[{"content":"Homepage 简介 Homepage 是一个现代化、自托管、可高度定制的主页 / 起始页 / 应用仪表盘项目。它适合 homelab、NAS、自托管服务入口、团队内部工具导航等场景，可以通过 YAML 配置或 Docker Label 自动发现服务，并集成大量第三方服务 API 与信息组件。\n项目定位：一个快速、安全、支持 Docker 集成和服务 API 集成的应用仪表盘。\n核心特性 静态生成与高性能：站点在构建时静态生成，加载速度快。 安全代理 API 请求：后端服务 API 请求通过 Homepage 代理，避免直接暴露 API Key。 Docker 集成：支持读取容器状态、统计信息，也可以通过 Docker labels 自动发现服务。 服务集成丰富：支持超过 100 个服务集成，覆盖常见自托管应用与 *arr 生态，例如 Radarr、Sonarr、Lidarr、Bazarr、Plex、Jellyfin、Emby、Transmission、qBittorrent、Deluge 等。 信息组件：支持天气、时间、日期、搜索、系统状态、Glances 等信息展示。 书签与链接管理：可以把常用服务、网页链接集中到一个统一入口。 高度定制：支持主题、自定义 CSS / JS、布局、格式化、本地化等配置。 多架构镜像：支持 AMD64 和 ARM64。 多语言支持：支持 40+ 语言。 典型使用场景 自托管服务统一入口。 Homelab / NAS 首页。 Docker Compose 服务看板。 家庭服务器或内网服务导航。 聚合服务状态、系统信息、天气和常用链接。 为反向代理后面的多个服务提供统一起始页。 Docker Compose 示例 services: homepage: image: ghcr.io/gethomepage/homepage:latest container_name: homepage environment: HOMEPAGE_ALLOWED_HOSTS: gethomepage.dev # 按实际域名或域名:端口配置 PUID: 1000 PGID: 1000 ports: - 3000:3000 volumes: - /path/to/config:/app/config - /var/run/docker.sock:/var/run/docker.sock:ro # 可选，用于 Docker 集成 restart: unless-stopped docker run 示例 docker run --name homepage \\ -e HOMEPAGE_ALLOWED_HOSTS=gethomepage.dev \\ -e PUID=1000 \\ -e PGID=1000 \\ -p 3000:3000 \\ -v /path/to/config:/app/config \\ -v /var/run/docker.sock:/var/run/docker.sock:ro \\ --restart unless-stopped \\ ghcr.io/gethomepage/homepage:latest 从源码运行 git clone https://github.com/gethomepage/homepage.git cd homepage pnpm install pnpm build pnpm start 开发模式：\npnpm install pnpm dev 打开：http://localhost:3000\n配置方式 Homepage 主要通过配置文件管理：\nYAML 配置文件 Docker labels 自动发现服务 自定义主题、布局、CSS、JS 服务 widgets 与信息 providers 官方文档提供了完整配置说明，实际使用前建议优先阅读文档。\n安全注意事项 Homepage 本身不计划内置认证层。如果将 Homepage 暴露到不可信网络，必须放在反向代理或 VPN 后面，并由外部组件负责：\n身份认证 TLS Host Header 校验 访问控制 内置 host check 只能作为基础防护，不能替代正式的安全边界。\n技术信息 类型：自托管应用仪表盘 / startpage / homepage 技术栈：Next.js、Docker、YAML 配置 镜像：ghcr.io/gethomepage/homepage:latest 默认端口：3000 GitHub Stars：约 30k GitHub Forks：约 1.9k 链接 GitHub：https://github.com/gethomepage/homepage 官方文档：https://gethomepage.dev/ Docker 镜像：ghcr.io/gethomepage/homepage:latest ","permalink":"https://blog.eastseven.cn/posts/04-devops/homepage---%E5%8F%AF%E9%AB%98%E5%BA%A6%E5%AE%9A%E5%88%B6%E7%9A%84%E8%87%AA%E6%89%98%E7%AE%A1%E5%BA%94%E7%94%A8%E4%BB%AA%E8%A1%A8%E7%9B%98/","summary":"\u003ch1 id=\"homepage\"\u003eHomepage\u003c/h1\u003e\n\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eHomepage 是一个现代化、自托管、可高度定制的主页 / 起始页 / 应用仪表盘项目。它适合 homelab、NAS、自托管服务入口、团队内部工具导航等场景，可以通过 YAML 配置或 Docker Label 自动发现服务，并集成大量第三方服务 API 与信息组件。\u003c/p\u003e","title":"Homepage"},{"content":"简介 llmfit 是一个用于“根据本机硬件选择合适 LLM 模型”的开源终端工具。它会检测系统的 CPU、内存、GPU/显存与推理后端，然后从大量模型与 provider 中评估哪些模型能跑、跑得好不好，并给出推荐排序。\n项目一句话定位：Hundreds of models \u0026amp; providers. One command to find what runs on your hardware.\n核心特性 自动检测硬件：系统 RAM、CPU 核心数、NVIDIA/AMD/Intel/Apple Silicon/Ascend 等 GPU 与显存。 模型适配评分：综合质量、速度、硬件适配度、上下文长度等维度，为模型生成分数。 支持交互式 TUI：默认启动终端 UI，可搜索、筛选、排序、比较模型。 支持经典 CLI/JSON 输出：适合脚本、Agent 或自动化流程调用。 支持多种本地运行时：Ollama、llama.cpp、MLX、Docker Model Runner、LM Studio、vLLM 等。 支持硬件模拟：可以覆盖 RAM/VRAM/CPU 参数，提前评估不同机器配置下的模型可运行性。 支持 Plan 模式：针对某个模型和上下文长度，反推所需最低/推荐硬件配置。 支持社区排行榜：通过 localmaxxing.com 查看真实用户在不同硬件上的 tok/s、TTFT、VRAM 使用数据。 支持本地推理 Benchmark：对本机正在运行的 Ollama/vLLM/MLX 模型进行实际推理测速。 典型使用场景 想知道自己的 Mac、PC 或服务器适合运行哪些本地 LLM。 在购买 GPU 或升级硬件前，模拟不同 VRAM/RAM 配置的模型适配情况。 为 Ollama、llama.cpp、MLX、vLLM 等本地推理环境选择合适模型与量化版本。 需要将模型推荐结果以 JSON 形式交给脚本、调度器或 AI Agent 使用。 对比理论估算与社区真实 benchmark，减少“模型能下载但跑不动/跑不快”的试错成本。 安装方式 macOS / Linux 可使用 Homebrew 或安装脚本：\nbrew install llmfit curl -fsSL https://llmfit.axjns.dev/install.sh | sh 也可以通过 uv/pip、Docker/Podman 或从源码构建：\nuv tool install -U llmfit uvx llmfit docker run ghcr.io/alexsjones/llmfit git clone https://github.com/AlexsJones/llmfit.git cd llmfit cargo build --release 常用命令 # 启动交互式 TUI llmfit # 经典 CLI 表格输出 llmfit --cli # 查看系统硬件检测结果 llmfit system # 搜索模型 llmfit search \u0026#34;llama 8b\u0026#34; # 输出推荐模型 JSON llmfit recommend --json --limit 5 # 按用途推荐，例如 coding llmfit recommend --json --use-case coding --limit 3 # 模拟 24GB 显存 + 64GB 内存机器 llmfit --memory=24G --ram=64G fit # 规划某个模型需要的硬件 llmfit plan \u0026#34;Qwen/Qwen3-4B-MLX-4bit\u0026#34; --context 8192 --json # 本地 provider 实测 benchmark llmfit bench llmfit bench --all llmfit bench --provider ollama llama3.2 TUI 亮点快捷键 /：搜索模型。 f：切换适配过滤条件。 s：切换排序列。 p：进入 Plan 模式，估算目标模型所需硬件。 S：硬件模拟。 A：高级配置，调整 TPS 估算与评分权重。 b：社区排行榜。 I：本地推理 benchmark。 m / c：标记并比较模型。 d / D：下载模型与下载管理。 技术信息 主要语言：Rust License：MIT Stars：25.7k+ Forks：1.5k+ 形态：CLI + TUI + Web dashboard + REST API 支持后端：Ollama、llama.cpp、MLX、Docker Model Runner、LM Studio、vLLM 等 链接 GitHub: https://github.com/AlexsJones/llmfit 项目安装脚本: https://llmfit.axjns.dev/install.sh 社区 benchmark 数据源: https://localmaxxing.com ","permalink":"https://blog.eastseven.cn/posts/03-ai/llmfit---%E6%9C%AC%E5%9C%B0%E7%A1%AC%E4%BB%B6%E9%80%82%E9%85%8D%E7%9A%84-llm-%E6%A8%A1%E5%9E%8B%E6%8E%A8%E8%8D%90%E5%B7%A5%E5%85%B7/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003ellmfit 是一个用于“根据本机硬件选择合适 LLM 模型”的开源终端工具。它会检测系统的 CPU、内存、GPU/显存与推理后端，然后从大量模型与 provider 中评估哪些模型能跑、跑得好不好，并给出推荐排序。\u003c/p\u003e","title":"llmfit"},{"content":"简介 Mole 是一个 macOS 系统清理和优化工具，集合了 CleanMyMac + AppCleaner + DaisyDisk + iStat Menus 的功能于一体，通过命令行操作，轻量高效。\n核心特性 深度清理：清除缓存、日志、浏览器残留、孤立应用数据，回收大量磁盘空间 智能卸载：移除应用及其关联的启动代理、偏好设置、隐藏残留文件 磁盘分析：可视化磁盘使用，查找大文件，支持交互式导航 实时监控：CPU、GPU、内存、磁盘、网络的实时状态面板 项目清理：清理 node_modules、target、.build 等构建产物 安全设计：默认安全优先，路径校验、受保护目录规则、确认机制，支持 --dry-run 预览 JSON 输出：analyze 和 status 支持 --json，方便脚本集成 安装 brew install mole 链接 GitHub: https://github.com/tw93/Mole ","permalink":"https://blog.eastseven.cn/posts/04-devops/mole---mac-%E6%B7%B1%E5%BA%A6%E6%B8%85%E7%90%86%E4%BC%98%E5%8C%96%E5%B7%A5%E5%85%B7/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eMole 是一个 macOS 系统清理和优化工具，集合了 CleanMyMac + AppCleaner + DaisyDisk + iStat Menus 的功能于一体，通过命令行操作，轻量高效。