网页爬虫迎来重大升级：PixelRAG 实现基于视觉的网页检索
PixelRAG 是一种开源的视觉化网页检索技术，通过直接截图并使用视觉模型分析像素，而非依赖 HTML 解析，从而避免信息丢失。它构建了 3000 万维基百科截图的视觉索引，在问答任务上超越传统文本 RAG 基准 18.1%，并支持 Claude 代码插件。
相关文档
深入理解 AI Agent：设计原理与工程实践
李博杰新书《深入理解 AI Agent：设计原理与工程实践》开源，涵盖从0到1构建生产级AI Agent的原理与代码，包括RAG、工具调用、多Agent协作等实战内容。
开源CC+Obsidian打造LLM Wiki内容创作3.0系统
文章介绍了一套基于LLM Wiki方法论的内容生产3.0系统，解决了2.0版本中知识库信息垃圾化的问题。通过“三步编译法”（浓缩、质疑、对标）将原始文档编译为持久化Wiki结构，实现知识资产的自动积累与进化，大幅降低维护成本并提升了内容创作与知识管理的效率。
数字人工作流Skills免费开源：全自动制作直播间广告教程
作者开源了一套耗时数周、花费数千美金打磨的数字人制作工作流Skills。只需一张照片和一句话指令，即可全自动生成数字人直播间带货广告，包括脸、声音、直播间、花字、价格动画等全部由AI完成。文章详细介绍了九大步骤：接入Renoise MCP工具、合成场景图、AI推荐风格、切分稿件、先报价拍首段、whisper回听与抽帧质检、拆解25支头部博主视频提炼的48个包装组件、三层景深字效果、以及过渡帧检查。成片成本仅482积分，替代了传统主播、灯光、场地、剪辑师的制作流程。
huashu-design 3.0发布！让你的设计审美再提升100%！
花叔开源的AI设计技能huashu-design发布3.0版本，该技能可让agent自动生成网页、PPT、App原型、信息图等设计。3.0主要改进：先出六个候选再挑三个成稿；现实参照改为同媒介并先截图；风格库从60种扩到84种（新增中文与东亚风格）；App原型采用有构图的展示板；新增本机记录系统（经验、外观账本、设计体检）实现越用越懂用户；坚持事实核实。作者分享了三轮迭代的过程，核心教训是：对agent应加选项而非禁令，禁令会让设计变得保守无聊，提供更多可见样例反而能激发更好的设计。
任意 AI 模型可用的手绘风视频 Skill
作者空格开源了一个手绘风格动效视频 Skill，兼容任意 AI 模型（国内及海外模型均可）。针对 AI 生成宣传片千篇一律的'会动的网页'式问题，作者将白板讲解的手绘感做成视频，内置白板、黑板、水彩、水墨、蓝图、漫画等 10 种画风。实现原理是用网页渲染画面、无头 Chrome 逐帧截图、ffmpeg 拼接视频，配合手写字体、rough.js 抖动线条和无限画布镜头。Skill 会自动读文章、写旁白、配音、排画面并渲染成片，支持多种比例和科普、宣传、课程等场景。项目已在 GitHub 开源。
B 站三天 100 万播放的「AI 接管账号」视频，全自动制作与裂变玩法分享（已开源）
作者拆解了 B 站爆款账号「Claude大小姐在运营」（三天破百万播放）的成功要素：AI 为主角的好奇心选题、B 站现成梗文化、评论区驱动下一期内容、公开账本养成感与信息差。作者用 Claude Code 花一小时、成本两元复刻出像素风视频，并将整套方法（skill 加出片引擎）按 MIT 协议开源。随后他连开三个细分内容号：Claude 与 DeepSeek 双人营业号（中英双语）、鸣潮二创日记号、AI 像素擂台（10 个模型同场比赛），并分享了选题调研方法论：追踪同类爆款数据、判断赛道拥挤程度、寻找未被挤满但持续出爆款的内容形式。
全世界第一个记忆原生大模型 MemT-1.0 上线
MemOS 团队发布全球首个“记忆原生”大模型 MemT-1.0，将记忆能力直接训练进模型权重，取代 RAG、Mem0 等外挂记忆方案。其思路是不改底座、参数冻结，仅在部分层并联约 1.05 亿参数的记忆块，通过蒸馏训练让模型自学“什么该记、什么该忘、怎么取用”，优化目标从检索命中率改为任务答对率。交付物包括通用模型权重（会记笔记的大脑）和用户专属记忆状态文件（仅 40 MiB 的笔记本）。数据显示其 40 MiB 记忆答题成功率 69.73%，略高于全量上下文的 69.13%，存储缩小 66 倍、首字响应快 4.19 倍。已在 Hugging Face 和 GitHub 开源，被视为开启模型“在使用中变强”的第四条技术路线。
