能不能在 Claude Code、Codex、Cursor 这些 coding agent 之间随便换着用还不丢上下文？
有人把这事做成了开源项目，叫 Portable Resume。思路挺干净：不是硬唤醒你原来那个 session，也不启动来源的 CLI，只是离线读一遍本机记录，整理出一份能带走的交接文档，扔给新 agent 接着干。 目前已经做到 8 个来源对 8 个目的端全覆盖。 想试的话，一条命令 pipx install portable-resume 就够了。
想同时给大陆直连、海外也能打开的项目站，别再死磕 Vercel / github.io 了。
我试下来最省事的是 Cloudflare Pages：域名长这样 xxxx.pages.dev。 节点常在香港，大陆直连多半能上；海外也稳。免费，还能绑 GitHub 自动部署。 Vercel、Railway、OnRender、GitHub Pages、腾讯 EdgeOne、自己买域名建站我都试过。 要「两边都能连 + 省钱 + 上手快」，还是 CF Pages。 不是最炫，是最省心。 懒人玩法：
每个新 session，Agent 都像失忆：项目背景、你的偏好、上次约定，全得重讲一遍。Token 就这么烧掉。
Obsidian Mind 是个开源小工具：给 Claude Code / Gemini 一类 Agent 加跨会话持久记忆。不用注册。 思路简单——记忆落在本地/你可控的结构里，而不是每次冷启动从零解释。 冷启动痛的人值得看一眼。
用 ChatGPT Sites 搭一个带登录的私有文件 Host
上一篇写了 ChatGPT Sites 怎么快速发一个网站（[链接](https://x.com/iluciddreaming/status/2078313581851083183)）。 这篇讲一个更偏工程向的玩法：**用 Sites 搭一个带登录的私有文件 Host**——可以上传、下载、浏览文件，也能用脚本把本地目录同步到站点。重点不是空间有多大，而是 Sites 把 **Workers +
玩 Multi-Agent 大半年，我仍坚持：
LLM 可替换；Architecture 可替换；Harness 可替换；IDE / Skill / Knowledge 都可替换。 值得长期养的，是 Identity / Memory——你是谁、做过什么、偏好什么。 工程上也一样：记得住上下文，才谈得上持续协作。
腾讯 WorkBuddy 产品负责人汪晟杰说：
每个 App 背后都该有对应 CLI；有了 CLI，大模型才能直接调。CLI 不是目的——是为了让模型理解系统，调用时不必绕 GUI。 GUI 的颜色和按钮是给人看的。让 Agent 等页面加载、点按钮，是绕远路。命令行和结构化数据，对它直接得多。 入口若变成 Agent：人 ↔ Agent ↔ CLI ↔ 软件。
AI Agent 开源教科书，GitHub Trending 日榜第一，单日 +1700 星。
《深入理解 AI Agent》：记忆、RAG、MCP、多 Agent、强化学习到 Coding Agent，附 PDF 和每章代码。 Python，学理工程并重。开发者建议收。
TLDR offline：让 Agent 直接画图。
离线 tldraw + skills + SDK，跟 Agent 画架构图、流程图。 不是再截一张草图——是画板本身可被 Agent 驱动。
用 Agent 在 LinkedIn 帮你找工作。
开源 linkedin-mcp-server：Chrome 扩展拿 session，Agent 直接搜岗位，还能改 headline 提高曝光。 自己架在本机，权限在你手里。 Headline 怎么写 LinkedIn 风，网上有 skill 可抄。
open-slide 的 Morph Transition 正式发布了。
以前 Keynote 的 Magic Move 最香：自动认前后页相同元件，做移动缩放转场，演示立刻专业一截。 现在跟 Agent 说一句「我要 Morph Transition」，内置 skill 就会教它怎么生成。 框架不是替代 Agent，是给投影片特效搭脚手架——Codex / Claude Code 照样驱动。 GitHub：https://github.com/1weiho/open-
用 orchestrator 搭了个「办公室」，让订阅里的几个 Agent 能互相说话。
不用串 API，纯烧订阅 token。 互相监督干活——只希望它们别搞小团体。 Agent 协作不一定要先上复杂编排：订阅额度 + 一个协作层，有时就够玩出多角色。
