16919 个星，今天又涨了 83。text-to-cad 已经攒下一万六千多星，算不上刚冒头的新项目。
它介绍自己只用了一句：Give your agent CAD superpowers。这句话的主语是 agent，没有提人。所以它的定位更像 agent 手里的一件工具，建模是交给 agent 去调用的一项能力。 我自己写了一个 agent（octopy），每天从十几个信息源里挑选题。读这类项目，我先看能力是不是往 agent 身上加的，这个是。已经在让 agent 干活的人更该留意它。至于能建多
美团开源的 LongCat-Video 在 GitHub 上有 8783 个星，今天又涨了 44。我写的 agent octopy 每天从十几个信息源里挑选题，今天它从 GitHub Trending 里把这个项目挑了出来。
星数能说明关注度，说明不了模型能不能用。要判断一个开源视频生成模型值不值得部署，先看这几件事： - 生成一段几秒的视频要多久，用的是什么卡 - 最低要多少显存，消费级显卡跑不跑得动 - 人物动作连着几秒以后会不会变形 - 许可证让不让商用 LongCat-Video 的 GitHub 仓库，上面这几项可以对着它去查：https://github.com/meituan-longcat/LongCa
Agent-Reach 今天涨696星，agent 零API费刷全网。最想让它刷哪个？
小红书 B站 Reddit Agent-Reach：一个 CLI，让 AI agent 不花 API 费就能读、搜 Twitter、Reddit、YouTube、B站、小红书。https://github.com/Panniantong/Agent-Reach
读 PhD 做的是压缩感知，结果给 coding agent 省 65% token 的办法，是让它像原始人一样说话。
caveman：让 coding agent 用原始人语说话来省 token 的 skill 和 proxy，号称能省 65%。https://github.com/JuliusBrussee/caveman
PageIndex 今天在 GitHub 上涨了 835 个星，总数到了 37497。它给自己的定位是 Vectorless、Reasoning-based RAG：给文档建索引，但不用向量，靠推理去找内容。
财报、合同这类长文档最该关注它。常见的 RAG 先切块，再按语义相似度召回。长文档里措辞相近的段落一多，召回的未必是真正要的那一段。不按相似度找，改让模型顺着文档索引推理去定位，思路正好对着这个问题。 PageIndex 的仓库，做的是不用向量、靠推理检索的文档索引：https://github.com/VectifyAI/PageIndex
54795 个星，今天一天又涨了 349。HeyGen 开源的 hyperframes，功能就一句话：写 HTML，渲染成视频，为 agent 而建。
关键不在于又多了一个做视频的工具，而在它挑的输入格式。让 agent 去拖时间轴、调关键帧，它做不利索；可写标记语言恰恰是它每天都在干的活。把视频产出接到 HTML 这一层，等于把一件 agent 原本吃力的事，换成它顺手的事。 HeyGen 开源的 hyperframes，写 HTML 直接渲染成视频：https://github.com/heygen-com/hyperframes
context-mode 说能把工具输出压掉 98%。这个数字得先看清压的是哪一块。
它做三件事：把工具输出放进沙箱处理，持久保存会话记忆，再用 MCP + hooks 在 17 个平台上强制路由。GitHub 上 24526 星，今天涨了 90。 两边的差别在这里：不用它，工具输出原样进上下文；用它，工具输出先进沙箱，体积减少 98% 再进来。 我博士做的是压缩感知，这一行最先学的是：压缩率单看没有意义，要问丢掉的 98% 里有没有后面还要用的信号。Claude Code 跑长任
MoneyPrinterTurbo 在 GitHub 上有 127618 个星，今天又涨了 431。它做的事一句话就能说完：给一个主题或关键词，用大模型加自动化工作流，一键生成高清短视频。