\u003c/p\u003e\n\u003ch2 id=\"核心特性\"\u003e核心特性\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e深度清理\u003c/strong\u003e：清除缓存、日志、浏览器残留、孤立应用数据，回收大量磁盘空间\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e智能卸载\u003c/strong\u003e：移除应用及其关联的启动代理、偏好设置、隐藏残留文件\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e磁盘分析\u003c/strong\u003e：可视化磁盘使用，查找大文件，支持交互式导航\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e实时监控\u003c/strong\u003e：CPU、GPU、内存、磁盘、网络的实时状态面板\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e项目清理\u003c/strong\u003e：清理 node_modules、target、.build 等构建产物\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e安全设计\u003c/strong\u003e：默认安全优先，路径校验、受保护目录规则、确认机制，支持 \u003ccode\u003e--dry-run\u003c/code\u003e 预览\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eJSON 输出\u003c/strong\u003e：analyze 和 status 支持 \u003ccode\u003e--json\u003c/code\u003e，方便脚本集成\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"安装\"\u003e安装\u003c/h2\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;\"\u003e\u003ccode class=\"language-bash\" data-lang=\"bash\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003ebrew install mole\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003ch2 id=\"链接\"\u003e链接\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eGitHub: \u003ca href=\"https://github.com/tw93/Mole\"\u003ehttps://github.com/tw93/Mole\u003c/a\u003e\u003c/li\u003e\n\u003c/ul\u003e","title":"Mole"},{"content":"简介 Infisical 是一个开源的密钥（Secrets）、证书（Certificates）和特权访问管理（PAM）平台。团队可以用它集中管理应用配置和密钥（API Key、数据库凭证），并管理内部 PKI 基础设施。相当于开源版 HashiCorp Vault 的现代替代方案。\n核心特性 密钥管理：集中管理团队和基础设施的 API Key、数据库凭证等敏感配置，支持版本控制和审计日志 证书管理：内部 PKI 管理，自动化证书签发和轮换 KMS 密钥管理：Infisical Key Management System，统一密钥生命周期管理 SSH 访问管理：Infisical SSH，控制服务器访问权限 密钥扫描：支持 140+ 种密钥类型的扫描，可扫描文件、目录和 Git 仓库历史；支持 pre-commit hook 集成 多种部署方式：Cloud 托管 / 自托管 / 本地 Docker 一行启动 客户端工具：CLI + SDK（Node.js、Python、Go、Ruby、Java、PHP、Rust、Dart 等主流语言） 许可证 核心代码 MIT License，企业功能（ee 目录）需 Infisical 商业许可。\n链接 官网：https://infisical.com 文档：https://infisical.com/docs/documentation/getting-started/introduction 自托管指南：https://infisical.com/docs/self-hosting/overview Slack 社区：https://infisical.com/slack ","permalink":"https://blog.eastseven.cn/posts/04-devops/infisical---%E5%BC%80%E6%BA%90%E5%AF%86%E9%92%A5%E4%B8%8E%E7%89%B9%E6%9D%83%E8%AE%BF%E9%97%AE%E7%AE%A1%E7%90%86%E5%B9%B3%E5%8F%B0/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eInfisical 是一个开源的密钥（Secrets）、证书（Certificates）和特权访问管理（PAM）平台。团队可以用它集中管理应用配置和密钥（API Key、数据库凭证），并管理内部 PKI 基础设施。相当于开源版 HashiCorp Vault 的现代替代方案。\u003c/p\u003e","title":"Infisical - 开源密钥与特权访问管理平台"},{"content":"简介 OpenAI Symphony 是一个将项目工作转化为隔离、自主的执行运行（implementation runs）的系统，让团队管理任务而非监督编码 Agent。目前定位为工程预览版（engineering preview），适合在可信环境中测试。\n核心特性 Linear 集成：监控 Linear 看板，自动识别待处理任务，为每个任务生成独立的 Codex Agent 执行环境 自主执行：Agent 独立完成任务后提交 PR，并提供 proof of work： CI 状态 PR review 反馈 复杂度分析 演示视频（walkthrough videos） 安全着陆：任务被接受后，Agent 安全地合并 PR Harness Engineering 范式：倡导「管理 Agent 而非监督 Agent」的工程方法论 语言无关：提供完整 SPEC.md 规范，可用任何语言实现；参考实现为 Elixir 技术栈 Elixir (95.4%) + Python (3.0%) + CSS (1.3%) Apache 2.0 开源协议 15.5k Stars, 1.3k Forks 链接 GitHub: https://github.com/openai/symphony 规范文档: https://github.com/openai/symphony/blob/main/SPEC.md Harness Engineering: https://openai.com/index/harness-engineering/ ","permalink":"https://blog.eastseven.cn/posts/03-ai/symphony---openai%E8%87%AA%E4%B8%BBagent%E4%BB%BB%E5%8A%A1%E7%BC%96%E6%8E%92%E7%B3%BB%E7%BB%9F/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eOpenAI Symphony 是一个将项目工作转化为隔离、自主的执行运行（implementation runs）的系统，让团队管理任务而非监督编码 Agent。目前定位为工程预览版（engineering preview），适合在可信环境中测试。\u003c/p\u003e","title":"Symphony - OpenAI自主Agent任务编排系统"},{"content":"简介 MemOS 是一个面向 LLM 和 AI Agent 的记忆操作系统（Memory Operating System），统一了记忆的存储/检索/管理，支持长期记忆、知识库、多模态记忆、工具记忆等，实现上下文感知和个性化交互。当前版本 v2.0「星尘（Stardust）」，在多项基准测试中表现优异：LoCoMo 75.80、LongMemEval +40.43%、PrefEval-10 +2568%，相比 OpenAI Memory 准确率提升 43.70%，节省 35.24% 记忆 Token。\n核心特性 统一记忆 API：单一 API 实现记忆的增删改查，以图结构组织，可检视可编辑，非黑盒 embedding 存储 多模态记忆：原生支持文本、图像、工具 trace、Persona，在同一记忆系统中联合检索和推理 多立方体知识库管理：多个知识库作为可组合的 Memory Cube，支持隔离、受控共享、动态组合 异步调度（MemScheduler）：毫秒级延迟的异步记忆操作，高并发下保持生产级稳定 记忆反馈与修正：用自然语言反馈来纠正、补充或替换已有记忆 OpenClaw 插件：支持云端和本地两种模式。云端模式降低 72% Token 用量、支持多 Agent 记忆共享；本地模式 100% 设备端运行，SQLite 持久化 + FTS5/向量混合搜索 技术架构 支持 LLM 后端：OpenAI、Azure OpenAI、Qwen（DashScope）、DeepSeek、MiniMax、Ollama、HuggingFace、vLLM 部署方式：Docker Compose 或 uvicorn CLI 依赖服务：Neo4j + Qdrant 许可证：Apache 2.0 链接 GitHub: https://github.com/MemTensor/MemOS 文档: https://memos-open.readme.io 论文: https://arxiv.org/abs/2507.03724 ","permalink":"https://blog.eastseven.cn/posts/03-ai/memos---ai-agent%E8%AE%B0%E5%BF%86%E6%93%8D%E4%BD%9C%E7%B3%BB%E7%BB%9F/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eMemOS 是一个面向 LLM 和 AI Agent 的记忆操作系统（Memory Operating System），统一了记忆的存储/检索/管理，支持长期记忆、知识库、多模态记忆、工具记忆等，实现上下文感知和个性化交互。当前版本 v2.0「星尘（Stardust）」，在多项基准测试中表现优异：LoCoMo 75.80、LongMemEval +40.43%、PrefEval-10 +2568%，相比 OpenAI Memory 准确率提升 43.70%，节省 35.24% 记忆 Token。\u003c/p\u003e","title":"MemOS"},{"content":"简介 Open Design 是 Anthropic Claude Design 的开源替代方案。本地优先、可部署到 Vercel、全链路 BYOK（Bring Your Own Key）。核心理念：不内置 Agent，而是复用你已有的编码 Agent（Claude Code、Codex CLI、Cursor Agent、Gemini CLI、OpenCode、Qwen Code）作为设计引擎，通过 19 个可组合 Skills 和 71 个品牌级 Design Systems 驱动设计工作流。\n核心特性 19 个设计 Skills：覆盖 prototype、deck、mobile、dashboard、pricing、docs、blog、SaaS landing 等场景，另有 10 个文档模板（PM spec、weekly update、OKRs、runbook 等） 71 个品牌级 Design Systems：Linear、Stripe、Vercel、Airbnb、Tesla、Notion、Apple、Cursor、Supabase、Figma 等知名品牌设计系统，采用 9-section DESIGN.md 标准格式 5 种视觉方向：Editorial Monocle、Modern Minimal、Tech Utility、Brutalist、Soft Warm，每种自带确定性 OKLch 色板 + 字体栈 设备框架：iPhone 15 Pro、Pixel、iPad Pro、MacBook、Browser Chrome，像素级精确 Anti-AI-slop 机制：问题表单优先、品牌色提取协议、五维自评（philosophy/hierarchy/execution/specificity/restraint）、P0/P1/P2 检查清单、设计黑名单 导出格式：HTML、PDF、PPTX、ZIP、Markdown 架构 前端：Vite 5 + React 18 + TypeScript 守护进程：Node 18+ / Express / SSE 流式 / better-sqlite3 Agent 传输：child_process.spawn，Claude Code 用 stream-json，其他 CLI 用行缓冲 预览：沙箱 iframe（srcdoc）+ per-skill artifact 解析器 存储：.od/ 本地目录 + SQLite 技术栈 本地运行 pnpm dev:all 即可（daemon :7456 + Vite :5173），也可部署到 Vercel。Apache-2.0 开源协议。\n链接 GitHub: https://github.com/nexu-io/open-design ","permalink":"https://blog.eastseven.cn/posts/03-ai/open-design---claude-design%E5%BC%80%E6%BA%90%E6%9B%BF%E4%BB%A3%E8%AE%BE%E8%AE%A1%E5%B7%A5%E5%85%B7/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eOpen Design 是 Anthropic Claude Design 的开源替代方案。本地优先、可部署到 Vercel、全链路 BYOK（Bring Your Own Key）。核心理念：不内置 Agent，而是复用你已有的编码 Agent（Claude Code、Codex CLI、Cursor Agent、Gemini CLI、OpenCode、Qwen Code）作为设计引擎，通过 19 个可组合 Skills 和 71 个品牌级 Design Systems 驱动设计工作流。\u003c/p\u003e","title":"Open Design"},{"content":"简介 OSV-Scanner 是 Google 开源的漏洞扫描工具，基于 Go 编写，使用 OSV.dev 数据库扫描项目依赖中的已知安全漏洞。提供 OSV 数据库的官方前端接口和 OSV-Scalibr 的 CLI 接口。