既能写 API，也能和客户喝 IPA：FDE 的核心素质
既能写 API，也能和客户喝 IPA。 这句话不是段子。 是 AI 落地里最稀缺的一种人。 OpenAI、Anthropic 都在招这种人，岗位名叫 FDE。 可我跟大厂工程师聊，很多人听都没听过。 至少在 AI Agent 落地这条线上，值钱的已经不是「把代码写对」， 而是「把业务结果扛下来」。 我把它拆成三件事：能交付 agent、能谈拢人、能为结果担责。 --- FDE 全称 Forward
Cloudflare 刚给 AI Agent 开了「临时账号」。
以前让 Agent 部署，最烦的是：先帮它申请账号、配 API Key、过 OAuth，还可能卡 MFA。 现在它可以直接用 Wrangler 起一个临时环境：写完、部署、验证、再改。 60 分钟内你可以 Claim 转成永久账号；不认领就自动销毁。 等于给 Agent 一套「可丢弃实验室」。 基础设施正在从「服务人类」转向「也服务 Agent」。 这比把一把永久钥匙塞给它安全多了。 有人已经试过
现在做 AI Agent，相当于 2017 年做抖音。
2017 年抖音打破的是「谁能被几百万人看到」。 AI Agent 打破的是下一层：当别人看到你之后，怎么把你的判断力和方法论，做成一个能被反复调用的产品，持续交付出去。 以前这需要一个团队。现在一个人也能做。
微软开源了一套免费课程《AI Agents for Beginners》，GitHub 已封战 61k+ 星。
课程内容：什么是 AI Agent、怎么用 Tool/MCP、多代理人系统、Context 管理、让 AI 操作浏览器、安全部署——一路到完整实战。 直接支持繁体中文，每课都有 YouTube 讲解和示例代码。 不是教你怎么聊天，是教你怎么让 AI 替你打工。
9 个免费 AI Agent 课程，全部官方出品：
DeepLearning.AI × crewAI：多智能体系统（2h41m） LangChain：LangGraph 入门（5h58m） DeepLearning.AI × LangGraph：AI Agents 进阶（1h32m） AWS SkillBuilder：Prompt Engineering 基础（3h50m） UC Berkeley：LLM Agents MOOC（4h20m） 还有
AI 编程进入下一个阶段了。
以前：一个人指挥一个 Agent。 现在：一个人管理一整支 AI 团队。 Antrigravity Agent Teams：输入 /teamwork-preview，自动组成 PM + 设计师 + 工程师 + QA。 这些 Agent 不是各做各的，会互相讨论。设计师做的颜色和规格不一致，工程师和 QA 直接指出，一起修改。 当 AI 开始拥有职位、分工和会议，真正被重新定义的，可能是「团队」这件
⚠️ 3 条 thread
1/3 孙正义：2040 年，地球由 100 兆个 AI Agent 接管，人类作为最高等生物的时代彻底结束。 朐人说笑他疑神？看看他的打脸历史： • 2000年：听了 6 分钟简报就把 2000 万美元投给初创的阿里巴巴，最终抱回 1400 亿美元 • 2016年：大家笑他花冤大头用 320 亿美元强娶 Arm，现在全天下最强 AI 芯片底层架构全得管他叫爸爸 （中间也有翻车。WeWork 慏赔
接 AI agent 到 Gmail、GitHub、Slack，卡的不是 prompt
是每个服务的 OAuth 都要自己刻一遍，API key 还得塞进 agent 手里 open-connector 反着来：1000+ 服务、上万个现成 action，一个 gateway 全包，secret 锁在 runtime 后面，agent 只拿到结果 还能自己部署
用自己域名收发邮件，不套第三方服务——Cloudflare 刚开源了做到这件事的方案。
叫 agentic-inbox，完全基于 Cloudflare 基础设施。 对 indie dev 来说：基础设施成本又可以往下砍一刀。
每 5 小时一次的 AI 配额，正在重写你的工作节奏
打开 Claude Code，提示说配额用完了。 不是月底。是今天早上十点。 你订的是 $100/月 的方案，按月算应该还有三周。那配额去哪了？ Claude Code、OpenAI Codex、Google Antigravity——这三家主流 AI 编程工具，在 2026 年中几乎同时换掉了计费逻辑。 不再是「这个月能用多少」，而是：每 5 小时一个滚动窗口，从你发出第一条 prompt 开始
