全部 AI 动态 · AI 热点

5月31日

09:35

宝玉@dotey

在开发网页程序时，服务端 API 交互代码出现故障或需要优化时，通常需要分析网络请求数据。本文介绍了两种让 AI 编程助手自动获取数据的方法：一是从 Chrome DevTools 导出 HAR 文件并交给 Codex 分析；二是安装 Codex 的 Chrome 插件，通过 @chrome 指令让 Codex 直接抓包调试。这些技巧能显著提升调试效率，避免手动复制粘贴的繁琐。

技巧调试技巧网络请求 Codex Chrome DevTools HAR

推荐理由：前端开发者调试 API 时最烦手动复制粘贴网络请求，这两种方法让 Codex 自己抓数据，省时省力，建议做 Web 开发的直接试试。

原文

01:52

NVIDIA AI@NVIDIAAI

精选

DynoSim 是 NVIDIA 推出的工作负载驱动模拟工具，用于优化 Dynamo 推理服务栈的部署。它将 exhaustive 的部署搜索转化为 simulate-then-verify 循环，可在虚拟时间线上建模整个栈。团队能通过高保真模拟快速筛选数千种配置，然后仅在真实硬件上验证最佳候选。测试显示其模拟速度比真实时间快 1500 倍。

技巧 NVIDIA DynoSim Dynamo 推理优化模拟

推荐理由：NVIDIA 搞了个模拟器，部署配置筛选快千倍

原文

00:17

berryxia@berryxia

Anthropic 官方推出 Prompting 101 课程，系统讲解从零搭建可落地 prompt 的五个核心步骤：语气背景、XML 结构、Few-shot 示例、输出格式化、预填充与拓展思考。博主 berryxia 制作了中文字幕并分章节总结，方便跳读。课程仅需 25 分钟，适合想系统学习提示词工程的开发者。

技巧提示词工程 Anthropic Prompting 101 课程中文字幕

推荐理由：Anthropic 官方出品的提示词工程课，25 分钟讲透从零到落地的 5 个核心步骤，做 AI 应用或写 prompt 的开发者花一个周末就能上手，建议直接看中文字幕版。

原文

5月30日

18:36

Philipp Schmid@_philschmid

一位开发者指出，使用编程助手（如AI编码代理）是一项需要学习的深度技能，而非简单工具。许多人因使用不当而产生糟糕结果，但这恰恰说明它需要练习和提升。该技能的上限很高，掌握后能显著提升效率。这一观点引发共鸣，提醒开发者重视AI工具的熟练运用。

技巧编程助手技能提升 AI工具开发者效率

推荐理由：AI编程助手正成为开发者必备工具，但很多人因使用不当而效果不佳。这篇文章点出关键：用好它是门技能，值得花时间练习，做AI辅助开发的团队建议看看。

原文

16:07

宝玉@dotey

宝玉（@dotey）对其群聊总结 Skill 进行了小功能更新，现在用户在群里 @bot 并请求总结群聊记录时，机器人能够结合聊天记录的上下文，在总结的同时回复用户的问题。该 Skill 依赖于 wx-cli 读取微信群聊数据，推荐使用 Claude Code + Claude Opus 4.6 获得最佳效果。这一更新提升了群聊助手的交互性和实用性，让总结不再只是单向输出，而是能针对性地回答用户疑问。

技巧群聊总结微信机器人 Claude Code Claude Opus 4.6 开源/仓库

推荐理由：做微信群聊自动化或社群运营的开发者，可以试试这个 Skill——它让 bot 不仅能总结，还能结合上下文回答问题，比单纯罗列消息更实用。

原文

11:56

宝玉@dotey

开发者分享了一种处理 Claude Design 与代码版本同步的方法：以 Claude Design 为唯一设计源，更新时生成 changelog，再由 Claude Code 根据 changelog 同步代码。建议优先修改设计再改代码，临时改代码后需回同步设计。该方法解决了设计与代码长期不一致的问题，适合使用 AI 辅助设计的团队。

