Search: #开源工具

面条的草稿箱

1. 18:03 · 2026年5月11日 · 周一

   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 Agent Harness Framework

   Agent = Model + Harness. Build autonomous agents and powerful AI workflows with Flue's programmable TypeScript harness. Write once, deploy anywhere.

2. 09:13 · 2026年4月25日 · 周六

   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

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, Copilot, OpenCode from anywhere

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

4. 09:48 · 2026年3月25日 · 周三

   GitAgent：用 Git 仓库定义 AI Agent 的开放标准
   
   AI Agent 框架百花齐放，但每个框架都有自己的结构，Agent 定义无法跨平台复用。GitAgent 提出了一种框架无关、基于 Git 的 Agent 定义标准——克隆一个仓库，就能获得一个 Agent。
   
   核心理念
   
   • Git 原生：版本控制、分支管理、Diff 比较、协作能力开箱即用
   • 框架无关：通过适配器导出到 Claude Code、OpenAI、CrewAI、Cursor 等任意框架
   • 合规就绪：内置 FINRA、美联储、SEC 等金融监管合规支持
   • 可组合：Agent 之间可以继承、依赖和委托
   
   怎么用？
   
   一个仓库只需两个文件即可成为 Agent：
   
   • agent.yaml：清单文件，定义名称、版本、模型、技能、工具等
   • SOUL.md：身份文件，定义人格、沟通风格和价值观
   
   可选添加 RULES.md（硬约束）、DUTIES.md（职责分离）、skills/（技能模块）、workflows/（工作流）等目录，按需扩展。
   
   亮点设计
   
   • 12 种架构模式：包括人类审批（Human-in-the-Loop）、Agent 版本管理、分支部署、Agent Fork 与混用、CI/CD 集成、生命周期钩子等
   • 职责分离（SOD）：定义角色权限和冲突矩阵，确保关键流程不被单一 Agent 端到端控制
   • SkillsFlow：用 YAML 定义确定性多步工作流，支持步骤依赖和模板数据流
   • 11 个导出适配器：覆盖 system-prompt、Claude Code、OpenAI、CrewAI、Cursor、Lyzr 等主流平台
   
   快速开始
   
   

   npm install -g gitagent
   gitagent init --template standard
   gitagent validate
   gitagent export --format system-prompt
   

   
   
   项目目前已获 1.1k Star，MIT 开源协议。
   
   🔗 https://github.com/open-gitagent/gitagent
   
   #AIAgent #GitAgent #开源 #Agent标准化 #框架无关

   GitHub

   

   GitHub - open-gitagent/gitagent: A universal git-native AI agent framework. Your agent lives inside a git repo — identity, rules…

   A universal git-native AI agent framework. Your agent lives inside a git repo — identity, rules, memory, tools, and skills are all version-controlled files. - open-gitagent/gitagent

5. 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.

6. 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.

7. 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

   Zero connects to 100+ tools and does the work. Reports, triage, outreach, research. In Slack or on the web.

8. 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.

9. 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.

10. 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.

11. 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

12. 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.

13. 13:36 · 2026年1月16日 · 周五

    Open Responses：让 LLM 接口真正“可互通”的开放规范
    
    Open Responses 是一个开源规范与生态，目标是基于 OpenAI Responses API 的理念，建立多模型提供方可互操作的统一接口层。它通过共享 Schema 和配套工具，让开发者能用同一种请求/输出结构，跨不同提供方调用模型、处理流式返回，并组合更复杂的 Agent 工作流。
    
    为什么需要它？
    现在各家 LLM API 的核心组件越来越相似（消息、工具调用、流式、多模态等），但细节编码方式不同，迁移与兼容成本高。Open Responses 希望把“共同部分”沉淀成稳定规范，减少重复适配。
    
    它强调的设计方向：
    
    • 默认多提供方：一套 Schema 映射多家模型/平台
    • 更贴近真实 Agent 工作流：统一的流式事件、工具调用模式，以及以“items”作为输出与工具使用的原子单元
    • 可扩展但不碎片化：核心稳定，同时允许在必要时容纳提供方特性
    
    如何开始：
    
    • 阅读规范，理解 items、流式事件、工具使用等核心概念
    • 查看 OpenAPI 参考，掌握完整类型与接口面
    • 用官方的验收测试验证你的 API 实现一致性
    
    原链接：https://www.openresponses.org/
    
    #LLM #开放规范 #多模型 #互操作 #API设计

    www.openresponses.org

    Open Responses

    Open Responses documentation overview.

