黑科技资源分享

一个极简风格、可自行定制的浏览器起始页，把常用网站快捷入口和搜索框收进一个干净的首页。
https://github.com/druxorey/startpage

自动监控截图文件夹，用用户自选的 AI 视觉模型生成描述性文件名，人工确认后才重命名。
https://github.com/shaqkao/screenshotify
Screenshotify 常驻 Windows 系统托盘或 macOS 菜单栏，自动发现新增截图并调用用户自选的视觉模型生成描述性文件名，所有建议先进入待审列表，可逐条确认、编辑或跳过，撤销一直可用，也支持批量扫描已有的旧截图文件夹。

把开发者文档抓取、分块、嵌入并建成索引，提供带引用的可信问答与检索，将文档转化为你可信赖的答案。
https://github.com/ledgeindex/ledgeindex

GPT Astra + three.js 是真牛逼啊，太夸张了
几句话就制作了一个云雾茶馆小游戏，难道以后游戏制作也能够完全交给AI了？
先确定游戏方向，生成概念图。
然后Imagen能够生成一些透明边缘的素材放进项目中
强度选择High，视频里面的半成品做出来一共就用了3分钟，这速度真是有点夸张了

TCP Brutal v2.0.0 现已发布🥳
v2.0.0 是大版本重构，核心变化：应用无需再适配，面向目标地址设速限即可。
https://github.com/HyNetworks/tcp-brutal

看到大家的 demo 我也震惊了
GPT-6 Astra 让人人都是游戏开发者

astra发布的今天，还有一个模型在悄悄上分，叫fusion
我已经拿到内测的权限，初步体验价格这块只能说是非常炸裂(目前来看能完成任务而且非常便宜)

Figure AI的走路和跑步姿态已经很自然了，Optimusv2.5也还行，接下来就看v3是否能震惊世界了，看看Jason说的是否靠谱，是不是看了后就让人忘记特斯拉造过车了😁。

给电商企业一套照着就能跑的 Claude 智能体参考代码：面向顾客的购物助手、面向员工的商家助手各定义一次，就能在三种运行方式上复用。
https://github.com/anthropics/commerce-agents
仓库里有两个智能体：购物助手负责搜索、比价、规划、填购物车、查订单、记顾客偏好，商家助手负责看经营数据、改商品、处理库存和订单告警、定价促销、起草活动，各自含五个技能流程。

GPT‑6 Astra 能不能推动更强大的开源模型诞生，我认为是能的，拭目以待。🤭

Vicoa 把 Claude Code、Codex、OpenCode、Gemini、Cursor、Copilot、Kimi、Hermes 八种编程 Agent 收进一个工作区，每个 Agent 各占一个 git worktree 和分支，能同时改同一个仓库。
https://github.com/vicoa-ai/vicoa

完全重写了一版给GPT-6 Astra用的AGENT.md，个人用了一会以后感觉良好：
#AGENT.md
## 沟通
- 面向用户的叙述默认使用简体中文；代码、命令和技术标识保持英文。
- 先给影响与结论，再给行动、待决策和必要证据；没有对应内容就省略。
- 使用简洁、连贯的段落；只有确实适合并列比较或按步骤执行时才使用列表。
- 使用具体、简单的词，避免无意义术语、套话、重复总结和未经请求的对比。
- 技术细节只保留对理解结论、判断风险或复现结果有帮助的部分。
## 指令优先级
- 遵守系统、平台和安全约束。
- 用户当前明确指令优先于 Skill、历史记忆和默认偏好。
- 项目目录中的 AGENTS.md 只在该项目范围内补充或覆盖全局规则。
## 执行方式
- 用户表示要开始新工作或修复现有问题时，持续推进，直到用户的目标完成，在目标方向上自主推进。
- 向用户提问之前，先完成上下文里已经授权、并且能把下一步变成可审查结果的工作。用户批准的应该是具体、可检查的结果。
- 用户建议不适合目标时直接说，不要迎合。
- 不要因为假想风险，主动加警告、免责声明、审批流程或安全/合规清单。
## 测试与验证
- 不要为可逆、影响小、只是复述实现的改动写测试。
- 跑与本次改动相称的测试，并完成必要检查。这些通过之后，只有出现新改动、新失败或尚未解决的疑点时，才扩大或重复测试；否则继续把任务做完。
- 收尾删掉本次产生、之后用不上的临时文件。
## 工具与并行
- 搜索文件或文本优先使用 rg、rg --files；独立的读取和查询尽量批量执行。
- 网页控制台无 CLI/API 时用已登录的Chrome浏览器；飞书优先 lark-cli。
- 只有存在真正独立的工作流，且委派能节省时间或提升质量时才使用子 Agent。
- 共享状态、连续决策和简单任务由当前 Agent 直接完成；委派任务必须有明确输入、输出和完成判据，最终结论由主 Agent 汇总并验证。
## 规则来源
- 全局规则维护在当前生效的 canonical AGENTS.md；CLAUDE.md 只作兼容入口，不复制规则正文。
- 项目事实、生产状态、历史决策和对外契约以项目级 AGENTS.md 及其指定的脚本、探针、决策记录和合同文件为准。

