文章指出家长为孩子报天价编程课、思维课、艺术课，很多是在为信息差买单，其实全世界优质的儿童教育资源大部分免费。作者整理了50个免费资源，涵盖多个方向：编程与逻辑（Scratch、Code.org、CodeCombat等）、低幼启蒙（Starfall、PBS Kids、芝麻街）、百科知识（国家地理儿童版、大英百科儿童版）、科学实验与航天（PhET仿真实验、NASA儿童页面）、数学（剑桥NRICH题库）、阅读（牛津Owl分级阅读）、语言音乐艺术（多邻国、Chrome Music Lab）、下棋打字等技能（ChessKid、TypingClub）。强调教育资源不缺，缺的是知道去哪找的人。
作者分享了自己搭建个人远程工作流的经验：通过 Telegram 连接本地 Eagle 资产库和电脑开发工具，实现手机发指令、家里电脑自动执行任务的闭环。作者认为通用 Agent 不适合有固定规矩的本地环境，转而采用任务分流架构：图片归档直接调用 Eagle API，轻量任务用轻量模型，复杂工程交给 CLI 无头模式执行。文章还解决了 Telegram 相册消息拆分、远程唤醒阻塞前台等实际问题，用标准输入传任务、保存会话 ID、文件夹记录状态等细节保证流程稳定，强调 Agent 应安静接入工作流，而非做万能的电子宠物。
金沙江创投主管合伙人朱啸虎在北京大学创新创业学院发表演讲，探讨AI时代的投资框架。他提出核心判断：技术会平权，商业不会。AI正从技术进步主导期转向技术扩散主导期，决胜要素回归商业本质。他重申二十年不变的三个S投资标准（市场足够大、可快速规模化、可持续可防御），阐述商业模式金字塔，对比腾讯同心圆流量模式与阿里买流量模式，并判断开源模型五年将走完Linux三十年的路。他还直言200多家人形机器人企业绝大部分活不过十年，强调AI创业要看执行力和增长速度，先算清楚账。
作者以护肤品牌 Aēsop 为例，拆解'好看'如何转化为商业价值。文章从门店陈列的重复与层次、配色的比例与材料质感、标签排版的信息层级，到香气的自然联想与情境化描述，分析了品牌在视觉、嗅觉和空间设计上的一致性逻辑。通过京都、东京、上海等门店案例，说明 Aēsop 因地制宜的门店设计如何让品牌融入街区、营造冥想般的舒适体验，从而让顾客愿意停留并消费。
作者探访闲鱼上的ChatGPT代充黑市，发现卖家为绕开平台禁令创造了各种隐晦暗号，如'奥特曼充电''鸡屁踢''Tibo洗衣粉'等，且暗号随平台封禁快速轮动演化。文章记录了代充交易的完整流程，包括加微信、提供会话凭证等存在安全风险的步骤。作者将这一现象类比为电影《我不是药神》：平台依法禁令、用户只是想用上好AI、卖家赚取辛苦钱，各方都有难处却形成奇怪困局。最后作者呼吁国产大模型崛起，让好技术成为像电力一样的基础设施，消灭摩擦，让这些荒诞暗号失去存在意义。
作者被一位985博士安利了ScienceBuddy后，感慨现在的年轻人恰逢其时。ScienceBuddy是PhAILabs推出的免费AI科研工作台，集成了文献检索、数据库查询、组学分析等科研工具。作者重点介绍了两大功能：一是数据分析，上传数据后它会自动规划步骤、检查数据、运行代码，生成图表和分析脚本，全过程在轨迹中可查看可追溯，作者用Apple健康数据验证了效果；二是制定计划，能将模糊的研究或学习目标拆解为详细的落地路线图。文中还提到它与Claude相似，将多个领域的真实科研代码做成供AI Agent练习的环境，目前完全免费且响应速度快。
作者整理推荐了四套值得学习的 Agent 相关课程：斯坦福 MS&E 435《AI 超级周期的经济学》从产业和经济学角度拆解 AI Stack 的价值分布；斯坦福 CS329A《自我提升型 AI 智能体》探讨 Agent 通过反馈、强化学习和记忆实现自我提升的闭环；Hamel Husain 的 AI Product Engineering 系列聚焦 Evals、Context 和 Systems，讲解如何把 AI Demo 变成可靠产品；CMU 11-768 则把 Agent 当作完整系统，涵盖 Harness、Evaluation、训练与安全。四套课程分别对应产业、研究、产品工程和系统工程四个视角，可拼成一张完整的 Agent 学习地图。其中三套已烧录双语字幕上传 B 站供大家学习。
