白烧了 5 亿 token 之后,我连夜开源了个给 Codex 和 Claude 做 Skill 搜身的新技巧!
作者因安装 300 多个 Skill 导致每次对话多消耗约 8.2k token,累计浪费数亿 token。为此,他开发了一个“Skill 瘦身”工具和可视化控制台,按使用频率和重要性将 Skill 分为核心全局、项目级和触发级。通过将低频 Skill 改为动态加载,既节省了上下文窗口,又保留了完整能力。
作者因安装 300 多个 Skill 导致每次对话多消耗约 8.2k token,累计浪费数亿 token。为此,他开发了一个“Skill 瘦身”工具和可视化控制台,按使用频率和重要性将 Skill 分为核心全局、项目级和触发级。通过将低频 Skill 改为动态加载,既节省了上下文窗口,又保留了完整能力。
本文介绍了规范驱动开发(SDD)工作流,旨在解决 AI 编程中常见的“左右脑互搏”问题。作者分析了问题根源,包括上下文注意力衰减、历史决策丢失和缺乏统一规则,并提出了 SDD 的解决方案。文章详细阐述了 SDD 的核心概念、最简开发流程、规范分类与管理方法,并推荐了开源的 agents-spec Skill 工具,帮助开发者自动化规范审计和目录治理,提升 AI 编码效率。
作者宣布其 AI 视频情报站正式开放 MCP 接口,支持 Claude Code、Codex 等 Agent 直接接入查询。文章介绍了接入方法(一条命令即可),并展示了几种典型用法:每天早上让 Agent 查询新起和升温的视频题材、查询某个题材的来源和时间线、追踪特定 AI 模型的动态,以及将情报站接入自己的工作流(如自动生成选题卡、晨会材料等)。情报站每天早上更新一期,提供题材归类、X 热议、开源项目、题材溯源等数据,同时说明了查询范围限制。不接 MCP 也可通过网页或开源版自行部署使用。
本文是一篇面向小白的 DeepSeek Harness(DSH)完整上手教程。作者介绍了 DSH 的核心特点:门槛低(DeepSeek 账号登录即用)、一切皆插件(连 Agent 循环都可替换,社区插件超 6000 个)、过程可回放(轨迹功能)。文章详细讲解了下载安装、登录方式(账号与 API Key 两种)、界面各功能入口(模式、权限、模型、推理强度等)的含义,并分析了计费方式与省钱技巧,同时提醒它仍是预览版,未经过安全审计,需注意数据安全。后续还将涵盖插件市场、原理拆解、实战练习及与 Pi、Claude Code、Codex 的对比。
中国人民大学开源了 EvoOntology,登顶 Hugging Face Daily Papers。传统做法是把数据字典塞进 prompt,但实验显示这反而使 Claude-Sonnet-5 得分下降 15 分。EvoOntology 让 Agent 自主维护数据本体:从问题出发整理指标定义与表关系,经真实数据验证后入库;通过 MCP 按需检索而非硬塞上下文;每次任务后分析出错点,只增量修改对应部分,新版需跑赢旧版才上线。该方法使 Claude-Sonnet-5 提升 8.8 分,GPT-5.5 在 DDR-Bench 上提升 26.7 分。已提供 Claude Code 和 Codex 插件,模型权重不变,变强的是 Agent 的数据说明书。
作者分享用 Codex 结合 ChatCut 浏览器/桌面剪辑器自动剪口播视频的工作流:将原本在剪映需要一两天的剪辑工作压缩到一小时内。文章介绍了通过托管 MCP 插件让 Codex 或 Claude Code 直接操作剪辑时间线的安装方式,给出了四条核心指令(只读分析、按语义删减、插入内容并自查、最后刷字幕)和五道验收方法(重读项目状态、核对总时长、逐轨道检查、实际试听、复查字幕),并以片尾卡未跟随移动导致时长短两秒的实例说明:AI 报告'完成'不等于真正完成,验收环节必须由人掌握,这一原则适用于所有 Agent 交付的工作。
作者开源了 Pi Durable Subagents 扩展包,为 Pi Durable Agent 框架提供类似 Codex 和 Claude Code 的 subagent 能力。每个 subagent 拥有独立的 Conversation、instructions、模型和工具权限,通过 subagent 工具由主 Agent 委派任务。扩展提供两种模式:Foreground subagent 支持并行创建子任务并等待结果返回,适合并行研究和任务拆分;Background subagent 支持命名后台任务,可通过 spawn、send、stop、status 四种操作持续管理,任务结果通过 durable Reporter task 送回主对话,并支持进程重启后恢复。项目基于 Conversation、Task、ownership 等基础部件构建,采用 MIT License 开源。