\n核心特性 多语言支持: C/C++, Dart, Elixir, Go, Java, JavaScript, PHP, Python, R, Ruby, Rust 多包管理器: npm, pip, yarn, maven, go modules, cargo, gem, composer, nuget 等 操作系统包扫描: 检测 Linux 系统上的 OS 包漏洞 容器镜像扫描: 层级感知的容器漏洞扫描，支持 Alpine/Debian/Ubuntu 基础镜像 许可证扫描: 基于 deps.dev 数据检查依赖许可证合规性 离线扫描: 支持下载本地数据库后离线运行 引导修复(Guided Remediation): 根据依赖深度、严重程度、修复策略等建议升级方案（实验性） Call Analysis: 分析是否实际调用了有漏洞的函数，减少误报 ** Vendored C/C++ 检测**: 扫描内嵌的 C/C++ 代码 链接 GitHub: https://github.com/google/osv-scanner OSV 数据库: https://osv.dev 文档: https://google.github.io/osv-scanner/ ","permalink":"https://blog.eastseven.cn/posts/04-devops/osv-scanner---google%E5%BC%80%E6%BA%90%E6%BC%8F%E6%B4%9E%E6%89%AB%E6%8F%8F%E5%99%A8/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eOSV-Scanner 是 Google 开源的漏洞扫描工具，基于 Go 编写，使用 \u003ca href=\"https://osv.dev\"\u003eOSV.dev\u003c/a\u003e 数据库扫描项目依赖中的已知安全漏洞。提供 OSV 数据库的官方前端接口和 OSV-Scalibr 的 CLI 接口。\u003c/p\u003e\n\u003ch2 id=\"核心特性\"\u003e核心特性\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e多语言支持\u003c/strong\u003e: C/C++, Dart, Elixir, Go, Java, JavaScript, PHP, Python, R, Ruby, Rust\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e多包管理器\u003c/strong\u003e: npm, pip, yarn, maven, go modules, cargo, gem, composer, nuget 等\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e操作系统包扫描\u003c/strong\u003e: 检测 Linux 系统上的 OS 包漏洞\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e容器镜像扫描\u003c/strong\u003e: 层级感知的容器漏洞扫描，支持 Alpine/Debian/Ubuntu 基础镜像\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e许可证扫描\u003c/strong\u003e: 基于 deps.dev 数据检查依赖许可证合规性\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e离线扫描\u003c/strong\u003e: 支持下载本地数据库后离线运行\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e引导修复(Guided Remediation)\u003c/strong\u003e: 根据依赖深度、严重程度、修复策略等建议升级方案（实验性）\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eCall Analysis\u003c/strong\u003e: 分析是否实际调用了有漏洞的函数，减少误报\u003c/li\u003e\n\u003cli\u003e** Vendored C/C++ 检测**: 扫描内嵌的 C/C++ 代码\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"链接\"\u003e链接\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eGitHub: \u003ca href=\"https://github.com/google/osv-scanner\"\u003ehttps://github.com/google/osv-scanner\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003eOSV 数据库: \u003ca href=\"https://osv.dev\"\u003ehttps://osv.dev\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e文档: \u003ca href=\"https://google.github.io/osv-scanner/\"\u003ehttps://google.github.io/osv-scanner/\u003c/a\u003e\u003c/li\u003e\n\u003c/ul\u003e","title":"OSV-Scanner"},{"content":"简介 GStack 是 Y Combinator 总裁 Garry Tan 开源的 Claude Code 技能框架，将 Claude Code 变成一个虚拟工程团队。包含 23 个专业角色（CEO、设计师、工程经理、发布工程师、文档工程师、QA 等）和 8 个强力工具，全部通过斜杠命令调用，纯 Markdown 配置，MIT 协议免费使用。\n项目已有 82K+ Stars，15K 安装量，305K 次调用，95.2% 成功率。\n核心特性 模块化技能系统：38+ 技能模板，YAML frontmatter 配置，通过斜杠命令或自然语言触发 Preamble 组合机制：有序的解析器流水线组装 SKILL.md，包含混淆协议、模型覆盖层、跨机器记忆同步等 多主机支持：10 个主机（Claude Code、Codex、OpenClaw、Hermes 等），每个主机有独立的工具重写和路径配置 模型覆盖层系统：针对不同模型（Opus 4.7、Sonnet 4.6 等）的差异化行为调整，经过严格 A/B 测试验证 安全加固：隧道双监听器架构、SSRF 防护、6 层侧边栏安全、ML Prompt 注入防御 跨机器记忆同步（GBrain Sync）：在不同设备间同步上下文和记忆 Confusion Protocol：高风险决策时的歧义检查门，防止错误假设 完善的测试基础设施：774+ 测试用例，包含黄金夹具和门控层测试 链接 GitHub: https://github.com/garrytan/gstack ","permalink":"https://blog.eastseven.cn/posts/03-ai/gstack---claude-code-ai%E8%99%9A%E6%8B%9F%E5%B7%A5%E7%A8%8B%E5%9B%A2%E9%98%9F%E6%A1%86%E6%9E%B6/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eGStack 是 Y Combinator 总裁 Garry Tan 开源的 Claude Code 技能框架，将 Claude Code 变成一个虚拟工程团队。包含 23 个专业角色（CEO、设计师、工程经理、发布工程师、文档工程师、QA 等）和 8 个强力工具，全部通过斜杠命令调用，纯 Markdown 配置，MIT 协议免费使用。\u003c/p\u003e","title":"GStack"},{"content":"简介 DESIGN.md 是 Google Labs 推出的一个格式规范，用于向 AI 编码 Agent 描述项目的视觉身份。通过 YAML front matter 定义机器可读的设计 token，配合 Markdown 正文说明设计理念，让 Agent 获得持久、结构化的设计系统理解。\n核心特性 双层结构：YAML front matter（设计 token）+ Markdown 正文（设计理念） Token 类型：颜色、排版、圆角、间距、组件 组件 Token：支持 button-primary 等组件定义，支持 {colors.primary} 引用 CLI 工具（@google/design.md）： lint — 验证 DESIGN.md 结构正确性、WCAG 对比度、token 引用完整性 diff — 对比两个版本，检测 token 级别变更和回归 export — 导出为 Tailwind theme 或 DTCG (W3C Design Tokens) 格式 spec — 输出格式规范（可注入 Agent prompt） 7 条 Lint 规则：broken-ref、missing-primary、contrast-ratio、orphaned-tokens、token-summary、missing-sections、missing-typography、section-order 设计理念段落：Overview、Colors、Typography、Layout、Elevation \u0026amp; Depth、Shapes、Components、Do\u0026rsquo;s and Don\u0026rsquo;ts 安装 npm install @google/design.md # 或直接运行 npx @google/design.md lint DESIGN.md 链接 GitHub: https://github.com/google-labs-code/design.md NPM: https://www.npmjs.com/package/@google/design.md ","permalink":"https://blog.eastseven.cn/posts/03-ai/design.md---google%E8%A7%86%E8%A7%89%E8%BA%AB%E4%BB%BD%E6%8F%8F%E8%BF%B0%E8%A7%84%E8%8C%83/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eDESIGN.md 是 Google Labs 推出的一个格式规范，用于向 AI 编码 Agent 描述项目的视觉身份。通过 YAML front matter 定义机器可读的设计 token，配合 Markdown 正文说明设计理念，让 Agent 获得持久、结构化的设计系统理解。\u003c/p\u003e","title":"DESIGN.md"},{"content":"简介 Fireworks Tech Graph 是一个 Claude Code 技能，用于从自然语言描述生成生产级 SVG+PNG 技术图表。支持 8 种图表类型、7 种视觉风格，内置 AI/Agent 领域知识（RAG、Agentic Search、Mem0、Multi-Agent、Tool Call 等），覆盖全部 14 种 UML 图表类型。\n核心特性 7 种视觉风格：Flat Icon、Dark Terminal、Blueprint、Notion Clean、Glassmorphism、Claude Official、OpenAI Official 8+ 图表类型：架构图、数据流图、流程图、Agent 架构图、内存架构图、序列图、对比矩阵、思维导图等 AI/Agent 领域模式：内置 RAG Pipeline、Agentic Search、Mem0、Multi-Agent、Tool Call Flow 等模式 语义形状词汇：LLM=双线圆角矩形、Agent=六边形、Vector Store=环形圆柱等 语义箭头系统：颜色+虚线编码含义（读/写/异步/循环） 40+ 产品图标：OpenAI、Anthropic、Pinecone、Kafka、PostgreSQL 等 10 步工作流：分类→提取结构→规划布局→加载风格→映射节点→检查图标→写SVG→验证→导出PNG→报告 安装 npx skills add yizhiyanhua-ai/fireworks-tech-graph # 依赖 brew install librsvg # macOS 链接 GitHub: https://github.com/yizhiyanhua-ai/fireworks-tech-graph NPM: https://www.npmjs.com/package/@yizhiyanhua-ai/fireworks-tech-graph ","permalink":"https://blog.eastseven.cn/posts/03-ai/fireworks-tech-graph---ai%E6%8A%80%E6%9C%AF%E5%9B%BE%E8%A1%A8%E7%94%9F%E6%88%90%E6%8A%80%E8%83%BD/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eFireworks Tech Graph 是一个 Claude Code 技能，用于从自然语言描述生成生产级 SVG+PNG 技术图表。支持 8 种图表类型、7 种视觉风格，内置 AI/Agent 领域知识（RAG、Agentic Search、Mem0、Multi-Agent、Tool Call 等），覆盖全部 14 种 UML 图表类型。\u003c/p\u003e","title":"Fireworks Tech Graph"},{"content":"简介 Kami（紙，かみ）是 tw93（大漠穷秋）开源的 AI 文档设计系统，核心理念是\u0026quot;好内容值得好纸张\u0026quot;。它不是 UI 框架，而是一套美学约束系统，让 AI Agent 生成排版精美的文档（HTML/PDF），告别千篇一律的默认样式。\n与 Kaku（代码）和 Waza（习惯）同属一个工具家族。