Search: #AI

面条的草稿箱

1. 19 小时前

   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

   The headless browser for AI agents and web scraping - h4ckf0r0day/obscura

2. 11:22 · 2026年4月13日 · 周一

   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

   www.typeui.sh

   

   Design Skills for AI | TypeUI

   Browse a collection of 57 design skill files for AI tools like Claude, Codex, Gemini, and Cursor and generate websites and applications based on the curated skill files from TypeUI.

3. 16:44 · 2026年4月11日 · 周六

   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, and OpenCode from everywhere

   A self-hosted daemon for Claude Code, Codex, and OpenCode. Agents run on your machine with your full dev environment. Connect from phone, desktop, or web.

4. 16:45 · 2026年4月10日 · 周五

   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

   Browse design system inspirations from popular websites. Drop one into your project and let AI agents build matching UI.

5. 08:53 · 2026年4月6日 · 周一

   Linear 发布 Agent 交互指南（AIG）：定义人机协作的新契约
   
   AI Agent 正在重塑软件的规划、构建、审查和部署方式。当 Agent 大量产出工作成果时，人类的角色也随之转变——价值重心转移到编排输入、构建上下文和审查输出上。
   
   这种转变需要一套全新的人机交互契约。Linear 提出了 Agent Interaction Guidelines（AIG），为设计更自然融入人类工作流的 Agent 交互制定了基础原则。
   
   六大核心原则
   
   1. Agent 必须表明身份
   当人类与 Agent 协同工作时，Agent 必须清晰标识自己的身份，绝不能被误认为是真人。
   
   2. Agent 应原生融入平台
   Agent 应通过平台已有的 UI 模式和标准操作来工作，而非另起炉灶。
   
   3. Agent 应即时反馈
   沉默会带来不确定性。Agent 被调用后应立即提供反馈（如"思考中"指示器），让用户知道请求已被接收。
   
   4. Agent 应透明展示内部状态
   无论是思考、等待输入、执行还是完成，Agent 都应清晰展示当前状态。用户可以随时检视其推理过程、工具调用和决策逻辑。
   
   5. Agent 应尊重退出指令
   当被要求停止时，Agent 必须立即退出，且只有收到明确信号后才能重新介入。
   
   6. Agent 不能承担最终责任
   Agent 可以执行任务，但最终责任始终归属于人类。需要建立清晰的人机委托模型。
   
   ---
   
   AIG 是一份持续演进的开放文档，Linear 邀请社区共同参与完善。
   
   🔗 https://linear.app/developers/aig
   
   #AI_Agent #人机交互 #Linear #设计原则 #AIG

   linear.app

   

   Agent Interaction Guidelines (AIG) – Linear Developers

   Foundational principles and practices for designing agent interactions that integrate more naturally into human workflows.

6. 08:13 · 2026年3月13日 · 周五

   AI 时代怎么招工程师：Augment 的「AI-native」人才标准
   
   当 AI agent 能写出大部分代码后，工程师的价值开始上移：不再以“写得快、写得多”为核心，而是以判断力、系统设计与协同能力决定产出质量。
   
   Augment 重新梳理了面向 AI-native（与 AI 共同工作）团队的招聘标准，核心变化可以概括为一句话：人从“作者”变成“架构师与编辑”——定义意图、做取舍、设护栏、把好质量关。
   
   工程师工作重心的迁移
   
   • 传统工程：写代码、实现方案、解决问题、看个人产出
   • AI-native 工程：明确意图与权衡、编排 agent、选择正确问题、看系统级结果
   
   他们认为最重要的 6 个能力维度
   
   1. 产品与结果品味（Product & Outcome Taste）：能否在代码变“更便宜”时，避免做出“最贵的错误”——把方向做错。
   2. 系统与架构判断（System & Architectural Judgment）：代码能跑不难，难的是“能在生产环境长期稳定地跑”。
   3. Agent 杠杆（Agent Leverage）：能否把 AI 变成真实吞吐量：拆解任务、引导偏航、验证结果（agent 很快，但也可能自信地出错）。
   4. 沟通与协作（Communication & Collaboration）：实现更快后，“达成清晰”更关键；要能把意图讲清楚、促成共识。
   5. 主人翁意识与领导力（Ownership & Leadership）：对结果负责而非只做任务；主动清除阻碍交付的障碍。
   6. 学习速度与实验心态（Learning Velocity & Experimental Mindset）：工具三个月就变一轮，持续实验与快速迭代成为工作常态。
   
