作者总结了 Qwen 发布会的重点：除了新模型外，更值得关注的是 Qwen 形成了从模型训练、推理优化到芯片协同的完整研发体系。核心亮点是 RSI 递归自我进化，Qwen3.8-Max 在少人工干预下连续运行一个多月完成 33 轮迭代，包括自主优化 SGLang 提升 96% 吞吐、芯片设计中减少 42% 物理实现面积。Qwen3.8-Omni-Flash 统一多模态理解框架支持 1M 上下文，价格大幅下降约九成。Qwen4 已开始训练，未来参数量将扩展到 5 万亿至 10 万亿。开源生态方面，累计下载超 30 亿次，衍生模型超 30 万个。
作者介绍了基于 TypeSafe 发布的 Jev 模型构建信号驱动外呼机器人的方法。Jev 比通用模型快约百倍且成本极低，可为每个销售线索快速打分。作者团队曾用 Claude 做信号驱动 SDR，两周内约到 19 次会议，回复率 12%。文章详细拆解了开源项目 signal-ranker 的架构：watch.py 通过日期文件对比追踪招聘重发、融资等信号，judge.py 负责调用 Jev 评分，policy.py 用纯代码实现门槛与权重，两者分离以便复用已付费的判断结果。支持用 Claude Code 自行拉取线索或使用 yourmax.ai，可放入 Claude Code 或 Codex 终端复现。
作者分享了从程序员转型为百万播放 AI 视频创作者的经验——审美积累，并宣布开源历时近一个月、花费约两万元的项目 awesome-seedance。项目包含 463 条经实测复现并打分分类的 AI 视频提示语、14 个覆盖各类视频的提示语模版（如手持 UGC vlog、打斗、产品广告等）以及 25 个 AI 视频 Skills。文章详细讲解了模版与 Skill 的区别与用法，分享了提示语写作技巧如接触点描写、招式链和流派生物力学，并倡导以"临摹"方式学习 AI 视频创作，邀请社区提交 PR 共同完善项目。
文章指出机器人研发正处于开源红利期，个人开发者可借助成熟开源框架在数周内跑通从仿真训练到真机部署的完整闭环。作者按技术栈分层整理了经过工程验证的开源项目：足式强化学习（rsl-rl、AMP、TienKung-Lab、unitree_rl_gym）、模仿学习（ALOHA-ACT、Diffusion Policy）、VLA 具身大模型（OpenVLA、Octo、LingBot）、一站式框架 LeRobot、传统动力学求解库（Pinocchio、Acados）、MuJoCo 仿真模型库，以及 Awesome 学习资源清单，并给出四步最简上手顺序建议。
作者因忍受不了微信小程序去水印工具需看 30 秒广告的烦恼，开发并开源了一个 Codex Skill——ah-douyin-clean-downloader。用户只需将抖音视频链接或口令发送给 Codex，它便会自动识别视频和博主，获取无水印播放源，保留原画质与原声（H.264 + AAC，不重新转码），下载到桌面并按博主自动建立文件夹分类存放。整套流程无需调用付费解析 API、语音识别或视觉模型，仅消耗 Codex Token 与本地网络存储，将原本繁琐的复制链接、解析、下载、改名、建文件夹等步骤简化为一个动作。
Maestro MCP 正式开源，标志着移动端 UI 测试进入 Agentic UI Testing 时代。基于 Anthropic 的 MCP 协议，AI Agent（如 Claude、Cursor）可直接操控真机与模拟器，实时解析 UI 层级并自主调用交互指令跑通业务流程。相比传统脚本频繁崩溃的痛点，引入 Agent 运行时后可实现智能自愈，大幅降低回归用例维护成本。团队还可用自然语言描述用户路径，智能体即可自主探索、验证并沉淀可维护的回归工程。Maestro MCP 完全开源，延续 CI/CD 集成与 CLI 工具优势，无需推翻现有基础设施即可升级下一代自动化能力。
剪映官方推出 Agent，走封闭全家桶路线，能力仅限软件内并售卖 AI 会员。与此相反，逸尘开源的逆向项目 jianying-headless 将剪映控制权交还外部 Agent：可用 Codex 一条指令批量粗剪、加字幕、配 BGM；借助 DeepSeek 和豆包 ASR，一小时视频成本不到一块钱；生成的是剪映原生工程文件，可随时人工微调。作者认为这是目前最自由、成本最低的视频剪辑自动化方案，并建议大家尽快 Fork 以防项目被下架（404）。该项目替代了此前用 Computer Use 模拟鼠标操作的笨办法。
