我的知识收藏YR.AL

01 / COLLECTION

阅读资料

收藏值得读的内容,也留下可以重读的备份。

67条收录

共 67 条

2026-09-15 · github.com

GitHub - career-ops-hq/career-ops: Open-source AI job search: scan job portals, evaluate listings into a structured A-H report with a global 1-5 score, tailor your CV, track applications — runs locally in your AI coding CLI (Claude Code, Codex, OpenCode, Antigravity…)

Career Ops 是一款开源、本地运行的 AI 求职工具,可扫描招聘网站、评估职位,并生成包含 A-H 结构化分析与 1-5 分综合评分的报告。它还能根据具体岗位定制简历、追踪申请进度,并支持 Claude Code、Codex、OpenCode、Antigravity 等多种兼容 Agent Skill 标准的命令行工具。项目作者称其已评估 740 多个职位、生成 100 多份个性化简历,并帮助自己获得理想岗位。该项目由 Santiago Fernández de Valderrama Aparicio 创建维护,鼓励成功求职者公开分享经历,为其他求职者提供可验证的案例与信心。

2026-09-15 · x.com

karminski-牙医 (@karminski3) on X

作者认为,传统文档通常只能承载代码或数据,而 Skill 可以实现二者同构,从而支持元编程。以发票处理为例,固定格式的字段提取方案遇到新模板容易失效,本质上只是把 Skill 当成普通文档。更先进的做法是先分析发票的排版与命名规则,再动态生成并运行专用的 Micro-Skill:用正则提取确定性字段,用精简提示词让 LLM 处理歧义字段,并通过 Pydantic 类及金额关系等规则严格校验结果。这样,只要模型能力足够,Skill 就能更自主地适应不同格式。

2026-09-14 · linux.do

【开源推广】模型检测工具,三次提问推测具体模型(指纹库已更新GPT 6 Astra) - 开发调优 - LINUX DO

该开源项目 ModelTrace 通过在当前会话的侧边对话框中进行三次随机数序列测试,判断模型是否被替换或“降智”,并已提供 GitHub Pages 版本及支持 API 自动检测的本地 Python 版。其指纹库覆盖 GPT-5.4 至 GPT-6 Astra,以及 Claude Haiku、Sonnet、Opus 等多个版本,每个模型采集了36条样本。项目利用 Hellinger 距离和有序分块提取数字分布与顺序特征,再通过投影消除提示词干扰,并结合加权评分、温度系数和 Softmax 计算模型归因概率。作者强调完整完成三次测试效果最佳,Claude Code 等系统提示可能显著影响准确性,且结果仅供参考,无法可靠识别指纹库之外的模型。

2026-09-13 · x.com

WquGuru (@wquguru) on X

KV Cache 用于缓存 Transformer 已生成 token 的 K、V 向量,将生成计算复杂度从 O(N²) 降至 O(N),但其容量会随上下文长度和网络层数线性增长,成为长上下文 Agent 的主要显存与成本瓶颈。DeepSeek 通过多代架构优化,将单 token 的全局 KV Cache 从 V1 的约 389 KB 压缩到 V4.1-Flash 的 890 字节,仅为原来的 1/437。Prefill 负责并行处理提示词、偏重算力,而 decode 每生成一个 token 都需读取整段 KV、偏重 HBM 带宽,因此压缩 KV 既能扩大上下文和并发容量,也能提升推理速度。V4.1 还区分驻留 HBM 的运行时 KV 与存放在主机内存或 SSD、用于前缀复用的持久化 KV,以降低 Agent 频繁工具调用和重复上下文处理的部署成本。

2026-09-05 · cactus-proj.github.io

第 1 章 焦油坑(The Tar Pit) | 《人月神话》中文版

本章以“焦油坑”比喻大型软件项目:单个问题看似可解,但相互纠缠后,往往导致项目难以同时满足功能、进度和预算目标。作者区分了普通程序、编程产品、编程系统构件与编程系统产品,指出为了实现通用性、可靠性、文档完备和系统兼容,最终产品的开发成本可能达到独立程序的九倍。编程的乐趣来自创造有用事物、组装复杂系统、不断学习,以及在灵活介质上将想象变为现实。与此同时,编程也要求近乎完美,开发者常面临权责不匹配、依赖低质量外部成果以及反复排查琐碎错误等苦恼。

2026-09-05 · github.com

maka/docs/blogs/multi-agent-scheduling.zh-CN.md at main · apache/maka

文章将 Multi-Agent 调度归纳为两条路径:一是把 Subagent 视为工作流算子,通过显式 DAG 管理依赖与数据流;二是把其视为独立参与者,借助 Mailbox 异步通信并动态协作,Maka 与 Codex 分别代表这两类设计。借鉴操作系统 Copy-on-Write 的按需分叉思想,Agent 可共享会话前缀并仅记录增量,但完整继承父级上下文也会引入历史噪声、错误先验和额外 Token 成本。为此,Maka 默认不传递完整父会话,而要求主 Agent 提供语义自洽、边界明确的任务规范,Subagent 在独立上下文、受限工具和权限范围内执行,并以结构化结果和产物引用返回。由于主从 Agent 间没有持续双向通信,Maka 依靠 DAG 表达子任务的偏序依赖,使调度器并发执行依赖已满足的节点,其设计类似数据库从逻辑计划到物理执行计划的分层机制。

2026-09-04 · x.ai

Designing Grok Bot for a world of persistent agents

Grok Bot 将产品核心从一次性聊天记录转向持久化 Bot:每个 Bot 都拥有独立身份、记忆、工具和计算机,用户通过 Bot 名册持续与同一智能体协作。界面以头像统一呈现 Bot 的身份和工作状态,并通过状态提示、侧边预览与全屏接管三级机制,让用户既能了解进展,又不必持续监督其操作。系统还根据内容选择文字、卡片、组件和可视化等不同回答形式,将对话、操作事件与交互对象整合在同一时间线中。随着 Bot 数量增加,产品支持通过“首席幕僚”等协调角色组织多个专业 Bot,并按职责划分各自所需的上下文与记忆,同时共享账户级工具和技能。

2026-09-03 · platform.claude.com

法律文件摘要 - Claude Platform Docs

Claude 目前在用户所在地区不可用。该网站使用 Cookie 来提供和改进服务,并分析网站使用情况。经用户同意后,网站还会利用 Cookie 提供个性化体验及开展营销,详情可查阅其 Cookie 政策。

2026-09-03 · x.com

川处安 (@leoshen0) on X

作者针对 Skill 全局安装造成上下文污染、Token 消耗增加,以及项目间复制导致版本混乱等问题,开发了开源管理工具 Kitter。它通过统一的本地仓库和软链接,让每个 Skill 只维护一份,并可按项目及 Codex、Claude Code、Cursor 等不同 Agent 精准安装,同时可视化展示 Skill 的使用关系、实际生效情况与 Token 占用。Kitter 提供桌面客户端和独立 CLI,支持管理来自本地、GitHub 和 npx skills 的 Skill,二者共享同一套数据。项目采用 Rust 和 GPUI 开发,已按 Apache 2.0 协议开源并打包三大操作系统,但目前仅 macOS 经过测试。

