作者发现开源Skill项目token-dashboard可为Agent生成token消耗统计看板，但针对WorkBuddy存在价格换算不准、数据统计缺失、需手动重新生成等问题。于是二次开发出workbuddy-token-dashboard，具备五大核心功能：官方实际积分口径、KPI大盘、积分TOP榜、模型价格实时刷新、日历热力图与三级下钻。还通过定时任务实现每天自动生成并上传最新看板HTML到资料库，免去手动操作。该Skill纯Python零依赖，本地离线运行，数据安全不外泄，已开源到GitHub。
GPT-6 Astra发布后，许多人尝试让Codex通过computer use操控Blender做3D模型。作者实测后发现，无论是直接写代码还是操控Blender，成本和效率都不理想。他摸索出一套新策略：用Codex结合3D基座模型Tripo，两天零代码做出一个可驾驶浏览的巴黎城。核心思路是近景用AI生成的精细3D资产（车、树、铁塔、行人），远景交给代码绘制（街区、桥、塞纳河），以平衡细节与帧率。作者还将整套操作流程整理成386页手册教程并开源，包含提示词、脚本和模型。
作者在 MusicBridge 出圈后，本打算如法炮制开发电子书跨平台同步工具，但深入思考后发现听歌是单点需求，而严肃阅读是涵盖找书、格式处理、阅读器选择和笔记沉淀的完整链条。文章梳理了一套严肃阅读全链路工作流：以微信读书、得到电子书作为日常阵地；用 Z-Library 和 Anna's Archive 破解资源壁垒；利用 AI Agent 和开源 Skill（scanned-pdf-to-epub）将扫描版 PDF 重构为出版级 EPUB；推荐 BabyReader 和乔木阅读器等独立阅读器；最后用 flomo 与 Obsidian 实现轻重结合的知识内化。
UCSD 助理教授黄碧薇创办的因果世界模型公司 Aether AI 开源了 RSIAgent，一套不训练模型的递归自我改进框架。底层模型参数固定，通过 Curriculum、Actor、Verifier 三个 Agent 协作：自主选择任务、实际操作、独立验证，并将经验写入长期 Memory 持续积累。在 OSWorld 2.0 上平均部分得分从 71.97% 提升至 78.98%。其思路与 Prime Agent 类似，即保持模型权重不变，持续改进模型外部能力，重点在于通过自主出题和验证不断丰富 Memory。
作者介绍了开源项目 Hypit，一个面向 Claude Code、Codex 等 Coding Agent 的开源视频语言与编译系统，被称为视频领域的开源 Harness。它解决了 AI 视频制作两大痛点：视频模型抽卡黑盒、传统剪辑软件无法自动化。Hypit 用代码写视频，独创 Hook 机制将特效、B-roll、字幕锚定在台词的词上，修改台词后自动重新对齐；支持 /hypit clone 反向工程爆款视频并批量生成变体；付费素材先占位预览、旧素材 100% 复用，纯代码渲染零成本，API 跑完整视频约 1 美元。文中还提及 Atria Dawn Preview 的可交付 Agent 思路。
作者尝试用 Codex 结合开源工具 Hypit 复刻千万粉博主'小Lin说'的口播视频，发现 AI 生成的不仅是一条成片，而是一套可修改、可复用的视频 Workflow。Hypit 是面向 Claude Code、Codex 等 Agent 的开源视频语言和系统，人物、台词、字幕、B-roll 和特效跟随文字与叙事事件组织，而非固定在时间线上。修改主持人、图表或背景时只需重新生成相关组件，还能批量生成不同人物、内容、语言版本。作者认为这大大降低了复刻爆款视频、沉淀个人工作流的门槛。
文章包含两条内容：一是 DeepSeek kernel 工程师 Shengyu Liu 的长文，讲述 AI 已能自主分析 CUDA/PTX/SASS 并优化 kernel，他预判半年到一年内 AI 写的 kernel 可能超过自己，工作将从亲手写代码变为驾驶 Agent，并担忧未来社会走向共产主义或赛博朋克两极，因此选择留在 DeepSeek 推动开源 AI。二是微信团队开源的 WeKnora 框架，已从 RAG 系统进化为企业 Agent 基础设施，提供知识处理、ReAct Agent、Sandbox 执行环境、长期记忆和 Auto-Wiki 能力，代表 RAG 向企业 Agent Context + Runtime 的迁移趋势。
