本文是一篇完整教程，讲解如何为 Obsidian 笔记库编写 CLAUDE.md 文件，让 Claude Code 在管理个人知识库时表现稳定可控。作者指出用户直接让 Claude 整理笔记常导致文件被重命名、日志被改写等问题，根源在于 Claude 不了解用户的组织方式。教程逐模块介绍了 CLAUDE.md 的 7 个必备部分：个人身份与库的用途、文件夹结构说明、笔记写作规范、安全规则（禁止删除、批量操作需确认、重命名时更新链接）、回答偏好及当前工作重点，并提供了完整模板，适用于写作者、创业者、学生和研究者。
作者介绍了开源项目 AI Design Skills，目前提供 landing-page-design 技能，适用于 Claude Code、Cursor、Codex 等可读取规则文件的 AI 编程工具。它不是现成模板，而是一套从内容到视觉的制作规则：先明确产品定位与用户目标，再组织页面结构；统一字体、间距、配色和动效等视觉系统；并补齐按钮悬停、加载、空页面、报错、表单校验、移动端适配和无障碍等交付细节，避免 AI 生成千篇一律的默认样式。评论区还交流了表单校验保留已填内容等实用经验。
一位开发者最初只想给小学生做数学练习题，三周后却做出了开源项目 Papermorph——一个 Claude Code Skill。将教材 PDF 丢进去，可生成分章节、带配音的互动网课，公式与图像随讲解动态变化并附带小测；输入童话文本则可生成剪纸风格动画短片。成品为纯静态网页，无需服务器和数据库。成本结构上，一章物理课模型费约 10-18 美元，动效设计使用 Opus，画面检查用 Sonnet，多个 subagent 分担了编导、动画、配音等传统角色。项目在 GitHub 获 867 星，MIT 协议开源。
作者分享使用 Claude Code 配合 DeepSeek Flash 1017 模型制作两个 Remotion 视频的经历，总成本不到 3 元。一个视频作为个人介绍页的开屏动画，另一个是 52 秒的 Media Kit 视频。作者基本只负责描述想法，通过开启 xhigh 思考模式、配置 workflow 并挂载 remotion-best-practices skill，模型即可直接实现效果。文章还介绍了该 skill 的路由机制：平时只占一句描述的上下文，需要时才按需读取转场、字幕、音效等子文档。作者提到之前担心的缓存命中问题已不存在，命中率超过 98%。
文章介绍了作者总结的在中国境内使用 Claude 而不被封号的完整方案。核心思路是让使用地区而非身份成为英国环境：使用英国 CTExcel 电话卡获得英国 IP 与原生手机环境，用欧洲版 iPhone 收验证码和登录，用 Wise 账户处理付款，再配一台英国 VPS 作为远程工作环境。作者还介绍了 Claude Code 的 Remote Control 功能，实现手机与远程电脑协同工作。最后提出“防封提示词”，用信息熵等数学原理解释如何通过增加输入维度降低 Claude 安全分类器的误判率，声称协议比越狱更可靠。
YC 2026 秋季营创业公司 Agent Workforce 发布开源项目 Agent Relay，解决多个 AI Agent（如 Claude Code、Codex、Cursor）各自运行在独立终端、互不相通、需要人工复制粘贴的问题。作者以一个 slugify 函数的编写与审查任务进行实测：通过带时限的临时房间（Relay Connect）建立连接，让 Claude Code 写代码、Codex 负责审查，两轮自动沟通后完成 40 个测试用例并全部跑通，全程无需人工中转。文章详细记录了安装、连接、审批配置、常见报错等步骤，并讨论了 Token 消耗、人工检查位置和权限风险等顾虑，还提出了多工具串联的开发流程设想。
作者逐一核对了 10 门免费或部分免费的 AI 学习课程，并按学习阶段分为四站：零基础入门（吴恩达 AI for Everyone、Google 生成式 AI 路径）、提升 AI 使用能力（OpenAI Prompting 指南、Karpathy How I use LLMs）、补编程基础（哈佛 CS50x/CS50P/CS50AI）、动手实践（微软 Generative AI for Beginners、Claude Code in Action、n8n 搭 AI Agent）。每门课均附出品方、时长、费用、证书等详细信息和链接。作者建议不必全学，根据自己的阶段挑选两门深耕即可。
文章介绍了一套完全开源免费的本地工作流，替代收费视频解析网站。核心工具为 yt-dlp + FFmpeg 下载全网主流平台 4K 高清视频，再用 faster-whisper large-v3 模型在本地显卡上约 30 秒即可提取视频台词，生成带时间轴的 SRT 字幕与 TXT 文本，并可导出双语字幕。作者强调无需写代码，只需将准备好的提示词发给 Claude Code 或 Codex 等 AI Agent，即可自动完成安装与运行。该流程适用于视频二创、解说拆解、文案分析和知识库构建，兼具隐私保护和零成本优势。
