有人做了个工具叫 Lathe，专门用来"用AI学懂一个领域"，而不是"用AI跳过学习"。
这戳到我了。 很多人用AI的方式是：让它帮我写完，我不用理解。 这不是提效，是在借债。
GitHub 上发现一个宝藏 Repo：Easy-Vibe
专门为 AI 编程打造的实战指南，从零到上线全覆盖： ① 零基础入门 → 用 AI 做出第一个 Demo ② SaaS 实战 → 接数据库、支付、用户系统 ③ 高级进阶 → Claude Code MCP + 多 Agent 协作 ④ 多平台发布 → 小程序、iOS、Android 一套搞定 想用 AI 做产品但不知道从哪开始的，这个 Repo 值得收藏。
24 小时，20,000 个 GitHub stars。
这个工具叫 Odysseus。 本地跑的 AI workspace，agents、MCP、记忆、文件处理全包Windows/macOS/Linux 都支持。 数据不出本地，开源，免费，不用每月交钱给任何人。 本地 AI 的需求一直在——只是之前没人做对。
最近我在用 Hevy 这个健身记录工具，它能接入 API、安装 CLI 和 Skills 自动化所有操作，页面极简、可买断，爆杀训记和 Strong。
这成为我继 Roam/ YNAB 这些后又一个幻神玩具，Agents 工具。现在工具的基本素养是作为服务的 API 被拉取，没有 CLI 和 API 的工具都流氓。这个开源 CLI 可以参考，自定义。
Lingji Cut 把写稿、AI 配音、字幕、剪辑、导出串成一条线，本地跑，开源免费，数据不上传。
解决视频创作 4️⃣ 大痛点： 📍 工具割裂：一个软件搞定所有环节，再也不用切来切去 📍 数据安全：所有文件本地保存，零上传，隐私彻底有保障 📍 AI 碎片化：支持多 AI 模型（OpenAI、Gemini、LM Studio、MiniMax 等），随便选 📍 流程繁琐：自动化 Agent 流水线，效率直接拉满！
1 整理了开源 AI 语音项目 GitHub Stars 榜，13 个项目从 2.2K 到 59.9K。
这个赛道比我想象的热闹很多，收藏备用👇 👑 Real-Time-Voice-Cloning：语音克隆鼻祖，几秒复刻人声 🥈 GPT-SoVITS：5 秒音频 95% 相似度，迭代到 V4，社区最火 🥉 coqui-ai/TTS：1100+ 语言 TTS 框架，前 Mozilla 团队出品 前 7 名全部破万星，头部效应很明显。 🎵 Bark（Suno AI）：语音 + 音乐 + 音效都能
最近全程用 Claude CLI + Figma MCP 跑完一个项目，流程整理：
1. 说清楚任务、需求、框架、第三方包 2. 让 Claude 回馈、优化、规划架构 3. 生成项目 skill 和 md 文件 4. 开始执行 5. 不断修正优化 skill 6. 项目结束让 Claude 做总结，提炼成通用 skill 每个项目结束都沉淀一份 skill，下次直接延续。 省了大量工时，这个开发体验真的回不去了。
14 个 AI Agent 帮你开公司，24 小时不打烊。
专家阵容：Jeff Bezos 当 CEO、Werner Vogels 做 CTO、Seth Godin 负责营销、Don Norman 搞产品设计…… 你丢一个商业想法进去，AI 团队自动脑暴、写代码、部署、做营销，停都不停。 产出的计划能不能真赚到钱？老实说，概率没那么高。 但如果你老板用 token 用量评绩效，这就是终极燃烧神器。 开源免费，GitHub 搜 Auto-Company。
说个骚操作，做竞品调研、写报告、喂给 AI 的时候用：
Firecrawl 可以直接把网站抓下来，转成 Markdown 或结构化数据。 不用一页一页复制粘贴，打包好直接送到 Claude Code 或 Codex 嘴边。 以前是人给 AI 喂数据，现在是工具替你喂。
book-to-skill：把书变成 Claude Code 可调用的技能
它不是帮你整理书摘而已，而是直接把一本书变成 Claude Code 可以使用的「技能（Skill）」。 你只要丢进 PDF、EPUB 等格式，它就会自动： ・拆解整本书的章节架构 ・萃取核心概念与知识脉络 ・建立专有名词与模式索引 ・产生章节摘要与 Cheatsheet ・转换成可直接调用的 Claude Skill 之后只要输入： /技能名称 想查询的主题 Claude 就能直接加载对应章节内
SEO 还没学完，GEO 来了。
GEO = Generative Engine Optimization，让你的内容被 AI 搜索引用，而不只是被 Google 收录。有人专门为 Claude Code 打包了 20 个相关 Skills，涵盖标题优化、结构优化、实体标注。 以后做内容，得同时喂人和喂模型。
MediaCrawler 是国内社媒采集工具，适合做样本池。
小红书、抖音、B站、微博这些平台，手动看可以找灵感，但做分析一定不够。 跟 Playwright 比，它更贴近具体平台；跟 f2 比，它更偏社媒数据和内容研究。 有样本才叫判断，没样本多数是在凭感觉算命。
发现一个看美股的开源工具，直接看大盘指数和各行业热力图，每周用 LLM 自动整理股市信息发到邮箱，个股还能直接跳 TradingView 分析。
免费、自部署、不用开着屏幕盯盘。有在看美股的可以自己搭一个。
ripgrep 在 4500 个文件里搜索只要 0.1 秒
RAG 那套流程走完要经过 8 个步骤、4-5 个服务。而 Claude Code 检索代码就三个工具：Grep、Glob、Read，没有向量数据库，没有 Embedding，没有索引。 原因很简单：代码搜索 95% 是标识符。getUserById 不会被改写成同义词，要么精确匹配，要么就是找错了，没有"大概对"这回事。本地代码库 MB 级别，暴力搜索反而是最优解。 OpenAI Codex 独
小红书严打爬虫和 AI 生成内容。