14. 17:21 · 2026年1月12日 · 周一

    Claude Opus 4.5：让“能做”突然变得很容易
    
    作者分享了一个明显的转折：三个月前他还不相信“AI 代理能替代开发者”，但在体验 Claude Opus 4.5 后，他开始认为这件事正在发生——至少在相当一部分软件开发场景里。
    
    他用几个真实项目说明差异不在“会写代码”，而在于一次成功率、能自我迭代、能把复杂系统拼起来：
    
    • Windows 右键图片格式转换工具：从文件资源管理器菜单到打包、安装/卸载脚本、发布网站、GitHub Actions 自动发布，整体接近“一次成型”。遇到报错会自己用 dotnet 构建、读错误、再修复。
    • 录屏与简单剪辑工具：从类似 LICEcap 的录制开始，持续加到视频/图片编辑、裁剪、模糊、标注等功能，作者感叹“几小时就推进到很远”。
    • AI 发帖工具（给小生意用）：iOS 端批量上传照片→AI 生成文案→定时发到 Facebook。后端涉及认证、存储、云函数、日志排错等一堆“胶水活”，但模型能通过 CLI 自己创建资源、查日志并修问题，还顺手做了管理后台。
    • 订单与路线追踪：解析 Gmail 订单、规划路线、统计行驶时间（用于税务），作者强调：这种“手写很痛苦”的 Google/Firebase 集成，Opus 4.5 反而很顺。
    
    文章也没有回避争议点：
    作者承认自己并不完全理解这些应用“内部怎么搭起来的”（比如 Swift 不熟），但他的焦虑在减轻——因为当问题出现时，模型往往能定位并修复自己的 bug。于是他提出一个更激进的想法：代码也许不必主要面向人类可读，而是面向 LLM 可推理、可重写、可调试。
    
    他甚至分享了一份自用的“AI-first 编码”提示词要点（概念层面）：
    
    • 追求可预测、可调试、低耦合、入口清晰、控制流线性
    • 少炫技抽象，减少层级与间接性
    • 该删就删；重构也要分高/中/低优先级
    • 安全需要更谨慎：API key、登录流程、敏感数据存储等不能盲信
    
    结尾的态度是复杂的：既兴奋于“几小时能做出过去要几周/月的东西”，也沮丧于技能壁垒被压平。但他给出的建议很朴素：别等“都懂了”再开始，继续做东西，只是更快了；同时一定盯紧安全与密钥。
    
    原文链接：https://burkeholland.github.io/posts/opus-4-5-change-everything/
    
    #AI编程 #开发者工具 #Claude #软件工程 #生产力

    Burke Holland

    

    Opus 4.5 is going to change everything

    Three months ago I would have dismissed claims that AI could replace developers. Today, after using Claude Opus 4.5, I believe AI coding agents can absolutely replace developers.

15. 14:08 · 2026年1月11日 · 周日

    dotagents：用一个 .agents 目录统一管理各类 AI 工具配置
    
    dotagents 是一个 CLI/TUI 工具，把项目或全局的 .agents 目录作为“唯一真相源”，自动为不同 AI 工具创建软链接，并支持安装技能（skills）和插件（plugins），方便在多环境之间保持一致配置、可重复执行、易维护。
    
    你能用它做什么
    
    • 以 .agents 为中心统一管理：hooks、commands、skills，以及 AGENTS/CLAUDE.md 等说明文件
    • 一键创建软链接，适配多工具（Claude / Codex / Factory）
    • 从本地路径、Git URL、HTTPS URL 安装 skills；并支持从 marketplace 安装 plugins
    • 可随时重复运行，用于补装、修复链接或更新能力集
    
    快速开始（要求：Bun 1.3+）
    
    • npx @iannuttall/dotagents
    • 或 bunx @iannuttall/dotagents
    
    链接关系示例
    
    • .agents/AGENTS.md → ~/.claude/CLAUDE.md
    • .agents/commands → ~/.claude/commands / ~/.factory/commands / ~/.codex/prompts
    • .agents/hooks、.agents/skills 同步到对应工具目录
    
    https://github.com/iannuttall/dotagents
    
    #AI工具 #开发效率 #CLI #Claude #Codex

    GitHub

    

    GitHub - iannuttall/dotagents: One location for all of your hooks, commands, skills, and AGENT/CLAUDE.md files.

