longlonggo @deferrredo

视频翻译这事，这下被牛津博士后一个人干通了。 牛津大学博士后 Kevin Lin 开源 Violin 视频翻译工具，把语音识别、LLM 翻译、语音合成整合成自动化流水线。支持多语言互译、个性化翻译风格、视频对话三合一，可以把学术报告转成儿童易懂版本。 MIT 协议开源，Together Compute 提供算力。提供 Web 应用、CLI、Agent Skill 三种用法。 个人开发者也能干出端到端流水线。

其实这些问题都能很好的解决了 1. 扔掉 whisper，换 ASR 模型，Qwen3-ASR 就很不错幻觉很少、也有一些别的ASR选择，whisper 幻觉多也要求 30s片段，Qwen3-ASR 塞更长的音频识别越准确，最大支持 20 分钟； 2. 文字时间轴 也扔掉 whisper 不是很准, 虽然 Qwen/Qwen3-ForcedAligner-0.6B 也能用，但实际测试超过 180s 就时间轴就混乱不堪，可以用 @LattifAI_HQ github.com/lattifai/latti… 4 小时都轻松准确，lattifai.com/zh/podcasts/Po… 可以到这里看看 卡拉 OK 字幕都十分准确，也有 skill github.com/lattifai/latti… speaker diarization 和 naming 也解决的很好了 3. VAD 切片我推荐自己的项目 github.com/lifeiteng/Omni… 准确性 Top

宝玉 @dotey

a month ago

要做好字幕 SRT，断句最重要，其次是纠正拼写错误。这些可以借助 AI 或者 Agent 来做了。 不过前提是先生成单词级别的时间戳，这样才能在组合后拼回去，现在主流语音识别模型都支持输出 json 格式，每个单词都标注清楚start和end的timestamp。

29 23 135 158K 222

腾讯云数据库团队耗时 6 个月攻克长对话失忆问题，开源了本地优先的 Agent 记忆引擎 TencentDB Agent Memory。它默认使用 SQLite 和 sqlite-vec 作为本地后端，可作为 OpenClaw 插件安装，也支持 Hermes Gateway 接入。 这套系统放弃了「把历史对话全塞进向量库」的常规做法，将记忆一分为二。在长期记忆方面，系统通过四层机制过滤信息：从底层原始对话里提取原子事实，接着归纳出场景分块，最终拼成顶层的用户画像。而在短期任务上，系统不再让大模型硬读繁杂的工具日志，而是把原始输出存进外部文件，提炼出步骤摘要，最后只给 Agent 留下一张标注了节点索引的 Mermaid 结构图。 在 30 步以上的复杂工作流中，Agent 平时只需对着轻量的结构图干活，遇到报错再顺着节点 ID 去翻看原始日志。这种设计既避免了用一次性摘要吞掉历史细节，又保住了从画像一路追溯到底层原文的完整路径。官方基准显示，接入 OpenClaw 后，WideSearch 任务的 Token 消耗从 221.31M 降到了 85.64M（降幅 61.38%），通过率相对提升 51.52%。同时在长期记忆评测 PersonaMem 中，准确率从 48% 提升到了 76%。

Tencent AI @TencentAI_News

a month ago

We spent 6 months on one problem: agents losing context in long sessions. Ended up building and open-sourcing an agent memory system. A few things we learned: 🪄compressing stale context mid-session cut token usage by 61% 🪄giving agents a structured task map (mermaid-based)

