全部 AI 动态 · AI 热点

5月19日

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

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

官方账号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

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

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

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

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

事件专题

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

12:01

官方账号Greg Brockman@gdb

精选

Todd Saunders使用Codex的/goal功能，扫描了最近500封归档邮件。它自动查找并点击了87个退订链接，处理了“你确定吗”页面，并标记了14个需要登录的网站。整个过程无人值守运行超过一小时，最终清空了营销邮件。

技巧 Codex 智能体自动化

推荐理由：Codex一键退订87封邮件

原文

06:16

Ate-a-Pi@svpino

一位开发者发现，在 Claude Code 中编写提示时按下 CTRL+G 可以打开编辑器，从而更高效地编辑长提示。这比直接在终端中编写长提示好 100 倍。该技巧能显著提升编写复杂提示的体验，尤其适合需要精细调整提示的开发者。

技巧 Claude Code 快捷键提示编辑

推荐理由：这个快捷键解决了在终端中编写长提示的痛点，Claude Code 重度用户可以直接试试，能大幅提升提示编辑效率。

原文

5月16日

23:36

Martin Fowler@martinfowler

Martin Fowler 分享了一个高效为LLM提供上下文的方法：与其自己手动写，不如让LLM像采访一样提问，你回答即可。这种方法能节省时间，同时确保上下文完整且结构化。Fowler 认为这比直接写更自然，尤其适合需要大量背景信息的场景。该技巧对需要频繁与LLM协作的开发者或写作者很有启发。

技巧 LLM上下文效率技巧 Martin Fowler

推荐理由：Fowler 的这个技巧解决了手动写上下文的痛点，经常用LLM做复杂任务的开发者可以直接试试，省时又高效。

原文

22:28

向阳乔木@vista8

这篇推文提供了在ChatGPT客户端配置Codex的详细步骤，解决了很多人只发新闻不发教程的问题。配置过程包括更新本地客户端、用原生相机扫码、登录ChatGPT账号并授权。关键注意点：必须用官方订阅账号才能看到设置入口，API模式不行；扫码必须用苹果或安卓原生相机，微信可能不行。配置完成后可调整电脑唤醒状态。

技巧 Codex ChatGPT 配置教程

推荐理由：想用ChatGPT客户端配合Codex写代码的开发者，这篇教程能帮你省下摸索时间，直接照着操作就能搞定配置。

原文

21:49

官方账号Greg Brockman@gdb

精选

Kappaemme发布了Codex技能"codex-complexity-optimizer"，可扫描代码库中的计算复杂度热点。该工具检测O(n²)循环、O(n*m)重复查找、N+1查询模式等性能瓶颈。提供前后复杂度估算和安全优化建议，默认报告模式不修改代码。通过npx --yes codex-complexity-optimizer一键安装，完全开源。

技巧 Codex codex-complexity-optimizer Kappaemme

推荐理由：一键扫描代码复杂度热点

原文

21:04

宝玉@dotey

精选

博主dotey分享了利用AI或Agent制作字幕SRT的经验，强调断句和拼写纠错是关键。英文断句简单，通过标点即可切分；中文断句更复杂，因为Whisper生成的中文语音没有标点，且“word”是多个汉字。需要借助大模型断句加标点，再重新对齐时间戳拆分。对于长访谈，需分块处理，避免切分在句子中间。推荐Mac用户使用WhisperKit，支持单词级时间戳和说话人识别。

技巧字幕SRT 断句 Whisper

推荐理由：做字幕或视频处理的开发者，用AI断句和纠错能大幅提升效率，中文断句的坑和解决方案都讲清楚了，值得实操参考。

原文

20:41

宝玉@dotey

精选

本文清晰区分了上下文（Context）和上下文窗口（Context Window）两个易混概念。上下文是 AI Agent 实际拥有的所有信息，包括系统提示、对话历史、检索文档等，是动态可管理的；上下文窗口是模型单次推理能处理的最大 token 数，是硬性容量限制。文章用厨房操作台和食材的比喻帮助理解，并指出 Agent 开发的核心挑战在于如何在有限的窗口内塞入最有价值的上下文。最后强调了 Context Engineering 的重要性。

技巧上下文上下文窗口 Agent开发

推荐理由：做 Agent 开发的团队经常被这两个概念搞混，本文用一个厨房比喻就讲清楚了，还点出了 Context Engineering 的实战价值——看完能帮你少踩坑，建议收藏。

