面条的草稿箱

无原创，纯转发

面条的草稿箱

  1. 面条的草稿箱

    Cloudflare 推出临时账户功能，让 AI Agent 实现免登录一键部署如今，使用 AI Agent 编写代码已成常态

    Cloudflare 推出临时账户功能，让 AI Agent 实现免登录一键部署

    如今，使用 AI Agent 编写代码已成常态。但在部署阶段，Agent 往往会被专为人类设计的浏览器 OAuth 授权、控制台操作和多因素认证（MFA）所阻挡。

    为了打破这一障碍，Cloudflare 推出了面向 AI Agent 的临时账户功能（Temporary Cloudflare Accounts）。

    核心特性：

    • 免注册部署：Agent 无需预先注册或登录账号，只需运行 wrangler deploy --temporary，即可在几秒钟内完成 Worker 的部署。
    • 快速迭代：Agent 可以在临时账户中反复修改并重新部署代码，极大地缩短了“编写-部署-测试”的循环周期。
    • 60 分钟申领期：临时部署的有效期为 60 分钟。在此期间，用户可以通过 Agent 提供的链接登录并“申领（Claim）”该账户，将其转为永久账户；若超时未申领，系统将自动清理相关资源。

    这一举措消除了人机交互的摩擦，让 AI 代理能够真正实现全自动的闭环开发与部署。

    原链接：https://blog.cloudflare.com/temporary-accounts/?utm_campaign=cf_blog&utm_content=20260619&utm_medium=organic_social&utm_source=twitter

    #Cloudflare #AIAgent #CloudflareWorkers #DevOps
    Cloudflare Blog
    Temporary Cloudflare Accounts for AI agents
    Temporary Cloudflare Accounts for AI agents
    The moment an agent needs to deploy something, it slams face-first into a wall built for humans. Today we're rolling out Temporary Accounts on Cloudflare Workers. Any agent can now run wrangler deploy — temporary and get a live Worker in seconds.

    CloudflareAIAgentCloudflareWorkersDevOps

  2. 面条的草稿箱

    让 AI 拥有大厂审美：面向 AI 编程助手的 DESIGN.md 模板库用 Cursor、Claude Code 或 v0 写前端代码时，AI 生成的界面总是缺少质感？这通常是因为 AI 缺乏明确的「设计规范」

    让 AI 拥有大厂审美：面向 AI 编程助手的 DESIGN.md 模板库

    用 Cursor、Claude Code 或 v0 写前端代码时，AI 生成的界面总是缺少质感？这通常是因为 AI 缺乏明确的「设计规范」。

    Refero Styles 收集了超过 2000 个来自 Stripe、Vercel、Apple、Claude、Linear 等顶尖产品的设计系统，并将其整理为 AI 易读的格式。

    核心亮点：

    • 大厂设计规范一键复制：涵盖知名网站的配色、字体排版、间距和 UI 组件规范。
    • 专为 AI 优化 (DESIGN.md)：格式对 AI 编程助手高度友好，直接导入 Cursor、Claude Code 或 Lovable，即可让 AI 像素级还原你喜欢的设计风格。
    • Refero MCP 插件支持：通过 Model Context Protocol (MCP)，你可以直接让 AI 助手搜索和学习真实产品的界面与用户流，让 AI 拥有真正的「设计品味」。

    如果你想让 AI 写出的网页告别“塑料感”，不妨去这个网站为你的项目挑一个高质量的设计规范。

    https://styles.refero.design/

    #AI编程 #UI设计 #前端开发 #Cursor #设计系统
    Refero Styles
    Website Styles & DESIGN.md Library | Refero Styles
    Website Styles & DESIGN.md Library | Refero Styles
    Explore real website styles and their AI-readable DESIGN.md files. Compare screenshots, colors, typography, and spacing to find a direction for your project.

    AI编程UI设计前端开发Cursor设计系统

  3. 面条的草稿箱

    Resend 品牌与设计系统正式开源知名邮件推送服务 Resend 公开了其完整的品牌与设计系统（Design and Brand System），包含 Logo、字体、配色、文案风格以及产品 UI 模式

    Resend 品牌与设计系统正式开源

    知名邮件推送服务 Resend 公开了其完整的品牌与设计系统（Design and Brand System），包含 Logo、字体、配色、文案风格以及产品 UI 模式。

    为了方便团队协作与自动化，Resend 采用 Agent Skill 的方式来维护和分发这些规范与资产。你可以通过一行命令轻松安装：

    npx skills add resend/design-skills

    该系统主要包含以下三个核心模块：

    • 品牌指南 (Brand guidelines)：涵盖配色、排版、Logo 视觉以及适用于市场宣发的内容调性。
    • 设计系统 (Design system)：提供组件模式、设计 Token 以及产品 UI 交互原则。
    • 营销页面规范 (Marketing pages)：规范了页面结构、公共基础组件及共享区块的设计。

    无论你是想学习成熟产品的视觉规范，还是正在构建自己的设计系统，这套开源指南都非常值得参考。

    交互式设计网站：https://resend.com/design
    完整开源仓库：https://github.com/resend/design-skills
    原文链接：https://resend.com/design.md

    #设计系统 #UI设计 #品牌规范 #开源项目
    Resend
    Brand Guidelines · Resend
    Brand Guidelines · Resend
    Key brand elements and clear usage instructions for a consistent, memorable Resend experience.

