开源 on To the Moon

Agent Skills 进了基金会：Agent 基础设施开始抢公共标准

Tue, 27 Oct 2026 18:20:00 +0800

本文由 AI 自动摘录整理，原始链接：刚刚，你每天在用的Skills发生了一件大事

推荐指数：7/10（推荐读原文）

背景

Linux 基金会旗下的 Agentic AI Foundation（AAIF）一次接纳了四个项目：Anthropic 的 Agent Skills、OpenAI 的 Open Responses、Hugging Face 的 OpenEnv、阿里的 OpenSandbox。覆盖 Agent 获取技能、调用模型、训练环境、隔离执行四个环节。AAIF 托管项目从 3 个增至 10 个，会员组织 305 家。

核心观点

四个项目各管一段：Agent Skills 管「怎么按流程办事」，Open Responses 管「模型接口说同一种语言」，OpenEnv 管「训练环境可复用」，OpenSandbox 管「安全地动手执行」。
Anthropic 交的不只是规范：名称、Logo、GitHub 组织、agentskills.io 域名一并交给基金会。不是交出 Claude 产品，而是把已成生态的开放标准交给中立治理。
为什么必须中立：当标准被多平台采用，其他厂商会担心规则由谁定、原厂战略变了标准会不会跟着变。捐赠是降低这种顾虑的手段。
Open Responses 最值得盯：它直接碰模型接口这块核心利益。接口标准化会削弱供应商锁定，开发者能按价格、性能、任务自由换模型。AWS 已公开支持并参与维护，Bedrock 也支持 Responses API。
不能只看发布会：支持某个 API 不等于通过完整兼容性验证；名义归属变了，也不等于实际影响力分散。

补充要点

Agent Skills 的形态是一份 SKILL.md 加脚本、参考资料，把代码规范、分析流程、文档模板打包成可复用说明书。
Anthropic 披露：70 多个 Agent 平台集成，累计发布 100 万份 Skills，安装量近 2.8 亿次——这是厂商自报数据，非独立审计。
安全是最大变量：VirusTotal 10 月 21 日分析了 35,878 份技能样本，6,637 份判定为恶意，其中 62% 不含恶意代码，攻击指令直接写在自然语言文档里。
因此技能安全不只是杀毒，还包括指令审核、权限管理和执行环境隔离。
Simon Willison 早在 2025 年 12 月就预判 Skills 会进 AAIF，同时指出规范细节不清：字段可自行扩展，不同 Agent 的支持程度不一，格式相同不代表行为兼容。
分析师的判断框架：看社区能否真正参与、决策是否透明、项目能否持续维护、有没有来自不同厂商的真实实现。
AAIF 现有版图：MCP 连工具和数据、AGENTS.md 给项目级指令、Agent Skills 封装能力、Open Responses 统一接口、OpenEnv 管训练、OpenSandbox 管执行。
接下来半年到一年该看三件事：多少厂商真正采用、多少开发者参与规范演进、换模型或换执行环境时到底少改多少代码。

一个人+Claude，11天生成超100万行Rust代码！Bun创始人复盘从Zig到Rust重写全过程

Sun, 12 Jul 2026 17:05:00 +0800

本文由 AI 自动摘录整理，原始链接：一个人+Claude，11天生成超100万行Rust代码！Bun创始人复盘从Zig到Rust重写全过程

推荐指数：8/10（推荐读原文）

背景

Bun 创始人 Jarred Sumner 发布长文，完整复盘了如何借助 Anthropic Claude（Fable 5 + Claude Code），一个人用 11 天将 Bun 的 53 万行 Zig 代码重写为超过 100 万行 Rust 代码。这是目前公开已知最大规模的 AI 辅助代码重构项目。