文章介绍开源项目 Hypit，称其为'AI 时代的合法印钞机'。Hypit 让 Coding Agent（如 Claude Code、Codex）学会完整地制作视频——包括脚本、配音、字幕、B-roll、特效和渲染。核心能力是'克隆'爆款视频：自动拆解视频的镜头切换、台词、字幕风格、节奏等结构，变成可编辑组件，然后像换皮一样批量生成变体，把过去 3-5 天的剪辑工作压缩到十几分钟。作者实测一条命令即可复刻广告片并快速换人物出新片，认为这将重构内容生产线，适用于短视频、MCN、知识付费和广告制作等场景。
DeepSeek kernel 工程师 shengyu Liu（interestingLSY）撰文讲述 AI 对自身职业的冲击。他负责 DeepSeek V4.1 Main Attention kernel 优化，但一年内 AI 已能自己读 CUDA、PTX、SASS 并优化 kernel，他判断半年到一年后 AI 写的 kernel 可能超过自己。他真正难受的不是失业，而是工作从亲手写 kernel 变成驾驶 Agent 写 kernel，多年练就的手艺不再重要。他还担忧社会将走向两个极端：生产力极大释放的共产主义式未来，或极少数公司垄断最强 AI 的赛博朋克式未来。他选择留在 DeepSeek 开源更强的 AI，把世界往好的一端拉。
本文整理了 Pi Agent 作者（也是 Flask 作者）Armin Ronacher 关于 AI Agent 的九条反直觉判断：极简 harness 因 bash 管道省上下文而胜出；当前 agent 仍处 DOS 时代，缺持久性与 Web 原生体验；许多 AI 问题实为系统架构问题；人类不会退场，可问责性与可内省性是刚需；开源等于进入训练数据的门票；企业 AI 编码投入的成本显现快于收益；他个人工作流保守；担心 AI 重蹈社交媒体覆辙；欧洲因碎片化而掉队。
LangChain 分享了其付费媒体 Agent 的构建经验。该 Agent 运行在 Slack 中，每周整合广告平台数据与业务管道数据，自动生成分析报告并提出优化建议。核心设计理念是将 Agent 视为知识工作者：为其提供配备沙箱、软件、业务文档的工作空间；用代码处理计算和规则以保证一致性，用模型专注判断与建议；围绕完整工作流设计，包括提案、人工审批与验证环节。借助 Deep Agents 作为 Agent harness 和 LangSmith 沙箱，六个月内付费媒体贡献了 20% 的营销管道，CPL 下降 30%，报告工作流成本降低 40 倍、速度提升 13 倍。项目已开源。
本文探讨了AI Agent开发中开放Harness与记忆所有权的重要性。作者引用Harrison Chase的观点——'不拥有Harness就不拥有记忆'，并区分了Memory（从上下文窗口记录的事实，如用户偏好、仓库知识）和Intelligence（利用这些事实让会话更智能的机制）。文章详细介绍了Mem0的方案：通过custom_instructions和infer=False控制记忆提取，用语义+BM25+实体搜索进行检索，并借助Dream实现记忆合并、替代与综合。作者主张将记忆层置于Harness之外，存储于SQL、向量数据库和实体存储中，从而实现跨Harness的记忆与智能的可移植性，即使前沿实验室的循环保持封闭。
花叔开源了Huashu-Report，一个用于让Agent产出高质量报告的Claude Code Skill，比之前的橙皮书skill更强大。文章指出AI写报告的瓶颈不在文笔，而在编造数字、重复叙述、口径不一致。解决方案分三层：先建数据表锁定数字来源，编译器检查正文引用；将可机器判定的规则全部写成函数而非留在手册中；脚本自动检查排版后仍需人工逐页目检。Skill支持六种报告原型：咨询deck、研报、学术综述、论文、调查、科普，并通过对74份顶级机构AI报告的解剖学习最佳设计品味。项目采用MIT协议开源。
本文是 Nous Research 开源个人 AI Agent Hermes 的深度配置教程。作者从私人助理定位出发，介绍了 Hermes 的核心能力：通过 /learn 学习资料生成技能、后台复盘积累经验、旧会话检索、子任务委派与审阅等。文章对比了 Hermes 与 Grok Bot 的差异，强调 Hermes 在模型自选、数据自主掌控和可迁移性上的优势。教程涵盖各平台安装与模型接入步骤、工作区目录规划、.hermes.md 资料管理约定、工具集按职责开启、Firecrawl 网页服务配置等最优设置，并预告后续将分享 5 个私人助理实用 Skill 及海外玩家的生活场景 AI 用法。
