obra/superpowers:给 Claude Code 加上「先想清楚再动手」的技能库
AI
obra/superpowers 于 11 月 21 日登上 GitHub Trending。作者 obra(Jesse Vincent)把它做成一套给 Claude Code 用的「技能」集合:在动手改代码之前,强制先做头脑风暴、方案拆解、写测试再实现,把原本靠口头叮嘱的步骤固化成可复用的技能文件与子代理流程,减少模型一上来就闷头改文件的情况。它把提示词工程变成了可版本化、可 review 的仓库资产,对已经在用 Claude Code、Codex 等终端代理的团队有直接参考价值。
jingyaogong/minimind:用一张消费级显卡从零训出会聊天的小模型
DEV
jingyaogong/minimind 是一个把「从零训练大模型」压缩到个人可承受范围的教学型项目:以约 26M 参数的小 GPT 为基线,配套提供分词、预训练、SFT、LoRA、蒸馏等完整脚本与中文说明,单卡几个小时即可跑通全流程并看到对话效果。它出现在 11 月 21 日的 Trending 榜单,说明在大模型岗位需求旺盛的当下,「亲手训一遍」仍是工程师理解 Transformer 内部机制、搞懂 loss 曲线最有效的路径。
firecrawl/firecrawl:把任意网页变成大模型能吃的 Markdown
AI
firecrawl/firecrawl 是面向大模型应用的开源网页抓取服务,能把站点抓下来转换成干净的 Markdown 或结构化 JSON,覆盖单页抓取、整站爬取、搜索与结构化抽取等接口,既提供托管云服务,也支持自托管部署。随着 AI 代理需要实时读取外部网页,「把 HTML 洗成模型能吃的输入」正变成新的基础设施层,Firecrawl 与浏览器自动化、RAG 数据管线处在同一赛道上,是自建知识库时绕不开的选型之一。
toeverything/AFFiNE:文档、白板、数据库合一的本地优先工作区
toeverything/AFFiNE 再次出现在 Trending 榜单。它把文档、白板与数据库放进同一个工作区,强调本地优先(local-first)与实时协作,支持自托管,常被拿来与 Notion + Miro 的组合对比。项目以自研编辑器框架与 CRDT 协同为技术底座,对想研究现代协同编辑架构、或需要私有化部署知识库的团队来说,是一个可以直接拆开读源码的样本,也是这类「一体化工作台」路线目前最活跃的开源实现。
DreamCoder:Mastering Emacs 作者做了个「编码 harness + IDE」
NEW
Mastering Emacs 作者 Mickey Petersen 发布 DreamCoder,自称是一个「coding harness + IDE」,并在博客里交代了设计动机。所谓 harness,是把编辑器、终端与 AI 编码代理串成一条可重复的回路,而不是再堆一个孤立的聊天窗口。文章在 Hacker News 拿到约 100 分,也引出了「当代理成为主角,IDE 到底该重构到什么程度」的讨论。对重度键盘用户和正在设计代理工作流的人来说,这是一份难得的自建思路实录。
OpenComputer:可跑在自己云账号里的开源版 Devin
HOT
Digger 团队在 Hacker News 发布 OpenComputer,定位是开源的云端编码代理:整套代理跑在企业自己的 AWS、GCP 或 Azure 账户里,代理执行框架与沙箱位于同一台持久化虚拟机上,代码与凭据不必离开自有云。作者称首个提交任务约 24 秒即可落地执行。对担心把仓库和密钥交给第三方 SaaS 的团队来说,这是「自托管编码代理」路线的一次具体实现,也把 Devin 类产品的部署边界问题摆上了台面。
Ghost-Downloader-3:Python + Qt 写的跨平台多线程下载器
XiaoYouChR/Ghost-Downloader-3 是一款用 Python 与 PySide6(Qt)实现的多线程下载器,支持 HTTP 分片下载、BT 与磁力链接,提供现代风格的图形界面,可在 Windows、Linux、macOS 上运行。项目由国内开发者维护,已迭代到第三代,常被拿来与 IDM、Motrix 对比:适合需要跨平台、开源可审计,又不想折腾命令行 aria2 配置的用户,也能作为学习 Qt 异步下载与任务调度的一份完整代码。
用 ffmpeg 从视频里抽音频,AI 给的那行命令为什么必然报错
Dev.to 上一篇文章记录了用 ffmpeg 抽音频的正确姿势:直接照抄 AI 给出的 ffmpeg -i in.mp4 -vn -acodec copy out.mp3 会报「Invalid audio stream」,因为源视频音轨通常是 AAC,无法原样 copy 进 MP3 容器。作者给出的解法是按目标容器显式转码(如 -c:a libmp3lame,或直接输出 .m4a 复制音轨),并说明 -vn 与 -acodec copy 各自的含义。十分钟就能用上的命令行硬经验,也提醒了照抄模型输出时的典型坑。
