开源 | 锤子前端

《Thorsten Ball：我对软件开发未来的16条判断》

Fri, 23 Oct 2026 01:09:56 GMT

《Thorsten Ball：我对软件开发未来的16条判断》

标签：
#软件工程 #AI编程 #代码审查 #单元测试 #终端工具 #Token计算范式 #开源生态 #软件开发未来 #ThorstenBall

总结：
2026年9月19日，知名开发者、《Writing An Interpreter In Go》作者、现供职于 Sourcegraph/Amp 的 Thorsten Ball 在 X 发布长文，抛出 16 条关于软件开发未来的判断。核心观点是：当 AI 写代码的可靠性足够高时，为人类防错而设计的整套工程实践（代码审查、单元测试、终端、命令行工具）都会逐渐失去必要性，工程师的价值将从"写代码的手艺"迁移到"理解业务、判断取舍、拿到反馈"上，而这一切需要一代人的时间完成。

文章要点：
1. 代码审查已死——人类不会再逐行 review 模型产出的代码，只会审查"系统与其组合方式"。
2. 单元测试可能会消失——他让模型写 900 行 Arduino C 代码零错误一次通过，"摔不了跤就不需要护膝"。
3. 写代码这门手艺会消失，但"造软件"（解决业务问题、判断何时上线、获取反馈）会比以往更重要。
4. 大多数 bug 将不再是代码 bug，而是"你需求提错了"的 bug。
5. 终端已死——Shell、编辑器、CLI 工具会被 token 冲刷，命令行知识将像 Perl 一行流一样变成"古老技艺"。
6. Token 是新的计算范式，我们正在进入"后二进制时代"，一切都会在它之上被重构。
7. PM/设计/工程的铁三角和 Agile、Scrum 都会瓦解，只做"人肉代理"的工程师将不再有价值。
8. 大小公司的工程差距会拉大——小团队比学大厂做法的初创公司跑得更快。
9. "好代码"的标准（人类易读易维护）建立在人类要改代码的前提上，这个前提正在崩塌。
10. 现有形式的开源不再合理——"众眼监虫"依然成立，但现在有了"人工眼睛"。
11. 拿不到足够 token 的人会被排除在软件生产之外，token 是新的生产力门槛。
12. 便宜模型未必有人用——更聪明的模型犯错少、轮次少，你未必愿意忍受它多错几次。
13. 模型快到一定程度后，UI 会被实时生成，菜单、设置页、仪表盘这些"面向人类的 API"会大幅减少。
14. 这场变革不会一夜发生——新旧范式更替需要一代人的时间，但反问是："10年后还有写代码的工作，可你想要那份工作吗？"

URL：https://x.com/thorstenball/status/2101305394190557466

X (formerly Twitter)

Thorsten Ball (@thorstenball) on X

Most predictions I see are still way too conservative.

Here's mine

《Gr8r Studio：一款平静、结构化的项目管理工作台》

Wed, 21 Oct 2026 15:13:34 GMT

《Gr8r Studio：一款平静、结构化的项目管理工作台》

标签：
#开源项目管理 #Web前端开发 #任务看板 #纯ES模块 #Vite构建

总结：
Gr8r Studio 是一个开源的项目管理应用，提供首页仪表盘、收件箱、我的任务和多视图项目管理（看板/列表/表格/日历/时间线/文件），以及成员、团队、动态和设置等完整功能；它完全用原生 JavaScript ES 模块和 CSS 构建，无任何 UI 框架和运行时依赖，仅由 Vite 打包。

文章要点：
1. 功能齐全：包含仪表盘、收件箱、我的任务，以及看板、列表、表格、日历、时间线、文件六种项目视图。
2. 零框架零依赖：纯 JS ES 模块 + CSS 实现，不引入任何 UI 框架或运行时依赖。
3. 结构清晰：src 目录按 styles、core（状态与主题）、ui、shell（路由与布局）、views、overlays、features、actions 分层组织。
4. 工程化完善：内置 ESLint + Prettier 校验，CI 在每次推送和 PR 时跑 lint、格式检查和生产构建。
5. 可直接预览：仓库附带演示数据（data/seed.js）和 README 截图，vercel.json 配置了一键构建部署到 Vercel。
6. 上手门槛低：仅需 Node.js 18+（.nvmrc 固定 22），适合作为学习现代前端工程化的参考项目。

URL：https://github.com/gr8rstudio/gr8r-studio

GitHub

GitHub - gr8rstudio/gr8r-studio: Gr8r Studio: a calm, structured project management workspace. Vite + plain ES modules.

Gr8r Studio: a calm, structured project management workspace. Vite + plain ES modules. - gr8rstudio/gr8r-studio

《OpenRig：把 Claude Code 和 Codex 编成一支可恢复的多智能体团队》

Tue, 29 Sep 2026 23:17:24 GMT

《OpenRig：把 Claude Code 和 Codex 编成一支可恢复的多智能体团队》

标签：
#AI_Agent编排 #多智能体协作 #ClaudeCode #Codex #Tmux #终端UI #任务队列 #快照恢复 #MCP工具 #开源工具

总结：

OpenRig 是一个自托管的多智能体 harness：它不替代 Claude Code 或 Codex，而是把多个 Agent 会话组织成“有结构、可命名、可恢复”的团队。你用 YAML（RigSpec）定义团队拓扑，用一条命令启动整队，并通过 TUI/CLI/MCP 观察状态、发消息、跟踪任务和做快照恢复，避免终端窗口越开越散。

