gpt2-image手绘风Skill：274种画风一键出图
作者整理了一个手绘风Skill仓库，收录200多种（后增至274种）画风，用户可通过浏览风格画廊、输入编号加主题的方式直接生成好看的图片，降低了普通用户使用AI绘图的门槛。随后更新添加了图文模式，输入编号和主题即可输出带文字的图片，适合公众号、小红书配图。新增风格包括3D、火柴人等，火柴人画风对发型和服装做了平涂设计以增强角色辨识度。
全部文档
8943 篇
腾讯开源 BrowserSkill 实测：让 Agent 直接操作已登录的 Chrome
腾讯开源了 BrowserSkill，作者用 WorkBuddy 实测后评价很高。该工具由 Skill 指令、bsk CLI 和 Chrome 插件三部分组成，可让 Agent 直接复用已登录的浏览器状态，在独立 Agent Window 中打开网页、搜索、点击、读取数据和截图，不影响用户正在使用的页面。它兼容 WorkBuddy、Codex、Cursor、Claude Code 等支持 Shell 调用的 Agent。作者实测完成了环境检查、识别 17 个标签页、搜索并整理结果等任务，安装过程简单，适合网页调研、热点搜索、后台操作和前端测试等场景。
我把《清明上河图》做成了可以互动的横向交互插画
作者以《清明上河图》为题材，用 Codex 辅助开发了一个可横向行走的交互插画项目。文章详细记录了从最初需求定义、视觉规则制定到技术选型的全过程：放弃 Three.js 改用 Canvas 2D 分层绘制，将鸟瞰式原画重构为适合人物行走的宋代街道，包含三个街区、141 位动态人物、虹桥过船和清明时雨等互动事件。开发中通过迭代修复遮挡、坐标、卡顿等问题，将帧率从 25 FPS 优化到 55 FPS，并配套 48 项自动测试，最终实现了用户可参与宋代街市生活的沉浸式体验。
Behind Jev: Two Hypotheses About Its Base Model
文章探讨 TypeSafe 公司 Jev 决策 API 背后可能的基础模型架构，提出两种假设：一是 BERT 风格的双向编码器，二是去掉生成循环、直接输出决策概率的因果解码器。作者引用 Archer Hume 基于约一万次 API 调用的逆向分析，认为其可能是带共享状态计算、独立问题分支和直接概率读出的因果 Transformer，甚至可能是 MoE 架构，但其研究无法区分编码器与解码器。文章还通过 OpenJev 等开源项目（基于冻结的 Qwen3.5-4B 权重）证明使用因果模型骨干做直接决策打分在技术上可行，并讨论了因果注意力、前缀缓存等工程优势。作者强调这些都是架构假设，不能确定 Jev 的真实权重来源。
换掉 VPS 的 IDC 机房 IP：几十块一年换上家庭宽带住宅 IP
作者因 VPS 的 IDC 机房 IP 质量差、被 Google Gemini 屏蔽并频繁触发 Cloudflare 验证，转而测试 Webshare 的静态住宅 IP。文章详细介绍了注册流程、套餐选择（Shared/Private/Dedicated）、位置与更换次数设置、付款方式，以及用 ping0.cc、ippure.com 等工具测试 IP 质量纯净度和速度的方法。作者建议选择小众 ASN 以刷出高质量家庭宽带 IP，实测速度可达 200Mbps+，年费仅 80 多元人民币。最后介绍了浏览器插件、VPS 出站配置和客户端链式代理三种使用方式，认为这是性价比极高的住宅 IP 方案。
Anthropic 经济情景论文笔记：AI 到 2030 年对 GDP、工资与就业的影响
作者精读 Anthropic 57 页经济学论文，梳理了 2030 年前 AI 大规模进入认知型工作后的经济影响。论文设计了温和、显著、极端三种情景，对应 GDP 增幅 1.6%、8.3% 和 32.4%。关键结论包括：AI 独立完成任务比例越高，收入越流向资本而非劳动者；显著情景下 GDP 增 8.3% 但平均工资仅增 2.1%，资本收入增 18.9%；难以被 AI 替代的工作（建筑、电工等）反而升值；工资弹性决定冲击表现为降薪还是失业；极端情景下经济总收益约为认知工作者损失的三倍，核心问题是财富分配而非财富创造。
投资者指南：写给普通人的价值投资理念
作者以朋友上杠杆投资中国股票巨亏的案例切入，指出普通投资者亏损的根源是缺乏投资纪律和被情绪主导。文章阐述了价值投资的核心原则：绝对不上杠杆、不借钱投资、合理设定收益预期、坚守能力圈、只重仓真正深入了解的公司。作者强调个人投资者相对机构的最大优势是时间与自主权，无需面对考核和赎回压力。并提出“赢学理论”（上涨赚现金、下跌赚筹码）和“主体性理论”（收益目标由自己定义，不受市场情绪绑架），倡导通过仓位管理和心态控制实现长期稳定盈利。
