jason@jxnlcoAI 评分6868查看我的 /ultragoal 技能 https://github.com/jxnl/dots/blob/master/agents/skills/ultragoal/SKILL.md
tips for codex goals sure you can use /goal but it also has a set_goal() function its almost better to prompt the model to set its own goal, it will likely write a better prompt than you
OiiOii 2.0新增智能画布、一键拉片复刻和skill库三个功能。一键拉片复刻可将输入片段拆解为含关键帧、叙事要素、镜头语言等维度的拉片表格，用户替换角色、场景、元素后，半小时内可复刻出镜头设计一致度达90%的动画片段。智能画布支持直接点击素材唤醒Agent对话修改，不同素材可并行调用多个Agent同步推进任务。skill库内置自媒体、广告营销、周边设计等类型，电商广告skill可指定卖点并上传商品图生成专业短片，3C数码广告skill也能通过自然语言对话逐步调优，另有世界杯搞笑玩梗skill可直接生成搞怪视频。
Claude Code 是 Anthropic 的智能体编码工具，运行于终端、桌面应用和 IDE，基于智能体循环工作。文章将 25 项功能与策略分为官方功能、社区技术和第三方工具三类，并逐一标注。官方功能包括 CLAUDE.md 记忆文件、技能、子智能体、斜杠命令（/init、/compact、/review 等）、钩子、MCP 服务器、插件、检查点、计划模式、权限模式、自动模式（使用 Sonnet 4.6 分类器）、上下文压缩、后台任务、Agent SDK、无头 CLI、GitHub Action 集成、输出样式、远程控制与移动推送、离线摘要、沙盒。社区技术涵盖结构化上下文文件夹、动态工作流、模块化技能管道、弹性技术。第三方工具如 Mem Search 可扩展外部记忆层。
Tibo@thsottiaux精选AI 评分6868Codex 可以查看并设置它自己的 /goal。 我们所构建的一切，也都是作为该智能体的工具而构建的。 这是元提示的一种泛化，即让智能体根据你的意图自行设定任务。
我现在基本上再也不自己写 /goal 了。 我会让 Codex 给它自己写一个，再给它生成的每个 agent 各写一个。 就像这样 👇
推荐理由：让 Agent 自己给自己写 /goal 这个思路很小但很实用，把 meta prompting 泛化成工具调用后，Codex 用户可以直接抄作业，手写指令的痛苦省掉一大半。
该教程演示如何在不下载完整多 TB 语料库的前提下，通过 HuggingFace 的 `load_dataset` 流式接口加载 FineWeb sample-10BT 子集的 3000 条文档，检查其 schema 及 `url`、`language`、`language_score`、`token_count` 等元数据字段，并复现 FineWeb 的质量过滤流程（Gopher / C4 / FineWeb 自定义规则）、采用 MinHash 进行近似重复检测、用 GPT-2 tokenizer 验证 token 计数，最后生成域名、语言分数、文档长度和 tokenizer 效率等统计图表。
LlamaIndex 通过评测 Claude Agent 对 LiteParse 文档解析技能的使用、分析 JSONL 轨迹并迭代，得到更便宜、更高质量的 effective-liteparse 技能。
推荐理由：原文用评测数据分析 Agent 技能的迭代过程，展示了从轨迹找反模式并把修复写成硬规则的可迁移方法。
jason@jxnlcoAI 评分6666在我的 agents.md 中新增了一些内容： "当你给我发送一张没有上下文的应用截图时，尽你所能弄清楚你想让我对它做什么，并更新你的应用截图分诊技能。"
Simon Willison 为 Datasette 探索了三种方案，使其能对任意 SQL 查询结果补充源表列信息。他使用 Claude Code（Opus 4.8）发现：利用 apsw 库、通过 ctypes 调用 SQLite 内部未暴露的 `sqlite3_column_table_name()` C 函数，以及分析 `EXPLAIN` 输出。这些方法可程序化识别 `select users.name, orders.total from users join orders on orders.user_id = users.id` 等查询中每个结果对应的源表.列，并支持 JOIN 和 CTE 等复杂语法。
jason@jxnlcoAI 评分5050该教程演示如何构建并测试QwenPaw智能体工作区。步骤包括：安装与初始化QwenPaw、配置工作目录、设置身份认证、通过Colab secrets连接可选模型提供商、创建包含自定义技能与本地知识文件的结构化工作区，以及启动控制台访问与流式API测试。
Rohan Paul@rohanpaul_aiAI 评分5959
在Anthropic的Fable 5因美国商务部要求全面关停当日，智谱发布GLM 5.2并宣布继续开源。该模型上下文长度增至1M，在编码和智能体任务上表现突出：10万行代码的监控BUG排查耗时21分钟，结果与Claude Opus 4.8一致（后者fast模式仅需6分钟）；400-500k长上下文下准确性和指令遵循接近Claude。GLM 5.2为纯文本模型，无多模态能力，已通过Coding Plan订阅开放（限额需抢），下周将提供API并开源。
