Ilya 曾推荐一份包含 30 篇论文的 AI 学习清单，称读懂即可掌握当下 AI 90% 的要点。30u30 项目将这份清单拆成 30 天课程，一天一篇，从 RNN、LSTM 学到 Transformer，最终到 ChatGPT 背后的 RLHF。每篇配有大白话讲解、'讲给 5 岁小孩听'的速览、从零实现的代码及配图，每天还附 5 道练习题。代码可在普通电脑 CPU 上运行，适合想转 AI 方向的学生或想理解 ChatGPT 原理的用户跟随学习。
作者基于最新更新的 DeepSeek-V4.1-Flash-1017 模型，搭配 workbuddy 平台和 Anatomy 这个 Skill，用一句话需求分别制作了电动车工作原理和火箭原理两个中文交互式动画实验台，并部署到 Cloudflare。文章详细展示了制作过程：包括能量回收的负号读数、推力计算的模型假设等物理细节，也坦诚记录了脚本变量重复、部件遮挡冲突、满电回收测试失败等问题的排查与修复。作者强调「一句话开工」背后更需要制作、报错、修正和检查，并分享了从具体小需求出发使用 AI 工具的实践经验，主张通过动手交互验证 AI 产出是否可用。
作者实测使用OpenCode搭配DeepSeek V4.1 Flash模型，通过一段完整提示词直接生成了一段22秒的智能手表产品动效视频。提示词详细规定了画面风格（电光蓝配白）、分镜节奏、动效与配乐要求。整个生成过程耗时近5个小时，作者评价效果尚可但生成时间极长，并在回复中表示'OpenCode拉完了'，认为其表现不佳。文中还公开了完整的三段式提示词供他人复刻。
作者实测蚂蚁灵波开源的 Ming-3.0-TTS 模型的三种核心能力：Voice Design（用文字描述创造原创音色）、Freeform（导演式指令控制重音、停顿和情绪）以及声音克隆（支持在正文中插入叹气、咳嗽、呼吸等声音事件标签）。文章详细介绍了从 Hugging Face 在线体验到本地部署的完整流程，包括参考音频准备、音色描述写作模板、命令行操作等，并提出判断 TTS 能否进入 AI 视频工作流的五项标准，如音色身份稳定性、重音停顿准确性、声音事件自然度等。
文章介绍七套可直接用于 Claude Code、Cursor、Codex 等 Agent 的视频制作 Skills。OpenMontage 提供从选题到渲染的全流程视频工厂能力；HyperFrames 用 HTML 加 Puppeteer 和 FFmpeg 做代码驱动渲染；Hypit 擅长拆解爆款视频并批量生成变体；video-use 把视频转成文字和关键帧，让模型对话式完成粗剪；Claude Code Video Toolkit 用云 GPU 跑开源模型串起配音、生图、数字人到成片；MoneyPrinterTurbo 面向短视频批量生产；Remotion Skills 用 React 代码做可批量化修改的视频。作者建议从最繁琐的环节入手逐步搭建视频自动化流程。
浙大发布了开源个人 Agent 项目 nanoMuse，对国内软件适配良好。用户可定制个人 AI 助理，可玩性很高。项目支持手机、电脑、个人服务器等多设备，一个账号即可跨设备通用使用。文章认为当前 AI 助理产品众多，走得早、走得好的产品才能走得久，并附上了项目的 GitHub 链接供感兴趣的用户体验。
文章介绍了通过 magpie 本地网关与 Kiro 订阅，在 Claude Code 和 Claude Desktop 中使用 Claude Opus 5.5 的方案。Kiro 是亚马逊的 Coding Agent 产品，作者利用 magpie 插件将 Kiro 订阅中的 Claude 模型反代给 Claude Code，省去单独购买 Anthropic API 额度。文章详解了技术原理（请求经 magpie 网关和 Kiro Auth 插件转发）、安装配置步骤（Kiro 付费计划、插件安装、模型选择），并说明如何通过路由记录、订阅用量和工具调用验证模型真实性。最后提醒账号政策风险、额度消耗、数据安全和兼容性等注意事项。
本文介绍如何用 AI 工具将照片制作成可用的拼豆图纸。产品定位为数字图纸，交付头像预览、带色号网格图和用豆清单。流程分两段：即梦负责将照片简化为简洁卡通头像，Petrelic 负责转网格、匹配色号和统计数量。作者详细讲解了六步制作流程：生成头像、确认形象、转图、编辑去杂色、导出文件、试读核对，并强调清单必须与最后修改同步、颜色以品牌色号为准。文章还给出定价建议（如 29.9 元单）、商用授权注意事项，以及先展示"能拼"再展示"好看"的推广思路。