技巧 Claude Design 版本同步设计源 Changelog 工作流

推荐理由：做 AI 辅助设计的开发者经常面临设计与代码脱节的问题，这个方案给出了一个可落地的同步流程，值得一试。

原文

10:51

宝玉@dotey

开发者分享借助 AI 编写 Mac App 的实战经验，强调优先选择 AppKit 而非 SwiftUI，因为 AI 弥补了 AppKit 的开发复杂度。建议先用 Claude Design 打磨 UI/UX 设计再写代码，并指出 Opus 生成的 UI 比 GPT-5.5 更好看。Codex 官方有“Build macOS Apps”插件可用。对于有 iOS 开发背景的人，Claude Code 降低了 AppKit 的门槛，让 Mac App 开发变得可行。

技巧 AI 编程 Mac App 开发 AppKit Claude Code 经验分享

推荐理由：有 iOS 或 Mac 开发背景的开发者，如果曾被 AppKit 劝退，现在借助 AI 可以轻松上手，建议试试 Claude Code 配合 AppKit 的路线。

原文

10:50

宝玉@dotey

AI 从业者 dotey 分享了自己的使用原则：优先选择推理能力更强的模型（Reasoning Max），而非追求速度（Speed Fast）。他认为慢推理能减少后续验证时间，而快速模型性价比不高。这一观点引发了对 AI 模型选择策略的讨论，尤其适合注重准确性和效率的开发者。

技巧推理模型模型选择效率 dotey AI 使用原则

推荐理由：做 AI 应用或模型选型的开发者，这条原则帮你省下反复验证的时间——慢推理反而更快，值得一试。

原文

5月29日

13:08

berryxia@berryxia

精选

FaceMind团队通过100种语言和四大核心任务的实验发现，在语义不变的前提下，使用预训练语料中频率更高的表达方式，无论是Prompting还是Fine-tuning，模型表现都会显著提升。这一发现被称为Adam’s Law（文本频率定律），它补充了数据工程中“质量-规模-难度”铁三角缺失的第四维度：频率。高频表达不是简化，而是让模型在熟悉的概率空间里工作，效果更好。写Prompt时，应优先考虑模型在训练语料中见过的频率，而非追求文雅或专业。

技巧 Prompt工程文本频率定律 FaceMind 模型优化数据工程

推荐理由：写Prompt总感觉模型不听话？FaceMind的实验戳破了“高级词汇”的幻觉——用高频表达能让模型表现直接起飞，做Prompt工程或微调模型的开发者值得一试。

原文

11:42

Ate-a-Pi@svpino

72°

一位技术博主分享了一种新颖的视频生成模型训练方法，团队没有使用大型互联GPU集群，而是用多个小型、独立的GPU集群分别训练不同的“专家”模型。这些专家模型在训练时无需通信，训练完成后通过一个智能路由器在推理时动态组合，协同工作。这种方法降低了硬件门槛，且效果出色。论文链接已附，值得技术爱好者深入阅读。

技巧视频生成分布式训练专家模型推理路由论文

推荐理由：这种分布式训练思路颠覆了传统大模型训练范式，做模型训练或视频生成的开发者可以看看论文，或许能启发新的低成本训练方案。

原文

10:07

berryxia@berryxia

精选

一条提示词展示了如何用Three.js从零构建高精度波音747-400飞机模型，仅使用内置几何体（BoxGeometry、CylinderGeometry等），无需外部模型加载器。提示词要求严格遵循真实比例、机翼后掠角（约35°）、四台发动机位置、尾翼构型、驾驶舱窗户、起落架等细节。模型需从多个视角可识别，并包含光照、阴影、轨道控制和简单动画。该提示词可直接生成完整可运行的HTML文件，适合3D可视化爱好者和开发者快速创建飞机模型。