作者发现 DeepSeek 官方悄悄在 GitHub 仓库中合入了基于 Electron 的 Harness 桌面端应用，未发任何公告。文章介绍了作者自行编译运行官方桌面端的过程：安装 pnpm、克隆仓库、启动开发模式，并测试了对话、文件操作等功能。作者对比官方版与社区桌面端，指出官方版本在安全性和版本管理上更有优势：不开本地端口、使用自定义协议传输数据、整体签名发布与统一更新。官方版目前仍处早期，需自行从源码构建，未来有望正式分发安装包。
作者针对WorkBuddy工作空间因多任务混用导致的文件混乱、AI变笨、脚本难找、硬盘占满等问题，提出“一马一厩”的马厩管理法，并做成开源Skill。该Skill包含五大功能：为新工作空间建立规则与台账、新任务按“任务名+日期”建立输入/产出/草稿三格框架、任务收尾自动归档并记录经验、草稿三分法清理策略（留菜谱删草稿、压缩归档图片视频、删依赖包）、以及每季度生成垃圾清单的巡检机制（删除需人工确认且先备份）。适合多任务并行、常写文档或爱囤文件的用户，可通过GitHub提示词一键安装。
作者开源了一个Codex Skill，实现从一张角色图片自动生成游戏帧动画的完整流程：角色图 → 动作描述 → AI生成短视频 → 自动抽帧 → 角色对齐 → 输出PNG帧动画或Sprite Sheet。Skill支持有角色图或仅凭文字描述两种方式，通过SKILL.md让Codex理解整个工作流，并抽象出video_provider层以支持Seedance、Veo等不同视频模型的灵活切换。当前为V1版本，链路已跑通，未来计划优化关键帧挑选、动作循环质量判断及输出Unity/Godot等引擎格式。作者认为视频模型将改变游戏美术素材的生产方式。
作者基于自己做 AI 生产力培训课的实践经验，开源了 50 个知识管理相关 Skill，分为三个仓库：Read Buddy（阅读整理，将网页、RSS、播客、微信读书划线等转为结构化内容）、Design Buddy（设计与配图，覆盖封面、架构图、公众号排版）、Creator Buddy（创作分析，挖掘热点与竞品数据）。文章还阐述了 AI 生产力系统的理念：通过目录规则、目标计划、工具技能、记忆日志、风格画像五大模块，将文件夹体系与 Skill 结合，让 Agent 自动完成选题、写作、配图与运营分析，实现从输入到输出的完整知识工作链路。
工信部发布“人工智能+软件”专项行动实施方案，被视为影响未来十年的纲领性文件。文章梳理了文件提出的三大切换：开发从人工写代码转向智能体驱动，产品从被动功能软件转向主动执行任务的智能体软件，服务从卖License转向MaaS和AaaS。文件明确2028年验收指标，包括智能编程工具覆盖2万家规上软件企业、100项智能化技改、100个智能体软件标杆等。作者认为未来三年软件厂生产线、工业软件、软件新形态、收费方式及开源数据标准都将被改写。
Ars Umbris 是一款可塑的 Agent 原生 IDE，将知识库视为代码库，通过类型引擎为笔记、来源等知识对象定义类型与关系，并像编译器一样对知识结构进行校验。其仓库以本地 Markdown/YAML 文件组织，包含知识、类型、技能、MCP 工具、投影与 Agent 配置，支持跨仓库引用与依赖复用。它通过 MCP 适配器连接 Claude Code、Codex 等 Agent 框架，让多个会话共享同一份持久化状态，形成「元 harness」。项目目前处于早期 Alpha，仅支持 macOS 且需自行编译。
作者分享了自己三个月迭代七个版本的 AI 作图 skill（wtt-nine-comic-imagegen）的完整拆解。核心观点是：拥有自己的作图 skill，起点不是从零写，而是拿大神的骨架、喂自己的翻车。文章从 skill 的来历讲起，分析其分层结构（触发词交付层、骨架变量池工程层、铁律与负面清单经验层），指出最值钱的是「不许什么」的负面约束。通过字体词失灵等实测案例，总结出品味翻译的三种形态：翻译成数字、动作和禁止。还提出锚点与变量分离、共享机制抽取等结构决策，以及比喻成败目录这一沉淀品味的方法，给出了今晚就能开工的实践路径。
作者维护开源软件工厂 OpenInspect，解释为何开源而非商业化销售。他认为软件工厂是将信号（issue、Slack 消息等）转化为成果（PR、修复、答案）的 AI Agent 基础设施。将其作为产品出售困难重重：沙箱和模型推理等核心组件已被商品化，各组织需求差异大。真正的价值在于组织流程——代理路由、知识分发、系统改进、成本优化和 Token 支出的 ROI 归因，这些都需要与公司组织结构深度匹配。作者曾为 10 到 500 人规模的团队部署此类系统，认为软件工厂会成为关键基础设施，应由企业自持，因此选择开源以让团队专注于组织层面的问题。