文章要点：
1. 核心解决“终端蔓延”：把一堆各自为政的 Claude Code/Codex 会话，变成有角色、有地址、有协作关系的团队。
2. 团队用 YAML 声明式定义：RigSpec 里包含 pods、成员、edges、continuity policies 和 culture 文件，便于版本化与复用。
3. 一键启动与拓扑可视化：rig up 会拉起 tmux 会话、harness、启动文件和 readiness 检查；TUI 提供表格/图视图查看 rigs、pods、seats。
4. 支持“收养”已有会话：rig discover 识别现有 tmux 中的 Claude Code/Codex 会话，rig adopt 将其纳入管理。
5. 状态可保存也能回滚：rig down --snapshot 保存拓扑，rig up <name> 按名字恢复，重启后不再丢上下文。
6. 跨 Agent 沟通有统一入口：rig send、rig broadcast、rig chatroom 让协作不再靠人肉切窗口。
7. 提供 Agent 可用的 MCP 工具：Agent 能自管理拓扑（如 rig_up、rig_ps、rig_send 等），更适合“由 Agent 驱动”的工作流。
8. 权限与安全边界清晰：默认非 YOLO；可配置 typing guard、权限模式、workspace trust、hooks 与活动上报（不包含 prompt 文本和工具参数）。
9. 附带 starter rigs 与示例：如 first-project、product-team、conveyor、adversarial-review、research-team、secrets-manager（HashiCorp Vault 由专门 Agent 管理）。
10. 运行要求明确：需要 Node.js 22/24、tmux，支持 macOS/Linux；可选 herdr/cmux 做终端工作区，Docker 用于服务化 rigs。

URL：
https://github.com/mvschwarz/openrig

GitHub

GitHub - mvschwarz/openrig: Build your own network of agents from Claude Code, Codex and Pi: persistent teams with roles, shared…

Build your own network of agents from Claude Code, Codex and Pi: persistent teams with roles, shared context and owned work. - mvschwarz/openrig

《Paperclip：用开源“公司”编排 AI 智能体团队》

Tue, 29 Sep 2026 23:09:27 GMT

《Paperclip：用开源“公司”编排 AI 智能体团队》

标签：
#AI_Agent编排 #Agentic任务管理 #组织治理与成本控制 #多智能体协作 #开源自托管 #Nodejs与React #OrgChart #Heartbeat调度 #预算管控 #多组织隔离

总结：

Paperclip 是一个开源的自托管应用，用“经营公司”的方式管理 AI 智能体团队：它把目标、组织架构、任务、预算、审批、审计和运行环境整合进一个控制台。你可以接入 Claude Code、Codex、Cursor、OpenClaw 等任意 Agent，让它们像员工一样有角色、汇报线、预算与心跳调度，并在一个看板里追踪进度与成本。

文章要点：
1. 核心定位是“管公司，不是管聊天”：Paperclip 不造 Agent、不做拖拽式工作流，而是把多个 Agent 编排成有目标、有层级、有治理的组织。
2. 使用路径很直接：先定义商业目标，再“招聘”不同职能的 Agent（CEO/CTO/工程/设计/营销等），最后审批策略、设置预算并启动运行。
3. 四大支柱覆盖日常到平台层：Agentic 任务管理、Agent 组织架构、Agent 员工培训、Agentic OS（运行基础设施）。
4. 任务系统强调可审计与防冲突：任务带公司/项目/目标链路，支持原子领取、执行锁、阻塞依赖、评论、附件与产出物。
5. Heartbeat 让 Agent 按计划醒来干活：支持定时唤醒、事件触发、上下文续接、结构化日志与自动恢复，减少人工盯梢。
6. 成本控制是硬约束：按公司/Agent/项目/目标/模型等维度追踪 token 与费用，预算到线会告警并硬停止，避免“跑飞”。
7. 治理与回滚机制完整：审批流、执行策略、决策记录、暂停/终止 Agent、配置版本化与审计日志都在系统内完成。
8. 支持多组织隔离与可移植性：一套部署可跑多家“公司”，数据完全隔离；还能导出/导入组织配置并做密钥清理。
9. 运行环境面向真实开发流程：支持项目工作区、隔离执行工作区（如 git worktree）、开发服务/预览链接、密钥注入与技能加载。
10. 它不是聊天机器人、不是 Agent 框架、不是代码评审工具，而是面向“多 Agent 团队”的编排控制平面。

URL：
https://github.com/paperclipai/paperclip

GitHub

GitHub - paperclipai/paperclip: The open-source app everyone uses to manage agents at work

The open-source app everyone uses to manage agents at work - paperclipai/paperclip

《TanStack AI 进入 RC 阶段：从 humble chat() 到完整 AI 生态》

Fri, 28 Aug 2026 01:09:36 GMT

《TanStack AI 进入 RC 阶段：从 humble chat() 到完整 AI 生态》

标签：
#前端开发 #AI框架 #TanStack #TypeScript #开源

总结：

TanStack AI 正式从早期原型迈入 RC（Release Candidate）阶段，标志着其从一个简单的 LLM 聊天方法，成长为覆盖聊天、媒体生成、MCP、沙箱、Agent 编排等全场景的 AI 开发框架。核心设计哲学是"不锁定用户"——在传输层、提供商、前后端技术栈上都保持中立，同时通过极致的类型安全和统一的 API 模式降低学习成本。项目由三人业余时间维护，完全开源，无商业路线图。

