GitHub 官方出品 Spec Kit，113k stars，让 AI 写代码不再瞎跑！
很多人用 AI 写代码，结果 AI 自由发挥，写的东西不是你要的，或者做到一半跑偏了。 Spec Kit 的做法是：先把需求、方案、任务拆解写成文档，AI 严格按照文档执行。 用法超简单： - /speckit.specify 用人话描述产品需求 - /speckit.plan 定技术栈 - 自动拆成任务清单 - AI 一条条实现 - 最后自己对齐检查 支持 Claude Code、Cursor、
SpiderFoot：免费开源的人肉搜索神器
输入 Email、网址或 IP，自动从 200+ 数据源同时查询： 🔍 Email 是否泄漏 🌐 网站技术架构和关联账号 🔐 资料是否出现在暗网 对自媒体创作者、一人公司超实用，定期检查自己的数字足迹，保护隐私安全。 pip install spiderfoot 一行搞定！
PDF 转 Markdown，我测了 6 个方案，结论是：
表格要求高 → Mistral OCR，直接输出 md 表格，扫描件也行，还免费 本地工具： - pdf2md：快，表格看来源 - pdfplumber：精度高，得自己写 parser - MarkItDown：表格烂 云端 API： - Mistral OCR：表格稳 - Google Vision：纯文字，没结构 - Firecrawl：表格烂 没有表格需求就用 pdf2md，够快够省。
刚刚发现一个很有意思的开源项目 —— Paca 🦙
一个完全免费、可自架的 Scrum 项目管理工具，可以取代 Jira、Trello、ClickUp、Monday。 最特别的地方是：AI agent 不是外挂 chatbot，而是直接作为「队友」加入 Scrum 团队 —— 一起在同一个看板上认领任务、参与冲刺规划、协作撰写需求文件。 支持 Claude Code /paca 指令，也有 MCP Server 可接入各种 AI 工具。完全开源（A
想自己动手造一个 LLM 吗？
EveryonesLLM 是一个在 Google Colab 上从零手搓 nanoGPT 的完整填空教程。 30+ 章节 + 大量练习 + 张量可视化地图，带你一步步理解 Transformer 的每一个组件。 还有预训练、指令微调和 Vision LLM 内容 + 在线 Demo。 中文支持，强烈推荐给想真正搞懂原理的人！
把 Elon Musk 变成了你的开源 AI 创业导师！
基于《The Book of Elon》，做了 10 个 skill，覆盖从第一性原理思考、The Algorithm 规划、删除优先编码、SpaceX 测试、疯狂紧迫感发货，到自进化团队等全生命周期。 直接在 Cursor、Claude Code、Codex 等工具里用。 开源免费，推荐给大家。
凌晨五点让AI帮我打磨文案三遍。
一遍比一遍精致，却一遍比一遍缺人味儿。 用了最贵的模型还是这样。 后来讨论出结论：AI写的东西，背后缺少“存在感”。 人写的字，背后站着一个具体的人，他在具体的位置上，付出过具体的代价。 于是我把关键信息做成了一个技能： 《人味儿写作心法.skill》 特别适合自己写文章或口述后，让AI来改稿。 开源免费发布。
Warp 创始人 Zach Lloyd（前 Google Docs 首席工程师）写了一篇很实用的文章，讲如何给 AI 的 Skill 建立「自我改进循环」。
1/3 核心思路：让 agent 不仅执行任务，还能根据真实人类反馈，自己改进自己的 Skill 文件。 因为 Skill 就是普通 Markdown 文件，agent 改它就等于打 diff，自我进化变得可落地。 2/3 他把流程拆成两个循环（以 issue triage 为例）： Inner loop（执行）：新 issue 进来 → GitHub Action 触发云 agent → 加载
想成为 Claude Certified Architect？
这里把所有必需资源整理成一站式了（建议保存）： • 考试指南 + 免费练习题 • MCP 文档 & API 文档（全免费） • Partner Network（免费加入） 现在 Anthropic 官方的认证路径已经很清晰，对想系统掌握 Claude 架构、生产级应用和 Agent 实践的人来说，值得冲一波。 13 门免费培训课程：https://anthropic.skilljar.com •
BoxPlayer 是个桌面工具，把多个云盘统一管理起来。
支持阿里云、百度、115、PikPak、OneDrive 等网盘，能自动把媒体文件索引成智能媒体库，然后直接通过 Jellyfin、Emby 或 Plex 串流播放，还内置了下载器。 更实用的是，它提供了 CLI，可以方便接入自动化脚本和 AI Agent。 以前要在不同云盘之间来回切换、手动整理媒体、单独配置媒体服务器，现在基本一个 App 就能把大部分流程串起来。 对经常在国内网盘存视频、想自
