文章实测了新加坡 AIPOCH 团队开源的科研 AI 工作台 Open-Science，它以 Claude Code、Codex 等为可替换引擎，外覆科研专用壳层。针对科研三大痛点——文献易被 AI 编造、敏感数据不能出本地、图表无法溯源——该项目提供 36 个科学数据库连接器、本地数据存储、不可篡改的执行记录与血缘图，并支持通过 .science 文件包（基于 RO-Crate 开放标准）导出完整研究过程供他人复现。作者以复现一篇基因表达分析论文为例，验证了差异表达分析与火山图生成，并用独立 AI 审查员完成交叉核验，展示了可复现、可交接的开源科研工作流。
作者分享了开源工具 Hypit 的体验：只需提供一条 B 站视频并输入 clone 指令，Hypit 即可生成完整可修改的源码，精确还原视频中对白、变色文字、表情包出现时机等细节。作者随后通过简单指令将人物和背景替换为湖边风景乃至 LOL 角色凯特琳和杰斯的场景，对白字幕保持不变。整个流程成本仅约 4.338 美元。Hypit 定位为给 AI Agent 做视频的开源语言，核心免费、支持 BYOK，项目已在 GitHub 开源。
作者为做 skill/agent 驱动的 AI 成片产线，梳理了 GitHub 上 55 个近一个月仍活跃更新的同赛道项目，分为三类：装进 Claude Code/Codex 的视频 skill（28 个）、一站式成片平台（27 个，短剧扎堆）、分镜/导演画布（3 个）。核心判断是：skill 化是最活跃的增量方向，短剧是最卷场景，竞争焦点在编排产线而非模型本身，且窗口期真实存在。
文章指出，尽管循环工程备受关注，但决定代理上限的核心是其下层的“基座工程”。作者提出了从单代理到自我进化系统的 14 步路线图，涵盖基座定义、核心配置（记忆、权限、子代理）、技能封装、钩子强制执行、循环自动化、动态工作流编排，以及通过状态文件实现系统自我进化的方法。
文章深入对比了 Claude Code 和 OpenClaw 两种 AI Agent Hooks 系统的设计哲学。Claude Code 围绕“工具调用”构建，侧重于权限审批与企业安全防护；OpenClaw 围绕“事件流”构建，侧重于全链路观测与本地开发扩展。文章从架构、安全模型、事件类型及使用场景等方面进行了详细剖析，帮助开发者理解两者的核心差异与适用边界。
