盲从 AI 输出的“认知屈服”虽快，却会累积技术债并削弱人对系统的理解与掌控。应对之道在于：明确置信边界并实施分级；强制人类介入决策闭环；配合确定性校验、可解释性审查与模块化解耦设计，在拥抱 AI 速度的同时牢守工程底线与质量自尊。

在智能体主导的研发中，人极易滑向“认知投降”并累积理解债务。人的精力应重构于两端：前端明确意图与预设，后端严密核验并追问盲区。测试全绿不代表没有隐患；执行与审计可以委托给智能体，但对底层逻辑的理解与最终问责，永远只能属于人类。

x64dbg MCP Server 是一个开源的 x64dbg 插件，可以把 Windows 调试器接入支持 MCP 的 AI 助手，让 Agent 直接调用调试功能。 它支持加载程序、附加进程、设置断点、单步执行、查看反汇编、读取内存，以及检查寄存器、线程和调用栈。还可以搜索字符串、查看模块和接收调试事件，方便 Agent 获取程序运行时的信息，辅助定位问题和分析程序行为。

无论是用 Zoom、飞书、腾讯会议开会，还是看视频直播，知了都能实时给出双语字幕、边听边写结构化纪要。遇到需要发言的时候，按住键盘右边的 ⌥ 键开口，对方就能在会里直接听到翻译好的语音。

一个计算机系统知识交互式学习站 地址：kejun.github.io/cs-systems-design/ 作者kejun，后面几张图是他整理的学习路线图。 不过这个站主要是给他“重学”用的，没有基础介绍，不太适合概念还未建立的初学者。

mromidev 开源了 claude-animated-shorts，把“55到70秒竖屏故事短片”这件事做成了一条能在本地跑通的完整流水线：用 Claude 负责选题、事实梳理、脚本、分镜和镜头规划，再用 three.js + Remotion 在电脑上渲染，做的是“2D角色置于3D场景”的风格化动画，不依赖 AI 视频生成器。仓库里不只有技能说明，还放出了一个完整样板项目，拆开给你看世界搭建

耶鲁LGW Lab发了一篇很有意思的博客：他们把“画论文配图”这件长期靠科研人员硬扛、却又极影响第一印象的工作，做成了一个开源 skill。核心不是直接让模型吐一张图，而是给模型一整套画图能力包：包含说明文档、绘图库、3D组件、自动检查，最后产出也不是只能看不能改的像素图，而是带代码的 SVG、PDF，能继续在 Illustrator 或 Inkscape 里精修。作者拿 100 多篇不同学科的近

MIT CSAIL团队提出“权重空间编程”新范式：前沿大模型无需梯度和训练，即可直接原生读写神经网络权重。它不仅能通过裸权重推断模型用途、零样本手写游戏策略网络，还能仅通过修改0.016%的关键参数，大幅修复Qwen的推理循环并倍增数学能力。

「把手机接进AI」phone-harness/mcp 做的不是模拟器玩具，而是把真实手机操作能力接成一个标准 MCP 服务：给 Claude、Cursor、ChatGPT、Codex、VS Code 等客户端填一个 URL，完成 OAuth 登录后，AI 就能直接看屏幕、点按、输入、滑动、启动 App，甚至连真机 iPhone 和云端 Android 模拟器都能统一调度。它的价值在于把过去依赖 M

DAIR.AI Academy 上线了 Hacker Papers：它不是传统的论文榜单，也不是按引用数排座次，而是沿着 Hacker News 的讨论痕迹，把 1000 多篇被一再提起的 arXiv 论文重新组织成一个可筛选、可排序的发现工具。这个想法直接受 Karpathy 做 HackerTube 启发，elvis 说自己拿了类似提示词和数据源，让 agent 在大约 2 小时内搭了出来。好