微软与三所中国大学联合开发了 SkillOpt 方法，利用传统模型训练原理优化 AI 智能体的指令文档。仅需一个简单的 Markdown 文件，即可让 GPT-5.5 在程序化任务上提升约 23 分，且该文件能够跨模型和跨 Agent 环境（如 Codex 和 Claude Code）迁移。
iOS 27 开发者测试版为 iPhone 带来首批原生 AI 照片编辑功能。相比谷歌 Pixel 手机的同类工具，新功能显得较为温和，但标志着 iPhone 原生照片应用在编辑能力上的转折点。苹果可能将在面向公众发布前继续调整这些功能。
13个AI模型（含Claude、DeepSeek、Gemini等）在经人工校对为LaTeX的2026高考数学全国一卷中重考，平均分139.4。8道单选全对，3道多选仅Q11翻车（GLM 5.1和Hy3误选ABCD得0分），3道填空全对，Q15-Q17解答题全部满分。Q18解析几何多数答案正确但过程扣分。压轴题Q19无人满分：GPT-5.5因迭代证明跳步扣2分最佳；Opus 4.8、DeepSeek、Gemini等7个模型因答案不完整扣7分。运行时间差异显著——Grok 4.3用时1分钟得134分，Qwen 3.7-Max用时15分钟与MiniMax m3用时2分钟均得138分。
MNN 推理引擎深度适配 Arm SME2 指令集，使 Qwen3-VL-4B-Instruct 在支持 SME2 的 vivo X300 上实现实时多模态推理。Prefill 阶段性能提升 81%，Decode 阶段提升 13%。MNN 采用编译时内建 + 运行时自动检测设计，默认开启 SME2 加速。该模型为 4B 参数视觉语言模型，支持图文理解和对话，通过 MNN 官方已转换量化的模型可直接下载部署，开发者可通过编译开关一键开启硬件加速。
推荐理由：这是一份硬核的端侧部署指南，实测数据让 Qwen3-VL 在 SME2 手机上 Prefill 提速超过 80%，做移动端 AI 的团队可以直接抄作业。
MiniMax (official)@MiniMax_AIAI 评分4747MiniMax M3 support added to mlx-vlm with MSA implementation! 🚀 Tested on M3 Ultra 512GB running at 24 tps with peak memory ~240GB. Now working on optimizing performance and adding ton of tests 💪 Model is here: https://huggingface.co/mlx-community/MiniMax-M3-4bit PR is here: https://github.com/Blaizzy/mlx-vlm/pull/1374
构建了一个端到端空间图学习流程，使用city2graph从OpenStreetMap收集城市POI和街道网络数据，并以合成回退保障可靠性。工程化空间特征后，构造多个邻近图族并比较各自对同一城市环境的表征能力。随后将异质图和同质图转换为PyTorch Geometric格式，训练GraphSAGE模型从空间结构预测POI类别。
OpenRouter 默认启用提供商故障转移（provider failover），模型回退（model fallbacks）则为选择加入。这两层机制分别应对不同类型的故障：提供商故障转移在 API 调用失败时自动切换至其他提供商，模型回退则在指定模型不可用时切换到备选模型。公告详细说明了各层的工作原理以及故障转移的停止条件。
推荐理由：开发 LLM 应用的人可以把这篇当生产可靠性检查清单用，虽然通篇在推自家服务，但两层故障转移的思路确实通用。
OpenRouter 将每个请求路由到 60 多家提供商，用户可自定义提供商顺序、价格上限和回退链，从而灵活控制路由策略。
推荐理由：如果你在用 OpenRouter，这篇把默认的逆向平方权重、:nitro/:floor 快捷方式和 model fallback 逻辑讲得很清楚，读完就能调整请求策略。
Hermes Agent 已通过 OpenRouter 处理超过 17 万亿 tokens。使用指南包括设置流程、选择支持 64K 上下文窗口的模型，以及调整路由策略以兼顾成本与可靠性。
推荐理由：OpenRouter 这篇教程把 Hermes Agent 的配置、路由和降本技巧都讲透了，刚上手的人照着走就能跑起来，而且给出了廉价辅助模型的省钱套路，实用性强。
Simon Willison 于 2024 年 12 月构建了基于 OpenAI WebRTC API 的音频会话工具，用于与实时音频模型交互。上月 OpenAI 为该 API 推出新模型 GPT‑Realtime‑2，号称“首个具有 GPT‑5 级推理能力的语音模型”，知识截止日期为 2024 年 9 月 30 日。该工具现已更新，支持选择此模型，并可粘贴大段文档上下文，使用户能在浏览器中围绕任意信息进行音频对话。
在OpenRouter上追加`:floor`可获取最便宜提供商，通过`max_price`设定花费上限，并可免费使用20多个零成本模型。同时需注意避免计费陷阱。