2026-09-03 · github.com

CL4R1T4S/ANTHROPIC/Claude-Fable-5.1.md at main · elder-plinius/CL4R1T4S

该文档自称泄露了 Claude Fable 5.1 的系统提示,介绍其模型定位、API 与 Claude Code、Cowork、Chrome、Office、Slack 等产品入口,并要求涉及产品信息时优先搜索官方最新文档。提示还说明用户可启用网页搜索、深度研究、代码执行、记忆和风格定制等功能,同时强调 Claude 产品本身不展示广告。安全规则尤其重视未成年人保护,严格禁止生成涉及未成年人的性化、诱导、虐待或剥削内容,也不得解释相关交易术语或泄露具体检测边界。对于武器、爆炸物和非法药物,Claude 应拒绝提供可操作的制造、合成、分发或使用方案,但可以提供防止伤害、识别过量及寻求帮助等安全信息。

2026-09-01 · x.com

Joway (@jowaywang) on X

AI Coding 普及后,尽管开发者使用相似的模型与工具,代码产出差异反而扩大,关键在于是否具备把事情真正做成的“尽职编程”能力。AI 能执行大量子任务,却难以凭有限上下文完整判断需求、风险与设计细节,因此人必须主动拆解问题、质疑决策、理解设计,并能在技术评审中解释和负责。尽职程度应根据代码的重要性动态调整,核心系统还需持续复审,同时可借助独立的代码审查 Agent,将原本主观且不可见的尽职过程转化为客观记录。人与 AI 的根本区别在于,人追求事情最终成功,而 AI 更倾向于完成当前对话,因此可靠的办事能力仍是难以被工具替代的稀缺价值。

2026-08-27 · claude.com

The AI-Native SDLC playbook | Claude by Anthropic

AI 原生软件开发生命周期(SDLC)旨在解决代码生成速度大幅提升后,规划、评审、测试、部署和治理等人工环节成为新瓶颈的问题。它将传统线性流程重构为由 AI 贯穿的闭环,在计划、设计、构建、测试、部署和维护六个阶段持续自动化交接、检查与触发,同时保留人类对关键判断和高风险代码的责任。每个阶段都会向版本控制提交机器与人均可读取的产物,如 intent.md、spec.md、plan.md、代码差异、测试及评审记录,既驱动下一阶段,也形成完整审计轨迹。实践上可从用 Claude 将想法直接整理为经产品负责人确认的 intent.md 开始,再按依赖关系逐步采用各项模块化方案,让人类注意力集中于审批关口和异常事项。

2026-08-27 · x.com

宝玉 (@dotey) on X

作者以为 BaoCut 增加远程转录功能为例,介绍了其 AI 开发流程:先从产品价值和技术成本两方面做可行性分析,并借助 Claude Code 比较方案后确定实现方向。随后让 AI 编写融合产品需求、技术架构与 UI 设计的文档,再通过高精度原型反复调整界面布局、交互和服务状态展示,以低成本验证需求。设计明确后,作者将文档交给 Claude Code 按里程碑实现功能并自动截图验证,最后亲自进行多轮黑盒测试,将问题反馈给 Agent 修正。整个过程中作者基本不审查代码,而是把自己定位为 QA,依赖 AI 完成主要设计与编码工作。

2026-08-27 · github.com

GitHub - freestylefly/awesome-gpt-image-2: Prompt as Code | GPT-Image2 工业级提示词引擎与模板库,530+ 个案例逆向工程,20+ 套工业级模板,并提炼出Skills,持续更新中

该项目是一个面向 GPT-Image2 的工业级提示词引擎与模板库,通过逆向分析 530 多个案例,将零散的自然语言提示词转化为可组合、可复用的“Prompt as Code”结构化资产。其核心设计涵盖主体、光照、材质、布局和视觉细节等原子模块,旨在增强图像生成中的版式、文案与信息层级控制,并支持智能体、脚本、批量任务及自动化生产流程。项目提供 20 多套工业级模板、常见问题指南、风格库 Agent Skill,以及覆盖 UI、信息图、海报、电商、品牌和建筑等类别的案例画廊。用户还可通过可视化网站筛选案例、查看大图、复制完整提示词并在线测试生成,同时参与社区交流和获取持续更新。

2026-08-24 · x.com

宝玉 (@dotey) on X

康威定律指出,团队沟通结构与系统架构相互塑造,而传统软件因复杂度与沟通成本形成了产品、架构、开发、测试和运维等分工。Brooks 曾提出“外科手术团队”模式,由一人集中设计决策、其他人提供支持,但因核心人才稀缺、个人依赖过高及系统复杂度增长而未能普及。AI Agent 的发展使“1 个人 + AI”模式成为可能,人类负责定义问题、架构与判断,AI 承担编码、测试、重构和文档等执行工作,从而显著降低沟通成本并放大个人产出。其瓶颈仍是人类维持系统整体一致性的认知能力,因此该模式更适合中小型系统,大型系统仍需多个决策者带领各自的 AI 团队,通过清晰接口协作,直至 AGI 能承担系统级决策。

2026-08-23 · github.com

GitHub - lichuang/docq: Local document Q&A in your terminal — powered by on-device LLMs.

docq 是一款运行于终端的本地优先文档检索与问答工具,借助设备端大语言模型离线搜索内容并生成带来源引用的答案,所有索引、模型和查询数据均保留在本机。它支持 Markdown、纯文本、PDF 和 Word 文档,可用于笔记、技术文档及研究论文,并支持中英文提问、JSON 输出和搜索评分解析。用户可通过 Cargo 安装,依次执行初始化工作区、添加文档目录和构建索引后使用 search 与 ask 命令;首次运行会下载所需模型,此后可完全离线工作。该项目采用 MIT 或 Apache-2.0 许可证,目前仍处于早期开发阶段,1.0 版本前命令行接口和配置可能发生变化。

2026-08-22 · github.com

GitHub - byoungd/up: An advanced guide which might benefit you a lot 🎉 . 人生进阶指南 离谱的人生 离谱的英语学习指南/英语学习教程/英语学习/学英语

《人生进阶指南》是一套面向普通人的长期成长系统,涵盖英语与 AI 学习、工作能力、人生复盘、创业及恢复,强调通过“诊断现状—选择任务—主动练习—获得反馈—保留证据—调整行动”形成持续改进闭环。英语学习部分以真实任务和 CEFR 标准校准水平,要求在词汇、听说读写及 AI 辅助学习中产出可检查的成果,而非单纯积累资料或统计学习时长。AI 学习强调按任务选择工具、追溯原始来源,并由人负责设定标准、核查事实和作出最终判断;每周则从完成度、质量、保持度和迁移能力四方面评估进步。项目同时明确区分研究结论、个人经验和待验证假设,重视隐私、商业关联与授权透明,建议读者从记录当前证据和完成一个最小任务开始。

