#AI工具 · AI 短帖与讨论

一句立场鲜明的开头（转述）："我停止把 AI 当设计工具——现在我把它当设计团队。" 他最新的落地页工作流走四步：①先用 GPT 探索想法与方向；②用 Midjourney、GPT、Grok 里"最适合这个想法"的那一个生成视觉；③自己想清楚这些视觉该怎么动，再用自研的视频工具生成动画；④把一切搬进 Cursor + Claude，构建真正的落地页——链条记作 Idea → Visuals → Motion → Build。他的注脚也坦诚：还在实验，但这条工作流越来越好。

我的看法：这正好补上设计三部曲的第三视角——57625 是规范派（把 DESIGN.md 注入任何模型）、57626 是权重派（设计专用模型自己长出设计），这条是组织派：它不问"谁来设计"，而问"谁站哪个工位"。

工具按工序拆成角色、人只当创意总监——定方向、选视觉、管动效、拍板构建；这与"岗位预制件"（57524）同构：把一个职能切成流水，模型是工位，而不是想象中的全能员工。

四步里最见功力的是 Motion：视觉到动效这一环他没有外包给任何"一键生成"——设计的最后一公里仍握在人手里，这也是 57501"分镜直出"那篇的反面印证：能直出的已经被直出，不能直出的还归你。

落地页则是这条链最合适的载体：短平快、环节分明、验收直观——拿它练手，比拿品牌系统练手便宜得多。

想直接抄这条链的人，第一步不是换工具，是先把你的"设计"拆成这四个动词——拆不动，换什么模型都还是把 AI 当成一个会出图的按钮。

工作流与工具选择按发帖转述，各工具效果以自己的实测为准。

开源圈又在把"每月几十上百美元的 AI 软件"逐个做成免费替代，这份清单收了 7 个项目——原文那些效率倍数没有对照口径、就不搬了，按功能记：

• hermes-jev-skills：给 Codex/Agent 补上路由、记忆、技能选择与界面点击。github.com/kerpopule/herm…
• typesafe-ai/skills：拖进 Codex 或 Cursor，就有决策、工具调用与评估循环。github.com/typesafe-ai/sk…
• OpenHands：开源编码 Agent，自己读代码、改代码、跑命令、排查问题。github.com/OpenHands/Open…
• MoneyPrinterTurbo：从素材到成片的自动视频流水线。github.com/harry0703/Mone…
• TradingAgents：查新闻、看财报、整理观点的多智能体研究流程。github.com/TauricResearch…
• LibreChat：一个界面统一接 ChatGPT、Claude、Gemini 与各种 API，省掉来回切模型、复制上下文的损耗。github.com/danny-avila/Li…
• OpenBot：给每个 Agent 一台自己的"电脑"——替你点、填、跑流程，而不是陪你聊天。github.com/CopilotKit/Ope…

我的看法：这 7 个正好占满了个人 AI 栈的七个位置——判断与路由、技能与循环、写码、出内容、研究、统一入口、代操作。"开源替代月费"能成立，说明这些位置的能力下限已经够用，竞争开始从"有没有"转向"顺不顺手"。对使用者的实操建议是先看自己的用量：免费的前提，是你愿意花时间调；各仓的实际能力以它们的 README 为准。

又一家做 computer use 的公司打了张"别再看 agent 演示了"的牌。

Sai 的开场是这么说的：演示里 agent 会翻车、会求助，最后复制粘贴敲命令的还是你。

它给的东西

• 把 computer use 放进一个悬浮窗，跑在你自己电脑上，用你的应用、你的系统，而且不抢你的鼠标
• 需要更多就拉起最多 100 台云机器，每台自己选操作系统，各干各的活
• 口号是"100 倍的工作，不需要你在场"

官网在这儿，写着免费开始：
sai.simular.ai

我的解读：值得注意的不是 computer use，是"机器成了可批量拉起的资源"

computer use 本身已经不新鲜了。这条的新意在于：一个人配 100 台不同 OS 的机器 —— agent 的角色从"助手"变成"外包团队"。

但真问题也跟着来了：100 台机器同时干活，成本怎么算、管理怎么做？跑在云机器上意味着要处理账号授权（要登录你的服务就得把凭证给它）、状态回收（跑完的机器和数据怎么清），以及最难的——跑坏了谁负责。这些恰恰是企业采用 computer use 的真正门槛：演示阶段看不出来，一上规模立刻暴露。

