全部 AI 动态 · AI 热点

5月30日

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

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

事件专题

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

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

08:48

官方一手marktechpost@Sana Hassan

精选72°

AgentTrove 是目前最大的开源智能体交互轨迹数据集，包含 170 万条 ShareGPT 格式的记录。本文提供了一份详细的 Python 教程，演示如何在不完全下载的情况下流式读取数据集、标准化智能体对话轮次、提取命令、分析轨迹，并最终将成功的交互轨迹导出为干净的 SFT 微调数据集。这对于需要高质量智能体训练数据的开发者来说非常实用。

技巧智能体数据集 SFT 微调

推荐理由：做智能体微调的团队终于有了大规模、可流式处理的开源轨迹数据，不用再自己爬取或合成。想快速上手构建 ShareGPT 格式 SFT 数据集的开发者，这篇教程可以直接照着跑。

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

事件专题

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

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

官方账号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

事件专题

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

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

事件专题

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

18:10

官方一手marktechpost@Sana Hassan

本教程在 Google Colab 中搭建完整的 pgvector 环境，演示如何将 PostgreSQL 用作强大的向量数据库。内容包括安装 PostgreSQL、编译 pgvector 扩展、通过 Psycopg 连接并注册向量类型以实现 Python 集成，以及使用 SentenceTransformers 生成嵌入并存储。教程覆盖了语义搜索、混合搜索、稀疏向量和量化向量四种搜索模式，为 AI 应用提供实用的向量搜索实现方案。

技巧 pgvector 向量搜索 PostgreSQL

推荐理由：想用 PostgreSQL 做向量搜索的开发者可以直接跟着教程在 Colab 里跑通，省去环境配置的坑，四种搜索模式覆盖了从基础到高级的需求。

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

事件专题

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

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

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

04:26

官方一手marktechpost@Sana Hassan

精选

本教程使用NVIDIA FLARE构建联邦学习实验，在非IID CIFAR-10数据集上比较FedAvg和FedProx算法。客户端数据通过Dirichlet分布分割以模拟现实中的标签不平衡。利用NVFlare Job API定义和启动联邦任务。教程包含具体实现步骤和性能对比。

技巧 FedAvg FedProx NVIDIA FLARE

推荐理由：手把手教你用NVIDIA FLARE做FedAvg和FedProx对比实验

原文

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

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

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

12:45

官方一手marktechpost@Sana Hassan

精选

本文是一篇教程，指导读者使用 Langfuse（一个开源 LLM 工程平台）构建完整的可观测性与评估管道。教程涵盖了追踪、提示管理、评分、数据集和实验等核心功能。它支持使用真实的 OpenAI 密钥或确定性模拟 LLM，让读者无需付费模型访问即可理解所有主要功能。文章提供了逐步实现的工作流程，适合希望系统学习 LLM 工程实践的开发者。

技巧 Langfuse 可观测性 LLM 工程

推荐理由：想系统掌握 LLM 应用的可观测性与评估？这篇教程用 Langfuse 手把手带你走通追踪、提示管理、评分和实验全流程，还支持模拟 LLM 免费用。做 LLM 工程或运维的团队值得收藏。

原文

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

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

18:22

官方账号Decoder@Matthias Bastian

数学家Adam Kucharski发现，当向Microsoft Copilot输入相同数据集但不同国家标签时，Copilot会编造不存在的国家差异，输出详细刻板印象而非准确结果。思考模型能识别这种把戏，但前提是用户知道何时使用它们。文章指出，在Copilot、Gemini等AI工具中保留默认模型选择可能导致错误结论，用户应主动选择适合任务的模型。

技巧大模型 AI安全 Copilot

推荐理由：别让AI默认模型坑了你

原文

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

事件专题

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

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

10:52

官方一手marktechpost@Sana Hassan

精选

本文介绍了如何基于 Anthropic API 构建 SuperClaude 框架的高级工作流，通过集成命令系统、多智能体协作、模式切换和会话记忆功能，实现更复杂、更可控的 AI 交互。该框架允许开发者定义自定义命令、创建专用智能体角色、切换不同工作模式，并利用会话记忆保持上下文连续性。教程提供了具体代码示例和架构设计思路，适合希望扩展 Claude 能力的开发者。

技巧 SuperClaude 框架工作流智能体

事件专题

推荐理由：想用 Claude 做复杂自动化任务的开发者，这个框架能帮你把命令、智能体和记忆整合成一套可复用的工作流，比直接调 API 灵活得多，值得照着教程搭一套。

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

事件专题

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

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

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

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

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

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

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

事件专题

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

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

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

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