技巧 Three.js 3D建模波音747 提示词工程前端开发

推荐理由：这条提示词解决了用纯Three.js几何体构建复杂飞机模型的痛点，做3D可视化或航空模拟的开发者可以直接复制运行，省去手动建模的繁琐。

原文

08:37

NVIDIA AI@NVIDIAAI

精选

NVIDIA官方提供了在NVIDIA GPU上运行Step 3.7 Flash的详细指南。该指南包含部署步骤和性能优化建议，适用于开发者快速上手。开发者可通过NVIDIA开发者博客获取具体操作方法和配置参数。

技巧 Step 3.7 Flash NVIDIA GPU部署推理部署

推荐理由：教你部署Step 3.7 Flash

原文

5月28日

21:00

LlamaIndex@llama_index

精选

文章指出grep词法搜索在小代码库或文档文件夹中足够，但在企业环境中面对数百万PDF、电子表格和扫描文档时无法读取、不扩展且忽略同义词。作者分析grep的优势和局限，解释为什么RAG和语义搜索在企业规模下是必要的。最后介绍如何分层结合词法搜索与语义搜索来获得最佳效果。

技巧 grep RAG 语义搜索检索增强生成

推荐理由：教你如何搭配grep和RAG做搜索

原文

18:16

Viking@vikingmute

一位开发者分享了针对几千行大 PR 的 Code Review 最佳实践，使用 Codex GPT5.5、Composer 2.5 和 Deepseek V4 Pro 等多个模型共同审查，每个模型生成按优先级排序的 Bug 报告。然后让大模型汇总共性高优先级问题，人工确认后由 Claude 作为 fix agent 修复，再由 GPT5.5 作为 review agent 验证修复并留下批改意见，循环直至确认。最后全量跑 E2E 测试确保无回归。该方法发现了不少真实问题，未来将做成 skill 分享。

技巧 Code Review 多模型协作 GPT5.5 Claude Deepseek V4 Pro

推荐理由：做大型代码审查的团队可以借鉴这种多模型协作+人工确认的流程，能有效发现隐藏问题，建议尝试类似方案提升 Code Review 效率。

原文

09:53

宝玉@dotey

博主分享了自己使用 Coding Agent 的实战经验，强调开发新功能时不要直接让 Agent 写代码，而是先让多个 Agent（如 Codex、Claude Code、Cursor）在 Plan 模式下生成设计方案，然后人工选择最佳方案并融合其他方案的优点。复杂设计需拆分为多个 Phase，每个 Phase 明确要求和验证方法，保存为 Markdown 文档供 Agent 执行。写代码阶段可用便宜模型，但代码 Review 需用最强模型（如 GPT-5.5）把关设计符合性和代码质量。该方法类似多个架构师出方案、程序员执行、资深工程师审核的流程，能有效避免 Agent 跑偏。

技巧 Coding Agent 编程助手工作流设计代码质量 AI 编程实践

推荐理由：这篇经验贴把 Coding Agent 的坑和最佳实践讲透了——开头设计决定了最终质量，做 AI 编程的开发者看完能省下大量调试时间，建议直接收藏。

原文

5月27日

18:36

向阳乔木@vista8

一位用户分享了如何利用Codex的对话记录与执行日志进行系统性复盘，提炼出可复用的经验文档。提示词要求Codex阅读所有历史记录，总结执行经验、个人偏好与理念，并形成结构化规则清单。最终文档保存为独立文件，并在.agent配置中引用，使后续所有Codex会话默认继承这些经验，无需重复说明。这种方法能显著提升AI编程助手的个性化与效率，适合深度使用Codex的开发者。

技巧 Codex AI编程助手复盘/经验自动化工作流提示词技巧

推荐理由：这个技巧解决了AI编程助手重复犯错的问题——做自动化开发的团队，用Codex频繁执行任务的开发者，可以直接抄作业，让AI记住你的偏好和教训，省去每次重新说明的麻烦。

原文

00:20

岚叔@lufzzliz

一位开发者分享了通过并发运行10个Agent，从YouTube多个TOP级视频中提取提示词、方法论和小技巧的经验。该项目去除了原项目中一些无聊的提示词，新增了生成美女的提示词和创意提示词。作者建议用户拉取最新主分支代码，并预告明天将掘金𝕏平台。开源地址已提供，鼓励用户star。