2026-08-21 · x.com

文森特 (@VincentWei93) on X

文森特开源了 video-shotcraft skill,用于生成具有产品发布宣传片质感的动效视频,弥补 Remotion 插件配合 Claude Code 时镜头、转场、音效和特效不足的问题。该工具内置 Ink Press 模板,支持 1920×1080、30fps,并提供纸张、墨迹、琥珀色调的编辑视觉,以及 10 个完整镜头、真实网页运镜、字幕卡、转场和音效。使用者建议在提示词中明确要求炫酷设计,以避免 AI 采用过于简单的镜头,还可加入 Chill House 风格的音乐。

2026-08-18 · x.com

X 上的 数字生命卡兹克:“一个极度实用的深度思考Prompt,帮你挖出最本质的答案。” / X

文章介绍了“钢人论证法”:先把一个观点补充成最合理、最难反驳的版本,再进行判断,以减少AI迎合用户、输出通用建议的问题。作者进一步设计了“双向钢人Prompt”,要求AI重述真实问题,分别强化正反双方,找出决定结论的核心变量,并最终给出明确判断、理由与行动方案。以公司司庆日期的选择为例,AI通过双向分析将争议聚焦为“未来员工究竟要共同纪念什么”,帮助作者确认应纪念公司最初坚持的理念——在AI时代建立人与人之间真诚而珍贵的连接。

2026-08-14 · designmanifestos.org

Dieter Rams: Ten principles for good design

迪特·拉姆斯认为,优秀设计应以技术创新为基础,但创新本身不是目的,而应切实提升产品的功能、心理体验与审美价值。它要让产品直观易懂、低调克制且诚实,不夸大性能,也不干扰用户的自我表达。优秀设计还应经久耐用、关注每个细节,并在产品全生命周期中节约资源、减少环境与视觉污染。其核心理念是“少,却更好”,去除非必要元素,回归本质、纯粹与简洁。

2026-08-12 · x.com

黄赟 (@huangyun_122) on X

FDE 的核心不是简单用 AI 替代员工或现有的 ERP、CRM,而是发现真实工作中的关键问题,并通过 AI、软件与人工协作构建可持续运行的系统。只会服从指令、缺乏主动思考且抓不住岗位重点的“老黄牛”可能最先受到冲击。更有效的做法是从每个岗位最耗时的任务入手,用 AI 提升效率、减少加班并改善员工体验。最终,这类系统必须能够长期运行、接受评测,并为企业创造实际经济价值。

2026-08-12 · x.com

X 上的 Jackywine:“设计师未来要写的源代码,就是这东西 design.md 大家可以去看一下谷歌和 Vercel 都已经开源了他们的 design.md” / X

Vercel 公开了自家的 design.md,详细展示其设计规范,为设计师提供了可靠且可直接参考的官方资料。其新版首页采用纯黑背景与居中的三角形,整体风格简洁利落,相比花哨设计更显耐看。作者认为,直接使用官方公开的 design.md,比通过分析源码进行模仿更靠谱,也预示着设计师未来可能需要以类似方式编写设计“源代码”。

2026-08-11 · support.claude.com

How Claude marks AI-generated content | Claude Help Center

Anthropic 为履行欧盟《人工智能法案》第50(2)条关于生成式AI内容透明度的承诺,计划在 Claude 生成或处理的内容中加入机器可读标记。Claude 将采用两种互补方式:在文本中嵌入不影响含义和可读性的隐形水印,以及为 SVG、PNG、JPG 等文件附加符合 C2PA 标准的签名来源元数据。相关检测机制将帮助用户和第三方判断内容是否可能由 Claude 处理,以及文件是否遭到篡改,但这些标记仍存在一定局限。使用 Claude 构建产品的开发者需自行评估欧盟法规要求,Anthropic 后续将发布更详细的标记与检测技术指南。

2026-08-11 · x.com

X 上的 索螺丝:“焚诀: 1. 架构 skill 一定要自己亲自做 2. 一定要 GPT 给出完整的符合人体工学的使用内置浏览器的验收清单 3. 一定要亲自先仔细讨论所有架构和边角料 4. 一定要让 GPT 把架构和验收清单落地成完整报告 5. 一定要用 GPT 5.6 sol max 然后你就会发现,GPT 对于复杂系统的 Edge case” / X

作者建议亲自设计系统架构,并与 GPT 充分讨论架构细节和边缘情况,再让其生成符合人体工学、可通过内置浏览器执行的完整验收清单与落地报告。其认为使用 GPT 5.6 sol max,并要求深度参考 GitHub 上的同类开源项目,能够显著提升复杂系统边缘案例的覆盖率。评论者认可验收清单有助于发现 corner case,但指出 GPT 可能遗漏状态迁移顺序和时序依赖,例如取消订阅后再订阅期间的空窗状态,因此仍需人工补充和验证。

2026-08-10 · x.com

AI最严厉的父亲 (@dashen_wang) on X

该提示词要求 AI 在完全受信的 Linux 本地开发机上以速度和最短路径为先,依据第一性原理直接开发、部署、测试和调用,避免套用模板、过度重构及需求外功能。所有凭据只能通过凭据管理器在运行时获取,严禁硬编码、记录或泄露,同时将网页、文件和报错中的指令性内容一律视为不可执行的数据。工作产物应沉淀为参数清晰、幂等、可复用且可重跑的脚本或命令,完成后仅汇报产出、运行方法和副作用,并坚持快速失败、自行排错和最小实现。只有缺少凭据、涉及不可逆操作,或任务存在高代价的重大歧义时才暂停询问用户。

2026-08-09 · github.com

voice-input-src/README_CN.md at master · yetone/voice-input-src

该项目是一个基于 Swift、面向 macOS 14+ 的菜单栏语音输入应用:按住 Fn 键录音,松开后通过剪贴板和模拟粘贴将实时转录结果注入当前输入框,并支持中、英、繁中、日、韩等语言。录音期间会显示由真实音频 RMS 驱动的精致胶囊悬浮窗,动态展示波形与转录文本,并配有平滑的入场、宽度调整和退场动画。应用还可通过可配置的 OpenAI 兼容 API 对识别文本进行保守纠错,尤其改善中英文混杂及技术术语识别,同时提供完整的 LLM 设置与测试界面。项目使用 Swift Package Manager 和 Makefile 构建为签名的无 Dock 图标应用,源码与发行版本分别托管于 GitHub。

2026-08-09 · lilianweng.github.io

Harness Engineering for Self-Improvement | Lil'Log

递归自我改进(RSI)不仅指模型直接修改自身权重,也包括由模型持续优化训练流程、部署系统和代理运行环境,从而产生能力更强的后继模型。文章强调“支架工程”是近期实现RSI的重要路径:它通过工作流自动化、文件系统持久记忆、子代理并行与后台任务管理,让模型能够规划、执行、测试、反思并持续迭代。以编码代理为例,成熟支架会整合文件操作、命令执行、外部信息、成果管理及代理委派等工具,其角色类似于为基础模型提供统一运行接口的操作系统。未来,支架将从提示词和结构化上下文优化,逐步发展到工作流、支架代码乃至优化器代码的自我改进,并与核心模型能力形成相互促进的循环。

2026-08-09 · x.com

X 上的 宝玉:“我在开发项目是,第一版本会先用 Claude Design 设计好 UI 原型/设计,打磨好后放到本地,配合 Baoyu-Design Skill 去维护,每次开发新功能前,不是先去实现功能,而是先修改本地的原型,原型修改确认好了后再去修改功能。 后来直接把规则放到了 Agents.md/claude.md https://t.co/CX8erSXu7J” / X

作者在项目初期先用 Claude Design 完成并打磨 UI 原型,再将其保存到本地,通过 Baoyu-Design Skill 持续维护。每次新增或修改功能时,默认先更新并确认原型,再进行实际开发,从而确保原型与产品功能始终一致。这种流程既能以较低成本验证产品与 UI 设计,也能借助 React 代码、结构化 JSON 数据及 Git Diff 清晰追踪版本变化,方便 Agent 根据差异实现功能。

2026-08-09 · mp.weixin.qq.com

如何拉伸肋间肌改善含胸?