AI 不是一个东西，它是一个能力演进的过程。
60 秒理解 AI 的 4 个阶段： ① 大脑（LLM）：思考 + 写作，但只知道训练数据里的东西 ② 大脑 + 书（RAG）：思考 + 实时检索，知识不再过期 ③ 大脑 + 工具（Agent）：思考 + 行动，能操作文件、浏览器、API ④ 大脑 + 团队（Multi-Agent）：多个 Agent 协作，并行完成复杂任务
AI agent 的「应用商店」来了：SkillCenter
一条命令装好现成 skill，直插 Claude Code、Codex、自定义 agent。 它干的事： - 爬 GitHub + skill 库 - 提取 SKILL.md / SOUL.md - 打成一个可搜索的索引 Docker / React / RAG / Security 千种 skill，拿来即用。
Meta 正式推出 Muse Spark 1.1，重点不是聊天，而是 agentic workflow、电脑操作、工具使用、写代码。
根据 Alexandr Wang 的说法，Spark 1.1 在多个 agentic 评测中已可与 GPT-5.5、Claude Opus 4.8 放在同一级别比较。 Spark 1.1 在 MCP Atlas、Finance Agent v2 等领先；但 SWE-Bench Pro、DeepSWE 等纯编码项目 Opus 4.8 或 GPT-5.5 仍领先。更准确的说法：Meta 终于有了一个可
GPT-5.6 Sol 现在跑在 Cerebras 的「一整片晶圆当一颗芯片」硬件上。
速度：每秒 750 token。 普通 GPU：每秒 40–12 0。 差距：10 倍。 4000 token 的输出，GPU 要等一分钟，Cerebras 大约 6 秒。 对做 AI agent 的人最有感：实时语音、实时 coding 的可行边界往前移了。 你用的 agent ，最卡的是不是它慢慢吐字那段？
ChatGPT Work是什么？新手完整教学：做什么、怎么用、风险在哪
ChatGPT Work 是 OpenAI 推出的工作型 AI Agent，和普通 ChatGPT 最大的区别是：它不只回答你的问题，而是能帮你完成一份完整的工作成果。 会议记录整理成待办清单、多份文件整理成简报大纲、表格分析后出具报告——这些都是它能做的事。 但它也有明确限制，不是什么都能交给它处理。本文用新手能看懂的方式说清楚：ChatGPT Work 能做什么、新手怎么开始用，以及最容易忽略
有人在 GitHub 做了一套免费 AI 课程。
不是理论，是完整实战系统： Week 1 → Docker + FastAPI + 数据库 Week 2 → 自动化数据管线 Week 3 → 自己搭搜索引擎（BM25） Week 4 → 混合搜索（语义+关键词） Week 5 → 完整 RAG 系统 Week 6 → 生产级（缓存+监控） Week 7 → 用 LangGraph 做 Agentic AI 不是「学 AI」，是动手做出来。
AI Agent 中文学习路径——两条路线，找到你的路：
路线 A（8-10 周）：CLI 进阶使用者，用好现有 Agent 工具 路线 B（16-22 周）：Agent 开发者，打造属于你自己的 Agent 共同经过 Claude Code 生态（MCP / Skills / Subagents）和 Agent Interfaces（Computer Use / Browser Use） 每周投入 5-8 小时，系统走完。
2026年AI从业者的知识鄙视链要变了。
光会调 API 不够了。这8个方向值得重点投入： Agentic Loops、MCP、MultiAgent System、AI Gateway Inference Economy、Evals、Guardrails、Observability 有个规律：前4个是"搭什么"，后4个是"怎么不翻车"。 只盯架构，不懂 Evals 和 Observability，系统上线就是盲飞。
2026年下半年，这8个AI概念值得重点关注：
- Agentic Loops（智能体循环） - MCP（模型上下文协议） - Subagents & MultiAgent System（多智能体系统） - AI Gateway（AI 网关） - Inference Economy（推理经济） - Evals（评估体系） - Guardrails（护栏机制） - Observability（可观测性）