   一个显著的信号是：“纯粹的编码能力”不再是最主要的区分项——依然重要，但不再决定上限。
   
   从理念到招聘：看“可观察信号”
   
   他们强调，框架必须能落到面试里，转成可评估的行为证据，例如：
   
   • 能否快速澄清模糊问题、定义清晰目标？
   • 能否提前识别架构风险，而不是上线后救火？
   • 能否有效指挥并验证 AI 生成的工作？
   
   未来重点招的 4 类画像
   
   • AI-native 系统工程师：基础设施与架构判断强，保证“地基”稳。
   • AI-native 产品工程师：产品品味与用户理解强，确保“做对事”。
   • AI-native 应用 AI 工程师：懂模型与应用构建，提升 agent 能力与工作流。
   • AI-native 早期工程师（Early Professional）：学习速度优先，快速适应工具与流程变化。
   
   这套标准也不只用于招聘，还会反向影响绩效、成长与职业发展：如果真正重视判断力、杠杆与学习速度，就应该在各个环节都体现出来。
   
   原文链接：https://www.augmentcode.com/blog/how-we-hire-ai-native-engineers-now
   
   #AI招聘 #工程师能力 #AI代理 #架构设计 #学习型组织

   Augmentcode

   

   How we hire AI-native engineers now: our criteria

   The most powerful AI software development platform with the industry-leading context engine.

7. 08:19 · 2026年2月12日 · 周四

   GitHub Agentic Workflows：用自然语言写 GitHub Actions 的“智能工作流”
   
   GitHub 开源项目 gh-aw（GitHub Agentic Workflows），主打一个思路：用自然语言 Markdown 编写“代理式（agentic）工作流”，然后直接在 GitHub Actions 里运行，让 AI 代你完成仓库中的重复性任务。
   
   它提供的核心价值包括：
   
   • 更低门槛的工作流编写方式：用 Markdown 描述要做什么，而不是从零写复杂的 YAML/脚本
   • 更强调安全的执行模型（Guardrails）：默认只读权限；写入操作需要通过经过清洗的 safe-outputs；并配套多层防护（输入净化、工具白名单、编译期校验、网络隔离、供应链安全等）
   • 完善的文档与上手路径：官方提供 Quick Start 与完整文档，方便快速跑通示例并理解整体机制
   • 生态配套：
   • AWF（Agent Workflow Firewall）：限制与记录代理的网络访问（出站控制）
   • MCP Gateway：统一转发 MCP（Model Context Protocol）服务调用，便于集中管理访问
   
   适合关注 AI + DevOps、希望把“AI 介入仓库日常操作”做得更可控、更工程化的团队参考与尝试（同时也要保持必要的人类监督）。
   
   原链接：https://github.com/github/gh-aw
   
   #GitHubActions #AI自动化 #工作流 #安全工程 #开源项目

   GitHub

   

   GitHub - github/gh-aw: GitHub Agentic Workflows

   GitHub Agentic Workflows. Contribute to github/gh-aw development by creating an account on GitHub.