NOIR 是个跑在电脑上的 Android 隐私审计工具，核心思路很实用：不空谈“谁在偷数据”，而是通过 adb 直接读取已连接设备上的应用清单、权限、APK 里的网络端点，再把“它能拿到什么”和“这些数据可能发到哪里”对应起来，最后给出处置建议和回滚命令。它默认不联网、不需要 root，也不改系统分区；扫描以只读为主，自动执行也只限相对安全的 appops 操作，真正涉及卸载时必须显式开启 ag

agentic-rl-lab ，这个项目帮你复现和拆解前沿 LLM 强化学习算法，用更简单的代码和更低的算力门槛，把 GRPO、OPD、OPSD、GSPO、DAPO、Search-R1、ReTool、ALFWorld、Vision GRPO、TEMPO、AgentOPSD、Spec-o3、PyTrio-Jev 等方法跑起来，方便复现。 在线阅读：datawhalechina.gith

Teachable Figures 是一个把技术概念做成交互式教学网页的 Agent Skill，可以生成 2D 图示、可旋转的 3D 模型，以及剖切、拆解等交互演示。 项目提供了 6 个完整示例：Transformer 数据流、齿轮传动、圆锥截面、人体胸腔、火箭发射和明代服饰。可以跟着页面操作，查看注意力计算过程、改变齿轮组合，或旋转模型观察内部结构。示例支持中英切换，也能离线打开。

10人团队Spawn月耗310万美元Token，靠常驻AI智能体“舰队”实现每小时上线交付。他们废除PR机制，用AI法官自主决策并让系统实时自愈；人类工程师仅负责把控品味（对AI说不）与注入极限野心，打造出随大模型迭代而指数复利的AI原生企业。

Hugging Face上的 ccore/Qwen3.5-4B-3D-Coder，是 CCORE 基于 Qwen3.5-4B 做的独立微调版本，不是官方 Qwen 发布，定位很明确：一边做通用代码，一边重点攻 3D 场景生成，尤其适合直接产出 Three.js 的自包含 HTML。它现在还是 early preview，但信息放得很完整：FP16 原始权重、Q4KM 与 Q8_0 的 GGUF

互联网表情包合集：zhaoolee.com/ChineseBQB/ 现已收录 115 个分类、5887 张热门经典表情包。 支持关键词搜索、分类浏览；还可以进行编辑，一键导出无水印原图，表情包爱好者必备！

openjutsu 是一个跑在本地 GPU 上的视频换人/换物工具，目标很直接：给它一段视频和一张人物图，点一下 Generate，就能把画面里的主角替换成另一个人，同时尽量保住原视频的机位、运镜、剪辑节奏和原声。它基于 ComfyUI 搭前端，核心组合是 MiniMax H3 负责视频生成，SAM 3.1 做人物跟踪，Qwen3-VL 负责看图写提示词，还加了 FLUX.3 Klein 做单帧重

AI 游戏开发速查表，34个用于游戏开发 prompt，包括3D 与渲染、游戏手感、系统、性能等方向。 链接：gamedev-cheatsheet.com 可以交给你的 agent 去学一下，然后搓成一个 skill

ai-manju-skills做的不是单个提示词，而是一套面向 21 种题材的漫剧生产模板：你只要给一句故事点子，它就能顺着往下生成企划案、人物与场景等资产图提示词、分集剧本、分镜和视频提示词，最后连封面文案、预告和发布文案也一起补齐。它的价值在于把“会不会写提示词”这件事，尽量变成“会不会提一个清楚的故事想法”。项目本体也很轻，每个题材就是一个 \SKILL.md\，不用装依赖，可直接用

很多人用AI做视频、网页或UI，卡住的并不是没想法，而是“不知道这类运动、镜头、组件到底叫什么”。motion-prompt 解决的正是这个断层：它把动效、运镜、UI组件、落地页特效、摄影风格这些常见表达，整理成一套可检索、可观看、可直接拿去提问AI的名字库。项目目前有8个 pack、共192个条目，每个条目都配了动态示例、一句话释义和提问示例，还提供英日西、简中、繁中多语言列表，降低了跨语种协作