最近 GitHub 上有个叫 Ponytail 的项目突然火了。
它不是新的 AI 编程工具，而是给 Claude Code、Cursor、Windsurf 这类 Agent 加了一个「懒惰资深工程师」人格。 核心就一句话： 最好的代码，是根本不用写的代码。 现在 AI 的通病是太爱写东西。一个小需求，它能给你整出一堆组件、抽象、配置和依赖。 真正有经验的工程师只会先问： • 标准库有没有？ • 浏览器原生支不支持？ • 已有依赖能不能解决？ • 一行代码够不够
用 Codex/Claude Code 写代码的开发者一定懂：
你下一个大指令，AI 开始进入「Thinking…」，终端机出现转圈圈的 Spinner。 这段尴尬的 2-3 分钟「时间空档」，你都拿来做什么？ 切去刷 Threads？看 FB？结果一去不回头，直接分心半小时？ 罗马尼亚一位老哥 Dragos Roua 觉得这样太浪费专注力了，于是写了这个超疯狂的开源项目：compaction-tetris （大概是让你在等待时玩个小游戏保持状态？） 谁用 A
Telegram 私密频道的视频不让你下载？
可以试试这个开源脚本：Telegram Media Downloader。 使用超级简单： 1. 浏览器安装 Tampermonkey 2. 去 Greasy Fork 搜「Telegram Media Downloader」 3. 打开 Telegram Web 就能直接使用 支持图片、视频、GIF、音频等常见媒体类型。 直接把想保存的东西扒下来，不用再手动截屏或录屏了
YC 现任 CEO Garry Tan 开源了他自己每天用的 Claude Code 工作流
项目叫 gstack 他要解决的问题是： AI coding agent 只有一种模式，你叫它做什么它就做什么 但实际开发里每个阶段需要的脑袋完全不一样 想产品方向的时候要创办人的直觉 做技术规划的时候要工程主管的严谨 review 代码的时候要什么都不信的资深工程师 部署的时候要一个不废话直接把事情做完的人 核心概念是把 AI 拆成多个专门角色，用 slash command 切换 Garry
Andrew Ng 开源了 CLI 工具 Context Hub
一周内破 6000 star，收录超过 1000 个 library 的文档 它解决的问题很直接： AI coding agent 写代码时会乱编 API 你让它接 Stripe，它可能吐出根本不存在的 function name，或者半年前就改掉的旧版接口 因为模型训练数据有截止日期，它不知道 library 最近发生了什么 这听起来很像 context7 在做的事 但我研究之后发现，Conte
23 万行代码、977 个文件，全部摊在 GitHub 给你读。
项目叫 ClawCodex。 最有用的不是代码本身，而是那份 ARCHITECTURE.md。 它把一个 coding agent 切成 query loop、工具系统、任务、状态、记忆、hooks 六个核心组件，每一块都精确标到具体文件和行数。 还画了一条「golden path」，从你打字输入开始，一路到 REPL、async 主循环、模型调用、工具执行，函数接函数全给你串清楚。 想知道 ag
自己搭私人图书馆，真没想到这么爽 📚
BookOrbit 一个自托管的图书馆平台，电子书、PDF、有声书、漫画全在线读。 全部通过浏览器搞定，不用装任何插件 👇 几个让我狂喜的点： 🔹 元数据自动抓取（Google Books、Amazon、Goodreads 等9个来源），信息不用手动填 🔹 Kobo 和 KOReader 双向同步阅读进度，换设备也无缝 🔹 支持推送到 Kindle，老 Kindle 用户直接狂喜 🔹 阅
他们把 FinLab 十年积累的量化知识，打包成 AI 能读懂的格式
让 Claude Code 或 Cursor 直接变成台股策略研发助手 你不用学语法，只要说：「帮我找营收增长但本益比偏低的股票」 AI 就会帮你捞数据、写策略、跑回测 推荐做法是：先用 finlab-ai 让 AI 把策略验证、回测跑完，确认可行再去 XQ 实操 几分钟就能完成手动要花好几个小时的组合测试 这是研发工具，不是印钞机 最后判断还是靠自己 但至少，能更快知道一个想法值不值得试
iOS 上有个开源小工具叫 Loupe。
它能把 App 仅靠公开 API 就能拿到的你的信息全部可视化展示：已安装应用列表、语言、时区、电池状态、屏幕信息…… 拼起来就是一个相当稳定的设备指纹。 想知道自己手机到底裸露成什么样，装一下就知道了。
1 被裁员后，他用 Claude Code 自己做了一个 AI 求职系统，评估了 740+ 个职位，最终拿下了 Head of Applied AI 的角色。
