AI 精选内容｜AI 工具、Agent 与实战经验 - ai345

1987年，苹果发布了一支概念短片《Knowledge Navigator（知识领航仪）》 当时还没有互联网、智能手机、ChatGPT、Codex。但苹果已经想象了未来计算机的形态： 一个像平板一样的设备，里面住着一个智能助手。 它可以理解人的需求，帮助搜索知识、整理资料、联系专家、辅助工作 这和今天的 AI Agent 有着惊人的相似： 不是人操作工具，而是人提出目标，AI理解并主动完成任务 这个想法有受到Alan Kay「Dynabook」理念影响——计算机不只是计算机器，而应该成为增强人类智力的伙伴 40年后，AI Agent 的推理、工具调用、记忆、知识…正在逐渐推动这个愿景变为现实 https://www.meyo.life/creations/01M1G3APPQ3YRCXNPW07612YZ9?ref=xia345-skill

花了一个晚上，终于研究出了把旧版Catpaw迁移到新版Catpaw的脚本工具了。脚本下载链接https://db0l8fnn8oqtof.database.nocode.cn/storage/v1/object/public/wenjian/anonymous/1787970388194_2okuz7h2set.py

太精致了吧！用三类图做了实验， 城市景观，融合的非常好。 风景，重点抓的也符合我的心意。 小景，也突出得很好。点赞啊~ skill名：gathered-scenes-zine-skill https://www.meyo.life/creations/01M10K7RJEK62KZ5ABS6CB675R?ref=meyo

最近在 Mac 上跑 Codex 比较多，项目、构建产物和各种临时文件一点点把磁盘吃满了。空间明明越来越少，却很难一眼看出究竟是谁占得最多。 于是让 Codex 给自己搓了一个原生 macOS 磁盘分析工具——Disk Analyzer。 它可以扫描整块磁盘、个人目录、外置磁盘或任意文件夹，通过多层圆环图逐级查看空间分布，还能直接找到占用最大的目录和文件。 除了看起来直观，它也尽量把统计做准确： • 区分磁盘实际占用和文件表面大小 • 处理稀疏文件、硬链接等容易导致统计失真的情况 • 明确标出无权限读取或未覆盖的目录 • 支持搜索、排序、在 Finder 中定位 • 文件清理会移入系统废纸篓，并进行二次确认 • 所有扫描和分析都在本机完成，不上传数据 项目已经开源，支持中英文界面。目前主要面向 Apple Silicon Mac。 GitHub：https://github.com/daniel-weih/disk-analyzer #Codex #macOS #Mac软件 #磁盘空间 #磁盘清理 #效率工具 #开源项目 #SwiftUI #独立开发 #AI编程

今天我介绍的这个工具，可以一次性解决你的全部问题。 这个工具叫：DEEPSKILL，是一个可以找任何，注意是任何Skill的工具，你要你能描述你的任务是什么，这里就一定能给你找到能靠谱运行的Skill，效果绝对惊掉你下巴。 如果你不知道 用Agent干点啥，还有个作品专区，你看看别人都用Skill做出啥好东西来了，然后你也学着用用！ 请记住：找skill，上DeepSkill！DeepSkill is all your need！！！ https://www.meyo.life/skill

1️⃣ 硅谷101 2️⃣ 张小珺 商业访谈录 3️⃣ 开始连接 linkstart （极客公园 张鹏） 4️⃣ 十字路口crossing 5️⃣ 人民公园说AI

每次新模型发布，大家总爱问一个问题：多少参数？ 这个问题当然重要，但单独看意义不大。 模型参数量，就像汽车排量。它能反映一些能力边界，但不能直接决定这辆车好不好开、油耗高不高、能不能跑长途、适不适合你的日常需求。 模型能力至少还和三件事有关： 1. 训练数据 2. 推理计算 3. 后训练和工具调用方式 同样参数量的模型，可能因为数据质量、训练方式和产品设计不同，体验差很多。 所以，普通用户选模型时，不必过度执着于数字。更应该问： • 它能不能解决我的任务？ • 速度能不能接受？ • 价格是不是合理？ • 输出是否稳定？ 参数只是一个指标。 任务完成度，才是结果。

1. hv-analysis（横纵分析法）：https://github.com/KKKKhazix/khazix-skills/tree/main/hv-analysis 2. khazix-writer（卡兹克写作）：https://github.com/KKKKhazix/khazix-skills/tree/main/khazix-writer 3. aihot（AI HOT 资讯查询）：https://github.com/KKKKhazix/khazix-skills/tree/main/aihot 4. storage-analyzer（清理垃圾）：https://github.com/KKKKhazix/khazix-skills/tree/main/storage-analyzer 5. neat-freak（洁癖）：https://github.com/KKKKhazix/khazix-skills/tree/main/neat-freak