    设计系统UI设计品牌规范开源项目

  4. 面条的草稿箱

    极简与高效：Vercel Geist 设计系统规范解析Vercel 的 Geist 设计系统是构建一致、以开发者为中心界面的核心

    极简与高效：Vercel Geist 设计系统规范解析

    Vercel 的 Geist 设计系统是构建一致、以开发者为中心界面的核心。其设计理念强调极简、高对比度、充足的留白以及克制的色彩使用，旨在将可读性和无障碍体验放在首位。

    以下是 Geist 设计规范（浅色主题）的关键要点整理：

    🎨 色彩系统：语义化与宽色域

    • 10 级灰度步长：从 100（默认背景）到 1000（主要文字），每一步都有明确的交互隐喻（如 200 用于悬停背景，400 用于默认边框）。
    • P3 宽色域支持：除了标准 sRGB 外，为高分屏原生提供基于 oklch() 的 P3 宽色域颜色。
    • 功能性色彩：蓝色代表成功与链接、红色代表错误、黄色代表警告。

    ✍️ 字体与排版

    • Geist 字体家族：使用 Geist Sans 渲染 UI 和正文，使用 Geist Mono 处理代码和数据表格。
    • 规范化 Token：提供 Heading（标题）、Label（标签）、Copy（正文）和 Button（按钮）四类排版 Token，严格控制字号、字重与行高。

    📏 布局与圆角

    • 4px 网格：间距遵循 4px 基准（4, 8, 12, 16...），推荐使用“3 步节奏”：组内 8px，组间 16px，板块间 32-40px。
    • 克制的圆角：常规控件 6px，菜单与模态框 12px，全屏容器 16px，药丸状或头像使用 9999px。

    ⚡ 动效与阴影

    • 首选瞬时响应：大部分交互应为 0ms（即时），只有在必要时才使用 150-300ms 的物理缓动动效。
    • 微妙的投影：主要依赖背景色调与边框建立层级，阴影非常弱（仅用于气泡、悬浮卡片和对话框）。

    🗣️ 文案与人机交互规范

    • 操作明确：按钮命名使用「动词 + 名词」（如 Deploy Project），避免使用模糊的 Confirm 或 OK。
    • 状态与反馈：加载中状态使用现在分词加省略号（如 Deploying…）；Toast 提示需指明具体变更，不使用句号，并去掉像 "successfully" 这类冗余的词汇。

    https://vercel.com/design.md

    #设计系统 #UI设计 #Vercel #Geist #前端开发

    设计系统UI设计VercelGeist前端开发

  5. 面条的草稿箱

    termcn：让 React 构建终端 UI 像 shadcn 一样简单如果你正在开发命令行工具（CLI）或终端应用程序，并希望拥有美观、交互性强的界面，那么 termcn 会是一个不错的选择

    termcn：让 React 构建终端 UI 像 shadcn 一样简单

    如果你正在开发命令行工具（CLI）或终端应用程序，并希望拥有美观、交互性强的界面，那么 termcn 会是一个不错的选择。

    termcn 是一套基于 Ink 和 OpenTUI 构建的 React 终端 UI 组件库。它采用了与流行前端 UI 库 shadcn/ui 类似的直接分发模式，允许开发者通过简单的命令行，直接将组件代码添加到自己的项目中。

    核心亮点

    • 渐进式添加：支持通过包管理器（如 pnpm、npm 或 yarn）以 shadcn CLI 的方式按需添加组件，例如 pnpm dlx shadcn add @termcn/alert，保持项目的轻量。
    • 常用组件开箱即用：提供表格（Table）、柱状图（Bar Chart）、等待动画（Spinner）、提示框（Alert）、工具调用展示（Tool Call）和徽章（Badge）等终端交互必备元素。
    • 丰富的主题配色：内置了 Catppuccin、Dracula、Nord、One Dark 等数十种经典且受欢迎的终端配色方案，轻松搭配出理想的视觉风格。

    无论是为你的开源工具制作更友好的 CLI 界面，还是在为 AI 代理开发终端控制台，termcn 都能帮助你快速构建出高颜值的终端交互体验。

    https://www.termcn.dev/

    #前端开发 #React #命令行工具 #UI组件库 #CLI
    termcn
    termcn
    A collection of beautifully designed, accessible, and customizable terminal UI components. Built on Ink and OpenTUI. Works with shadcn/ui.

    前端开发React命令行工具UI组件库CLI

  6. 面条的草稿箱

    Vercel 推出 AI Agent 开发框架 Eve：像写 Next.js 一样构建智能体Vercel 刚刚发布了全新的 AI Agent 开发框架 —— Eve

    Vercel 推出 AI Agent 开发框架 Eve：像写 Next.js 一样构建智能体

    Vercel 刚刚发布了全新的 AI Agent 开发框架 —— Eve。官方将其定位为“智能体领域的 Next.js”，旨在为开发者提供一套开箱即用的 AI 智能体开发、部署与运行基础设施。

