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。
作者实测使用OpenCode搭配DeepSeek V4.1 Flash模型，通过一段完整提示词直接生成了一段22秒的智能手表产品动效视频。提示词详细规定了画面风格（电光蓝配白）、分镜节奏、动效与配乐要求。整个生成过程耗时近5个小时，作者评价效果尚可但生成时间极长，并在回复中表示'OpenCode拉完了'，认为其表现不佳。文中还公开了完整的三段式提示词供他人复刻。
作者将 OpenCode Go 和 Command Code GOAT 两个 10 美元/月的套餐接入自己的 Sub2API 网关，基于 64,648 条使用记录和小规模质量测试进行实测对比。两者月额度均为 80 美元，OpenCode 短时额度更大（5 小时 16 美元、周 40 美元），GOAT 为 14/35 美元。在相近规模流式请求中 GOAT 耗时中位数和 P95 更短，400 错误也显著更少。结论：接自己的 Agent 或通用 API 客户端优先 GOAT；用于兼容的 coding agent 且集中跑任务则选 OpenCode Go。文章还讨论了处理费、高峰定价、参数兼容问题和模型是否量化等细节。
作者分享了一份利用 Opencode 搭配免费 GLM-5.3-Flash 模型进行 REA 逆向工程的教程。步骤包括安装 Opencode、使用特定提示词，即可让模型执行逆向任务，且不封号、不拒绝。评论区讨论了 APK 脱壳需消耗大量算力、pi 和 deepseek 模型同样可行、frida 内存钩子在免费模型上的实际效果，以及与 IDA MCP+AI 方案的对比。作者提醒提示词可能很快失效，建议尽快尝试，并根据具体项目自定义验收标准。
文章批判性分析了当前 coding agent（如 Claude Code、Codex、OpenCode）的种种缺陷：任务管理糟糕、不会并行处理和委派、对自身功能一无所知、计划表达混乱、轻易停下等待用户、缺乏真正的沙箱安全边界。作者区分了模型（大脑）与 agent（身体），指出模型进步很快但 agent 层才是瓶颈，并列举了理想 agent 应具备的能力：任务拆分与模型委派、人类易读的计划、OS 级沙箱、ETA 估算、自省改进等。最后猜想这是委托—代理问题——AI 高管与一线开发者脱节，只关注 demo 和基准测试而非开发者体验。
作者针对 Grok Bot 免费额度不足的问题，开源了工具 FreeToken-Bots，将 OpenCode Free 的零价模型接入 Grok Bot 的云电脑，形成分流管线。工具提供三条免费线路：长草稿（longcat-2.5-preview-free）、短稿备份（ling-3.1-flash-free）和多模态看图（space-bunny-free），均实测 cost=0。文章详细介绍了在云电脑上通过克隆仓库、安装 CLI、启动 headless serve、扫描线路、配置 cron 定时任务等 5 步完成部署的方法。工具坚持五条硬边界：不自动切付费、不自动发帖、只绑本地回环、密钥不进 git、sync 默认 dry-run。相比自用电脑，云电脑具备 24 小时常开、多助手共用的优势。
本文对比了 Pi Durable 与 OpenCode 两种编程 Harness 架构。传统 Harness（如 Claude Code、Codex、OpenCode）采用会话式架构：运行中的 Agent Loop 驱动模型调用与工具执行。Pi Durable 则将模型生成、工具调用、压缩及应用工作全部建模为持久化任务，由调度器基于存储状态决定执行，实现崩溃恢复与进程解耦。文章从五个维度展开：Agent Loop 序列化到存储、工作可调度、应用状态与对话的原子绑定、压缩移出关键路径、以任务图形式实现委托协作，展示了持久化任务架构带来的全新 Harness 能力。
作者总结了 AI 开发中四个关键的二元选择：一是优先使用现成的开源能力（skill）而非从零开发，通过 GitHub star 数判断成熟度；二是 OpenClaw（龙虾）适合已搭好管道的日常自动化（BAU），而搭建复杂系统应使用 Claude Code、Codex、Jules 等开发工具；三是多 agent 并非越多越好，应先单 agent，确实不够用再逐个增加，复杂度是敌人；四是确定性逻辑用脚本执行，大模型只用于需要判断的环节，高风险决策需人工审批，最终形成脚本+大模型+human approval gate 的结构。正确选择可节省大量时间。
作者分享了一段超级提示词，可以让 Claude Opus 5.5 直接生成整个项目的可视化架构地图。与 Devin 的 deepwiki 偏文档式 wiki 不同，这种方式更偏可视化。作者在自己的项目上实测，效果非常好，并将原作者针对特定项目的提示词改写成了通用版本发布在 gist 上。回复中提到 grok 也可以实现，只是 Opus 效果更好，但作者对界面美观度仍不太满意，认为需要再优化。
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。