AI 短剧制作的 skill 集合：从一本小说到能开拍的制作素材——拆角色、排大纲、出场景与道具设定。给 AI 编码 agent 用，Claude Code 和 codex 都能跑。 https://github.com/eternityspring/shuohao-skills

有人用 Seedance 2.5 做了一支广告规格片，画面效果很强，讨论度也很高。 现在 AI 视频已经可以把很多人的第一反应拉到“这是真的吗”。但广告不是电影预告片，画面只是开始。 一支有效广告，至少要回答三个问题： 1. 用户为什么要停下来 2. 用户为什么要相信 3. 用户接下来要做什么 如果画面很炫，但用户看完不知道卖什么，品牌没有记住，行动没有发生，那它只是一次昂贵的视觉表演。 AI 让视频生产成本下降后，广告主会拥有更多“好看内容”。 但用户注意力并没有变多。 所以，未来最稀缺的不是会做 AI 视频的人，而是知道怎样把视频变成转化的人。

腾讯这份Q2财报，我觉得最值得看的，不是收入，也不是利润，而是一个很明确的信号： 腾讯开始真正为AI下重注了。 这一季CapEx直接冲到528亿元，同比接近翻三倍，比市场预期高出一大截。代价也很直观，自由现金流被打到了负数。 一家长期以现金流稳健著称的公司，愿意主动把现金流表做成这个样子，说明事情已经不是“试试看”了，而是进入了基础设施投入期。 过去两年，阿里、字节在AI上的动作一直更激进。相比之下，腾讯显得异常克制。 但腾讯这种慢，并不完全等于反应迟钝。 它更像一种典型的腾讯式决策机制：趋势没有确认之前，尽量少交学费；一旦确认用户需求、商业空间和产品路径都成立，再迅速加大投入。 说得简单一点，就是不负责教育市场，只负责在市场被教育完成之后放大需求。 年初腾讯在办公楼附近帮用户安装AI工具，当时看起来甚至有点“土办法”。现在回头看，这件事真正有价值的地方，可能根本不是装了多少软件，而是验证了一件事： 普通职场人到底有多强的AI生产力需求。 答案已经很明显了。 只要有人愿意把复杂的安装、配置、模型选择、Token这些事情全部处理掉，大量普通用…

vibe coding了界面，总觉得哪里怪怪的，但又说不上，就需要一个设计审查官帮你瞅瞅 地址：https://github.com/anthropics/knowledge-work-plugins/blob/main/design/skills/design-critique/SKILL.md

01 通用图片反推（所有图都能用） 详细反推这张图片的完整提示词，包含主体、风格、色彩、光影、构图、质感、分辨率、细节描述。 分析这张图片的视觉元素、色调、氛围、技法、关键词，生成可直接用于 AI 绘图的精准 prompt。 请用中英双语详细描述图片内容，拆解风格、光线、材质、镜头、配色。 02 字体 / Logo / 文字设计类 反推这款字体的风格、字形特征、笔画质感、配色、排版、特效，生成字体设计提示词。 详细描述字体：字体风格（现代 / 复古 / 赛博 / 手写）、粗细、衬线 / 无衬线、倒角、立体效果、光泽、金属 / 磨砂 / 玻璃质感。 分析 logo 的配色方案、构图比例、光影、材质、特效（描边、发光、渐变、浮雕），输出可复制提示词。 03 风景类（自然风景、城市风景、场景） 反推这张风景图的环境、天气、时间、光线、色调、氛围、构图、景深，生成风景提示词。 详细描述：场景主体、季节、时段（清晨 / 黄昏 / 夜晚）、天空、云层、植被、水体、色调、氛围感、镜头感。 提取关键词：风格、色彩、光影、画质、分辨率、氛围、透视、细节质感。 04 摄影…

1. virgiliojr94/book-to-skill 将任意技术书籍 PDF 转化为 Claude Code skill，让 Agent 直接掌握书中的专业知识。 为什么值得关注：产品形态极新颖——把静态知识（书籍）转化为可执行的 Agent skill，开辟"知识即能力"新品类。日增 1,421 Star 占总量 11.1%，增速异常，验证了市场需求。对于 AI PM 来说，这暗示了一个更大的命题：企业内部的文档、SOP、Playbook 是否都能转化为 Agent skill？ 链接：https://github.com/virgiliojr94/book-to-skill 2. huggingface/speech-to-speech 用开源模型构建本地语音 Agent，支持实时对话，无需云端依赖。 为什么值得关注：语音正成为 Agent 的下一代交互界面——HF 官方下场做本地语音 Agent，意味着语音 Agent 从 demo 走向可部署产品。日增 827 Star 占总量 10.5%，增速亮眼。本地部署意味着隐私优先，适合金融、医疗等敏感场景…