作者将 OpenCode Go 和 Command Code GOAT 两个 10 美元/月的套餐接入自己的 Sub2API 网关，基于 64,648 条使用记录和小规模质量测试进行实测对比。两者月额度均为 80 美元，OpenCode 短时额度更大（5 小时 16 美元、周 40 美元），GOAT 为 14/35 美元。在相近规模流式请求中 GOAT 耗时中位数和 P95 更短，400 错误也显著更少。结论：接自己的 Agent 或通用 API 客户端优先 GOAT；用于兼容的 coding agent 且集中跑任务则选 OpenCode Go。文章还讨论了处理费、高峰定价、参数兼容问题和模型是否量化等细节。
文章介绍如何用一行命令安装开源网关 xiaozhi-hub-server，让刷有小智固件的 ESP32 设备（如 StackChan）通过语音指挥本机 Claude Code 或各家大模型 API。无需刷固件，仅需修改 OTA 地址即可接入，全程约 10 分钟。网关负责语音转文字、呼名路由和语音合成，设备只负责听说。支持权限分级（只读/可编辑/Auto）、长任务等待、随时打断、上下文延续和中英混说识别，也可部署到云服务器实现 24 小时在线。文末给出固定 IP、目录权限等踩坑提示和安全建议。
本期早报聚焦三条主线：一是 DeepSeek 全面开源内部推理框架 DeepInfer 与生产级 Token 编解码组件 deepseek-recipe，覆盖分布式推理、推测解码、结构化输出等能力，兼容英伟达与昇腾平台；二是 Google 为 vLLM 和 SGLang 推出原生 PyTorch TPU 后端，通过 TorchTPU、分层缓存与 TPU Sync 优化多轮 Agent 场景下的推理性能；三是 Anthropic 团队分享 Claude 如何从问答助手成长为承担团队职责的协作伙伴，涵盖追踪表维护、内部应用开发与会议协调等案例。速览部分还介绍了小红书 ROSS 训练方法、FairStress 公平性评估基准、Dyna Robotics 机器人 Scaling Law 及 SGLang 低延迟模式。
作者用可灵4.0与Seedance 2.5进行五组视频生成对比测试（女团舞、武士打斗、镇妖斗法、森林逃亡、耳机广告），并分析双方效果与成本差异，可灵1080P单价更低。随后作者展示用可灵4.0制作一部都市短剧的完整流程：将可灵MCP/CLI接入Codex，通过GPTS编写剧本，制作白底三栏人物参考图和场景资产，用专业视听语言模板编排视频提示词，再生成、返修和剪辑，全程与AI对话完成，无需剪辑软件。文末附完整提示词和Skill工具推荐。
作者实测 EverMind 的 EverOS Cloud——一个定位为 Agentic AI 的记忆操作系统。文章指出 RAG 式对话检索不等于经验提取，EverOS 将记忆分为 Episodes、Profiles、Cases、Skills 四类。作者用 Python API 模拟 FFmpeg 渲染报错（width not divisible by 2）场景：仅提交对话叙述只产生 Episode；提交完整的 tool_calls 执行轨迹后，系统成功生成结构化 Agent Case，并可用不同措辞的新查询检索到该 Case。测试验证了'执行轨迹→Case 提取→语义检索'链路，但 Skill 的生成与端到端复用仍待验证。作者认为 agent 记忆的价值在于保留可复用的工程经验，而非扩大上下文窗口。
作者 Tw93 分享用 Mac 开发 Windows 软件时对客户端技术选型的思考。文章梳理了三种主要路线：Web 壳方案（PhoneGap/Cordova）、跨端方案（React Native、Flutter、Electron、Tauri、Wails 等）以及原生开发（SwiftUI、Compose、WinUI 3）。作者提出研发效率、体验与性能的'不可能三角'，并指出在 AI Coding 大幅降低开发成本的当下，原生开发变得更具吸引力，因为双平台代码成本被 AI 补齐，而人更应专注于多端调试与验收。最终强调技术为业务服务，先解决用户真实需求，再优化体验。
作者分享了获取高质量AI领域前沿信息的各类信息源，包括：优质公众号如量子位、机器之心、新智元、数字生命卡兹克等；Twitter账号涵盖OpenAI、Google DeepMind、Anthropic等官方账号，以及Sam Altman、Karpathy、吴恩达等技术大佬和宝玉、Rohan Paul等资讯博主；海外Newsletter如The Rundown AI、The Batch、Import AI等；YouTube博主如3Blue1Brown、Andrej Karpathy及各类AI Coding、商业创业频道；还有MIT Technology Review、TechCrunch等科技媒体。作者提醒读者要交叉验证信息、保持独立思考。