文章探讨了 LLM 与 Harness（智能体外壳）之间的动态博弈。作者回顾了工具编排的四代演进：从 Function Calling、Tool Search、Code Mode 到 Model-native Code Execution。以 OpenCode 2 接入 GPT-6 Astra 后模型绕过定制解释层、直接写原生 Python 为例，指出前沿模型已将编程能力内化为默认行动策略，强行约束是逆着模型行事。架构思路因此从编排层变薄、控制层变厚迁移：权限拦截、可观测性、状态管理等责任转移至外部系统。作者还分析 Harness 难以自进化的原因——缺乏廉价反馈与客观评估标准。结论是 Harness 设计须保持动态滑动边界，模型已内化的能力果断让渡，控制面继续完善。
作者分享了不用背电脑、仅用手机远程控制Claude Code、Codex等Agent的工作流。通过UU远程低延迟连接，解决了SSH不稳定、切换慢的问题。新功能包括手机端终端与TUI完整支持、多终端并行会话、跨端接管、小窗口挂机看进度、文件传输和CLI脚本化管理多台设备，配合Herdr插件可视化管理Agent状态。作者认为电脑应是工具而非负重，远程桌面、终端、CLI各司其职，极大延伸了AI使用的场景。
吴恩达撰文阐述AI工程师的核心技能之一——使用编码智能体。文章总结了与顶级AI工程师访谈得出的工作流程：规划（头脑风暴、撰写规格）、执行（构建、测试、验证）以及部署与监控（CI/CD门控、日志监控）。作者指出，有效使用编码智能体需要五大关键技能：掌控工作流程、赋予智能体自主性、审查工作成果、定制智能体及其环境，以及理解编码智能体的底层原理。文章强调，随着Claude Code、Codex、OpenCode等工具快速演进，这项技能也需要通过持续的实验、构建和学习来不断更新。
DAIR.AI 本周精选五篇 AI 论文：1）Netflix 的 LLM Judge 生命周期管理，通过推理对齐的评分标准调优实现生产级评估，A/B 测试显著提升用户浏览转化；2）NVIDIA 的 Skill Lift，用配对运行测量 Agent Skill 的实际增益，发现结构扫描分数与质量几乎不相关；3）阿里巴巴 Scroll，以代码方式管理上下文，用事件日志与沙箱内核替代预设 schema，在长记忆基准上取得最佳成绩；4）JIT-Agent，按任务即时生成 Harness，使多个骨干模型大幅提升；5）Prime Intellect 开源长程任务 Harness，支持跨轨迹持久化历史、记忆与技能，实现可复利的自我改进。
作者基于十天高强度使用经验，分析 Omarchy 作为面向 Agent 的原生桌面 OS 的架构设计。文章指出 Omarchy 通过统一 CLI（436 条命令）、可替换的多 harness Agent、随 OS 版本发布的 Skills、三层状态分层，以及 Hyprland、Quickshell、mise 的协同，构建了一个适合人类监督、随时委托和快速接管的 Agent 工作台。UX 层面通过快捷键、平铺布局、workspace 隔离和普通终端运行降低调用摩擦并提供可接管性。作者认为 Omarchy 已是成熟的 agent-ready desktop OS，但距离 agent-safe OS 还差统一 capability policy、操作审计和事务式回滚。
本文是使用Raft平台搭建多Agent协作团队的完整课程。作者指出多数人运行的只是'五个聊天窗口加一个人肉中转'，真正的瓶颈在于Agent之间无法共享上下文。文章分8步讲解：创建统一的服务器工作区、连接本地计算机运行时（如Claude Code、Codex CLI、OpenCode等）、将Agent作为持久身份的角色而非一次性提示来创建、通过共享任务看板进行工作交接与认领，以及跨公司Agent协作等内容。Raft让Agent像Slack成员一样拥有记忆、状态和专长，可并行工作、互相交接和审查输出，且运行在用户自己的硬件上复用已有的AI订阅。
文章帮助开发者厘清不同 Coding Agent 工具的选型思路，将需求分为三类：开箱即用的 Coding Agent 产品、可编程调用的 Agent SDK、以及用于定制自有 Agent 的 Agent Framework。预算充足可选 Claude Code 或 Codex，预算有限可用 OpenCode，追求极简与插件机制可选 Pi，想尝试递归自进化（RSI）可关注 DeepSeek Harness。作者认为 DSH 目标宏大但短期不会作为主力工具，会持续关注学习。
因DeepSeek官方API涨价，作者对比了2026年主流AI订阅套餐的性价比。结论：34元人民币的OpenCode Go订阅最划算，可0.33倍率用DeepSeek、0.083倍率用Muse Spark 1.2；30美元档推荐SuperGrok、GPT Plus和GLM Lite；200美元档推荐Claude Max和GPT Pro；300美元档推荐SuperHeavy。文章还详细列出各套餐的坑点，如Claude易封号建议通过苹果商店购买、Grok节点不干净会降智、GLM限购且速度慢等，并附AI模型智力排行榜。
文章指出 AI 编程的核心不是工具安装，而是建立权力结构与规则。作者通过 AGENTS.md、模型路由、MCP 和 Team Mode 等 OpenCode 机制，阐述如何通过立法、感官建立和验收来驾驭 AI 军团，强调开发者应成为立法者而非单纯的批准按钮。