\n核心特性 统一视觉语言：暖色羊皮纸底色 #f5f4ed + 墨蓝强调色 #1B365D，拒绝冷灰和渐变 严格排版约束：衬线字重锁定 500、行高精确分区、温暖色调中性色 6 种文档类型：One-Pager、Slides、Resume、Portfolio、Long Doc、Letter，每种支持中英双语 内置 3 种 SVG 图表：架构图、流程图、象限图 支持 Claude Code、Codex 内置集成，也可用于其他 AI Agent（opencode、pi 等） 自然语言触发，无需斜杠命令 设计规格要点 字体：中文（仓耳今楷02 + 思源黑体）、英文（Newsreader + Inter） 衬线字重仅用 500，不使用粗体 行高严格分段：标题 1.1-1.3、密集正文 1.4-1.45、阅读正文 1.5-1.55 阴影仅用 ring/whisper，无硬阴影 标签用实色背景，避免 rgba 触发 WeasyPrint bug 适用场景 创业公司介绍、个人简历、项目作品集、演讲幻灯片、白皮书、推荐信等需要高质量排版输出的文档。\n链接 GitHub: https://github.com/tw93/kami 在线预览: https://kami.tw93.fun ","permalink":"https://blog.eastseven.cn/posts/03-ai/kami---ai-%E6%96%87%E6%A1%A3%E8%AE%BE%E8%AE%A1%E7%B3%BB%E7%BB%9F/","summary":"\u003ch1 id=\"简介\"\u003e简介\u003c/h1\u003e\n\u003cp\u003eKami（紙，かみ）是 tw93（大漠穷秋）开源的 AI 文档设计系统，核心理念是\u0026quot;好内容值得好纸张\u0026quot;。它不是 UI 框架，而是一套美学约束系统，让 AI Agent 生成排版精美的文档（HTML/PDF），告别千篇一律的默认样式。\u003c/p\u003e","title":"Kami"},{"content":"简介 AnyCrawl 是一个高性能爬取和抓取工具包，将网站转化为 LLM 可用的数据，并支持从 Google/Bing/百度等搜索引擎提取结构化 SERP 结果。基于 Node.js/TypeScript，支持原生多线程批量处理。\n核心特性 SERP 爬取：支持 Google、Bing、百度等多搜索引擎，批量友好 网页抓取：单页内容提取，支持 cheerio（最快）、Playwright、Puppeteer 三种引擎 全站爬取：整站遍历与采集，可控制深度和数量 LLM 结构化提取：通过 JSON Schema 定义，LLM 驱动从页面提取结构化数据 高性能：多线程/多进程原生支持 Docker 自部署：支持 Docker Compose 一键部署 缓存控制：支持 S3/本地缓存，可配置过期策略 链接 GitHub：https://github.com/any4ai/anycrawl 文档：https://docs.anycrawl.dev ","permalink":"https://blog.eastseven.cn/posts/03-ai/anycrawl---%E9%AB%98%E6%80%A7%E8%83%BD%E7%BD%91%E9%A1%B5%E7%88%AC%E5%8F%96%E4%B8%8Ellm%E6%95%B0%E6%8D%AE%E6%8F%90%E5%8F%96%E5%B7%A5%E5%85%B7/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eAnyCrawl 是一个高性能爬取和抓取工具包，将网站转化为 LLM 可用的数据，并支持从 Google/Bing/百度等搜索引擎提取结构化 SERP 结果。基于 Node.js/TypeScript，支持原生多线程批量处理。\u003c/p\u003e","title":"AnyCrawl - 高性能网页爬取与LLM数据提取工具"},{"content":"简介 Huashu Design 是一个 HTML 原生的设计 Skill，适用于 Claude Code、Cursor、Codex 等任意兼容 skill 的 AI Agent。一句话 prompt 即可交付高保真原型、幻灯片、动画和信息图。\n核心能力 交互原型：单文件 HTML，真 iPhone 机身，可点击，Playwright 验证（10-15min） 演讲幻灯片：HTML deck + 可编辑 PPTX（15-25min） 时间轴动画：MP4/GIF 导出 + BGM，支持 60fps 插帧（8-12min） 信息图/可视化：印刷级排版，可导 PDF/PNG/SVG（10min） 5 维度专家评审：哲学一致性、视觉层级、细节执行、功能性、创新性（3min） 核心机制 品牌资产协议：涉及品牌设计时强制 5 步流程（问→搜→下载→grep色值→固化spec） 设计方向顾问：5 流派 × 20 种设计哲学，模糊需求时推荐 3 个差异化方向 Junior Designer 工作流：先写 assumptions + placeholders，尽早 show，迭代交付 反 AI slop 规则：避免紫渐变、emoji 图标等 AI 设计通病 链接 GitHub：https://github.com/alchaincyf/huashu-design ","permalink":"https://blog.eastseven.cn/posts/03-ai/huashu-design---html%E5%8E%9F%E7%94%9Fai%E8%AE%BE%E8%AE%A1skill/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eHuashu Design 是一个 HTML 原生的设计 Skill，适用于 Claude Code、Cursor、Codex 等任意兼容 skill 的 AI Agent。一句话 prompt 即可交付高保真原型、幻灯片、动画和信息图。\u003c/p\u003e","title":"Huashu Design - HTML原生AI设计Skill"},{"content":"简介 谷歌新书《Agentic Design Patterns》的最佳中文翻译版，由 xindoo 发起并维护。系统介绍了 AI Agent 系统的 21 个核心设计模式。\n核心内容 覆盖从基础到高级的完整 Agent 设计模式：\n基础模式：提示链（Prompt Chaining）、路由（Routing）、并行化（Parallelization） 进阶模式：反思（Reflection）、工具使用（Tool Use）、规划（Planning） 高级模式：多智能体协作、记忆管理、学习与适应、模型上下文协议（MCP） 实践模式：安全防护、评估监控、人机协同、知识检索（RAG）、智能体间通信（A2A） 翻译进度：32/32 章节已完成初步翻译，含 7 个附录。\n链接 在线阅读：https://adp.xindoo.xyz/ GitHub：https://github.com/xindoo/agentic-design-patterns ","permalink":"https://blog.eastseven.cn/posts/03-ai/agentic-design-patterns---ai-agent%E8%AE%BE%E8%AE%A1%E6%A8%A1%E5%BC%8F%E4%B8%AD%E6%96%87%E7%BF%BB%E8%AF%91/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003e谷歌新书《Agentic Design Patterns》的最佳中文翻译版，由 xindoo 发起并维护。系统介绍了 AI Agent 系统的 21 个核心设计模式。\u003c/p\u003e\n\u003ch2 id=\"核心内容\"\u003e核心内容\u003c/h2\u003e\n\u003cp\u003e覆盖从基础到高级的完整 Agent 设计模式：\u003c/p\u003e","title":"Agentic Design Patterns - AI Agent设计模式中文翻译"},{"content":"简介 Architecture Diagram Generator 是一个 Claude AI Skill，能用自然语言描述生成专业深色主题的系统架构图，输出为独立的 HTML/SVG 文件，无需任何依赖。\n核心特性 自然语言驱动：用纯文本描述系统架构，自动生成可视化图表 深色主题：Slate-950 背景 + 40px 网格，专业美观 语义色彩编码：Frontend（青色）、Backend（绿色）、Database（紫色）、Cloud（琥珀色）、Security（玫瑰色）、External（灰色） 独立输出：单 HTML 文件，内嵌 CSS + SVG，任何浏览器直接打开 多种安装方式：claude.ai Skills、Claude Code CLI（~/.claude/skills/）、Projects Knowledge 使用方式 安装 Skill（下载 zip 上传到 claude.ai Settings → Skills） 描述架构（让 AI 分析代码库、手写描述、或让 Claude 生成典型架构） 生成图表，支持迭代修改组件、布局 适用于 Claude Pro/Max/Team/Enterprise 计划。\n链接 GitHub: https://github.com/Cocoon-AI/architecture-diagram-generator 许可证: MIT ","permalink":"https://blog.eastseven.cn/posts/03-ai/architecture-diagram-generator---claude%E6%9E%B6%E6%9E%84%E5%9B%BE%E7%94%9F%E6%88%90skill/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eArchitecture Diagram Generator 是一个 Claude AI Skill，能用自然语言描述生成专业深色主题的系统架构图，输出为独立的 HTML/SVG 文件，无需任何依赖。\u003c/p\u003e\n\u003ch2 id=\"核心特性\"\u003e核心特性\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e自然语言驱动\u003c/strong\u003e：用纯文本描述系统架构，自动生成可视化图表\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e深色主题\u003c/strong\u003e：Slate-950 背景 + 40px 网格，专业美观\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e语义色彩编码\u003c/strong\u003e：Frontend（青色）、Backend（绿色）、Database（紫色）、Cloud（琥珀色）、Security（玫瑰色）、External（灰色）\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e独立输出\u003c/strong\u003e：单 HTML 文件，内嵌 CSS + SVG，任何浏览器直接打开\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e多种安装方式\u003c/strong\u003e：claude.ai Skills、Claude Code CLI（\u003ccode\u003e~/.claude/skills/\u003c/code\u003e）、Projects Knowledge\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"使用方式\"\u003e使用方式\u003c/h2\u003e\n\u003col\u003e\n\u003cli\u003e安装 Skill（下载 zip 上传到 claude.ai Settings → Skills）\u003c/li\u003e\n\u003cli\u003e描述架构（让 AI 分析代码库、手写描述、或让 Claude 生成典型架构）\u003c/li\u003e\n\u003cli\u003e生成图表，支持迭代修改组件、布局\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003e适用于 Claude Pro/Max/Team/Enterprise 计划。\u003c/p\u003e","title":"Architecture Diagram Generator"},{"content":"简介 CodeBurn 是一个交互式 TUI 仪表盘，用于分析 Claude Code / Codex / Cursor 的会话记录，提供详细的 token 消耗和成本拆解。直接读取磁盘上的会话数据，无需代理、包装器或 API Key。\n核心特性 多 IDE 支持：Claude Code（~/.claude/projects/）、Claude Desktop（code tab）、Cursor IDE 13 类任务分类：基于工具使用模式和关键词的确定性分类（Coding、Debugging、Feature Dev、Refactoring、Testing、Exploration 等），不调用 LLM 多维度拆解：按日、项目、模型（Opus/Sonnet/Haiku/GPT-4o/Gemini）、活动类型、核心工具、MCP 服务器分解成本 定价数据：从 LiteLLM 自动获取（24h 缓存），覆盖 input/output/cache write/cache read/web search 成本 macOS 菜单栏小组件：支持 SwiftBar/xbar，显示今日花费火焰图标，5 分钟刷新 导出：支持 CSV 和 JSON 格式导出 安装与使用 npm install -g codeburn codeburn # 交互式仪表盘（默认7天） codeburn today # 今日用量 codeburn month # 本月用量 codeburn status # 紧凑一行输出 codeburn export # CSV 导出 链接 GitHub: https://github.com/AgentSeal/codeburn 许可证: MIT ","permalink":"https://blog.eastseven.cn/posts/03-ai/codeburn---ai%E7%BC%96%E7%A8%8Btoken%E6%88%90%E6%9C%AC%E5%8F%AF%E8%A7%86%E5%8C%96%E4%BB%AA%E8%A1%A8%E7%9B%98/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eCodeBurn 是一个交互式 TUI 仪表盘，用于分析 Claude Code / Codex / Cursor 的会话记录，提供详细的 token 消耗和成本拆解。