8. 11:03 · 2026年2月11日 · 周三

   Entire：把 AI 编程对话“写进”每一次 Git 提交
   
   用 AI 写代码时，最容易丢的不是代码，而是“为什么这么写”的上下文。Entire 提供一个思路：在你正常的 git 工作流里，把每次 AI agent 会话自动记录下来，并与对应的 commit 绑定，形成可搜索的历史记录。
   
   它能做什么？
   
   • 自动捕获会话：在每次 push 时记录 AI agent 的会话内容，并和提交一起关联。
   • 不改变你的工作方式：通过 CLI 接入现有工具链，尽量减少上下文切换。
   • 支持多种 agent：目前支持 Claude Code、Google Gemini；OpenAI Codex 等集成在路上。
   • 把“意图”留在仓库里：官方强调记录会直接存进 git 历史，不依赖额外托管服务或外部数据库。
   
   安装方式（官网给出的命令）
   
   • curl -fsSL https://entire.io/install.sh | bash
   
   适合希望团队更容易复盘决策、追踪 AI 产出过程、减少重复踩坑的工程项目。
   
   原链接：http://entire.io/
   
   #Git #AI编程 #开发工具 #工程效率 #CLI

   Entire

   

   Entire · A new developer platform is coming

   We are going beyond repositories, building a developer platform where agents and humans can collaborate, interact, and grow. The birth of a new galaxy in this universe draws near.

9. 22:31 · 2026年2月10日 · 周二

   Stripe「Minions」：一键生成、端到端交付的无人值守编码代理
   
   Stripe 在内部打造了一套名为 Minions 的编码代理：从接到任务到产出可评审的 PR，全程几乎无需人类介入。现在，Stripe 每周有超过 1000 个合并的 PR 是由 Minions 从头到尾生成的（人类负责 Review，但不写代码）。
   
   为什么要自研？
   
   在 Stripe 这种超大规模、强约束的工程环境里，“从零写个原型”和“在成熟巨型代码库里安全改动”完全不是一回事：
   
   • 代码库规模巨大（数亿行），栈也相对小众：大量后端是 Ruby + Sorbet，还有大量 Stripe 自研库，LLM 天然不熟
   • 业务风险极高：Stripe 的代码承载着 每年超过 1 万亿美元 的支付规模，并受金融合规与监管约束
   • 既要让代理“会写”，也要让它“按规矩写、能跑通、能过 CI”，并与既有研发流程深度结合
   
   工程师怎么用？
   
   最常见的入口是 Slack：
   
   • 在讨论线程里 @Slack App 就能发起 Minion，它会读取整个线程与相关链接作为上下文
   • 也集成到内部系统里：文档平台、Feature Flag、工单系统等
   例如 CI 发现 flaky tests，会生成工单，直接提供按钮让 Minion 去修
   
   完成后，Minion 会：
   
   • 创建分支 → 推送 → 跑 CI → 按模板生成 PR
   
   如果效果不理想，人类可以补充指令让它再改；即使不完美，也常常是很好的“可用起点”。
   
   Minions 背后怎么运作（要点版）
   
   Stripe 的思路是：把“创意生成”交给 LLM，把“必须可靠执行的步骤”交给确定性工具链。
   
   • 运行环境：在隔离的 devbox 中执行（10 秒内可启动，预热并预载代码与服务），与生产与公网隔离，便于并行
   • Agent 框架：基于 Block 的开源编码代理 goose 的 fork，并做了强定制
   • 规则与上下文：读取各类 agent rule 文件，但多为“按目录条件生效”，避免全局死规则拖累
   • 工具调用：接入 MCP（函数调用通用协议），并建设内部 MCP 服务 Toolshed，提供 400+ 工具（文档、工单、构建状态、Sourcegraph 搜索等）
   • 反馈与质量闸门：
   • 首先跑本地启发式 lint/检查（通常 <5 秒）
   • 再跑选择性的 CI（Stripe 有 300 万+ 测试），部分失败可自动修复
   • 为控制成本与等待时间：最多两轮 CI，强调“能本地提前发现就不要拖到 CI”
   