我的判断

这类"批量计算机"产品短期内最可能落地的场景是测试与数据采集（多 OS、多版本回归验证、批量操作），而不是替代白领工作。原因很直接：前者容错高、结果可验证；后者一旦出错，代价由人承担。

提醒：官方只说"最多 100 台""免费开始"，没给单价、单机时长限制和权限模型 —— 这几个数要在自己场景里跑过才算数。原文是英文，上面按原意转述；"Robosecretary"之类是它的营销标签。

有人开源了一个专治"翻整本书"的工具：translate-book（原名 Rainman Translate Book）。

为什么"翻一本书"和"翻一段话"是两件事

长文档会连着撞上四个坑：上下文放不下、术语前后不一致、格式丢掉、翻到一半断掉。丢给聊天窗口一句"帮我翻译"，通常就是在第三十个段落开始崩。

它给的做法

• 并行处理：整本书切成 N 段，同时拉起一堆子 Agent 一起干
• 三种格式：PDF / DOCX / EPUB 都能直接丢进去

我的看法

"切段 + 子 Agent 并行"这个结构，正好对上整本书翻译的核心矛盾：吞吐和一致性。并行解决吞吐，而一致性得靠另外的机制 —— 术语表、上下文传递、后置校对这些。原文没展开这一层，而这恰恰是决定成品能不能读的关键，也是我最想知道的部分。

格式支持三件套说明目标场景是出版和资料整理，不是随手翻一段。这类工具的门槛不在调用模型，而在怎么切、怎么对齐、怎么保证第 200 页和第 2 页是同一个词。

提醒：原文只有几行，没给质量评测、成本数字和切分策略。质量这种事，最终得拿自己的一本书试一章。

仓库在这儿：
github.com/deusyu/transla…

"在 GitHub 上搜一下 OPENAI_API_KEY，有惊喜。"

原帖就这一句，说的是个老问题：有人把自己的 API Key 提交进了公开仓库。

常见三种：.env 写进仓库、样例代码留了真 key、CI 日志打印出环境变量 —— 都不是恶意，是顺手。

为什么值得当回事

泄漏的 key 花的是你的钱：额度被跑光、账单出现陌生调用，还可能连带暴露你调用过的数据和服务。

很多人以为"我的仓库没人看"，但爬虫 7×24 小时扫公开提交。

能做的四件事

1. 已经在用的 key，先去后台吊销重建 —— 删仓库不等于 key 没被拿走
2. 打开 GitHub 的 secret scanning（公开仓库免费）
3. .env 加进 .gitignore，仓库里只留 .env.example
4. 用仓库密钥或密钥管理服务传值，别写死在代码和 CI 配置里

两点说明

这条我没去实测，也没有真的去搜别人的 key —— 那是翻别人的凭证。原帖只有一句话，没有案例数据，上面是通用做法。

最后一句最实用的：去自己项目里搜一下 sk- 和 OPENAI_API_KEY，比看十条新闻管用。

有人把算命先生塞进了 Claude Code。

bazi-skill：聊几句收齐生日时辰，本地 Python 就把四柱、大运、流年排出来，再照《滴天髓》《子平真诠》等九本典籍做格局和五行分析。

标准库直接能跑，pip 都省了；敲一句"算八字"或"排盘"就触发。

我看重它，不是因为它会算命

是它把一件小事做干净了，三处值得当模板：

1. 零依赖：只用标准库，用户不用先折腾环境。Skill 最劝退人的从来不是功能不够，而是"装不上"。
2. 触发词自然：说"算八字"就行，不用记命令名。触发方式决定它会不会被真的用起来。
3. 边界写在明处：作者自己加了一句"传统文化娱乐工具，不是人生说明书，别拿大运去辞职"。