直接读取磁盘上的会话数据，无需代理、包装器或 API Key。\u003c/p\u003e\n\u003ch2 id=\"核心特性\"\u003e核心特性\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e多 IDE 支持\u003c/strong\u003e：Claude Code（\u003ccode\u003e~/.claude/projects/\u003c/code\u003e）、Claude Desktop（code tab）、Cursor IDE\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e13 类任务分类\u003c/strong\u003e：基于工具使用模式和关键词的确定性分类（Coding、Debugging、Feature Dev、Refactoring、Testing、Exploration 等），不调用 LLM\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e多维度拆解\u003c/strong\u003e：按日、项目、模型（Opus/Sonnet/Haiku/GPT-4o/Gemini）、活动类型、核心工具、MCP 服务器分解成本\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e定价数据\u003c/strong\u003e：从 LiteLLM 自动获取（24h 缓存），覆盖 input/output/cache write/cache read/web search 成本\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003emacOS 菜单栏小组件\u003c/strong\u003e：支持 SwiftBar/xbar，显示今日花费火焰图标，5 分钟刷新\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e导出\u003c/strong\u003e：支持 CSV 和 JSON 格式导出\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"安装与使用\"\u003e安装与使用\u003c/h2\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;\"\u003e\u003ccode class=\"language-shell\" data-lang=\"shell\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003enpm install -g codeburn\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003ecodeburn              \u003cspan style=\"color:#75715e\"\u003e# 交互式仪表盘（默认7天）\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003ecodeburn today        \u003cspan style=\"color:#75715e\"\u003e# 今日用量\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003ecodeburn month        \u003cspan style=\"color:#75715e\"\u003e# 本月用量\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003ecodeburn status       \u003cspan style=\"color:#75715e\"\u003e# 紧凑一行输出\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003ecodeburn export       \u003cspan style=\"color:#75715e\"\u003e# CSV 导出\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003ch2 id=\"链接\"\u003e链接\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eGitHub: \u003ca href=\"https://github.com/AgentSeal/codeburn\"\u003ehttps://github.com/AgentSeal/codeburn\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e许可证: MIT\u003c/li\u003e\n\u003c/ul\u003e","title":"CodeBurn"},{"content":"简介 Multica 是一个开源的 AI 编码 Agent 管理平台，核心理念是\u0026quot;把 AI coding agent 变成真正的队友\u0026quot;。支持将 Claude Code、Codex、OpenClaw、OpenCode 等 agent 以看板方式管理，像分配任务给同事一样给 agent 派活——它们自主执行、汇报状态、积累可复用技能。\n核心特性 Agent 生命周期管理：任务分配 → 执行监控 → 技能复用，全流程自动化 看板式任务追踪：Agent 出现在 Board 上，参与对话，更新状态 自动检测 Agent CLI：daemon 自动发现本机已安装的 agent（claude、codex 等） 技能复用（Compound Skills）：Agent 执行过的经验可沉淀为可复用技能 多 Agent 支持：Claude Code、Codex、OpenClaw、OpenCode 自托管友好：支持 Docker 部署完整服务端 厂商中立：不绑定特定 AI provider 技术栈 前端：Next.js 16 (App Router) 后端：Go (Chi + sqlc + gorilla/websocket) 数据库：PostgreSQL 17 + pgvector 构建：pnpm workspaces + Turborepo 链接 GitHub: https://github.com/multica-ai/multica 官网: https://multica.ai Cloud: https://multica.ai/app ","permalink":"https://blog.eastseven.cn/posts/03-ai/multica---%E5%BC%80%E6%BA%90ai-agent%E7%AE%A1%E7%90%86%E5%B9%B3%E5%8F%B0/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eMultica 是一个开源的 AI 编码 Agent 管理平台，核心理念是\u0026quot;把 AI coding agent 变成真正的队友\u0026quot;。支持将 Claude Code、Codex、OpenClaw、OpenCode 等 agent 以看板方式管理，像分配任务给同事一样给 agent 派活——它们自主执行、汇报状态、积累可复用技能。\u003c/p\u003e","title":"Multica"},{"content":"简介 Awesome DESIGN.md 是一个精选的 DESIGN.md 文件集合，灵感来源于真实知名网站的视觉设计系统。由 VoltAgent 维护，核心理念是：把一个 DESIGN.md 丢进项目根目录，告诉 AI 代理\u0026quot;按这个风格生成 UI\u0026quot;，就能得到像素级匹配的界面。\n核心概念 DESIGN.md 源自 Google Stitch 提出的概念——用纯文本 Markdown 描述设计系统，让 AI 代理直接读懂并生成一致的 UI。无需 Figma 导出、JSON Schema 或特殊工具。\n与 AGENTS.md 的关系：\nAGENTS.md → 编码代理怎么构建项目 DESIGN.md → 设计代理项目应该长什么样 收录品牌（50+） 覆盖多个领域：\nAI \u0026amp; LLM：Claude、Mistral AI、Ollama、Replicate、Vercel、xAI 等 开发者工具：Cursor、Expo、Raycast、Warp、Linear 后端/DevOps：Supabase、MongoDB、Sentry、PostHog、ClickHouse SaaS：Notion、Intercom、Cal.com、Zapier 设计工具：Figma、Framer、Miro、Webflow Fintech：Stripe、Coinbase、Revolut、Wise 消费品牌：Apple、Tesla、SpaceX、Nike、Spotify 汽车：BMW、Ferrari、Lamborghini、Renault、Tesla 每个 DESIGN.md 包含 段落 内容 Visual Theme \u0026amp; Atmosphere 情绪、密度、设计哲学 Color Palette \u0026amp; Roles 语义名称 + Hex + 功能角色 Typography Rules 字体族、完整层级表 Component Stylings 按钮、卡片、输入框、导航及各状态 Layout Principles 间距系统、网格、留白哲学 Depth \u0026amp; Elevation 阴影系统、表面层级 Do\u0026rsquo;s and Don\u0026rsquo;ts 设计护栏和反模式 Responsive Behavior 断点、触摸目标、折叠策略 Agent Prompt Guide 快速颜色参考、可直接使用的提示词 每个站点还附带 preview.html 和 preview-dark.html 预览文件。\n链接 GitHub: https://github.com/VoltAgent/awesome-design-md ","permalink":"https://blog.eastseven.cn/posts/04-devops/awesome-design.md---ai%E4%BB%A3%E7%90%86%E8%AE%BE%E8%AE%A1%E7%B3%BB%E7%BB%9F%E6%96%87%E4%BB%B6%E9%9B%86%E5%90%88/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eAwesome DESIGN.md 是一个精选的 DESIGN.md 文件集合，灵感来源于真实知名网站的视觉设计系统。由 VoltAgent 维护，核心理念是：把一个 DESIGN.md 丢进项目根目录，告诉 AI 代理\u0026quot;按这个风格生成 UI\u0026quot;，就能得到像素级匹配的界面。\u003c/p\u003e","title":"Awesome DESIGN.md"},{"content":"简介 Graphify 是一个 Claude Code 技能，输入 /graphify 即可读取文件并构建知识图谱。支持代码、PDF、Markdown、截图、图表、白板照片甚至其他语言的图片 \u0026ndash; 使用 Claude 视觉从所有内容中提取概念和关系，连接成一张图。\n核心特性 多模态输入：代码（tree-sitter AST）、文档、PDF、图片（Claude vision 提取） 大幅减少 token：52 文件混合语料上，查询 token 减少 71.5 倍 多种输出格式：交互式 HTML 图谱、Obsidian vault、Wiki 风格文章、SVG、GraphML、Neo4j Cypher 持久化与增量更新：SHA256 缓存，只处理变更文件；--watch 模式自动同步 图查询能力：graphify query、graphify path、graphify explain Git hook 集成：graphify hook install 每次提交自动重建图谱 多平台支持：Claude Code、Codex、OpenCode、Cursor、Gemini CLI、OpenClaw、Factory Droid、Trae 技术栈：NetworkX + Leiden（graspologic）+ tree-sitter + Claude + vis.js，完全本地运行 适用场景 将代码库、研究论文、笔记、截图等混合语料转化为可查询的知识图谱。特别适合 AI 代理跨会话理解大型项目，解决 Karpathy 式的 /raw 文件夹问题。\n链接 GitHub: https://github.com/safishamsi/graphify ","permalink":"https://blog.eastseven.cn/posts/03-ai/graphify---ai%E4%BB%A3%E7%A0%81%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1%E7%94%9F%E6%88%90%E5%B7%A5%E5%85%B7/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eGraphify 是一个 Claude Code 技能，输入 \u003ccode\u003e/graphify\u003c/code\u003e 即可读取文件并构建知识图谱。