keyboard_arrow_left Previous keyboard_arrow_right Next

31 112 696 304K 766

最近，字节 TRAE 团队发布了一本《2026 企业级 AI 编程实践手册》，里面有一份值得关注的内容：他们总结出的 Agent Skills Top 10。 这是我目前看到的，第一份由大厂公开整理的 AI 编程 Skill 推荐清单。 先简单说下背景。 TRAE 是字节基于 Doubao-Seed-2.0-Code 模型打造的企业级 AI 编程工具，目标并不只是“代码补全”，而是让 AI 真正参与完整的软件开发流程：拆解需求、任务规划、编写代码、测试、部署，尽量向“AI 工程师”靠近。 在内部大量使用 Agent 之后，他们沉淀出了使用频率最高的 10 个 Skills，排名如下： 1. frontend-design —— 前端设计 排在第一并不意外。因为很多 AI 生成的 UI，功能也许能用，但审美往往惨不忍睹。这个 Skill 的核心，就是让 AI 学会更合理的界面设计。 2. cache-components —— 组件缓存 让 AI 优先复用已经生成过的组件，而不是每次都重新创建。可以明显减少 token 消耗，也能提升生成效率。 3. fullstack-developer —— 全栈开发 给 AI 一个“全栈工程师”的思维模式，不只关注单一模块，而是同时考虑前后端协作、数据流转和 API 设计。 4. frontend-code-review —— 前端代码审查 5. code-reviewer —— 通用代码审查 前五名里，Review 类 Skill 占了两个。说明字节内部对 AI 代码质量非常重视——重点不是“能跑”，而是“是否可靠、可维护”。 6. webapp-testing —— Web 应用测试 7. pr-creator —— 自动创建 PR 代码完成后自动生成 PR，把开发流程进一步自动化。 8. fix —— Bug 修复 专门处理“这里有个问题，帮我修复”的场景。 9. update-docs —— 文档更新 代码变更后同步更新文档，避免文档和代码脱节。 10. find-skills —— 搜索与发现 Skills 这个很有意思，本质上属于“元技能（meta-skill）”——让 AI 自己去寻找还缺少什么 Skill，并进行推荐。 看完这份榜单，我有几个比较明显的感受： 第一、frontend-design 能排第一，说明大家都被 AI 那种“紫色渐变 + 圆角卡片”的默认审美折磨过。只要真正用 AI 做过前端，就会明白这个 Skill 为什么重要。 第二、Top 10 里有两个 review Skill，再加一个 testing Skill，能看出字节对 AI 编程的思路非常明确：代码产出速度不是核心，代码质量才是核心。 这点其实和 SkillsBench 论文里的结论也很接近：好的 Skills 可以让 Agent 效果提升 51%，而差的 Skills 甚至会带来 39% 的负向影响。 第三、find-skills 是最值得关注的一个方向。它意味着 AI 不只是“使用技能”，而是开始“主动寻找技能”。这个思路其实和 EvoSkill 提出的“技能自动进化”非常接近——最终最优的 Skill 组合，很可能不是人手工配置出来的，而是 AI 在长期实践中自己演化出来的。 如果你平时在用 Claude Code 或 Codex，这份清单其实非常有参考价值。尤其是前几个核心 Skill，基本可以直接作为一套成熟的 Agent 配置思路。 《2026 企业级 AI 编程实践手册》原文： lcnziv86vkx6.feishu.cn/wiki/XZOSwI51w…

32万星GitHub神级仓库，全网所有免费API都在这里了🔥 每个资深开发者都偷偷收藏着，从没人告诉新人， 它叫 Public APIs，1500+ 免费端点，每条都注明了认证类型、HTTPS 状态、CORS 支持，点进去直达文档， 覆盖范围： → 金融、加密货币、股票、银行数据 → 天气、地图、地理编码、交通 → 机器学习、OCR、情感分析 → 音乐、电影、动漫、游戏 → 政府数据集、新闻、健康、安全 说句不好听的，市面上一半标价 $99/月的工具，背后调的就是这个仓库里的免费端点，加了个仪表板，卖回给你， 独立开发者用这里的免费 tier 就能推出完整产品， 而很多新人，还在傻乎乎给RapidAPI交订阅费，被人卖了还帮人数钱。 323K stars，MIT 协议，100% 开源。 没有套路，没有付费墙，没有隐藏条件。 所有人都可以免费商用，这才是互联网最初的精神。