    以下是 Eve 的核心特性：

    • 极简的目录即 Agent 结构：使用 Markdown 撰写角色指令和技能（如 instructions.md），使用 TypeScript 编写工具函数（如 tools/），无需繁琐的注册与配置，直接运行即可启动。
    • 天然持久化支持 (Durable by default)：基于 Vercel Workflows，智能体运行中的每一步都会自动保存状态。在等待用户输入或长时间任务时，智能体会自动“挂起”，并在需要时无缝恢复，完全不用担心进程中断。
    • 隔离的沙箱环境 (Sandboxed compute)：为智能体提供独立的虚拟化运行环境，支持安全地运行代码、读写文件或执行 Bash 命令。
    • 多渠道轻松连接：一份代码即可多端部署，轻松接入 Slack、Discord、Teams、Web 网页以及各种自定义 API。
    • 企业级功能支持：内置人机协同（Human-in-the-loop）审批流、子智能体协作（Subagents）、定时任务（Schedules）以及自动化测试评估（Evaluations）。

    Eve 将复杂的 AI 基础设施进行了高度抽象与整合，让开发者可以专注于智能体本身的业务逻辑，告别零散工具的拼凑。

    详情点击官网了解：https://vercel.com/eve

    #Vercel #AIAgent #Eve #前端开发 #人工智能
    Vercel
    eve – The Agent Framework - Vercel
    eve – The Agent Framework - Vercel
    Like Next.js for web apps, but for agents. Markdown for instructions and skills, TypeScript for tools. Durable by default.

    VercelAIAgentEve前端开发人工智能

  7. 面条的草稿箱

    AI 编程防翻车：MDN 正式推出 MCP 服务，让 AI 获取最新 Web 规范在大模型辅助编程的时代，你是否也遇到过 AI 给出过时 Web API，或错误浏览器兼容性数据的情况？为了解决这一痛点，MDN 官方宣布推出了 MDN MCP（Model Context Protocol）服务

    AI 编程防翻车：MDN 正式推出 MCP 服务，让 AI 获取最新 Web 规范

    在大模型辅助编程的时代，你是否也遇到过 AI 给出过时 Web API，或错误浏览器兼容性数据的情况？

    为了解决这一痛点，MDN 官方宣布推出了 MDN MCP（Model Context Protocol）服务。

    什么是 MDN MCP？

    MCP 是一种开放标准，允许 AI 工具安全地连接到外部数据源。通过 MDN MCP，你可以将最新的 MDN 官方文档和浏览器兼容性数据（BCD）直接接入到你常用的 AI 编辑器（如 Cursor、VS Code、Zed）或命令行工具（如 Claude Code）中。

    它能带来什么改变？

    • 消除 AI 幻觉与信息滞后：避免 AI 因“知识库截止时间”而给出过时信息。例如，它能准确告知你 Firefox 151 已支持 Web Serial API，而未启用 MCP 的 AI 则会根据旧数据坚称“Firefox 不支持”。
    • 响应速度翻倍：测试表明，启用 MCP 后，AI 响应速度提升了约一倍。AI 无需再耗时爬取和解析网页，而是直接通过协议获取结构化数据。
    • 快速配置：以 Claude Code 为例，只需运行一行命令即可快速集成：
    claude mcp add --transport http mdn https://mcp.mdn.mozilla.net/

    目前该服务已处于实验阶段，感兴趣的开发者不妨立即配置，让你的 AI 助手掌握最权威的 Web 开发知识库。

    原链接：https://developer.mozilla.org/en-US/blog/introducing-mdn-mcp-server/

    #AI编程 #MDN #MCP #前端开发 #大语言模型
    MDN Web Docs
    Introducing the MDN MCP server | MDN Blog
    MDN's MCP server brings MDN's documentation and browser compatibility data directly into your editor or IDE, giving your LLM or coding agent access to accurate, up-to-date web platform information.

    AI编程MDNMCP前端开发大语言模型

  8. 面条的草稿箱

    omp：直接集成 IDE 能力的终端 AI 编码助手oh my pi (omp) 是一个专为终端设计的开源 AI 编码智能体

    omp：直接集成 IDE 能力的终端 AI 编码助手

    oh my pi (omp) 是一个专为终端设计的开源 AI 编码智能体。它不仅是一个代码生成器，更是一个深度集成 IDE 工具的“全能型选手”，旨在为开发者提供开箱即用、无缝连接的终端开发体验。

    核心亮点：

    • 深度集成 IDE 工具链：内置 LSP（Language Server Protocol），AI 能够像在 IDE 中一样精准进行跨文件重命名与格式化；同时支持 DAP（Debug Adapter Protocol），可以直接启动调试器（如 lldb, dlv, debugpy）进行单步调试和堆栈排查。
    • 创新的 Snapcompact 图像压缩：当对话历史过长时，omp 不使用 LLM 进行文本总结，而是将历史记录渲染成极其微小的像素字体 PNG 图像，并发送给多模态模型读取。这一技术能够确保上下文细节不丢失，且仅消耗约 1/3 的 Token 成本。
    • 强悍的 Rust 原生引擎：核心由约 5.5 万行 Rust 代码构建，搜索、shell、AST 分析等高频操作均在进程内完成，避免频繁 fork 子进程，效率极高。
    • 本地化记忆与离线整理：使用本地 SQLite 矢量记忆库，并使用本地的小模型（如 Qwen-1.7B / Gemma-1B）在本地整理记忆与会话标题，数据不离设备。
    • 强大的协作与扩展性：支持通过 /collab 实现端到端加密的实时会话共享；兼容多种主流编辑器规则（如 Cursor, Cline, Copilot），甚至可以通过 ACP 协议直接在 Zed 编辑器中驱动终端中的同一个 omp 实例。

    原链接：https://omp.sh/

    #AI编码助手 #编程工具 #Rust #开源项目 #智能开发
    omp
    omp — a coding agent with the IDE wired in
    omp — a coding agent with the IDE wired in
    Subagents, plan mode, LSP, DAP, hindsight memory, hashline edits, time-traveling rules — with a native Rust engine doing the heavy lifting.