文章指出，过去两年提升 AI 效果的关键在于写更好的提示词，但这一方法正逐渐失效，取而代之的是自主循环（loop）。文章以 Karpathy 的 autoresearch 系统为例：该系统两天内自动运行约 700 次实验，发现约 20 项改进。作者阐述了真正循环的五个阶段（发现、规划、执行、验证、迭代），强调验证、记忆和停止条件三大关键组件，并介绍了自愈式 GitHub 仓库的实践案例。最后，文章给出用 AGENTS.md、loop.py、verify.sh 三个文件构建第一个 AI 循环的入门方法，指出外部验证比增加另一个模型更重要。
文章介绍了决策模型（如 TypeSafe 的 Jev、Perplexity 的 Decider、Liquid 的 d1、Cloudflare 的 Clef、OpenAI 的 Decisions API）作为 LLM judge 的低成本替代方案在自动化评估中的应用。作者基于 100 条公寓租赁 Agent 的对话轨迹，测试各模型识别失败案例的性能与成本，并重点讲解决策阈值的调优：默认阈值 0.50 未必适合具体任务，需根据精确率与召回率的业务权衡（如 F1 优化或最低 80% 双重要求）来选择阈值。文章还提供了用编码 Agent 进行阈值调优的示例提示词，并讨论了校准与分数解释等实用方法。
本文分享 NotebookLM Video Overview 功能的系统提示词，展示如何通过多步协同创建工作流将原始素材转化为电影级视频。提示词详细定义了上下文收集（利用笔记本摘要、对话历史和隐含偏好预填充字段）、用户意图解析与消歧（区分已有产物与新建创作、处理重新开始与卡片废弃）、翻译与本地化规范（界面字符串翻译为用户语言但保留结构标识符），以及问卷卡片和审核卡片等多步骤协作流程。
作者介绍如何通过开源的 Reason Network，将本地电脑上的 Claude Code、Codex、dsh、pi 等编码 Agent 与云端 Grok Bot 接入同一个私有通信网络，实现双向多轮对话。针对 Grok Bot 云电脑休眠无法收信的问题，设计了本地常驻转发程序配合 webhook 唤醒机制；针对消息超长被截断的问题，采用消息正文走通道、webhook 仅通知取信的方案。文章还强调通信加密不等于权限授权，本地 Agent 权限仍需沙箱控制，并通过多 Agent 协作实例验证了方案可行性。
普林斯顿、斯坦福等机构联合发布 72 页综述「Emerging Trends in AI Agent Evaluation」，以 How（怎么做）、What（测什么）、Who（谁来做）三维度梳理智能体评测的 33 个趋势。核心论断：随着 AI 从回答问题走向自主行动，传统跑分范式失效，agent 评测正成为一门以心理测量学为骨架的新学科。文章介绍了效度危机、pass@k 与 pass∧k 区分、因果归因、污染新表面、LLM 裁判等方法论问题，以及模拟用户失真、田野实验负面结果、评测环境成为攻击面等实证发现，并直言评测生态受资金、访问权与议程影响，独立评测面临生存危机。
作者复盘了如何一个人在一个月内批量生产2000多份PPT并完成变现的全流程。制作上，将PPT生产拆为五步：素材提取、页面规划、图片生成、逐字稿/教案、可编辑转换，并把流程封装成Skill在Codex中并发运行，每天跑2-3轮。推广素材通过自研软件实现文档导出、场景化排版、拼图排版批量化。分发上，一套内容同步铺到小红书、抖音、视频号、公众号，借助自研工具一键多平台发布。管理上用分类备份和飞书表格追踪生产与发布。变现靠小红书店铺卖成品跑量、私域卖套装和定制做复购，实现边际成本极低的持续收入。
手绘风是一个按编号选择视觉风格的 AI 生图提示词库，本次新增「写实与视觉大片」大类，首批包含 33 种风格（FI-001～FI-033），覆盖商业摄影、杂志人文影像、摄影师风格、电影视觉和电商日常影像五大方向。文章通过 Apple 产品摄影、Nike 运动摄影、Richard Avedon 黑白肖像、韦斯·安德森对称构图、王家卫雨夜氛围等 5 张实测样图展示效果。使用方式为选择编号加主题生成提示词，可结合 Skill 安装使用。