技巧智能体内容挖掘提示词开源/仓库 YouTube

推荐理由：做内容挖掘或提示词工程的开发者，可以用这套并发Agent方案高效榨取YouTube优质内容，直接拿来用或改造成自己的工具链。

原文

5月26日

00:47

Ate-a-Pi@svpino

精选

开发者 svpino 分享了一个 Claude Code 中被低估的技巧：“Summarize from here”，用于处理不断增长的上下文。传统方法使用 /compact 会压缩整个会话，但该技巧允许用户通过 Esc+Esc 或 /rewind 打开检查点菜单，选择一个关键检查点后，保留该点之前的重要上下文（如规格、决策、约束），而将之后的内容压缩为简洁摘要。这有效去除了噪音，保留了有价值信息，特别适合长会话场景。

技巧 Claude Code 上下文管理技巧开发效率 AI编程助手

推荐理由：Claude Code 重度用户终于有了优雅的上下文管理方案——保留早期关键决策，压缩后期冗余对话，做复杂项目的开发者建议立刻试试。

原文

00:15

向阳乔木@vista8

这是一条来自 X 的推文，分享了一套用于 AI 生成 PPT 的详细提示词。提示词要求 AI 扮演专业 PPT 设计师，自主完成内容理解、结构设计和视觉决策，无需用户干预。它规定了优雅极简的视觉风格，对标 Apple/Linear/Notion 的质感，并严格限制配色、字体和图形元素的使用。该提示词特别适合在 Youmind 或 GPT 中使用，能一键生成符合高级初创企业美学的幻灯片。

技巧 PPT 设计提示词工程 AI 生成视觉设计 Youmind

推荐理由：做演示文稿的团队和设计师可以省掉大量排版时间——这套提示词把设计决策权交给 AI，直接输出高级感幻灯片，建议在 Youmind 或 GPT 里试试。

原文

5月25日

12:13

宝玉@dotey

宝玉分享了 Codex 的两个实用功能：Steer 和 Queue。Steer 允许用户在任务执行中途打断并插入新指令，无需手动停止再继续；Queue 则用于在任务完成后排队执行后续指令。Steer 影响当前轮次，Queue 影响下一轮次，但实测 Queue 可能不会按预期执行。这两个功能能提升 Agent 任务的灵活性和效率。

技巧 Codex Agent 任务控制 Steer Queue

推荐理由：做自动化任务的开发者终于可以更灵活地控制 Agent 执行流程——Steer 省去手动打断的麻烦，Queue 适合睡前挂机跑任务，值得一试。

原文

5月24日

16:22

岚叔@lufzzliz

精选

一位开发者分享了优化 OpenAI Codex 工作流的提示词，灵感来自 Hermes 自进化 skill 流程。该提示词要求 Codex 每周检查使用记录，识别重复工作流（如 CI 失败、PR 审核、测试失败定位等），并优先复用或优化已有技能。规则包括：盘点已有能力（本地技能、插件、agents 等），避免创建重复技能，仅当现有能力无法覆盖时才新建。输出结构包含重复工作流清单、能力匹配、建议动作及文件修改记录。

技巧 Codex 提示词工作流自进化 skill

推荐理由：教你用提示词让 Codex 自动优化工作流

原文

10:54

宝玉@dotey

Codex 的交互设计受到好评，用户能方便地查看当前运行的 SubAgents，以及每个 SubAgent 正在执行的任务和使用的提示词。这种透明化的设计提升了多智能体系统的可观察性和调试效率。对于使用 Codex 进行复杂任务编排的开发者来说，这是一个实用的功能改进。

