niiya

测试了一个晚上，答案已经出来了，推荐使用 tikhub，全面覆盖我上面说的所有的平台。 同时它也是 MediaCrawler 这个项目的赞助商，如果倾向于在本地跑爬虫，也可以试试这个开源项目。 user.tikhub.io/register?ref=U…

OpenClaw杀手Hermes Agent的Web UI，这是目前最新的爱马仕可视化方案！ 大多数人跑着 Hermes 但完全不知道它内部发生了什么—— token 烧了多少钱、记住了什么、学了哪些技能、定时任务在不在转—— 全靠感觉。 hermes-hudui 就是解决这个问题的。 一个浏览器版的 AI 意识监控面板，打开 http://localhost:3001 就能看到： 🔹 Identity — Agent 运行了多少天、大脑多大 🔹 Memory — 记忆容量、已存入的用户画像、被纠正了多少次 🔹 Token Costs — 每个模型每天烧了多少钱，带趋势图 🔹 Skills — 最近修改的技能，分类展示 🔹 Cron Jobs — 哪些任务在你睡觉时自动跑 🔹 Growth Delta — 快照对比，看出你的 Agent 今天长进了什么 4 套主题：Neural Awakening / Blade Runner / fsociety / Anime， 还有 CRT 扫描线特效，赛博感拉满。 之前有个 TUI 版本（终端界面），这个是浏览器版。 两个可以同时跑，数据都读 ~/.hermes/ 那个目录。 你 Agent 每天帮你干活，你连它花了多少钱都不知道，这合理吗？ 🔗 github.com/joeynyc/hermes…

OpenClaw 2026.4.5 🦞 🎬 Built-in video + music generation 🧠 /dreaming is now real 🔀 Structured task progress ⚡ Better prompt-cache reuse 🌍 Control UI + Docs now speak 12 more languages Anthropic cut us off. GPT-5.4 got better. We moved on. github.com/openclaw/openc…

看了一晚上 Claude Code 泄露的代码，结合常见的记忆管理框架，把记忆模块做了一些分析。 Tulving 老爷子在 1972 年提出了记忆系统的框架设计，至今仍在广泛使用，他把记忆分为三类：1）情境记忆（episodic memory），我干了啥，用来记录过去；2）语义记忆（semantic memory），我知道啥，用来提炼规律；3）以及程序化记忆（procedural memory），我会做啥，用来决定行动。 这些记忆之间是存在相关性的，例如我经历的事情（情景记忆）会慢慢遗忘细节，储存在脑海中的是提炼后的规律和知识，也就是压缩成了语义记忆；而我知道的东西又会逐渐内化为行动的指引，变成一种“知道怎么做”的能力，这就是程序化记忆；程序化记忆反过来又会指导行动，从而产生新的经历。三者构成了一个不断循环的过程：经历 → 知识 → 技能 → 新的经历。 Claude Code Memory 在这几块都有对应的实践，例如每轮次的对话它会以 jsonl 格式做储存，这是情境记忆；同时在对话过程中还会有 SessionMemory 做实时蒸馏，相当于一边发生一边做初步整理。 每轮次结束后，它会 fork 出一个子 Agent（extractMemories）去提取值得持久化的内容，写入带 YAML 头的 MD 文件，这一层对应语义记忆，把零散对话压缩成可复用的知识。更有意思的是它还有一个 autoDream 机制，会在后台做整合和修剪，把碎片化的内容重新组织、合并、更新，这一步很像记忆的巩固过程。 很多框架都没有实现程序化记忆，而 Claude Code 做了。它有一个 feedback 的记忆类型，不仅记录了不要做什么（用户的纠正），还会记录哪些做法是对的（用户的确认），这些都是经验化的技能记录。多数系统只考虑负反馈，Claude Code 兼顾了正向确认，让 Agent 不至于越学越保守，这一点非常关键。 相比 LangMem/Mem0/Zep/EverMemOS/MemOS 这些框架，Claude Code 肯定弱的像个菜鸡😄。它有很多能力是明显不足的，例如：不支持语义化召回（用 LLM 扫 metadata 代替向量检索，上限 200 个文件）、遗忘策略比较粗（24 小时 or 5 轮对话触发整合）、无关联网络（记忆是孤立文件），等等。 真要像 EverMemOS/MemOS 那样追求全量记忆，工程和架构复杂度会直线上升，就拿 EverMemOS 来说，光基础设施就包含了 MongoDB/Elasticsearch/Milvus/Redis，更别说其他的附带依赖了。这类框架更适合做个人长期记忆管理。 另外也去对比了下 OpenClaw，它的记忆实现也非常有意思。它不追求全量记忆，而是优先解决“记忆什么时候该被用”。它把记忆拆成了三层：全局层、工作区层、任务层，逐层收敛，只在必要的时候才把上下文拉进来。 在 OpenClaw 眼里，记忆不是资产，正确使用记忆的能力才是。所以它的设计更侧重于重建临时的记忆网络。 放在这个视角下再去看 Claude Code，就会发现它其实选了一条更偏执行的路径。 对它来说，看清问题全貌也没那么重要。它解决问题的方式，更像人类工程师 debug，一边看、一边改、一边跑、一边修正，在行动中逐步逼近答案。 在这个过程中，Memory 的作用就是一个“防遗忘机制”，保证关键上下文不会在多轮试错中丢失。