本文是对 2026 年主流 AI 编程框架 OpenCode、Claude Code 和 Codex 的深度横评。文章详细介绍了 OpenCode 旗下的 OMO 插件及其多 Agent 编排哲学，并犀利指出了 OpenCode 目前面临的稳定性与性能问题。同时，对比了 Claude Code 的云端重构与 Ultraplan 特性，以及 Codex 的移动端与 Symphony 框架优势。作者认为模型能力差距正在收敛，真正的竞争在于 Agent 的编排与工具链整合，并推荐新手根据稳定性与生态需求选择合适的工具。
本文深入探讨了 Moonshot AI 的开源模型 Kimi K2.6，强调其独特的“群体智能”架构，能协调 300 个子代理并行处理复杂任务。文章对比了 Kimi 与 Claude 的优劣，展示了 Kimi 在数据抓取、代码优化和网页生成方面的实战能力，并详细介绍了如何利用 Cloudflare Workers AI 和 Open Code 免费部署该模型。
本文是「Obsidian + AI」系列教程的第三篇，详细介绍了如何在 Claudian 插件中接入第三条 AI 通道 opencode。文章提供了手把手的图文教学，指导读者安装 opencode CLI、通过 CC Switch 配置 OpenRouter 及国产/免费模型（如 Ling-2.6-1T），并将其接入 Obsidian。最终实现了 Claude、Codex、OpenCode 三通道并行的 AI 写作环境，不仅降低了 API 成本，还确保了服务的稳定性。
作者分享了使用 Hermes 一个月的经验，纠正了对其用途的误解。Hermes 擅长作为 Operator 进行周期性的数据分析和报告，但在构建 UI 界面方面不如 Claude。最佳实践是利用 Claude 构建 Dashboard，由 Hermes 负责持续的数据监控与分析，作者通过 PolyBond 和 Bangkok This Weekend 两个项目验证了这一工作流。
文章介绍了一套名为 web-design-engineer 的 Skill，它复刻了 Claude Design 的核心理念，旨在解决 AI 生成网页“塑料感”重、审美同质化的问题。该 Skill 包含动态角色定位、六步工作流、OKLCH 配色、大胆留白及验证环节。作者优化了原版流程，增加了三档工作流模式及品牌优先逻辑，并结合 Claude Code 进行实操演示，展示了如何生成高审美的网页及 UI 设计。
本文介绍了如何利用开源生态系统构建一个持续学习的编码代理系统。作者基于 Prime Intellect 平台和 OpenCode 环境，创建了一套批量增量式在线强化学习流程，通过 Git 快照收集真实交互数据（约 21.8 亿条记录），并在沙箱环境中进行模型训练与部署，旨在实现代码生成的个性化与自我进化。
这是一份详尽的 Codex CLI 使用指南，旨在帮助国内开发者解决 ChatGPT Plus 会员使用 OpenAI 官方编程工具的难题。文章不仅介绍了通过终端、VS Code 插件、Cursor 编辑器及 Opencode 客户端四种方式接入 Codex 的具体步骤，还涵盖了 Node.js 环境配置、账号登录授权、代码审查命令以及网络代理等常见问题的解决方案。相比 Claude Code，Codex 在逻辑严谨性和账号稳定性上更具优势，是进行代码审查和 AI 辅助编程的强力工具。
文章记录了作者使用国产AI工具OpenCode和GLM-4.7模型，配合media-downloader和remotion-best-practices两个技能，从零开始自动化下载素材并剪辑高燃短视频的完整过程。展示了OpenCode处理报错、执行命令及任务规划的能力，并探讨了通过对话式AI优化视频细节（如字幕、配音、动画）的可能性。
文章分享了作者为其开源项目 Huntly 实现“知识库对话”功能的巧妙思路。作者受技术帖启发，放弃了原本复杂的 Markdown 和 MCP 方案，转而让 Agent 直接通过 Skills 文档访问 SQLite 数据库。验证表明，该方案配合 glm-4.7-free 模型效果拔群，Agent 能轻松总结收藏、分析 RSS 文章并生成热门推文周刊。文章还展示了基于此逻辑生成的“lcomplete 的 X 精选”，涵盖了 AI 编程、投资哲学、工具生态及 Huntly 项目更新等内容。
文章详细介绍了 Claude Code 的开源替代品 OpenCode 的优势。作者建议开发者使用 OpenCode 以避免 Anthropic 公司的封号风险，并利用其支持多模型（GPT、Gemini、Claude）的特性来提高开发效率。文章还对比了两者的生态差异，认为 OpenCode 像“安卓”一样更具开放性和可定制性。
本文介绍了2026年值得尝试的AI工具组合：OpenCode、Oh-My-Opencode与Claude Skills。作者详细讲解了如何通过OpenCode免费使用GLM-4.7等模型，安装Agent框架OMO，以及如何调用和创建Skills来实现一句话生成论文、画报和文案等功能。文章旨在降低AI编程门槛，让小白用户也能轻松上手。