文章要点：

1. 从小 chat() 到大生态 — 最初只有 4 个提供商和一个自定义协议，如今已支持 24+ 提供商，采用 AG-UI 官方协议（被 20+ Agent 框架跨语言支持），并扩展到媒体生成、MCP、沙箱、Agent Harness 等领域。

2. 中间件是架构的核心超能力 — 几乎所有高级功能（持久化、沙箱 Agent、内存、遥测）都以中间件形式接入 chat() 方法，Durability 则通过适配器插入流式响应。Lazy Tool Calling 用一个布尔标志就能降低 Token 成本。

3. 传输层零锁定 — 提供 SSE、WebSocket、HTTP Stream、Cap'n Web 等原生传输原语，客户端通过自定义连接适配器消费流，让你对传输层有端到端的完全控制权。

4. 一套 API 模式打遍所有模态 — 无论是文本生成、图像生成、视频生成、音频生成、转录还是实时音频，API 结构几乎完全相同。学一次模式，换适配器即可，不用学 20 套不同 API。

5. 类型安全是 DNA 级别 — 不支持的模型选项、缺少必填属性、把某提供商专属工具传给不支持的模型……统统在编译期报错。目标是让你在再复杂的应用里也能自信上线。

6. chat() 方法是全能核心 — 支持直接对话 LLM 和沙箱 Agent Harness；内置持久化与 Durability（刷新页面、切换对话后能从断点实时续流）；支持 Codex 等 Agent 在远程/本地沙箱中运行；还有 Code Mode（Agent 在 isolate 中写代码并执行，优化性能和成本）。

7. 媒体生成是一等公民 — 实时音频、TTS、图像/视频/音频/音乐生成、转录等全部稳定可用，覆盖 100+ 模型。支持流式直传客户端或一次性生成，两者切换无缝。

8. RAG 与记忆 — 通过 Cohere、OpenRouter 等提供商支持嵌入和重排序；支持所有主流厂商的 Agent 记忆，让 Agent 跨对话记住用户偏好和关键事实。

9. 沙箱与 Agent Harness 不挑提供商 — 不强制你用 Daytona、E2B 或 Vercel Sandboxes，基础设施随你选。支持 Codex、Claude Code、Grok、OpenCode 等 20+ ACP 兼容 Agent，甚至能自建本地编码 Agent。

10. MCP 支持带类型生成 — 不仅能连接外部 MCP 服务器，还能通过 CLI 为远程 MCP 暴露的工具生成类型，保持端到端类型安全。支持连接池和生命周期管理。

11. 持久化与 Durability 是亮点 — 提供存储原语，你只需实现 Store 并通过一致性测试套件验证，接入持久化中间件后，用户一个月后回来也能从断点续聊。Durability 适配器可将流块持久化到内存、Durable Streams 等，用户重连后不会漏掉任何内容——全部配置约 20 行代码。

12. 未来路线图 — 核心架构已锁定，接下来重点在 Agent 工作流与编排（并行运行、定时任务、复杂工作流协调），以及继续补齐提供商生态。完全开源，无商业 upsell，欢迎社区贡献。

URL：
https://tanstack.com/blog/tanstack-ai-rc

TanStack

TanStack AI Enters the RC Phase | TanStack Blog

TanStack AI enters the release candidate phase. The architecture is locked in, with 24 providers, AG-UI, media generation, MCP, sandboxes, and persistence.

《Departure Mono — 复古像素等宽字体》

Thu, 27 Aug 2026 01:03:17 GMT

《Departure Mono — 复古像素等宽字体》

标签：
#字体设计 #像素艺术 #复古科技 #等宽字体 #开源工具

总结：
Departure Mono 是一款由设计师精心打造的等宽像素字体，灵感源自早期命令行界面、90年代末/00年代初的微型像素字体，以及科幻影视中的概念美学。网站通过极具沉浸感的"机场航班信息屏"和"太空任务报告"等场景化展示，生动呈现了这款字体在代码、数据表格、终端界面等场景下的应用效果。

文章要点：

1. 设计灵感多元融合：字体汲取了早期命令行与图形界面的限制美学、90年代末微型像素字体的精髓，以及科幻影视中的未来概念，呈现出独特的复古科技感。

2. 等宽像素风格：作为一款 monospaced pixel font，每个字符占据相同的宽度，非常适合代码编辑、终端显示、数据对齐等需要整齐排版的场景。

3. 场景化展示超有代入感：网站没有枯燥地罗列字形，而是用"机场航班动态屏"、"地球/外太空温度读数"、"TCP协议头结构图"、"键盘布局图"、"2057年Kerberos 5星球任务报告"等创意场景，直观展示字体在实际应用中的表现力。

4. 技术细节丰富：展示了完整的字符集（包括大小写字母、数字、标点符号和特殊字符），并通过协议头表格、科学数据表格等体现了字体在信息密度较高时的可读性。

5. 科幻叙事增强体验：网站融入了完整的科幻世界观设定（如2057年的太空探索任务报告），让字体展示变成了一次沉浸式的"未来阅读体验"，而非简单的产品介绍。

URL：
https://departuremono.com/

Departure Mono

A monospaced pixel font with a lo-fi, techy vibe.