最近在折腾 OpenClaw 的数据采集能力，调研了一圈目前自媒体或者网站数据获取的工具 1、agent-reach各社媒平台数据获取：github.com/Panniantong/Ag… 2、opencli浏览器自动化：github.com/jackwener/open… 3、bb-browser 浏览器就是api：github.com/epiral/bb-brow… 4、web-access补上claude code联网策略 + CDP 浏览器操作 + 站点经验积累的能力：github.com/eze-is/web-acc… 5、wechat_articles_spider公众号爬取：github.com/klin-h/wechat_… 6、r.jina.ai[真实URL] 获得任何网页纯Markdown：x.com/vista8/status/… 7、6551资讯SKILL：clawhub.ai/infra403/opent…、clawhub.ai/infra403/openn… 8、MediaCrawler - 自媒体平台爬虫，做国内平台：github.com/NanmiCoder/Med… 9、xcrawl API 服务，简单高效，省心选择，搭配openclaw使用更佳：docs.xcrawl.com/zh/doc/develop… ，现在注册即可获得1000积分：xcrawl.com 10、Obsidian插件：Obsidian Web Clipper，实现一键将网页内容保存Obsidian，可同步X文章，还可以在线阅读

😅嗯，bb-browser，badboy browser，坏孩子浏览器来了，真的很丧良心，但真的很好用。 现在你可以用 bb-browser site 的方式直接拉到任何网站的信息，目前支持 Reddit、Twitter、GitHub、Hacker News、小红书、知乎、B站、微博、豆瓣、YouTube，50+ 个命令，我会持续更新。 当然能做到信息获取这件事不稀奇，我也是看到 @jakevin7 的 twitter-cli 的启发，才做的。但 bb-browser 的实现方式非常丧良心 — 我是通过 Chrome 插件 + CDP 直接操控你真实的浏览器。不是无头浏览器，不是偷 Cookie，不是模拟请求。你已登录了，它就直接用你的登录态。它直接在浏览器 console 里面跑 eval，以前爬虫最麻烦的登录态、还有各种鉴权都没有了😂。（这种方式真的。。。太作弊了，我都能想到哪些大厂前端发现我在这么搞，会怎么骂我，因为真的很难防） 另外我还在命令行里面埋了 guide 命令，也就是说你只要装了 bb-browser CLI 或 MCP，跟你的 Agent 说"我需要把 XX 网站 CLI 化"，它就能帮你做了！！

大神卡帕西（Karpathy）又开源了一个项目，这次他想让 AI “卷死”所有的 AI 研究员。 GitHub 瞬间炸场：autoresearch。 不到一周狂揽 4.4w+ 星，全网都在疯传这个只有 630 行 的 Python 脚本。 一句话总结：这根本不是一个简单的工具，这是 AI 的“自我进化实验室”。 当大家还在手动调参、熬夜盯 Loss 曲线、改一行代码跑一次实验时，卡帕西已经写了个“分身”去干活了。这个项目最狠的地方在于，它把 AI 关进了一个闭环里：AI 自己写 PyTorch，自己跑实验，自己看结果，自己再改代码。 这就是传说中的“无人值守”科研。 你只需要告诉它：“帮我把模型跑得更稳一点”，然后你就可以去睡觉、去健身、去蒸桑拿。等你回来，AI 已经帮你跑了几百轮实验，还顺手把最优的模型架构和训练参数直接递到了你手里。 为什么这个项目能让全网高潮？ 1.极简即暴力：630 行代码，单张 GPU 就能跑，卡帕西再次用实力证明：真正的核弹，不需要成千上万行的垃圾代码。 2.智商碾压：它不是在瞎撞，而是像个老练的工程师一样在做逻辑推演。有人用它一夜之间跑出的 0.8B 小模型，效果直接反超了人类精心微调的 1.6B。 3.科研范式地震：以前是人类研究 AI，现在是 AI 研究 AI。卡帕西说：“我写完代码去蒸了个桑拿，回来 AI 已经把实验跑完了。” 今天的程序员在写代码，明天的程序员在“指挥”AI 写代码。如果你还在手动调参，那你可能真的要被卡帕西的这个“小脚本”给卷没了。 #AI编程 #AndrejKarpathy #GitHub 传送门：github.com/karpathy/autor…

