aaron_yan

我最近 Vibe Coding 的一些感受：就是心态回不去了，以前可以接受几个月才做一个产品出来，现在忍受不了这种速度，就会依赖 Agent 去写代码，但是对快速生成的质量很难满意，就需要花时间去细心打磨，但又难接受打磨的速度，就很拧巴。 有点像打游戏，用作弊码了开始很爽，玩一会就索然无味了。

我跟你们讲，千万千万不要打开Grok，点开始说话，齿轮设置，然后点这个18+脱序，当你开始跟它说第一句话，你会发现这货是多么的炸裂，艹，让我缓缓先

TRAE 团队分析了用户实际使用的 Agent Skills Top 10 这 10 个 Skills 覆盖了从 UI 设计到调试的产品开发全链路，还有一个 PUA Skills 😄，咱们分类看看： 流程治理类（强制工作流） 1. brainstorming —— 设计先行 强制在写代码前完成结构化需求对话，未批准方案禁止编码。核心是消灭"这事太简单不用设计"的惯性偷懒。 5. writing-plans —— 计划落地 把头脑风暴的产物拆成 2–5 分钟粒度的可执行任务，每步附带完成标准、风险预案和代码示例。是 brainstorming 的下游配套。 7. using-superpowers —— 调度中枢 元技能。强制 Agent 在每次响应前先检索并加载相关 skill，并明确优先级：用户指令 > 技能指令 > 系统默认。 8. karpathy-guidelines —— 行为护栏 源自 Karpathy 对 LLM 编码缺陷的观察，约束三类常见病：过度假设、过度工程、留下烂摊子。原则是 think first / stay simple / edit surgically。 设计与前端类 2. frontend-design 针对"AI 生成页面千篇一律"的问题，强制选择明确的设计语言（极简 / 复古 / 野兽派等），关注排版、配色、动效的真实质感。 3. ui-ux-pro-max 全平台设计系统生成器：50+ 风格、97 套配色、57 套字体组合，附带无障碍规范。属于 frontend-design 的"重型武器"版。 调试与验证类 4. systematic-debugging 四阶段方法论：禁止猜测式修复，要求根因追踪、纵深防御、基于条件的等待，必须完成完整诊断后才允许动手。 9. webapp-testing 基于 Playwright 的本地测试套件，强调"先侦察后行动"——截图、抓控制台日志、管理多服务生命周期。 10. agent-browser 更通用的浏览器自动化 CLI：导航、填表、点击、截图、数据抽取，把浏览器变成 Agent 的标准 I/O 通道。 生态扩展类 6. find-skills 对接开放的 skills. sh 生态，支持模糊搜索和从任意 Git 仓库安装，并按 Agent 作用域隔离。 额外发现：PUA /pua —— 高压问责 四级升级机制 + 七项检查清单，禁止 Agent 用"差不多了"或被动等待来收尾，强制承担完整责任。命名带反讽意味。 整体设计逻辑分层 1. 元层 using-superpowers, find-skills 2. 行为层 karpathy-guidelines, /pua 3. 流程层 brainstorming → writing-plans 4. 执行层 frontend-design, ui-ux-pro-max 5. 验证层 systematic-debugging, webapp-testing, agent-browser 形成的闭环是：想清楚 → 拆细 → 做精 → 验透 → 担责。

开发者必藏！这个 21.7k Star 的 GitHub 神级项目，几乎把「免费 LLM API」一网打尽了。 如果你还在为 API 成本发愁，或者想低成本测试 AI 产品，这个仓库值得直接收藏： 覆盖 20+ 免费/试用 LLM API 平台，包括 OpenRouter、Gemini、Groq、Mistral、Cohere、Cloudflare Workers AI、GitHub Models 等。 最强的是：不只是列资源，还帮你整理好了 • 免费额度 / 试用金额 • 模型支持（Llama、Qwen、Gemma 等） • 限速规则（RPM、Token/day） • 注意事项（手机号验证、数据训练 opt-in） 很多顶级模型都能零成本体验：Llama 405B、Gemini Flash、Qwen3、Gemma 4、Nemotron…… 这不是资源列表，更像开发者的「白嫖 AI 基建库」。 做原型、跑 Side Project、验证产品 idea，甚至生产测试，都能省下一大笔 API 成本。