技巧 Codex SubAgents 交互设计多智能体调试工具

推荐理由：做多智能体编排的开发者会喜欢这个透明化设计——实时查看 SubAgent 状态和提示词，调试效率直接拉满，值得上手体验。

原文

10:42

向阳乔木@vista8

一位用户分享了一个针对 Codex 的提示词，用于优化电脑网络速度和稳定性。该提示词要求 Codex 按“先诊断、再最小可逆修改、最后复测”的流程执行，避免直接破坏性重置。诊断阶段会检查网络质量、DNS 耗时、Wi-Fi 状态、后台进程等；优化阶段只做安全可逆的修改，如调整网络服务顺序、设置更快 DNS、刷新缓存；最后复测并对比前后数据。这个提示词适合需要快速排查网络问题、又不想冒风险的用户，尤其对 macOS 用户友好。

技巧 Codex 网络优化提示词 macOS 诊断

推荐理由：这个提示词把网络优化的专业流程封装成可复用的指令，做网络排障或日常维护的开发者可以直接套用，省去手动一步步诊断的麻烦。

原文

10:41

宝玉@dotey

一位开发者分享了使用 Codex 自动生成项目说明文档的工作流：先让 Codex 阅读项目代码，然后要求它用 mermaid 图表详细解释项目工作原理，最终生成一份即使小白也能理解的文档。该方法利用了 Codex 的代码理解和文档生成能力，大幅降低了项目文档编写门槛。对于开源项目维护者或团队协作来说，这是一个高效实用的技巧，值得尝试。

技巧 Codex 文档生成项目说明 mermaid 工作流

推荐理由：做开源项目或团队协作的开发者，可以用 Codex 自动生成项目说明文档，省去手动写文档的麻烦，建议试试这个工作流。

原文

5月23日

11:03

向阳乔木@vista8

用户用即梦Seedream 4.5模型生成了500个艺术家风格的图像，使用固定提示词'一个女子坐在窗边读书，一只猫趴在她腿上，窗外是花园，用{artist}的风格绘制'。结果在网站jm-style.qiaomu.ai展示，能清晰对比不同艺术家的AI生图特点。例如，一些风格常见于潮流T恤设计。

技巧 Seedream 4.5 即梦艺术家风格提示词工程

推荐理由：快速对比500种艺术风格生图效果

原文

09:31

shao__meng@shao__meng

Wix副总裁Itay Shmool推出免费课程「Zero to Claude Code」，包含14级147课，覆盖文件终端、Git、Node.js及Claude Code高级功能（Skills、MCP、Subagents等）。平台流量达6.4M请求/天，错误率低于0.003%，Lighthouse性能96/可访问性100/最佳实践100/SEO 100。已有17000+学员来自30+国家，完全靠口碑零营销增长。课程还展示了AI闭环运营：Bug自动修复（Agent SDK触发triage agent建PR）和Product Genie功能闭环，一个人即可运营产品。

技巧 Claude Code Wix 编程助手课程零基础

推荐理由：零基础直达Claude Code实战

原文

02:47

AI Engineer@aiDotEngineer

精选

Codex Spark生成代码速度达1200 tokens/秒，而Sonnet和Opus仅40-60 tokens/秒，快了约20倍。Cerebras的@MilksandMatcha指出，若开发者习惯不佳，更快速度只会导致更快生产坏代码。他提供了实用指南视频，帮助适应高速生成。

技巧 Codex Spark Sonnet Opus Cerebras 编程助手

推荐理由：Cerebras教你避免快速写坏代码

原文

5月22日

23:00

Milvus@milvusio

精选

SK Hynix 股价自2025年底涨近三倍，内存成本成向量搜索痛点。Milvus 提供 IVF_RABITQ 索引，在 1000 万 768 维向量基准中达到 94.7% 召回率，QPS 比 IVF_FLAT 高 3.6 倍，向量内存仅用约 1/32。还支持 SQ8/PQ 量化、mmap 按需分页、分层存储及 DiskANN 将索引移到 SSD，多种技术可叠加使用。