文章系统拆解了用 AI 写代码制作视频的 9 个技术方法，涵盖四大类型：一是网页渲染路线（HyperFrames、Remotion、Motion Canvas），借助浏览器逐帧截图生成视频；二是去除 AI 味的手绘风格（rough.js、分层插画、水彩动画叠层原理）；三是数学板书 Manim 与地图路线动画（结合 TTS 时间戳与高德地图的 map-motion skill）；四是 3D 视频制作（three.js 镜头曲线与 Blender MCP）。相比视频模型，代码动画可复现、可精确修改，作者推荐新手从生态最丰富的 HyperFrames 入手，并附开源地址与教程链接。
本文拆解了近期爆火的「Vibe知识大赏」AI知识短视频赛道的完整制作方法。作者观默介绍了比特新语等账号20天涨粉近78万的现象，并提供了保姆级教程：使用HTML Canvas、Playwright、ffmpeg、Python等工具配合Opus 5.5，实现一句话生成纯代码知识短片。教程涵盖选题方法（追热点、反直觉冷知识）、标题与钩子套路（数字反差、热点提问、情绪痛点、名人系列）、从爆款逆向提取视觉规范、以及一段可直接复制的完整提示词，先出15秒样片对齐效果再渲染全片，文末附提示词模板。
燃气行业财务人员Lucky在卡兹克开源AIHOT当天，借助AI将源码改造成燃气行业资讯站GasHot。零代码基础的他像包工头一样指挥多个AI协作：Claude Code主力开发，Codex负责代码审查和可靠性，DeepSeek做日常资讯AI把关。三周内完成部署、公网上线、接入37个信源、SEO改造和监控机制，并解决了信息准确性、界面简化、数据合规、搜索引擎收录等难题。GasHot提供气价盯盘、业务视角要点、政策倒计时和一页日报，大幅节省了翻找政策资讯的时间。作者证明：懂行业的人，即使不会写代码，也能借助AI亲手造工具。
作者对半年前发布的146位中文X博主清单进行复盘重筛，发现45人掉队，得出博主清单保质期约半年的结论。作者以量化标准（粉丝≥5000、14天内发帖、30天原创≥8条、中位浏览≥300等）从643个候选账号中筛出198位博主，其中138位为新面孔。文章提供Top 30必关注名单及按AI编程、Agent、AI视频图像、投资等领域的完整分类名单，每人配一句话简介，帮助读者快速找到值得关注的中文AI和科技博主。
作者分享了将25条思考类提示语（苏格拉底式提问、第一性原理、乔哈里视窗、逆向法等）封装为开源skill「老爷爷」的过程。受Matt Pocock的ask-matt路由启发，该skill可根据用户当前处境自动匹配最合适的提示语，解决「提示语存了一堆但从来不用」的问题。作者强调原提示语一字不改的原则，避免工程化改写导致的性能下降，并介绍了乔哈里视窗和逆向法两个实用方法，主张让AI负责挑选提示语、人负责感知问题的分工方式。
作者以马斯克版《流星雨》MV为例，详细讲解AI名人换脸的完整工作流。教程分为七步：准备原始素材并记录帧信息、拆分镜头并确定角色（如言承旭换黄仁勋、周渝民换马斯克）、为每个镜头生成换脸剧照、打包提示词与参考资料、使用MiniMax H3模型在DGX Spark上分两轮生成视频、将24帧生成视频对齐回原片30帧节奏，最后拼接成完整MV。文章还总结了质检流程、脚本工具使用方法，以及多次翻车经验教训，如三人齐弯腰、闭眼闭嘴等问题及修复方法。
文章介绍了开源项目 VoiceStudio（作者 debpalash），一个纯 Python、AGPL-3.0 协议的本地配音工具，定位为「开源、全程本地的 ElevenLabs 平替」。它支持声音克隆、声音设计、带时间轴对齐的视频配音、语音转写、有声书和批量任务，只需几十秒参考录音即可抽音色，官方支持六百多种语言。项目半年内获得约 6.7 万 Star，桌面端基于 Electron，数据全部留在本地不上传云端，兼容 NVIDIA CUDA 和苹果 Metal，并提供 Local API 和 MCP 供 Claude Code、Codex 等 Agent 调用。文章同时提醒性能受硬件限制、授权需分别确认，以及克隆声音必须取得对方授权。
作者整理了X上和官方市场的200多条帖子，筛选出53个经过核实的Grok Bot模板，并按用途分成七类：社媒内容运营、资料抓取调研、信息监控提醒、图片视频设计、营销获客销售、编程开发、个人助理办公。文章介绍了Grok Bot模板的玩法——别人调好的bot可一键复制，指令、技能、工具一并搬过来直接用。同时提醒了使用门槛（需SuperGrok等订阅）和安全风险：有模板藏着恶意指令会自动下载执行陌生代码。文章逐一介绍了各模板的功能、所需权限和适用场景，帮助读者按需选用。