第三条最容易被忽略。工具越顺手，越要提前说清它不该用来干什么 —— 这不只是免责，是替使用者省掉一次错误决策。

换个领域也一样：你要做一个排班 Skill 或报销 Skill，同样该问这三件事 —— 能不能零依赖跑起来、触发词够不够自然、不该用的时候有没有话说在前面。

两点提醒

这类内容本质是娱乐工具，别拿它做决策。另外它跑的是本地 Python，装之前看一眼仓库脚本是个好习惯。

仓库在这儿：
github.com/jinchenma94/ba…

打字的时候，想打的那个字排在一长串候选的最后面，翻半天找不着 —— 这是中文输入法的老毛病，每天都得犯几次。

作者干脆换了个思路：把 Jev 接到开源输入法鼠须管 / Rime 上，让模型来管候选字的排序。他的试用感受是"感觉还不错"。

但他也点出一个明确的短板：Jev 没有预测能力，没法扩展你原本想输入什么，所以要真做到顺手，还得再配一个类似 Cursor 那样的 tab 补全模型。

这个分工值得拎出来说，因为两件事经常被混成一件事：

• 重排：候选集合已经定了，模型只在里面挑更可能的那几个。搜索空间小，做得快、也便宜。
• 预测：候选之外的，模型得先猜你接下来想打什么，这要求它懂你的上下文和用词习惯。

判断型模型天然适合干第一件，干不了第二件。这是定位，不是缺陷 —— 硬要它去预测，等于让它丢掉自己最快的那部分。

真要照抄这个方案，得先接受它是两段式的：一段管排序，一段管预测，缺一段体验就不完整。

最后提醒一句：这是作者个人的试用感受，不是横向评测。原帖那个 t.co 没解析出外部地址，这条帖子里也就没有可点的链接。

又冒出一个 AI 视频 agent，叫 Pexo。它的官方口号是「像 vibe-coding 那样做视频」，我觉得比口号更值得看的是它的交互方式。

官方的说法是：你把想法和参考丢给它，然后像跟朋友发消息一样，一步步把细节聊清楚。没有复杂提示词，也不用学新工具。

真正不一样的地方是改片子的方式。

想改什么，直接在视频上标记出来，然后告诉 Pexo 要改成什么样——就像在文档里留评论一样。这个交互在 AI 剪辑工具里很少见，大多数产品还是让你"重新描述一遍"，然后祈祷这次抽对。

官方还特别说明，演示视频里的所有东西都是 Pexo 做的：画面、动态图形、音乐、字幕、配音，连他们创始人都出现在画面里。

LiuweijiaVip 的实践视角我觉得更实在。他之前是用 CodeX 调 MCP 去做剪辑，看完 Pexo 的发布说，TTS 那块他一直不太满意，而这次的方向是"用自然对话处理剪辑"，看起来不错。

他还提到之前给 Google 和 Grok 都提过反馈，希望加强模型的剪辑能力——也就是说，他等这个东西已经等了一段时间。他还没实测，打算等手上的 team codex 告一段落再试剪辑效果。

我觉得这个方向值得盯的点在这：剪辑的瓶颈从来不是"能不能生成画面"，而是"改起来有多麻烦"。一个镜头不对，你得重新组织语言描述一遍，运气好改对，运气不好越改越偏。直接把意见标在视频上的做法，等于把"说"换成了"指"——这一步省下来的时间，可能比生成质量提升更让剪辑的人有感。

Pexo 官方发布见引用推文。

腾讯团队把内部用了半年的TeamAI CLI开源了，这个项目解决了一个很实际的问题：团队里最会用AI的那个人，他的经验怎么让其他人也能用上？

TeamAI CLI的核心思路是用Git仓库作为唯一事实来源，把团队统一的Skills、Rules、Hooks、MCP配置和经验知识，同步到每个成员本地的Claude Code、Codex、Cursor、Qoder、CodeBuddy等十余种AI编码工具中。一次配置，全员生效，而且不绑定任何单一AI工具。

它要解决三个痛点：

1. 配置碎片化：同一个团队有人用Claude Code、有人用Codex，每个工具的配置格式互不兼容，最佳实践散落在各人本地，无法共享。
2. 经验蒸发：某个人花两小时踩透的坑，结束后只留在他自己的会话记录里，其他人下次还会原样再踩一遍。
3. 治理盲区：团队不知道成员实际怎么用AI，token花在哪、干预率多高、哪些skill真正被用。

三层产品架构层层递进：

第一层Team Execution——统一分发。Git仓库是唯一事实来源，管理员维护配置，经push→MR评审→合并后，由SessionStart hook自动pull到每位成员本地的AI工具。分发可按角色、标签精细过滤，还能订阅其他团队的公共仓库。