RGB 的隐私，究竟保护了谁？
文章深入分析 RGB 协议的隐私特性，指出其隐私并非完全屏蔽所有观察者。作者将观察者分为四类：普通链上观察者、交易对手、资产发行方、钱包与服务商，说明不同角色能看到的信息不同。RGB 采用协议外隐私，与 ZEC 的协议内隐私路径不同，风险点也各异。作者认为 RGB 有望成为 BTC 生态下一轮大叙事的核心，将 BTC 从单一资产推向多资产网络，但仍需解决钱包体验、数据备份、流动性等问题。
清华团队开源C2C技术：大模型缓存直连，绕过文字交流
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。
Jev 模型实测：新闻分类任务上的速度、质量与价格三赢
作者分享了使用新模型 Jev 对《人民日报》新闻进行湖北相关元素分类的实测体验。此前该项目一直使用 Gemini Flash Lite 系列，积累约 2.4 万条数据。通过 OpenRouter 上线 Jev 后用相同提示词对比测试：速度上单篇耗时从 3 秒降至 0.35 秒，提升近 10 倍；质量上与 Flash Lite 仅 15% 判断不一致，且差异多源于人名知识库差异，实际正确率约 95%；价格上处理 5 千条数据 30M Token 仅花费 1 美元。作者认为 Jev 代表的分类器大模型在分类场景下实现了速度/质量/价格的不可能三角，极具前景，并计划连夜用于优化生产项目。
The Machine Stops: 为什么你的公司无法实现 AI 原生化
作者借 E.M. Forster 1909 年的科幻小说《机器休止》，剖析企业 AI 转型失败的根源：真正懂业务运转的人已离开，知识只存在于个人脑中、Slack 记录和部落经验里。AI 无法修复无人理解的流程，只会以机器速度放大混乱。MIT 与 RAND 的研究显示，绝大多数 GenAI 试点失败的原因是组织性而非技术性。作者提出解决方案：先梳理并文档化关键流程，建立基线和评估体系，再构建 AI Agent，用循环迭代的方式重新获取并固化组织知识，避免机器在无人理解中停摆。
我是怎么用 Codex 做小红书，2 天涨了 1000 粉
作者分享用 Codex 自动化运营小红书账号的经历。他看到一个小红书账号讲“生活中常见物品的英文名”类内容，于是拆解其选题模型：熟悉的事物+陌生的英文名+好奇心问题。随后将找选题、查名称、写标题、做图、排版等执行环节全部交给 Codex，自己只负责定方向和审核。最终账号获得 105 万曝光、18.4 万观看、封面点击率 17.9%，2 天涨粉 1000。作者总结方法论为：发现→拆解→模仿→迭代，即复制已验证的底层逻辑并用 AI 快速生产自己的内容，大幅缩短从发现机会到落地的时间。
别再手刷AI热点了：我把多个来源做成了一个自动情报系统
作者分享了从想法到上线不足一天完成的 AI 热点情报系统 AIDayHot 的实践过程。系统核心流程为：多来源采集 → 领域筛选 → 72小时时效过滤 → 链接指纹去重 → 看板展示 → 定时邮件推送。文章重点讲解了几个关键决策：第一版不做用户系统，只做公开看板和管理后台；数据源优先使用官方 API 或 RSS，避免硬爬；通过链接指纹实现去重保证数据质量；定时调度独立于 Vercel 部署，避免套餐限制并解耦系统。作者强调信息过剩时代稀缺的是可靠筛选，产品第一版应保证核心闭环稳定而非功能堆砌。
还是没忍住，做了一个快速下载电子书的 Skill
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。
GPT Image 2.5 提示词模板：棚拍人像与户外自然光
文章分享了针对 GPT Image 2.5 的两套可直接使用的人像生成提示词模板：单灯棚拍人像与户外自然光。作者提出提示词应遵循官方四段结构（场景、主体、细节、约束），强调模型听得懂的是具体信息而非情绪词。文中给出通用五层骨架、参数配置，以及提示词过长时的删减顺序——先砍细节色彩，最后才动光线和取景。还解析了模板中关键句子的作用，如光斑不打进眼睛、暗部反光补偿等，帮助用户写出可控、稳定的图像生成提示词。
Codex直出，开源一个手绘风视频Skill，让长文一键转视频！
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。
Jev 在金融投资场景中的能力及应用实践
