「摸清Agent上下文底细：开源插件 dsh-context」用 DeepSeek Harness 跑复杂任务或多智能体协作时，上下文膨胀与消耗往往难以捉摸。dsh-context 带来了一套清晰的透视方案：全局看板可盘点多会话的 Token 消耗、费用估算与活跃热力图；单会话内能以堆叠图直观还原 Prompt、工具及消息的实时占比，清楚记录每次演进、压缩与剪枝动作。它还配备了可追溯请求明细的浏览

如何在Mac M系上玩《沉星之序》： \1. 安装 Github项目：fxgl/steamac，这是Mac上运行SteamOS的虚拟机。 \2. 确认App的设置 - Advanced - Vulkan driver，选KosmicKrisp。这个应该是默认选项，如果选错会颜色不对。 \3. 下载游戏后先不要运行，在游戏页面点齿轮图标-属性，“启动选项”输入这段指令：VKD3D_FEA

纳米AI 的教程：从 GPT-2 到 LLaMA 在这里： nano-ai.tech/series/gpt2-to-llama/ 之前他还发过从零手写大模型系列教程： [从零手写大模型系列博文：从理解模型如何推理，到学习模型如何训练。地址：nano-ai.tech/articles/] 作者写的介绍： "整理了《从零手写大模型之从GPT-2到LLaMA》学习教程 G

AI Engineering Interview Questions and Answers，是一份公开的 AI 工程面试题库，按主题收录问题，并为部分题目提供文章或视频讲解入口。 内容覆盖 LLM 基础、提示词、RAG、Agent、微调、向量数据库，以及系统设计、生产部署、评估测试和多模态等方向。既有 Transformer、Tokenization、采样方法这样的基础概念，也会追问模

该模型基于Qwen2.5-0.5B底座与DiT架构，以仅0.5B参数量实现了44.1kHz高采样率输出。它不仅支持短音频零样本克隆与自然语言“捏音”，还能细致调节情绪、语速、音高及音量；模型内置笑声、叹气、咳嗽等14种副语言控制标签，让生成语音的情感细节格外生动。同时支持中、英、德、西、法、韩、日7种语言以及川粤方言，兼顾推理灵活性与端侧部署友好性，遵循MIT协议开源，非常适合有声读物、角色配音及

【Claude自己写代码画的动画MV开源了】这个名为PDoomVideo的项目，展示了一支几乎完全由Claude Opus 5.5自主构思并编写代码完成的音乐短片。人类只给出了角色形象和转场连贯等基础方向，模型不仅独立撰写了全部分镜，还生成了动画指南用来协调并行的子智能体编写各幕。技术上依托p5.js与p5.brush绘制画面笔触，再通过无头Chrome逐帧导出并用ffmpeg压制成片。仓库完整开

【Claude用代码拍视频？这份实操案例与提示词库值得一看】Opus 5.5生成视频的逻辑并不是直接导出视频文件，而是先写代码绘制每一帧，再通过无头浏览器截帧与FFmpeg合成画面，在动态图形、线稿动画和产品演示上格外顺手。这个开源项目整理了54个真实案例与18份作者原版提示词，涵盖Canvas、p5.js、Remotion到Three.js等9种技术路线。里面既有一句话快速出片的轻量指令，也有带

CleanYourTV 是一个开源的智能电视精简与桌面美化项目，主要针对 Android TV 和 Google TV，目的是去除电视系统内置广告、厂商预装软件和不必要的后台服务，并将原本杂乱的电视主页替换成类似 Apple TV 的简洁界面。 它不是那种直接运行的工具，还是要先打开电视的USB调试，然后借助AI来执行~ 加载完成: 0% 发表评论

Mac.apk 可以让 Android 应用直接运行在 Apple Silicon 芯片的 Mac 上。 应用会像普通的 macOS 程序一样启动，作为独立的 macOS 进程运行，使用 Mac 的 GPU 进行图形渲染，并以原生速度在 CPU 上执行。 这里没有模拟器，也没有虚拟机。 它不会在后台启动 Android 系统，底层不需要运行 Linux 内核，也不需要逐条解释执行 C

Walking Labs 的 Learn Harness Engineering 是一套开源 Coding Agent 工程课程，包含 14 讲、8 个递进项目，并提供中文资料与可复用模板。 课程围绕 Agent 的工作环境展开：如何组织仓库、保存进度、控制任务范围，以及验证它是否真的完成了工作。适合已经在用 Coding Agent、想系统改善开发流程的人。动手项目需要准备可用的 Co