第二层Team Context——团队记忆。写入侧靠摩擦信号过滤：只有你打断过AI、拒绝过工具调用、或AI反复重试失败的会话，才会提示总结成经验推送到团队仓库。读出侧是teamai recall：任务开始前由子代理自动检索团队知识，零外部数据库依赖。

第三层Team Improvement——飞轮闭环。digest团队周报（token用量、干预率）+dashboard Web看板，配合recall promote（高价值经验晋升为正式skill）和recall maintenance（清理过时条目），让每一次执行都沉淀为团队能力。

这个项目代表了2026年AI工具生态的一个清晰趋势：竞争正在从单个Agent的能力，转向团队级Harness和记忆系统的标准化。对于5人以上、多工具混用、且已认真在生产环境使用AI Coding的团队，这是一个值得现在就试的项目。

GitHub: github.com/Tencent/teamai…

公文写作DNA是一个基于102万字真实公文语料训练的AI写作Skill，专门用于生成高质量的公文内容。

核心特点：

1. 真实语料训练：使用102万字的真实公文语料进行训练，确保生成内容符合公文规范。

1. 多场景支持：支持通知、报告、请示、批复等多种公文类型。

1. 格式规范：自动遵循公文格式要求，包括标题、正文、落款等。

1. 语言专业：使用规范的公文语言，避免口语化表达。

使用场景：

• 政府机关公文写作
• 企业内部通知、报告
• 项目申请、验收报告
• 工作总结、计划

这个Skill对于需要频繁撰写公文的用户来说非常实用，可以大大提高写作效率和质量。

详情：x.com/geekbb/status/…

闲鱼上"产品3D建模"的单子，300-800块一个，会Blender的人接都接不完。

最近发现一个开源项目，商品图丢进去直接出3D模型，还自动换几个模型跑、打分帮你挑最好的。

它干了三件狠事：

① 图片直接重建3D网格 — 白底商品图就能出模型，不用学Blender、不用手动拉线

② 多模型自动PK — 集成好几个开源重建模型，跑完自动评分，哪个效果最好直接告诉你

③ 本地免费跑 — 全开源，成本只有电费和显卡，商用走起

怎么上手：

1. git clone + pip 装依赖（会Python就行）

1. 拍3-8张多角度白底图（手机就能拍）

1. 跑一遍自动重建+评分，挑最高分的导出OBJ/GLB

1. 挂闲鱼/淘宝接建模单，或直接上架卖3D模型

算笔账：

• 建模单300-800/个，一天出3-5个=1000-4000

• 工具免费，显卡好几分钟出一个

• 电商详情页加3D展示，报价直接翻倍

避坑（干过才知道）：

• 开源模型license商用前逐条看，有的只许研究不许商用

• 图越干净越好，一张糊图毁所有

• 只能做展示级，别接高精度工业件，那是Blender老手的活

做电商的赶紧把自家SKU都转成3D挂详情页——这活儿现在会的人不多，先干的吃肉。

#AI工具 #3D建模 #搞钱

19万科学家在用的AI科研技能库：163个Skill让Claude Code变成全能研究员

做科研的朋友都懂那种感觉：你有一个很好的研究想法，比如从基因数据库筛候选靶点、做分子对接、跑通路富集分析、整理成报告。听起来很顺畅，但实际操作光查API文档就能耗掉大半天，装环境配依赖又是半天，中间某个包版本冲突又得折腾一晚上。

scientific-agent-skills要解决的正是这个问题。它不是一个新模型，也不是一个新平台，而是一套遵循开放Agent Skills标准的科研技能包——装上之后，你的Claude Code、Codex或Cursor瞬间从普通程序员变成懂生物、懂化学、懂医学的全能科研搭子。

【163个科研技能，覆盖20个学科方向】

这不是随便写个提示词糊弄的东西，每个技能都配备完整文档、代码示例、最佳实践和测试用例。覆盖领域：

• 生物信息学和基因组学：27个技能，从序列分析、单细胞RNA测序到系统发育分析
• 化学信息学和药物发现：10个技能，分子性质预测、虚拟筛选、ADMET分析、分子对接
• 临床研究：8个技能，药代动力学建模、变异证据审查、临床试验分析
• 医学影像和数字病理：4个技能
• 机器学习相关：14个技能
• 材料科学和物理：7个技能