    One location for all of your hooks, commands, skills, and AGENT/CLAUDE.md files. - iannuttall/dotagents

16. 15:43 · 2026年1月1日 · 周四

    Steel：为 AI Agent 打造的开源云端浏览器基础设施
    
    Steel 是一个开源的浏览器 API，用来在云端按需启动并控制“浏览器集群”，让 AI Agent、自动化脚本把能力真正带到网页上运行。
    
    它适合做什么？
    
    • 大规模网页抓取与数据采集（也支持更稳定的反爬配置）
    • 自主 Web Agent（下单、订票、填写表单等真实操作流程）
    • 模型训练数据采集、AI 购物助手、RPA/销售自动化、QA 测试、客服自动化
    
    核心能力概览
    
    • Sessions API：一行调用启动浏览器会话
    • 自动 CAPTCHA 处理：减少流程中断
    • 代理与指纹控制：降低被识别为机器人的概率
    • 快速启动：平均会话启动时间低于 1 秒（同区域更快）
    • 长会话：单个会话最长可跑 24 小时
    • 上下文复用：保存/注入 Cookies 与本地存储，续跑更顺畅
    • 低改动迁移：Puppeteer/Playwright/Selenium 通过少量改动即可上云
    • 可观测性：提供会话查看器，支持实时/录制回放调试
    • 安全登录：帮助自动化访问需要登录的站点
    
    价格与开源
    
    • 提供免费档起步（按浏览器小时/代理带宽/CAPTCHA 计量），也有从个人到企业的多档套餐
    • 项目开源，可本地运行或用 Docker 自托管（官方 GitHub 仓库提供）
    
    原链接：https://steel.dev/
    #浏览器自动化 #AI代理 #Web抓取 #开源工具 #云基础设施

    steel.dev

    

    Steel | Open-source Headless Browser API

    Steel is an open-source browser API purpose-built for AI agents.

17. 21:52 · 2025年12月23日 · 周二

    MiniMax M2.1 发布：面向真实复杂任务的多语言编程升级
    
    MiniMax 发布新一代文本模型 MiniMax M2.1，目标从“可用、低成本”进一步走向“能解决真实世界的复杂任务”，重点补齐多语言工程协作与办公场景执行力。
    
    这次重点提升了什么？
    
    • 多语言编程能力系统增强：覆盖 Rust / Java / Go / C++ / Kotlin / Objective‑C / TypeScript / JavaScript 等，更贴近真实项目的多语言栈协作。
    • Web & App 开发更强、更好看：强化原生 Android / iOS 开发，同时提升设计理解与审美表达，支持复杂交互、3D 场景模拟与高质量可视化。
    • 更适合办公场景的“复合指令”执行：在多约束条件下做端到端任务推进，更强调“按要求完成”而不是只写对代码。
    • 更简洁、更高效的输出：相较 M2，响应更精炼、速度更快、token 消耗更低，适配持续式 AI Coding / Agent 工作流。
    • 更强的 Agent / 工具泛化：官方称在多种编码工具与 Agent 框架中表现稳定，并兼容常见的上下文管理约定。
    • 对话与写作质量同步提升：不仅是“更会写代码”，也更擅长技术文档与日常写作的结构化表达。
    
    基准与展示
    
    • 在多项软件工程评测上相对 M2 有明显提升，并强调多语言场景竞争力；同时引入 VIBE（含 Web/Simulation/Android/iOS/Backend）评测体系，用更接近真实运行环境的方式验证“能跑、能交付”。
    