文章介绍了开源工具 REA（Reverse Engineer Anything），它作为 MCP 服务器连接 Claude Code、Codex、Cursor 等编程 Agent，整合二进制分析、字符串提取、函数定位、调用追踪等现有逆向工具，让 AI 基于「证据」而非猜测来理解应用。文章对比了让 AI 凭经验猜测与基于真实文件分析的差异，给出完整安装配置和 10 步方法论：选择单一功能、编写强制证据的提示词、区分事实与假设、先写行为规范再实现代码等，强调这是理解与重建软件的可靠路径，而非简单复制。
作者为父母电视去除开机广告后，将整个流程整理成一个 Claude Code 提示词项目 CleanYourTV。该方案通过 Wi-Fi 连接 Android TV / Google TV，无需 root、不卸载任何应用，禁用预装的广告与遥测软件，并生成类似 Apple TV 的简洁主屏，一条命令即可完全还原。推文发布两天内获得数万点赞，社区贡献使支持范围扩展至 16 个品牌 30 台设备（含投影仪和 Fire TV）、8 种语言、9 个上层扩展，项目更名为 cleanyour.tv。文章介绍了项目原理、社区共建过程和具体使用步骤。
作者 Tibo 详解如何用 AI Agent（如 Claude Code）运营多个 AI 虚拟 UGC 创作者账号来推广产品。传统 UGC 存在运营繁琐、按条计费、速度慢、账号不归品牌所有四大痛点。随着 AI 人脸一致性、爆款视频搜索工具（Revid）和 Agent 自动化能力的成熟，品牌可以自建多个有独立人设的虚拟创作者，覆盖不同买家群体。文章按九个步骤讲解完整搭建流程，包含 12 个可直接复制的提示词，涵盖创作者设计、人脸一致性、爆款调研、脚本生成、定时发布和每周数据复盘。
文章整理了 8 个用 Claude Opus 生成视频的 GitHub 仓库，核心思路是让 Claude 写动画代码，再通过浏览器或本地工具渲染成视频。包括成片与提示词合集 awesome-opus5-5-videos、提供 51 种影片风格的 Skill 项目 lemo-opuscar、两支歌词 MV 完整工程 pdoom-video 与 PDoomVideo、15 种 MG 动效风格的 mg-styles-15、角色动画起步包 ClaudeAnimationBase，以及案例追踪和中文提示词仓库。作者建议从 10-15 秒短片练手，并提醒素材商用授权需注意。
本文是一篇手把手教程，讲解如何在不使用任何 3D 模型、贴图或照片的情况下，用 AI 编程助手（Claude Code）写代码生成一部 3 分 05 秒的亚马逊雨林竖屏纪录短片。作者介绍了三个关键方法：先画以米为单位的平面图作为总契约、把场景拆成 13 个区让多个 AI 并行施工、以及通过截图对比迭代改进。教程涵盖生成参考图、搭建地基（固定随机种子、统一材质光照）、多智能体分工、镜头安排、黄昏到月夜的光线变化、渲染成片及用开源 AI 模型配环境音的完整流程，并总结了常见坑与解决方案。
本文是 Agent 面试高频题详解第 3 题，围绕多 Agent 架构展开。作者结合 50 位作者、63 场面试的面经，系统梳理了六个追问方向：要不要拆、怎么拆、怎么通信、结果谁汇总等。文章指出单 Agent 在上下文膨胀、工具过多、提示词分支复杂、无法并行四方面会卡住；同时多 Agent 有 token 成本（约为普通对话 15 倍）、协调开销、信息丢失和错误传播等代价。文中总结了主从、流水线、并行分片、执行加审查、按意图转交五种结构，以及上下文、工具权限、可验收三类拆分边界，并对比 Skill、MCP、Workflow、SubAgent 等概念的适用场景，最后给出通信方式与面试应答要点。
文章系统解释了 AI 领域中 harness（套件/执行框架）的概念。作者指出 LLM 默认只能生成文本，要真正执行操作需要工具、调用语法、解析系统、结果回传和工具清单，这一切组成了 harness。文中区分了界面（如 Claude Code 的 TUI/GUI）与底层 harness（如 Anthropic Agent SDK、Codex App Server），并用厨房比喻说明 harness 与工具的关系。文章还解释了 MCP 的作用——类似'食谱'，让代码可以在外部运行，以及 agent 的定义：LLM 与 harness 的结合体。