OpenHands、SWE-Agent、AutoGen 三款自主开发工具横向对比
AI
一篇更新于 2026 年 6 月的对比文重新梳理了三款自主开发工具:OpenHands(约 7.4 万 GitHub star,开源,面向云端编码代理与自主任务执行)、SWE-Agent(学术出身,专注 GitHub issue 自动修复)、AutoGen(多代理编排框架,偏通用工作流而非单一编码任务)。作者按真实任务表现、许可证、定价与社区反馈四个维度逐项列表比较,适合正在为「让代理改代码」做初筛、需要判断该自建还是采购的团队。
我们把开发者提拔成架构师,却没告诉他们这个角色要干什么
HOT
《We promoted developers into architects without informing them》在 Hacker News 拿到 292 分、180 条评论。作者的核心观察是:很多公司把资深工程师升成「架构师」,却不给角色定义、决策权限和反馈机制,结果是人被抽离一线编码、失去技术手感,同时还要为跨团队的技术决策背锅。文章主张把架构角色还原成职责边界清晰的技术领导岗位,对正在做职级改革或培养技术负责人的团队有直接参照价值。
Vibecoding 一颗推理芯片:哪些环节 AI 真能加速
AI
一位开发者记录了自己用 AI 辅助「vibecoding」一颗推理芯片的过程:把大模型当作硬件设计助手,从设计规格、硬件描述代码到仿真验证逐步推进,并复盘哪些环节 AI 确实能提速(样板代码、测试平台、文档检索),哪些必须由人把关(时序收敛、验证覆盖、面积与功耗取舍)。在编码代理热潮下,这是少见的把自然语言驱动的开发推到硬件层的实践记录,Hacker News 上获得约 110 分与 39 条讨论。
语言模型能改写自己的权重:arXiv 新论文引热议
HOT
arXiv 论文《Language Models Can Rewrite Their Own Weights》在 Hacker News 拿到 337 分、108 条评论。标题直白地把问题摆上台面:让模型在推理阶段直接修改自身参数,而不是靠外挂记忆或更长的上下文来吸收新信息。这条路若走通,持续学习就不必每次走全量重训或微调的重流程;代价是验证方法、灾难性遗忘与安全护栏问题会同步放大。做持续学习与模型可解释性的团队值得细读。
上下文悬崖:20 万 token 之后,提示词账单可能直接翻倍
AI
Dev.to 一篇短文拆解了大模型定价中最容易被忽略的「上下文悬崖」:价目表上每百万 token 的单价只是地板价,不少模型在超过 200K 或 272K 上下文后会跳到更高档位。例如同样 25 万 token 的提示词,在 Gemini 3.1 Pro 上因越过 200K 线,输入价格从每百万 2 美元翻到 4 美元;而 GPT-6.1 Sol 仍按标准价计费。作者的结论是:长上下文应用里,裁剪历史、分块总结与缓存复用不是优化项,而是决定毛利的基础设计。
CLAUDE.md 里加一句话,顶掉了大半个 ADR 检索技能
AI
一位开发者做了个小型对照实验,结论是:与其给 ADR(架构决策记录)检索单独做一个技能,不如在 CLAUDE.md 里写上一句「做重要改动前先查 ADR」,一句话就拿到了那套技能的大部分效果。作者同时在用 karasu——一种受 C4 模型启发的文本化架构描述语言,用 .krs 文件渲染系统、部署与团队视图,并且坚持代码全部由 Claude Code 生成。这篇周报的价值在于示范:最小的提示约束往往比复杂工具链更管用。
私有 LLM API 的三种「私有」:零留存、TEE 与可验证 enclave
AI
一篇对比文把「私有 LLM API」拆成三种完全不同的东西:零数据保留(合同层面承诺不存提示词与回复)、TEE 可信执行环境、以及可远程验证的 enclave,三者在安全强度与可审计性上差异巨大。作者逐家核对 OpenAI 兼容接口提供商的官方文档,信息核对日期为 11 月 20 日,并在文中为每条结论标注出处链接。对需要把用户数据送进第三方模型、又要通过合规评审的团队,这份清单可以直接当作尽调起点。
今天的 GitHub 榜单几乎被「代理周边」占满:技能库、插件仓、可自托管的编码代理。基础设施的重心正在位移——过去工具是给人用的,现在要先把接口做成代理能调用、能验证、能回滚的形态;服务对象的改变,比功能列表上的加法更值得关注。
瓶颈也在换位置。一边是上下文越过 20 万 token 就翻倍的账单,一边是模型自改权重的验证难题,再加上「私有」被拆成零留存、TEE、可验证 enclave 三档。成本与信任正在取代「能不能跑」,成为 2027 年前工程决策的主轴。
有意思的是教程一端在回归最小有效:一句 CLAUDE.md 顶掉半个技能,ffmpeg 的容器兼容坑 AI 依然照抄就错。复杂工具链不一定更强,硬经验也没有被模型接管——这大概是当下最实用的判断标准:先找那一句话,再谈那一套系统。