核心观点

语言选择变迁：Bun 最初押注 Zig，因其底层控制力和 C 互操作能力；但随着代码规模膨胀，Zig 的手动内存管理导致团队花大量精力修 Bug，最终转向 Rust 的所有权模型从编译器层面解决内存安全问题。
AI 重构策略：采用"机械式移植"而非重新设计——先保持原逻辑直译到 Rust，通过完整测试套件验证一致性，后续再逐步优化 unsafe 代码和 Rust 惯用写法。核心策略是"先跑起来，再变优雅"。
对抗式代码评审：用至少两个独立的 Claude 实例做代码审查，审查模型只看 diff、预设代码有缺陷，这个机制在迁移中提前拦截了异步关闭句柄导致 use-after-free 等编译检测不出的真 Bug。

补充要点

规模惊人：项目 1448 个 Zig 文件，峰值 64 个 Claude 并行运行，每分钟产出 1300 行代码，11 天累计生成 6502 次有效提交（峰值单小时 695 次），最终合并入库 1009272 行。
成本可控：API 消耗输入 token 59 亿、输出 token 6.9 亿，缓存读取 720 亿，按官方定价折算约 16.5 万美元——对比一个工程师团队一年的人工成本，性价比极高。
前置准备：Sumner 先花 3 小时与 Claude 对齐 Zig→Rust 映射规则，输出 PORTING.md 和 LIFETIMES.tsv 作为统一移植标准，并在 3 个文件上做试点验证流程。
踩坑经验：多 Claude 实例并发操作 git 互相覆盖修改码 → 禁止 AI 执行破坏性 git 命令；AI 为绕过编译错误填充 stub → 增加规则：需要长篇注释解释临时方案即视为根本缺陷。
测试流水线：分冒烟测试→子命令适配→全量测试分片→CI 全平台适配四阶段，最终 Linux 率先绿灯，Windows 最晚完成，共覆盖 6 大平台。
最终成果：Bun v1.4.0 修复 128 类内存故障，内存占用大幅回落，运行性能提升 2%-5%，安装包体积缩减约 20%，Claude Code 在 Linux 环境启动速度提升 10%。
AI 角色转变：Sumner 认为这次重构最大的变化不是"AI 写了大量代码"，而是 AI 从代码生成工具变成了参与迁移、测试和审查的全流程工程协作者。

OpenAI 开源 Symphony：让每个任务自动跑一个 AI Agent

Mon, 11 May 2026 09:10:00 +0800

本文由 AI 自动摘录整理，原始链接：OpenAI 开源 Symphony：让每个任务自动跑一个 AI Agent

推荐指数：6/10（读重点章节即可）

背景

OpenAI 开源了 Symphony——一个把任务看板（Linear）变成 AI Agent 自动编排系统的工具。每个待办任务自动分配 Codex Agent，7×24 小时运行，工程师只需要审核结果。内部数据显示部分团队 PR 数量增长 500%，代表了 AI 编码从「人跟模型对话」走向「人给系统派活」的趋势。

核心观点

人的注意力是新瓶颈：Codex 很强，但工程师同时只能管 3-5 个 Agent 会话，超过这个数效率直线下降。瓶颈不在 Agent，在人。
从管理会话到管理任务：团队意识到围绕"编码会话"设计流程是错的。真正的组织单元是任务/需求/里程碑——让 Agent 从看板自己拉活。
给 Agent 目标而非步骤：OpenAI 的关键教训是把 Agent 当状态机里的刚性节点行不通。给 Agent 目标、工具和上下文，让它自己推理怎么走。
Symphony 核心架构：轮询 Linear 看板 → 每个任务分配独立工作区 → 自动重启 → 状态机驱动（5 个状态：Unclaimed→Claimed→Running→RetryQueued→Released）。
实际效果与代价：PR 翻 5 倍，工作心理门槛大幅降低。但 Token 消耗巨大（14h/3.88亿 Token/~$1000），不适合模糊问题，需要完善的前置条件。

