烟花老师

写技术文章最烦的事之一：画图。 脑子里很清楚的架构，落到 draw.io 上总是对不齐、颜色难看、导出模糊。 所以我做了 fireworks-tech-graph，一个专门生成技术图的 Claude Code Skill。 o… 用法很简单—— t 「画一张 Multi-Agent 协作图：Orchestrator 调度 3 个 SubAgent，分别负责搜索、计算和代码执行，最后汇聚到 Aggregator 输出结果，玻璃态风格」 然后它会： ① 识别图类型 → Agent 架构图 ② 分配语义形状 → Orchestrator 用六边形，Agent 用六边形，存储用圆柱体 ③ 用语义颜色编码箭头 → 蓝色主流程、橙色控制流、绿色读写 ④ 自动导出 SVG + 1920px PNG 整个过程不需要写 DSL，不需要打开任何工具，一句话描述，图就出来了。 o… 目前支持 8 种图类型、5 种视觉风格，AI/Agent 领域的常见 Pattern 全部内置（RAG、Mem0、Agentic Search、Multi-Agent、Tool Call 等）。 开源，欢迎 star 和 fork 👇 github.com/yizhiyanhua-ai…

@AYi_AInotes 牛逼👍

兄弟们，我现在手还在抖。 刚下班到家，手机弹出来Jason的艾特，说LeCun转了我的帖子， 我以为看错了，点进去才发现，是两篇。 那一刻站在玄关愣了好久， 就像小时候偷偷在作业本背面写的小故事，被最崇拜的老师看到，还认认真真打了个红勾😭😭😭 说实话这两篇都是有感而发，没有任何期待能被LeCun 看到或者点赞，结果巨佬直接转贴了，还是连续两条😭😭😭 这是我写号几个月以来，收到过最珍贵的认可， 心情复杂感慨 ，AI圈最不缺的就是喧嚣和情绪，但永远有人愿意听清醒的声音。 @ylecun Dear Yann，非常感谢，我会一直写下去，写扎实的内容，写不偏不倚的观点。 也谢谢每一个一直跟着看的朋友，爱你们🫡🫡🫡

@sitinme 哦豁，这个真不错

平时用 ElevenLabs 做语音克隆效果虽然好，但订阅费贵、按字符计费，长期做播客、有声书、AI 语音助手，成本实在太高了。 然后就发现了VoiceBox，完全本地运行，不用 API 密钥、没有额外收费、所有数据都保存在自己电脑上，完美平替各类付费语音服务。 它不是只有一个 TTS 模型，而是直接集成了 7 个不同的语音引擎。你想要高质量克隆、多语言支持、超快生成、长文本稳定输出，CPU 就能跑的迷你模型，还有支持表情语气、多国小语种、自然语言控声的专用模型，按需切换就行。 语音克隆门槛极低，只需要 3 秒音频就能复刻人声。你可以上传音频文件、直接麦克风录制，甚至直接截取网页播放的声音来克隆，克隆好的音色可以保存、导入导出，还能叠加优化提升相似度。 除了语音生成，软件还自带全套音频后期工具，支持变调、混响、音效处理，内置多种音色预设。 更实用的是多角色时间轴编辑器，可以拼接多条音轨、切换不同人声，做多人播客、有声小说对话完全够用，不用再额外开别的剪辑软件。 软件全平台适配，Windows、Mac 都有安装包，对各类显卡、苹果芯片都做了加速优化，没有独立显卡用 CPU 也能运行。 同时自带开箱即用的本地 API，开发者可以直接调用接口做游戏语音、APP 语音助手、批量生成音频，无调用限制、无 token 扣费。 整体来看，VoiceBox 把语音克隆、多引擎合成、音频后期、多角色编辑全部整合在了一个本地开源工具里。