腾讯放大招啦！ 不用再担心烧 Token 啦！不用担心 Agent 失忆啦！ 腾讯历时 6 个月精心打磨，直接开源了 TencentDB-Agent-Memory —— 一个专为 AI Agent 打造的分层记忆引擎！ 核心亮点如下： · 符号化短期记忆 + 四层长期记忆（L0原始对话 → L1原子事实 → L2结构化总结 → L3用户画像） · 最高压缩 61% Token，长任务成功率直接起飞 · 支持跨会话持续懂你，记住你的工作流、偏好和历史经验 · 零外部依赖，本地就能全量部署，MIT协议随便玩 · 特别适配 OpenClaw、Hermes 等主流 Agent 框架，一键集成 地址：github.com/Tencent/Tencen… 感兴趣的朋友们可以去试试哦～dyor

看到一个非常好的苹果端的软件，从程序里拉到 Codex 里，然后说：先分析这个 APP 产品的特性，反编译，制作成新的产品开发文档！ 然后。。。。它就开干了。。。一会儿产品开发文档也出来了。。。 这。。。还。。。玩什么劲啊。。。🥲

这个工具有点东西，懒人福音来了—— 你只需要跟 Agent 说一句"帮我给这个网站做个 CLI"，它自己去分析页面、问你要功能、写代码、打包工具，全程不用你碰 API 也不用搞 token，直接复用你 Chrome 里已登录的会话。 仓库里已经有四个成品：百度搜索、Google 搜索抓取、Nano Banana 出图、ChatGPT 出图，全是 Go 写的。 🔗 github.com/better-world-a…

woc，我刚发现Codex的一个离谱用法！！！ 现在你可以自己蒸馏你自己了！！ 你可以直接让它回看你的记忆、项目记录、历史操作，然后找出你每天反复在做的工作流，自动整理成skill。 我刚试了一下，它直接给我整理出了4个skill，其中一个我看完第一反应是：这他妈就是我最需要的skill。 以前我们是人去总结自己的工作流，然后写SOP，再做自动化。 现在是Agent反过来观察你，发现你重复干了什么，把你的隐性习惯压缩成可复用能力。 以后真正值钱的可能不是prompt库。 是你的个人工作流，被Agent不断蒸馏成skill库。

港大搞出来的这个东西，我觉得要颠覆一批视频创作者了 ViMax，4.1k star，你只需要丢给它一个想法、一段剧本甚至一本小说，它自己就把导演、编剧、制片人全干了，多Agent协同跑完全程，角色不乱、场景连贯、叙事完整，直接出专业级视频。 这不是玩具，这是在抢饭碗。 🔗 github.com/HKUDS/ViMax

安装了这个之后，Claude Code 的体验会完全不一样。 Anthropic 悄悄发布了一个官方插件，叫 claude-code-setup，它基本把 Claude Code 从“还不错的工具”变成了一个真正的 AI 开发环境。 它会扫描你的项目，并推荐： → hooks（钩子） → skills（技能） → MCP servers → subagents（子代理） → automations（自动化） 然后一步一步帮你把这些都配置好。 大多数人现在用的都是“原生版”的 Claude Code…… 这也是为什么他们的体验会显得有点混乱。 真正的强大之处，其实来自它周围的生态。 安装方式： /plugin install claude-code-setup@claude-plugins-official 记得先收藏，免得之后找不到。

畅游知识库~~Hermes自动化设置，建议收藏🔖

韩国某哥们为了戒网瘾，把1119个"危险网站"全拉黑，结果这份名单一上GitHub，直接变成了全网最热宝藏导航—— 这操作属实绷不住😂 想冲的自取： 🔗 github.com/wpzzz/blocked-…

由于这篇文章太伟大了，所以我把它变成了一个 Agent Skill。 大家可以使用自己的 Coding Agent 安装一下这个 Skill，这样就可以用「最佳实践」来轻松地重构或者开发一个既容易跨平台、又极其接近 Native 性能的桌面端应用。 github.com/yetone/native-…