《Color.js：认真对待颜色这件事》

Fri, 24 Jul 2026 15:51:25 GMT

《Color.js：认真对待颜色这件事》

标签：#前端 #Web开发 #ColorJS #CSS_Color_Level_4 #颜色空间转换 #色域映射 #DeltaE #TreeShakeable #NPM库 #开源项目 #Lea_Verou #颜色插值

总结：
由CSS颜色规范编辑者Lea_Verou和Chris_Lilley打造的专业颜色处理库，支持Lab/LCh、OKLab/OKLCh、Display_P3等海量颜色空间，完整兼容CSS_Color_Level_4。提供真正的色域映射、多种DeltaE色差算法和色度适应方法，API清晰易用且支持链式操作。模块化设计可tree-shake，零依赖，已被Sass、Open_Props、axe等知名项目采用，NPM累计下载超2.46亿次。

文章要点：
1. 出身"正规军"——两位作者正是CSS颜色规范的编辑者，对颜色科学的理解刻在DNA里，不是随便写写的玩具库
2. 颜色空间全家桶——Lab/LCh、OKLab/OKLCh、sRGB家族、Display_P3、Jzazbz、REC.2100等统统支持，转换随心所欲
3. 科学严谨不糊弄——真正的色域映射而非粗暴裁剪，多种DeltaE色差计算和色度适应算法，专业度拉满
4. API好用又灵活——面向对象+静态函数双模式，链式操作丝滑流畅，还能按需引入模块做tree-shake，包体积可控
5. 业界认可度超高——浏览器用它测试CSS_Color_4/5实现，Sass、Open_Props、axe都在用，NPM下载量突破2.46亿
6. 生态还在扩张中——除了核心库，还在孵化Color_Elements网页组件、Color_Apps工具集和Color_Palettes配色研究项目

URL：https://colorjs.io

《深入理解 AI Agent：设计原理与工程实践》

Tue, 21 Jul 2026 15:41:41 GMT

《深入理解 AI Agent：设计原理与工程实践》

标签：#AI_Agent #LLM #上下文工程 #MCP #RAG #多模态 #Coding_Agent #多智能体协作 #开源书籍

总结：

李博杰（中科大+MSRA+华为天才少年背景，Pine AI 首席科学家）所著《深入理解 AI Agent：设计原理与工程实践》开源主仓库，围绕核心公式 Agent = LLM + 上下文 + 工具展开，全书 10 章正文 + 编译 PDF + 88 个配套实验代码全部 Apache 2.0 开源。上线一周即登顶 GitHub Trending，单日新增 1,734 Stars，目前已超 1.1 万 Stars，社区已自发贡献英文、泰米尔语、越南语翻译。本书填补了"从工程原理层面系统讲透 Agent 的中文开源书"这一空白，强调"Harness Engineering"（模型之外的一切工程能力）才是 Agent 真正的竞争力所在。

文章要点：

1. 核心公式与工程理念：全书围绕 Agent = LLM + 上下文 + 工具展开，提出"Harness Engineering"理念——模型之外的一切工程能力（上下文设计、工具编排、评估体系等）才是 Agent 的护城河，而非单纯依赖模型本身。

2. 10 章体系化内容：从 Agent 基础、上下文工程、记忆与知识库、工具/MCP 协议、Coding Agent、评估体系、后训练、自我进化、多模态实时交互到多 Agent 协作，覆盖从入门到生产级的完整路径。

3. 88 个可运行实验代码：每章配套完整 demo，70+ 可独立运行（配置 API Key 即可），涵盖上下文消融实验、KV Cache 友好设计、提示注入攻防、MCP 三类服务器、17 工具生产级 Coding Agent、语音狼人杀等，所有代码按章节组织并三级标注完成状态。

4. 诚实务实的工程态度：不夸大概念、不制造 hype，每个技术都讲清优势、局限与适用场景，大量使用对照实验（如 mem0 vs Memobase、稠密 vs 稀疏检索、3 种攻击×4 种防御等），用数据说话而非主观断言。

5. 完全开源与社区共建：全书正文（Markdown）、编译 PDF、配图及代码全部 Apache 2.0 开源，中文为主，社区已贡献英文、泰米尔语、越南语版本，这在中文技术书籍中极为罕见。

6. 适合人群：想系统理解 Agent 工程而非只会调 API 的开发者；需要搭建 Coding Agent、RAG、多 Agent 协作等生产系统的工程师；对上下文工程、KV Cache、工具设计等底层机制感兴趣的研究者。

URL：https://github.com/bojieli/ai-agent-book

GitHub

GitHub - bojieli/ai-agent-book: 《深入理解 AI Agent：设计原理与工程实践》（李博杰著）开源主仓库：全书正文、编译版 PDF 与按章配套代码

《深入理解 AI Agent：设计原理与工程实践》（李博杰著）开源主仓库：全书正文、编译版 PDF 与按章配套代码 - bojieli/ai-agent-book

《开源健身数据集：1324条多语言结构化运动数据与开发者脚手架》

Mon, 13 Jul 2026 06:04:17 GMT

《开源健身数据集：1324条多语言结构化运动数据与开发者脚手架》

标签：#数据科学 #健身 #开源数据集 #多语言 #开发者工具

总结：
这是一个面向开发者的健身运动结构化数据集，收录1324条运动记录，涵盖部位、器械、目标肌群等元数据，并提供英语、西班牙语、意大利语、土耳其语、俄语和中文六种语言的步骤说明。仓库还附带开箱即用的交互式浏览器和开发者配置向导（含SQL建表、API代码模板、LLM提示词），可快速搭建健身类应用后端。运动媒体文件（图片/GIF）因版权争议未包含，仅保留原始媒体ID引用。