@xiaojietongxue 对，真的太帅了

@brad_zhang2024 以前还要写一大堆提示词，现在真的一句话的事

gpt-image 2真的是无敌了！卧槽

@ponyodong 收藏了

最近我一直在用 ChatGPT 的 Image 2 反复打磨一套「角色 IP 设定卡」工作流，做得越多，我越觉得，这类图真正难的地方从来都不是“画得够不够华丽”，而是你有没有能力把一个角色的体系真正搭完整。很多人第一次看到这种图，会先被那种精致感打到，觉得重点是材质够不够梦幻、颜色够不够贵、画面够不够满，但说实话，这些东西都只是表层。真正决定一套角色设定卡有没有长期价值的，是这个角色有没有被建立成一个之后还能继续往下开发、往外延展、往深处生长的视觉单位。 也就是说，你做的到底是一张漂亮的图，还是一个可以持续生产内容的 IP 起点，这两件事看起来很像，实际上差得非常远。前者更像一次性结果，后者才是真正的资产。Image 2 最近让我越来越兴奋的地方，也正在这里。它不只是更会出图了，而是开始适合被拿来做角色世界观、视觉母设和系列化开发的前期基础。这个变化对做角色的人来说，其实比“更惊艳”重要得多。

@vista8 @sitinme 哈哈，忠实用户！用了好几个月了，彭总靠谱

强烈推荐 AIgocode 的 Codex 中转，疯狂用一天，才花27块钱，且超稳定。 自己的ChatGPT Plus用一会儿Codex就到5小时限额。 彭总@sitinme 靠谱，也在X上活跃，有问题还能当客服，哈哈哈。 马上体验：aigocode.com/invite/AP5KFJWJ （赚个佣金，继续Coding开源博客）

@yanhua1010 @tw93 我也是忠实用户，哈哈，真的好用

4 年老 Mac 终于“呼吸顺畅”了！清理出 30G 空间，全是实打实的干货。 我做了两件事： 1️⃣ 手动手术： 砍掉微信这个“内存大户”（图 1，几十个 G 真的离谱）。 2️⃣ 深度挖掘： 推荐 @tw93 大佬的开源神器 Mole。 作为开发者最烦的就是各种 App 缓存和 开发工具构建缓存，平时根本找不着。Mole 一键就把这些深层垃圾给揪出来了，直接释放 15G。 🔗 GitHub：github.com/tw93/Mole

@iamzhihui 不错不错，感谢开源！

重大消息，周一给大家带来干货 那就是打磨了两周的skills管理工具开源了 我觉得应该差不多，功能很棒 解决了我自己平时的痛点 现在基本自己一边用一边开发 1️⃣ 全局~/.agents/skills 的管理 2️⃣ 一键安装github上的skills仓库 3️⃣ 电脑全局项目skills管理 4️⃣ skills市场，官方和最佳推荐 5️⃣ 支持各大Coding Agent和OpenClaw/Hermes平台 6️⃣ 还支持AI解释skills 还贴心给大家准备了介绍视频 大家记得star下 我会继续努力打磨好 有问题记得来开喷哈 好的坏的都接受 也欢迎一起来共建 开源地址：github.com/iamzhihuix/ski…

PR 流程agentic 应该是大势所趋了，ai coding 让github 涌入了海量的单次访问的用户和star ，star 开始严重的通货膨胀。 开源项目数量也是指数级的增长。 对于开源世界来讲整体应该是好事。 不过带来了一系列的副作用，大开源项目的维护者PR 审核负担越来越重 记得前几天有维护着吐槽现在PR的数量有很多垃圾内容，不堪其扰🤣 这篇文章的作者思路我理解应该是PR agentic 化的一种实践，个人感觉是个很好的思路，PR只是其中一环，整个流程都应该agentic 化。今年这块应该有蛮大进展