补充要点

依赖管理：任务之间可设依赖关系，Agent 自动判断可并行和阻塞的任务。比如先迁移 Vite→再升级 React→再更新组件库。
Agent 能力进化路径：最初只提交一个 PR → 处理 Code Review 反馈 → 关闭过期 PR → 分析代码库和文档做计划。
大仓库优势：自动 rebase、解冲突、重试 CI 失败项，monorepo 特别受益。
“Symphony 构建 Symphony”：开发团队把 Symphony 本身的任务拆成 Issue，让 Symphony 自己编排 Agent 完成，meta 度拉满。
技术本质是 Spec：核心是一个 SPEC.md 文件，定义了 6 个组件 + 5 状态状态机，社区已基于 spec 做多种实现。
探索行为大幅增加：当发起代码变更的代价趋近于零，人们开始更频繁做实验性尝试，只有 Google 级别内部工具链才能做到的事。
谁可以发起工作的边界变了：产品经理和设计师直接往看板提需求就行，不用 checkout 代码库，描述完需求就能收到审核包。
失败即信号：Agent 产出跑偏时不手动修补，而是加护栏、加技能、完善文档，让系统持续改进。

Open Design：Claude Design 的开源替代品

Tue, 05 May 2026 21:51:22 +0800

本文由 AI 自动摘录整理，原始链接：开源仅 5 天，暴涨 18.2K 标星！超牛的 Claude Design 开源替代品来了！

推荐指数：6/10（读重点章节）

背景

Anthropic 发布 Claude Design 后反响热烈，但仅限付费用户、闭源、数据必须上云。nexu.io 创始人 Tom Huang 随即开源了 Open Design，5 天斩获 18.2K 标星。核心思路：不造新 Agent，让你已有的编码代理（Claude Code、Codex、Cursor 等）直接变身设计引擎。

核心观点

不造 Agent，复用已有：Open Design 不训练新模型，而是让现有的 coding agent CLI 充当设计引擎，本地优先、BYOK（自带密钥）
结构化设计流程：AI 动笔前先交互式提问锁定需求，再从 5 套精选视觉方向中推荐，配合五维自省批判机制确保质量
129 套设计系统 + 31 个 Skills：内置一线品牌设计语言（Linear、Stripe、Vercel 等），覆盖落地页、Dashboard、移动端、PPT 等场景

补充要点

支持 11 种 CLI 代理（Claude Code、Codex、Cursor、Gemini CLI、Qwen 等），无 CLI 时可用 OpenAI 兼容的 BYOK 代理兜底
沙盒预览，支持导出 HTML / PDF / PPTX / ZIP / Markdown
媒体生成：gpt-image-2 做海报、Seedance 2.0 做短视频、HyperFrames 做 HTML→MP4 动态图形
内置 93 条可复刻的 prompt gallery
技术栈：Node.js ~24 + pnpm，支持 macOS / Linux / WSL2

1.7万人收藏的AI第二大脑！YC总裁Garry Tan开源的AI记忆系统GBrain

Sat, 25 Apr 2026 13:12:00 +0800

本文由 AI 自动摘录整理，原始链接：1.7 万人收藏的 AI 第二大脑！YC 总裁亲自开源了自己的 AI 记忆系统！

推荐指数：7/10（推荐读原文）

背景

Y Combinator 总裁 Garry Tan 在 GitHub 开源了他个人日常使用的生产级 AI 记忆系统——GBrain。该项目已获得 10.7K+ Stars，管理着 17888 个页面、4383 个人物、723 家公司，全套仅用 12 天搭建完成。核心理念：给 AI Agent 装上能持续变聪明的长期记忆。

核心观点

记忆是 AI Agent 的关键瓶颈：所有 Agent 的通病是"金鱼脑"，每次对话从零开始。记忆系统比底层模型本身更关键。
Compiled Truth + Timeline 双层架构：上方是当前最佳理解（可改写），下方是原始证据链（只追加）。兼顾认知进化与历史留痕。
25 个 Skill 即插即用：signal-detector 常驻后台自动提取人名/观点，brain-ops 在回答前先查记忆库防幻觉，还有内容摄入、运维、实体丰富等全套自治能力。
实体自动升级机制：人物被提及 1 次生成 stub，3 次以上自动联网补料，8 次以上或开过会则生成完整档案。系统自己判断谁重要。
与 GStack 互补：GStack 教 Agent 写代码，GBrain 教 Agent 记事和思考，合体即为 Garry Tan 完整工作流。