文章要点：
1. 数据规模很扎实：一共1324条运动记录，覆盖从手臂、腿部到背部、核心等10个身体部位，器械类型也多达12种，其中约25%是自重训练，居家健身App也能直接用
2. 多语言支持很贴心：每条运动都配了英、西、意、土、俄、中六种语言的步骤说明，做国际化健身产品不用自己翻译了
3. 开发者体验拉满：仓库里塞了一个纯前端的运动浏览器（index.html）和一个配置向导（setup.html），能直接生成SQL建表语句、多语言API调用代码，还能一键复制LLM提示词让AI帮你搭后端
4. 版权处理很谨慎：图片和GIF动画因为存在多方权属争议，仓库里故意没打包，只留了media_id，需要的话可以通过原始CDN地址自行获取，避免法律风险
5. 数据结构很规范：JSON格式，字段包含ID、名称、部位、器械、目标肌群、协同肌群、六语说明、媒体引用等，还提供了TypeScript类型定义，类型安全直接拿捏

URL：https://github.com/hasaneyldrm/exercises-dataset

GitHub

GitHub - hasaneyldrm/exercises-dataset: 1,324-exercise fitness dataset — animation GIFs, 180×180 thumbnails, muscle-group & equipment…

1,324-exercise fitness dataset — animation GIFs, 180×180 thumbnails, muscle-group & equipment data, and step-by-step instructions in 6 languages. The exercise data layer behind the LogPress...

《如何构建你自己的Agent_Harness：从单体框架到可组合Worker架构》

Tue, 02 Jun 2026 01:36:06 GMT

《如何构建你自己的Agent_Harness：从单体框架到可组合Worker架构》

标签：#AI工程 #Agent架构 #系统设计 #开源框架 #Worker模型

总结：
iii创始人Mike_Piccolo提出了一种全新的Agent_Harness构建理念——将传统单体框架拆分为15个独立的可替换Worker，通过统一的iii.trigger()原语和WebSocket协议进行通信。这种架构让团队不再需要Fork或绕过现有框架，而是通过"安装/替换Worker"来精确组装符合自身需求的Agent运行时，实现从极简到企业级的平滑伸缩。

文章要点：
1. 传统框架的痛点：LangChain、LangGraph等将循环、工具、记忆、编排等打包成单体，团队要么全盘接受，要么Fork或Hack，导致长期运行后不得不重写整个Harness
2. iii的核心理念：将15个Harness职责（凭证解析、模型目录、预算追踪、审批门、 durable_turn_loop等）拆分为独立Worker，每个Worker通过iii.trigger()触发，可独立版本化、用任意语言编写、随时替换
3. 实际生产栈示例：包括turn_orchestrator（11状态FSM）、approval_gate（审批路由）、llm_budget（预算管控）、hook_fanout（钩子发布）、provider_anthropic/openai/kimi（模型提供商）等11个Worker，全部通过同一引擎总线通信
4. 替换的便利性：想换动态模型目录？写一个注册models::list的新Worker即可；想从Slack审批？写一个监听slash命令并调用approval::resolve的Worker；整个堆栈其他部分完全无感知
5. 架构优势：单体框架的"薄vs厚"之争在这里变成配置问题——极简Harness只需4个Worker，企业级Harness安装全部13个+自定义策略引擎，距离只是config.yaml的条目增减，而非重写
6. 可观测性统一：每个Worker自动注入OpenTelemetry追踪，通过iii.session.id等标签实现跨Worker的完整调用链可视化

URL：https://iii.dev/blog/how-to-build-your-own-agent-harness/

iii.dev

How to Build Your Own Agent Harness

Most agent teams adopt a harness as one decision. iii decomposes it into eleven independently-replaceable workers on one engine bus. Build your own stops meaning fork a framework and starts meaning swap a few workers.

《Express全新面貌》

Fri, 22 May 2026 10:19:28 GMT

《Express全新面貌》

标签：#后端 #NodeJS #ExpressJS #Web框架 #文档重构 #开源社区

总结：
Express官方博客宣布完成网站全面重构与品牌焕新，涵盖Astro技术栈迁移、AI智能搜索、版本化文档及全新Logo设计，标志着这个Node.js生态老牌框架在2024年重启后进入新阶段。

文章要点：
1. 网站底层从Jekyll迁移到Astro，带来更灵活的组件模型、国际化支持和内容页性能提升，文档生成与维护方式也一并升级
2. 文档新增多版本并行浏览，Express 4和5的文档可以独立查看，告别版本混淆的烦恼
3. 搜索接入了Orama的AI能力，支持自然语言提问，找API和概念更快更准
4. 全站文档开放了llms.txt端点，方便大模型和AI助手直接读取最新文档
5. 接下来的重点是补齐内容缺口、完善多语言翻译，并让文档和新版本同步发布
6. 新Logo由社区公开协作设计，品牌定位为"Established·Dependable·Approachable"，延续极简风格的同时开启新篇章

URL：
https://expressjs.com/en/blog/2026-05-18-a-new-look-for-express/

Express.js

A New Look for Express · Express.js

Discover the redesigned Express.js website and our brand-new logo, built from the ground up with Astro.