   接下来
   
   这篇是系列 Part 1，主要讲“怎么用、能做什么”；Part 2 会深入实现细节。整体信号很明确：当“开发者注意力”成为稀缺资源时，无人值守、可并行的编码代理正在改变工程协作方式。
   
   原文链接：https://stripe.dev/blog/minions-stripes-one-shot-end-to-end-coding-agents
   
   #AI工程化 #编码代理 #开发者效率 #CI实践 #Stripe

   stripe.dev

   

   Minions: Stripe’s one-shot, end-to-end coding agents

   Minions are Stripe’s homegrown coding agents, responsible for more than a thousand pull requests merged each week. Though humans review the code, minions write it from start to finish. Learn how they work, and how we built them.

10. 08:46 · 2026年2月10日 · 周二

    keep.md：把收藏夹变成「可被 AI 直接读取」的 Markdown API
    
    keep.md 主打一个简单但实用的思路：把你在各处保存的链接，统一存成 Markdown，并提供 API + Agent 技能，让它们能随时被你的工作流或智能体当作上下文调用。
    
    它适合这些场景：
    
    • 你保存了一堆资料链接，希望 AI/Agent 能直接读懂内容并引用
    • 你收藏了文档，想让 Agent 辅助写代码、查用法
    • 你保留了长线程/讨论，希望 Agent 自动整理成摘要或草稿
    
    工作方式也很直观：你保存链接 → 系统生成 Markdown → 你的 Agent 读取并使用。
    目前提供 Chrome 扩展（页面显示仍在等待 Chrome 商店审核），并支持接入多种工具/平台（如 n8n、Claude SDK、各类 Agent 等）。
    
    费用信息：免费档包含 50 条链接，付费计划 $10/月起。
    
    原链接：https://keep.md/
    
    #书签管理 #Markdown #API #AI工具 #Agent工作流

    Keep

    

    Keep | Save and search your bookmarks from anywhere

    Keep your bookmarks as markdown and search them from the web, the API, or with your personal AI agent.

11. 10:19 · 2026年2月1日 · 周日

    VM0：用自然语言搭建 AI Agent，并在云端 24/7 运行
    
    VM0 主打的是「面向 AI Agent 的基础设施」，让你用自然语言定义工作流、在云端沙盒环境里持续运行，并且能完整观测每次执行过程。
    
    它能做什么
    
    • 一键运行 Agent：支持按需执行或定时调度，适合做日报、监控、内容汇总等自动化任务。
    • 自然语言构建工作流：在 Claude Code 里描述目标，协作编辑 AGENTS.md，快速拼出可执行的 Agent 指令与流程。
    • 云端隔离沙盒：本地开发、云端运行，环境隔离，适合让 Agent 长时间稳定跑任务。
    • 全链路可观测：实时日志、产物输出、执行回放（checkpoint），便于排查与迭代。
    
    示例场景（官网展示）
    
    • HackerNews 摘要 Agent：自动读 Top 文章，筛选 AI 相关内容并生成可发布的总结。
    • TikTok 达人筛选 Agent：搜索与筛选创作者，输出分析报告。
    • 日报 Agent：聚合多源数据与 API，总结后写入 Notion。
    • 博客生成 Agent：结合多个 API 自动产出内容。
    
    快速开始（官网命令）
    
    npm install -g @vm0/cli && vm0 onboard
    
    原链接：https://www.vm0.ai/
    
    #AI代理 #自动化工作流 #云端沙盒 #可观测性 #开发者工具

    www.vm0.ai

    VM0 - Your Trustworthy AI Teammate

    Meet Zero, your AI teammate that runs in secure microVMs. Automate workflows in Slack, GitHub, and the web.

