mattpocock/skills
这个项目是著名 TypeScript 教育家 Matt Pocock 分享的一份“技能清单”,直接来自他的 AI 编程助手 Claude 的配置文件。它列出了他认为一名“真正工程师”应该掌握的核心能力——从代码审查、架构决策到技术债管理,覆盖了远比语法更重要的工程实践。与其说是代码库,不如说是一份工程文化的宣言。适合想提升团队工程水平或建立个人技术成长路线的开发者阅读。
本页展示 60/310 条 · 3 个来源(按热度排序)
这个项目是著名 TypeScript 教育家 Matt Pocock 分享的一份“技能清单”,直接来自他的 AI 编程助手 Claude 的配置文件。它列出了他认为一名“真正工程师”应该掌握的核心能力——从代码审查、架构决策到技术债管理,覆盖了远比语法更重要的工程实践。与其说是代码库,不如说是一份工程文化的宣言。适合想提升团队工程水平或建立个人技术成长路线的开发者阅读。
这个项目收集了全球各地公开可用的IPTV频道,让你能轻松观看来自世界各国的电视节目。对于热爱探索不同文化节目或身处海外想收看家乡频道的人来说,它提供了一个免费且便捷的聚合入口,无需繁琐的订阅流程。重要的是,它完全开源并由社区维护,频道列表会持续更新,有效解决了寻找稳定免费IPTV源的常见痛点。
Immich是一款高性能的自托管照片和视频管理应用,旨在替代Google Photos等云服务。它提供自动备份、智能搜索、人脸识别等功能,所有数据都存储在用户自己的服务器上,解决了隐私和数据控制问题。适合注重数据隐私、希望拥有个人云相册的用户。
「穴居人」是一个脑洞大开的 Claude Code 技能:通过用极其简短的“原始语言”与 AI 交互,最多能减少 65% 的 token 消耗。它巧妙地利用了大模型对精简指令的理解能力,既省钱又高效,尤其适合频繁调用 API 的开发者或预算有限的团队。
Taste-Skill 是一个让 AI 拥有“品味”的开源项目,旨在阻止 AI 生成无聊、千篇一律的套话。它通过注入风格偏好和审美标准,让模型输出更具个性与创意。对于厌倦了 AI 那种“官方腔”和模板化回复的内容创作者、营销人员或任何使用生成式 AI 的用户,这个项目能解放你的生产力,让 AI 的产出真正有灵魂、有风格。
Agent-Reach是一个命令行工具,让AI代理能够直接“看到”整个互联网。它支持读取和搜索Twitter、Reddit、YouTube、GitHub、Bilibili、小红书等主流平台,而且不需要任何API费用。对于开发AI代理的人来说,最大的痛点就是如何让代理获取实时、跨平台的信息,这款工具通过简单的CLI命令就解决了这个问题。无论是做社交媒体分析、技术趋势追踪还是内容聚合,开发者都可以零成本地为自己的AI装上“眼睛”。
这个GitHub仓库公开了从Anthropic和OpenAI等AI公司模型中提取的系统提示(system prompts),包括Claude Fable 5、Opus 4.8、ChatGPT 5.5 Thinking等版本。这些提示揭示了模型背后的一些行为规则和设计逻辑,对AI研究者和开发者理解模型内部机制、进行提示工程非常有价值,但也引发了关于安全和隐私的讨论。
asgeirtj/system_prompts_leaks 是一个 GitHub 项目,它收集了 Anthropic 和 OpenAI 多个大模型的系统提示词,包括 Claude Fable 5、Opus 4.8、ChatGPT 5.5 Thinking 等。这些提示词揭示了模型背后如何被引导、如何设定角色和限制,对 AI 研究者和开发者理解模型行为非常有价值。它引发了关于提示工程和模型安全边界的讨论,也是窥探顶级 AI 内部设计的一个窗口。