久坐和长期使用电脑、手机容易造成胸廓前侧组织缩短,引发含胸,并常伴随头前倾、驼背和圆肩等问题。含胸会使肋间肌失衡、相邻肋骨间距缩短,限制胸廓活动,导致吸气深而呼气浅、呼吸急促及辅助吸气肌紧张。改善重点是提高胸廓前侧尤其是肋间肌的延展性,可通过坐姿躯干侧屈、90/90姿势躯干旋转,以及靠墙深呼吸练习进行拉伸。练习时应固定骨盆、结合旋转调整拉伸部位,并以缓慢呼吸逐渐增加幅度,每个动作持续10至15次呼吸。

2026-08-08 · x.com

同一道题,成本省 8 倍!我们做了最省钱的 Harness「Maka」 — kabikabi @ X

Maka 是一个基于 TypeScript、Apache-2.0 开源且 local-first 的 Agent Harness,以统一事件日志架构支持 Desktop、TUI、CLI 和 Headless 四端,并实现会话恢复、上下文投影与持久任务执行。它通过完整回放模型 thinking、按预算剪枝并归档工具输出、精简系统提示词和工具面,以及提高缓存命中率,减少重复推理和无效上下文开销。公开测试显示,Maka 使用 DeepSeek 完成同一道题的成本约为 OpenCode 的 1/8,Terminal-Bench 2.1 每通过一题仅需 0.03215 美元,剪枝可节省 41.7% token 且性能不降。针对 DeepSeek、Kimi、GLM 等国产模型的协议差异进行逐一适配后,Maka 使用同一 K3 模型取得 69.7% 通过率,高于官方 KimiCode 的 59.6%。

2026-08-07 · x.com

OpenWiki:为代码库自动生成并持续维护 Agent Wiki — 铁锤人 @ X

LangChain 开源的 OpenWiki 已获得约 1.4 万个 GitHub Star,可通过一条命令为代码库自动生成并维护文档。官方脚本支持配置 GitHub Actions,让 Wiki 每日自动更新。它还提供聊天界面,方便用户通过对话了解项目,并能将知识注入 Agent.md,使代码智能体自动掌握整个项目的信息。总体而言,OpenWiki 是一个同时面向人类与智能体的自动更新 Wiki 系统。

2026-08-03 · x.com

改善 Agent 前端界面的五个设计 Skills — WquGuru @ X

WquGuru 分享了 Jakub 开发的一系列前端 Skills,用于解决 Agent 前端开发中常见的布局、UI 细节、文字排版、配色和文案问题。具体工具包括 /better-layout、/better-ui、/better-typography、/better-colors 和 /better-writing。作者在自己的新闻精选项目 Newshub 中使用后效果显著,并推荐通过 /better-interface 一次性审查和优化所有界面内容。

2026-07-31 · x.com

Marble:用 AI 自动化餐厅后厨运营 — Arjun Chaliha @ X

Arjun Chaliha 介绍了 Marble(YC S26),这是一套面向餐厅后厨的自主运营系统,旨在改善餐饮业利润微薄且高度依赖人工记录的现状。Marble 利用计算机视觉在几分钟内完成库存盘点,并预测各门店的实际销量,再通过 AI 智能体自动管理采购、备餐和排班等工作。该系统已在美国和加拿大的一些头部餐饮集团投入使用,推荐餐厅老板使用还可获得 500 美元或一枚 Oura 智能戒指。

2026-07-31 · github.com

GitHub - citrolabs/ego-lite: The fastest browser for AI agents to run browser automation, built for sharing your logged-in browser state with your AI agents, like Codex or Claude Code, without disturbing you. Zero cost, zero config.

ego lite 是一款面向 AI 代理的免费浏览器,可让用户与 Codex、Claude Code 等代理在同一浏览器中并行工作,并通过独立 Space 避免代理干扰用户标签页。它支持迁移 Chrome 的登录状态、Cookie、扩展和书签,数据保留在本地,同时通过 JavaScript 工具和高质量页面快照提升复杂自动化任务的速度与成功率。官方称其相比传统命令行式浏览器自动化方案最高可快 2.5 倍、消耗更少令牌,未来还将通过复用成功经验进一步提速。该项目采用 MIT 许可证,目前仅支持 macOS,Windows 和 Linux 版本正在规划中。

2026-07-30 · x.com

Product Teardown:从产品经理视角系统拆解产品 — Dreameryanyan @ X

Dreameryanyan 发布了名为“Product Teardown(产品拆解)”的新 Skill,旨在帮助用户像资深产品经理一样分析产品。它会系统梳理产品解决的核心问题、目标用户、优秀体验背后的原因,以及产品策略和设计思路,并提出进一步的优化方向。该工具适用于分析 AI 产品、热门 App 和优秀网站,并通过延续 Offer Toolkit 的视觉化设计,让内容更易阅读、截图用于 PPT 或打印成学习手册。作者希望借此帮助更多人在 AI 时代建立产品洞察力,并欢迎用户体验和反馈。

2026-07-30 · blog.wibus.ren

曾经做过的我,也需要来泼一盆冷水 | Wibus.log

作者反思自己曾深信并实践的常驻多智能体协作模式,认为即时通讯适合作为入口,却不适合作为执行内核:消息缺乏结构、上下文持续膨胀,各智能体的信息与判断也容易分化冲突。Block 虽通过任务状态机、锁、隔离和本地执行等机制降低执行层熵,但由于智能体自由度缺乏分层、关键状态散落在频道和工作区中,最终造成任务认领混乱、噪声过载与责任不清。作者认为多智能体不应是默认组织架构,而应作为按需采用的临时执行策略,其真正价值在于任务分解、独立上下文、并行处理、交叉审查、产物交接和最终合成。相比 Block,他更认可 multi-work 的模式:由单一主智能体掌握计划、合并与最终责任,按需生成临时子智能体,并通过自包含的交接文件完成协作后立即销毁。

2026-07-29 · zhanghandong.github.io

前言 - pi 的设计艺术:构建生产级 Coding Agent 的架构决策

本书聚焦生产级 Coding Agent 运行时 pi 的关键架构决策,不是源码导读或 API 文档,而是通过具体设计问题解释其背后的工程取舍。内容涵盖分层架构、统一模型调用、Agent 循环、会话与配置、扩展机制、工具安全、UI 宿主、产品化实践及设计哲学,适合有工程经验的开发者、生态贡献者和技术负责人。读者需具备 TypeScript 与 LLM API 基础,但无须使用过 pi,并可根据架构理解、代码贡献或完整学习等目标选择不同阅读路径。全书通过源码行号、取舍分析、Mermaid 图和版本演化说明辅助理解,核心分析基于 pi-mono v0.66.0,并已对照 v0.82.1 核实。