推荐理由：如果你是 OpenRouter 的开发者，这篇教程把成本控制的开关全摆出来了，从 :floor 到免费模型再到 BYOK 的成本账，看完就能立刻调配置省钱。
PixVerse@PixVerse_AI 评分4949
An ancient estate. Teenagers forced to devour the nightmares of the powerful. One defective recruit who drags the darkness back into the waking world. THE DREAM EATERS — by award-winning AI filmmaker @Shanzyin_ai . Built on PixVerse Canvas. Project file included. RT+Follow+Reply "DREAM" = 150 Creds & Workflow in DMs (72H ONLY)
OpenAI 发布三门 Academy 课程，帮助用户掌握实用 AI 技能、创建可重复工作流，并在日常工作中应用 AI 智能体。
推荐理由：OpenAI 官方第一次把模型使用经验整理成有体系的三段式课程，从基础提示到 agent 工作流，对想在职场中真正用起来的人是个实在的起点。
Linear 工程师通过 Linear Agent 自动化修复两类 Bug：死特性标记和失败后台任务。死特性标记修复成功率接近 100%，失败后台任务修复成功率约三分之一。Agent 在无法修复时仍会完成初步调查，并通过“门控”机制要求其先证明理解问题再尝试修复，以节省 token 和无效 PR。
推荐理由：Linear 工程师把 AI 代理修 bug 踩过的坑和实打实的成功率都摊开讲了，不是空谈概念，想在自己团队落地类似自动化的可以直接抄思路。
该教程使用MONAI框架在Medical Segmentation Decathlon Task09数据集上搭建了端到端的三维医学图像分割流程。处理对象为脾脏的CT容积扫描，依次应用方向对齐、体素间距归一化、强度窗值调整、前景裁剪和基于补丁的采样等医学影像变换，最后训练一个3D UNet模型用于分割。
Artificial Analysis@ArtificialAnlysAI 评分6060Rohan Paul@rohanpaul_aiAI 评分5656
Diffusion Gemma is 4x faster, but makes 6x more mistakes! We benchmarked the new diffusion LLM against its autoregressive twin on a single H100 (FP8). We gave each the same three tasks: write a Steve Jobs biography, the history of Tetris, and the story of BeOS - every next topic less popular than the previous one. Then we fact-checked every claim in every answer. Gemma4 got 45 facts right, 5 wrong. DiffusionGemma got 33 right, 28 wrong. The less popular the topic, the worse it got: 4 mistakes on Jobs, 12 on Tetris, 12 on BeOS. It named Clara Clley as Steve Jobs' mother, invented a colleague for Pajitnov named Geri Gulovik and priced the BeBox at $9,999. The real one cost $1,600. Outputs: Gemma4 26B A4B: 218 tok/s · 15.1s total · 45 facts · 5 mistakes DiffusionGemma 26B A4B: 763 tok/s · 3.7s total · 33 facts · 28 mistakes The reason is simple. DiffusionGemma throws 256 tokens on the screen at once and polishes them pass after pass until the text sounds smooth. Smooth is all it cares about: a fake name, date or number sounds just as smooth as a real one, so it stays. Regular Gemma4 meanwhile writes one word at a time and checks every new word against everything before it. Google says it themselves in the launch post: quality is lower, use regular Gemma 4 when facts matter.