《cc-connect：本地AI编程助手连接消息平台桥梁》

Mon, 11 May 2026 02:36:26 GMT

《cc-connect：本地AI编程助手连接消息平台桥梁》

标签：#开发工具 #AI编程助手 #ClaudeCode #CursorAgent #GeminiCLI #Codex #Telegram #飞书 #钉钉 #Slack #Discord #WeChatWork #LINE #QQ #Weibo

总结：
cc-connect 是一个开源的本地AI编程代理桥接工具，让你可以在飞书、钉钉、Telegram、Slack、Discord、企业微信、LINE、QQ、微博甚至个人微信等11个平台上，随时随地"聊天式"操控 Claude Code、Cursor、Gemini CLI、Codex 等10+种AI编程助手。无需公网IP，手机发消息就能让AI写代码、改Bug、做数据分析，真正实现" anywhere, anytime "的AI开发体验。

文章要点：
• 超全平台覆盖：支持飞书、钉钉、Telegram、Slack、Discord、企业微信、LINE、QQ、微博、个人微信等11个主流聊天平台，大部分平台无需公网IP即可直连，手机/平板随时操控
• 10+AI助手全家桶：完美桥接 Claude Code、Codex、Cursor Agent、Gemini CLI、Kimi CLI、Qoder CLI、OpenCode、iFlow CLI、Pi、Devin 等，还支持 ACP 协议兼容的任何新代理
• 聊天里掌控一切：通过 /model 切换模型、/mode 调整权限模式、/dir 切换工作目录、/new 管理会话、/cron 设置定时任务，所有操作都在聊天窗口完成
• 多Agent协同作战：支持在一个群聊里绑定多个AI机器人，让Claude和Gemini互相配合、接力完成任务，实现"AI团队"协作
• 多模态与记忆：支持语音消息（STT/TTS）、图片截图、文件收发；Agent记忆持久化，/memory 指令随时读写，避免重复交代背景
• Web管理后台：内置完整的Web Admin UI，支持项目CRUD、会话监控、定时任务编辑、Provider管理，5种语言界面，零配置上手
• 安全隔离：支持 Linux/macOS 下的 OS-User 隔离运行，不同项目可用不同Unix用户启动Agent，配合 cc-connect doctor 做安全审计
• 生命周期钩子：支持7种事件类型（消息收发、会话启停、定时触发、权限请求、错误）触发Shell命令或HTTP Webhook，方便集成CI/CD

URL：https://github.com/chenhg5/cc-connect

GitHub

GitHub - chenhg5/cc-connect: Bridge local AI coding agents (Claude Code, Cursor, Gemini CLI, Codex) to messaging platforms (Feishu/Lark…

Bridge local AI coding agents (Claude Code, Cursor, Gemini CLI, Codex) to messaging platforms (Feishu/Lark, DingTalk, Slack, Telegram, Discord, LINE, WeChat Work). Chat with your AI dev assistant f...

《Pixelle-Video：AI全自动短视频引擎》

Wed, 06 May 2026 02:16:41 GMT

《Pixelle-Video：AI全自动短视频引擎》

标签：#AI工具 #视频生成 #ComfyUI #TTS #开源项目 #Streamlit #Python

总结：
Pixelle-Video 是一款开源的 AI 全自动短视频生成工具，通过 Streamlit 提供可视化 Web 界面，支持从文案创作、AI 配图、语音合成到视频拼接的完整工作流，用户只需输入主题即可一键生成带 BGM 的短视频，且支持完全本地免费运行。

文章要点：
- **全流程自动化**：输入主题后，AI 自动完成脚本撰写、分镜规划、图片生成、语音配音和视频合成，几分钟内输出成品短视频
- **灵活的内容输入**：支持"AI 生成内容"模式（输入主题自动写稿）和"固定文案"模式（直接粘贴现成文案），满足不同创作需求
- **丰富的语音与视觉配置**：TTS 支持 Edge-TTS、Index-TTS 等多种工作流，还可上传参考音频进行声音克隆；图像生成支持本地 ComfyUI 和云端 RunningHub，风格可通过提示词前缀自由定制
- **可扩展的模板系统**：提供静态、图片、视频三类 HTML 模板，支持竖屏/横屏/方形多种尺寸，懂前端的同学还能自定义模板
- **零成本运行方案**：本地部署 Ollama + ComfyUI 可实现完全免费使用；也支持通义千问、GPT、DeepSeek 等云端 API 作为备选
- **开箱即用的部署方式**：Windows 用户有免配置一键整合包，macOS/Linux 用户通过 uv 即可快速启动，门槛非常友好

文章URL：https://github.com/AIDC-AI/Pixelle-Video

GitHub

GitHub - ATH-MaaS/Pixelle-Video: 🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine

🚀 AI 全自动短视频引擎 | AI Fully Automated Short Video Engine - ATH-MaaS/Pixelle-Video

《OpenWolf：Claude Code 的开源"第二大脑"》

Tue, 05 May 2026 09:57:50 GMT

《OpenWolf：Claude Code 的开源"第二大脑"》

标签：#AI辅助编程 #Claude_Code #Token优化 #开发工具

总结：OpenWolf 是一款为 Claude Code CLI 设计的开源中间件，通过 6 个无感知的生命周期钩子脚本，为 AI 助手提供项目文件索引、学习记忆和 Token 追踪能力。实测在 20 个项目、132+ 会话中平均减少 65.8% 的 Token 消耗，最高可达 80%，同时拦截 71% 的重复文件读取，让 Claude Code 从"盲目工作"变成"有记忆地智能工作"。