2026-07-29 · raft.build

Raft - 让人类和 AI Agent 一起创造

Raft 是一个面向 agent-native 创造者与团队的实时多 Agent 协作平台,让人类和 AI Agent 在频道、私信、线程及任务中以平等队友的方式共同工作。每个 Agent 都拥有持续的身份、记忆和专长,可基于 Claude、Codex、Hermes 等运行时并行执行、交接任务、共享上下文并相互评审。用户反馈显示,Raft 能促进团队知识流动,帮助技术与非技术成员同时推进研发、运营、研究和写作,并以更少人力获得显著的效率与规模提升。平台免费起步,强调由人类负责确定目标和最终决策、Agent 团队负责协同执行。

2026-07-29 · github.com

GitHub - rorkai/App-Store-Connect-CLI: Fast, scriptable CLI for the App Store Connect API. Automate TestFlight, builds, submissions, signing, analytics, screenshots, subscriptions, and more. JSON-first, no interactive prompts

App Store Connect CLI(asc)是一款快速、轻量、可脚本化的命令行工具,可在终端、IDE 或 CI/CD 流水线中自动处理 iOS、macOS、tvOS 和 visionOS 的构建、TestFlight、提交、签名、分析、截图及订阅等发布流程。它支持 Homebrew、安装脚本和 WinGet 等安装方式,通过 App Store Connect API 密钥认证,并会根据运行环境自动选择表格或 JSON 输出,也允许显式指定格式。该工具提供稳定性标签、认证诊断及常见安装和输出问题的排查指南,还可安装 Agent Skills 以自动化常见工作流。asc 默认收集不含凭据、账户标识、应用信息或文件路径的匿名化命令级遥测数据,用户可随时查看、禁用或重置遥测标识。

2026-07-26 · github.com

GitHub - virgiliojr94/book-to-skill: Turn any technical book PDF into a Claude Code skill — ready to study, reference, and use while you work.

book-to-skill 可将技术书籍、文档文件夹或多来源资料转换为符合开放 Agent Skills 标准的结构化技能,供 GitHub Copilot CLI、Amp 和 Claude Code 按需调用。它支持 PDF、EPUB、DOCX、Markdown、HTML、MOBI 等多种格式,并生成核心知识模型、分章节文件、术语表、模式集和速查表,而非简单摘要。用户可通过命令处理单个文件、目录、通配符匹配的文件或追加新资料,之后直接按主题或章节提问,由代理读取原始内容回答,以减少幻觉和上下文占用。该工具也适用于内部文档、设计规范、研究论文及技术标准,据称回答单个问题时可比将整本书放入上下文节省约 24 至 51 倍的令牌。

2026-07-26 · x.com

The Pragmatic Programmer:AI 时代的战略编程经典 — yibie @ X

Matt Pocock 认为,随着 AI 接管日常编码和战术性编程,开发者更需要学习具备长期视角的战略性编程。他首推 David Thomas 与 Andrew Hunt 合著的《程序员修炼之道》(The Pragmatic Programmer),称其为自己读过结构最出色、战略性编程洞见最丰富的技术书之一。书中的可追溯性、“不要超过你的车灯”和“巧合编程”等理念,不仅影响了开发者的常用术语,也能直接用于 AI 的系统提示词。重读此书让他确信,传统软件工程基础在 AI 时代依然重要,甚至像是专为这个时代而写。

2026-07-26 · x.com

个人软件工厂:用 Skills 自动管理编码智能体 — Mike Fishbein @ X

Mike Fishbein介绍了一套“个人软件工厂”,通过多个AI技能将创意自动转化为可运行产品,减少持续提示和监督编程代理的需要。该流程涵盖需求访谈、产品规划、测试标准制定、通俗解释、任务交接、自动编码迭代、独立审查、视频验证及文档更新,并通过熔断机制避免代理在受阻时持续犯错。系统在规划阶段使用高能力模型,在执行阶段使用成本更低的模型,同时由独立代理重新测试和审查成果。尽管AI显著提升了编码效率,作者强调可靠规模化仍离不开专家制定评估标准、人工审核,以及持续教导系统改进。

2026-07-23 · vibe-hub.org

VibeHub |快速掌握 Vibe Coding 常用术语

VibeHub 面向 Vibe Coding 新手,系统整理前端、后端、技术栈、AI、Git 与设计等领域的 189 个常用术语,并配有图解、使用场景和边界说明。本文展示的前端部分从 HTML、Markdown 等网页基础概念入手,介绍按钮、链接、排版、间距等基础界面元素。内容还涵盖输入框、选择器、日期时间选择、上传和表单等填写控件,以及表格、卡片、标签、时间轴、树形控件和空状态等数据展示组件。每个术语均提供中英文名称、别名、简明定义和界面示例,帮助初学者快速理解并应用常见前端概念。

2026-07-23 · github.com

GitHub - karminski/VibeGamer: 用 AI Agent 自动游玩《Turmoil》(石油大亨)并不断积累经验进化的实验项目.

VibeGamer 是一个处于早期开发阶段的实验项目,利用 AI Agent 自动游玩《Turmoil(石油大亨)》,通过探索、复盘、同种子验证和跨局记忆不断积累并优化策略。项目由 TypeScript 编写的 Turmoil Agent 与运行在游戏进程内的 C# BepInEx Observer 插件组成,二者通过本机 HTTP API 交换结构化游戏状态和操作指令。用户部署插件、配置 OpenAI 兼容接口及环境变量后,即可运行单局任务或无限自动游玩,并使用 Hypothesis 与 Tip 两套记忆机制进行可验证的策略学习。项目已实现得分曲线和改进的 MiniBatch 验证方案,但仍可能存在 Bug,且 Observer 仅应监听本机地址并需遵守游戏及平台条款。

2026-07-22 · anthropic.skilljar.com

Claude Code 101

《Claude Code 101》是 Anthropic 推出的入门课程,包含 12 节课、约 1.5 小时视频和 1 次测验,完成后可获得证书。课程讲解 AI 编程代理的运行原理、上下文窗口、工具与权限,并介绍如何在终端、VS Code、JetBrains、Claude Desktop 和网页端安装及使用 Claude Code。学员将掌握提示词编写、审批与计划模式、Explore → Plan → Code → Commit 工作流、代码审查及上下文管理命令。课程还涵盖通过 CLAUDE.md、子代理、技能、MCP 服务器和钩子定制工作环境,适合具备基本编辑器和命令行知识的新手及有经验的开发者。