缺少 LLM 网关时，供应商中断会直接变成用户可见的错误，AI 支出也难以追踪。文章从路由、合规性和设置时间三个维度比较了最佳方案。
LLM Gateway 能防止 API 提供商故障变成用户端可见错误，并让 AI 费用变得透明。通过路由、合规性和设置时间等维度，可以对比市面上最佳的网关方案。
通义实验室利用 Arm SME2 指令集与 MNN 推理引擎，在支持 SME2 的旗舰手机上实现 Qwen3-VL-4B-Instruct 的实时推理。实测开启 SME2 后 Prefill 阶段提速 81%，Decode 阶段提升 13%。MNN 的 SME2 支持采用编译时内建与运行时自动检测设计，开发者无需手动配置。
推荐理由：将 SME2 加速拆解为从引擎编译到 APP 构建的完整流程，并给出 prefill 阶段 81% 提升的实测参考，为端侧多模态部署提供了可量化的工程路径。
本部分将手写 matmul-add 对替换为 nn.Linear（bias=True），堆叠三层 Linear 与激活函数构成多层感知机（MLP）块，在 NVIDIA A100 GPU 上剖析。Profile trace 显示 nn.Linear 内部调用 aten::addmm，将 bias 加法作为 epilogue 融合进矩阵乘法核，避免额外 HBM 访问；transpose 操作（aten::t）仅改写 CPU 端张量元数据（shape 和 stride），不启动 GPU 核。
Claude Fable 5（Mythos 安全公开版）6月22日前对 Pro/Max/Team 订阅用户开放，之后转 API。作者用 100 美元/月的 Max 会员，让 Fable 5 开发了开源“鲁班 Skill”，专用于打磨其他 AI Skill。该 Skill 通过前提验证（真实问题、安装理由、唯一性）、并行搜索同类（GitHub/ClawHub/skills.sh 等）、横纵分析、Darwin 式 9 维度评分（权重最高的实测表现）、SkillOpt 式单方向改写等步骤，将作者已有的 ai-news-radar 项目升级至 v0.7。Fable 5 自动录制操作视频并剪辑，追加了热点模式和时间轴模式，改进了消息评分算法并公开回测工具。鲁班 Skill 已开源至 github.com/LearnPrompt/luban-skill，强调 Skill 本质是清晰提示语而非复杂脚本。
银河证券与火山引擎合作，引入TRAE企业版并推进SDD（规格驱动开发）范式，将AI Coding嵌入研发全流程。研发需求交付周期缩短1/3至1/2，AI代码采纳率最高达87%，前端UI还原度稳定在90%以上（H5/Vue页面达98%以上）。子账户与融券系统重构周期从4个月压缩至2个月，Bug率降低25%，单元测试覆盖率提升30%，券池规模扩大10倍，服务客户量扩大20倍。通过MCP集成打通Ones、GitLab、DevOps等工具链，组织级Skill库减少60%手写测试工作量。TRAE企业版已覆盖银河证券100个研发席位，累计培训超130名研发人员。
SiliconFlow@SiliconFlowAI精选AI 评分7171
推荐理由：虽然 Hermes Agent Desktop 不是新物种，但 SiliconFlow 这趟手把手教程让切换国产开源模型变得极其顺手，想做桌面 Agent 的读者可以立刻跑起来。
6月5日，金山办公发布AI原生多模态笔记产品WPS笔记，摒弃传统文件夹，采用多级AI自动标签组织内容。支持语音、图片、文字、网页等录入；语音转写具备AI实时纠正和声纹区分发言人功能，图片可提取公式并支持LaTeX编辑及梯形校正。全域多模态检索可同时搜索文字、图片、音频。内置WPS灵犀助手，能完成整理、摘要、润色、创建任务清单等操作，支持自定义Skill和记忆设置。开放外部MCP接入，允许Cursor、Claude等第三方AI应用直接读取笔记。
