沿 15 个 checkpoint，从一条离线轨迹开始，亲手实现一个 Pi-style coding agent。

这篇文章讨论的是 POSIX / Unix shell 脚本里的一个内建命令：“:”。它叫做 null-command，作用基本是“什么也不做”。但 shell 在执行命令前会先处理参数展开、重定向、变量赋值等副作用，所以“:”常被用来触发这些机制，同时丢弃结果。理解这点，就能看懂为什么一个看似无用的冒号在脚本里很实用。

LLM 推理手册集技术词汇、指南与参考于一体，全面涵盖您需要了解的 LLM 推理知识，从核心概念和性能指标（如首令牌耗时和每秒令牌数），到优化技术（如持续批处理和前缀缓存），再到 GPU 架构以及 BYOC 和本地部署等模式。 针对在生产环境中部署、扩展和运行 LLM 的实用指南。 通过交互式计算器、模拟器和可视化工具探索相关概念。 利用针对您的用例量身定制的优化技术提升性能。

OpenMinis将Claude、GPT、Gemini等领先模型整合到原生移动体验中，并为它们提供真正的计算机操作能力：设备上运行的完整Linux终端、浏览器自动化、可扩展技能、持久记忆以及深度系统集成。 它完全免费，且全部开源。 以下是人们实际使用它的一些场景： 拍摄餐食，记录营养 — Minis 识别菜品、估算热量和宏量营养素，并写入 Apple 健康。 用时间线唤醒你 — 快捷

在这个GitHub仓库中，我记录了自己为C语言子集编写自编译编译器的历程。同时我还详细记录了整个过程，以便如果你也想跟随学习，能够了解我所做的工作、原因，并适当引用编译器理论的相关知识。 但不会涉及过多理论，我希望这是一次实践性的旅程。

智能体落地需区分三层： 外壳工程：提供环境与工具，让模型安全开工。 循环工程：引入反馈与校验，让执行过程可迭代。 图工程：规范拓扑流转，让复杂流程高度可控。 联合设计这三层，是构建高可靠生产级智能体的关键。

Shell Gym 是一套交互式 Linux 命令行训练系统，可将任意 Linux 主机转变为实操训练场。教程负责讲解概念，Shell Gym 则通过高频微任务帮你把知识变成肌肉记忆。打开分屏，一边是普通终端，一边是 Shell Gym Web 界面；每条任务要求你执行一次具体操作（如进入目录、创建文件、释放端口），系统状态发生变化即自动判题，无需点击“检查”或复制粘贴，所有命令都需在真实 she

stringke/dotfiles 是一套面向 macOS 开发者的环境配置模板仓库，提供从零开始搭建统一、现代且无障碍的命令行工作流的一站式方案。 仓库内的所有文件均为模板源，通过 bin/deploy.sh 脚本复制并替换占位符后生成到用户 home 目录，仓库本身保持只读。主题统一采用 GitHub Light Colorblind 配色，覆盖 ghostty、starship、btop、

optimizerDuck 是一款免费开源的 Windows 优化工具，专注性能、隐私与简洁体验，把系统优化、隐私保护与常用管理功能全部集成在一处。 无需安装即可直接运行 .exe 文件，30 余项优化按风险等级分类展示，用户可按需勾选并一键还原；内置仪表盘、启动项管理、计划任务清理、磁盘清理及应用卸载等工具，让用户在单一界面完成全部操作。 项目完全离线运行，不收集任何数据，源代码遵循 GPL

全球企业陷入“AI精神分裂”的现状：尽管由于技术局限，大量AI项目投资面临失败，但由于博弈和同僚压力，高管不得不强制推行，迫使员工“AI包装”工作。文章分析了这一决策困境，并为职场人提供了在狂热环境中保护心智、务实求生的实用指南。

在AI智能体时代，代码的首要读者已从人类转变为AI。经典的《代码整洁之道》原则（如短小函数、单一职责、TDD等）并未过时，昔日主观的代码简洁建议已演变为Token限制等硬性约束。编写结构清晰、职责单一且类型明确的整洁代码，能显著降低AI解析的Token与时间成本，有效减少幻觉并提升产出质量。