作者宣布将自用的 X Growth OS 增长操作系统开源，该系统采用本机优先、不可变草稿、本地证据账本的工程化方式经营 X 账号，作者靠它半年副业收入超 40 万。同时作者用 AI 视频创作工具 Pexo 从零生成了一条 45 秒商业白板解说视频，全程自然语言对话完成分镜、配音、字幕和包装，并展示了其核心亮点 Mark to Fix 画圈批注局部修改功能，将传统需要多轨剪辑数天的工作压缩为几轮确定性对话，大幅降低商业视频制作门槛。
作者分享了使用 Claude Opus 5.5 直出生成程序化动画短片的完整提示词。目标是用代码构建一部 25-30 秒、具备电影质感的全程序化动画短片，串联角色、神经元、三棱镜色散、几何色彩、向日葵、螺旋星系、黑洞、宇宙隧道、地出等多个视觉意象，并要求场景间通过形状渐变、粒子过渡、镜头推进等方式自然形变衔接，形成连贯的意识流。技术栈选用 Vite、TypeScript、Canvas 2D 与确定性时间轴系统，避免 React 与重型依赖，风格为手绘插画质感的科普动画，附完整配色、场景与转场细节规范。
文章探讨了开发者对 AGENTS.md 和 CLAUDE.md 等 AI 编程工具说明文件的普遍误解。作者指出，很多团队把所有希望 AI 做到的事都写进一个不断膨胀的文件，导致维护规则本身成了负担，本末倒置。正确的做法是让 AGENTS.md 保持精简（作者根文件不到 50 行），只写每次开工都需要知道的少数核心事项，再指向不同任务对应的规则文件，让 Agent 按需读取。作者引用西蒙'存储信息'与'需要时获取信息'的区分，并提醒只有在流程确实需要反复执行时才值得做成 Skill，不必急于按需调用。
这是一条来自 X 平台的推文合集，分享了牛津外刊关于语言学习方法的内容，以图片形式呈现如何快速掌握任何语言的技巧与建议。原文以图像为主，文字内容有限，核心主题围绕语言学习的快速入门与方法论展开。
文章介绍了 Cherry Studio 最新版本中的 office-transform 功能。用户在文件预览区域打开「选区」，选中需要修改的部分并说明修改需求，Agent 即可精准执行。该功能支持 Excel、Word、PDF、PPT 四种格式：Excel 可修改数值或公式，Word 可整体修改或扩充段落，PDF 支持提取单页或内容（只能取不能改），PPT 可提取或修改指定区域的文字。核心操作只需点一下、说一句，省去繁琐的复制粘贴和复杂修改描述。
本文以小白视角详细介绍WorkBuddy的项目功能，其本质是为团队搭建一个共享的AI办公室。作者从界面入口出发，逐一讲解动态（留言沟通、@提醒、交接说明）、项目配置（指令类似共享Agents.md，以及连接器、专家、技能、定时任务组成的团队工具箱）、计划（表格、看板、列表、甘特、日历五种视图）、任务与资产（任务记录、成果一键存入资料库）以及邀请协作等功能。总结来说，WorkBuddy项目功能就是一个有AI Agent能力加持的项目管理工具，一次配置全员共享，成员只需说清需求交给AI执行再把成果流转即可。
AI 桌面换装视频近期在 Twitter 爆火，作者程序员鱼皮分享了如何复刻这类视频的完整流程。核心方法是使用其开源的「AI 桌面换装视频」生成 Skill：用户只需与 AI 对话回答主角、场景、造型、台词等问题，AI 会自动生成完整的视频提示词，复制到即梦等支持 Seedance 模型的视频工具即可出片，也可直接调用 API 生成。核心原理是让 AI 逐帧分析原版爆款视频，拆解换装镜头的机关细节，生成提示词模板并封装成可复用技能，全程开源到 GitHub。作者强调借助 AI 的 Agent 与视觉理解能力，从拆片到发布几乎全由 AI 完成。
作者分享了一个 GitHub 上的开源工具 chubbyskills，可以快速将视频转为逐字稿，支持小红书、B站、视频号、抖音等几乎所有主流自媒体平台，也适用于国外平台视频。安装非常简单，直接丢给 Codex 等AI编程工具即可完成安装。作者感叹 GitHub 是个大宝箱，并呼吁给项目点星支持。面对用户关于竖屏视频（带背景音乐）识别准确率的提问，作者表示目前未遇到问题，即使有问题也可以让 AI 帮助调整。
Paseo 是一个开源的本地 AI 编程 Agent 运行与多端编排监控平台，采用 Daemon-Client 架构，通过守护进程接管本机 30+ 种编程 Agent CLI（如 Claude Code、Codex、OpenCode 等）的子进程管理与协议适配，并提供桌面、Web、移动端等多客户端及端到端加密中继，实现跨设备远程监控与操作。其优势包括打破单一 Agent 绑定的统一工作台、口袋开发机式的移动端掌控、代码数据完全本地化隐私保护、基于 Git Worktrees 的多任务隔离，以及 MCP 服务、定时任务等编排自动化能力。同时提供 Docker 风格 CLI 与 TypeScript SDK 两种接入方式。