作者围绕新模型 Jev 在金融投资领域的应用做了几千次真实 API 调用测试，估算模型费用约 0.05 美元。文章梳理了推特上多个热门应用案例：交易机器人、价格预测、SEC 公告筛选、期货短线交易、代币风险筛查等，并分析了各自优劣。作者认为 Jev 不适合生成完整研报，更适合作为核验检查步骤：区分预计收入与已实现收入、识别数据口径错误、去重消息、发现交易动作与用户意图冲突等。文章还介绍了 Jev 与主模型配合的流程设计、缓存与成本考量，给出了基于 TypeSafe Playground 的上手实验建议。作者用 104 条合成样本测试，99 条符合预设，提醒速度可试研究辅助但不能承诺交易执行，最后透露正在开发期权策略选择器。
开源读书视频Skill：抖音起号神器，读书带货视频保姆级教学拆解（系列二）
作者开源了一套用 Codex Skill 自动化生产抖音读书带货视频的完整流水线。文章详细拆解了八步流程：选书（真实可核验书籍）、定情绪（单一情绪+两字毛笔字遮罩）、写七段式256字逐字稿、火山引擎TTS配音（固定语速4.56字/秒）、AI生图（侧脸+自然山水构图）、图生视频轻动态、四拍片头制作、FFmpeg渲染并生成剪映草稿。该流水线不露脸、物料成本约两元一条，可批量产出情绪读书视频，实现读书号起号变现。
语言自卫的艺术：化解语言攻击的实用指南
本文介绍语言学家苏泽特·海登·埃尔金的经典著作《语言自卫的艺术》，阐述语言攻击的本质是权力争夺与情绪勒索。文章系统梳理了核心框架：前提假设与诱饵的剥离理论、8种经典攻击句式及反击范例、萨提亚五种沟通模式（其中超理智模式是最佳防御盾牌）、肢体语言与语调配合法则，以及实战心法。核心哲学是不咬饵、不提供情绪养料，像语言合气道一样借力打力、化解敌意、保护自身边界，对破解职场PUA与家庭情感勒索极具实用价值。
OpenAI 是否更 Open？浅析 Codex Model Catalog 配置
本文以 Kimi K3 接入 Codex 为例，深入解析 Codex Model Catalog 机制。随着主流国产模型支持原生 Responses API，接入 Codex 不再需要格式转换，但模型能力差异使配置复杂化。文章介绍 Model Catalog 作为'模型使用说明书'的作用：通过本地 JSON 声明模型上下文窗口、输入模态、思考档位、工具形式等能力信息，与 config.toml 的连接配置分工协作。作者以 Kimi Code 为例给出完整配置示例，详解各字段含义与常见误区，并说明 CC Switch 工具如何通过预设和表单简化第三方模型的配置流程。
某二次元 AIGC 团队 Infra 组招聘：地狱周收获与招人启事
作者介绍了其所在的二次元 AIGC 顶尖团队的 Infra Team，职责涵盖 SRE、Data Infra、推理与训练基础设施建设、安全及 AI Infra 等。团队定位为偏 Infra 的 Product Engineer，与业务深度协作，目标是让服务变得更好。作者分享了地狱周成果：完成全服务 Service Mesh 化、迁移至 Istio Gateway、搭建 1:1 测试集群并完成压测和故障演练，零事故完成机房维保。团队注重效率与沟通，反对纯 AI 生成文档，招聘 SRE、推理、研发效能三个方向的校招到 Senior 人才。
一文解密 Jev：一个不聊天的模型，为什么突然火了？
TypeSafe AI 于2026年9月发布的 Jev 是一个不做对话和内容生成的专用判断模型，主打低成本、高速度地解决软件中的小型理解判断任务，如工单分类、优先级评分和概率判断，提供 Choice、Score、Noul 三种能力。其极低价格（每百万输入token 0.042美元）和 Vercel、Netlify 的快速接入引发开发者关注。文章分析了其'零幻觉'宣传的真实含义、评测数字的适用边界，并指出 Jev 的价值在于与生成式模型、程序和人分工协作，让软件能以低成本读懂小问题。
火爆全网的Jev到底是什么？
文章介绍了旧金山创业公司 TypeSafe 推出的闭源基础模型 Jev。它不做文本生成，只做判断题、选择题和打分题，输出严格限定在预设选项内，可在约100毫秒内出结果，成本极低。其核心技术是通过 RLCD 强化学习实现概率校准，类似于卡尼曼所说的 System 1 快思考，与传统大模型的慢思考互补。文章展示了社区应用案例，如浏览器 Agent、游戏实时决策、LangChain 工具路由、AI 输出审核等，也指出其在数数、算数、多跳推理和中文上的短板及提示词注入风险，认为 AI 调用正在走向分层架构。
GTM-maxxing for 10 YC companies: Steal these secrets
