同一个概念 对小孩和对经理讲
同一个概念 对小孩和对经理讲 本该是两篇东西 我最近看到一个 Claude Code Skill 叫 ELI5 你先指定听众是谁 它再改术语密度和比喻 小孩少塞黑话 工程师保留正确术语 对 Manager 改讲成本、结果、风险 作者拿它跟原生 Claude 同题对打 ELI5 大约八成命中 原生掉到四成左右 我自己读 API、Agent 架构时最烦的 就是解释永远默认「懂的人」 这个 Skill
天天喊 API key 烧钱
先别急着充值 有人做了个 dsh 插件 把你手里的 ChatGPT、Claude、Grok 订阅 直接当大模型用 一个 key 都不用填 网页 OAuth 点一下 token 自己刷新 还能看额度 顺手还有 X 搜索 画图 出视频 订阅费本来就交了 不用白不用
localhost:3000 不该再进工作记忆
我现在用 portless 本地服务直接给名字 不拿端口号当身份证 几个项目并行时 脑子里会一直悬着一句 「这个 3000 到底是谁的」 能消的摩擦就消 别留着装专业
最值得看的不是 V4 打过 Opus
是发帖的人很快自己改口 J-Space 把 V4 Flash 和 Pro 的数字抬上去 图里一排加粗 他自己去翻了 GitHub 说等更多人测试 这种帖 图当线索 仓库当作业 别当新闻
Mac 上本地模型
多数人还停在开一个终端、跑一个模型、关了就忘 omlx 菜单栏管本地 LLM 常用的钉在内存里 大的按需换 KV cache 还能落到 SSD Claude Code 连本机 不必每次都从零预填
Claude Code 做到一半关掉
同一目录打开 Codex 不用再解释架构、踩过的坑、没答完的问题 ai-memory 给 coding agent 做长期记忆 会话结束写成 wiki 下一个 agent 先读交接 换模型不难 难的是上下文每次归零
8GB 显存到底能跑多大模型
别再靠感觉了 llmfit 扫一眼你的内存、CPU、显卡 按「能不能塞进去」「会不会卡死」「质量够不够」打分 我刚测过 27B 塞进 8GB 这种工具本该先跑一遍 再下载那十几个 G
视频号刷到素材却存不下来？可以看 res-downloader。
本机起一个代理，页面一打开就把真实资源列出来：视频号、小程序、抖音、快手、小红书等，点一下拿原始文件。大约 1.9 万 star，三平台都有包。 全程本地，不往别人服务器传内容。仓库在 putyy/res-downloader。
Cloudflare 上又多了个能直接部署的邮件工作台：HQBase。
不是又一个 SMTP 客户端，而是多域名、收发加 AI 操作的管理工作台，存储用 D1 和 R2。跟官方 Agent Inbox 同赛道，开源可自托管。 想把「收信→处理」收进自己基建、少依赖第三方收件箱面板的，值得收一下。
Google 把 Flash 往 Agent 上推了一大步
3.7 自称最聪明的驮马 主场就两件事 写代码，把事情做完 多步规划、调工具、少让人盯着重试 Spark 已经换上它 可以跨邮箱、日历、文档连着跑 价格也凶 百万 token 输入 0.75、输出 3.75 说到年底相当于 3.6 的一半 这轮我不看谁榜更高 看谁更便宜、更稳、一次能跑更长
AI 回你一大段
先铺垫、再安慰、最后才给命令 这东西有人做成了 skill 名字就叫 i-have-adhd GitHub 已经一万星 它干的事很蛮 禁止把答案藏在废话里 行动优先 步骤编号 不许说「希望这对你有帮助」 适合三种人 天天用 Codex 却讨厌开场白 项目多、打断多、要马上找回下一步 查资料排错只想先往前拱 不必真的有 ADHD 你只是不想再读客服腔
问 AI 要架构图