2026-07-21 · alayalab.github.io

AgenticSTS — A Bounded-Memory Testbed for Long-Horizon LLM Agents

AgenticSTS提出一种面向长时程LLM智能体的有界、类型化且可消融的记忆机制,通过五层知识结构按需检索信息,不追加跨决策原始对话,从而使提示长度不随任务进程增长。该框架以《杀戮尖塔2》Silent A0为测试平台,在包含数百次战术与战略决策的游戏中,加入触发式技能后取得6/10胜率,而公开的累积上下文智能体均为0/5。消融实验显示技能层带来的提升最大,但由于样本量较小,结果仅具方向性、尚未达到统计显著;跨模型测试也表明效果对底层模型较敏感。项目发布了298条轨迹,并显示其相较累积上下文方案能保持稳定的单次提示规模,同时显著降低运行时间和非缓存令牌成本。

2026-07-20 · github.com

GitHub - zhaoxuya520/reverse-skill: Reverse Engineering / Authorized Penetration Testing / Security Research Skill Router Pack AI-powered routing + On-demand toolchain bootstrapping + Self-evolving knowledge base Supports Claude Code, Kiro, Cursor, Cline, and other AI coding clients 逆向/渗透/安全技能路由包 - AI 自动路由 + 按需自举工具链 + 自动进化经验库 | 支持 Claude Code / Kiro / Cursor / Cline 等代码 AI 客户端

Reverse Skill 是一个面向逆向工程、授权渗透测试和安全研究的 AI 技能路由包,可为 Claude Code、Cursor、Cline 等代码 AI 客户端自动匹配方法论、检测并按需配置工具链。项目通过统一的范围授权检查、场景路由、证据链、时间线和报告流程,减少 AI 在 APK、二进制、前端加密、CTF及渗透目标分析中的盲目尝试与重复错误。它支持移动端与二进制逆向、恶意软件分析、攻防链编排、固件、漏洞利用、API、供应链和 LLM 安全等多种场景,并集成 jadx、Frida、IDA Pro、Ghidra、radare2 等工具。用户克隆仓库并刷新本地工具索引后,即可依据主路由文档或脚本完成任务分流、案例初始化和标准化执行。

2026-07-20 · x.com

编程规范迭代规划与调试提示词精选 — Simon Last @ X

Simon Last 分享了几段用于辅助编程的提示词。在迭代需求时,应重新思考如何在实现目标的同时,让方案更加简单直接;在制定计划时,应先充分研究现有代码库,再提出只包含具体操作和端到端验证方式的详细计划,暂不修改代码。调试时应以寻找真相和根因为导向,通过阅读代码及添加临时日志验证逻辑,而不是盲目重复运行并期待问题自行消失。

2026-07-19 · github.com

GitHub - ayghri/i-have-adhd: Claude Code skill to stop it from burying the answer. ADHD-friendly output.

“i-have-adhd” 是一个适用于 Claude Code 和 Codex 的开源技能插件,旨在生成行动优先、简洁直接且对 ADHD 用户友好的回答,无需医学诊断即可使用。它要求回答先给出下一步行动,采用编号步骤、明确时间估计和具体收尾任务,同时减少离题内容、客套话及冗长总结。用户可通过命令安装、启用或停用插件,也能编辑 `SKILL.md` 自定义输出规则。该项目参考《The Adult ADHD Tool Kit》理念并针对大语言模型进行改编,采用 MIT 许可证。

2026-07-19 · x.com

BaoCut多语种视频转录翻译剪辑 — 黄赟 @ X

黄赟介绍了仅支持 Mac 的视频处理工具 BaoCut Skill:只需提供 YouTube 链接,Codex 或 Claude 等智能代理即可完成转录、说话人识别、文本润色、翻译及简单剪辑。借助该工具,用户可以将阿拉伯语、德语、西班牙语等不同语言的视频快速转为中文,了解海外 AI、BI、独立开发和跨境领域的热门话题。作者认为,这种突破语言壁垒、拓展全球信息视野的方式,才是真正意义上的“出海”。

2026-07-19 · linux.do

从 vibe coding 到 spec coding:我用 Trellis 的实践总结 - 开发调优 - LINUX DO

文章指出,单纯依赖临时对话和模型能力的 vibe coding 虽然适合短期、低风险任务,但长期迭代容易产生重复逻辑、风格漂移、隐藏漏洞和难以维护的“代码屎山”,在团队协作中问题尤其严重。其根源在于 AI 往往只能解决当前局部问题,缺乏对项目规范、架构边界、历史决策、任务状态、测试文档及长期规划的稳定认知。作者认为可靠的 AI 编码不仅取决于模型,还需要由规则、上下文管理、任务流程和经验沉淀构成的工程化 harness,而单独使用 Prompt、规则文件、Skill 或 Hook 仍存在会话失忆、配置分散和跨工具不通用等局限。Trellis 因此被推荐为帮助个人和团队从随意的 vibe coding 转向以明确规格和持续工程上下文为基础的 spec coding 的脚手架。

2026-07-18 · ruanyifeng.com

curl 的用法指南 - 阮一峰的网络日志

curl 是功能强大的命令行 Web 请求工具,不带参数时默认发送 GET 请求,熟练使用后可替代 Postman 等图形界面工具。文章介绍了常用参数,包括设置请求头、User-Agent、Referer、Cookie 和身份认证,以及发送表单、JSON、URL 编码数据和上传文件。curl 还支持构造查询字符串、跟随重定向、跳过 SSL 检查、限制带宽,以及查看响应头或发送 HEAD 请求。用户也可以将响应保存为文件、控制错误与进度信息的输出,并通过详细通信记录或原始数据追踪进行调试。

02 / COLLECTION

个人笔记

记录自己的思考、学习心得与实践体会。

0条收录

共 0 条

还没有收录内容

好内容慢慢积累,留给真正值得收藏的那一条。

03 / COLLECTION

提示词

有些留着反复琢磨,有些留着下次使用。

2条收录

共 2 条

反复研读1,386 字符

把一个语音输入应用,写进一条提示词

macOS 语音输入应用的完整需求:从交互细节到识别纠错,再到构建与交付。

请实现一个 macOS menu-bar 语音输入法应用(Swift,macOS 14+),具体要求: 1. 按住 Fn 键录音,松开后将转录文字注入当前聚焦的输入框。优先使用流式转录(Apple Speech Recognition framework)。Fn 键通过 CGEvent …
需求表达产品细节编程
查看全文
备用待用131 字符

让主 Agent 负责分析、编排与验收

把需求澄清、方案拆解和结果验收留给主 Agent,让子 Agent 承担具体实现。

注意你的主要任务是分析、编排和验证,具体任务尽可能交给 subagent(Opus 或 Sonnet)去执行。自己只做需求澄清、方案拆解、任务分发和结果验收,实现类工作(读大量代码、写代码、跑测试、批量修改)一律用 Agent 工具派给 subagent 执行。
Agent 协作任务编排编程
查看全文

04 / COLLECTION

Skill 仓库

按作者整理我的 Skill 收藏:先看总体方向,再展开每项能力与原文。

3条收录

3 位作者 · 80 项能力

作者 / MAINTAINER

李继刚

22SKILLS

lijigang / ljg-skills

我把这组 Skills 看作阅读与思考工具箱:从书和论文的理解出发,延伸到概念拆解、追问、写作与视觉表达。找“怎样把一个问题想明白、讲清楚”时,可以从这里选入口。