mvanhorn/last30days-skill 是一个 AI 代理技能,能自动从 Reddit、X、YouTube、Hacker News、Polymarket 和全网搜索某个话题,并合成一份有据可循的摘要。它解决了信息碎片化问题,帮助研究者、内容和投资者快速了解最近30天内的舆论热点和市场情绪。
Supervision是Roboflow推出的开源计算机视觉工具库,旨在简化视觉AI应用的开发流程。它提供数据标注、模型评估、可视化等可复用组件,支持主流框架如YOLO、SAM等。开发者无需重复造轮子,即可快速搭建从训练到部署的完整管线,适合计算机视觉工程师和研究人员提高效率。
苹果官方开源了一个名为container的工具,它利用轻量级虚拟机在Mac上创建和管理Linux容器。整个工具用Swift编写并针对Apple Silicon深度优化,为macOS开发者提供了一种原生、高效且安全的容器运行方案,填补了Apple生态中本地Linux容器体验的空白。
开源项目 chrome-devtools-mcp — Chrome DevTools for coding agents
Strix是一款开源的AI渗透测试工具,能够自动扫描并修复应用中的安全漏洞。它利用人工智能模拟攻击行为,帮助开发者在早期发现潜在风险,大幅提升安全检测效率。对于缺乏专业安全团队的初创公司和个人开发者来说,Strix提供了一种低成本、高效率的防护方案,让应用安全不再成为短板。
OpenMontage 是首个开源智能体视频制作系统,拥有 12 条流水线、52 个工具和 500 多种智能体技能,可以把你的 AI 编程助手变成一个完整的视频制作团队。它解决了传统视频制作流程复杂、门槛高的问题,通过智能体自动完成脚本、剪辑、配音、特效等任务,让任何人都能快速生成专业视频。对内容创作者、营销人员和开发者来说,这意味着不需要专业设备或团队,只用自然语言描述就能产出高质量视频,极大降低了视频制作的门槛和成本。
这是一个高性能的代码智能MCP服务器,能将整个代码库索引成持久化的知识图谱,支持158种语言,平均查询响应时间仅为毫秒级。它极大地提升了开发者在大型项目中快速理解代码结构的能力,尤其适合复杂代码库的维护和重构场景。
据报道,Anthropic正计划全面封禁所谓“地下通道”——即第三方绕过官方API限制的非正规使用方式。此举旨在加强对其AI模型访问的控制,确保合规使用并防止滥用。这对那些依赖非官方接口的开发者或研究机构可能产生影响,但也体现了AI公司在安全治理上的持续推进。
一款名为OASIS的语音输入戒指在海外走红,它支持用户通过语音直接输入文字,无需键盘。其流行与“Vibe Coding”趋势有关——开发者用自然语言描述需求,AI自动生成代码,而语音戒指则让这一过程更加自然便捷。这款设备适合编程人员、创作者以及随时随地需要高效输入的用户,预示着AI硬件的消费化浪潮。
据传OpenAI的GPT-5.6将推出三大模型,并定于7月7日发布,这一消息引发行业震动。此次可能同时发布多个变体,覆盖不同应用场景,对于AI开发者、企业和普通用户来说,这将是下一代语言模型的重要里程碑,意味着更强大的推理能力和更广泛的应用可能性。标题中的“趁火打劫”暗示这可能是在竞争对手遭遇困境时加速推出的策略,值得关注其背后的商业博弈。
这篇文章探讨了在效率工具泛滥的时代,真正决定个人差距的不是技术或工具,而是内在的“心力”,包括意志力、专注力和情绪管理能力。作者认为,工具可以复制,但心力无法外包,尤其在AI辅助工作中,心力成为稀缺资源。对于职场人士、创业者以及任何追求长期成长的人,培养心力比掌握更多工具更重要。
