泼冷水以帮助直面真相、正确思考。作者将这一方法论蒸馏为可安装使用的开源Skill，并公开分享。
向阳乔木@vista8@vista8 我做了个skill,支持飞书机器人之间稳定相互at,支持自定义停止方式,比如x轮、手动停止。并且内置了自由讨论、头脑风暴、评审、辩论4种模式。支持跨openclaw、Hermes的机器人相互at,可以试试。就算用不上,我把飞...
Berryxia.AI@berryxiaxAI算法开源后，专家岚叔@LufzzLiz深入研究了xai-org/x-algorithm仓库源码，使用Opus-4.7创建了带有明确源码出处的完整wiki。这与引用推文所指出的现状形成对比：市面上95%的分析是AI批量生产的同质化废话，缺乏对源码的真正理解。岚叔的工作提供了有价值的算法拆解，GitHub仓库和在线阅读地址已公开。
xAI 算法开源后,解读内容铺天盖地。 我敢说一句颠覆多数人认知的实话: 市面上 95% 的分析,是 AI 批量生产的同质化废话, 连源码文件名都没翻过一次。 「多互动」「多发帖」「账号要垂直」 这种谁都会说的话,说了等于没说。 真正藏在 ...
Berryxia.AI@berryxia姚老师开源了名为 yao-weread-skill 的工具，可将用户导出的微信读书数据在本地自动生成包含26个图表的专业可视化阅读报告。报告涵盖近两年阅读时长与节律、书架书籍深度分析、阅读分类/作者/出版社偏好，以及对笔记、划线、想法进行的语义分析，并生成词云、热力图、雷达图等多种图表。该项目旨在帮助用户将碎片化的阅读数据转化为清晰的自我认知报告，方便复盘阅读习惯与进行知识管理，相关代码已在GitHub开源。
写了一个微信读书可视化报告skill:yao-weread-skill,已开源到GitHub 它可以把微信读书数据,生成一份本地可视化读书报告,包括: 1、近2年阅读时长与节律 2、书架书籍分析 3、阅读分类、作者、出版社偏好 4、笔记、划...
针对现有城市建筑能耗建模多为预测性、缺乏生成能力且数据稀缺的问题，本文提出了一个名为SENSE的统一生成式框架。该框架能够基于可控扩散模型，联合合成逼真的城市卫星图像以及与之对齐的高质量建筑能耗与高度图。其通过道路网络和城市密度指标进行条件控制，并利用大型视觉模型在潜在空间生成标注信息。在纽约等四个城市的实验表明，SENSE生成的图像视觉保真度高，且符合物理标准。该模型能利用少量标注数据生成合成数据集，显著提升了下游预测任务的性能并降低了误差，为城市可持续规划提供了新方案。
Semble是一款面向AI代理的代码搜索工具，其核心优势在于比传统工具grep节省98%的令牌使用量。该工具已在GitHub开源，并在Hacker News上获得106点热度。这一效率提升旨在降低AI代理处理代码搜索时的计算资源消耗与成本。
向阳乔木@vista8写了一个微信读书可视化报告skill:yao-weread-skill,已开源到GitHub 它可以把微信读书数据,生成一份本地可视化读书报告,包括: 1、近2年阅读时长与节律 2、书架书籍分析 3、阅读分类、作者、出版社偏好 4、笔记、划...
meng shao@shao__mengBerryxia.AI@berryxiaVercel Labs近日推出了专为AI agents设计的编程语言Zero。该语言由Chris Tate主导开发，旨在创建一个更快、更小、且更易于agents编写、修复和维护的系统语言。其核心设计理念是从第一天起就为agents原生构建，而非让agents学习人类语言。关键特性包括显式能力声明、JSON格式的结构化诊断信息以及类型安全的自动修复功能。此举旨在解决当前agents使用Rust或Python等语言时容易产生幻觉和难以调试的问题，试图从语言层面消除这些痛点。项目已在GitHub上开源，鼓励开发者参与和贡献。
Introducing Zero The programming language for agents. I wanted a systems language that was faster, smaller, and easier f...