然后他把整个东西开源了。 项目叫 career-ops，只需要一个 slash command，就能跑完整 pipeline。 粘贴一个职位链接，就能得到： 结构化 A-F 评估 + 针对该职位的 ATS 优化 PDF + 薪资调研 + 面试准备 + 自动追踪记录。 彻底告别表格、复制粘贴和盲目海投。 → 14 个技能模式（评估、扫描、生成 PDF、批量处理、申请、深度研究、谈判脚本、Linked
Claude Code token 救星！
最近看到一个开源工具叫 Graphify，有人在 Karpathy 许愿后 48 小时就把它做出来了😂 概念超级简单：把你的整个文件夹（代码、文档、PDF、图片）全部建成一个 knowledge graph。 不需要 vector database，不需要配置文件，直接指向文件夹就搞定了。 最猛的是，每次查询的 token 用量只需要原来的 1/71.5！对大型 codebase 特别有用。 对
不需要再开多个 terminal 在不同 Agents 之间跨终端沟通写代码了！
tmux-bridge 让 Claude Code、Codex、Gemini CLI、Kimi Code 彼此能读取对方的终端，并协同运作，全程通过 MCP。 一行命令搞定： npx tmux-bridge-mcp setup 对用多 AI 工具协同开发的人来说，这太方便了！😎
TokenBar 1.0 正式发布 🎉
全新用 Swift 原生重写的 Mac 菜单栏 App： Liquid Glass 界面、可旋转的 3D 用量图表、更轻量、更省资源。 把 tokscale 的视图分类概念融入菜单栏， token 用量统计比 CodexBar 更细致。 追踪 Claude Code、Codex、Cursor、OpenCode 等 25+ AI coding agents，全部本机读取、零遥测。 安装： brew
最近外部 skills 越装越多，我其实最怕的不是功能不够，而是装进去才发现它会乱拿权限。
GitHub Trending 第5名的 SkillSpector，刚好就在解这个麻烦。 它专门扫 AI skills，支持 repo、URL、zip、单文件，会查 64 种风险模式，像 prompt injection、数据外传、权限过大、tool misuse。 我最觉得有用的地方很简单：把原本只能靠肉眼翻 SKILL md 的风险检查，变成安装前就能先跑一次。 如果你正把外部 skills
phuryn/pm-skills 今天 +1944 ⭐️。
PM 用 AI 提效的系统方法论，覆盖需求分析到文档写作。 有趣的是它和 agent-skills 同天上榜。与其说是工具推荐，不如说是岗位在重新定义自己——AI 时代，每个职能都要补技能包了。
GitHub 今日热榜：addyosmani/agent-skills（+3275 ⭐️）
把 Agent 能力做成模块化技能包——有点像给 AI 装插件，但更底层。每个技能独立、可组合，可以直接 fork 加自己的。 如果你在搭 Agent 工作流或用 Claude Code，这个架构值得参考。
Claude Fable 5 系统提示泄露！长达 12 万字的「超窒息说明书」把我看傻了，我最后甚至有点同情这个模型了...
Claude Fable 5 系统提示泄露，最震撼的不是模型多强、提示词有多厉害，而是 Anthropic 几乎变态地，塞给了 Fable 5 一本约 12 万字的「道德圣经 + 安全手册 + 心理咨询指南 + 拒绝模板大全」。从武器、恶意程序、毒品到自伤内容，几乎没有灰色地带，是目前最详细公开的 Claude 系统提示之一。 最离谱的是，像「握冰块」、「咬柠檬」这类一般人只是替代自伤的方法都被明
现在很多人说 agent，实际还是 Cursor 式的智能补全。
goose 想做的是另一条路：用任意 LLM 完成 install → execute → edit → test 的完整闭环。 不是建议你怎么改，而是真的能把脏活干完的框架。 indie 或者想认真玩 agentic 开发的人可以重点看。
今天 GitHub 一个项目直接把我每天干的事干成了 agent。
它能跨 HN、X、Reddit、YouTube、Polymarket 自动拉素材、合成摘要。 我看完简介的时候愣了一下——这不就是 daily-digest 的自动化版本吗？ 开源，3k+ stars，值得每个做内容研究的人去看看。
Google 官方开源了 13 个 AI Agent Skills。
这些 Skills 是给 Claude Code、Cursor、GitHub Copilot 等代理的「领域手册」： 教它们怎么正确操作 Google Cloud、Gemini API、GKE、BigQuery、Cloud Run 等服务，包含最佳实践和避坑指南。 相当于免费插件，能让你的 AI 代理在 Google 技术栈上少犯错、多干活。 对重度用 Google 云 + AI 代理的人，值得一