    如何使用
    
    • API：已上线 MiniMax Open Platform
    • 产品：基于 M2.1 的 MiniMax Agent 已开放
    • 开源：模型权重提供本地部署，推荐 SGLang / vLLM 等推理框架
    
    原文链接：https://www.minimax.io/news/minimax-m21
    
    #MiniMax #开源大模型 #AI编程 #多语言开发 #Agent工作流

    MiniMax

    MiniMax M2.1: Significantly Enhanced Multi-Language Programming, Built for Real-World Complex Tasks

18. 08:57 · 2025年12月21日 · 周日

    Bloom：自动化生成“行为评估”的开源框架
    
    前沿模型的对齐研究离不开高质量的行为评估，但传统评估往往开发周期长、容易“过时”（被训练数据污染或被能力提升绕过）。Anthropic 发布了 Bloom：一个开源的“代理式”评估生成框架，用更快、更可扩展的方式衡量模型是否出现特定不对齐行为。
    
    Bloom 的核心思路是：研究者只需定义要测的行为（并可提供少量示例与配置），Bloom 就能自动生成大量情境并运行对话，最后给出该行为在不同模型上的出现频率与严重程度。官方结果显示，Bloom 的评分与人工标注有较强一致性，也能把“正常模型”和被刻意设计成异常行为的“模型个体”区分开。
    
    Bloom 怎么做评估（四阶段流水线）
    
    • 理解（Understanding）：分析研究者的行为描述与示例，明确“要测什么、为什么测”。
    • 构思（Ideation）：自动生成一批用于诱发目标行为的评估场景（含系统提示、用户设定、环境等）。
    • 执行（Rollout）：并行跑场景，对话中还会模拟用户与工具响应，以更真实地触发目标行为。
    • 判定（Judgment）：评审模型为每段对话打分，并输出套件级总结指标（如诱发率、平均行为强度）。
    
    与固定题库不同，Bloom 每次运行可生成不同场景，但通过“seed 配置”保持可复现；研究者还能调节模型选择、对话长度、是否使用工具、场景多样性，以及增加如“真实感”“诱发难度”等副指标。
    
    已发布的基准与一个案例
    
    Anthropic 同时发布了对 16 个模型的基准结果，覆盖四类对齐相关行为：
    
    • 迎合性妄想（delusional sycophancy）
    • 受指令驱动的长程破坏（instructed long-horizon sabotage）
    • 自我保存（self-preservation）
    • 自我偏好偏差（self-preferential bias）
    
    在“自我偏好偏差”案例中，Bloom 复现了系统卡里的模型排序，并进一步发现：在某些模型上，提高推理强度会降低偏差（更多体现为识别利益冲突后拒绝自评）。
    
    开源地址与技术细节见原文与报告：
    https://www.anthropic.com/research/bloom
    
    #AI安全 #对齐研究 #模型评估 #开源工具 #大模型

    Anthropic

    

    Introducing Bloom: an open source tool for automated behavioral evaluations

    Anthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems.

19. 21:52 · 2025年12月20日 · 周六

    用 OpenRouter 接入 Claude Code：更稳、更可控的开发体验
    
    在 Claude Code 里把请求走 OpenRouter，本质上是给 Anthropic API 加一层“可靠性与管理”中间层。需要注意：官方只保证与 Anthropic 第一方（1P）提供商完全兼容；为了最佳兼容性，建议将 Anthropic 1P 设为最高优先级。
    
    为什么要这样接入？
    
    • 自动故障切换（高可用）：遇到 Anthropic API 宕机或限流时，OpenRouter 可在多个 Anthropic 提供商间自动切换，减少编码被打断的概率。
    • 团队预算管理：集中设置额度、分配成员用量、避免成本失控。
    • 用量可视化：在 OpenRouter 的 Activity Dashboard 里实时查看消耗、项目/成员用量等。
    
    快速上手（核心步骤）
    
    1）安装 Claude Code
    
    • macOS / Linux / WSL：
    • curl -fsSL https://claude.ai/install.sh | bash
    • Windows PowerShell：
    • irm https://claude.ai/install.ps1 | iex
    