作者起司开源了自制的 qisi 视频创意改编 Skill，输入爆款短视频后，Agent 可自动分析爆点、改编剧本、拆解资产与分镜，最终产出生图生视频提示词。文章重点厘清分镜与分段的区别：分镜针对剧本，分段针对生视频模型时长上限，并给出分段逻辑——分镜时长累加至模型上限即分段，遇场景变化或剧情转折立即分段。作者以三百粉丝新号爆出百万播放视频为例，说明该 Skill 可大幅降低 AI 短视频创作门槛。
Google 开源完整雄性果蝇大脑图谱（16.6 万神经元）后，X 上掀起「the fly can」热潮：果蝇大脑被接入 Minecraft、逃生游戏、比特币交易、YMCA 舞蹈、Figma 设计、Doom、Beat Saber、发币、发布视频等场景，甚至小鼠视觉皮层也被用来炒股。文章梳理了这些荒诞又硬核的案例，并指出其爆火源于数据开源、Agent 工具高效与荒诞感传播，同时引出关于意识与伦理的严肃讨论。
文章介绍了作者开发的三个围绕 Harness 的 Skill：star-your-harness 用于从零搭建个人 Agent 工作台，通过四个问题生成目录骨架；better-your-harness 用于诊断已有文件夹，从安全隐私、上下文质量、工具装备、记忆学习五层扫描并生成 HTML 报告；view-your-harness 用于可视化展示项目文件和 Skill 调用情况。作者认为 Harness 是模型之外让模型能干活的整套结构，搭建个人 Harness 能让工作在不同 Agent 间无缝衔接。
作者因记不住人脉信息，开发了一个 AI native 的人脉管理系统，集成在 Loci 记忆系统中。系统支持自然语言添加人脉、标签分类、搜索、人物关系图谱、位置信息管理，并可跳转导航。用户可通过 GitHub 安装，支持 AI Agent 接入或直接使用 Dashboard。作者鼓励反馈和 Star 支持。
作者阿策与榴莲等小伙伴正在开发自媒体 Agent 工作台 DraPub，旨在解决创作者如何长期、稳定经营内容的问题，而非仅用 AI 产出文案。用户可将网页、文件、随手记录和热点放入 DraPub，产品会结合 IP 定位、表达风格、素材和历史反馈，推荐值得创作的选题，并由 Agent 完成资料整理、对标研究、事实检查、正文创作、审核排期与发布，发布数据再反哺下一轮创作，形成完整内容经营链路。产品基于 pi 构建，已开放 Waitlist，后续将 Build in Public 并开源部分本地部署能力。
作者将 X 上 R 博的自媒体增长指南交给 AI 助理 Codex 提炼出 6 条方法论和爆款增长公式，并将其沉淀为「内容审核」Skill，后又升级为可评分、定位最大问题、针对性改写并复审的「内容增长 Skill」。作者用该 Skill 审计自己这篇 X 文章，初评 49 分，按建议压缩中后段改写后提升至 52 分，展示了审计→改写→复审的完整闭环。Skill 已开源到 GitHub，未来计划加入热点选题发现能力。作者认为 Skill 就是把一次有效学习变成可反复调用、不断迭代的能力。
DeepSeek 发布新架构家族中最小的模型 V4.1-Flash，具备原生视觉理解能力。该模型采用非对称因果编码器-解码器架构，552B 参数 MoE，仅 8B 激活参数用于输入、16B 用于输出，通过新预训练方法和大规模 RL 后训练，性能超越旗舰模型 V4-Pro。KV 缓存仅需前代 1/4 的 HBM 和 1/8 的 SSD 存储，大幅降低 Agent 成本。模型已上线 DeepSeek API，支持多模态，API 价格下调，非高峰时段费率为峰值的 50%。官方将与开源社区合作推进推理支持，模型已在 HuggingFace 开放。
作者分享了自己深度学习 Pi Agent 两个月后，将零散的学习心得整理成一本开源蓝皮书的完整过程。文章涵盖整理 98 条学习推文并提炼判断、选择 VitePress 作为技术方案、两轮 UI 返工、创建 GitHub 开源仓库、使用 Cloudflare Pages 部署并绑定域名，以及主动发邮件向 Earendil 获取文章翻译授权的经历。作者提供了可照做的实操步骤，说明即使没有前端经验，也能从材料整理到网站上线的全流程完成一本可公开访问、持续维护的开源知识手册。
