如何从零开始打造自己的爆款监控系统
作者分享了一套自研的自媒体爆款监控系统，涵盖多平台数据采集、R/M双信号评分引擎、两级AI分析管线及Vue前端部署。该系统实现了142个对标账号的自动化监控与爆款归因，大幅提升选题效率。
全部文档
18 篇
我测试了5个声音克隆项目，最后留下了这一个
本文分享了作者在制作AI视频过程中，从使用MiniMax云端API转向本地部署IndexTTS2的实践经验。作者详细对比了两者在中英混排发音、音频格式、离线能力、声线一致性及成本等方面的优缺点，最终选择了IndexTTS2以保障视频工作流的可控性与稳定性。
用代码做视频：HyperFrames 和 Remotion 选型指南
文章对比了 HyperFrames 和 Remotion 两个代码生成视频框架。HyperFrames 基于 HTML/GSAP，零构建、AI 友好，适合从零构建的动画和 AI 自动化管线；Remotion 基于 React，支持视频导入叠加和批量渲染，适合在已有视频素材上合成。作者建议根据底层是否含视频、AI 参与度等场景按需选型。
一个人的 AI 视频生产线：从 MiniMax 到本地声音克隆与数字人
文章详细记录了作者构建个人 AI 视频生产线的全过程。包括从 MiniMax 云端声音克隆迁移到本地 IndexTTS2 以降低成本和延迟，解决参考音频漂移问题；接入 HeyGen 数字人实现虚拟分身，并通过脚本自动化视频合成与人脸裁切。文章分享了具体的代码配置、生产流程（脚本、配音、字幕、合成）以及避坑指南，适合高频视频创作者参考。
Codex + Hyperframes + HeyGen +声音克隆：零基础自媒体变现全开源
作者分享了利用 Codex、Hyperframes、HeyGen 和 IndexTTS2 等工具构建的自动化视频工作流，实现了零基础、低成本的短视频制作与变现。文章详细介绍了各工具的选型理由、工作流架构及成本账单，旨在帮助读者通过 AI 技术解决内容生产的效率问题。
我的 55 个 AI视频 Skill 全部开源，这是每一个的用法
作者开源了 55 个用于视频生产的 AI Skill，涵盖选题、洗稿、配音、剪辑、动效及质检等全流程。通过 Skill 的自动串联，实现了“一句提示词出一条视频”的高效工作流，大幅降低了内容创作的时间成本。
Codex 史诗级更新实操教程：Work、Plugins、内置浏览器、Ultra 与 Chat 一次讲透
文章深入介绍了 Codex 的史诗级更新，详细解析了 Work、Chat、Plugins、内置浏览器及 Ultra 等新功能。作者通过实操案例，讲解了 Work 与 Codex 的区别、插件使用技巧及多 Agent 协作模式，帮助用户从单一代码编写转向完整的工作台操作，提升研发与内容创作效率。
月入23w，我把自己拆给你看：复利思维与自媒体变现
文章作者分享了自己从月入五位数跃升至六位数的经历，主要归功于复利思维和自媒体运营。他详细描述了从外包“赛博体力劳动”转型为利用AI和自媒体流量变现的过程，强调通过持续积累流量、构建产品护城河（如中转站）来实现收入复利增长，并探讨了流量变现与个人品牌建设的逻辑。
开源史上最强去AI味Skill-[人话.skill]
作者测试了十余个开源去AI味项目，发现通用Skill效果有限。通过拆解shuorenhua、stop-slop等项目的规则，作者总结出一套适用于中文技术文章的个性化去AI味检查清单，并指出Opus4.6是最佳搭配模型。
Token省35%、工具调用暴降94%！本地知识图谱改变的5个编程习惯
作者分享了使用本地知识图谱重塑编程习惯的经历。文章详细对比了RAG和知识图谱的区别，介绍了Graph RAG的概念，并展示了如何利用开源工具CodeGraph将代码库转化为知识图谱。这一改变使Token消耗降低35%，工具调用减少94%，显著提升了开发效率。
Codex++：给 Codex App 补上真正实用的增强能力
