NVIDIA 推出 Jetson Agent Skills，将设备特定的平台知识注入 AI 辅助开发流程。边缘 AI 开发不仅涉及代码，还需处理硬件、内存、JetPack 版本、容器和部署约束。Jetson Agent Skill 是包含指令、参考资料、安全边界和辅助脚本的可检查包，分为 Device Skills（设备诊断、环境配置、模型服务、基准测试）和 BSP Skills（刷机前的平台定制）。文章介绍了基于 Codex 的完整工作流教程，从连接 Jetson Orin Nano 到构建本地运行的视觉语言模型（VLM）应用，并展示了 JetPack 7.2.1 中基于 Video Codec SDK 和 PyNvVideoCodec 的视频技能如何自动生成并验证编解码流水线，最终返回可复现的性能测量结果。
作者分享了 Linux 下使用 gpu-unlock 项目解锁 NVIDIA 显卡 Tensor Core 算力限制的实践。该项目通过在驱动加载前修改控制运算速度的寄存器，解除 FP16/BF16 输入、FP32 累加运算的限速。作者在 RTX 4070 Ti SUPER 上用 Codex 辅助完成兼容性检查、编译模块、创建实验启动项和断电重启等步骤，实测 8192×8192 矩阵 FP16 乘法耗时从 12.15ms 降至 6.49ms，吞吐接近翻倍至约 190 TFLOPS，且数值校验通过。社区反馈该解锁可使本地大模型 prefill 提速 30%–50%，decode 速度基本不变。
作者分享了将 Grok Bot 接入 ESP32 开发板（Waveshare ESP32-S3-Touch-AMOLED-1.75C）的完整教程，实现语音唤醒、屏幕显示和语音朗读 AI 回复的实体助手。整个项目无需额外购买 xAI API 额度，通过 Webhook 调用已有 Grok Bot。文章详细介绍了准备工作、Webhook 配置、Mac 后端搭建、固件备份与烧录、手机配网等步骤，全程由 AI（Codex）指挥完成改代码、配后端和刷固件。源码、固件和指令已开源到 GitHub，并总结了常见问题的排查方法。
作者分享用 Codex 将 Muse AI 助手适配到立创实战派 ESP32-S3 开发板的完整过程。文章详细讲解了从下载项目、准备 ESP-IDF 环境、编译烧录固件、填写 SDK token，到 Muse App 配对、Wi-Fi 联网配置的全流程，并记录了屏幕背光、内存不足导致配网失败、开发板无法访问云端等实际踩坑及解决方法。作者还调整了横屏 UI 布局并添加中英文切换功能，最终实现通过语音向设备提问并获得文字与语音回复。文末附有可复制的 Codex 提示词、常见问题排查清单，以及后续可玩的其他开源项目建议。适配代码与文档已开源至 GitHub。
作者面对 PCB 固件逆向 5000 元、全新设计 3-5 万的报价，决定用 AI 自己动手。投入约 1176 元购买 J-LINK、电烙铁等工具，在 Codex 的指导下先抄板逆向电路原理图（通过反馈测试结果让 AI 结合芯片数据手册还原设计），修复了原板 JTAG 布线的奇葩设计后成功读出固件，并完成 100% 原理图还原。整个复刻过程约 3 天，作者认为 AI 大幅降低了硬件逆向门槛，让个人可以完成过去团队数月的工作。
文章系统梳理了 70+ 个视频制作相关的开源项目与 Agent Skills，按自媒体视频生产流水线分为七大环节：选题调研与爆款趋势发现、文案脚本与事实核查风控、字幕配音与语音合成、画面剪辑与动态包装、跨平台发布分发、全流程自动化视频生成、以及安全审计与元能力。每个工具标注了 GitHub 来源、Star 数、推荐指数与实操避坑建议，如 MediaCrawler、Agent Reach、baoyu-skills、Humanizer-zh、whisperX 等，帮助创作者用开源工具和终端 Agent 搭建'一人视频生产车间'，实现自动化高效产出。
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。