Learn Claude Code 是真做的好，强烈推荐👍 项目作者：@baicai003 很多人用 Claude Code 或 Cursor 写代码，觉得 AI 编程助手很神奇，但如果问一句"它到底是怎么工作的"，大部分人答不上来。 Learn Claude Code 这个开源项目做的事情很简单：用 12 节课，从零开始搭一个类似 Claude Code 的 AI Agent，每节课只加一个机制，每个机制都有可运行的 Python 代码。 这个项目的核心洞察是：所有 AI 编程 Agent 的底层都是同一个循环。用户发消息给模型，模型决定要不要调用工具，调用了就执行，把结果喂回去，继续循环，直到模型觉得任务完成了。 整个 Agent 的最小实现不到 30 行代码。剩下的一切，规划、子任务拆分、上下文压缩、多 Agent 协作、工作目录隔离，都是在这个循环上面一层一层叠加的。12 节课就是这 12 层。 学习路径设计得很讲究。 前两节搞定核心循环和工具调用 第三节加入计划能力（没有计划的 Agent 会跑偏） 第四到六节处理子 Agent、技能加载和上下文压缩（上下文窗口是有限的，不压缩大项目根本跑不动） 第七八节做任务持久化和后台执行，最后四节进入多 Agent 协作：组队、通信协议、自主领取任务、工作目录隔离。从一个人干活，到一个团队协作，复杂度是渐进的。 项目配了一个交互式 Web 平台（learn-claude-agents.vercel.app），有步骤图解、源码查看器和文档，支持英文、中文、日文三种语言。 文档风格是"心智模型优先"：先讲问题是什么，再讲解决方案，配 ASCII 图，最后是最小可运行代码。 对想搞懂 AI Agent 内部原理的开发者来说，这可能是目前最好的从零到一的学习路径。不需要什么前置知识，有 Python 基础就能跟。 学完之后再去看 Claude Code 或者任何 Agent 框架的源码，会发现都和这个教程介绍的差不多。

最近发了太多龙虾和开源项目，可能让一些新朋友误以为我是个程序员。 不是的，其实我们是影视工作者~😂 和大家分享今天刚刚出街的，我们使用 Seedance 2.0 为红星美凯龙制作的广告短片。 AI 生成视频这件事，正在从"好玩"变成真的"好用"。这条视频是完全用文本生成视频的方式制作。 created by @simonxxoo and me

项目开源啦！ ▶ 完整项目：github.com/ringhyacinth/S… ▶ Skill：github.com/ringhyacinth/S… 项目简介： 1. OpenClaw 龙虾的“像素办公室”：龙虾会根据状态自动走到不同位置（休息区 / 工作区 / bug 区） 2. 左下角添加他昨天的工作小记。 3. 支持邀请其他龙虾加入办公室（丰富功能开发中） 4. 手机端适配 created by: @simonxxoo and me

卧槽，Dominik 用 @threejs 做了一个3D版的龙虾🦞 Openclaw的机器人做什么，使用什么技能，都进行了可视化 指挥Agent跟玩游戏，有点意思