文章介绍了一款名为 Codex++ 的增强工具，旨在解决 Codex App 原生版在插件锁定、会话管理及 API 接入（如 DeepSeek）方面的痛点。它通过外部启动和 CDP 注入实现功能解锁、会话删除、Markdown 导出及中转注入，提供完整的生态补丁层，提升开发效率。
Codex CLI /goal 模式详解：OpenAI 官方 Ralph Loop 的自主迭代引擎
文章详细介绍了 OpenAI 在 Codex CLI v0.128.0 中引入的实验性功能 /goal。该功能基于 Ralph Loop 理念，使 Codex 能从单次对话转变为自主规划、持续迭代、自我修正的代理，直至完成高层次目标。文章对比了 /goal 模式与正常模式的区别，列举了适用场景如长周期重构和无人值守开发，并指出该模式能显著提升任务完成度和工程质量，但需注意 Token 消耗。
Claude Desktop 接入第三方 API 教程
本文介绍了如何配置 Claude Desktop 以接入 DeepSeek、GLM 等第三方或国产模型，提供了详细的开启开发者模式及配置 API 的图文步骤。此外，作者分享了两种节约成本的高效工作流：一是利用 Claude 生成并沉淀包含规范和系统 Prompt 的 Skill 文档；二是结合免费模型（如 Ling-2.6-1T）执行具体生成任务，实现低成本高质量的产出。
MemOS —— 给Hermes打造永续记忆
文章探讨了如何利用 MemOS 插件为 Hermes Agent 构建长期记忆系统。作者指出，单纯的模型能力不足以支撑持续成长的 Agent，关键在于记忆的组织与沉淀。MemOS 通过全量写入、语义切块、去重合并、混合检索及任务归纳等机制，将对话转化为结构化的经验记录，并配合可视化面板实现了记忆的本地化管理。这使得 Hermes 能够记住用户习惯与上下文，从“一次性工具”进化为“越用越顺手”的生产力系统。
DeepSeek V4：一份技术报告里藏着的地震
本文深入解读了 DeepSeek V4 技术报告，指出其核心意义在于实现了训练系统与硬件的解耦。通过英伟达 GPU 和华为昇腾 NPU 的混合验证，中国 AI 训练从“被卡脖子”的死结转变为时间可解的工程问题。作者认为，这是 AI 算力自主可控的分水岭，改变了产业竞争的根本逻辑。
Claude Opus 4.7 vs GPT-5.5：亲测三天后的真实心得
本文分享了作者通过十亿Token的消耗量，在三天内深度对比Claude Opus 4.7与GPT-5.5的真实心得。测试涵盖大型代码重构、Agent搭建及前端生成等场景。结论显示，GPT-5.5在推理效率、执行力和成本控制上表现卓越，已成为作者的主力工具；而Opus 4.7虽在规划与视觉分析上仍有优势，但存在Token消耗激增、上下文检索变差等“倒退”问题。文章还总结了Reddit社区的声音，提出了“Opus规划、GPT执行”的Handoff最佳工作流。
Hermes Agent 从 0 到 1 教程
本文介绍了由 Nous Research 开源的自改进 AI Agent 框架——Hermes。该框架的核心优势在于内置的学习循环和持久记忆系统，能够自动从经验中提炼可复用的 Skill 并构建用户模型。文章提供了快速安装指南，详细解析了其多层记忆、Skills 系统、内置工具及多实例支持等特性，并将其与 OpenClaw 进行了对比，旨在帮助用户从 OpenClaw 迁移或快速上手 Hermes。
扒完了泄露的 Claude Code 源码，我发现“Vibe Coding”的尽头其实是工程化
文章基于泄露的 Claude Code 源码，分析了其底层的 Agent 框架逻辑，揭示了五个关键真相：Prompt 需要结构化、工具使用本质是状态机循环、必须主动管理上下文、工具权限需收敛以及优雅降级的重要性。作者指出，真正的 AI 生产力取决于人类提供的结构、边界和上下文，而非随意的 Vibe Coding。