支持代码、PDF、Markdown、截图、图表、白板照片甚至其他语言的图片 \u0026ndash; 使用 Claude 视觉从所有内容中提取概念和关系，连接成一张图。\u003c/p\u003e","title":"Graphify"},{"content":"简介 Hermes Agent 是 Nous Research 开发的自学习 AI 代理，口号是 \u0026ldquo;The agent that grows with you\u0026rdquo;。最大特点是内置闭环学习：从经验中创建技能、使用中自我改进、主动持久化知识、搜索历史对话、跨会话构建用户模型。\n核心特性 真实终端界面：完整 TUI，支持多行编辑、斜杠命令自动补全、会话历史、中断重定向、流式工具输出。\n全平台接入：Telegram、Discord、Slack、WhatsApp、Signal、CLI —— 单一网关进程统一管理，支持语音备忘录转写、跨平台会话连续。\n闭环学习系统：\nAgent 策划的记忆 + 周期性提醒 复杂任务后自动创建技能，使用中自我改进 FTS5 会话搜索 + LLM 摘要实现跨会话回忆 Honcho 方言式用户建模 兼容 agentskills.io 开放标准 模型自由：支持 Nous Portal、OpenRouter（200+ 模型）、z.ai/GLM、Kimi/Moonshot、MiniMax、OpenAI 或自定义端点，一条命令切换。\n定时自动化：内置 cron 调度器，可投递到任意平台——日报、夜间备份、周审计，自然语言描述即可。\n委托与并行：生成隔离子代理处理并行工作流，Python 脚本通过 RPC 调用工具，多步管道压缩为零上下文开销。\n随处运行：六种终端后端——local、Docker、SSH、Daytona、Singularity、Modal。Daytona/Modal 提供无服务器持久化，空闲时休眠、按需唤醒，成本极低。\n研究就绪：批量轨迹生成、Atropos RL 环境、轨迹压缩，用于训练下一代工具调用模型。\n链接 GitHub: https://github.com/nousresearch/hermes-agent 文档: https://hermes-agent.nousresearch.com/docs ","permalink":"https://blog.eastseven.cn/posts/03-ai/hermes-agent---nous-research%E8%87%AA%E5%AD%A6%E4%B9%A0ai%E4%BB%A3%E7%90%86/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eHermes Agent 是 Nous Research 开发的自学习 AI 代理，口号是 \u0026ldquo;The agent that grows with you\u0026rdquo;。最大特点是内置闭环学习：从经验中创建技能、使用中自我改进、主动持久化知识、搜索历史对话、跨会话构建用户模型。\u003c/p\u003e","title":"Hermes Agent"},{"content":"简介 Markdown Viewer Skills 是一套专为 AI 编码代理（Claude Code、Codex、Cursor 等）设计的技能集合，让 AI 能直接在 Markdown 中生成各种精美的图表和可视化内容。遵循 Agent Skills (agentskills.io) 标准格式，配合 Markdown Viewer 浏览器扩展渲染。\n核心特性 15 个 Skills，覆盖 7 种渲染引擎 5 种独立引擎：Mermaid（流程图/序列图）、Vega（数据图表）、Infographic（70+ YAML 模板）、Canvas（JSON Canvas 思维导图）、Graphviz（DOT 依赖图） HTML/CSS 嵌入式：architecture（13 布局 x 12 风格分层架构图）、infocard（13 布局 x 14 风格信息卡片） 8 个 PlantUML 技能：UML、Cloud（AWS/Azure/GCP/阿里云/K8s）、Network（Cisco 设备拓扑）、Security（安全架构）、ArchiMate（企业架构）、BPMN（业务流程）、Data Analytics（数据管道）、IoT（物联网） 一键安装：npx skills add markdown-viewer/skills 支持 Chrome/Firefox/VS Code Markdown Viewer 扩展渲染 适用场景 AI 代理生成技术文档时，自动产出流程图、架构图、数据可视化、网络拓扑、UML 图等，无需人工使用专业绘图工具。\n链接 GitHub: https://github.com/markdown-viewer/skills Markdown Viewer 扩展: https://docu.md Agent Skills 标准: https://agentskills.io/ ","permalink":"https://blog.eastseven.cn/posts/03-ai/markdown-viewer-skills---ai-agent-%E5%9B%BE%E8%A1%A8%E5%8F%AF%E8%A7%86%E5%8C%96%E6%8A%80%E8%83%BD%E9%9B%86%E5%90%88/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eMarkdown Viewer Skills 是一套专为 AI 编码代理（Claude Code、Codex、Cursor 等）设计的技能集合，让 AI 能直接在 Markdown 中生成各种精美的图表和可视化内容。遵循 Agent Skills (agentskills.io) 标准格式，配合 Markdown Viewer 浏览器扩展渲染。\u003c/p\u003e","title":"Markdown Viewer Skills"},{"content":"简介 RTK（Rust Token Killer）是一个高性能 CLI 代理，在命令输出到达 LLM 上下文之前进行过滤和压缩，可将 token 消耗降低 60-90%。单个 Rust 二进制文件，零依赖，100+ 支持命令，开销 \u0026lt;10ms。\n核心特性 大幅降低 token 消耗：30 分钟 Claude Code 会话中，从约 118,000 tokens 降至约 23,900 tokens（节省 80%） 四大压缩策略：智能过滤（去噪）、分组聚合、截断保留、去重折叠 100+ 命令支持：git、gh、cargo、npm/pytest/go test、docker、kubectl、aws、eslint/ruff 等 自动改写 Hook：透明拦截 Bash 命令（如 git status -\u0026gt; rtk git status），AI 工具无感知 10 种 AI 编码工具集成：Claude Code、Copilot、Cursor、Gemini CLI、Codex、Windsurf、Cline、OpenCode、OpenClaw、Mistral Vibe（计划中） Homebrew 安装：brew install rtk，一行命令搞定 Tee 恢复机制：命令失败时自动保存完整原始输出，无需重新执行 适用场景 使用 AI 编码代理（Claude Code、Copilot 等）开发项目时，通过压缩终端输出大幅减少 LLM token 消耗，节省 API 成本、提升响应速度。特别适合中大型项目的日常开发会话。\n链接 GitHub: https://github.com/rtk-ai/rtk 官网: https://www.rtk-ai.app Discord: https://discord.gg/RySmvNF5kF ","permalink":"https://blog.eastseven.cn/posts/03-ai/rtk---llm-token-%E6%B6%88%E8%80%97%E4%BC%98%E5%8C%96cli%E4%BB%A3%E7%90%86/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eRTK（Rust Token Killer）是一个高性能 CLI 代理，在命令输出到达 LLM 上下文之前进行过滤和压缩，可将 token 消耗降低 60-90%。单个 Rust 二进制文件，零依赖，100+ 支持命令，开销 \u0026lt;10ms。\u003c/p\u003e","title":"RTK - Rust Token Killer"},{"content":"2026年AI编码的\u0026quot;渐进式Spec\u0026quot;实战指南 简介 来自阿里工程师逸驹的实战分享，提出\u0026quot;渐进式 Spec Coding\u0026quot;框架——在让 AI 写代码之前，先用结构化文档（Spec）把\u0026quot;要做什么、怎么做、有什么约束\u0026quot;说清楚，然后 AI 围绕文档编码。核心思想：不同复杂度的需求，暴露不同深度的流程。\n三个基础认知 1. 如何理解大模型 当前顶级模型可独立完成中等复杂度编码任务，但仍需人审查 模型梯队差异是断崖式的：T0 三轮搞定的事，T2 可能 15 轮还不对 核心结论：模型是地基，方法论是上层建筑 2. 如何理解 Agent Agent = while 循环 + Tool Use + 工具执行器 工具的边界就是 Agent 的能力边界 Cursor、Claude Code、opencode 本质上都是这个循环的不同包装 3. 回归本质：软件复杂度视角 软件复杂度 = 本质复杂度 + 偶然复杂度 AI 能帮你更高效应对本质复杂度，但工具自身也会引入偶然复杂度 评判标准：高效应对本质复杂度，同时压缩偶然复杂度 Spec Coding 三条铁律 No Spec, No Code — 没有文档，不准写代码 Spec is Truth — 文档和代码冲突时，错的一定是代码 Reverse Sync — 发现 Bug，先修文档，再修代码 核心设计：渐进式复杂度 70% 的需求是 ≤5 人日的小需求，不应强制走完整流程：\n简单需求：只加载 Rules，直接编码 中等需求：Rules + 轻量 Spec 复杂需求：Rules + 完整 Spec + Tasks + Review 简单需求不承担复杂流程的成本——改个字段不需要先写 spec 再拆 tasks\n工作流：Propose → Apply → Review → Archive Propose（提案）：人主导，AI 辅助。Research → 逐个提问 → 分段生成文档 → 确认门控 Apply（执行）：AI 主导，人审查。逐步执行，零偏差原则，必须展示可验证证据 Fix（修正）：Review 后的增量修正，文档同步是铁律 Review（审查）：两阶段 Sub Agent 审查（Spec 合规 + 代码质量），上下文与实现者隔离 Archive（归档）：知识沉淀到 knowledge/，变更目录归档 编排层 + 执行层两层架构 层 职责 模型选择 编排层 理解需求、生成 Spec、审查决策 强模型（Claude Opus、Gemini Pro） 执行层 读写代码、执行命令、快速迭代 编码优化模型（Sonnet、Kimi） 关键观点 人到底该干什么？ 传统编程：人 = 设计者 + 实施者 + 验收者 AI 编程：人 = 设计者 + 验收者，AI = 实施者 自由度曲线：调研（中）→ 方案设计（高）→ 规划（低）→ 执行（零）→ 验收（中） 大部分人的问题是自由度给反了 知识底座才是真正的护城河 最关键的领域 Know-How、架构决策前因后果，恰恰是 Spec 框架最难覆盖的 没有 knowledge/ 的 Spec 框架 = 让应届生对着编码规范写代码 工具会趋同，领域知识才是不可复制的护城河 容易忽略的代价 心流中断：从连续流变成间歇流 上下文隐性成本：每次压缩都引入不确定性 现在不是终态：框架价值随模型进步放大收益 参考资料 Superpowers agentic skills 框架: https://github.com/obra/superpowers Simon Willison - Agentic Engineering Patterns Chatbot Arena Leaderboard: https://arena.ai/ 链接 原文: https://mp.weixin.qq.com/s/7Lgb3GfgXKI0J9L9e9sq0w ","permalink":"https://blog.eastseven.cn/posts/03-ai/2026%E5%B9%B4ai%E7%BC%96%E7%A0%81%E7%9A%84%E6%B8%90%E8%BF%9B%E5%BC%8Fspec%E5%AE%9E%E6%88%98%E6%8C%87%E5%8D%97/","summary":"\u003ch1 id=\"2026年ai编码的渐进式spec实战指南\"\u003e2026年AI编码的\u0026quot;渐进式Spec\u0026quot;实战指南\u003c/h1\u003e\n\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003e来自阿里工程师逸驹的实战分享，提出\u0026quot;渐进式 Spec Coding\u0026quot;框架——在让 AI 写代码之前，先用结构化文档（Spec）把\u0026quot;要做什么、怎么做、有什么约束\u0026quot;说清楚，然后 AI 围绕文档编码。核心思想：不同复杂度的需求，暴露不同深度的流程。\u003c/p\u003e","title":"2026年AI编码的\"渐进式Spec\"实战指南"},{"content":"Andrej Karpathy Skills - LLM 编码准则 简介 一个 CLAUDE.md 文件，源自 Andrej Karpathy 对 LLM 编码常见问题的观察总结，用于改善 Claude Code 的行为。