原文

5月14日

13:37

官方账号Andrej Karpathy@karpathy

精选

AI 研究员 Andrej Karpathy 在 X 上分享了一个实用技巧：在对话结束时让 LLM 将回答结构化为 HTML，然后在浏览器中查看生成的文件。他认为，音频是人类偏好的输入方式，而视觉（图像/动画/视频）是偏好的输出方式。他预测 AI 输出将从纯文本、Markdown 向 HTML 演进，最终走向交互式神经视频/模拟。他还指出，输入方面需要增加指向/手势等交互方式。目前阶段，他建议尝试让 LLM 输出 HTML 以提升信息接收效率。

技巧 LLM HTML 视觉输出

推荐理由：Karpathy 的这个技巧让 AI 输出从枯燥文本变成可视化页面，做演示、写文档或做数据分析的团队可以直接用，省去手动排版时间。

原文

07:26

Ethan Mollick@emollick

Ethan Mollick 在 X 上发文，呼吁用户停止将 AI 提示词神秘化，包括使用含义不明的斜杠命令。他认为与 AI 交互应该像与经理沟通一样，用清晰、结构化的格式直接提出需求，而不是像巫师念咒语。这一观点直击当前提示工程中过度复杂化的痛点，强调简单直接才是高效使用 AI 的关键。

技巧提示工程 AI交互效率

推荐理由：Mollick 戳破了提示工程中的玄学泡沫，做 AI 应用或日常使用大模型的团队，看完会重新审视自己的提示词写法，建议直接照做。

原文

5月13日

18:18

berryxia@berryxia

一位车主分享用 ChatGPT 诊断刹车异响的经历，AI 判断问题源于潮湿导致的锈迹，而非刹车片磨损。他按推荐购买 69 元清洗剂，喷后异响消失，避免了 4S 店千元更换刹车片的忽悠。案例展示了 AI 在汽车维修诊断中的实用价值，能帮用户省钱并识别常见维修陷阱。

技巧 ChatGPT 汽车维修省钱技巧

推荐理由：AI 帮你识破 4S 店套路，省下千元维修费——有车一族直接收藏这个诊断思路，下次异响先问 AI 再动手。

原文

17:54

官方一手歸藏(guizang.ai)@op7418

博主分享了一个让Codex配图更准确的技巧：当涉及生僻事实时，先让Codex搜索相关图片，然后基于这些图片生成新图。这样既能保证真实性，又能得到高清且符合比例要求的图片。例如，云南的甲马符GPT无法直接生成，但垫图后效果很好。该技巧适用于需要准确配图的场景，如PPT制作或内容创作。

技巧 Codex 配图技巧垫图

推荐理由：做PPT或内容配图时，Codex常因生僻知识画错，这个垫图技巧能直接提升配图准确性，建议做视觉设计的团队试试。

原文

09:12

Ate-a-Pi@svpino

开发者不应依赖单一LLM提供商，因为提供商可能随时更改或中断服务，导致应用崩溃。替代方案是使用一个API密钥访问400多个模型，保持灵活性和可靠性。这避免了供应商锁定风险，确保应用稳定运行。

技巧大模型 API 供应商锁定

推荐理由：提供实用策略，帮助开发者避免模型依赖风险，增强应用韧性。

原文

5月12日

21:55

Shashikant Kore@kshashi

社交媒体上一条推文指出，名称中含有“黄金”一词的消费者产品当前正面临一个极佳的机遇。该评论可能暗示黄金相关的产品在特定经济或市场趋势下会更受关注。目前缺乏具体上下文以判断是否涉及AI领域，但该推文本身与AI无关。

技巧市场观察产品营销

推荐理由：该内容仅为一条泛泛的社交媒体评论，不涉及具体AI技术或产品，无推荐价值。

原文

18:09

官方账号Simon Willison@simonw

开发者Simon Willison发现可以用LLM CLI工具在Shebang行中直接运行脚本，支持用自然语言编写可执行脚本，或结合YAML模板实现更复杂的任务。该方法通过将LLM命令作为解释器，允许用户用英文指令编写脚本并直接执行，简化了AI助手的命令行集成。这一技巧展示了如何将大型语言模型无缝嵌入Unix工作流，降低AI辅助编程的门槛。

技巧 LLM CLI Shebang脚本工具使用

推荐理由：该发现为开发者提供了一种将LLM嵌入shell脚本的实用方法，对构建AI协作工具链有参考价值。

原文