作者为准备PyCon US闪电演讲，使用first_line_history.py工具追溯了OpenClaw项目自2025年11月首次提交以来的名称演变。根据Git历史记录，该项目在短短两个多月内经历了六次更名：从最初的Warelay，依次变为CLAWDIS、CLAWDBOT、Clawdbot、Moltbot，最终定名为OpenClaw。其定位也从基于Twilio的WhatsApp中继命令行工具，逐步演变为支持WhatsApp和Telegram的AI代理网关，最终定型为“个人AI助手”。
Greg Brockman@gdbCODEX SKILL THAT FINDS COMPLEXITY HOTSPOTS IN YOUR CODEBASE! I made a Codex skill that analyzes your codebase and report...
Orthrus-Qwen3项目在Qwen3模型上实现了每次前向传播最高可处理7.8个令牌的性能，同时确保输出分布与原版模型完全一致。该项目已在GitHub开源，并在Hacker News社区获得102点热度。这一优化显著提升了模型推理效率，且保持了生成结果的准确性。
研究发现，可验证奖励强化学习虽能提升语言模型的推理能力，但存在一种反直觉现象：在模型初始难以处理的困难样本中，有相当一部分即使提供正确答案也无法被学习。通过跨样本梯度分析，研究揭示了不可学习样本的根本性表征缺陷，其特征是与其他样本梯度相似性低且推理模式难以泛化，而数据增强无法改善这一问题。该研究首次系统描述了训练中的不可学习数据现象，并指出当前强化学习方法在推理任务上存在根本性局限。
Rohan Paul@rohanpaul_aiX平台（原推特）已将其最新的“For You”信息流推荐算法在GitHub上开源。新算法从依赖点赞、转发等硬性规则排序，转向更接近Grok风格的AI智能排名系统。该系统通过Thunder实时获取用户关注账号的帖子，再通过Phoenix从全平台检索相关的外部内容进行补充。其核心排名模型不再单一判断帖子质量，而是像Transformer模型一样，将用户、帖子和历史行为作为一个整体进行预测，评估用户可能进行回复、点赞、转发、观看或跳过等多种互动可能性，从而实现更个性化的内容推荐。
The latest X algorithm has been published to GitHub https://github.com/xai-org/x-algorithm
GitHub正在试点一项实验性的通用无障碍智能体。该项目旨在探索如何利用AI技术提升软件的可访问性，通过智能体自动识别并修复代码中的无障碍问题。试点过程中，团队总结了关键经验，包括需要平衡自动化建议与开发者控制权，以及如何有效处理不同编程语境下的多样化无障碍需求。这项实验是GitHub Copilot在AI辅助编程领域的进一步探索，致力于让开发工具更具包容性。
歸藏(guizang.ai)@op7418飞书 CLI 牛皮啊,发布一个月多点就达到 10000 Star 了! 说明用户和市场相当认可这个动作 最近我们可以发现,越来越多的传统办公产品开始发布 CLI 和 Agent。 AI 时代的 SaaS 软件可能得换个做法了:UI 只是最基...
Berryxia.AI@berryxia兄弟们，老马将𝕏的最新算法公布了。 已经开源到Github上，对于我们普通人这东西有啥用呢？ 🤔 创作者真的可以通过算法而“有利可图？” 创作迎合算法的内容还是.....? 地址：https://github.com/xai-org/x-algorithm 我已经让opus 4.7 拉满跑起来了
The latest X algorithm has been published to GitHub https://github.com/xai-org/x-algorithm
DogeDesigner@cb_dogeX平台在GitHub开源了其“For You”信息流的最新推荐算法。该算法融合来自已关注账号的内容和通过相似性搜索发现的网络外内容，并利用基于Grok架构的Phoenix Transformer模型进行统一评分。模型通过分析用户近期互动，同时预测点赞、回复、转发等多种互动概率，并综合成最终相关性分数。排序过程包括候选内容收集、上下文信息补充、AI模型评分、多样性调整及垃圾信息过滤等步骤。此次开源提供了完整的可运行管道、预训练模型、内容理解服务及内置广告混合模块，核心计算完全由Transformer模型驱动。