作者详细拆解了用 AI 制作百万播放长视频的完整开源流程。环境配置包括 Claude Code（效果最佳的 AI 智能体）、火山引擎 TTS（提供 2.0 音色和逐字时间戳）、Remotion 视频合成框架及字体等辅助工具。制作管线分五个阶段：调查写稿（构建事实链、来源台账）、配音与时间戳、素材搜索匹配（强调真实影像占比）、Remotion 画面合成（三层视觉语言、MG 图解、时间预算控制）、混音封面与发布。文章还包含内容规则、踩坑记录及开源 Skill 清单，帮助读者从一句话生成 10 分钟成片。
作者分享在开发 APP 时使用的 Apple Design Skill，它将 Apple WWDC 设计分享中的界面与动效原则整理成 AI 指导，帮助改善界面层级、反馈和整体连贯性，效果接近苹果原生 App 风格。该 Skill 来自 Linear 设计师 Emil Kowalski 开源的 AI Agent Skills 项目（GitHub Star 近 4w），还包括设计工程总则、动画制作与审查、原型方案生成、移动端网页优化、Swift 编写、UI 组件库选择等多个实用 Skill，适合前端与设计开发场景使用。
作者介绍网易有道开源的实时流式 ASR 模型 Confucius4-R2T2 与 Jev 模型组合，可平替英语流利说的口语评测功能。R2T2 是真流式模型，以 160ms 间隔输出且具备 stable prefix 机制，保证已提交文本不被修改；Jev 则快速判断文本层面的漏读、多读和错读类型。两模型均为开源，可在 NVIDIA 显卡本地部署，适合在家朗读练习。作者也指出当前方案仅限文本层面纠错，读音纠错需接入音标识别模型，应对语序跳跃、替换词等复杂场景仍需更深入的声学模型支持。
文章介绍了开源中文表达 Skill「辞达」v1.0.0。作者认为工整、分点、逻辑清楚不应自动被视为“AI味”，真正需要修改的是空话套句、机械重复和逻辑断点。辞达以“达意”为先，按 P0–P4 优先级处理文本：先意义与逻辑，再结构、语域、节奏，最后语言打磨。它提供快速优化、深度重写、解释改动和风格校准四种工作方式，内置 8 条工作流、7 类平台适配（覆盖公众号、小红书、知乎等）。辞达不以躲避 AI 检测为目标，采用 MIT 许可证，支持 Claude Code、Codex、OpenCode 等兼容 Agent 使用。
作者介绍了自己维护的 Pi Preset 项目 bestony-pi，并鼓励用户不要直接使用，而是 fork 该项目改造为自己的包。文章说明了三个理由：包带有强烈的个人喜好和使用习惯、Model Provider 插件因人而异且过多会影响初始化速度、仓库已做好大量基建值得复用。该包通过 GitHub Actions 实现 CI/CD，支持 npm 自动发布与版本号更新、自动检查上游更新并生成发布记录，以及 NPM Trusted Publisher 方案避免 TOKEN 泄露。作者希望大家先用再'偷走'，变成自己的 preset。
文章介绍了一个面向小企业、小团队的多租户 Agent Dashboard——腾讯开源的 Octop。团队可以在内部共享一个 Agent 平台来创建技能和 Agent。亮点包括：支持单点登录和简单的多租户权限控制；支持 Docker 服务端部署并提供 Web Dashboard；可对接不同的存储后端、数据库以及沙盒服务。作者将其定位为 Grok Bot 的小团队版，与面向个人的 OpenClaw/Hermes 和桌面端的 WorkBuddy 形成差异化。作者表示非广告，如果领导要求做类似系统可直接参考。
作者开源了一套视频封面制作Skill，解决视频剪好后制作封面耗时耗力、缺乏思路的痛点。通过在蔚蓝AI平台的Skill仓库获取'蔚蓝风格封面生成'，复制GitHub仓库地址后交给Codex等Agent完成安装，即可调用Skill快速生成风格统一、包含大标题、人物形象和贴纸的爆款封面，5分钟内一次可生成5张不同风格供挑选，并支持局部修改如调整标题、人物或比例，非常适合小红书等平台的内容创作者使用。
袋鼠帝及其AgentWork开源社区耗时30天推出免费开源的《魔搭紫皮书》，一本约40万字、8篇34章的系统学习AI指南。与侧重AI Agent应用的workbuddy蓝皮书和豆包工作蓝皮书不同，紫皮书面向想从零深入AI领域的读者，涵盖开源模型下载、微调（ms-swift）、评测（EvalScope）、应用场景（AI健身教练、智能客服质检、语音助手等）及Agent篇（Claude Code、DeepSeek Harness等）。作者分享了自己7年前报培训班学习编程的经历，强调开源时代AI学习资源免费可得，唯一门槛是执行力。