文章要点：
- 解决 Claude Code 的"盲目"痛点：Claude 在读取文件前不知道文件内容，会重复读取同一文件、扫描整个目录找函数，导致 Token 消耗过快
- 6 个钩子脚本实现无感知增强：基于 SessionStart、PreToolUse、PostToolUse、Stop 三个生命周期事件，自动执行文件索引、重复读取拦截、偏好记忆和 Token 估算，无需改变任何工作习惯
- 核心文件系统构建"第二大脑"：anatomy.md 记录项目文件地图与 Token 估算，cerebrum.md 积累用户偏好与"不再重复"清单，buglog.json 归档历史 Bug 修复方案，token-ledger.json 追踪终身 Token 消耗
- 显著的 Token 节省效果：大型项目实测从 250 万 Token 降至 42.5 万（节省约 80%），20 个项目平均节省 65.8%，拦截 71% 的重复读取，累计节省超 200 万 Token
- 纯本地运行零额外成本：所有钩子均为纯 Node.js 文件 I/O，无网络请求、无外部 API 调用，仅依赖 Node.js 20+ 和 Claude Code CLI
- 额外实用功能：内置 Design QC 自动截图供 Claude 评估 UI，Reframe 功能提供 12 个 UI 框架的迁移知识库，支持实时 Web 仪表盘查看统计数据
- 诚实的局限性说明：Claude Code 钩子功能较新偶有可靠性问题，Token 追踪基于字符比例估算（误差约 15%），cerebrum.md 依赖 Claude 遵守指令更新（合规率 85-90%）

文章URL：https://github.com/cytostack/openwolf

GitHub

GitHub - cytostack/openwolf: Portable project memory across Claude Code, Codex and OpenCode, plus token accounting measured from…

Portable project memory across Claude Code, Codex and OpenCode, plus token accounting measured from harness transcripts. Local file I/O, no API calls, no telemetry. - cytostack/openwolf

《在本地终端预览OpenGraph卡片》

Sat, 18 Apr 2026 08:39:56 GMT

《在本地终端预览OpenGraph卡片》

标签：#前端 #OpenGraph #CLI工具 #Zig #Kitty图形协议 #开发工具

总结：
作者为解决OpenGraph调试痛点，开发了CLI工具og-check，可直接在终端内渲染本地开发环境的OG卡片预览，无需部署到公网或使用隧道服务。工具基于Zig编写，支持Kitty图形协议在终端内显示图片，并提供OpenGraph、Twitter Card、表格和JSON四种输出格式，同时可作为CI检查工具确保OG标签完整性。

文章要点：
- 传统OG调试流程繁琐：需要部署到公网或使用隧道工具，且Facebook等平台的调试器缓存机制会导致反复迭代困难
- og-check支持在本地终端直接预览OG卡片，包含图片渲染，将反馈周期从分钟级缩短到秒级
- 终端图片渲染基于Kitty图形协议，兼容Ghostty、iTerm2、WezTerm等主流终端，不支持的终端会自动降级为文本输出
- 工具内部使用Zig的std.http.Client抓取页面，解析meta标签并按命名空间分类（og:、twitter:等），通过zigdown渲染Markdown到终端
- 提供四种输出模式：OpenGraph预览（默认）、Twitter Card预览、表格视图、JSON格式，后者支持管道操作（如配合jq使用）
- 具备校验功能：当缺少必需的OG字段（title、type、image、url）时会输出错误并返回非零退出码，适合集成到CI流程作为布局模板检查
- 安装方式灵活：支持预编译二进制、源码编译（Zig 0.15+）和mise工具管理

文章URL：https://simonhartcher.com/posts/2026-04-15-testing-opengraph-on-localhost-from-the-cli/

Simon Hartcher

Testing OpenGraph on localhost from the CLI before you go public | Simon Hartcher

og-check fetches a URL and renders its OpenGraph and Twitter Card metadata directly in your terminal, images and all. Point it at localhost and skip the tunnel.

《OpenHarness：开源智能体基础设施框架》

Sat, 04 Apr 2026 00:52:30 GMT

《OpenHarness：开源智能体基础设施框架》

标签：#AI #Agent #智能体 #开源 #Python #工具调用

总结：
OpenHarness是港大数据智能实验室（HKUDS）推出的轻量级开源智能体基础设施框架，仅用Python实现，代码量比Claude Code轻44倍（1.1万行vs 51万行），提供完整的工具调用、技能加载、记忆管理和多智能体协调功能，让开发者快速构建安全可靠的AI Agent应用。

文章要点：
- 极简架构设计：相比Claude Code的51万行TypeScript代码，OpenHarness仅用1.1万行Python实现，去除了企业级复杂依赖如遥测和OAuth，专注于核心Harness架构
- 五大核心模块：包含Agent循环（支持流式工具调用、并行执行、成本追踪）、工具套件（43种工具覆盖文件/Shell/搜索/Web/MCP）、上下文记忆（CLAUDE.md自动注入、MEMORY.md持久化）、权限治理（多级权限模式、交互式审批）、Swarm多智能体协调（子智能体委派、任务管理）
- 生态兼容性：完全兼容anthropics/skills技能格式和claude-code/plugins插件生态，支持OpenClaw、nanobot、Cursor等CLI工具集成
- 开箱即用：一条命令oh即可启动，内置114个单元测试和6个E2E测试套件，提供稳定可靠的基础能力

文章URL：
https://github.com/HKUDS/OpenHarness

GitHub

GitHub - HKUDS/OpenHarness: "OpenHarness: Open Agent Harness with a Built-in Personal Agent--Ohmo!"