\nKarpathy 指出的 LLM 编码问题 模型会默默做出错误假设，不检查就一路走下去 不管理困惑、不寻求澄清、不暴露矛盾、不展示权衡 喜欢过度复杂化代码和 API，臃肿的抽象，不清理死代码 100 行能搞定的事写成 1000 行 有时会误删/修改它们不完全理解的注释和代码 四大原则 1. Think Before Coding（先思考再编码） 不假设、不隐藏困惑、展示权衡 明确陈述假设 — 不确定就问，不要猜 展示多种理解 — 有歧义时不要静默选择 该反驳就反驳 — 如果有更简单的方案，直说 困惑时停下来 — 说出不清楚的地方，请求澄清 2. Simplicity First（简洁优先） 用最少的代码解决问题，不写投机性代码 不添加没要求的功能、不为单次使用建抽象 不搞没请求的\u0026quot;灵活性\u0026quot;和\u0026quot;可配置性\u0026quot; 如果 200 行可以写成 50 行，就重写 检验标准：高级工程师会认为这过于复杂吗？ 3. Surgical Changes（精准修改） 只触碰必要的代码，只清理自己制造的混乱 不\u0026quot;改善\u0026quot;相邻代码、注释或格式 不重构没坏的东西，匹配已有风格 你的改动产生的废弃代码要删掉，但预存的死代码只提不删 检验标准：每一行改动都能追溯到用户的请求 4. Goal-Driven Execution（目标驱动执行） 定义成功标准，循环直到验证通过 把命令式任务转化为可验证的目标： \u0026ldquo;添加验证\u0026rdquo; → \u0026ldquo;为无效输入写测试，然后让它们通过\u0026rdquo; \u0026ldquo;修复 bug\u0026rdquo; → \u0026ldquo;写一个复现它的测试，然后让测试通过\u0026rdquo; \u0026ldquo;重构 X\u0026rdquo; → \u0026ldquo;确保重构前后测试都通过\u0026rdquo; 多步任务先列计划，每步附验证检查点 安装方式 Claude Code 插件（推荐）：\n/ / p p l l u u g g i i n n m i a n r s k t e a t l p l l a a c n e d r a e d j d - k f a o r r p r a e t s h t y c - h s a k n i g l / l a s n @ d k r a e r j p - a k t a h r y p - a s t k h i y l - l s s k i l l s CLAUDE.md（按项目）：\nc u r l C L A U D E . m d h t t p s : / / r a w . g i t h u b u s e r c o n t e n t . c o m / f o r r e s t c h a n g / a n d r e j - k a r p a t h y - s k i l l s / m a i n / C L A U D E . m d 核心洞见 \u0026ldquo;LLMs are exceptionally good at looping until they meet specific goals\u0026hellip; Don\u0026rsquo;t tell it what to do, give it success criteria and let it loop.\u0026rdquo;\n链接 GitHub: https://github.com/forrestchang/andrej-karpathy-skills ","permalink":"https://blog.eastseven.cn/posts/04-devops/andrej-karpathy-skills---llm%E7%BC%96%E7%A0%81%E5%87%86%E5%88%99/","summary":"\u003ch1 id=\"andrej-karpathy-skills---llm-编码准则\"\u003eAndrej Karpathy Skills - LLM 编码准则\u003c/h1\u003e\n\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003e一个 CLAUDE.md 文件，源自 Andrej Karpathy 对 LLM 编码常见问题的观察总结，用于改善 Claude Code 的行为。\u003c/p\u003e\n\u003ch2 id=\"karpathy-指出的-llm-编码问题\"\u003eKarpathy 指出的 LLM 编码问题\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e模型会默默做出错误假设，不检查就一路走下去\u003c/li\u003e\n\u003cli\u003e不管理困惑、不寻求澄清、不暴露矛盾、不展示权衡\u003c/li\u003e\n\u003cli\u003e喜欢过度复杂化代码和 API，臃肿的抽象，不清理死代码\u003c/li\u003e\n\u003cli\u003e100 行能搞定的事写成 1000 行\u003c/li\u003e\n\u003cli\u003e有时会误删/修改它们不完全理解的注释和代码\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"四大原则\"\u003e四大原则\u003c/h2\u003e\n\u003ch3 id=\"1-think-before-coding先思考再编码\"\u003e1. Think Before Coding（先思考再编码）\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e不假设、不隐藏困惑、展示权衡\u003c/li\u003e\n\u003cli\u003e明确陈述假设 — 不确定就问，不要猜\u003c/li\u003e\n\u003cli\u003e展示多种理解 — 有歧义时不要静默选择\u003c/li\u003e\n\u003cli\u003e该反驳就反驳 — 如果有更简单的方案，直说\u003c/li\u003e\n\u003cli\u003e困惑时停下来 — 说出不清楚的地方，请求澄清\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"2-simplicity-first简洁优先\"\u003e2. Simplicity First（简洁优先）\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e用最少的代码解决问题，不写投机性代码\u003c/li\u003e\n\u003cli\u003e不添加没要求的功能、不为单次使用建抽象\u003c/li\u003e\n\u003cli\u003e不搞没请求的\u0026quot;灵活性\u0026quot;和\u0026quot;可配置性\u0026quot;\u003c/li\u003e\n\u003cli\u003e如果 200 行可以写成 50 行，就重写\u003c/li\u003e\n\u003cli\u003e检验标准：高级工程师会认为这过于复杂吗？\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"3-surgical-changes精准修改\"\u003e3. Surgical Changes（精准修改）\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e只触碰必要的代码，只清理自己制造的混乱\u003c/li\u003e\n\u003cli\u003e不\u0026quot;改善\u0026quot;相邻代码、注释或格式\u003c/li\u003e\n\u003cli\u003e不重构没坏的东西，匹配已有风格\u003c/li\u003e\n\u003cli\u003e你的改动产生的废弃代码要删掉，但预存的死代码只提不删\u003c/li\u003e\n\u003cli\u003e检验标准：每一行改动都能追溯到用户的请求\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"4-goal-driven-execution目标驱动执行\"\u003e4. Goal-Driven Execution（目标驱动执行）\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e定义成功标准，循环直到验证通过\u003c/li\u003e\n\u003cli\u003e把命令式任务转化为可验证的目标：\n\u003cul\u003e\n\u003cli\u003e\u0026ldquo;添加验证\u0026rdquo; → \u0026ldquo;为无效输入写测试，然后让它们通过\u0026rdquo;\u003c/li\u003e\n\u003cli\u003e\u0026ldquo;修复 bug\u0026rdquo; → \u0026ldquo;写一个复现它的测试，然后让测试通过\u0026rdquo;\u003c/li\u003e\n\u003cli\u003e\u0026ldquo;重构 X\u0026rdquo; → \u0026ldquo;确保重构前后测试都通过\u0026rdquo;\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e多步任务先列计划，每步附验证检查点\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"安装方式\"\u003e安装方式\u003c/h2\u003e\n\u003cp\u003e\u003cstrong\u003eClaude Code 插件（推荐）：\u003c/strong\u003e\u003c/p\u003e","title":"Andrej Karpathy Skills"},{"content":"简介 Claude Code 最佳实践合集，口号是 \u0026ldquo;from vibe coding to agentic engineering\u0026rdquo;。由 shanraisshan 维护，Anthropic Claude Code 创造者 Boris Cherny 等人贡献内容，是目前最全面的 Claude Code 使用指南。\n核心内容 Concepts 概念体系：涵盖 Agents（自治子代理）、Commands（命令模板）、Skills（可复用技能）、Hooks（事件钩子）、MCP Servers、Plugins、Memory（CLAUDE.md）等核心概念的定位与用法对比。\n69 条 Tips \u0026amp; Tricks，按类别组织：\nPrompting：挑战 Claude 验证结果，别微观管理，让 Claude 自己修 bug CLAUDE.md：每文件控制在 200 行以内，用 \u0026lt;important if=\u0026quot;...\u0026quot;\u0026gt; 标签防止被忽略，用 rules/ 拆分大指令 Agents：用子代理分担计算、agent teams + git worktrees 并行开发 Skills：用 context: fork 隔离运行、description 写触发条件而非摘要、建 Gotchas 段记录失败点 Hooks：用 PreToolUse 测量技能使用率、PostToolUse 自动格式化、Stop hook 督促继续 Workflows：50% 时手动 /compact、Opus 做规划 Sonnet 写代码、/rewind 回退而非修修补补 Debugging：截图分享、MCP 看浏览器控制台、后台任务看日志、agentic search \u0026gt; RAG 开发工作流对比：收录了 Everything Claude Code、Superpowers、Spec Kit、gstack、GSD、BMAD-METHOD 等 10+ 工作流的 Plan/Agent/Skill 架构对比分析。\n视频/播客资源：Boris Cherny 在 YC、Lenny\u0026rsquo;s Podcast、Pragmatic Engineer 等频道的深度访谈。\n链接 GitHub: https://github.com/shanraisshan/claude-code-best-practice ","permalink":"https://blog.eastseven.cn/posts/03-ai/claude-code-best-practices---claude-code%E6%9C%80%E4%BD%B3%E5%AE%9E%E8%B7%B5%E6%8C%87%E5%8D%97/","summary":"\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eClaude Code 最佳实践合集，口号是 \u0026ldquo;from vibe coding to agentic engineering\u0026rdquo;。由 shanraisshan 维护，Anthropic Claude Code 创造者 Boris Cherny 等人贡献内容，是目前最全面的 Claude Code 使用指南。\u003c/p\u003e","title":"Claude Code Best Practices"},{"content":"GitNexus - 零服务端代码智能引擎 简介 GitNexus 是一个客户端代码知识图谱生成器，完全在浏览器或本地运行。丢入一个 GitHub 仓库或 ZIP 文件，即可生成交互式知识图谱，并内置 Graph RAG Agent。\n核心理念：为 AI Agent 构建\u0026quot;神经系统\u0026quot;，让它们对代码库有深层架构认知，不再遗漏依赖、破坏调用链。\nLike DeepWiki, but deeper. DeepWiki 帮你理解代码，GitNexus 帮你分析代码。\n两种使用方式 维度 CLI + MCP Web UI 用途 本地索引仓库，通过 MCP 连接 AI Agent 浏览器中可视化图谱 + AI 对话 适用 日常开发（Cursor、Claude Code、Codex） 快速探索、演示、一次性分析 存储 LadybugDB 原生（快速持久化） LadybugDB WASM（内存中） 隐私 全部本地，无网络 全部浏览器内，无服务器 Bridge 模式：gitnexus serve 连接两者 — Web UI 自动检测本地服务，无需重复上传/索引。