腾讯开源了微信团队的端到端文档解析模型 WeVisDoc，提供 2B 和 4B 两个版本。模型可将整页文档图片直接转换为 Markdown，无需分别裁剪标题、正文、表格和公式。它能保留复杂文档结构：正文转 Markdown，公式转 LaTeX，表格转 HTML，并恢复阅读顺序。版面理解、文字识别、公式识别和表格重建均由单一视觉语言模型完成，无需额外部署版面检测器或 OCR 引擎。2B 适合资源有限场景，4B 在拍照、翻拍等退化页面表现更优，在公式和表格解析方面端到端领先。
作者发布了一个全能下载Skill，几乎支持所有平台的视频下载，甚至包括微信视频号。安装指令为 npx skills add joeseesun/qiaomu-download。该Skill核心基于yt-dlp和之前分享的视频号下载skill整合而成，具备自动检查更新功能，打包在一起无需安装多个Skill。项目已在GitHub开源，支持YouTube、B站、X/Twitter等多个平台的在线视频下载与媒体提取。
清华大学联合无问芯穹、上海AI Lab发布C2C（Cache-to-Cache）技术论文（ICLR 2026），彻底改变多智能体系统通信范式。传统Multi-Agent协作中模型需将高维思考压缩为文本逐字解码再传递，造成延迟、语义丢失和高昂Token成本。C2C通过轻量级神经网络（Neural Fuser）将模型A的KV-Cache直接旋转对齐后融进模型B的KV-Cache，并引入可学习门控机制动态决定各层吸收外部缓存的程度。实测推理速度提升2.0-2.5倍，问答准确率较单模型提升14.2%，比文本通信的Agent团队高5%。代码与论文均已开源，未来有望大幅降低Mixture-of-Agents调用成本。
作者分享了如何制作一个让 Agent（如 Codex）通过 Telegram 账号自动搜书、下载电子书的 Skill。文章详细记录了完整流程：创建 Telegram Bot、绑定 Z-Library、申请 API ID 和 Hash、安装配置 Skill 并登录授权，最终实现一句话即可下载电子书。作者还分享了申请 API 时遇到的报错坑及其解决方法（通过某鱼代申请），并将完整代码开源到 GitHub。文末呼吁尊重版权，建议通过正版渠道支持作者。
万象AI实验室开源了一个手绘白板风格视频生成Skill，可在Codex中把长文自动转为讲解视频。基于HyperFrames插件，工作流程包括：自动拆分文章为2-6个镜头、生成白底黑线手绘稿、通过HTML叠加渲染文字标注、使用Mac内置语音配音、虚拟马克笔逐步揭示画面并渲染成视频。整个过程无需额外API，十几分钟即可完成，适合信息密度高的技术科普和分析文章，不适合叙事性强的内容。已在GitHub开源，安装简单，配音可替换为个人音色定制专属Skill。
MiniMax 宣布 Code CLI v0.4.12 以 MIT 许可证向全球开发者开源。在第三方 FrontierHarness Eval 评测中，MiniMax Code 取得了最高的通过率、最快的平均任务完成时间以及次低的 token 消耗。官方认为精心设计的 harness 能充分释放模型能力并减少开发者等待时间。开源后，开发者可以审查工具调用与权限处理机制，构建可靠的企业级应用。MiniMax 同时邀请社区参与问题反馈与修复，通过真实使用和社区审查持续强化安全防护，共同打造安全、可靠、高性能的 harness，实现 Intelligence with Everyone。
这是一篇关于微调小型LLM的完整实战指南。作者指出不需要70B大模型或昂贵算力，1.5B参数模型在200-500个优质样本上微调后，可在特定任务上超越通用提示的前沿模型。文章以商业融资文案生成为例，详细讲解了微调的实际目标、建立基线（纯提示、RAG、微调）的先后顺序，并分步骤介绍了小型基座模型选择（如Qwen2.5-1.5B）、数据权利合规、可复现数据下载、PDF文本提取与OCR、文本清洗、训练数据集构建、QLoRA训练、评估与部署，每一步均附完整代码。
作者分享其逆向剪映的开源项目 jianying-headless，以及配套的 yichen-jianying-edit Skill。用户只需简单提示词，即可将口播类视频剪辑工作全程托管给 Codex 自动完成，无需人工操作。项目调用豆包 ASR 进行毫秒级语音切割，生成的剪映草稿即使有误也可人工微调。作者展示了8分钟视频自动剪辑为3分钟的对照效果。成本主要包括 Codex Token 费用（可用便宜模型替代）和豆包 ASR 费用（每小时约0.8元）。文中还提及 TradeWinds 社群第二期开放的消息。