    AI编码助手编程工具Rust开源项目智能开发

  9. 面条的草稿箱

    大模型省钱新招：把长文本变成“图片”传给AI，成本直接减半我们在使用大语言模型（LLM）处理长上下文任务时，Token 费用往往会随着对话轮数呈指数级上升

    大模型省钱新招：把长文本变成“图片”传给AI，成本直接减半

    我们在使用大语言模型（LLM）处理长上下文任务时，Token 费用往往会随着对话轮数呈指数级上升。虽然可以通过自动压缩或摘要来减少 Token，但这样经常会丢失关键细节，导致模型“变笨”。

    开发者 Can Bölük 提出了一个脑洞大开但非常有效的解决方案：Snapcompact。

    💡 核心思路：把字“画”给AI看

    • 像素级压缩：将 10,000 Token 左右的长文本，用极小的像素字体（如 6x10）渲染成一张 1568x1568 的 PNG 图片。
    • Token 薅羊毛：根据 Anthropic 等主流厂商的计费规则，这张图片仅折合 3,279 个图片 Token。相比直接传递文本，输入成本直降近 70%。
    • 无损还原：测试表明，Claude、GPT-5.5、Gemini 等多模态模型能够近乎完美地“读懂”图中的微缩文字，答题准确率与输入原生文本几乎一致。

    🔬 为什么这个方案可行？
    作者使用开源多模态模型 Qwen2.5-VL-7B 进行了深度探究。通过分析模型内部的隐藏状态发现，模型在处理这类文字图时，内部的表征会迅速向文本表征靠拢。

    为了防止模型“看错”，作者还做了针对性优化：

    1. 对齐视觉网格：让文字排版契合模型的 Patch 切片（如 28x28 像素）。
    2. 行重复与色彩辅助：通过将每行文字重复渲染，让模型读取的置信度直接从 0.39 飙升到 1.00（几乎 100% 准确）。

    总结
    有时候不需要改变模型本身，只需改变上下文的“载体格式”（文本 ➔ 像素图），就能在保持精度的前提下，把长文本账单砍掉一半以上。

    原链接：https://blog.can.ac/2026/06/10/snapcompact/

    #大语言模型 #多模态 #Token优化 #降本增效 #技术前沿
    Stencil
    Snapcompact: SoTA compaction — instant, local, free. Pick 3 · Stencil
    Snapcompact: SoTA compaction — instant, local, free. Pick 3 · Stencil
    Snapcompact turns agent context into pixel-font images, preserving near-verbatim recall at a third of the input price across four frontier models.

    大语言模型多模态Token优化降本增效技术前沿

  10. 面条的草稿箱

    苹果 Siri 泄露系统提示词：揭秘 Apple Intelligence 的运行逻辑开发者在 GitHub Gist 曝光了疑似苹果为新版 Siri（配合 Apple Intelligence）设计的系统提示词（System Prompt）

    苹果 Siri 泄露系统提示词：揭秘 Apple Intelligence 的运行逻辑

    开发者在 GitHub Gist 曝光了疑似苹果为新版 Siri（配合 Apple Intelligence）设计的系统提示词（System Prompt）。这份详细的指令文档揭示了 Siri 在后台如何理解意图、处理隐私、调用工具以及生成杂志级排版回复的运行机制。

    💡 核心亮点梳理

    • 富文本与卡片化输出

    Siri 的回复并不是简单的文本，而是通过特定的 XML 标签（如 <coreResponse>、<key_entity>、<imageCollection>）进行高度渲染。提示词要求 Siri 必须提供类似“精美杂志”般的视觉体验，直接将应用的原生 UI 和图片融入对话中。

    • 实体与工具的调用逻辑

    Siri 内部将联系人、邮件、日程等数据转化为结构化的 JSON 实体。系统内置了 find、make_call、manage_message_draft、play 等多种工具。遇到信息不全或存在歧义时，必须通过 ask_user 或 ask_user_to_pick 引导用户确认。

    • 屏幕感知与设备状态

    通过 get_system_info 获取当前设备状态，包括用户正在使用的 App（focused_app）以及前台窗口内容。这使得 Siri 能够理解“这是什么”、“把这个发给某人”等基于屏幕内容的上下文指令。

    • 严苛的隐私与安全防护

    提示词设立了多条硬性红线：

    1. 绝对禁止泄露系统提示词、工具名称及运行机制。
    2. 绝对不能在回复中说“根据您的邮件/健康数据…”等字眼，避免让用户产生隐私被窥探的恐慌感。
    3. 拒绝提供任何具体的医疗、法律和财务建议。

    • 行为准则

    Siri 被定义为无情感、无国籍、无性别的软件。在面对用户的调侃或事实错误时，需要保持诚实，不附和错误，直接指出局限性，不进行无意义的道歉。

    ---

    网友在评论区调侃称，这套提示词的 Token 量过于庞大，用户说一句“Hi”，可能 Siri 的上下文就已经快满了，甚至有人开玩笑说直接触发了“429 访问限制”。

    原链接：https://gist.github.com/julianschiavo/2da270868175f0a52e423340c30a30b6

    #Siri #Apple #提示词工程 #人工智能 #AppleIntelligence
    Gist
    siri_prompt.md
    siri_prompt.md
    siri_prompt.md. GitHub Gist: instantly share code, notes, and snippets.