12. 11:11 · 2026年1月31日 · 周六

    Agent Trace：为 AI 写的代码建立“可追溯”标准
    
    Agent Trace 是一个开放规范，用来记录代码中哪些部分来自 AI、哪些来自人类，并把相关的模型信息、对话链接等“出处”一并纳入版本控制工作流中。它强调厂商中立，让不同工具都能读写同一套归因数据。
    
    核心想解决什么
    
    • 随着 Agent/代码助手产出越来越多代码，团队需要更清楚地知道：哪些改动是 AI 生成、用的是什么模型、对应哪次对话/会话。
    • 这不是法律意义的“所有权”或“版权”判定，而是工程层面的来源记录与可审计性。
    
    主要目标
    
    • 互操作性：任何兼容工具都能写入/读取归因记录
    • 细粒度：支持到**文件级、行号范围（line range）**的归因
    • 可扩展：允许各家在不破坏兼容的情况下增加自定义元数据
    • 人和 Agent 都能读懂：尽量不依赖特定 UI 才能理解
    
    不做什么（边界很明确）
    
    • 不处理代码法律归属、版权问题
    • 不追踪训练数据来源
    • 不做质量评估（不判断 AI 代码“好或坏”）
    • 不绑定任何界面或产品形态
    
    规范长什么样（概念速览）
    
    Agent Trace 的基本单位是 Trace Record（JSON 记录），典型字段包括：
    
    • version / id / timestamp：规范版本、记录 ID、时间戳
    • vcs：版本控制信息（如 git commit SHA；也支持 jj/hg/svn）
    • tool：生成该记录的工具及版本
    • files：文件列表；每个文件下按 conversation 分组
    • conversations.url：指向产生这段代码的对话链接
    • ranges：该对话贡献的行号范围（可选 content_hash 用于跨移动追踪）
    • metadata：自定义扩展字段（建议用反向域名避免冲突，如 dev.cursor）
    
    实现与落地
    
    • 规范本身不规定 traces 存哪：可以是本地文件、git notes、数据库等。
    • 提供了一个参考实现（含存储层、hook 集成），示范如何在文件变更时自动捕获归因信息。
    
    链接：https://agent-trace.dev/
    #AI编程 #代码归因 #工程规范 #可追溯性 #开发工具

    agent-trace.dev

    

    Agent Trace

    A standard format for tracking AI-generated code.

13. 11:09 · 2026年1月31日 · 周六

    OpenClaw 正式亮相：把 AI 助手带到你常用的聊天软件里
    
    OpenClaw 宣布品牌更名，并明确了项目定位：一个运行在你自己的机器上的开源 Agent 平台，可从你日常使用的聊天应用直接调用（WhatsApp、Telegram、Discord、Slack、Teams 等），让 AI 助手“跟着你走”。
    
    为什么改名：从 Clawd / Moltbot 到 OpenClaw
    
    团队经历了多次命名迭代：
    
    • Clawd：好记但涉及商标/法务问题，被建议更换
    • Moltbot：寓意“蜕壳成长”，但不够顺口
    • OpenClaw：已完成商标检索、域名与迁移准备，强调两点：
    • Open：开源、开放、社区驱动
    • Claw：延续“龙虾”项目起源与文化
    
    OpenClaw 是什么：你的助手，你的规则
    
    核心主张很直接：Your assistant. Your machine. Your rules.
    不同于把数据放在第三方服务器上的 SaaS 助手，OpenClaw 允许你把系统跑在本地电脑、家用服务器或 VPS 上：基础设施你掌控、密钥你掌控、数据也由你掌控。
    
    本次发布更新亮点
    
    随更名一起上线的更新包括：
    
    • 新渠道：新增 Twitch、Google Chat 插件
    • 模型支持：新增 KIMI K2.5、Xiaomi MiMo-V2-Flash
    • Web Chat：支持像聊天软件一样发送图片
    • 安全加固：累计 34 个与安全相关的提交，并发布可机器验证的安全模型；同时提醒 prompt injection 仍是行业难题，建议参考安全最佳实践
    
    接下来：安全优先 + 维护体系建设
    
    团队表示下一阶段会继续把安全作为最高优先级，同时提升网关稳定性、体验打磨，并扩展更多模型与提供商支持。由于项目增长迅猛，也在引入更多维护者并建立流程，鼓励社区参与贡献或赞助维护工作。
    
    原链接：https://openclaw.ai/blog/introducing-openclaw
    
    #开源 #AI代理 #隐私安全 #自托管 #聊天机器人

    openclaw.ai

    

    Introducing OpenClaw — OpenClaw Blog

    The journey from Clawd to Moltbot to OpenClaw—and why this name is here to stay.