团队协作开发时，API 密钥、数据库密码这些敏感配置散落在各处，有人放环境变量，有人写在配置文件里，稍不注意就泄露到代码仓库中。 在 GitHub 上看到 Infisical 这个开源密钥管理平台，把所有敏感配置集中管理，还能自动同步到各个服务和环境。 提供直观的可视化面板，按项目和环境分类管理密钥，团队成员各取所需，不用再互相传文件。 GitHub：github.com/Infisical/infi… 支持动态密钥，按需生成临时凭证，用完即销毁，还能设置自动轮换，定期更新数据库密码等敏感信息，不用手动操作。 另外内置了代码扫描功能，能在提交前检测 140 多种密钥类型，防止意外泄露。 支持一键部署到 AWS、Vercel、GitHub Actions 等平台，也能通过 Docker 快速私有化部署，数据完全掌握在自己手里。

如果你不知道该让你的Agent 去做些什么，可以看看大神们都用Agent做了些什么？ 1. awesome-ai-apps（强烈推荐！80+ LLM实战项目合集） 链接：github.com/Arindam200/awe… 专门收集RAG、Agent、工作流等LLM应用的最全列表，分为Starter Agents、Voice Agents、MCP Agents、Memory Agents等板块，几乎每个项目都能直接运行 2. 500-AI-Agents-Projects（行业案例宝库） 链接：github.com/ashishpatel26/… TIPS：按行业分类整理了500+个AI Agent真实用例，每个都链接开源实现项目。

写的非常详细的入门教程 RL 很恶心的点就在于你什么都要会：pretrain、inference、theory、infra 现在我也有了可以推荐给别人入门的读物，比我当时东看一点西看一点好太多了🥺 很多现代 LLM 的教学其实跳过了相当一部分的基础知识，比如 CNN、Q-Learning 这一类经典内容。我感觉我也是填鸭式地在学习这些内容，需要耐下心来慢慢地去看那些最旧最老最传统的东西 很感谢苏剑林的 blog 带我入门，我也想能写出一些带别人入门的东西，只不过即使是用 LLM 辅助写 notes 也相当折磨人，然后知乎上还没什么人看 当然还是有很多人喜欢看我写的垃圾 notes 的，还被行业杰青大佬订阅了，这种事跟 paper 被人关注了一样开心 Website: walkinglabs.github.io/hands-on-moder…

paperpaper @paperpaper886

2 months ago

比较有趣的入门教程 该项目希望用一条更“实践优先”的路径来学习现代强化学习：从经典控制出发，逐步连接到 LLM 后训练基础、DPO/GRPO/RLVR、Agentic RL 和 VLM RL 等现代应用。 GitHub: github.com/walkinglabs/ha… WebPage: walkinglabs.github.io/hands-on-moder…

keyboard_arrow_left Previous keyboard_arrow_right Next

3 99 654 261K 1K

在 GitHub 上挖到一门很实用的开源课：Learn Harness Engineering，专门教你给 AI 编程助手搭一套更可靠的“工作台”。 它把 AI 协作拆成五个关键机制：指令、状态、验证、范围、会话，让每次任务都可追踪、可续接、可验证，不再靠运气出结果。 GitHub：github.com/walkinglabs/le… 官网：walkinglabs.github.io/learn-harness-… 课程结构很清晰：12 节理论 + 6 个实战项目，用同一个桌面应用贯穿推进，边做边演进。 从最基础的对比实验起步，逐步把整套工作环境搭起来；每个项目的产出，直接接到下一个项目继续用，越做越稳。 更贴心的是，它还提供可直接复用的模板文件：拷进自己的项目就能上手，不用完整学完，也能立刻提升 AI 的稳定性和可控性。 如果你已经在用 Claude Code 或 Codex 做真实开发，却总觉得 AI 时好时坏、难以复现，这门课很值得花时间看看。

推荐两本 harness 的公开 pdf 书：《Harness Engineering：Claude Code 设计指南》和《Claude Code 和 Codex 的 Harness 设计哲学》，顺便聊聊 harness，Agent 在去年就人尽皆知了，与之相伴的 harness 为啥现在才冒出来？ 我看 harness：note.mowen.cn/detail/bXvzs-t… pdf 图书的原推：x.com/wquguru/status…