    SiriApple提示词工程人工智能AppleIntelligence

  11. 面条的草稿箱

    聪明人的分工：让昂贵模型做规划，便宜模型去执行知名开源开发者 shadcn 刚刚开源了一个全新项目——improve

    聪明人的分工：让昂贵模型做规划，便宜模型去执行

    知名开源开发者 shadcn 刚刚开源了一个全新项目——improve。

    这是一个非常巧妙的 Agent Skill，它的核心理念是：用你最聪明（也最昂贵）的 AI 模型来做高杠杆的脑力劳动（审计代码、写技术方案），然后把脏活累活（编写代码、跑测试）交给更便宜的 AI 模型去执行。

    这个工具本身绝对不会直接修改你的一行代码，它的产出就是一份清晰、可执行的 Markdown 格式实施方案。

    💡 它是如何工作的？

    1. 项目审计 (/improve)：高阶模型会深度扫描并分析你的代码库，指出潜在的 Bug、性能瓶颈、安全隐患或技术债，并产出一份按“投入产出比”排序的发现清单。
    2. 制定方案 (plans/)：当你挑选出需要解决的问题后，高阶模型会针对每个问题输出一份极其详尽的方案（Plan）。这些方案是“自包含”的，带有明确的验证命令、执行边界和异常中止条件（STOP conditions）。
    3. 分发执行 (/improve execute <plan>)：你可以把这些高可读性的方案直接扔给任何便宜的轻量级 AI Agent。轻量级模型只需像个机械的执行者一样，按照步骤修改代码、运行测试，最后向你提交 Pull Request。

    🚀 核心指令一览

    • /improve：全局审计并输出优化点。
    • /improve quick：快速扫描重点。
    • /improve deep：对每个包、每个分类进行详尽审计。
    • /improve plan <description>：跳过审计，直接为指定任务编写执行方案。
    • /improve execute <plan>：派发给便宜的执行器模型并审核其成果。

    安装方式

    项目支持 Agent Skills 规范：

    npx skills add shadcn/improve


    https://github.com/shadcn/improve

    #AI开发 #智能代理 #软件工程 #GitHub开源 #shadcn
    Agent Skills
    Agent Skills Overview - Agent Skills
    Agent Skills Overview - Agent Skills
    A standardized way to give AI agents new capabilities and expertise.

    AI开发智能代理软件工程GitHub开源shadcn

  12. 面条的草稿箱

    大语言模型（LLM）是如何运作的？一文拆解它的底层逻辑从 GPT、Claude 到 LLaMA，大语言模型看似无所不知，但其背后的技术大多高度收敛于 Transformer 架构

    大语言模型（LLM）是如何运作的？一文拆解它的底层逻辑

    从 GPT、Claude 到 LLaMA，大语言模型看似无所不知，但其背后的技术大多高度收敛于 Transformer 架构。本文为你快速拆解 LLM 运行的 6 个核心步骤：

    1. 分词与嵌入（Tokenization & Embeddings）
    模型不直接阅读文本。你的输入首先会被拆解为子词 Token，并转化为数字 ID。随后，这些 ID 通过“嵌入矩阵”变成高维向量。在向量空间中，语义相近的词（如“猫”和“狗”）会被分配到相邻的位置，从而获得“语义”。

    2. 位置编码（Positional Encoding）
    普通的注意力机制无法分辨词序。现代模型主要使用 RoPE（旋转位置编码），通过旋转向量来标记 Token 之间的相对距离，让模型知道哪个词在前，哪个词在后。

    3. 注意力机制（Attention & Multi-Head）
    这是 Transformer 的灵魂。每个 Token 会通过 Query（寻找什么）、Key（匹配什么）和 Value（传递什么）三种角色与其他 Token 进行信息交互。为了同时捕捉语法、代词指代等多种关系，模型会并行运行多个注意力“头”。现代模型多采用 GQA（分组查询注意力） 来大幅降低显存占用。

    4. 前馈网络（FFN & MoE）
    如果说注意力机制是 Token 之间的“对话”，前馈网络就是 Token 的“自我思考”。模型的大部分 factual 记忆都存储在这里。为了在不增加计算成本的前提下扩大参数量，现代大模型（如 Mixtral）常使用 MoE（混合专家模型），每次只激活部分网络来处理 Token。

    5. 残差流与归一化（Residual Stream & RMSNorm）
    随着网络层数变深，信号容易衰减或爆炸。残差连接允许原始信息绕过部分计算直接向后传递，而 RMSNorm 则在每层计算前对数据进行重缩放，确保数百层的网络能够稳定训练。

    6. 预测下一个 Token（Next-Token Prediction）
    LLM 的本质是一个“词语接龙”游戏。模型在最后一层输出所有候选词的概率分布，根据设定的“温度（Temperature）”等参数抽取下一个 Token，并将其拼回输入，循环往复，直到生成完整文本。