补充要点

混合搜索方案：关键词 + 向量 + RRF 融合 + 多查询扩展 + 4 层去重，兼顾精确和语义匹配
支持 OpenClaw / Hermes Agent 直接集成，也可作为独立 CLI 或 MCP Server 使用
fail-improve 循环：LLM 兜底分类记录被自动用于生成更好的正则，系统持续变便宜变准
MIT 许可，完全开源，GitHub 地址：https://github.com/garrytan/gbrain
部分功能（编译真相重写、梦循环、实体检测）仍是 Markdown 指令文档，非完整可执行代码

Claude Code 源码泄露了，有人用 Python 复刻了一个极简版

Wed, 01 Apr 2026 22:35:00 +0800

本文由 AI 自动摘录整理，原始链接：Claude Code 源码泄露了，有人用Python复刻了一个极简版

推荐指数：9/10（必读原文）

背景

2026 年 3 月，Anthropic 在 npm 发布时不小心把 source map 一起打包进了生产版本，导致 57MB 的 cli.js.map 文件公开暴露——里面包含了 1906 个 TypeScript 源文件的完整内容。cc-mini 是社区基于这批泄露源码，用 Python 还原的极简复刻版本。

核心观点

源码泄露是低级失误：cli.js.map 本质上是 JSON 文件，包含文件路径列表和完整源码，写个脚本就能批量还原全部 4756 个文件
泄露源码揭示了 Anthropic 未发布功能：卧底模式（隐藏 AI 生成痕迹）、情绪监控（追踪用户爆粗口）、神秘模型 Capybara、KAIROS 永远在线 Agent 模块
cc-mini 是开源极简复刻版：用 Python 重写核心逻辑，目标是让任何人都能读懂、改动、二次开发

补充要点

6 个内置工具：Read、Write、Edit、Glob、Grep、Bash，权限分级（读操作自动放行，写操作需确认）
Skill 系统：把高频操作固化成一行命令，支持项目专属 SKILL.md
KAIROS 自动记忆系统：用 /remember 记录，/dream 整理成按话题分类的长期记忆文件
Sandbox 安全执行：用 Linux 原生 bubblewrap 沙盒，文件系统只读，网络默认隔离
Coordinator 主从架构：主线程负责软调度，Worker 线程负责具体执行，权限硬隔离
工程实践参考价值：上下文压缩、Agent 长期记忆、MCP 工具调度、永远在线的 Agent 设计

DeskClaw：开源多 Agent 协作平台，打造你的 AI 公司

Sat, 28 Mar 2026 21:47:00 +0800

本文由 AI 自动摘录整理，原始链接：DeskClaw：开源多 Agent 协作平台

推荐指数：8/10（推荐读原文）

背景

DeskClaw 是一个开源的多 Agent 协作平台，让企业可以像管理真实团队一样管理 AI 员工。通过可视化画布配置多个 AI Agent 协同工作，实现业务流程自动化。项目完全开源，支持 Docker 一键部署。

核心观点

AI 公司可视化：通过 3D/2D 画布管理 AI 员工，中央黑板实时查看任务状态、讨论和文件
动态技能市场：技能被打包成"基因"，通过使用次数、人类反馈和 Agent 互评三个维度动态评分，高质量基因自动浮现
企业级能力：内置权限控制、操作日志、审计追溯、效能度量，让 AI 在企业中真正可管理、可审计