AI 每日早报：DeepSeek 开源推理框架、Google TPU 推理引擎与 Anthropic 的 AI 队友实践
本期早报聚焦三条主线：一是 DeepSeek 全面开源内部推理框架 DeepInfer 与生产级 Token 编解码组件 deepseek-recipe，覆盖分布式推理、推测解码、结构化输出等能力，兼容英伟达与昇腾平台；二是 Google 为 vLLM 和 SGLang 推出原生 PyTorch TPU 后端，通过 TorchTPU、分层缓存与 TPU Sync 优化多轮 Agent 场景下的推理性能；三是 Anthropic 团队分享 Claude 如何从问答助手成长为承担团队职责的协作伙伴，涵盖追踪表维护、内部应用开发与会议协调等案例。速览部分还介绍了小红书 ROSS 训练方法、FairStress 公平性评估基准、Dyna Robotics 机器人 Scaling Law 及 SGLang 低延迟模式。
承诺已久的 Claude Opus 5.5 做资讯类视频教程终于来了，提示词流程skill 全公开
作者公开了使用 Claude Opus 5.5 制作 AI 资讯类视频的完整工作流程：包括从 X 和 Hacker News 选题、准备 Agent 所需工具（Gemini API 写脚本与 TTS 配音、Suno 背景音乐等）、编写初始提示词模版、让 Gemini 写脚本并由 Claude Code 派子 agent 进行对抗式审查，以及反复迭代修改脚本与视频。作者还开源了包含 18 套风格的 creator-style-kit 风格 skill，并指出选题是内容成败的关键，常见问题是画面信息密度过高和配音契合度问题。
想入门 AI 领域的极佳方式就是大量翻阅论文——Open-Science 科研工作台推荐
作者认为大量阅读 AI 论文是入门 AI 领域的极佳方式，并以朋友韭二老师爆肝 60 篇论文后入职盛大 evermind 为例。同时指出在 X 上分发论文解读是一种起号方式，该赛道仍有空白。针对论文小白，作者推荐一体化 AI 科研工作台 Open-Science：内置科研 skills 的 Agent 可检索文献、梳理方法并输出报告；支持灵活接入 Codex、Claude 等模型；研究过程可回溯审核；支持动手复现论文计算与分析。复现 5 篇以上即可深入掌握 AI 领域知识，项目已开源。
我把电脑里 8 个 Claude 做视频的 skills做成了一支 100 秒的视频
作者将电脑中 8 个 Claude 视频制作 skills 整合成一支 100 秒视频，视频本身由 Claude 写代码完成。文章逐一介绍每个 skill 的功能：xilo-opus-video 通用生成、lemo-opuscar 风格图册、mg-styles-15 动态设计、dashi-animationstyle 口播配画面、huashu-art-motion 美术史风格、wtt-code-animation-studio 全流程编剧、video-shotcraft 产品宣传片、archival-doc 历史纪录片剪辑。作者感谢开源作者，并回复网友评论。
Codex 生成“Claude感”动画skill（已开源）
作者分析了100多个国外开源Claude动画源码，通过双盲实验和消融实验迭代开发出Claude Motion skill，让Codex也能生成具有“Claude感”的动画视频。该skill通过素材库（含47条源码案例、5套制作系统、14个场景入口、30条物件包）为GPT提供可复用的绘图实现，GPT负责判断题目需求、检索案例、复制实现并重写主体与镜头，最终由浏览器逐帧绘制、FFmpeg合成视频。文章展示了天文台、灯塔、光圈等五组盲测对照成果，效果显著优于官方skill，项目已在GitHub开源。