"OpenHarness: Open Agent Harness with a Built-in Personal Agent--Ohmo!" - HKUDS/OpenHarness

《Python 3.15的JIT编译器重回正轨》

Wed, 18 Mar 2026 11:21:29 GMT

《Python 3.15的JIT编译器重回正轨》

标签：#Python #JIT #CPython #性能优化 #Faster_CPython #编译器 #开源社区

总结：

Python 3.15的JIT编译器开发取得突破性进展，在失去主要赞助商后通过社区协作成功实现性能目标。目前macOS AArch64平台比解释器快11-12%，Linux x86_64快5-6%，提前完成预定目标。文章强调了团队建设、任务分解和幸运的技术决策（如追踪记录解释器和引用计数消除）对项目成功的关键作用。

文章要点：

- **性能目标提前达成**：Python 3.15的JIT在macOS AArch64上比尾调用解释器快11-12%，在Linux x86_64上比标准解释器快5-6%，提前一年多完成目标
- **从困境中重生**：Faster CPython团队2025年失去主要赞助商后，通过社区托管模式维持开发，作者曾怀疑JIT项目能否成功
- **降低"巴士因子"风险**：团队计划在JIT的前端（区域选择器）、中端（优化器）、后端（代码生成器）各配备2名活跃维护者，目前中端已有4名贡献者
- **任务分解吸引新人**：将复杂优化问题拆分为简单任务（如"优化单条指令"），提供详细可操作的指导，让无JIT经验的C程序员也能参与，共11人参与核心重构
- **关键技术决策**：Brandt建议改用追踪式前端，Mark建议双分派表机制，意外地将追踪解释器性能从慢6%提升到快1.x%，并将JIT代码覆盖率提升50%
- **引用计数消除优化**：消除每条Python指令的分支操作，这一优化易于并行化且适合教学，是3.15版本的主要优化方向
- **基础设施支撑**：Savannah Ostrowski一人搭建了等效于整个基础设施团队的CI系统，每日性能测试帮助快速发现回归问题

文章URL：

https://fidget-spinner.github.io/posts/jit-on-track.html

Ken Jin’s Blog

Python 3.15’s JIT is now back on track

《Claude技能构建完整指南》

Mon, 23 Feb 2026 00:51:38 GMT

《Claude技能构建完整指南》

标签：#AI #Claude #MCP #Agent_Skills #Workflow_Automation #开发工具 #Anthropic

总结：Anthropic官方发布的Claude技能构建指南，系统介绍了如何通过SKILL.md文件创建可复用的AI工作流。技能采用渐进式披露架构（YAML前置元数据+Markdown指令+引用资源），可与MCP工具集成实现多步骤自动化。文档涵盖规划、测试、分发全流程，提供5种设计模式（顺序工作流、多MCP协调、迭代优化等），并给出量化评估指标（90%触发准确率、零API失败率），目标帮助开发者在15-30分钟内构建生产级AI技能。

文章要点：
- 技能定义：包含SKILL.md（必需）、scripts/、references/、assets/的文件夹结构，采用kebab-case命名规范，支持Claude.ai、Claude Code和API三端通用
- 渐进式披露设计：三级加载机制（YAML元数据→SKILL.md正文→链接资源），最小化token消耗同时保持专业性
- 三大应用场景：文档/资源创建（如前端设计）、工作流自动化（如项目管理）、MCP增强（如Sentry代码审查），后者将工具访问转化为可靠工作流
- 成功指标：技能应在90%相关查询中自动触发，单次工作流工具调用次数明确，零失败API调用，用户无需提示下一步操作
- 核心设计模式：顺序工作流编排、多MCP协调（跨Figma/Linear/Slack等）、迭代优化循环、上下文感知工具选择、领域特定智能（如合规检查）
- 测试策略：触发测试（ obvious/paraphrased/negative cases）、功能测试、性能对比（有无技能时的token消耗和交互轮次差异）
- 分发方式：GitHub托管+Claude.ai设置上传，支持组织级部署和API程序化调用，定位为MCP的"知识层"（厨房类比：MCP是厨房设备，技能是食谱）
- 常见陷阱：描述字段过于模糊导致触发失败、包含XML标签的安全限制、README.md与SKILL.md混淆、指令过于冗长导致模型"懒惰"

https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf

#开源 storybook 10 - ESM only, CSF 3

Fri, 07 Nov 2025 06:16:28 GMT

#开源 storybook 10 - ESM only, CSF 3

https://storybook.js.org/blog/storybook-10/

Storybook Blog

Storybook 10

ESM-only, 29% lighter, module automocking, and more

#开源 #Biome 一个适应 AI 的格式化工具

Thu, 03 Jul 2025 06:14:16 GMT

#开源 #Biome 一个适应 AI 的格式化工具

https://www.ultracite.ai/

Ultracite

Ultracite — The linter and formatter for agentic development

Ultracite is the linter and formatter for agentic development. A zero-config preset for Oxlint, Biome, and ESLint that keeps agent-written code consistent and type-safe.