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。
全部文档 / 作者: 雪踏乌云 (@Pluvio9yte)
36 篇
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。