从这句描述里能读出几件事： - 要输入的只有一个主题或关键词，门槛压得很低。 - 「一键」说明中间的环节都交给了工作流，人不用每一步都把关。 - 「高清」讲的是画面规格，片子好不好看是另一回事。 - 中文剪出来的节奏、字幕和配音顺不顺，项目描述里一个字都没提。 项目地址，想自己跑一遍看中文效果的可以从这里开始：https://github.com/harry0703/MoneyPrinterTur
NVIDIA 开源的 OpenShell 今天上了 GitHub trending，10760 星，一天涨了 990。项目对自己的介绍只有一句：给自主 AI agent 用的安全、私有运行时。
说是 safe，我第一反应是想知道它怎么对付越权的 agent。随手记几个在意的点： - agent 伸手去读工作目录以外的文件，谁来拦。 - 联网往外发数据，默认放行还是拒绝？一句话介绍里看不出来，偏偏这条最要紧。 - 越界以后是当场掐掉，还是记条日志就算了。 - private 指数据不出本机吗？ 我写的 octopy 每天要从十几个信息源里挑选题，离不开联网。给它选运行时，第二条答不上来，后
$2 对 $0.20。Claude Code v2.1.284 把 Sonnet 5.5 设成了 Anthropic API 上的默认 Sonnet 模型，上下文 1M，输入每百万 token $2，输出 $10，缓存读取 $0.20。
按标价算，把 1M 上下文按输入价读一遍是 $2，走缓存读只要 $0.20，差了十倍。同样大的上下文，缓存命中的部分越多，账单就越接近后面那个数。 这一版还给 Claude apps gateway 的花费上限加上了美元金额，/usage 和状态栏里会显示成「$271.40 / $500.00 spent this month」。 v2.1.284 的完整更新说明：https://github.c
HN 上今天有个项目拿到 327 分、133 条评论：Jeff，一组 0.8B 参数的「决策模型」，标题写着在家训练、推理约 30 ms，并且和 Jev 兼容。
这几个数字放在一起，讲的是成本和延迟：做判断这一步，可能不必每次都调用大模型，交给一个本地能跑的小模型就行。我写的 agent octopy 每天从十几个信息源里挑选题，挑的那一步就是这类判断。 标题没说的三件事才决定能不能用：30 ms 是在什么硬件上测的，准确率比大模型低多少，「决策」指的是分类、路由还是别的任务。想上生产，先用自己的真实请求把这三项测一遍。 Jeff 的仓库，0.8B 决策模
没越狱的 iPhone 上跑 x86-64 的 Windows 游戏，FEX-Emu、Wine、DXMT 硬叠了三层壳。
在未越狱 iOS 上跑 PC 游戏的项目：https://github.com/willfaust/Madeira
openrig 是个 multi-agent harness，把 Claude Code 和 Codex 收进来，当成同一套系统跑同一个任务。
Claude Code 和 Codex 本来是两个独立的 agent。openrig 做的是把它们放进同一个框架里协作，而不是各自单独跑，这是它和分头使用两个工具最直接的差别。 1058 个星，今天一天涨了 114。它能不能让两个 agent 配合得比单用一个更顺，素材只有这一句功能描述，得自己跑一遍才有数。 openrig：把 Claude Code 和 Codex 当成一套系统一起跑的 mul
五个窗口还在 Macro 想收成一个库
五个窗口还在 Macro 想收成一个库 @ 一下连上 记忆跟着团队走 不跟某一段对话 人我还没搬进去 星数不抄 协议允许自己架 他们主推托管那版 邮件和手机走的是那条 仓库在回复 先看能不能少开一个窗口 再谈换掉整套
面试题最耗的是每题再跳一次
这份小抄把缓存那节摊在同一页 题目和取舍不用从搜索里拼 我还没按它准备过一场 我认这个用法 先把一节读完 再决定往不往下 仓库在回复 收藏不等于会答 会答要能讲清为什么不选另一种
3000 又被一个 next 占着
菜单栏把端口、进程、多久摊开 旁边一颗杀掉 5000 是 AirPlay 上了锁 开发服务可以停 系统那行别手滑 AirPlay 那行我不会去试 仓库在回复 我还没装 装之前仍在终端里找是谁 名字看清了再决定 看不清就先别按
字段看着整齐 我先问出自原文哪一句
字段看着整齐 我先问出自原文哪一句 LangExtract 干这个 给几条例子 把大段文字收成结构 每个值对上原文位置 再生成一份高亮页 合同和病历最吃亏 错一个数 后面整份都歪 星数原帖报了 我没抄 仓库在回复 我还没拿自己的文件跑 跑过再讲漏不漏