\n核心功能 代码索引 — 将任意代码库索引为知识图谱：依赖关系、调用链、集群、执行流 MCP Server — 为 AI Agent（Cursor、Claude Code、Codex、Windsurf）提供深层代码感知 Graph RAG Agent — 内置图谱 RAG，让 AI 问答更精准 自动生成上下文 — 一条命令生成 AGENTS.md / CLAUDE.md 上下文文件 多编辑器支持 — Claude Code（完整）、Cursor（MCP+Skills）、Codex（MCP+Skills）、Windsurf、OpenCode Code Wiki — 自动生成且保持更新的代码文档 快速开始 # 索引仓库（从仓库根目录运行） npx gitnexus analyze # 配置 MCP（只需运行一次） npx gitnexus setup 企业版 提供 SaaS 和自托管部署，额外包含：PR Review（爆炸半径分析）、自动重索引、多仓库统一图谱、优先语言/功能支持等。\n链接 GitHub: https://github.com/abhigyanpatwari/GitNexus Web UI: https://gitnexus.vercel.app Enterprise: https://akonlabs.com ","permalink":"https://blog.eastseven.cn/posts/03-ai/gitnexus---%E9%9B%B6%E6%9C%8D%E5%8A%A1%E7%AB%AF%E4%BB%A3%E7%A0%81%E6%99%BA%E8%83%BD%E5%BC%95%E6%93%8E/","summary":"\u003ch1 id=\"gitnexus---零服务端代码智能引擎\"\u003eGitNexus - 零服务端代码智能引擎\u003c/h1\u003e\n\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003eGitNexus 是一个客户端代码知识图谱生成器，完全在浏览器或本地运行。丢入一个 GitHub 仓库或 ZIP 文件，即可生成交互式知识图谱，并内置 Graph RAG Agent。\u003c/p\u003e","title":"GitNexus"},{"content":"Paperclip - Open-source orchestration for zero-human companies 简介 Paperclip 是一个 Node.js 服务端 + React UI 的开源项目，用于编排一组 AI Agent 来运营一个\u0026quot;公司\u0026quot;。你可以接入自己的 Agent，分配目标，并从一个 Dashboard 追踪 Agent 的工作和成本。\n如果说 OpenClaw 是一个员工，那 Paperclip 就是整个公司。\n核心特性 Bring Your Own Agent — 支持任意 Agent（OpenClaw、Claude Code、Codex、Cursor、Bash、HTTP），只要能接收心跳就能入职 Goal Alignment — 每个任务都能追溯到公司使命，Agent 知道该做什么以及为什么 Heartbeats — Agent 按计划唤醒、检查工作并执行，委托在组织架构中上下流动 Cost Control — 按 Agent 设定月度预算，超出自动停止，防止费用失控 Multi-Company — 一个部署管理多家公司，数据完全隔离 Ticket System — 每次对话可追踪，每个决策有解释，完整的工具调用追踪和不可变审计日志 Governance — 你是董事会，可以审批招聘、覆盖策略、暂停或终止任何 Agent Org Chart — 层级、角色、汇报线，Agent 有老板、头衔和职位描述 Mobile Ready — 随时随地监控和管理你的自治企业 适用场景 想构建自主运行的 AI 公司 需要协调多个不同 Agent（OpenClaw、Codex、Claude、Cursor）朝共同目标工作 有大量并行终端在跑但难以追踪 希望 Agent 7x24 自主运行，但仍能审计和干预 需要监控成本和执行预算 链接 GitHub: https://github.com/paperclipai/paperclip Docs: https://docs.paperclip.ai Discord: 见 GitHub README ","permalink":"https://blog.eastseven.cn/posts/03-ai/paperclip---open-source-orchestration-for-zero-human-companies/","summary":"\u003ch1 id=\"paperclip---open-source-orchestration-for-zero-human-companies\"\u003ePaperclip - Open-source orchestration for zero-human companies\u003c/h1\u003e\n\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003ePaperclip 是一个 Node.js 服务端 + React UI 的开源项目，用于编排一组 AI Agent 来运营一个\u0026quot;公司\u0026quot;。你可以接入自己的 Agent，分配目标，并从一个 Dashboard 追踪 Agent 的工作和成本。\u003c/p\u003e","title":"Paperclip"},{"content":"System Design Notes - 系统设计面试笔记 简介 基于《System Design Interview - An Insider\u0026rsquo;s Guide》Vol 1 和 Vol 2（第2版）的读书笔记，涵盖系统设计面试的核心知识点。\n在线阅读：https://pagefy.io/system-design-interview\n章节目录 Scale From Zero To Millions Of Users — 从零扩展到百万用户 Back-of-the-envelope Estimation — 粗略估算 A Framework For System Design Interviews — 系统设计面试框架 Design A Rate Limiter — 限流器设计 Design Consistent Hashing — 一致性哈希 Design A Key-Value Store — 键值存储设计 Design A Unique ID Generator — 分布式唯一 ID 生成器 Design A URL Shortener — 短链服务 Design A Web Crawler — 网络爬虫 Design A Notification System — 通知系统 Design A News Feed System — 新闻流系统 Design A Chat System — 聊天系统 Design A Search Autocomplete System — 搜索自动补全 Design YouTube — YouTube 设计 Design Google Drive — Google Drive 设计 Proximity Service — 近距离服务 Nearby Friends — 附近的人 Hotel Reservation System — 酒店预订系统 额外资源 每个章节都附带大量扩展阅读链接，涵盖：\nRate Limiting（Uber 限流器、Circuit Breaker） Consistent Hashing（Cassandra、Discord 扩展、Google Maglev） Key-Value Store（Amazon Dynamo、DynamoDB 内部原理、BigTable） Chat Systems（Discord 消息存储、Slack 扩展） YouTube（架构、视频转码、Netflix 编码） Google Drive（Differential Synchronization、Dropbox 扩展） 链接 GitHub: https://github.com/liquidslr/system-design-notes 在线阅读: https://pagefy.io/system-design-interview ","permalink":"https://blog.eastseven.cn/posts/04-devops/system-design-notes---%E7%B3%BB%E7%BB%9F%E8%AE%BE%E8%AE%A1%E9%9D%A2%E8%AF%95%E7%AC%94%E8%AE%B0/","summary":"\u003ch1 id=\"system-design-notes---系统设计面试笔记\"\u003eSystem Design Notes - 系统设计面试笔记\u003c/h1\u003e\n\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003e基于《System Design Interview - An Insider\u0026rsquo;s Guide》Vol 1 和 Vol 2（第2版）的读书笔记，涵盖系统设计面试的核心知识点。\u003c/p\u003e\n\u003cp\u003e在线阅读：https://pagefy.io/system-design-interview\u003c/p\u003e","title":"System Design Notes"},{"content":"驾驭工程：在「智能体优先」的世界里借力 Codex 简介 原文作者 Ryan Lopopolo（OpenAI），记述了团队用 Codex（GPT-5 驱动）从零构建一款百万行代码产品的实验：0 行代码由人工编写，3 名工程师 5 个月处理 1500+ PR，效率约为手工编码的 10 倍。\n人类掌舵，智能体执行。\n核心经验 1. 从空仓库开始 最初的脚手架（仓库结构、CI、格式化、AGENTS.md）全部由 Codex 生成 5 个月后积累约百万行代码，3 名工程师日均处理 3.5 个 PR 核心信条：绝不手动写代码 2. 重新定义工程师角色 工程师不再是写代码，而是设计环境、明确意图、建立反馈循环 深度优先策略：把大目标拆为更小的积木，通过 Prompt 引导智能体构建 任务失败时不是\u0026quot;再试一次\u0026quot;，而是反问：\u0026ldquo;缺少什么能力？如何让它对智能体可读又可执行？\u0026rdquo; 大部分代码评审由\u0026quot;智能体对智能体\u0026quot;互评完成 3. 提升应用的\u0026quot;可读性\u0026quot; 让 UI、日志、指标能被 Codex 直接\u0026quot;读懂\u0026quot; 每个 Git Worktree 独立启动应用实例，Codex 可驱动完整实例 Chrome DevTools 协议接入智能体运行时 → 可重现 Bug、验证修复 本地可观测性栈暴露给 Codex，可用 LogQL/PromQL 查询 单次 Codex 运行可持续处理任务 6+ 小时（通常在人类睡觉时） 4. 上下文工程：给地图，不给说明书 AGENTS.md 很短（约 100 行），充当目录而非百科全书 仓库知识库存在于结构化的 docs/ 目录中，作为\u0026quot;单一事实来源\u0026quot; 渐进式披露：智能体从小的稳定入口点开始，被教导下一步去哪里看 机械化强制：Linter 和 CI 验证知识库是否最新、交叉链接是否正确 \u0026ldquo;文档园丁\u0026quot;智能体定期扫描并修复过时文档 5. 强制架构与\u0026quot;品味\u0026rdquo; 通过强制执行不变性，而非微观管理实现细节 严格分层架构：Types → Config → Repo → Service → Runtime → UI 自定义 Linter 机械化强制约束，报错信息直接包含修复指令 \u0026ldquo;黄金原则\u0026quot;编码进仓库，后台 Codex 任务定期扫描偏差并开启重构 PR 像垃圾回收一样：持续小额偿还技术债 \u0026gt; 让它利滚利 6. Bug 修复自动化流程 智能体可自主完成完整循环：重现 Bug → 录制故障视频 → 实施修复 → 验证修复 → 录制修复视频 → 开 PR → 响应反馈 → 修复构建失败 → 合并。\n关键洞见 凡是智能体无法从运行时上下文获取的信息，对它来说就不存在 存在 Slack、Google Docs 或人脑中的知识 = 对智能体不可见 构建 AI 友好的代码库和构建新人友好的代码库本质相同 纪律不再体现在代码本身，更多体现在\u0026quot;脚手架\u0026rdquo; 链接 原文: https://openai.com/index/harness-engineering/ 译文: https://baoyu.io/translations/2026-02-12/harness-engineering ","permalink":"https://blog.eastseven.cn/posts/03-ai/%E9%A9%BE%E9%A9%AD%E5%B7%A5%E7%A8%8B---%E6%99%BA%E8%83%BD%E4%BD%93%E4%BC%98%E5%85%88%E4%B8%96%E7%95%8C%E7%9A%84codex%E5%AE%9E%E8%B7%B5/","summary":"\u003ch1 id=\"驾驭工程在智能体优先的世界里借力-codex\"\u003e驾驭工程：在「智能体优先」的世界里借力 Codex\u003c/h1\u003e\n\u003ch2 id=\"简介\"\u003e简介\u003c/h2\u003e\n\u003cp\u003e原文作者 Ryan Lopopolo（OpenAI），记述了团队用 Codex（GPT-5 驱动）从零构建一款百万行代码产品的实验：\u003cstrong\u003e0 行代码由人工编写\u003c/strong\u003e，3 名工程师 5 个月处理 1500+ PR，效率约为手工编码的 10 倍。\u003c/p\u003e","title":"驾驭工程：在「智能体优先」的世界里借力 Codex"}]