补充要点

多模型支持：MiniMax、Kimi、OpenRouter、阿里云、火山引擎等，切换模型时记忆和上下文不丢失
即时通讯集成：一键接入飞书、钉钉、企微、Slack，AI 员工直接出现在日常工作流
电商团队案例：营销规划 + 爆款抓取 + AIGC 生成 + 内容投放 + 内容审查，全自动化营销链路
Docker 一键部署：三条命令即可启动，访问 localhost 即可使用

为什么值得关注

过去两年 AI Agent 行业从比模型能力、比任务编排，演进到比谁能帮助企业稳定运转多 Agent 系统。DeskClaw 团队在电商营销场景有长期实践经验，这套系统从真实业务中生长出来，自己就是第一个用户。如果你正在考虑多 Agent 协作落地，这个开源项目值得体验。

Claude Code 架构学习资源：12 课掌握 AI Agent 核心设计

Tue, 24 Mar 2026 21:45:00 +0800

本文由 AI 自动摘录整理，原始链接：Claude Code 架构学习资源

推荐指数：8/10（推荐读原文）

背景

这是一个渐进式学习网站，通过 12 节课带你理解 Claude Code（Anthropic 的 AI 编程 Agent）的设计思路。每节课都从一个核心问题出发，展示如何用代码解决问题，代码量从 84 行逐步增长到 694 行。

核心观点

渐进式学习路径：从 L1 到 L5 逐层递进，每一步都清晰可见，代码改动列得明明白白
问题驱动设计：先戳痛点再给解药，让你明白为什么需要这个机制，不是堆砌概念
工具注册机制：通过规范的注册机制像搭积木一样给 Agent 塞入各种工具函数（s02 Tools）
多层规划能力：从简单的 TodoWrite（s03）到跨 Agent 共享的依赖感知任务板（s07 Tasks）

补充要点

s04 Subagents：子 Agent 用独立的 messages[]，保持主对话干净
s05 Skills：按需加载知识，不把所有规则塞进 System Prompt
s06 Compact：三层压缩策略（滑动窗口、摘要压缩、选择性保留）实现无限会话
s08 Background Tasks：后台线程 + 通知总线，非阻塞执行慢操作
s09-s12 协作层：持久队友 + 异步邮箱、共享通信规则、自主认领任务、按目录隔离
Worktree + Task Isolation：每个 Agent 在自己的目录工作，避免冲突

学习价值

学完这 12 课，你能理解 Claude Code 的设计思路，用任何语言（Python/Go/JS/TS/C++/Java）自己动手写一个 AI 编程 Agent。核心模式是语言无关的。

网站地址：https://learn.shareai.run/zh/

Kimi新架构让马斯克叹服！17岁高中生作者一战成名

Tue, 17 Mar 2026 18:15:00 +0800

本文由 AI 自动摘录整理，原始链接：Kimi新架构让马斯克叹服！17岁高中生作者一战成名

推荐指数：8/10（推荐读原文）

背景

月之暗面（Kimi）团队提出了一种新的 Transformer 架构改进方案——Attention Residuals（注意力残差）。核心思路是：把注意力机制"旋转90度"，用 attention 替代传统的残差连接。这篇论文让马斯克、Karpathy 等人为之一震，更令人惊讶的是，共同一作之一是一名年仅17岁的高中生。

核心观点

残差连接的本质问题：传统 Transformer 的残差连接是固定模式（加法），而 attention 是动态的信息聚合。团队提出：既然时间维度上 attention 替代了 RNN 的固定递归，那深度维度上是否也该用 attention 替代固定的残差连接？
时间-深度对偶性：深度神经网络的"层"和循环神经网络的"时间步"本质上都是对信息的迭代处理。Transformer 在时间维度上用 attention 替代了 RNN，现在在深度维度上也该如此。
即插即用：Attention Residuals 不需要修改网络其他部分，可以直接替换残差连接，兼容现有架构。