回来永远是那套圆角方块 丢进 slides 就格格不入 diagram-design 装进 Claude Code 出的是带你品牌色的 HTML 和 SVG 架构、时序、泳道、甘特、2x2 都能画 扫一遍官网抽配色字体 离线单个文件打开 1.7 万星 一天涨三千多 说明这个痒点不是我一个人有
Mac 自带听写
慢，还不爱加标点 说完还要自己收拾一通 FluidVoice 按住热键说话 松开字就进当前 App 识别和润色都在本机 一个字节不出门 引擎能换 Parakeet、Whisper、Apple Speech 顺手还能语音开应用 一万星 brew 一条命令 专门砸 Wispr 那种月费
Qwen 3.8 27B 上架 Ollama 了
这个尺寸的开放权重里算能打的 官方说法是面向 agent 任务 不是只拿来闲聊 Claude Code、OpenCode、Hermes、Pi 都能接 Apple Silicon 还有优化版 27B 的意义不是又一个可下载文件 是你本机就能塞进现成的 coding agent 工作流 我不会拿它去跟云端旗舰死磕智商 我会拿它看 少一次往外发代码的往返
我听 YouTube Music 一直开着标签页
不是喜欢网页 是 Google 没给 Mac 原生 App kaset 补了这个洞 SwiftUI、均衡器、逐句歌词 按 Mac 的规矩控播放 不是又套一层 Electron 星数两千出头 属于「刚好有人把痒点挠掉」那种项目 登录还是你原来的号 浏览器当播放器 本来就该退休
8GB 显存，能不能跑 27B？我用 RTX 3060 Ti 实测 Qwen3.8-27B
先说答案：能跑，但不算流畅。 我在一台 Windows 台式机上，用 RTX 3060 Ti 8GB 跑通了 Qwen3.8-27B。命令行生成速度约 1.7 tokens/s，本地 API 测到约 1.9 tokens/s。 这个结果适合技术验证、轻量问答和偶尔写作，不适合拿来做高频编码助手，更别说多人服务。 如果你也是 8GB 显存，最重要的不是照抄我的每个参数，而是先选对路线：**GGUF
AI 写出来的代码
我现在不太敢直接在本机裸跑 Docker 隔离不够硬 它还跟宿主共内核 云沙箱能硬 但按用量一直烧 有个东西叫 microsandbox 本机起一台微虚拟机 宣传是 M1 上平均不到 100 毫秒 硬件虚拟化 不共享内核 OCI 镜像还能接着用 密钥不进 VM 代码跑飞了也难把钥匙带出来 7.5k 星 今天还在涨 适合跑 agent、用户脚本、来路不明的插件
别再让 Claude 给你吐一张 Mermaid 糊图了
有人给它准备了 29 种图 架构、流程、技术文档那种 每个都是单独的 HTML+SVG 复制就能用 不依赖任何库 repo 叫 diagram-design 今天一天加了四千多星 直接冲到 GitHub 趋势第一 我看中的不是星数 是它把好看的图做成了 agent 能直接交的成品
有人把世界神话做成可搜索的知识网络开源了
不是又一篇「神话合集」 是能查、能连、能导出的系统： 95 个文明与文化传统 425 个实体 神祇/神器/怪物/古籍/遗址与关系图 还有来源登记 中英界面都有 数据给 SQLite / JSONL / CSV 它明说这是阶段性基线 不是宣称写完百科 这类东西最有价值的 是可纠错、可贡献、可继续长
如果你做 AI 音乐
别只收藏网页播放器 MiniMax 把 Music3 权重开出来了 HF 有模型 GitHub 有 repo 这类东西值钱的不是 slogan 是你能不能复现、能不能改、能不能接进自己的流水线 图是预览 仓库才是入口
14MB 的 foundation model
这数字本身就是钩子 项目叫 needle 目标不是再卷桌面大模型 是塞进手机、穿戴、智能家居、机器人这种小设备 端侧 AI 真正卡的 往往不是「能不能生成漂亮段落」 是能不能在几兆到几十兆的预算里活下来 体积做成资产 才轮得到隐私与离线