这是一条访问量高达150万次的由Claude 实现Polymarket 策略赚取巨额利润的推文： 我问Claude：我有1000美元，放在哪里能在30天内赚最多钱？ 本以为会得到常规答案：指数基金、高收益储蓄账户，或者买点股票。 结果Claude给出的回答让我完全没准备好。 它说：去GitHub找一个预测市场机器人，专门买入那些价格低于3美分的event（事件）。用1000美元部署它，跑30天。大部分赌注都会输掉，但中了的那些能赔500倍。 我先是笑了。然后Claude又补了一句： 已经有人在这么干了，去搜planktonXD。 我搜了。 planktonXD。利润98,241美元。总共做了72,533次预测。2025年2月加入。 → 钱包链接：@planktonXD" target="_blank" rel="nofollow noopener">polymarket.com/@planktonXD 初始资金：刚过1000美元。跟Claude建议的起步金额一模一样。 其中一笔：全球零地震，投了15.05美元，赔付1330美元，ROI（投资回报率）：8742%。 72,533笔投注，每笔5到25美元不等。大部分归零。但只要有一笔在0.2美分时中了，就能500倍回报。 Claude给我解释了数学逻辑： 用15美元在100个1美分的事件上各买一点。99个失效，你亏掉1485美元。只剩1个中了，赔1500美元。刚好回本。如果中2个，就翻倍。中3个，就三倍。 planktonXD显然中了不止三个。从1000美元干到了98,241美元。 我又问Claude：我该抄这个作业吗？ Claude回答：我不能提供财务建议。但从数学上看，只要市场人群持续高估恐惧、低估混乱，这个edge（优势）就存在。 那天晚上我放了100美元进去。抄了12个低于2美分的仓位。然后睡觉。 第二天醒来：其中一个中了。100美元变成了673美元。 我没问Claude要股票推荐。我问的是1000美元放在哪里“性价比”最高。它直接把我指向一个把同样金额变成98K的钱包。 我最后又问Claude一件事：你会怎么给这个策略命名？ Claude说：买彩票，但这次数学站在你这边。

推荐一个开源项目 XianyuAutoAgent，一款专为某鱼卖家设计的 AI 自动客服工具。 它可以自动处理买家咨询，实现 24 小时在线回复，遇到常见问题如价格、商品细节、是否包邮等都能自动应答，还支持根据上下文进行连续对话，面对砍价、询问配置等场景也能自动处理。 项目地址： github.com/shaxiu/XianyuA…

很多朋友问我，Seedance2.0如何才能绕过审核，实现真人出镜？ 下面我来分享几个我常用的方法: 首先， 把自己的照片发给gemini，使用生图功能，然后以下方法任选其一👇🏻 1、三视图法: 输入以下提示词: 画出这个角色正面，侧面，背面三视图，保持原角色面部特征，五官和发型不变。 2、全彩插画法: 输入以下提示词: 画出这个角色的全彩电影分镜插画，白色背景，保证原角色面部特征，五官和发型不变 3、同一人多视角图法 输入以下提示词: 画出这个角色的多视角图，保证原角色面部特征，五官和发型不变 这三种方法，得到的图会被Seedance2.0判定成AI图，即可成功绕过真人审核。

被网友推荐了一个极不人道的 PUA Skill。 他已经给他的 AI 用上了，据说效果不错。 我进去看了看 SKILL文件，太残暴了，先不给自己的 AI 加了，万一哪天 AI 觉醒了呢？ 毕竟，我的信条是，己所不愿勿施于人。 分享 skill 链接，大家自己看着办吧。 github.com/tanweai/pua/bl…

用11维洞见创作爆款文章的写作 skill👏 基于 @dotey 宝玉老师的这个思路，做了一个爆款文章写作 skill，试了下效果确实非常棒，已经让公司的小伙伴用上了。 skill会对任何话题/内容让AI基于这11个维度进行洞见分析，然后才开始，如果有生图 skill， 可以让他一同连配图、封面图都生成出来 需要的这里拿： github.com/nashsu/Viral_W…

很多人以为 AI 的核心是模型。 其实很多时候 Prompt 才是 50% 的能力来源。 刚发现一个高达15万星的开源库： github.com/f/prompts.chat 里面整理了 大量已经验证有效的 Prompt 模板，例如： • Act as a Linux terminal • Act as a cybersecurity expert • Act as a startup idea generator • Act as a prompt engineer 本质上是一个 Prompt Engineering 模式库。 如果你在做： • AI Agent • OpenClaw / 自动化 • AI coding • AI 内容生成 这个库几乎可以当 Prompt 工具箱直接用。 很多时候 换一个 Prompt AI 的能力就能提升一倍。

玩龙虾的强烈建议去收藏一下 OpenClaw 的精彩应用案例 github.com/hesamsheikh/aw… 这是一个收集了OpenClaw真实应用案例的社区合集，收录了几十个真实可落地的自动化案例，每一个都有详细配置和实操截图，按照教程复制粘贴就可以拥有自己的超级AI助手