作者苍何介绍了其开发的 Obsidian 插件 WeSight 的重磅升级：新增 WeSight 发布助手，支持一键将文章同步到小红书、知乎、CSDN、掘金、微博、X 等多平台；支持将长文快速转为图文并按平台风格生成文案与配图；提供公众号预览、AI 生成标题摘要、数据复盘；通过 GitHub 实现知识库多设备同步；并支持 Claude Code、Codex、OpenCode 多引擎切换且保留上下文，可接入 DeepSeek、Kimi 等自定义模型。工具将创作者从重复搬运劳动中解放出来，专注内容创作本身。
作者对比斯坦福CS146S课程2025与2026两版课纲，指出新版砍掉了85%旧内容，反映编程领域AI化进展迅猛。课程转向Agent Skills、CLAUDE.md、MCP、模型路由、后台并行agent和软件工厂等内容，期末项目占比降至50%，新增30%分数来自向真实开源项目提PR。Claude Code之父Boris Cherny等业界嘉宾分享，其同时运行数千个Claude agent。课程材料公开，非斯坦福学生也可跟学，作者认为编程教育应紧跟AI Agent时代变革。
作者分享了 10 条可直接发送给 Codex 或 Claude Code 的 UI 优化提示词，用于提升界面视觉设计。内容涵盖：移除中点分隔符与冗余解释文本、优化文案表达、采用 Radix UI Colors 颜色规范、光学对齐与同心圆圆角、使用 0.5px 边框、精简动画（ease-out 250ms）、限制字号不超过 4 种（最小 12px）、减少用户判断类交互、谨慎使用圆角阴影等。作者还补充回复网友：0.5px 边框在老旧或低分屏设备上可能不适用，提示偏个人经验；另有网友补充了减少冗余 Eyebrow/Overline 眉题的第 11 条建议。
作者基于 Anthropic 工程师删除 Claude Code 80% 系统提示词却无性能损失的事实，反思提示词与 Agent Skill 的实践方法。提出提示词不是八股文，应聚焦任务三要素（目标、规则、完成标准），减少角色铺垫和冗余规则，多给思考方向而非僵硬示例，并设定明确验收标准。关于 Skill 沉淀，强调只有高频且流程稳定的任务才值得做成 Skill，要写入独特经验而非通识废话，严格控制单一职责与边界，主文件精简并渐进式加载，且必须内置自检环节形成质检闭环。
作者分享了将 Monid 数据接口接入 Claude Code，实现跨境电商调研与增长自动化分析的实践。以九阳品牌出海为例，通过 Exa+TinyFish 解析业务盘子，Anyapi 获取 TikTok Shop 商品数据，锚定越南市场，选定坚果奶机为主攻产品，TikTok 为运营平台。随后利用 Tikhub 建立博主候选池，Hunter 验证邮箱，AgentMail 批量起草发送跟进邮件，联系 KOC 带货，完成从商铺数据、买家评价到博主触达的全流程自动化，感受 AI 自动化对商业分析效率的极大提升。
文章介绍如何利用开源 MCP 服务器 REA（Reverse Engineer Anything）和 Claude Code 的子代理机制，搭建一个四角色的逆向工程团队。作者指出单一会话在处理大量反编译函数时会积累错误推断并自我审查失效，因此设计了四个分工明确的代理：Analyst 负责 REA 分析并标注证据、Spec Writer 只输出行为规格、Rebuilder 在隔离的 clean 容器中仅凭规格重建代码且无 REA 工具权限、Verifier 对比原始与重建版本的匹配率。文章提供了从安装 REA、环境隔离、到各代理配置文件的完整 7 步搭建指南。
作者分享了在创业公司落地 AI Coding 工作流半年来的实践迭代。核心思路是给 Agent 最大执行权限同时控制爆炸半径：使用 Claude Code 作为主力 Agent 配合 matt Skill 与项目 MCP；通过 git worktree 物理隔离多个并行 Agent 的工作区；坚持计划先行，动代码前必须产出完整 Plan 并用状态文件持久化进度；测试上人机分工，AI 在 DEV 环境完成正反用例自测，人类只验收业务效果；通过 PR 规范、GPT 对抗性 Review、CI 自闭环守住质量防线；用 PostHog Feature Flag 实现秒级回退止血；并以部署看板巡检日志、三层文档体系（CLAUDE.md、rules、specs）作为长期记忆，实现生产级 AI 高速开发。
本期早报精讲三篇 AI 前沿内容：Anthropic 开放 Claude Duet 研究预览，通过云端虚拟机和独立应用承接主动发现与持续执行任务，并设计分级授权机制；NVIDIA 发布 Nemotron 3.5 系列模型，将文档解析、多模态嵌入与重排连接成企业知识处理链路，实验证明更优检索可降低代理推理 token 开销约 13-14%；OpenAI 工程师拆解 ChatGPT 广告系统，展示如何用后训练 LLM 理解多轮对话中的商业意图，通过编排模型与竞价工具分工实现服务隔离与信任保障。速览部分涵盖天猫数字员工协作实践、代码质量投入判断框架及 Claude 设计蛋白质结合体等七条内容。
