这个话题下写得比较实的几条回答,点进去看它所在的讨论。







🚀 免费学谷歌官方 AI + Cloud 资源的机会来了,对 AI、云原生、生成式应用开发感兴趣的朋友别错过!
本次是谷歌官方举办的 Cloud Study Jam 学习营,8月17日正式开营、9月30日结营,报名截止到8月16日(周日)23:59,没有任何门槛,对相关领域有好奇心的朋友都可以报名参加。
参与福利非常实在:
· 免费解锁 Google Skills 平台上的付费学习内容额度
· 参与谷歌开发者专家(GDE)带队的手把手实操 Workshop
· 线上自由安排时间学习谷歌 AI 与 Google Cloud 相关技能
· 结业后可获得 Google Skills 官方数字徽章 + 结业实体纪念礼包
· 活动结束后可参与10月中旬举办的配套黑客松,有机会进一步实践产出
本次学习内容覆盖当下 AI 圈热门的方向,包括 AI Skill-up Bundle、Gemini for Google Workspace、数据分析、数据库管理、Gen AI 开发、Google DeepMind 相关技能、Gemini Enterprise Agent Ready(GEAR)等,不管是入门打基础还是进阶学新工具都很有价值。
据活动分享博主 @lucas_flatwhite 透露,他之前参加过谷歌 campus 的同类活动,整体体验非常不错。
💡 已经报名的朋友评论区举个手?想找黑客松队友的也可以在这留言匹配~
🔗 相关链接
[报名链接]
🔗 相关链接
t.co/37r8VZ4IRI

🧠 99%的人用Claude都用错了:给它一个角色,效果翻倍
大部分人用Claude是这样的:"帮我写个东西。"
但高手是这样的:
就这么简单的改变,能彻底改变输出质量。
为什么角色设定这么重要?
Claude是一个大语言模型,它能理解"你是谁"。当你告诉它"你是一个资深Python开发者",它会切换到那个思维模式。
就像你问一个普通朋友编程问题,和问一个资深程序员,得到的答案质量完全不同。
15个实战Prompt模板:
🧠 研究类:让Claude做深度分析
💻 编程类:代码生成、优化、重构
🐛 调试类:找出bug并提供修复方案
🤖 Agent类:构建智能代理系统
📈 商业类:制定商业计划和策略
✍️ 写作类:专业文案和内容创作
🎓 学习类:解释复杂概念
📄 文档类:分析PDF和长文档
🚀 构建类:从零搭建SaaS项目
👔 顾问类:CEO级别的决策建议
📱 内容类:社交媒体内容创作
✨ 优化类:改进你的Prompt
🧠 推理类:复杂逻辑分析
🤝 助手类:个人助理功能
👑 终极类:综合所有技巧
实战示例:
❌ 错误用法:
"帮我写个营销文案。"
✅ 正确用法:
"你是一个有10年经验的营销专家,擅长科技产品的文案。请为一款AI编程助手写一段100字的营销文案,风格要专业但不生硬,目标用户是程序员。"
看到区别了吗?后者给了角色、背景、具体要求、目标用户、风格指导。
为什么这很重要?
AI不是魔法,它需要上下文才能给出好答案。你给的信息越具体,它输出的质量越高。
这就像你给员工布置任务:说"帮我做点什么"和说"帮我用这个方法、达到这个效果、截止时间是明天",结果完全不同。
个人思考:
Prompt工程不是玄学,是沟通技巧。
好的Prompt = 好的问题。好的问题 = 好的答案。
学会用正确的方式提问,是每个人在AI时代的核心竞争力。