作者受苹果 iPhone Duo 官网折叠手机交互动效吸引，借助 Codex 复刻并拆解其实现原理。通过网页源码和网络请求证据，确认核心是实时 3D 渲染（Lotus 架构封装 Three.js），而非视频或图片序列。文章讲解了模型、贴图、场景配置、渲染引擎的组成，滑块 0 到 1 数值如何驱动铰链折叠与运镜，以及弹簧回弹、端点磁吸等物理拟真细节带来的「苹果高级感」，并分享了用 AI 辅助翻源码、复现交互和排错的完整学习方法。
作者分享了使用 Codex 结合 Remotion 制作动画的实战经验。文章指出写代码反而是最简单的部分，难点在于动画的节奏、连续性和可读性等细节判断。作者介绍了 Remotion 的帧驱动原理、useCurrentFrame 和 interpolate 等核心 API，以及如何通过 Remotion 官方 Agent Skills 让 Codex 更高效地生成动画代码。文章还系统讲解了时间、状态、Keyframe、Easing、Spring 等动画基础概念，并结合自媒体口播视频的 A-roll、B-roll、动画三类画面整合需求，说明了构建完整视频生产工作流的方法与踩坑经验。
本文介绍 Matt Pocock 开发的一套 AI 开发 Skills，包括 grill-me、to-spec、to-tickets、implement、tdd、code-review 和 grill-with-docs 共七个工具。核心思想是：AI Agent 最危险的不是慢，而是过于愿意在需求模糊时继续执行并自由发挥。这套 Skills 通过先追问清楚需求、把共识写成规格、拆成可验证任务、用测试约束实现、最后分轴审查代码，将问题反馈提前到写代码之前，从而减少返工。文中提供了 Claude Code 和 Codex 的安装方法以及每个 Skill 的可复制提示词。
文章深度拆解了软件工程大师 Robert C. Martin（Uncle Bob）于 2026 年 10 月发布的 ub-mode 项目——一套面向 AI 编程 Agent 的代码整洁规范 Skill。该项目将《代码整洁之道》的工程思想转化为约束 AI 的三层治理结构：第一阶段建立数据建模与 TDD 约束，确保功能可用；第二阶段通过 crapper（圈复杂度）、dryer（结构重复检测）、mutator（变异测试）三个命令行工具设立量化门禁，提升代码质量。作者对照源码文档完整解析了规则原理，并在真实开源项目中逐一实测工具链表现。文章指出，在大模型时代，'人人都能写出好代码'的关键在于为 AI 建立明确的工程规则与验证机制。
作者 Tobi 介绍了一款名为 Shorts Animator 的免费 Skill，可在 Claude Code 和 Codex 中使用。用户只需用自然语言描述故事和画面风格（如油画、水彩），工具即可自动将文本转化为动画短视频：逐帧绘制画面、配音朗读、按时配字幕并为每个短片作曲。作者展示了两个示例：40秒的油画风格《爱你的仇敌》（19个镜头，56秒渲染完成）和30秒复古风格的《Retro City》（29个镜头，9秒渲染）。该工具支持竖屏、方形和宽屏导出，适用于低成本批量制作营销动画视频，帮助应用开发者大幅提升营销效率。完整 Skill 可在作者官网免费下载。
作者系统整理了 369 个开源仓库清单，聚焦于能让 Claude Code、Codex 等编程 Agent 实现视频生成、自动化剪辑与代码动效渲染的工具、Skill 和提示词库。文章收录规则强调视频/动效产出、专供 Agent 调用、完整文档三大标准，并打破高星滤镜。重点介绍了四大现象级框架：lemo-opuscar（59 种风格引擎）、huashu-art-motion（艺术动画）、huashu-motion（商业发布片）、sweety-handdraw-video（手绘口播流水线），以及自动化剪辑、代码直出成片、数字人与音乐 MV 等垂直领域的硬核项目，最后给出 2026 年 AI 视频生产工具选型决策表。