作者实测 12 个 Personal Agent，基于 1505 条覆盖 11 类的用例，总结出评判 Personal Agent 好用程度的五个维度：记忆能力、信息获取、Computer Use、主动性和多端联动。文章通过记账、海鲜市场自动回复、自动剪辑视频、跨设备调度 Codex/Claude Code/Grok 等 9 个真实案例展开分析，指出 Agent 与个人已有账号和应用生态的重叠度决定其上限，并对比了 Today、Grok Bot、OpenAI Dots、千问等产品的差异，最终分享了以手机远程调度多台电脑多 Agent 协同的工作流。
作者拆解了 B 站爆款账号「Claude大小姐在运营」（三天破百万播放）的成功要素：AI 为主角的好奇心选题、B 站现成梗文化、评论区驱动下一期内容、公开账本养成感与信息差。作者用 Claude Code 花一小时、成本两元复刻出像素风视频，并将整套方法（skill 加出片引擎）按 MIT 协议开源。随后他连开三个细分内容号：Claude 与 DeepSeek 双人营业号（中英双语）、鸣潮二创日记号、AI 像素擂台（10 个模型同场比赛），并分享了选题调研方法论：追踪同类爆款数据、判断赛道拥挤程度、寻找未被挤满但持续出爆款的内容形式。
本文是一篇面向小白的 DeepSeek Harness（DSH）完整上手教程。作者介绍了 DSH 的核心特点：门槛低（DeepSeek 账号登录即用）、一切皆插件（连 Agent 循环都可替换，社区插件超 6000 个）、过程可回放（轨迹功能）。文章详细讲解了下载安装、登录方式（账号与 API Key 两种）、界面各功能入口（模式、权限、模型、推理强度等）的含义，并分析了计费方式与省钱技巧，同时提醒它仍是预览版，未经过安全审计，需注意数据安全。后续还将涵盖插件市场、原理拆解、实战练习及与 Pi、Claude Code、Codex 的对比。
本文是一篇面向新手的 Pi Coding Agent 全面入门教程。Pi 是一个跑在终端里的极简 AI 编程智能体框架，定位为'最小智能体外壳'：内核只保留基本工具循环，计划模式、子智能体、权限系统等能力全部拆给扩展。文章详细介绍了安装方式（官方脚本、npm、Nix）、界面与常用快捷键、模型配置、四种使用模式（交互、打印/JSON、RPC、SDK）、技能/扩展/提示词模板/主题的扩展体系，以及树状会话管理。作者重点总结了七个常见坑：无内置权限系统需容器隔离、默认无 plan mode、npm 不锁传递依赖、grep 等工具默认关闭等。Pi 支持 15 家以上模型商，MIT 协议，与 Claude Code、Codex 是两条路线：要开箱即用选成品，要可自由定制的个人智能体选 Pi。
Lemo-Opuscar 迎来上线以来最大更新，新增【剪辑与纪实】8 种视频风格（字幕新闻、1920s 新闻影片、实时倒计时分屏、延时交响、视觉调查、构成主义蒙太奇、体育战术板、电视新闻包装），风格总数达 59 种，目标 99 种。项目定位从视频风格库升级为搭建个人风格库的工具箱：用户可修改库里任意风格或从空白创建，通过 Claude 逐题问答的方式定制专属风格。作者还预告了 Lemo Studio 工作台和日系动漫风格。文章详细介绍了新风格的适用场景、Sonnet 5.5 测试效果，以及自定义风格的完整流程。
文章介绍如何将 Claude Opus 5.5 变成一个完整的动画制作团队，通过设立导演、艺术总监、动画师、渲染工程师和评审五个“部门”，让一个 agent 依次完成故事策划、视觉设计、动画编码、渲染和质检的全流程。作者强调关键不在模型本身，而是围绕模型构建的生产系统：使用 Claude Code 作为 agent、Remotion 作为视频框架、FFmpeg 处理媒体。模型不直接生成像素，而是编写产生帧的代码，使首个视频成为后续的基础。真正的“一次成型”背后往往是详尽的提示词、参考资料和生产环境，工作室化流程才是可复现视频创作的核心。
作者分享了使用 EverOS Cloud 为 AI Agent 构建记忆层的实测体验。他通过自动生成 X 引用帖配图的工作流，总结了生图提示词敏感词、图片压缩、后台任务管理等踩坑经验。EverOS Cloud 能将 Agent 的任务过程存为 Case，自动提炼出可复用的 Skill（如「生成合规图像并添加水印」SOP），支持中英文混合检索（不到100毫秒）、业务资料接入、API 轻量集成、可视化管理记忆，并提供云端与开源自托管两种部署方式。作者认为，Agent 没有记忆就像每天重新带的实习生，能把经验攒下来才能成为靠谱的老员工，对一人公司尤其有价值。