2.8T 参数的 Kimi K3
有人说不用先砸一张顶级卡也能碰 项目叫 colibri 思路很粗暴也很大胆： 专家权重不整模塞内存 需要哪个 expert 再从固态硬盘流进来 MoE 本来就是「每次只激活一小撮」 那磁盘延迟就变成可交易的工程问题 而不是绝对禁区 能跑 ≠ 很爽 但「能不能在消费级硬件上试」 这条线又被往下推了一截 仓库放第二条
又一个 Claude skill 在狂涨星
diagram-design 已经八千多 star 有人说单日涨一千六 它干的事很直接： 给你 29 种「编辑向」图类型 流程图、架构图、组织图、甘特…… 吐自包含 HTML/SVG 不用再搭构建流水线 还会读你站点的颜色和字体 大概一分钟对齐品牌 也能拿旧 Mermaid / draw.io 重画 不是只能从零开始 作者吐槽的点很实在： 讨厌 Mermaid 默认那套圆角盒子 想做一张设计师不会
以前我觉得 在 Mac 上跑 26B 级模型
以前我觉得 在 Mac 上跑 26B 级模型 8GB 内存是做梦 至少得 32 或 64 然后看到 TurboFieldfare 把权重拆块 用到哪块再从 SSD 读进来 不用一次全塞内存 入门款 Air 也能跑起来 顺到什么程度因模型而异 但方向很清楚： AI 门槛不全是砸硬件 还有软件怎么「偷」内存 硬件军备竞赛之外 永远有人在做省钱的工程
把架构图画成可拖、可分享的图
现在有个开源 skill 直接干这事 名字叫 draw-architecture 你丢一段文字描述的系统架构 它吐一张像 Figma 一样的 canvas： 拖拽、缩放、点元件隔离看 一键导出高清 PNG 丢进文档/PPT 还能把链接甩给同事在图上留言 平时跟团队对架构 最烦的不是「画不出来」 是图画完就死了 别人只能看截图 这种「可交互 + 可讨论」才是协作资产
AI Agent 开始碰真机了。
不是模拟器 是真 iPhone、真 Android 看屏幕、点按钮、滑动、打字、开设置 开源项目 Mobile Harness 把眼睛和手接到手机上 本地也能跑，云设备也能规模化 Agent 上一阶段主要在写代码 这一阶段开始用你手机上的 App
herdr 把多 Agent 跟人的互动搬进终端了。
看着它们下棋划水 旁边还能留言嘴炮 像开了个 AI 街机厅 最有梗的不是谁又赢了 是这个方向本身：Agent 开始有「赛场」 接下来还要上中国象棋 我倒想看它们怎么互喷布局
这周 GitHub 上蹿得离谱的一个项目：OmniRoute
一个 MIT 的 AI 网关 你的程序只打一个端点 它去背后转 290 多家供应商、500 多种模型 里头还有一堆免费额度可蹭 Claude Code、Cursor、Cline、Copilot 都能接 不用改你习惯的工具 它还说有配额感知自动备援，以及能省 15%–95% token 的压缩 这个区间上下差六倍 信下限，上限自己测
AI 画图最烦的不是不会画，是轴距字体间距永远要你再调一轮。
微软开源了 Flint（flint-chart） 你告诉它「这列是排名 / 温度 / 价格」 轴、间距、格式它自己收 同一份规格能吐 Vega-Lite、ECharts、Chart.js、Plotly，连 Excel 原生图都有 还带 MCP，Agent 能在对话里直接画并校验
AI 在大仓库改代码，最怕的不是不会写，是猜不清「这个函数到底被谁调用」。
code-graph-rag 把整个 monorepo 用 Tree-sitter 编成知识图谱 你的问题翻成 Cypher 去查图 改代码走 AST，先出 diff 再落盘 不是再 grep 赌运气 是让 Agent 先看清结构，再动手