这个方向有意思：Skill +RAG 传统检索增强生成（RAG）系统的核心痛点，是反复检索仍无法解决的持续性失败。 论文发现，这类失败大多并非因为知识库中没有相关信息，而是查询与证据空间之间的“对齐偏差”（例如口语化提问与知识库索引不匹配、多跳问题未拆解导致信息无法关联等）。 此前的自适应RAG方案，多采用“是否需要再检索”的二元判断，无法诊断失败的具体原因，只能盲目重试，导致效率低下、效果有限。 核心方法：Skill-RAG 框架 该框架由两大核心模块组成，形成“检测-诊断-修复”的闭环流程： 1. 轻量级隐藏状态探针（Hidden-State Prober） ◦ 工作原理：通过探测大语言模型（LLM）的隐藏状态，在两个关键节点判断是否出现检索失败状态： 1. 初次检索后，判断现有证据是否足以支撑回答； 2. 初次生成答案前，判断模型是否因信息偏差无法生成可靠答案。 ◦ 优势：无需额外训练大型分类器，轻量高效，可直接嵌入现有RAG流程。 2. 基于提示词的技能路由器（Skill Router） 当探针检测到失败时，路由器会诊断失败原因，并从4种针对性的“检索技能”中选择对应方案，而非简单重试： 技能类型 适用场景 作用 查询重写 口语化提问、缩写、代词指代等表述不匹配 将查询改写为更标准、匹配知识库的形式 问题分解 多跳推理、复杂逻辑问题 将复杂问题拆解为多个子问题，分步检索解决 证据聚焦 检索结果宽泛、信息冗余 从海量证据中筛选与问题强相关的关键片段 额外检索 前三种技能无法解决的极端情况 触发补充检索，兜底修复偏差 实验结果与核心发现 1. 性能提升显著：在开放域问答、复杂推理等多个基准测试中，Skill-RAG相比传统RAG和自适应RAG，在“硬样本”上的准确率大幅提升，尤其在分布外（OOD）数据集上表现突出，泛化能力更强。 2. 失败状态空间的结构化特征： 分析表明，这4种技能对应的失败场景并非孤立存在，而是分布在失败状态空间中相互独立的区域。这说明“查询-证据对齐偏差”不是单一问题，而是多类型的结构化问题，也验证了分技能路由的必要性。 价值: 1. 首次提出“失败状态感知”的RAG范式，突破了传统二元判断的局限，实现了精准诊断、按需修复的检索增强。 2. 提出的轻量级探针+技能路由方案，无需大规模模型训练，可直接适配现有LLM和RAG系统，落地成本低。 3. 揭示了RAG失败的结构化本质，为后续细粒度、可解释的检索增强研究提供了新方向。 局限性与未来方向: 论文指出，当前方案仍存在优化空间： • skill 路由的诊断准确率依赖提示词设计，复杂场景下可能误判； • skill的扩展性有待提升，目前仅覆盖4种常见失败模式，未来可扩展更多技能； • 对不同规模LLM的适配性，还需进一步验证。

Claude Opus 4.7 highlight 1 Claude Opus 4.7 会严格按指令执行，不再像 4.6 那样自行脑补缺失信息。原有提示词大多仍可用，但表述模糊的需要修正。 2 相比冗长提示或更多规则，它更看重意图清晰明确。可将关键上下文一次性前置到 CLAUDE.md 中统一配置。 3 十条迁移要点：默认使用最高优先级（xhigh effort）、批量提问、提供正面示例、移除旧的引导框架、明确拆分子智能体、审查整体方案而非细节差异。 4 Opus4.7 在编程与创意任务上表现更优，但在模糊的多轮对话任务中有所取舍。其设计本身就更精准、更具智能体特性。 5 用好它的关键在于清晰规划意图，而非事无巨细地管控。将长效上下文前置，可降低成本并提升注意力效率。

一个生产级别的agent 的运行时系统应该是什么样的？ 这位保藏博主分享了这篇干货文章： 1 要建立良好的代理，需要具有提示和工具的强大安全带；强大的运行時可以处理持久的执行、内存、多租户、可观察性等。 2 持久执行使用任务队列和检查点，因此长代理循环在崩溃、部署和等待人工输入时幸存下来，从最后一步恢复。 3 内存包括通过检查点在线程中的短期内存，以及在具有语义搜索的名称空间键值存储中跨对话的长期内存。 4 多租户使用身份验证中间件隔离用户数据，使代理能够通过代理身份验证的用户凭据进行操作，并使用RBAC控制操作员访问。 5 Human-in-the-loop使用中断进行审批和澄清；流式传输提供实时进度，而策略则处理双重文本。 6 通过中间件的护栏强制执行PII编辑和工具限制等策略；可观察性提供痕迹，时间旅行使分叉调试，沙盒支持安全的代码执行。