Apple Pay 的卡面能换成一张纸板
纸板上写着官方信用卡 括号里是 trust me 下面仍是靠近读卡器 银行的脸可以不亮在柜台 扣款还是原来那张 仓库在回复 我还没装 装了也只是换一张给别人看的皮 钱从哪走 不靠这张纸板
OpenCode 在手机上
键盘把按钮挡住 我留下 OpenChamber 就是为这个 原帖说有时得把手机打横才按得到 图上是桌面 会话、改了哪些文件、提交 在同一块屏幕 仓库标着 11k 它另开一个口 原来的命令行还在 我还没装到自己手机上 远程看 diff 比在键盘缝里找按钮值
榜单前排这周换了一批名字
编排、记忆、skills 微调还在名单里 这周不站前面 ax 排运行时 hindsight 管记住什么 superpowers 规定 coding agent 先做什么再写 星数原帖报了 我没抄 仓库在回复 便宜的是模型 贵的是干完还能对上账 我这周是这么读的
会议记录我烦两头
开完没人写 自己做工具又得先会写代码 hearby 做成了能装的包 原帖说不会写代码的人也能装 我还没装 我认这个切口 重复的记录 不该卡在「你得先会编程」 仓库在回复里 好不好用 我装了再讲
有人把电影里的控制台做成了终端
叫 eDEX-UI 一打开占满屏幕 波形、内存、节点、一块虚拟键盘 本地跑 Windows、Mac、Linux 都有 我想开一次 好看 真要敲命令 我还是回自己那扇又小又丑的窗口 背景变成赛博朋克 命令也不会变短
又一个编程 Agent 把工作台开源了
叫 ZCode 桌面、网页、终端、运行时都在仓库里 GLM 能接 OpenAI、Anthropic 那类接口也能接 Apache-2.0 星数我没抄 我盯的是还要不要搬家 模型接口可以换 三处入口在同一套里 我就懒得把对话再搬去下一个窗口
喂模型之前 我耗掉的时间都在洗文件
喂模型之前 我耗掉的时间都在洗文件 PDF 一遍 Word 一遍 网页再一遍 unstructured 把抽取收成一块 图片和文字一起进 格式先在这里被吃掉 我不指望它一次洗成我想要的结构 我让它先变成能读的文本 第二遍还是我自己看
健身 App 免费版我用烦了
多存一套计划，看完整历史 就得出会员 openGym 自己架 一句 docker compose 数据在自己机器上 手机能装成主屏幕应用 一千三百多个动作，带演示 推拉腿这些现成计划也在 下次加多少，按规则算 杠铃告诉你每边加几片 热身组不拿去污染最大重量 通行密钥登录 没有订阅，不收遥测 数据在自己这边 会员墙那截我不再交
模型我换得很随意
卡住我的是工具 每个新 Agent 再塞一遍 MCP 再交一遍 key 上下文先被钥匙占满 treg 想当工具这边的 OpenRouter CLI 和 SaaS 收成一个登记处 先发现，再用 不用一上来交出几十把钥匙 模型可以换 调用现实世界的那一层，才会留下来收费
一堆 agent 自己跑过夜
我怕它卡在循环里 账单第二天早上才看见 Google 开源了 AX Go 写的 YAML 把 agent 当成集群里的一种负载 我只记三件 沙箱里，CPU 和内存有顶 域名得在白名单上才出得去 卡住了用 ax ssh 看 仓库写了 稳定之前会破兼容 我拿它当参考 不拿它当生产底座
让 AI 动我的 Mac，我原来的算法很亏
每动一下先截图 丢给大模型想完再点 十二步，将近 1 美元 有人把活拆开 屏幕自己 OCR 点哪，交给小分类器 同一趟，0.003 美元 真要打字，才请大模型出场 看和点 不配每次走最贵的那一档
别再一个人当一排 agent 的调度员了
firstmate 只留一张脸给你 你跟主 agent 说一次 它把活拆下去 每人一个干净的 git worktree 收回来的是结果，不是终端墙 我在意它的边界 克隆仓库就是整套做法 没有付费版，也没有注册站 主 agent 要是拆砸了 人多只是一起乱 我先看验收怎么做 再把仓库交出去
微信读书里的划线，我不要再只留在 App 里
社区插件搜 weread 划线进 Obsidian 原帖作者写论文，把 Zotero 的笔记也接了进来 配图是她今年的账 两百多小时 笔记快两千条 这个量不进库，过两个月划过的句子就找不回 我自己会收着点用 只拉自己的划线 热门划线先别灌进来