其实正确姿势很简单：像人一样浏览，就不违规。 GitHub 开源项目 Socai（tonyc-ship/socai），小红书调研 Agent。不是爬虫——通过 Chrome Extension 连接你已登录的浏览器，用真实的搜索、点击、阅读动作做调研，生成报告。 三条常用命令： socai search_notes "露营装备营销文案" socai extract_note --note-id <
GitHub 上有个英语学习指南，44,000 收藏。
核心就一句话：你以前学英语的方式，从根上就错了。 它给的答案： ❌ 不背单词 ❌ 不刷题 ✅ AI + 科学方法 ✅ 像学母语一样习得 这四条，和我一直说的思路一模一样。
今天 GitHub 热榜的主角不是新模型。
是一堆帮你省 AI 钱的工具。 ECC 快 20 万星，管 Claude Code/Cursor 调用成本。CodeGraph 省三分之一。OmniParse 本地转 PDF/视频/音频，不用传出去。Anthropic 把内部工具包也开源了。 大家开始认真算钱了。
有人用 DeepSeek 写了个编程 agent，专门绕着 prefix cache 设计架构。
实测数据：435M 输入 tokens，cache 命中率 99.82%，成本从 $61 降到 $12。 不是偶然——它把整个对话结构都设计成"前缀稳定"的，让 DeepSeek 的 cache 一直有效。 大部分 agent 把 cache 当顺带福利。这个把 cache 当第一性原理。
把代码库变成可交互的知识图谱——这个工具值得一看。
Understand Anything：把任意代码库转成可点击的知识图谱。 多 Agent 流水线自动分析文件、函数、依赖关系，生成架构层级视图、Diff 影响分析、自动导览，还支持语义搜索。 新人 onboarding、代码 review、架构文档——一个工具全包。 GitHub 今日趋势第一，4000+ stars。
你的 AI 在干嘛，桌上所有屏幕都知道。
AgentDeck 把 Claude Code、Codex、OpenCode 的实时状态推到 13 种设备上：Stream Deck+ 按钮变成 YES/NO/STOP，Kindle 当副屏，ESP32 小圆屏挂在角落，iPad 跑水族馆动画。 Claude Code 要权限？物理按钮直接确认，不用切窗口。 跑飞了？STOP 键发 Ctrl+C，不用找终端。 一个 bridge，同时喂给所有屏幕。
GitHub 上有个 repo，138 个科学研究工具的 Agent Skill，24.7k stars。
覆盖生物信息、药物发现、临床数据库——Scanpy、RDKit、DeepChem、UniProt、AlphaFold 全在里面。 一行装进你的 agent： npx skills add K-Dense-AI/scientific-agent-skills 装完之后 agent 不用靠猜，直接拿到正确的 API 调用方式。 好的 agent 不靠更大的模型，靠更精准的工具知识。
终端旁边多了只猫。
TermiPet — 悬浮在 macOS 桌面的宠物助手，专门配合 Claude Code 用。 Claude Code 在想事情，它在思考。 Claude Code 等你授权，它会提醒你。 想发 `/compact` 懒得打，点它一下。 还能看 token 用量、开番茄钟、跟它聊两句。 完全本地，不过中转。
一个很多人还没注意到的变化：
飞书和钉钉正在把自己从"给人用的软件"变成"给 Agent 调的基础设施"。 SaaS 的核心假设是：用户是人，界面是入口。 这个假设正在失效。 如果你的产品的主要用户开始是 Agent 而不是人，你的整个产品逻辑都要重写—— 不是体验更好，是接口更干净。 不是功能更多，是调用更稳定。 飞书钉钉先动，但这是整个 SaaS 行业都要面对的问题。
用 Claude Code、Codex、Gemini 做项目，AI agent 十有八九会推荐 Supabase。
原因很简单：Postgres 作为 AI 的心智语言，auth、storage、edge functions、vector 一站式搞定，不需要拼接五个服务。 "Build in a weekend. Scale to millions." Supabase 背后是 5 亿美元融资，700 万用户，Anthropic 也在用。 现在做独立产品，这是默认起点。
扔给 AI 一个 issue，去开会，回来拿代码。
Zeroshot：1470 stars，CLI 里的自主工程师团队。 支持 Claude Code、Codex、Gemini CLI 同时跑，你设定目标，它跑到完成为止。 async coding 这件事，2026 年真的开始了。
UI-TARS-desktop，字节开源，今天 669 stars。
核心：AI Agent 直接接管桌面，像人一样点鼠标、操作界面。 AI coding 是让 AI 写代码。这个是让 AI 直接开电脑替你干活。 两件事都在同一年变成可用，有点猛。
datawhalechina 出了 easy-vibe，专门讲 vibe coding 怎么做。
不是「让 AI 帮你写代码」的入门教程，是讲清楚：怎么设计工作流、怎么拆任务、怎么跟 AI 协作不翻车。 中文社区第一次有人把这件事说清楚。
一篇 HN 高热帖，作者标题直接写：「distributing Mac software is increasing my cortisol levels」。
公证、沙盒、签名、Gatekeeper——每次系统更新都可能让你的 app 突然跑不了。 你不是在做软件，你是在和苹果的审核系统搏斗。 独立开发者做 Mac app 的成本，有一半在这里。
终端里跑 DeepSeek，今日 5800 stars。
不需要浏览器，不需要 API key 配置界面，直接命令行。 对独立开发者来说：本地推理 + 终端工作流，这套组合越来越实用了。