WquGuru @wquguru

3 months ago

这两本书把Claude Code和Codex的Harness工程吃透了，对于Claude Code和Codex源码解析和对比都入木三分，文科生也能读的津津有味： 《Harness Engineering——Claude Code 设计指南》：不是源码注释汇编，也不是产品功能介绍。它关注的是 Claude Code 如何把不稳定模

keyboard_arrow_left Previous keyboard_arrow_right Next

32 491 2K 432K 3K

写技术文章最烦的事之一：画图。 脑子里很清楚的架构，落到 draw.io 上总是对不齐、颜色难看、导出模糊。 所以我做了 fireworks-tech-graph，一个专门生成技术图的 Claude Code Skill。 o… 用法很简单—— t 「画一张 Multi-Agent 协作图：Orchestrator 调度 3 个 SubAgent，分别负责搜索、计算和代码执行，最后汇聚到 Aggregator 输出结果，玻璃态风格」 然后它会： ① 识别图类型 → Agent 架构图 ② 分配语义形状 → Orchestrator 用六边形，Agent 用六边形，存储用圆柱体 ③ 用语义颜色编码箭头 → 蓝色主流程、橙色控制流、绿色读写 ④ 自动导出 SVG + 1920px PNG 整个过程不需要写 DSL，不需要打开任何工具，一句话描述，图就出来了。 o… 目前支持 8 种图类型、5 种视觉风格，AI/Agent 领域的常见 Pattern 全部内置（RAG、Mem0、Agentic Search、Multi-Agent、Tool Call 等）。 开源，欢迎 star 和 fork 👇 github.com/yizhiyanhua-ai…

发现了一个微软出品的 口语训练工具ReadingCoach。 可以无痛开心练口语，而且完全免费。 平台提供了很多朗读素材，什么难度的都有，通过实时录音阅读，系统ai会帮你分析单词的读音，停顿节奏等等问题。 日语，法语，德语，韩语也都能学。 如果觉得现成的素材没劲，也可以自己选择人物场景ai生成有意思的小故事，也支持自己上传朗读素材。 学习进度也可以保存，非常简单好用，推荐各位试试。

keyboard_arrow_left Previous keyboard_arrow_right Next

投机实验室 @LabSpeculation

3 months ago

赚大钱，靠的不是频繁买卖，而是耐心等待。 ——Charlie Munger

3 29 200 184K 40

本来以为前端类的 Skill 已经过剩了，出不了什么新鲜的活了 昨天刷到一个叫 Awesome Design 的仓库，将近20K的star 把全球 55 个大厂的设计语言，全塞进了一个 DESIGN.md 里 苹果、Spotify、IBM 这些有极好品位的品牌 常用的配色、字体、组件，一次全有了 用法很简单： 把仓库链接发给 Claude Code，让它自己安装配置 装好之后让它参考这份设计规范去跑你的项目就行 随便跑了几个 case 因为有了这套规范，设计下限直接被拉高了 几乎很难再出 AI 味的前端了 github.com/alexpate/aweso…

最近刷 GitHub，看到一个挺“朴素但有杀伤力”的项目：有人把 Nano Banana Pro 的高质量提示词，直接整理成了一个大而全的素材库。 不是那种随便丢几十条 prompt 的合集，而是带预览图、使用说明、来源链接的那种，一眼就能看懂“这个 prompt 能干嘛”。 现在已经 1 万+ 条提示词、支持 16 种语言，Star 也冲到 9k+ 了。更关键的是，它还做了个网页版，可以直接按分类看效果、搜关键词，比在 README 里翻半天舒服太多了。 我自己用下来最大的感受是：AI 画图这件事，真的在从“拼灵感”变成“拼工作流”。 以前大家比谁能写出一句玄学 prompt，现在更像是在比谁手里有现成模板、谁知道该怎么改、谁能快速复用。尤其是做自媒体、电商、设计外包这些场景，你不缺“能出图”，你缺的是“稳定出能用的图”。 这种提示词库的价值，其实就在这——帮你直接拿到一个 70～80 分的起点，而不是每次从 0 开始抽卡。你可以在它的基础上微调，而不是一遍遍试错，这中间省下来的时间，才是最值钱的。 当然，它也不是万能的。照抄 prompt 确实能出图，但不一定是你想要的。 不同场景（电商主图 / 漫画分镜 / 产品设计），底层需求差别很大，最后还是要你自己去改、去适配。 但当作一个“灵感库 + 模板库”，这个项目是真的好用。很多时候，比看一堆教程更直接——因为你看到的是“别人已经跑通的结果”。 🔗：github.com/YouMind-OpenLa…