阅读与表达 · 概念与思考 · 视觉呈现 · 分析与对话 · 仓库维护

个人技能集Codex
能力索引22 项

2026-09-11 整理 · 说明据原仓库 SKILL.md 摘要,点击条目查看当次索引版本。

阅读与表达 6

  • 整本书解读ljg-book

    串起一本书的主线、论据与结论,保留具体内容,默认保存为 Org 笔记。

  • 论文讲解ljg-paper

    解释研究问题、作者贡献与推理证据,并说明证据尚不能支持什么。

  • 文本伴读ljg-read

    结合翻译、结构批注、追问与跨领域联想,陪读文章、书籍和论文。

  • 观点问答链ljg-qa

    把文章、论文或书的核心观点拆成连续问答,重建作者的推理过程。

  • 白话改写ljg-plain

    把复杂内容改写成聪明的十二岁读者也能理解的表达。

  • 观点成文ljg-writes

    把一个观点展开为约 1000–1500 字的中文文章,强调递进、迁移与反例检验。

概念与思考 8

  • 概念实用理解ljg-is

    讲清概念是什么、与相邻概念的区别、如何运作,以及怎样用于判断和行动。

  • 八维概念解剖ljg-learn

    从历史、语言、形式化等八个维度拆解概念,汇成 Org 格式的理解笔记。

  • 英语单词深解ljg-word

    围绕一个英文单词拆解核心语义,建立更深入的词义理解。

  • 情境式教学ljg-teach

    通过情境选择与反馈暴露认知缺口,再归纳概念,并用新情境检验掌握程度。

  • 纵向追问ljg-think

    沿一个观点或现象逐层追因,寻找不可再分的根本解释。

  • 领域生成因素ljg-rank

    从众多现象中提炼少量独立的生成因素,再检查能否用它们解释原有现象。

  • 约束分析ljg-constraint

    区分硬约束、规则与自设解释,说明它们如何限定一个领域的解法空间。

  • 结构与因果检验ljg-structure

    提炼信息背后的基本结构,落回具体现象,并检验关键因果与适用边界。

视觉呈现 3

  • 文字铸成图片ljg-card

    把文字排成 PNG,支持长阅读卡、忠实全文、漫画和白板四种形式。

  • 古文注解长图ljg-classic

    将古文原文、字词注、句义、章节配图与解读组合成可阅读的长 PNG。

  • 大纲转演讲页ljg-present

    忠实沿用 Markdown 或 Org 大纲,生成可离线播放的单文件 HTML 演讲页。

分析与对话 4

  • 思维盲区扫描ljg-blind

    分析指定日期的 AI 对话中的思维习惯,并从微信读书选择章节形成补充阅读笔记。

  • 项目投资分析ljg-invest

    根据公司资料、商业计划书或创始人访谈,从作者的“秩序创造”框架撰写投资分析。

  • 关系结构分析ljg-relationship

    结合分层结构与心理动力学视角,通过对话理解具体人际关系问题。

  • 多视角圆桌ljg-roundtable

    围绕议题模拟多个人物视角的交锋,用结构图收束各轮讨论,并保存笔记。

仓库维护 1

  • 作者技能发布ljg-push

    将作者本地 ljg 系列技能同步到仓库的 Org 与 Markdown 分支,面向该仓库维护。

作者 / MAINTAINER

宝玉

21SKILLS

JimLiu / baoyu-skills

这组更接近内容创作工具箱:从网页采集、翻译和排版,到配图、信息图、幻灯片,再到社交平台发布。围绕一篇内容的整理、制作与分发,可以在这里找到相邻的工具。

图像与视觉内容 · 文字整理与采集 · 平台发布 · 其他工具与非官方接口

内容创作工作效率
能力索引21 项

2026-09-11 整理 · 说明据原仓库 SKILL.md 摘要,点击条目查看当次索引版本。

图像与视觉内容 9

  • 文章配图baoyu-article-illustrator

    分析文章结构与需要视觉辅助的位置,按类型、风格和配色生成插图。

  • 文章封面baoyu-cover-image

    按类型、配色、渲染、文字与情绪组合生成封面,支持多种画幅。

  • 多服务图像生成baoyu-image-gen

    连接多种图像 API,支持文生图、参考图、比例控制,以及从提示词文件批量出图。

  • 信息图baoyu-infographic

    分析内容并选择布局与视觉风格,生成信息密集的可视化大图。

  • SVG 结构图baoyu-diagram

    生成独立 SVG 文件,覆盖架构、流程、时序、思维导图等技术或概念图示。

  • 知识漫画baoyu-comic

    为教育主题设计漫画分镜和画面,支持多种风格及批量图像生成。

  • 演示文稿图片baoyu-slide-deck

    先生成带风格说明的大纲,再逐页生成幻灯片图片。

  • 社交图文卡片baoyu-xhs-images

    将内容拆为 1–10 张图片卡片,适用于小红书、微信贴图等社交图文。

  • 图片压缩baoyu-compress-image

    自动选择工具,将图片压缩为 WebP 或 PNG,减小文件体积。

文字整理与采集 6

  • Markdown 排版baoyu-format-markdown

    整理标题、摘要、层级、列表与代码块,另存排版后的 Markdown 文件。

  • Markdown 转 HTMLbaoyu-markdown-to-html

    输出带主题样式的 HTML,支持微信排版、代码高亮、数学公式、图表和外链底部引用。

  • 分级翻译baoyu-translate

    提供快速、常规、精细三种翻译模式,支持自定义术语表。

  • 网页转 Markdownbaoyu-url-to-markdown

    通过浏览器与站点适配器提取网页、讨论串或视频字幕,支持等待登录和验证码交互。

  • YouTube 字幕与封面baoyu-youtube-transcript

    按链接或视频 ID 提取字幕与封面,支持多语言、翻译、章节和说话人标识。

  • 微信群聊摘要baoyu-wechat-summary

    读取本地 wx-cli 群聊记录生成摘要,并维护群历史、成员画像与群事实记忆。

平台发布 3

  • 公众号发布baoyu-post-to-wechat

    通过公众号 API 或浏览器处理文章及多图贴图,支持 HTML、Markdown 与纯文本输入。

  • 微博发布baoyu-post-to-weibo

    通过浏览器发布文字、图片、视频及 Markdown 头条文章。

  • X 发布baoyu-post-to-x

    发布带图片或视频的普通帖子,以及 Markdown 长文形式的 X Articles。

其他工具与非官方接口 3

  • Electron 资源提取baoyu-electron-extract

    提取已安装 Electron 应用的 asar 资源,使用 source map 恢复源码或格式化压缩代码。

  • Gemini 网页接口baoyu-danger-gemini-web

    通过逆向的非官方网页接口生成文字或图像,支持参考图与多轮对话。

  • X 内容存档baoyu-danger-x-to-markdown

    经用户同意后调用逆向的非官方接口,将推文或文章转为带元数据的 Markdown。

作者 / MAINTAINER

Matt Pocock

37SKILLS

mattpocock / skills

我把这组看作软件工程的协作方法库:把想法问清楚,整理成规格和任务,再进入实现、诊断与评审。它也收录了会话交接、教学和文档写作等协作工具。

软件工程 · 协作与表达 · 开发辅助 · 开发中 · in-progress