密歇根大学 EECS 498（AASE）把智能体软件工程做成了一门扎实硬核的专业选修课。这里没有期末考试，全凭可运行的代码说话。十五周的训练分三步走：先上手 Aider 结对编程，从上下文、模型与提示词三要素排查故障；接着拿掉现成框架，直接调用底层大模型接口，亲手写出包含工具调用、审批机制与评测集的 Agent 循环；最后给它接入记忆与工程规范，做成真正能留在日常开发里的助手。全套环境基于本地 O

分享一个特别好的开源项目，它能让 AI 的回答变成一页看得懂的网页，这个开源 Skill 叫 answer-me-with-html。它解决了一个很多人用 AI时遇到的问题：你问了一个复杂的问题，AI 刷出一大屏密密麻麻的文字，看得人头疼。 这个项目让 AI 把回答变成一个好看的网页。比如，你问“TCP 三次握手是怎么回事”，它会直接生成一个 HTML 页面，上面有时序图、状态图、表格，

让智能体接管浏览器并不难，难的是如何穿透严格的风控与人机验证。开源项目 stealth-browser-mcp 基于 nodriver 和 Chrome 开发者工具协议（CDP），直接调动真实的 Chromium 系列浏览器，能有效应对 Cloudflare 等反爬检测。除了基础的网页导航与点击，它还开放了深层控制权，支持实时网络请求拦截、动态 Python Hook，以及能抓取完整样式与动画的像

现有大模型跑分看似热闹，却和真实劳动力市场严重脱节。Mercor对照美国劳工部O*NET职业库梳理了29套主流AI基准，发现全美90%的工时所对应的任务几乎缺乏有效覆盖。现存测试高度扎堆在程序员、金融分析师与商业律师等高薪工种，而同样直面技术冲击的秘书、书记员等庞大中端知识岗位却几乎是一片空白。光看基准榜单的高分，很难说清模型进到具体业务里到底能顶多少活。只有把视线从少数明星职业拓宽到更广泛的人机协作场景，才能真正摸透技术对各行各业的长远影响。

大AI时代，做自己想做的平台： PhDs.io：经济学、金融与管理学论文检索。 网页链接 EconLit Pipeline：经济学文献搜索与研究趋势探索。 网页链接 Paper Picnic：经济学论文发现与浏览。

一个基于 WebGPU 的高真实感实时海洋渲染项目，由开发者 Noniv 使用 Claude Code（Opus 5.5）辅助构建。 项目不依赖 Three.js、Babylon.js 等现成 3D 引擎，完全从零实现 GPU 海浪模拟、海面光照和大气渲染。 可以将复杂的海洋物理模拟与渲染技术集成到一个仅 61 KB 的独立 HTML 文件中，可直接通过支持 WebGPU 的 Chrome

欢迎阅读《移动应用 GPU 优化指南》（Mobile Application GPU Optimization Guide）。 多年来，我和同事们一直与移动应用开发者密切合作，帮助他们理解应用程序的性能表现，并提高应用的运行效率。我非常喜欢这种协作交流，因为学习通常是双向的。几乎每次合作结束后，我都能收获一些新的性能分析技巧、优化思路，或者对开发者工作流程的深入理解。这些往往是硬件厂商在

Supervisor-Skills: 将博导十年科研经验，炼化为你的 AI 副导师 作者介绍： “大家好，我是骆昱宇，香港科技大学（广州）的助理教授。从自己读博到指导学生，我反复看到一个场景：许多才华横溢的研究生，在踏入科研大门时，常常被相似的困境所困扰： ----理论与实践脱节：读了再多"科研指南"，面对自己的课题时，依旧不知如何下笔。 ----指导资源稀缺：导师日程繁忙，无法

AI Agent 的常见运行方式，可以从定时任务、事件流、API 服务和端侧运行四个角度理解。它们并不互斥：前三种描述如何触发任务，端侧描述在哪里执行。 1、定时任务：按计划执行 每天生成日报、每小时汇总告警、夜间批量整理文档，都适合用调度器触发 Agent，执行完保存结果。 要处理的不只是失败重试，还有漏跑和任务重叠：上一轮没结束，下一轮是跳过、排队，还是允许并行？同一批数据被

Marble开源了面向小学阶段的技能图谱os-taxonomy，把科学、数学、英语等8个学科拆解为1590个微知识点，并梳理出3221条明确的前置依赖。数据对齐了美英主流课标，每个节点都配有掌握标准与随堂评估提问。它最实用的地方是把扁平的课程变成了可计算的技能网，清楚交代了“学懂B之前必须先掌握A”。不管是做AI家教、封装成MCP工具给Agent调用，还是排查孩子的知识盲区、自动规划进阶路线，都能