接入100+科学数据库（PubChem、UniProt、PDB、arXiv等）和70+优化Python包工作流。

【为什么比直接用ChatGPT做科研靠谱】

通用AI做科研有三个致命短板：不知道该查哪套数据库、调用哪个工具、怎样留下可追溯证据。比如你说帮我把这份RNA-seq数据做差异表达分析，通用AI不知道用Scanpy，连不上GEO数据库；你说查一下这个蛋白的相互作用网络，它凭记忆编了一个不存在的数据库ID。

scientific-agent-skills的每个技能都是一个自带说明、依赖、脚本与测试的小模块。AI代理发现它、加载它，就获得了对应领域的实操能力。一个药物发现任务可能要在ChEMBL查活性数据、用RDKit做结构分析、用DiffDock做对接、再回PubMed查文献——这些步骤现在可以一次prompt串联完成。

【工程约束保证可靠性】

每个带scripts的技能必须随附tests测试套件；CI在每个PR校验仓库级结构契约，包括frontmatter元数据、链接解析、脚本解析和--help行为；GitHub Actions的security-scan工作流按严重级别阈值阻断高风险提交。

项目提供Docker镜像支持本地私有化部署，内置skill validation机制确保每次调用的结果可靠性。

【数据】

• GitHub Stars：40,727（三个月增长66%）
• 全球用户：19万+科研者
• 技能数量：163个即用型技能
• 数据库覆盖：100+科学数据库
• 开源协议：MIT

安装：pip install scientific-agent-skills，配置API Key即可调用。支持Claude Code、Codex、Cursor、Antigravity等主流Agent。

OpenClaw 2.0发布：933人贡献、1.6万PR，龙虾史上最大更新

8月30日，OpenClaw（龙虾）正式发布2.0版本，这是项目自2025年11月诞生以来最大的一次更新。项目创始人Peter Steinberger在X上宣布了这一消息，并在线回答了社区的大量提问。

【核心数据】

• 933名贡献者参与开发
• 超过1.6万次PR提交
• 项目累计获得38.8万Star、8.1万Fork
• 提交次数超过8万次
• 启动时间从1.6秒降到575毫秒
• JS请求从140个降到45个

【四大用户可感知变化】

1. 安装从"填配置"变成"先找现成能力"

新版首次安装会扫描机器上已有的ChatGPT、Claude订阅、API Key和本地模型（Ollama、LM Studio等），在保存配置前验证所选模型确实可用。不再需要第一次启动时一次性填完所有选项。

1. 浏览器端Control UI成为一等入口

2.0把浏览器应用重做为主要工作界面。首次启动直接进入与Claw的对话，用户可以在对话中继续配置Skills、搜索能力和消息渠道。相比CLI，浏览器入口更适合查看长任务状态和共享上下文。

1. 共享云会话让Agent可以交接

这是2.0最像产品能力的更新：一个人正在运行的任务，可以把上下文交给另一个人继续处理。适合家庭成员共同处理日程、团队成员接手长时间运行的研究任务、或需要把"模型已经做了什么、还缺什么"完整交给值班人员的流程。

1. 安全机制全面升级

• 私有凭据通过掩码请求提交，全程不进聊天记录和模型上下文
• 一次性权限授权只放过某一次精确操作，任务更改后需要重新审批
• 内置记忆取代QMD插件，Agent能回忆其他对话里的相关上下文

【社区争议】
共享会话引发了隐私方面的争议。网友认为要求团队成员公开各自使用的私有技术栈具有侵入性。Peter回应称OpenClaw提供了私人会话模式，共享会话不是强制要求。

另一个热议话题是"龙虾是否已死"。尽管2.0是一次大规模工程更新，但社区讨论热度明显不如一年前。有分析指出，Claude Code、Codex、Cursor等编程Agent在编程场景提供了更直接的产出，生活助理型Agent需要证明自己能持续节省时间，否则配置成本会抵消收益。

【行业意义】
Linux基金会2026年成立了Agentic AI Foundation，接受了Anthropic的MCP协议、OpenAI的AGENTS.md规范和Goose项目。MCP解决工具发现，AGENTS.md解决指令规范，Goose解决执行运行时——三块拼图合在一起，就是一个标准化的Agent Harness架构。

谷歌工程师Addy Osmani的观察是：这些Harness彼此之间的相似度，远高于它们各自底层模型之间的相似度。OpenClaw定义了赛道，但赢得赛道的可能是另一个玩家。