keyboard_arrow_left Previous keyboard_arrow_right Next

如何用 Agent 做出有品味的设计，来自 Google Stitch 的官方文档教你写好 DESIGN.md ，非常值得一看！ 按照 Google 的规范，一个标准的 DESIGN.md 必须（或按顺序）包含这六个部分。 1. Overview 概述 ，对设计整体外观和感觉的全面描述。 2. Colors 颜色 ，主要色板、次要色板、三级色板和中性色板。 3. Typography 字体排版，字体家族及其在排版层级中的作用：展示、标题、副标题、正文和标签级别。 4. Elevation 提升，设计如何传达深度和层次。有些设计使用阴影；另一些则保持扁平。 5. Components 组件，组件原子的样式指南。专注于的应用程序最相关的组件。 6. Do’s and Don’ts 该做与不该做的事，实用指南和常见陷阱。 stitch.withgoogle.com/docs/design-md…

今天 GitHub 被 Agent 军团屠榜了！ 5 个星标暴增最狠的项目，专业拆解下！ 1. mvanhorn/last30days-skill 你的私人全网情报官，同时爬 Reddit、X、YouTube、HN、Polymarket，给你去水印总结。 🔗 直达：github.com/mvanhorn/last3… 以前挖资料像挖矿，现在直接请了个不睡觉的实习生。2,685 星一天，情报战时代正式开启！ 🟢 2. Yeachan-Heo/oh-my-claudecode Claude Code 的团队微信群 多 Agent编排，让 AI 互相协作写代码、Review、接力。 🔗 直达：github.com/Yeachan-Heo/oh… 终于不用一个人对着Claude自言自语了，像给AI开了腾讯会议。团队生产力直接起飞！ 🟢🟢 3. virattt/dexter 金融界的 AI 福尔摩斯， 自主 Agent专攻财报研究、市场趋势、竞品分析。 🔗 直达：github.com/virattt/dexter 以前熬夜看10-K报表，现在让Agent熬夜，你喝咖啡看报告就行。投研/量化/VC必备！ 🟢🟢🟢 4. ruvnet/RuView —— WiFi也能“看”穿你（科学版） 用WiFi信号实现实时人体姿态、生命体征、存在检测，无需摄像头。 🔗 直达：github.com/ruvnet/RuView 科幻成真！路由器一装，智能家居/养老/安防直接升级。Rust硬核实现，隐私友好到爆。1,002星一天！ 🟢🟢🟢🟢 5. bytedance/deer-flow 字节跳动亲儿子级 SuperAgent。长时程任务框架：研究、写代码、创造全包，带沙盒、记忆、子Agent，能干几分钟到几小时的复杂活。 🔗 直达：github.com/bytedance/deer… 字节又把内部黑科技放出来了……玩好了一个人顶 10人团队。2,394 星一天，含金量爆表！ ⚠️⚠️ 总结： 2026 年的风口已经是 Agent 基础设施。谁先把这些项目玩透，谁就站在下一波生产力革命的C位。

这个 design skills 有点东西。impeccable.style

这个仓库值一个亿 Cursor、Claude Code、Devin、Windsurf、v0... 所有你用过的 AI 编程工具 它们的 System Prompt 全被扒出来了 30000 行指令 30+ 个产品 0 元获取 github.com/x1xhlol/system…

anthropic.com/engineering/de…

3. 从文字生成信息图 输入任何概念，Gemini秒变精美图表，无需Figma。 提示： '你是世界级视觉解释专家。 将此概念转换为信息图：[插入概念]'