问：上下文（Context）和上下文窗口（Context Window）什么差别？ 这两个概念经常被混用，但其实指的是不同层面的东西： 上下文是指 AI Agent 在执行任务时实际拥有的所有信息，包括系统提示词、用户的对话历史、检索到的文档、工具调用的结果、记忆模块注入的内容等等。你可以把它理解为“Agent 此刻脑子里装的所有东西”。上下文是一个动态的、可以被工程化管理的概念——哪些信息该放进来、什么时候放、怎么组织，这就是现在越来越多人说的 Context Engineering。 上下文窗口则是模型层面的一个硬性限制，指的是模型单次推理能处理的最大 token 数量。比如 128K、200K、1M 这些数字，说的就是上下文窗口的大小。它本质上是一个“容器的容量”。 打个比方：上下文窗口是你厨房操作台的面积，上下文是你实际摆在台面上的食材、调料、菜谱和工具。台面就那么大（上下文窗口有上限），但你放什么上去、怎么摆放（上下文的管理）决定了你能不能高效做菜。 在 Agent 开发中，一个核心挑战就是：Agent 需要的上下文往往远超上下文窗口的容量。对话越来越长、工具调用结果越来越多、检索的文档越来越大——这些都在消耗上下文窗口的空间。所以才需要各种策略来管理：摘要压缩历史对话、选择性检索而不是全量灌入、及时清理不再需要的中间结果等等。 简单总结就是：上下文（Context）是“内容”，上下文窗口（Context Window）是“装内容的容器”。做 Agent 工程的核心功夫之一，就是在有限的“上下文窗口”里塞进最有价值的“上下文”。

正式开源 html-anything 🚀 1:1 让你感受全网爆火 Claude code 作者提的 HTML 效果！ 你的 Agent 现在可以将任何数据转为世界级设计水准的 HTML 🔥 历时 3 天，1万五千行代码！支持 75 套 Skills，9 种导出格式，支持所有的 code agent，包括 claude code、codex、openclaw、hermes 等💥地址见评论区

为了防止 AI 乱删文件，我在 CLAUDE.md 里写了： 使用 `trash` 命令而不是 `rm`，以便恢复误删文件。 或者直接：alias rm='trash'

Claude Code 本周 Skill 星标TOP前四集合 ，建议收藏起来慢慢看 昨天分享了个白嫖 Kiro Pro 的办法，相信大家都用上了 Claude 4.7 今天给大家整理了一下Claude Code本周星标前四的skill，大家可以看一下 1.mattpocock/skills 73.3k Matt Pocock 日常 .claude 目录里沉淀出来的真实工程 Skill 合集 把复杂的开发流程拆解成 Claude 可复用的技能块，告别那种「vibe coding」式写法 之前有很多人觉得 Claude Code 写复杂任务容易跑偏？这就是解法之一 github.com/mattpocock/ski… 2.ruvnet/ruflo 49.2k 多智能体编排平台，支持 swarm 模式、自主工作流、RAG 检索增强生成 关键是原生集成了 Claude Code 和 Codex，适合搞复杂协作的 AI 代理系统 想做多 agent 协作的可以看看这个 github.com/ruvnet/ruflo 3.rtk-ai/rtk 46.2k Rust Token Killer，一个 LLM Token 优化代理 原理是智能压缩终端输出，能把开发过程中的 Token 消耗降低 60-90% 单文件 Rust 二进制，零依赖。如果你是重度 Claude Code / Cursor 用户，token 烧得飞快，这个就是续命神器 github.com/rtk-ai/rtk 4.addyosmani/agent-skills 39.6k Google Chrome 团队 Addy Osmani 搞的生产级 AI 编程技能库 覆盖开发、重构、测试、代码质量全流程 说简单点就是把你 AI 代理从能写代码调教成资深工程师干活的水准 每个 skill 都是 .claude 目录里可以直接用的，很实用 github.com/addyosmani/age… 这几个感觉都挺实用，建议大家可以先收藏留着慢慢玩 关注我，后续我会继续分享有用的东西和干货~

GitHub 上挖到一个是中文版 AI Agent 系统学习路线图，awesome-agentic-ai-zh，从 LLM 基础一路带你学到多 Agent 架构。 GitHub：github.com/WenyuChiou/awe… 7 个阶段、预计 14~19 周完成，145+ 个精选项目均标注难度和前置条件： 两条分叉赛道：CLI 工具深度用户和 Agent 构建者各走各的路 每个阶段含动手练习和验收标准，不是光看 demo 包含 Ollama、llama.cpp 等本地 LLM 路径，不强依赖云服务 5 条专业细分支路：研究者、开发者、教师、普通用户各有专属路线 繁体中文为主，附英文版，也有简体版。适合有基础 Python 能力、想从「LLM 用户」升级为「Agent 构建者」的人。