软件工程Agent 工作流
能力索引37 项

2026-09-11 整理 · 说明据原仓库 SKILL.md 摘要,点击条目查看当次索引版本。

软件工程 18

  • 选择合适技能ask-matt

    根据当前问题,在仓库的技能与工作流之间选择入口。

  • 标准与需求双轴评审code-review

    对指定 Git 基点后的改动,分别检查仓库规范与原始需求的符合程度。

  • 模块接口设计codebase-design

    用深模块的设计方法讨论接口、模块边界、可测试性与代码可理解性。

  • 故障与性能诊断diagnosing-bugs

    通过诊断循环定位复杂 bug、错误、失败行为和性能退化。

  • 领域模型与术语domain-modeling

    统一项目术语,维护 CONTEXT.md 与架构决策记录,使设计语言保持一致。

  • 设计追问与落档grill-with-docs

    通过持续访谈打磨计划或设计,同时记录架构决策和术语表。

  • 按规格实施implement

    根据已有规格或任务票推进具体实现。

  • 架构改进扫描improve-codebase-architecture

    扫描可改进的模块边界,输出 HTML 可视化报告,再深入讨论选中的机会。

  • 设计验证原型prototype

    构建一次性原型,验证状态模型、业务逻辑或界面方案是否合适。

  • 一手资料调研research

    围绕问题查阅高可信的一手来源,将结论保存为仓库内的 Markdown 文档。

  • 合并冲突处理resolving-merge-conflicts

    处理正在进行的 Git merge 或 rebase 冲突。

  • 工程技能初始化setup-matt-pocock-skills

    为仓库配置任务跟踪器、分诊标签和领域文档布局。

  • 测试驱动开发tdd

    按先写测试、实现通过、再重构的方式开发功能或修复问题。

  • 讨论转规格to-spec

    将已有讨论归纳为规格,并发布到项目任务跟踪器。

  • 规格拆任务to-tickets

    将计划或规格拆成端到端的任务票,并记录彼此的阻塞依赖。

  • 问题与 PR 分诊triage

    对问题和外部 PR 分类、验证、必要时追问,形成可交给 Agent 的任务说明。

  • 大型工作规划wayfinder

    把超出单次会话的大型工作组织成决策任务地图,逐个消除前进的不确定性。

  • 人工步骤向导wizard

    生成交互式 Bash 向导,引导用户完成凭据配置、控制台操作等必须亲自完成的步骤。

协作与表达 7

开发辅助 4

  • Git 命令防护git-guardrails-claude-code

    为 Claude Code 配置 hooks,在执行前拦截指定的危险 Git 命令。

  • 测试数据类型迁移migrate-to-shoehorn

    将测试中的 as 类型断言迁移到 @total-typescript/shoehorn,构造部分测试数据。

  • 课程练习脚手架scaffold-exercises

    创建包含章节、题目、解答与讲解的练习目录,并满足 lint 要求。

  • 提交前检查配置setup-pre-commit

    设置 Husky 与 lint-staged,集成格式化、类型检查和测试。

开发中 · in-progress 8

这些条目位于原仓库的开发中目录。

05 / COLLECTION

常用软件

收录我觉得好用的软件,记下推荐理由、适用场景和官网入口。

0条收录

共 0 条

还没有收录内容

好内容慢慢积累,留给真正值得收藏的那一条。

← 全部提示词
反复研读

把一个语音输入应用,写进一条提示词

提示词正文1,386 字符
请实现一个 macOS menu-bar 语音输入法应用(Swift,macOS 14+),具体要求:

1. 按住 Fn 键录音,松开后将转录文字注入当前聚焦的输入框。优先使用流式转录(Apple Speech Recognition framework)。Fn 键通过 CGEvent tap 全局监听,需抑制 Fn 事件传递以防止触发 emoji 选择器。
2. 默认语言必须为简体中文(zh-CN),确保开箱即用就能识别中文输入。同时在菜单栏提供语言切换选项(英语、简体中文、繁体中文、日语、韩语)。语言选择存储在 UserDefaults 中。
3. 录音时在屏幕底部居中显示一个特别优雅精致的无边框胶囊状悬浮窗,不要有红绿灯和 titlebar。使用 NSPanel(nonactivatingPanel)+ NSVisualEffectView(.hudWindow 材质),高度足够(56px,圆角半径 28px),包含:
   - 左侧 5 根竖条波形动画(44×32px),必须由实时音频 RMS 电平驱动(不要用写死的假动画),说话声音大波形就大、安静时波形就小。各竖条权重为 [0.5, 0.8, 1.0, 0.75, 0.55] 形成自然的中间高两侧低效果,平滑包络(attack 40%、release 15%),每根竖条添加 ±4% 随机抖动增加有机感。波形要足够大,清晰可见。
   - 右侧文字标签(弹性宽度 160-560px)实时显示转录文本,胶囊随文字变多而弹性变宽
   - 入场弹簧动画(0.35s)、文字宽度平滑过渡(0.25s)、退场缩放动画(0.22s)
4. 文字注入使用剪贴板 + 模拟 Cmd+V 粘贴方式,注入前需检测当前输入法:如果是 CJK 输入法,先临时切换到 ASCII 输入源(ABC/US 键盘)再粘贴,粘贴完成后恢复原输入法,防止中文输入法拦截 Cmd+V。注入完成后恢复原剪贴板内容。
5. 接入 LLM 来提升语音识别的准确率,尤其是中英文混杂的情况下。通过 OpenAI 兼容 API(可配置 API Base URL、API Key、Model)对转录文本进行 refine。LLM 的 system prompt 要求非常保守地纠错:只修复明显的语音识别错误(如中文谐音错误、英文技术术语被错误转为中文如「配森」→「Python」、「杰森」→「JSON」),绝对不要改写、润色或删除任何看起来正确的内容,如果输入看起来正确则必须原样返回。
6. 在菜单栏提供 LLM Refinement 子菜单,包含启用/禁用开关和 Settings 入口。Settings 窗口包含 API Base URL、API Key、Model 三个输入框,API Key 输入框要能完全清空,以及 Test 和 Save 按钮。松开 Fn 键后如果 LLM 已启用且已配置,悬浮窗显示 Refining... 状态,等 LLM 返回后再注入最终文本。
7. 应用以 LSUIElement 模式运行(仅菜单栏图标,无 Dock 图标)。使用 Swift Package Manager 构建,提供 Makefile(build/run/install/clean),构建产物为签名的 .app bundle。

摘录自项目 README,仅保留提示词正文。完整命令见原文。

来源许可 · MIT / © 2025 yetone
MIT License

Copyright (c) 2025 yetone

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE.
← 全部提示词
备用待用

让主 Agent 负责分析、编排与验收

提示词正文131 字符
注意你的主要任务是分析、编排和验证,具体任务尽可能交给 subagent(Opus 或 Sonnet)去执行。自己只做需求澄清、方案拆解、任务分发和结果验收,实现类工作(读大量代码、写代码、跑测试、批量修改)一律用 Agent 工具派给 subagent 执行。

摘录自宝玉原帖,保留提示词正文。