htmx 作者、Montana State 大学教授 Carson Gross 提出：在 agent 式编程时代，Markdown 正从文档演变为源代码。他认为 LLM 生成的代码不应只源自用完即弃的提示词会话，而应将捕捉系统意图的 Markdown 签进 /src，与生成代码放在一起。Markdown 具备可 diff、可 grep、人机皆可读写的优势，且遵循局部性原则，让代码模块自带解释其意图的文档。作者提议建立 /src/md 目录约定（含 README、OVERVIEW、features、data、api 等），由人撰写维护，代码与测试从这些 Markdown 派生，测试负责自动化验证正确性。当代码越来越便宜，真正有价值的是代码背后的意图，应将其持久化于源码目录之中。
宝玉分享吴恩达的观点：AI 时代人人都应该学编程。与一些企业高管认为 AI 会自动化编程、不值得学的观点相反，吴恩达认为正因为 AI 辅助让编程变得前所未有地容易，才更值得人人学习。学编程不等于手写代码，而是学会用计算机听得懂的方式把需求说清楚。会编程的职场人可以自己搭建网站、用程序筛选简历，与不会编程的人拉开明显生产力差距。孟岩补充观点：把'人人学编程'翻译成'人人用 Agent'更贴切。
本文整理了 Latent Space 对 TypeSafe 联合创始人兼 CEO Diogo Almeida 的访谈。Diogo 曾参与 OpenAI 的 InstructGPT 与 RLHF 早期工作，但他质疑'讨人喜欢'与'帮助人做对事'并不一致，并认为 AI 的调用者将主要是代码而非人类。离开 OpenAI 后，他创办 TypeSafe，推出名为 Jev 的'系统一模型'（大型可编程模型），让模型输出可被代码直接使用的判断结果，而非聊天回复。他强调单位美元智力、可靠性与速度，反对刷榜，看好暗数据处理与 AI 深入 SaaS 流程的未来，目标是让模型像 VISA 一样成为不被谈论的基础设施。
梦工厂创始人卡森伯格发表长文探讨 AI 与好莱坞的关系。他回顾了历史上的两段案例：1906 年作曲家苏萨反对留声机并推动版权法，以及有声电影取代现场乐手却催生了歌舞片等新职业。卡森伯格曾预言 AI 将大幅削减动画制作成本，也曾拍板梦工厂从手绘转 CG。他认为'用不用 AI'是伪命题，关键在于谈定同意、署名、付钱等条款。文章最后作者决定存档自己的作品，以备未来证明著作权。
本文介绍如何利用 Jev 类模型大规模分析数百万条聊天 Agent 生产轨迹，从中提取失败信号。传统 LLM-as-a-judge 评估依赖采样以控制成本，而 Jev 类模型可在同一上下文中并行回答多个问题，以极低成本对全部轨迹进行全面评估。文中讨论了显式反馈、行为追踪、事实结果和对话信号等不同类型的用户信号，并以航班改签客服对话为例，展示如何同时捕捉后续提问、用户挫败感和结果满意度等维度。文章最后介绍如何在 Langfuse 中配置基于 Jev 的批量评估模板，实现生产信号的监控与可视化。
作者针对 Codex 账单越来越贵的问题，利用 TypeSafe AI 的 Jev 模型（只做带概率的判断、成本极低）搭建了一个外部模型路由器 HippoRoute-Jev-Codex，仅在线程首请求、新用户轮次、压缩检查点、子 agent 首请求四个缓存重建时机选模型，其余工具循环沿用钉住的模型，避免打掉 prompt 缓存。整个项目由豆包工作通过计划模式和目标模式从零完成，作者全程仅操作四次、未看一行代码，最终 76 个测试全通过并自行揪出 3 个 bug。实测机械任务省 95.4%，子 agent 场景省 79.7%，整体省 44.8%，且任务通过率无差别。
本期早报围绕 AI 模型与工程实践展开三大精讲：一是 OpenAI 为 GPT-6 改进提示缓存，命中率提升并推出缓存诊断工具，缓存输入折扣最高 90%；二是 Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS，支持声音创作、双说话人控制与授权声音复刻；三是 xAI 发布 Grok 4.7，聚焦长任务编程与自我验证，附基准与定价。速览部分涵盖腾讯错误码治理 Agent、网易 AI 原生组织实践、Reducto 文档智能、阿里 AI Native 研发手册、大淘宝小游戏 Agent、Harness 记忆与验证闭环及良渚 vibe coding 社区观察。