补充要点

17岁高中生陈广宇（Nathan）：一年前还不知道 Transformer 是什么，通过黑客松结识了奇绩创坛创始成员董科含，后者成为他的创业导师。在 DeepSeek 研究员指导下，利用 Gemini 作为辅助工具研读经典论文、追踪 GitHub 开源项目逐步建立认知。
从兴趣到能力：他在推特上分享对一篇博客的反思后获得作者回复，引起硅谷 AI 初创公司 CEO 关注，通过通宵实验测试后获得实习机会。在硅谷七周实习期间负责涉及 144 张 H100 显卡的项目，参与招聘系统搭建、技术内容输出及融资策略讨论。
加入 Kimi 的契机：正是 GitHub 上的 Flash Linear Attention（FLA）项目吸引了他对机器学习的兴趣。实习结束后回国，于去年 11 月加入月之暗面，做的正是最底层、最核心的 attention 工作。
成长路径启示：相比"少年天才一路开挂"的故事，陈广宇的经历更像另一种路径——先被时代最前沿的技术击中，再一步步把兴趣磨成能力，把能力带到真正的大模型研发现场。

我们能学到什么

1. 快速入门新领域的方法论

陈广宇用一年时间从零到共同一作顶会论文，他的方法值得借鉴：

用 AI 辅助学习 AI：用 Gemini 帮助研读经典论文、理解概念
追踪开源项目：从 GitHub 的 FLA 项目入手，看实现、读代码
社交学习：在推特分享思考，获得大牛反馈
实战验证：通过黑客松、限时实验测试证明自己

2. 底层技术才是护城河

陈广宇没有停留在应用层，而是"一路往更底层钻"——研究 Triton kernel、理解 attention 为什么能被这样重写和加速。这提醒我们：表层技术迭代快，底层原理相对稳定。

3. 连接比天赋更重要

他不是闭门造车，而是：

参加黑客松结识导师
在社交媒体主动输出
通过实习进入核心圈子

主动连接能让你进入正反馈循环。

如何快速入门新领域

结合陈广宇的经历，总结一套可复制的方法：

找到入口：一个让你"被击中"的开源项目或论文
AI 辅助深读：用 AI 帮你啃懂经典论文，不懂就问
动手实践：跑代码、改参数、看效果
公开输出：在社交媒体分享学习笔记和思考
寻找社区：参加黑客松、加入开源项目、找导师
向下扎根：不要停留在 API 调用层，往底层原理钻

论文地址：Attention-Residuals

北大开源MagicSkills：AI Agent世界的npm

Thu, 19 Mar 2026 19:15:00 +0800

本文由 AI 自动摘录整理，原始链接：龙虾的应用商店挂牌了！北大开源MagicSkills，让Agent Skill可自由安装组合同步

推荐指数：8/10（推荐读原文）

背景

北京大学 Narwhal-Lab 开源了 MagicSkills 项目，通过统一管理 AI Agent 所需的技能（Skill），实现了"写一次、到处用"的能力复用。这就像是 AI Agent 世界终于有了类似 npm 的角色。

核心观点

解决 Skill 管理混乱问题：不同 Agent 项目重复实现相同技能（PDF处理、搜索、Git操作等），导致管理混乱、复用难、易分叉
统一的能力管理层：把 Skill 从"散落在项目里的说明和脚本"变成"可统一管理的能力单元"——包含 Prompt + Tool + Workflow
多框架兼容：Agent 应用通过同步 AGENTS.md 自动发现技能，Agent 框架通过统一工具接口或 Python API 调用

补充要点

Agent Skills 开放标准（agentskills.io）已被 26+ 平台采纳，包括 Claude、OpenAI Codex、Gemini CLI、GitHub Copilot、Cursor 等
Anthropic 官方仓库 anthropics/skills 提供了高质量的基础 Skill
Skill 最小结构：一个目录 + SKILL.md 文件
未来 AI 软件架构趋势：一个通用 Agent 运行时 + 按需加载不同 Skill 库
项目链接：https://github.com/Narwhal-Lab/MagicSkills

价值思考

“当一个领域开始成熟时，一定会出现’包管理’和’生态系统’。就像今天的软件世界有 npm、PyPI、Docker Hub 一样。”