技巧 Milvus IVF_RABITQ 向量数据库内存优化 DiskANN

推荐理由：Milvus 教你怎么省内存，效果实测

原文

08:06

OpenRouter@OpenRouterAI

OpenRouter 发布了一篇指南，详细介绍了如何在使用 Qwen 模型时启用显式缓存功能。显式缓存可以显著减少重复请求的响应时间，降低 API 调用成本，尤其适合需要频繁调用相同上下文的场景。指南涵盖了缓存配置、使用方法和最佳实践，帮助开发者更高效地利用 Qwen 模型。这对于依赖 Qwen 进行对话、推理或内容生成的团队来说是一个实用的优化技巧。

技巧 Qwen 显式缓存 API优化 OpenRouter 教程

推荐理由：Qwen 用户终于有了官方缓存指南——显式缓存能省下大量重复请求的时间和费用，做对话或推理应用的团队建议直接照着配置。

原文

01:58

eric zakariasson@ericzakariasson

精选

Cursor 内部团队最常用的技能是热核代码质量审查，它要求删除复杂性而非移动代码。该审查会阻止超过 1000 行的文件，并标记薄包装和泄露的逻辑。它还会拒绝那些虽然能工作但使代码更混乱的 PR。

技巧 Cursor 编程助手代码审查代码质量

推荐理由：Cursor 团队分享代码审查狠招

原文

5月20日

14:53

DeepLearning.AI@DeepLearningAI

DeepLearning.AI 指出，常见的提示错误是直接让 AI 生成最终稿。更好的工作流是先让 AI 生成大纲，通过调整结构来显著改善最终输出，避免 AI 写作的通用化问题。Andrew Ng 在《AI Prompting for Everyone》课程中教授了实用提示技巧。

技巧提示工程 AI写作工作流 Andrew Ng DeepLearning.AI

推荐理由：这个提示技巧能帮写作者避免 AI 内容的千篇一律，做内容创作或文档撰写的团队值得一试。

原文

5月19日

23:42

Ate-a-Pi@svpino

开发者Santiago Valdarrama分享了一种极简方法，只需引入一个库并添加一行代码，即可为基于LLM的应用开启完整的可观测性和自动分析功能。该方法能免费获取大量关键信息，如请求延迟、Token消耗、错误率等，极大简化了调试和性能监控流程。对于构建和部署LLM应用的团队来说，这是一个无需思考的实用技巧。

技巧 LLM 可观测性监控调试一行代码

推荐理由：做LLM应用开发的团队，监控调试一直是个痛点——现在一行代码就能拿到全链路数据，省去自己搭监控的麻烦，建议直接试。

原文

23:00

Weaviate@weaviate_io

精选

Weaviate推出新方法，使用Gemini embedding 2 multimodal直接对视频片段进行嵌入。无需转录文本或元数据，将原始视频分割成重叠片段后即可存入Weaviate。用户提问后系统直接从视频中定位相关片段并生成回答。该方法简化了视频搜索流程，消除了预处理步骤。相关notebook和完整指南已在GitHub和Weaviate博客发布。

技巧 Weaviate Gemini 多模态视频检索

推荐理由：视频搜索不用转文字了

原文

20:59

Julien Chaumond@julien_c

llama.cpp 支持 MTP（多 token 预测），这是一种内置于模型中的推测解码，可将 token 生成速度提升约 2 倍。需要升级 llama.cpp 到 build 9200 以上（可使用 brew install --HEAD）。可选 Dense 27B 或 35B A3B MoE 模型，前者在 48-64GB 内存下约 30 tok/s，后者可达约 100 tok/s。运行命令为 llama-server 加上 --spec-type draft-mtp 参数。

技巧 llama.cpp MTP Qwen3.6 推理模型开源模型

推荐理由：教你用 Qwen3.6 跑出 2 倍速推理

原文

10:42

shao__meng@shao__meng

精选72°

Claude Code 核心开发者 Thariq 分享了自己高频使用的「开发日志」提示词，旨在解决 AI 协作编码中规格不完整、隐性决策难以追踪的问题。该提示词要求 AI 在实现规格时，生成一个 implementation-notes.html 文件，记录设计决策、偏离规格之处、权衡考虑和未解决问题。这种方法避免了过度规约和完全放手两种极端，将隐性决策外化，使代码审查更高效。提示词本身也体现了人机协作的迭代设计原则。