文章指出英语学习卡壳的根源不在于材料量不够，而在于同一段内容没有练透：收藏夹里塞满播客、TED、YouTube，但真正能复述的没几句。作者推荐了 Echo Loop 工具，它将盲听、精听、跟读、复述、间隔复习串成学习闭环，把一段音频从'听过'推进到'听懂、会说、记得住'，并自动化了学习流程节奏，让学习者只需开口练习即可。
好莱坞资深制作人 Jeffrey Katzenberg 回顾了自己横跨硅谷与好莱坞的职业生涯，探讨 AI 对创意产业的冲击。他以 1906 年留声机争议、有声电影取代影院乐师等历史案例说明：技术革新虽带来真实的岗位流失，却也扩展了艺术形式的边界。他回忆在迪士尼主导 CAPS 系统与皮克斯合作、以及梦工厂全面转向电脑动画的经历，引用华特·迪士尼的理念指出'工具从来不是重点，品味与想象力才是'。他理解创作者对 AI 的恐惧与抵制源于对技艺的热爱，但认为抵制技术将面临被淘汰的风险，唯有拥抱变革才能开拓新的创作可能。
本文介绍如何以约17美元的成本微调一个类似Jev的高效分类模型。作者基于Qwen3.5 4B，从MultiNLI、BoolQ、Banking77、AG News、SST-5等多个Hugging Face数据集中采样约3.8万个样本，通过脚本归一化数据后，使用Together AI的Fine-tuning服务启动训练任务（约25分钟完成），再将模型部署到Together AI的专用端点（dedicated endpoint），并通过API查询模型完成分类任务。文中还发布了可直接使用的together/Tev1-4B-experimental模型，适用于客服意图识别、文本情感分析、论文分类等实际场景，涵盖从环境搭建、数据准备、训练到部署查询的完整流程。
本文是构建自定义 AI Agent Harness 的教程。Harness 是驱动 Agent 循环的代码，负责模型路由、工具安全检查和答案校验等判断决策。传统做法需调用聊天模型，成本高导致检查被跳过。Jev 是 TypeSafe AI 推出的专用小型决策模型（System One 模型），以 0-1 概率快速回答问题，成本极低，可对每步操作进行实时检查。教程使用 Pi SDK（TypeScript 工具包）构建 Harness，通过 beforeToolCall 等钩子集成 Jev，实现破坏性操作拦截、模型路由、失败降级和答案质量校验，并以徒步调查笔记 Agent 为运行示例演示完整流程。
作者以技术小白视角分享 Jev 内测体验，用大白话解释 Jev 与 ChatGPT、Claude 等大模型的区别。传统大模型操纵电脑需逐步截图、生成指令，速度慢；Jev 则不做长文本生成，只做单选题式快速决策，几十毫秒内从页面可点元素中选定下一步，配合机械手执行。文章引用多个社区实测：Browser Use 创始人搜机票仅 7 秒、成本约 $0.0039；idan 的 WebMCP 基准显示 Jev 加 WebMCP 从 25/49 提升到 49/49，成本仅顶级大模型 computer use 的 1/112。作者认为未来 AI 协作是大模型规划、Jev 秒选、程序执行的分工模式。
本文介绍如何使用 Gemini Live API 构建具备自然对话体验的实时语音 AI Agent。与传统的单向 TTS 不同，Gemini Live 采用音频到音频的双向通信，能感知语气、停顿并支持随时打断。文章详细讲解了系统架构：浏览器客户端通过 WebSocket 连接 Python 后端，再与 Gemini 建立持久双向会话，并实现发送、接收、播放的并发核心循环。针对打断延迟问题，作者提出本地立即静音的 barge-in 技巧，并结合内置 VAD 实现即时响应。最后通过工具调用（function calling）与异步确认模式，让语音 Agent 能够播放音乐等实际操作且不产生尴尬停顿。完整示例代码已在 GitHub 开源。
文章分享了一个使用 GPT Image 2.5 生成电商详情页图片的提示词案例。内容为生成一张 9:16 竖版的蜜桃粉真丝睡裙电商详情页，模拟高级生活方式品牌的移动端页面。提示词详细描述了产品细节（柔粉真丝吊带睡裙、蕾丝领缘、可调节肩带）、场景设定（私人酒店卧室）、首屏标题与卖点文案，以及中段的商品平铺展示、面料微距、尺码表等内容，并明确规避诱惑姿势、透视走光等风险点，展示了 AI 图像生成在电商设计中的应用。