文章以幽默口吻指出,中年男性常见的烧钱爱好中,观鸟意外成为新晋“败家”榜首。从前被认为是小众的观鸟活动,如今因高端望远镜、相机和旅行成本而花费不菲。这反映了中年群体在追求精神寄托和生活情趣时的消费升级,对户外装备厂商和旅行服务商来说,这是一个值得关注的新兴市场。
近期美日韩三地芯片股大幅下跌,部分舆论将原因归咎于中国需求疲软或政策限制。然而,文章分析指出深层原因包括全球半导体周期下行、库存过剩以及地缘政治不确定性。对于投资者和相关行业从业者,理解这些复杂因素比简单归因于单一国家更为重要,实际影响涉及全球供应链调整和行业格局变化。
快手创始人程一笑正带领旗下AI产品可灵AI参与一场“对赌局”,这并非简单的博弈,而是一次将AI预测能力应用于实际商业决策的试验。可灵AI通过分析海量数据与模型推演,试图在充满不确定性的对赌场景中占据优势。这一举动不仅展示了AI在复杂博弈中的潜力,也为AI技术从实验室走向真实商业应用提供了有趣范本,吸引投资者与科技圈的密切关注。
AI眼镜芯片正面临“不可能三角”的严峻挑战,即在性能、功耗与成本之间难以同时兼顾。当前芯片设计在追求低功耗的同时往往牺牲计算力,而提升性能又可能导致发热和成本飙升。这篇文章深入分析了AI眼镜芯片需要跨越的技术门槛,包括专用架构优化、先进制程取舍以及散热方案创新,指出只有突破这些瓶颈,AI眼镜才能真正走向轻量化和普及化。
在近期一次演讲中,被誉为深度学习之父的Geoffrey Hinton盛赞了Gemini项目的核心贡献者,并预言未来将出现数十亿个超人级别的AI“爱因斯坦”。演讲者认为,随着AI能力指数级增长,这些超级智能体将在科学发现、创意艺术等领域超越人类顶尖专家,引发社会结构的根本变革。这一展望既令人振奋又引发深思,探讨人类如何在超人级AI时代保持主导地位。
Vercel正式发布了名为Eve的开源AI智能体开发框架,旨在降低AI智能体应用的构建和部署门槛。Eve提供了一系列模块化的工具和强大的运行时支持,开发者可以像搭积木一样快速创建、测试和扩展自己的智能体。这一框架特别适合前端开发者、全栈工程师以及希望将AI能力集成到Web应用中的团队,它让智能体开发变得简单而高效,有望加速AI在Web领域的落地。
AReaL 2.0 近期开源,这是一个专门为智能体打造的“成长系统”,核心在于赋予 AI Agent 持续学习和自我进化的能力。与传统的静态模型不同,该系统允许智能体在实际使用中不断吸收新知识、优化决策策略,从而越用越聪明、越用越适应复杂场景。对于开发者而言,这意味着他们可以构建出真正具备长期生命力的 Agent 应用,而不是一次训练后就停滞不前的工具。这一项目开源后,将极大降低让智能体具备持续学习能力的技术门槛,推动 AI 从“一次性交付”走向“持续进化”。
这篇文章深刻反思了编程的本质:代码不仅是给机器运行的指令,更是写给未来开发者(包括未来的自己)的一封信。作者认为,优秀的代码应当像一篇流畅的记叙文,注重可读性、意图表达和长期可维护性,而非仅仅追求当下的功能实现。在技术快速迭代的今天,这种“为未来写代码”的理念尤为重要,它提醒我们在追求效率的同时,不要忘记团队协作和知识传承的价值。
一款基于Anthropic Claude模型构建的AI写作工具Fable因用户多次请求失败引发投诉,而Anthropic的官方回应竟暗示问题出在用户不会正确使用,这一傲慢态度彻底激怒了用户群体。人们吐槽说,花了最贵的钱买了最先进的大模型,却换来最憋屈的使用体验——不仅产品不友好,连反馈都被踢皮球。事件暴露了AI公司在用户体验与客服响应上的短板,提醒所有AI厂商:模型再强,也得有人情味。