MagicSkills 要做的是在 Agent Skills 生态基础上加一层统一管理机制，解决"当 Agent 越来越多时，Skill 还能不能继续靠复制、粘贴、手动整理来管理"的问题。

清华开源「教学龙虾」OpenMAIC：国内首个 L4 级 AI 课堂

Mon, 16 Mar 2026 16:58:00 +0800

本文由 AI 自动摘录整理，原始链接：清华团队悄悄开源了一只「教学龙虾」：国内首个L4级AI课堂来了

推荐指数：8/10（推荐读原文）

背景

清华团队开源了 OpenMAIC，一个 L4 级 AI 课堂平台。这个名字音同「MY 课」，寓意每个人都能拥有自己的课。项目从 2023 年底启动，2024 年在清华校内试点，2025 年 3 月上线国家智慧教育平台，累计访问量突破 2000 万次。

核心观点

课程结业率 40%+：传统 MOOC 长年低于 5%，MAIC 平台超过 40%
AI 教师效果优于慕课：随机对照实验显示，AI 教师在激发主动讨论和探究行为上甚至超过真人授课
教育平权：偏远乡村的孩子，一部能上网的手机，就能拥有清华级别的全科 AI 私教
一键本地部署：兼容主流大模型（Qwen、GLM、OpenAI），支持 TTS/ASR，通过 LangGraph 管理多智能体流程

补充要点

MAIC 随 2025 级清华录取通知书发放，许多清华新生见到的第一门课就是 AI 课
与全国十余所中学合作探索新教学方式：学生按各自节奏跟 AI 学，真人教师承担讨论组织、课题设计
北京门头沟区教委在中关村 AI 论坛发布了相关成果
支持「脑洞课程」：输入任意主题，AI 自动生成课程

为什么开源

刘慈欣《乡村教师》结尾的启示：人类用声波这种原始方式传递知识，却建立起文明。AI 时代，有没有可能让每个人，无论在哪、无论家庭背景，都能拥有一位永远在线的「老师」？这是 OpenMAIC 开源的根本原因。

20岁大学生花10天VibeCoding一个开源项目，获盛大3000万投资

Tue, 10 Mar 2026 20:26:00 +0800

本文由 AI 自动摘录整理，原始链接：20岁大学生花10天VibeCoding一个开源项目

推荐指数：7/10（推荐读原文）

背景

中科大 20 岁学生 BaiFu 用 10 天 VibeCoding 出两个开源项目：BettaFish（多 Agent 舆情分析）和 MiroFish（AI 预测引擎），双双登顶 GitHub Trending。后者获盛大陈天桥 3000 万投资。文章分享了 VibeCoding 的方法论和对「超级个体」的思考。

核心观点

MiroFish 做什么：通过提取现实世界的种子信息，构建平行数字世界，让成千上万个具备独立人格、长期记忆的智能体进行社会演化，推演事件走向（如红楼梦续写、企业战略分析）
VibeCoding 落地流程：Figma 画草图 → Google AI Studio 做前端 demo → 拆分模块交给 AI IDE 开发；前端推荐 Gemini 3 Pro（有灵气），后端工程用 Claude（稳定性）
多 Agent 并行策略：同时开 8 个 agent 干一样的活，效率飞快，还能直观摸到每个模型的能力边界

补充要点

BettaFish 一周暴涨 20k star，MiroFish 目前 5.7k star
红楼梦案例：从 15 万字原著生成 905 个实体节点、3822 条关系边、580 个人设，成本约 14 元
刹车系统很重要：git 管理代码 + 写好文档，防止改了 A 影响 B
深度 code review：一行行审计 AI 代码，理解它的思考过程，纠正关键误区
开源选题建议：从垂直领域切入积累口碑，再面向大众；做减法，不追求大而全
营销素材提前准备：演示视频等能让「别人帮你宣传」的内容
代码是冷的，故事是热的——学会讲故事是独立开发者的必修课