做一个下dsh和pi的对比 Pi 的目标是“最小核心 + 用户自己拼”,DSH 的目标是“几乎所有能力都插件化,官方先给你几套完整组合”。 DSH 的骨架是Cordis。 Cordis 不是普通插件加载器,它强调两件事:
inject 声明需要什么服务,运行时按依赖挂载。 所以在 DSH 里: - 模型适配器是插件 - 工具注册表是插件 - session log 是插件空根 → dsh-base(模型、工具、沙箱、凭证…) → dsh-web-app 或 dsh-headless → 用户自己的 cordis.patch.yml → 命令行 --patch
dsh --profile web --dump-config 能直接把当前实际挂载的树打出来。 Session 设计是硬核部分 Session 是 append-only 的事件流
模型最终看到的上下文,必须能从这条 log 完整重建出来。官方写得很死: > Model-visible means logged. 任何会进模型请求的内容,都要先变成 session event。
所以 fork、resume、回放、UI 渲染、telemetry,全部从同一条流投影。这点比大多数 coding agent 做得更彻底。 Turn / Step 有claudecode的影子,流程如下: turn/start
→ claim input → agent/pre-step(可拦截、可改写) → step/start → llm/stream
→ tool/call → tools/pre-execute → execute → post-execute → step/end → 继续 or turn/end
agent/pre-step、tools/* 这些是 waterfall,监听者必须显式 next() 才能往下传。扩展点设计得很规整。 Pi 的实际交集 DSH 仓库里有一个包: -ai/dsh-llm-pi-ai
它就是把 pi-ai当成 LLM 适配器的后端。 多 provider、协议兼容、reasoning effort 映射、catalog 覆盖,都走 pi-ai 的能力,再包一层 Cordis 插件契约。 所以:
DSH 的 Minimal 模式才最接近 Pi 的默认体验:只留 shell + 文件编辑器,专门给 benchmark 用。 官方之前在 V4 的 agent 评测里就用过这个模式。
Standard 模式和 Code(PTC)模式则是完整工具集 + 程序化工具编排,已经远超 Pi 默认的 4 工具。 如果你喜欢 Pi 那种“核心极瘦、自己动手加东西”的感觉,DSH 会显得重,配置和概念也更多。
如果你要的是可替换的 agent loop、完整事件回放、多模式预设、以及官方已经搭好的 Web 界面,DSH 的插件树和 seam 设计更系统。 一句话:
Pi 是极简可扩展的 coding harness;DSH 是基于 Cordis 的完整 Agent Runtime,LLM 层复用了 pi-ai,但整体不是同一套代码。
grok du 命令,可直观查看 ~/.grok 目录的磁盘占用,覆盖工作树与会话数据
· 会话重命名限制为100字符,默认预填充当前标题,手动设置的标题可跨设备同步;新增 /rename --auto 命令可恢复自动标题生成
· /usage、/session-info、/context 命令现在以标签页模态框打开,不再占用对话上下文;Recaps 现在会使用与当前对话一致的语言生成
· 基于参考素材的视频生成新增预设音色、单图输入支持,可调节1-15秒时长与4:3/3:4宽高比
性能与稳定性也有大幅提升:大型 Git 仓库的 status/diff 操作不再占用过高 CPU/内存,长会话的历史搜索不再泄漏后台线程,恢复大型会话的速度显著加快且 UI 不会显示不完整记录;同时修复了 Apple Silicon 设备在 Rosetta 终端下仍能安装原生 arm64 版本、子进程挂起时工具超时不会导致代理卡死、Worktree 会话状态正常同步等20+ bug。
💡
GitHub: github.com/Dujltqzv/Some-…


🔥 10个你不能错过的AI GitHub仓库,全部开源,值得收藏。
AI发展太快,这些仓库正在推动AI代理、编码工作流、研究和自动化走向新高度。挑几个最值得关注的:
个人点评:这些仓库涵盖了AI开发的完整链条——从个人助手到开发框架,从研究工具到浏览器自动化。特别推荐OpenClaw和Superpowers,前者是全能型个人AI助手,后者为编码代理提供了结构化的工作方法。在AI工具爆炸式增长的当下,这份清单能帮你快速找到最有价值的开源项目,避免在无数仓库中迷失方向。
建议收藏,需要时按需选用。AI代理时代才刚刚开始,这些工具会让你事半功倍。




📦 10个必须收藏的开源AI GitHub项目
全免费、全开源,涵盖AI开发的各个场景:
最实用的几个我试过:Ollama上手零门槛,Aider写代码效率翻倍,ComfyUI出图稳定性碾压在线工具。