文章介绍 GitHub 现象级项目 REA(Reverse Engineer Anything),它将专业逆向工程工具接入 Claude Code、Codex 等 AI 编程助手,一周狂揽 17 万星。作者用大白话讲解逆向工程原理及 REA 如何把数百兆的反编译数据浓缩成小目录供 AI 精准取证分析,并通过两个实战展示威力:20 多分钟逆向 1988 年《魂斗罗》并复刻出完成度 80% 的网页版,还挖出 30 条命作弊码;3 小时拆解 Notion 桌面端,摸清其剪贴板与流畅编辑机制,将自己的 Mac 编辑器核心功能升级 70%。最后探讨开发者如何用 REA 破局变现,以及闭源不再是护城河后的真壁垒与合规边界。
作者苍何宣布开源项目 WeChatBridge 推出 Windows 版本。该工具可将微信聊天记录批量转发给 Codex、Claude Code、豆包、千问等主流 Agent,并可将聊天记录沉淀到 Obsidian 作为个人知识库。此前项目仅支持 Mac,GitHub 已获 1.2k star。Windows 版新增技能管理中心支持导入 Skill、群聊场景绑定、以及突破微信单次 100 条勾选限制的分批收集功能。作者强调不模拟点击、不破解微信数据,以保证安全合规、避免封号风险。文中还介绍了安装流程及老版本 Windows 需兼容层等细节,并提醒用户注意隐私保护与合法使用。
本文译自 Earendil Engineering 的《How Compaction Works in Pi》,讲解编程 Agent(如 Pi、Claude Code、Codex)中的上下文压缩机制。LLM 的上下文窗口有限,随着对话和工具调用不断积累,请求会超出上限。解决方案之一是压缩:用 LLM 生成的摘要替换较早的历史记录,同时原样保留近期消息。文章详细介绍了 Pi 的实现——触发时机(接近上限自动触发或 /compact 手动触发)、token 预算、压缩提示的设计(像一份交接简报,包含目标、进度和关键决定),以及压缩与提示缓存的关系:压缩会打破前缀缓存,导致后续请求需重新计算。
作者使用 AI 助手 Jev 逐个阅读 README,将 180 个能让 Claude Code、Codex 等 agent 直接做视频、剪辑、动效的开源 skill 和工具包分为 10 个类别并做安全评级,以约 200 美元成本产出开源仓库和在线筛选页面,每 8 小时刷新。文章介绍了各分类分布:剪辑与后期 35 个、讲解科普 32 个、框架 29 个等,重点分析 OpenMontage、HyperFrames 和 Remotion 两大技术路线,并指出代码化出片、配方卡资产化、小仓库信息密度被低估三个观察。
作者用 AI 工具 Jev 逐个阅读 README,整理出 180 个能让 Claude Code、Codex 等编程 agent 直接制作、剪辑视频和动效的开源 skill 仓库,分为剪辑与后期、讲解科普、框架工具包等 10 个类别,每个都附安全评级(178 个 SAFE)。文章指出代码化出片(Remotion、HyperFrames)是主流路线,占四成;镜头配方卡正在成为通用资产;107 个不到 50 星的小仓库信息密度被严重低估,按星数排序会漏掉它们。仓库与在线筛选页面均已开源,每 8 小时刷新。
作者介绍了基于 TypeSafe 发布的 Jev 模型构建信号驱动外呼机器人的方法。Jev 比通用模型快约百倍且成本极低,可为每个销售线索快速打分。作者团队曾用 Claude 做信号驱动 SDR,两周内约到 19 次会议,回复率 12%。文章详细拆解了开源项目 signal-ranker 的架构:watch.py 通过日期文件对比追踪招聘重发、融资等信号,judge.py 负责调用 Jev 评分,policy.py 用纯代码实现门槛与权重,两者分离以便复用已付费的判断结果。支持用 Claude Code 自行拉取线索或使用 yourmax.ai,可放入 Claude Code 或 Codex 终端复现。