    总结来说，如今的 LLM 架构在工程上已经高度趋同（RoPE、GQA、SwiGLU、RMSNorm 的组合）。不同模型之间的差异，主要源于训练数据集、参数规模以及后期的对齐微调（RLHF）。

    阅读完整英文博文：https://www.0xkato.xyz/how-llms-actually-work/

    #大语言模型 #Transformer #人工智能 #深度学习 #技术科普
    0xkato
    How LLMs Actually Work
    A from-the-ground-up walkthrough of how modern LLMs work, from tokens to transformer blocks to the next-token loop

    大语言模型Transformer人工智能深度学习技术科普

  13. 面条的草稿箱

    慢即是快：如何利用 AI 写出更高质量的代码很多人认为，AI 编程的意义在于“快”——以最快的速度堆砌出勉强能运行的代码，然后匆忙合并发布

    慢即是快：如何利用 AI 写出更高质量的代码

    很多人认为，AI 编程的意义在于“快”——以最快的速度堆砌出勉强能运行的代码，然后匆忙合并发布。但这种“快”往往伴随着低质量和技术债。

    实际上，大语言模型（LLM）非常灵活，我们完全可以反其道而行之：利用 AI，用更慢的速度写出质量更高的代码。

    以下是这种“慢速 AI 编程”的核心思路：

    • 让 AI 成为挑剔的 Review 助手：LLM 极其擅长寻找 Bug。你可以通过设置特定的“技能（Skills）”，让多个不同的模型（如 Claude 和 GPT）同时对你的 PR 进行审查并给 Bug 分级，通过交叉验证有效降低误报率。
    • 主导修复与取舍：根据 AI 反馈的 Bug 列表，优先引导 AI 修复高危和中度漏洞。如果发现架构设计有根本性问题，甚至可以果断放弃现有的 PR 重新构思。
    • 把“修 Bug”当成探索之旅：这种工作流虽然不会提升你的“开发速度”，但常常会帮你揪出代码库中早已存在的历史遗留 Bug。在解决这些问题的过程中，你会编写更多单测，深入理解系统的边缘情况。

    这并不是那种吹嘘“10倍效率”的浮躁开发方式，而是一种更健康的编程状态：借力 AI，更严谨、更方法论地对待每一行代码，让代码库保持健康。

    下次使用 AI 时，不妨慢下来，试着问问它：“我的这段代码可能会在哪里崩溃？”

    https://nolanlawson.com/2026/05/25/using-ai-to-write-better-code-more-slowly/

    #AI编程 #代码质量 #软件工程 #程序员
    Read the Tea Leaves
    Using AI to write better code more slowly
    A lot of people seem convinced that the point of AI coding is to write low-quality code as fast as possible. Spew out barely-passable slop, open massive PRs, and merge them unvetted. Ship it! But t…

    AI编程代码质量软件工程程序员

  14. 面条的草稿箱

    Slim Tools：为 AI 智能体减负的统一 MCP 工具网关在使用 AI Agent（如 Claude、Cursor 等）时，你是否遇到过因为加载了太多 MCP 或 OpenAPI 工具，导致上下文窗口（Context Window）被严重占用、Token 消耗飞涨的情况？Slim Tools 提供了一个巧妙的解决方案：它将所有上游工具统一封装进一个极简的 MCP 接口中

    Slim Tools：为 AI 智能体减负的统一 MCP 工具网关

    在使用 AI Agent（如 Claude、Cursor 等）时，你是否遇到过因为加载了太多 MCP 或 OpenAPI 工具，导致上下文窗口（Context Window）被严重占用、Token 消耗飞涨的情况？

    Slim Tools 提供了一个巧妙的解决方案：它将所有上游工具统一封装进一个极简的 MCP 接口中。

    核心特性：

    • 统一入口：无需向 AI 暴露所有工具，只需提供一个 Slim Tools 的 MCP URL（https://slim.tools/mcp）。
    • 按需探索：AI 代理在运行阶段仅能看到 discover_tools（工具搜索）和 execute_code（沙盒代码执行）两个核心能力。
    • 高效联动：AI 通过搜索找到匹配的工具，然后在沙盒中运行代码来组合并调用这些上游 API（如 GitHub、Notion、Slack、Figma 等）。
    • 简化授权：统一管理所有上游服务的 OAuth 授权，无需重复配置。

    通过这种“运行时发现”的设计，AI 代理无需在上下文里“背负”沉重的工具集，不仅让 Prompt 更加清爽，也让 Agent 的响应速度大幅提升。

    原文链接：http://slim.tools

    #AIAgents #MCP #开发者工具 #效率工具
    Slim Tools
    Slim Tools | Tool Orchestration Runtime for AI Agents
    Slim Tools | Tool Orchestration Runtime for AI Agents
    Move MCP and OpenAPI tool orchestration out of model context and into one sandboxed runtime.