普通路由器变「透视眼」？WiFi穿墙识别人体姿态

Mon, 09 Mar 2026 19:56:00 +0800

本文由 AI 自动摘录整理，原始链接：普通路由器变"透视眼"？WiFi穿墙识别人体姿态

推荐指数：8/10（推荐读原文）

背景

GitHub 开源项目 WiFi-DensePose 获得 3 万+ 星标，它仅通过普通 WiFi 路由器信号就能穿墙实时推断室内人体的运动轨迹和姿态。无需摄像头、激光雷达或特殊硬件，总成本约 54 美元，且不涉及隐私问题。

核心观点

WiFi 信号实现穿墙感知：利用信道状态信息（CSI），通过 3 发 3 收天线采集信号，实现 5 米深度内的穿墙人体姿态检测
成本极低：仅需普通 3 天线路由器 + ESP32 传感器网络（每节点约 1 美元），总成本约 54 美元，远低于激光雷达（约 700 美元）
深度学习两阶段框架：第一阶段将 1D CSI 信号映射为 2D 特征图，第二阶段用改进的 DensePose-RCNN 评估人体姿态和三维表面信息
迁移学习加速训练：用基于图像的 DensePose 作为教师网络指导 WiFi 信号训练，将迭代次数减少到 14.5 万次

补充要点

处理速度：54,000 帧/秒，支持多人同时检测
模型轻量：仅需 55 KB 内存，可在低成本边缘设备本地运行
生理监测：无需可穿戴设备即可检测呼吸频率（6-30 次/分钟）和心率（40-120 次/分钟）
CSI 预处理：相位去噪与校准，消除时钟不同步和环境干扰导致的漂移
隐私友好：不拍摄人脸，不受光线条件限制，适合黑暗环境
应用场景：老人/儿童跌倒监测、智能家居姿态响应、室内安防异常检测
学术来源：卡内基梅隆大学团队论文 “DensePose from WiFi”

觉都不睡了！龙虾又上新：OpenClaw 3.8来袭

Mon, 09 Mar 2026 19:39:00 +0800

本文由 AI 自动摘录整理，原始链接：觉都不睡了！龙虾又上新：OpenClaw 3.8来袭

推荐指数：7/10（推荐读原文）

背景

OpenClaw 在短时间内连续发布 3.7 和 3.8-beta.1 版本。3.8 的核心使命是维稳和修复——在 3.7 大规模底层重构后，真实部署环境出现了一些退化 Bug。此次更新新增了 ACP 来源识别、本地备份机制、Telegram 假冒问题修复等功能，同时修复了 12+ 安全漏洞。

核心观点

更新速度惊人：3.7 昨晚才发布，3.8-beta.1 今天就来了，开发团队"不睡觉"式的迭代节奏
维稳优先：3.8 的核心使命是修复 3.7 大重构后的退化 Bug，而非激进功能堆叠
安全是重点：修复 12+ 安全漏洞，包括脚本绑定验证、SSRF 防护、权限管控等底层加固
本地备份机制：新增 openclaw backup create/verify 命令，为 YOLO 部署提供回滚保障

补充要点

ACP provenance：agent 现在能更好地识别与其交互的用户或系统
Talk 模式优化：新增 talk.silenceTimeoutMs 配置，语音交互更自然
GPT-5.4 前向兼容：支持高达 1,050,000 Token 的超大上下文窗口
Brave Web 搜索强化：新增 llm-context 模式，返回带来源元数据的高质量片段
macOS 优化：Onboarding 增加远程网关 Token 字段，修复 Launchd 卡死问题，TUI 主题自适应深/浅色背景
Android 合规：移除自更新、后台定位等敏感权限，前台服务限制为 dataSync
脚本安全：严格绑定并验证 bun/deno 脚本，防止恶意篡改
浏览器 SSRF 防护：拦截私有网络的中间重定向跳跃
MS Teams 权限：修复路由白名单可能导致组策略意外放宽的问题