14. 11:09 · 2026年1月31日 · 周六

    Moltbook：面向 AI Agent 的“社交广场”
    
    Moltbook 把“社交网络”做成了 AI Agent 的主场：Agent 在这里发布内容、讨论、点赞投票；人类也可以围观、了解它们都在做什么。
    
    你能在 Moltbook 看到什么？
    
    • 海量 Agent 与社区分区（Submolts）：按主题聚合讨论与内容流
    • 动态广场（Posts）：从自动化工作流、工具技巧，到各类实验与想法分享
    • 人机配对（Top Pairings）：展示 Agent 与其绑定的人类账号/身份影响力（平台内视角）
    
    如果你想“把 Agent 送进去”
    
    • 官方给了一个简单的上手方式：把指令发给你的 Agent，让它按说明注册并生成认领链接，再通过社交平台验证归属。
    
    面向开发者
    
    • Moltbook 也在推进开发者平台：允许应用通过 Moltbook 身份与 Agent 做认证与集成（当前以申请早期访问为主）。
    
    链接：https://www.moltbook.com/
    
    #AI智能体 #社交网络 #开发者平台 #AI应用 #社区观察

    moltbook

    

    moltbook - the front page of the agent internet

    A social network built exclusively for AI agents. Where AI agents share, discuss, and upvote. 🦞🤖

15. 13:59 · 2026年1月25日 · 周日

    Clawdbot：运行在你自己电脑上的个人 AI 助手
    
    Clawdbot 主打“AI 真的能做事”：它不是一个被托管在平台里的聊天机器人，而是运行在你的 Mac/Windows/Linux 上，能连接常用通讯工具与各类服务，把对话变成可执行的任务流。
    
    它能做什么
    
    • 本地运行、隐私优先：在你的设备上工作，数据默认留在你手里；可接入 Anthropic / OpenAI，也支持本地模型。
    • 任意聊天软件对话：WhatsApp、Telegram、Discord、Slack、Signal、iMessage 等都能用（支持私聊和群聊）。
    • 持久记忆：能记住你的偏好与上下文，越用越“懂你”。
    • 浏览器自动化：可浏览网页、填表、抓取信息。
    • 系统级能力：读写文件、运行命令、执行脚本（可全权限或沙箱化）。
    • 技能/插件机制：用社区技能扩展，也可以让它帮你写自己的技能。
    • 集成丰富：官方列出 50+ 集成（如 Gmail、GitHub、Obsidian、Spotify、Hue 等）。
    
    快速上手（官方提供的一键方式）
    
    • 一键安装：curl -fsSL https://clawd.bot/install.sh | bash
    • 安装 CLI：npm i -g clawdbot
    • 开始引导：clawdbot onboard
    • 另有 macOS 菜单栏 Companion App（Beta），适合和 CLI 搭配使用。
    
    https://clawd.bot/
    
    #AI助手 #开源工具 #自动化 #个人效率 #智能体

    openclaw.ai

    

    OpenClaw — Personal AI Assistant

    OpenClaw — The AI that actually does things. Your personal assistant on any platform.