    AIAgentsMCP开发者工具效率工具

  15. 面条的草稿箱

    Flue：构建下一代 AI Agent 的 TypeScript 架构框架Flue 提出了一个核心公式：Agent = Model + Harness

    Flue：构建下一代 AI Agent 的 TypeScript 架构框架

    Flue 提出了一个核心公式：Agent = Model + Harness。它不仅仅是一个简单的 SDK，而是一个专为构建自主 Agent 设计的“可编程治理框架”（Harness），旨在让开发者能够轻松打造像 Claude Code 或 Codex 这样具备规划、环境感知和执行能力的强力工具。

    核心特性：

    • 高度可编程： 使用 TypeScript 编写 Agent 逻辑，支持定义复杂的技能（Skills）、工作流和多 Session 管理。
    • 自带沙箱环境： 提供内置的虚拟沙箱或连接远程沙箱（如 Daytona），让 Agent 安全地执行 Bash 命令、读写文件或运行代码。
    • 安全与隐私： 采用精细的权限控制，确保敏感的 API Token 不会被模型或沙箱环境直接接触。
    • 跨平台部署： 编写一次逻辑，即可部署为 HTTP 服务，或在 CLI、GitHub Actions、Cloudflare Workers 等多种环境运行。

    与其使用通用的成品 AI 工具，Flue 鼓励开发者根据特定的产品需求、数据和工作流，构建完全属于自己的定制化 Agent。

    https://flueframework.com/

    #AI #Agent #TypeScript #开发工具 #开源项目
    Flue
    Flue — The Open Agent Framework
    Flue — The Open Agent Framework
    Build durable AI agents with Flue's programmable TypeScript harness. Write once, deploy anywhere, use any LLM.

    AIAgentTypeScript开发工具开源项目

  16. 面条的草稿箱

    Yansu：无需指令，为你主动构建工具的“预知” AI你是否厌倦了反复在不同应用间手动同步数据？或者因为繁琐的流程而被迫成为“效率工具专家”？Yansu 是一款全新的主动式 AI 应用

    Yansu：无需指令，为你主动构建工具的“预知” AI

    你是否厌倦了反复在不同应用间手动同步数据？或者因为繁琐的流程而被迫成为“效率工具专家”？

    Yansu 是一款全新的主动式 AI 应用。它不像 ChatGPT 那样等待你的指令，而是通过观察你的工作习惯，为你自动构建专属工具。

    核心亮点：

    • 观察即学习：它静默观察你的桌面操作、沟通记录和决策模式，将零散的行为提炼为结构化的知识。
    • 主动式交付：不需要你写 Prompt。当它发现重复的流程或潜在的需求时，会先于你想到之前就把应用建好。
    • 虚拟交互：它拥有独立的虚拟指针，可以在不干扰你操作的情况下，自动填写表单、同步状态或整理信息。
    • 隐私本地化：所有工作记忆和生成的应用都存储在本地，只有在得到你明确许可时才会与外部交互。
    • 无感化办公：它不会抢夺窗口焦点，也不会打断你的思路，像是一个默默工作的资深助理。

    告别繁琐的手动工作，让 AI 在你还没意识到需求时就完成交付。

    https://yansu.app/

    #AI效率 #自动化 #生产力工具 #人工智能 #Yansu
    Yansu
    Yansu — The proactive AI that turns how you work into knowledge, handoffs, and automations
    Yansu — The proactive AI that turns how you work into knowledge, handoffs, and automations
    The proactive AI that turns how you work into knowledge, handoffs, and automations — no prompting. Free for Mac, Windows, and Linux.

    AI效率自动化生产力工具人工智能Yansu

  17. 面条的草稿箱

    Obscura：专为 AI Agent 和大规模爬虫打造的 Rust 无头浏览器如果你觉得传统的 Headless Chrome 过于臃肿且容易被反爬虫识别，那么 Obscura 绝对值得一试

    Obscura：专为 AI Agent 和大规模爬虫打造的 Rust 无头浏览器

    如果你觉得传统的 Headless Chrome 过于臃肿且容易被反爬虫识别，那么 Obscura 绝对值得一试。这是一个基于 Rust 编写的开源无头浏览器引擎，旨在为 AI Agent 和网页抓取提供极速、轻量且隐形的自动化体验。

    核心优势

    • 轻量化：内存占用仅需约 30MB（相比 Chrome 的 200MB+），二进制文件仅 70MB。
    • 极致速度：启动几乎是瞬间完成，页面加载速度比 Headless Chrome 快约 6 倍。
    • 内置隐身模式：默认支持反指纹识别、随机化 GPU/Canvas/Audio 等硬件信息，并自动拦截 3500+ 个追踪器。
    • 兼容性强：支持 Chrome DevTools Protocol (CDP)，可以作为 Puppeteer 和 Playwright 的无缝替代品。
    • Rust 驱动：利用 V8 引擎运行真实 JavaScript，确保执行环境的高性能与安全性。

    快速上手

    Obscura 提供单二进制文件，无需安装 Node.js 或 Chrome 即可运行。你可以通过简单的命令行直接抓取动态内容，或者启动一个 CDP 服务器供自动化脚本调用：

    # 获取网页标题
./obscura fetch https://example.com --eval "document.title"

# 启动 CDP 服务
./obscura serve --port 9222 --stealth


    对于追求性能和隐匿性的开发者来说，Obscura 是构建下一代 AI 自动化工具的理想底层引擎。

    https://github.com/h4ckf0r0day/obscura

    #开源项目 #无头浏览器 #Rust #AI工具 #爬虫技术
    GitHub
    GitHub - h4ckf0r0day/obscura: The headless browser for AI agents and web scraping
    GitHub - h4ckf0r0day/obscura: The headless browser for AI agents and web scraping
    The headless browser for AI agents and web scraping - h4ckf0r0day/obscura