技巧提示词 Claude Code AI 编程开发日志人机协作

推荐理由：AI 编程开发者常被「规格写不全、review 靠猜」折磨，Thariq 的提示词直接给出了第三条路——让 AI 把决策过程写下来，建议所有用 Claude Code 或类似工具的团队试试。

原文

00:12

François Chollet@fchollet

精选

Google AI 研究员 François Chollet 提出一个关于编程智能体的心智模型：它们就像在迷宫中乱撞的盲松鼠，需要你精心放置“墙壁”（可验证的约束）来引导它们到达目标区域。这个比喻强调了在 AI 编程中，开发者应专注于设置清晰的约束条件而非直接指导每一步，从而让智能体自主探索并找到解决方案。Chollet 的观点对理解当前 AI 编程工具（如 Copilot、Claude Code）的局限性和正确使用方式具有启发意义。

技巧编程智能体心智模型约束引导 AI编程 Fchollet

推荐理由：Chollet 用一个生动的比喻点破了编程智能体的本质——不是万能助手，而是需要你设计约束的探索者。做 AI 编程的开发者看完会重新思考如何更有效地使用这些工具，建议点开。

原文

5月18日

21:00

Viking@vikingmute

精选

用户分享了一个名为 planning-with-files 的 skill，可在 codex 上运行。该技能声称模仿 Manus 的工作流，自动为每个复杂任务创建并维护 3 个 Markdown 文件：task_plan.md（任务分解、阶段规划、进度追踪）、findings.md（研究发现）、progress.md（日志测试记录）。它通过自动 Hooks 在工具调用前后读取和更新计划，帮助管理长任务。作者表示过去也采用类似模式，但该 skill 将其抽象化，更加便捷。

技巧 planning-with-files codex Manus 工作流 Markdown

推荐理由：把Manus工作流搬到codex

原文

16:21

orange.ai@oran_ge

精选

刘小排认为AI常顺着用户说话导致信息茧房，建议让AI扮演魔鬼代言人猛泼冷水。他开源了一个名为“魔鬼代言人”的Cola Skill，供用户免费安装到Agent中使用。该Skill旨在通过质疑用户观点促进独立思考。GitHub仓库名称为orange2ai/devi…，已获8个反应和1906次查看。

技巧刘小排 Cola 魔鬼代言人 Agent 开源提示词工程

推荐理由：让AI当杠精，免费开源Skill

原文

12:57

Geek@geekbb

精选

该项目利用GitHub Actions自动扫描GitHub Trending页面和每日新仓库，通过分析星标和互动行为识别刷星机器人。实现了每日定时运行，无需人工干预。工具可输出可疑仓库列表，帮助维护GitHub生态真实度。

技巧 GitHub Actions GitHub Trending 刷星检测自动化

推荐理由：帮你自动揪出刷星机器人

原文

12:19

shao__meng@shao__meng

精选

工程师 Addy Osmani 发文警告，随着 LLM 和 Agent 能力增强，开发者正陷入“粘贴报错→接受修复→提交代码”的循环，失去了问题与解法之间的认知挣扎。Anthropic、MIT 和 CHI 2026 的三项研究一致表明，过度依赖 AI 会显著降低理解深度、脑区耦合和决策质量。Osmani 指出，产品团队的 KPI 是交付速度而非工程师成长，工具刻意消除的摩擦力正是学习发生的地方。他建议先形成假设再提问、先要解释再要代码、偶尔徒手重写 AI 代码，并自检“今天学到了什么还是只关了 issue”。

技巧 AI 编程工程师成长认知能力学习策略工具依赖

推荐理由：这篇警示戳中了 AI 时代工程师的集体痛点——用效率换能力，做 AI 辅助开发的团队和个人都该停下来读一读，看完会重新审视自己的编码习惯。

原文