文章整理了朱啸虎在北大的演讲要点，共 19 条核心观点。他认为技术领先只是阶段性优势，长期竞争回归商业本质；判断创业项目要看重 3S 标准（市场规模、可规模化、可持续防御）；强调用户入口、高频业务、网络效应和留存比单纯增长更重要。关于 AI 创业，他指出最危险的是做成大厂可免费集成的功能，AI 正从 Token Maxing 转向 Value Maxing，成熟产品应隐藏模型细节，最好的机会是'旧需求×10 倍体验'。他还看好角色扮演、Coding 和视频等 AI 应用方向，以及开源获客和高价值具体任务的机器人创业。
FileMarkd 正式开源，基于 MIT 协议，可自由使用、修改和商用。这是一款 AI 驱动的文档转 Markdown 工具，支持 PDF、Word、PPT、Excel、图片、EPUB 等 40+ 格式一键转换，能自动识别文字、表格、公式和层级结构，具备置信度评分、表格还原和智能页眉页脚剥离功能。项目包含完整可商用能力：登录、Stripe 订阅/积分、推广返利、五语国际化和管理后台，基于 Next.js 可一键部署至 Vercel。
腾讯开源了 BrowserSkill（MIT 协议，纯本地运行），解决了浏览器 Agent 的一大痛点：不再让 AI 在空白沙盒浏览器中面对登录墙和验证码，而是直接借用用户正在使用的浏览器标签页，利用已有的登录状态完成任务后自动归还。关键设计包括：标签页即借即还机制、人机验证时回弹给用户现场确认、权限总开关焊死在浏览器原生设置中防止提示词绕过，以及做成 CLI 而非 MCP 以兼容所有能执行 Shell 的智能体（如 Cursor、Claude Code 等）。文章认为，自动化工具的核心在于如何处理模型与人类工作软件之间的信任边界，在权限与效率之间留出安全断点。
文章介绍了开源排版 Skill「Kami」（已获11.5k星标），它内置精确的排版引擎，解决AI排版中常见的留白过多或内容溢出问题。Kami提供八种文档模板（一页纸、长文档、简历、研报、幻灯片等），风格统一，米黄纸面配深蓝点缀，支持中英日韩四语。作者将其安装到 WorkBuddy 实测，用于制作财报排版、自媒体配图、PPT 及小红书海报，效果惊艳，代码和模板全部免费开源。
文章介绍了 Vercel 开源的实验性 coding agent fx：用 Zig 编写，编译产物仅约 6MB，无 Node 运行时依赖。它既是终端 CLI 工具，也是可嵌入的 agent 运行时（libfx，支持 Node、浏览器等宿主）。内置 17 个工具，其中 shell 支持跨轮次持久会话交互，subagent 支持常驻持续对话。权限系统采用三档基线，auto 模式下由审查器针对性识别 prompt injection 和恶意行为。会话自动压缩上下文并支持 checkpoint 恢复。模型层不绑定任何厂商，支持 AI Gateway、OAuth 及自定义 OpenAI 兼容端点。项目把启动延迟（2ms 预算）、二进制体积门禁和渲染可复现性写进 CI，作为产品约束，设计理念独特。
作者分享了作为文科生如何用 Codex 制作自己的视觉 Skill 的实践经历。文章强调两个前提：相信自己可以使用 AI Coding 工具，以及相信自己有权利判断什么是美。实践步骤包括：用自然语言描述需求、通过参考图指明审美偏好、清楚表达不满意的细节、让 AI 把确认过的审美规则固化进 Skill、并用不同内容测试风格的包容性。作者借此从模糊的「我喜欢这种感觉」成长为清晰的美学判断，鼓励普通人先动手做出第一张图，同时提醒注意版权和素材授权。
ChromeManager V4.0 正式发布，这是一款开源免费的 Chrome 多窗口管理工具。本次版本从底层全面重构，由 Python 迁移到 Go + Wails 3 + Vite 架构，并新增 macOS 支持。同步功能覆盖 Chrome、Edge、Opera、Brave 四款浏览器，优化键鼠、网页操作和扩展弹窗同步。最重要的新特性是开放本地 API 并提供 Skills 仓库，接入 OpenClaw、Hermes 等 Agent 后，可实现一个 Agent 同时调度多个浏览器窗口，完成批量导航与页面操作，降低 Token 消耗、提升效率。作者同时提醒注意代码审查与资产安全，并感谢社区贡献者。