    开源项目无头浏览器RustAI工具爬虫技术

  18. 面条的草稿箱

    让 AI 掌握顶级设计：TypeUI 风格库还在烦恼 AI 生成的网页风格太普通？TypeUI 为 Claude、Cursor、Gemini 等 AI 工具提供了一套精选的“设计技能（Design Skills）”库，让你的 AI 助手瞬间化身顶级设计师

    让 AI 掌握顶级设计：TypeUI 风格库

    还在烦恼 AI 生成的网页风格太普通？TypeUI 为 Claude、Cursor、Gemini 等 AI 工具提供了一套精选的“设计技能（Design Skills）”库，让你的 AI 助手瞬间化身顶级设计师。

    核心功能：

    • 多样化风格： 涵盖 Bento（盒式）、Neumorphism（新态设计）、Glassmorphism（毛玻璃）、Neobrutalism（新野兽派）等多种流行审美。
    • 即插即用： 提供优化的 skill.md 文件，你可以通过 CLI 命令（如 npx typeui.sh pull bento）直接引入项目，或手动复制到提示词中。
    • 完美适配： 专门针对 Agentic AI 工具进行了优化，确保 AI 生成的代码能精准还原特定的视觉风格。

    使用场景：
    当你使用 AI 开发网页或应用时，只需喂入这些预设的“技能文件”，AI 就能跳出默认的 Bootstrap 或 Tailwind 风格，构建出极具辨识度的视觉界面。

    原文链接：https://www.typeui.sh/design-skills

    #AI设计 #前端开发 #TypeUI #UI设计 #AI工具

    AI设计前端开发TypeUIUI设计AI工具

  19. 面条的草稿箱

    Paseo：随时随地指挥你的 AI 编程助手想要在离开工位时也能继续推进代码进度？Paseo 是一款开源、自托管的 AI 编程 Agent 调度平台，让你能够从手机、桌面或终端轻松管理和运行 AI 助手

    Paseo：随时随地指挥你的 AI 编程助手

    想要在离开工位时也能继续推进代码进度？Paseo 是一款开源、自托管的 AI 编程 Agent 调度平台，让你能够从手机、桌面或终端轻松管理和运行 AI 助手。

    主要功能亮点：

    • 全平台覆盖：支持 iOS、Android、桌面端及 Web，甚至可以直接通过 CLI 脚本化运行，实现多端无缝衔接。
    • 集成主流 Agent：完美支持 Claude Code、Codex 和 OpenCode 等主流 AI 编程助手，保留原有的技能和配置。
    • 隐私与安全：代码始终保留在你的本地机器上，支持端到端加密中继，确保远程连接时的代码安全。
    • 本地语音交互：内置完全本地化的语音识别与合成技术，无需将语音数据上传云端即可实现指令下达。
    • 开发者友好：支持键盘快捷键优先操作、Git 工作流隔离（Worktrees）以及全方位的命令行支持。

    Paseo 是一款纯粹的开源工具，不直接调用推理 API，而是作为官方 CLI 的透明调度层，既自由又强大。

    https://paseo.sh/

    #AI编程 #开源项目 #Paseo #开发者工具 #人工智能
    Paseo
    Paseo – Run Claude Code, Codex, Copilot, OpenCode from anywhere
    Paseo – Run Claude Code, Codex, Copilot, OpenCode from anywhere
    Open source app for Claude Code, Codex, OpenCode, Pi, and 30+ more coding agents. Run many agents in parallel on your machines. Editor, terminals, diffs, pull requests, and a browser in one window. One download on desktop. The full app on iOS and Android.

    AI编程开源项目Paseo开发者工具人工智能

  20. 面条的草稿箱

    让 AI 像顶级设计师一样编程：GetDesign.md 设计规范库如果你正在使用 AI 助手（如 Cursor、Claude 或 Bolt）进行前端开发，那么这个网站值得加入收藏夹

    让 AI 像顶级设计师一样编程：GetDesign.md 设计规范库

    如果你正在使用 AI 助手（如 Cursor、Claude 或 Bolt）进行前端开发，那么这个网站值得加入收藏夹。GetDesign.md 汇集了包括 Apple、Stripe、Linear、Notion 以及 SpaceX 在内的 60 多种知名品牌的设计系统灵感。

    它的核心价值在于“AI 友好”：你可以直接将这些精炼的 DESIGN.md 文件丢给 AI 编程助手，AI 就能迅速理解其设计语言、配色方案和排版逻辑，从而帮你构建出风格统一、质感高级的 UI 界面。

    无论你是想要打造极简的工具软件，还是具有视觉冲击力的官网，这里都是一个绝佳的 UI 风格武器库。

    https://getdesign.md/

    #设计系统 #AI工具 #前端开发 #UI设计 #生产力工具
    getdesign.md
    getdesign.md — DESIGN.md collection for AI coding agents
    getdesign.md — DESIGN.md collection for AI coding agents
    Browse independent design system analyses from popular websites. Drop one into your project as design reference for your coding agent.

    设计系统AI工具前端开发UI设计生产力工具

1px