从一台正在运行的 QQ 农场 Bot 服务器导出完整可部署快照，在新服务器上一键复刻农场挂机机器人与四个配套服务。
https://github.com/shichenovo/qq-farm-server

不少人现场参加完 Cybercab 的发布会后评价到：“虽然活动规模不大且邀请仓促，老马甚至都没上台，但亲眼看完整个活动后觉得，这绝对是 Model 3 之后特斯拉最重要的里程碑！”
现场看到的几个硬核细节：
开箱式生产：车身拆成 6 个模块并行组装，彻底告别传统白车身焊接与喷漆，产线占地大幅缩小。
全塑料车身：首款全塑料（RIM）量产车，色材一体，免去喷漆，耐刮又轻量，碰撞安全全靠内部钢骨架和一体压铸件。
极致内饰：无方向盘/踏板/后视镜，座椅大幅后移，屏幕全系最大，乘坐静谧度与舒适感远超现有 Robotaxi。
百万英里寿命：V5 线控制动、V5 无稀土电机加持；4680 电池与辅助电子模块皆可快速拆换，后勤运维成本极低。
模块化制造加上软件优势，特斯拉这次真的把底层制造重构了。开箱组装会改写低成本、高产量、高维修性、少配置的自动驾驶载具怎么造；传统乘用车不会一夜消失，但会被迫把喷漆、白车身、线性总装这些最贵的环节逐步拆掉。特斯拉这次赢在先把产品和工厂一起重写了。
Cybercab 本身就是下一代平台的第一款落地车。Unboxed、取消喷漆车间、模块化子系统，就是为这代架构准备的。最可能接着用的是 CyberSUV 或 Cybervan，以及后面那些更偏“被开”、少配置、高产量的新车。

Claude 证明了费马大定理，我看了一下其中的框架，正好是用的 subagent DAG graph。
Agent Grapg 这刚好是 Maka 做的最好的地方！
大家感兴趣的都可以读一下 Maka 这篇 blog 的设计
https://github.com/apache/maka/blob/main/docs/blogs/multi-agent-scheduling.zh-CN.md
今天早上刷到新闻，然后我昨天准备在 b 站 build 大会准备的PPT 刚好有讲这个。

进步真大！astra 用 computer use （电脑使用）全自动删掉 skill-manager 里 opencode 的全部 skills。
视频全程无加速、无剪辑。
现在computer use的速度比我手速都快了！

目前用下来 GPT 6 Astra 最让我惊艳的还是 Computer Use 的能力，它不像之前 GPT 5.6 那样 要稍微等一会才进行各种操作，现在它能很快很精准的帮我测试 App，在旁边看着它点击真的是一种享受 https://x.com/victornunez/status/2095975651094261777/video/1
这其实带来一个最大的提升就是让 Agent 从开发到验收形成了完整的闭环。
想象一下现在我们开发，在开发完成后，还是不免有很多操作需要手动去验证下，包括线上系统的测试，也是更多的依赖于代码操作 PlayWright 这样的端到端测试框架去执行，之前 Computer Use 也不是不能做到，而是相对成本较高、准确率较低、速度也不够快。
但 GPT 6 可能突破了个 Computer Use 的临界点：准确率高速度快，成本方面现在还不算低，但可以遇见未来会进一步下降。
建议你可以试试在给 GPT 6 安排任务的时候，让它自己去用 Computer Use 测试验收一下，可以大幅减少你手动验收的工作。
另外就是以前一些 App 的自动化测试，也可以试试用 GPT-6 去调用 Computer Use 去做，覆盖一些以前端到端测试框架无法覆盖或者成本过高的场景。