RLMs是新的推理模型 推理模型是第一个明确的证明，语言模型功能可以通过测试时间计算进行扩展。 递归语言模型（RLM）是一种新的推理模型和趋势，这个博主详细介绍了RLMs 推理模型可通过测试时计算实现能力扩展。递归语言模型（RLMs）将推理能力与工具调用整合为统一的推理抽象范式。 递归语言模型将提示词视为可解析的运行环境，对其进行切片处理，并发起递归子调用，从而突破上下文长度限制。 在长上下文任务、LongMemEval 等长文本记忆基准测试，以及 LongCoT 这类长程推理任务上，该模型表现优于当前顶尖大语言模型。 最新研究结果表明，递归语言模型能够将长输入转化为结构化计算，小型模型借助递归机制实现性能大幅跃升。 目前该技术仍在成本、推理耗时不可控，以及如何让模型高效递归等方面存在挑战，但递归语言模型指明了下一代推理范式的发展方向。 术语简要说明 • Reasoning models：推理模型 • test-time compute：测试时计算（推理阶段动态扩容算力） • RLMs：Recursive Language Models，递归语言模型 • frontier LLMs：前沿大语言模型 • long-horizon reasoning：长程推理 • recursion：递归

@xiaojietongxue 牛逼👍

🎉视觉艺术，你不需要懂得的，在制作视频和图片时可以用得上，而且学会了挣钱就是指数级暴涨！

@skywind3000 这个可太好了！👍

小孩对游戏开发感兴趣，但学了一年信奥（C++）只会在黑窗口里输出内容，正反馈太弱了，我扫了一眼现在 C++ 的游戏开发框架，都太复杂了，SDL 概念琐碎，SFML 使用麻烦，所以我写了个针对初学者的游戏库，只有一个头文件 GameLib.h 零依赖，拷贝到代码目录 include 就能用，十行代码就能出个小 demo：

@xicilion 牛逼plus 👍

以这个阅读器来说。为了确保用户数据资产不入网，我花了几个月时间用 ts 重写了 PlantUML 渲染器，token 就烧了几千刀，实现了纯本地的渲染。

@berryxia 神佬牛逼

@XianyuLi 同感！

最近体感上说实话 尤其写代码 Claude code不如codex

@berryxia 好东西啊！

🔥兄弟们！百度冷不丁发布了个 ERNIE-Image 8B 直接把开源文生图模型！ 8B DiT 参数，却在 GenEval、OneIG、LongTextBench 三个基准全部拿下 open weights #1！（这里我们可以忽略） 核心杀手级能力： ✅ 中英文精确文本渲染（终于不乱码了） ✅ 复杂指令跟随 + 多对象精准控制 ✅ 海报、漫画、多格布局结构一致性拉满 ✅ 摄影、电影感、平面设计等风格全覆盖 ✅ 仅需 24GB VRAM 就能本地跑 还有 Turbo 版本：8步出图，速度+美感双在线！ 看了一圈实例，我自己写过的提示词都看到不少… 模型 + Demo + GitHub 全开源👉 huggingface.co/ERNIE-Image

@berryxia 卧槽，我正考虑要不要做一个bytebytego 风格

兄弟们！系统设计和后端工程学习神器！ 每次觉得他们的图设计的真好看！ ByteByteGo Substack 正式推荐，Alex Xu 团队用图解方式把复杂架构讲得通透又有趣！ 1. 专注大型系统设计、Scaling、分布式系统、缓存数据库等核心主题 2. 每期高质量插图 + 深度解析，抽象概念瞬间变直观易懂 3. 结合真实工程案例和面试热点，适合工程师快速提升系统思维 4. 免费订阅即可获取最新干货，已帮助数十万开发者成长 强烈推荐给所有后端、架构师和准备面试的朋友！