开发者CJ Pais正式发布了开源库transcribe.cpp，这不仅是一个性能更强的whisper.cpp平替，更是一个集成了16种模型家族、支持60多个SOTA模型的推理引擎。它基于GGML构建，原生支持Vulkan、Metal和CUDA硬件加速，并提供Python、Rust、JS等主流语言绑定。这意味着开发者不再需要在慢如蜗牛的CPU推理和复杂的架构适配之间艰难二选一。这件事的重要性在于它

Castor是一个开源的命令行工具，其工作逻辑非常直接：用户输入网页地址，它在后台启动headless Chrome抓取视频流，通过ffmpeg实时转码，最后利用通用的DLNA协议推送到电视播放。它还集成了Whisper用于自动生成并压制字幕，甚至支持根据IMDB ID自动匹配资源。这个项目的走红反映了两个有趣的现象。技术上，它选择拥抱DLNA这个诞生二十年的"老古董"协议，反而比AirPlay或

OpenPlanter 是一款递归式语言模型驱动的调查代理工具，集桌面 GUI 与终端界面于一体，能够自动解析企业登记、竞选资金、游说披露、政府合同等多源异构数据，跨库实体对齐并通过证据链揭示隐藏关联。 它支持文件读写、Shell 执行、网络搜索及子代理递归委派，具备实时知识图谱、Wiki 文档抽屉、多会话持久化、后台 Wiki 整理器等功能，可切换 OpenAI、Anthropic、OpenR

开源项目PenEcho构建了一个巨大的无限画布，专门用于手写公式、草图和空间推理。它抛弃了传统的Chat Box，当你用笔尖或鼠标完成输入并停顿时，系统会自动识别笔迹及其布局，将AI生成的答案或推导直接呈现在草稿旁边。目前该工具支持Claude、OpenAI以及Kimi K3等模型，通过本地Node.js环境运行。长期以来LLM被局限在单调的文本流中，迫使开发者在思考和输入间频繁切换。PenEch

Colibri 是一套极简却强大的 MoE 推理引擎，它把 744B 参数的 GLM-5.2 模型用纯 C 实现并仅靠 25 GB RAM 在消费级机器上运行，专家参数按需从磁盘流式加载，零依赖、零妥协。 只需一条命令即可启动对话、Web 仪表盘或 OpenAI 兼容服务，内置的 LRU 缓存、路由预取与多层级存储策略让模型在 VRAM、RAM、磁盘之间自动平衡，速度与硬件成正比，质量却始终如一

Three.js Object Sculptor 是一个 Codex 插件，能把附件中的物体图片直接转换成纯代码、可动画的 Three.js 程序化模型。 它不做照片建模，也不下载外部资源，而是引导 Codex 按照雕塑流程逐步完成：验证图片、拆解结构、生成几何与材质系统、搭建动画友好层级，最后用浏览器渲染结果与原图比对验收。 主要功能： 将物体图片重建为纯 TypeScript 代码的

Marketing Skills 是一套专为 AI 代理打造的市场营销技能合集，面向技术营销人员与创始人，涵盖转化优化、文案撰写、SEO、数据分析与增长工程等全流程能力。 它不仅提供 40 余个独立技能模块，还通过 product-marketing 基础技能统一产品定位与受众洞察，让每个后续技能都能快速调用上下文。支持 Claude Code、Cursor、Windsurf 等主流代理，直接通

Graphify 把整个代码库、文档、SQL 模式、配置文件和 PDF 全部转换成一个可查询的知识图谱，让你不再需要满目录 grep。提供 /graphify 技能，可直接在 Claude Code、Cursor、Codex、Gemini CLI 等平台调用，本地使用 tree-sitter 做确定性 AST 解析，所有边都带有 EXTRACTED / INFERRED 置信标签，不依赖向量库。

2019 年我在 GitHub 上 fork 过一个仙剑 DOS 版的仓库，就是个 DOSBox 打包，下载下来跑模拟器。这个方案我一直不太满意，游戏数据只有几十 MB，外面却要再套一层 DOS 环境，画面是 320×200 直接拉伸。 这两天我把仓库彻底重做了一遍：引擎从 SDLPAL 的 C 代码完整移植到 Rust，两万四千行，直接在 macOS、Linux、Windows 上运行；同一份