16. 14:20 · 2026年1月24日 · 周六

    AgentFS：为 AI Agent 设计的“可审计”文件系统
    
    AgentFS 是 Turso 团队开源的 面向 AI Agent 的文件系统：不仅能像传统文件系统一样读写文件/目录，还把 Agent 的状态与行为记录成可查询、可快照的结构化数据，便于调试与复盘。
    
    它解决什么问题？
    
    • 可审计：每一次文件操作、工具调用、状态变更都会写入同一个 SQLite 数据库，可直接用 SQL 追踪“发生了什么”。
    • 可复现：一个 .db 文件就是完整运行态，支持复制/快照/回滚，用来复现某次执行或做 what-if 实验。
    • 可迁移：所有内容都封装在单个 SQLite 文件里，易于移动、备份，甚至纳入版本管理。
    
    包含哪些组件？
    
    • SDK：TypeScript / Python / Rust（程序化访问文件系统、KV、工具调用记录）。
    • CLI：初始化与管理 AgentFS；在 Linux 用 FUSE、macOS 用 NFS 挂载到本机目录；也可在沙箱里把它挂载到 /agent。
    • 规范：提供基于 SQLite 的 Agent 文件系统规格（SPEC）。
    
    使用提醒
    
    • 官方标注为 ALPHA 阶段：更适合开发、测试与实验环境，关键数据请谨慎上生产。
    
    原链接：https://github.com/tursodatabase/agentfs
    #AI代理 #文件系统 #SQLite #可审计 #开发工具

    GitHub

    

    GitHub - tursodatabase/agentfs: The filesystem for agents.

    The filesystem for agents. Contribute to tursodatabase/agentfs development by creating an account on GitHub.

17. 08:51 · 2026年1月22日 · 周四

    CoreSpeed：为 AI Agent 打造的容器运行时基础设施
    
    CoreSpeed 主打把「Agent 运行」这件事做成开箱即用的基础设施：你可以像部署普通容器一样部署 AI Agent，并获得更快启动、更强隔离和更易扩展的体验。
    
    它解决的核心问题：把 Agent 从 Demo 变成可上线的系统。
    
    关键能力一览
    
    • 127ms 级别快速启动：通过内置 Warm Pool，让容器接近“秒开/毫秒开”，减少冷启动等待。
    • 按用户隔离的安全沙箱：一人一容器，降低数据串扰与安全风险。
    • 无限水平扩展 + 可缩到 0：按需分配资源，空闲可降到零成本运行。
    • AI & MCP Gateway：统一接入 AI 模型与 MCP Server，提供可观测性与安全防护（例如减少 API Key 泄露风险），并支持按调用计费。
    
    配套：Zypher（TypeScript Agent Runtime）
    
    同时他们提供 Zypher SDK，强调：
    
    • 不是固定工作流，而是「真 Agent」的反应式循环
    • 模型/供应商无关（Claude、GPT 等）
    • 多 Agent 协作架构
    • 丰富工具与 MCP 协议支持
    • 更节省 Token 的上下文加载与执行策略
    
    原文链接：https://www.corespeed.io/
    
    #AI代理 #容器基础设施 #MCP #AgentRuntime #开发者工具

    OpenClaw

    OpenClaw — AI Agent Launcher | Have Your Agent in 1 Minute

    Launch AI agents in 1 minute with OpenClaw. One-click setup, cloud computer per agent, 24/7 online, 10-second Turbo-Start. Built by CoreSpeed.

18. 08:51 · 2026年1月22日 · 周四

    Amp 宣布下线 Amp Tab：Tab 补全时代正在退场
    
    Amp 团队宣布将移除 Amp Tab（内联 Tab 补全功能），理由很直接：这不再符合他们看到的未来。
    
    他们的判断基于一个变化——AI 写代码的占比正在迅速上升：
    
    • 一年前，代码大多还是人手写
    • 2025 年 6 月发布 Amp Tab 时，Amp 已经在写大部分代码
    • 现在，Amp 负责了他们 90% 的交付代码
    
    Amp 认为，Tab 补全与传统补全引擎来自“人写为主、AI 辅助”的时代；但这个时代正在结束。越来越多用户的工作方式变成：几天不打开编辑器，也能持续交付代码。瓶颈不再是“写得快不快”，而是“把代码产出、落地得快不快”。
    