作者基于为 10+ 家 YC 公司提供 GTM 服务的经验，阐述早期创业公司如何做增长。核心观点：AI 让找线索变得容易，但判断哪些线索重要才是关键。创始人前 50 次销售对话是数据收集，类似模型训练。文章提出线索的新定义（fit × timing × intent × confidence），强调先完整映射市场再进攻，重视时机信号，并将 outbound、inbound 与 GTM 工程整合为一个闭环系统：运行策略→捕获信号→衡量结果→更新模型，认为专有的结构化市场学习才是真正的护城河。最后以 Workersio 案例展示具体工作流。
如何培养一种独特而危险的视角
文章探讨为什么大多数人缺乏独立的思想：源于部落生存本能与教育系统对服从性的训练。作者指出，许多人的观点是从父母、家乡或权威思想家那里继承的，从未被真正审视。他结合苏格拉底之死、《1984》的思想罪概念以及个人经历，提出培养独特视角的方法：首先要敢于'犯罪式思考'，从每天1%的微小偏离开始；其次要把未经检验的观点当作人生实验来验证。互联网时代改变了激励结构——质疑常规反而能让创作者吸引真正共鸣的受众，建立职业与影响力。
爆款账号拆解：小众漫画，每天稳定破万，收入200-500
作者拆解了一个叫范小白的漫画类公众号，该账号专注情绪、关系、自我三大母题，以图卡形式（一幅画配两到四行短句）呈现，日均阅读3-5万、收入200-500元。文章分析了其成功原因：图卡形态带来高完读率与可截图传播性、标题短句遵循五种公式、内容高度聚焦可反复重写、内容具备可转发、不腐烂、可复用三大性质，以及出版和权威媒体背书加速。最后给出新人可借鉴的五条建议，核心是把内容做成可以被带走、由读者自发传播的东西。
Mastercard 六十年：一群银行，如何建起全球支付网络
文章梳理了 Mastercard 从 1966 年多家银行联合成立 ICA 协会开始，逐步发展为全球支付网络公司的六十年历程。内容涵盖其与 Visa 既竞争又合作的复杂关系、共同制定 EMV 技术标准、1979 年品牌更名、1990 年代借记卡与 Priceless 品牌营销、2006 年上市转型、以及从刷卡延伸到手机支付、账户支付、金融数据和网络安全服务等新业务。文章还分析了交换手续费的利益分配机制、银行在发卡中的关键作用，以及万事网联在中国落地清算业务等重要节点，展现支付网络的商业逻辑演变。
Will TypeSafe's Jev change how we build AI applications?
文章分析了 TypeSafe 发布的新模型 Jev——一种只能做分类、评分和路由决策、不能生成文本的'System One'模型。Jev 比通用 LLM 快 40-200 倍、便宜 40-400 倍，通过 RLCD 训练方法实现零样本概率判断。早期独立测试显示其准确率接近 GPT-5.6 等大模型，垃圾邮件分类甚至可媲美有标注训练的分类器。代价是失去了解释能力，无法说明判断理由。作者认为这可能改变 AI 应用架构：用 Jev 做大规模廉价监控评估，用 LLM 判官处理少量样本以获取改进方向信号。
Jev Engineering: 从零搭建 AI 系统 1 决策模型的 10 步完整路线图
本文介绍 TypeSafe AI 推出的 System One 决策模型 Jev，其理念源自杰文斯悖论——通过分离 Agent 中的小型判断决策，降低成本并提升效率。文章以 10 步路线图讲解如何从零搭建和使用 Jev：识别 Agent 中可交由 Jev 接管的决策点、在 Playground 中测试单一决策、配置 API 与 Python SDK、编写 chief.py 脚本将请求转化为带置信度的任务分发文件（handoff），并存入本地任务队列供后续 Worker 消费。文中还展示了 Browser Use 结合 Jev 后 7 秒、$0.0039 完成机票搜索的案例。
Goosebumps: 机器人学正在发生范式转变
UC Berkeley教授Ken Goldberg提出Agentic Robotics（AR）新范式：将机器人策略生成视为编程问题，用多智能体AI系统离线编写、测试、诊断和迭代改进结构化机器人程序。团队开发了图策略框架GaP，将控制表示为模块化组件图，多个编码智能体在仿真中递归优化。借助Newton物理仿真器和Robot Sim Studio工具，GPT-6 Astra展现了从真实场景视频推断物理参数的'逆物理'能力，生成了能直接在真实机器人上运行的代码。AR结合了模型方法的速度可靠性与前沿AI的适应性，Real2Sim正从人工工程任务转变为智能体学习过程，机器人学迎来范式转变。