在 AI Agent 的火热浪潮下,这篇文章冷静地指出了规模化落地中普遍遭遇的僵局。问题出在哪儿?作者分析认为,当前多数 Agent 在真实业务中面临可靠性不足、成本失控、场景碎片化以及缺乏统一标准的困境。尽管演示很炫酷,但一旦要扩展到成百上千个节点,各种边缘情况就会让系统变得脆弱。这篇文章对于正计划大举投入 Agent 的企业来说,是一剂必要的清醒剂,提醒我们在追逐热潮的同时,要先解决基础工程挑战。
Meta因被指责退出AI竞赛而转向提供算力服务,股价应声暴涨10%。这引发了“卖铲子比淘金更赚”的讨论,即提供基础设施比直接参与AI模型竞争可能更有利可图。该现象揭示了AI产业链中基础设施服务的价值。
行业智能体时代正式来临,出行和货运领域率先实现突破。智能体通过自主决策和任务执行,极大提升了运营效率和服务质量。这标志着AI从通用对话走向垂直行业深度应用,将重塑行业格局。
本文介绍如何利用AI Agent实现热补丁的自动化生成,通过智能体理解代码变更和系统状态,自动生成并部署补丁,减少人工干预和停机时间。这对于需要快速响应安全漏洞或bug的开发团队极具价值。
这篇文章聚焦于“一人公司”创业模式,即由单一个体运营的小型科技企业。作者提供了如何选择合适的方法论,如精益创业和敏捷开发,以及装备库,包括工具链、云服务和AI助手的建议。对于独立开发者、自由职业者和微型创业者,这些指导可以帮助他们以最小成本高效构建和运营产品,实现从零到一的突破。
文章讲述了从龙蜥操作系统孵化项目到向上游贡献的过程,重点介绍了SGLang Tracing与AI Agent调优的实践。通过开源协作,提升了AI Agent的可观测性和性能调优能力,为社区提供了宝贵经验。
GitLab的一项调研显示,AI工具虽然加快了代码编写速度,但并未显著提升整体软件交付效率。原因可能在于测试、部署等环节存在瓶颈。这提醒团队不能只关注编码加速,而需系统性优化流程。
文章深入分析了Java实时系统在扩容时采用事件驱动设计所面临的隐性权衡。虽然事件驱动架构能带来高吞吐和弹性扩展,但它也引入了额外的复杂性,如调试困难、延迟不确定性以及状态管理挑战。对于构建高性能分布式系统的开发者而言,理解这些权衡至关重要,因为盲目采用可能反而导致系统不稳定。
随着音视频AI Agent从生成走向交付,业界意识到需要一个生产级开发套件来支撑全流程。该套件不仅要处理模型推理,还要覆盖编码、封装、分发等环节,确保实时性与质量。这篇文章强调了标准化工具链的重要性,它能让开发者更高效地构建可落地的音视频应用,推动AI在影视、直播等领域的实际部署。
Anthropic通过其产品Claude Code展示了惊人的降本能力:删掉80%的提示词后性能反而提升。他们借助自研的Fable 5框架,用更少的token生成更精准的代码,大幅降低推理成本。这预示着AI行业“降本”竞赛才刚刚开始,对于有大规模AI部署需求的企业,优化提示词将是关键突破口。
OpenAI和Anthropic纷纷启动自研芯片项目,目标直指英伟达在AI训练市场上的暴利护城河。通过定制化硬件,它们希望大幅降低大模型训练的天价成本,同时提升效率与供应链自主权。这一动作不仅可能撼动英伟达的垄断地位,更意味着AI基础设施正在从通用GPU走向专用芯片时代,对整个产业生态产生深远影响。
大晓机器人首席科学家陶大程提出,世界模型的核心目标不是完美复刻现实世界,而是为智能体提供足以支撑行动决策的精准预测。这一观点挑战了传统追求高保真模拟的做法,强调实用性优先。对于具身智能和机器人领域,这意味着模型设计应聚焦于任务相关的关键信息,而非浪费算力在无关细节上,从而让机器人更高效地与现实交互。