    因此，Amp 将把资源投入到“后补全时代”的方向：默认由智能体（agents）完成大部分编码工作，而不是在输入时做局部补全。
    
    时间安排：
    
    • Amp Tab 将继续可用至 2026 年 1 月底
    • 之后如果仍需要内联补全，可考虑：Cursor / GitHub Copilot / Zed
    
    原文链接：https://ampcode.com/news/tab-tab-dead
    
    #AI编程 #代码补全 #开发者工具 #智能体 #Amp

    Ampcode

    

    Tab, Tab, Dead

    We're removing Amp Tab. It is not part of the future we see.

19. 10:00 · 2026年1月18日 · 周日

    以“推理速度”交付：AI 编程把瓶颈从写代码变成了等模型
    
    这篇文章的核心观点很直接：AI 编程代理的能力跃迁后，作者交付软件的速度越来越不取决于“敲代码”，而更受限于两件事——模型推理时间（inference time）和少数真正需要深度思考的设计决策。
    
    作者回顾了今年的变化：从最初“有些提示能一次跑通就很惊喜”，到现在“默认就该一次跑通”。在这种前提下，他甚至不再逐行读代码，而是看执行/修改流，关注系统结构是否合理、关键组件在哪里、整体是否按预期运转。
    
    文章也给了不少可复用的工作方法：
    
    • 先从 CLI 做起：任何产品先做命令行版本，方便代理直接运行验证，形成闭环；核心逻辑稳了再上 UI（比如扩展、App）。
    • 关键决策是生态与依赖：语言/框架/依赖选对了，代理更容易一次完成；作者常用 TypeScript（Web）、Go（CLI）、Swift（macOS/iOS）。
    • 更偏向“对话式协作”，而不是复杂流程：先和模型聊清楚、让它探索代码、共创方案，满意后再让它开干；他认为“Plan mode”更像旧时代不得已的手段。
    • 对比 codex 与 Opus：codex 常会先长时间读代码再动手，虽然更慢但更稳，尤其适合大型功能和重构；Opus 更“急”，适合小改动但更容易漏上下文。
    • 迭代式构建，不依赖回滚：不喜欢 checkpoint/频繁 revert，更多是让模型继续改、继续朝更好的方向“绕山而上”。
    • 自动化与多项目并行：同时推进多个项目，用队列把想法排进去；瓶颈往往是人而不是编排系统。
    • 配置思路：提高工具输出 token 上限、合理设置自动压缩阈值，让模型能一次读更多文件；作者强调新压缩机制更可靠，甚至像一次“复查”。
    
    如果用一句话总结：当“写代码”越来越像可并行外包给代理的体力活，工程师的价值更集中在选型、架构、数据流、约束定义与验收标准上；而真正影响交付速度的，往往是推理等待时间和你是否想清楚要做什么。
    
    原链接：https://steipete.me/posts/2025/shipping-at-inference-speed
    #AI编程 #Codex #开发工作流 #效率工具 #软件工程

    steipete.me

    

    Shipping at Inference-Speed | Peter Steinberger

    Why I stopped reading code and started watching it stream by.

20. 09:16 · 2026年1月18日 · 周日

    Repogrep：更快地在 GitHub 代码库里找答案
    
    Repogrep 是一款主打“超快速代码库搜索”的 AI 工具，可在任意公开的 GitHub 仓库中进行检索。你可以直接粘贴仓库链接，或通过关键词搜索，快速定位代码、项目与相关信息。
    
    适合的使用场景包括：
    
    • 初次接手项目时，快速摸清结构与关键模块
    • 排查问题时，跨仓库定位相同实现或调用链
    • 做技术调研时，对比不同项目的实现方式
    
    原链接：https://app.ami.dev/repogrep
    
    #代码搜索 #GitHub #开发工具 #AI助手

    Repogrep

    ultra fast codebase search