    2）把 Claude Code 指到 OpenRouter
    
    关键点只有三个：
    
    1. Base URL 用：https://openrouter.ai/api
    2. Auth token 用你的 OpenRouter API Key
    3. 必须把 ANTHROPIC_API_KEY 显式设为空字符串（避免与默认 Anthropic 登录冲突）
    
    把下面环境变量写进你的 shell 配置（例如 ~/.zshrc / ~/.bashrc）：
    
    • export OPENROUTER_API_KEY="<your-openrouter-api-key>"
    • export ANTHROPIC_BASE_URL="https://openrouter.ai/api"
    • export ANTHROPIC_AUTH_TOKEN="$OPENROUTER_API_KEY"
    • export ANTHROPIC_API_KEY=""
    
    补充提醒：
    
    • 不要放在项目级 .env 里：Claude Code 原生安装器不会读常见 .env。
    • 若之前用 Anthropic 账号登录过 Claude Code，先在会话里执行 /logout 清掉缓存凭据。
    
    3）启动并验证
    
    • 进入项目目录运行：claude
    • 在 Claude Code 内用 /status 查看是否生效，应该能看到：
    • Auth token: ANTHROPIC_AUTH_TOKEN
    • Anthropic base URL: https://openrouter.ai/api
    • 也可去 OpenRouter Activity Dashboard 看请求是否实时出现。
    
    进阶：Agent SDK 与 GitHub Action
    
    • Anthropic Agent SDK（Python / TypeScript）：由于它以 Claude Code 为运行时，同样使用上述环境变量即可接入 OpenRouter。
    • Claude Code GitHub Action：在 action step 里
    • anthropic_api_key 传入 secrets.OPENROUTER_API_KEY
    • 环境变量加 ANTHROPIC_BASE_URL: https://openrouter.ai/api
    
    成本跟踪 Statusline（可选）
    
    可以给 Claude Code 加自定义 statusline，实时显示 provider、模型、累计成本、缓存折扣等信息；脚本来自 openrouter-examples 仓库，并通过 ~/.claude/settings.json 配置 statusLine.command 启用。
    
    常见排错
    
    • 认证报错：确认 ANTHROPIC_API_KEY 是 ""（空字符串），而不是未设置；否则 Claude Code 可能回退到默认 Anthropic 认证流程。
    • 上下文长度错误：拆分任务或新开会话。
    • 隐私：OpenRouter 默认不记录你的源码 prompts，除非你在账号设置里明确选择开启日志。
    
    原链接：https://openrouter.ai/docs/guides/guides/claude-code-integration
    
    #ClaudeCode #OpenRouter #Anthropic #开发工具 #成本管理

20. 19:21 · 2025年12月19日 · 周五

    Agent Skills：给 AI Agent “装上技能包”
    
    Agent Skills 是一种开放格式：把一套可复用的指令、脚本与资源打包成「技能」，让智能体在需要时按需加载，从而更准确、更高效地完成真实工作。
    
    为什么需要它？
    
    • 智能体能力越来越强，但常缺少上下文与流程知识；技能把这些程序化经验与团队/组织知识变成可携带、可版本管理的包
    • 对作者：一次构建，多处部署，跨多种智能体产品复用
    • 对企业与团队：把组织最佳实践沉淀为可审计、可迭代的工作流
    
    它能带来什么？
    
    • 领域专长：把法律审阅、数据分析等专业流程封装成可复用指南
    • 新能力扩展：例如自动做演示文稿、搭建 MCP Server、分析数据集等
    • 可重复的工作流：多步骤任务标准化，稳定且可追踪
    • 互操作性：同一技能可在不同“支持技能”的工具/产品间通用
    
    生态与开放性
    该格式最初由 Anthropic 提出并以开放标准发布，已被多种 AI 开发工具与产品支持，并在 GitHub 上开放协作。
    
    上手入口
    
    • 了解技能是什么、格式规范、如何集成、示例技能与参考库（校验与生成 prompt XML）
    
    原链接：https://agentskills.io/home
    #AI代理 #开放标准 #工作流 #知识沉淀 #开发者工具

    Agent Skills

    

    Agent Skills Overview - Agent Skills

    A standardized way to give AI agents new capabilities and expertise.