棋飞

视频下载这件事，桌面上从来不缺工具，缺的是「干净」。要么弹窗、要么假按钮、要么把页面劫持到广告站。GitHub 上由 Pablo Stanley 开源的 yoinks（4.3k⭐、MIT、TypeScript）走了一条完全相反的路：把 yt-dlp 塞进一个用 React 写的全屏 TUI，敲回车就下载，零干扰、零脚本、零浏览器扩展。 本文把这套工具的安装命令、核心特性、底层架构、Roadmap 一次拆完。 项目地址：https://github.com/pablostanley/yoinks许可证：MIT技术栈：Node 18+ + Ink（React for terminal）+ yt-dlp + ffmpeg-static当前版本：0.3.1（2026-07-17） 一、它到底解决了什么问题视频下载工具并不稀缺，稀缺的是「不污染你」的工具。市面上常见的方案都有硬伤： 方案 痛点 浏览器在线下载站 满屏广告、假按钮、跳转追踪、捆绑安装 浏览器扩展 需要为每种浏览器装一次，权限大、隐私风险高 Python 命令行（yt-dlp 原生） 需要装 Pyth...

昨天10-04 的 AI Daily 把 Sonnet 5 紧急迎战、Mistral Large 3 开源、Dots Marketplace 上线、vLLM 0.9 引入 Agentic serving 这几件事摆上了台面,行业普遍判断”frontier 模型进入周级迭代 + Agent 协议走向标准化”。今天的十条新闻可以视作这条主线在企业基础设施侧的次日落地:Microsoft Ignite 把多智能体编排正式推到 Azure 全栈、GitHub Universe 推出 Workspace 2 多模型路由、Hugging Face Transformers v5 原生集成 MCP、AWS Bedrock AgentCore 进入 GA,叠加 EU AI Act 第一轮合规执法与 Allen AI OLMo 3 70B 开源,模型层、协议层、运行时层同时进入”标准化 + 监管化”的双线推进。 Microsoft Ignite 收官:Copilot Studio 多智能体编排 Microsoft Ignite 2026 keynote: Copilot Studio gets m...

一、本周热榜在解决什么9 月第一周的 GitHub 开源热榜，把 AI 推到了五个完全不同的工作场景：把截图变成前端代码、把公开数据叠到三维地球上、把课堂做成交互式讨论、把科研工具封装成 Agent SOP、把求职流水线搬回本地。这五个项目的共同点是：不再只做”问答”，而是把工作流拆成可组合、可复用、能留下过程记录的步骤。 下面按”工作场景 → AI 落地方式 → 实际可用度”的脉络展开。 二、Screenshot to Code：截图、Figma、录屏一键转前端第一个项目做的是界面复刻。丢一张截图、Figma 设计稿，甚至一段录屏，系统会自动把画面拆成前端组件和样式代码。 工作台的设计很直接——左边放输入素材（截图/录屏/Figma），右边实时显示页面预览和代码。改完一版可以继续追问让模型细化局部： 这个 Hero 区换个深色背景 按钮圆角再大一点，间距拉宽 实测中比较亮眼的是它对视频转代码的支持——把一段 App 操作录屏喂进去，能直接生成复刻版的前端页面。这对产品经理快速搭 demo、设计稿被改版的场景会很有用。 **判断：**对前端工程师来说这是...

为什么需要一套「多 Agent 工作台」当你把 Claude Code、Codex、OpenCode、Pi Agent 都装上以后，真正的痛苦才会浮现：你必须在多个终端窗格之间反复切换，才能知道谁在工作、谁在等你点确认、谁已经完成。几个窗口叠在一起，状态是黑箱；切到一半又怕错过某个 Agent 的关键提示。 Herdr（GitHub）就是为这个场景设计的——它把 Agent 放在真实终端 Pane 里跑，并在同一界面展示 working / blocked / done 等状态，让多智能体开发真正变得可观察、可恢复、可调度。关于它的架构、与 tmux / Zellij 的对比、安装与单 Agent 入门，参考此前整理的 Herdr 终端工作区管理器：为 AI 编程智能体而生的运行时。本文专注多 Agent 并行协作的实战工作流。 1. 先把概念理顺：Workspace / Tab / Pane / AgentHerdr 的主体概念只有四个，记住这张对应表就理解了整个产品： Herdr 概念 对应到代码项目 数量关...

昨天10-03 的 AI Daily 把 Gemini 4 Argon 突然发布、OpenAI Dots 正面迎战 Meta Muse 这两件事摆上了台面。今天的十条新闻基本可以视作这场发布会的”次日连锁反应”:Anthropic 把 Sonnet 5 紧急推上前线迎战降价策略,Mistral 把更大参数的开源旗舰同步开源,OpenAI 紧接着放出 Dots 的插件市场,Meta 也在披露 Muse 的真实用户曲线。模型层、产品层、工程层同时进入加速节奏,Agent 时代的生态战正式开打。 Anthropic Claude Sonnet 5 紧急迎战 Anthropic announces Claude Sonnet 5 with extended thinking, counters Gemini 4 price cut · The Verge · 2026-10-03 Anthropic 在 Gemini 4 发布不到 48 小时内正式放出 Claude Sonnet 5,主打 extended thinking 与 tool use 的端到端稳定性,API 定价下调约 3...

最近在 Pi Agent 上做插件组合的端到端对比时,发现一个反直觉的事实——Pi Agent 本身只内置了「文件读、文件写、文件编辑、Bash 执行」四个能力,几乎是最小化的 harness,这种克制反而成了它能跑生产的原因。但也正因为最小化,它在 Agentic Coding 过程中必然要靠插件补齐——权限、MCP、多 Agent、记忆、确认、联网、浏览器这几条主线,任意一条缺位,工作流就会断。 下面把我连日蹲点测试、对照官方文档和实际项目里摸出来的工程要点,按「插件定位 → 安装路径 → 配置文件位置 → 实测用法 → 与其他插件的协作点」五条线索整理成一篇笔记。除了七大核心插件外,还会顺带讲一个彩蛋级别的「等 Agent 出结果时玩游戏」插件,并用一个端到端的个人财务 Web App 任务,把 7 个插件的真实协作流程串起来。 如果你刚装好 Pi Agent,建议先看一下之前整理的 Pi Agent 零基础入门 那篇,把那 4 个原生能力、配置文件路径、模型接入方式先打通,再回头看本文会顺畅很多。 1. pi-sandbox:第一道护栏,装完 Pi 第一件事Pi Age...

今天 AI 圈最密集的信号集中在两条主线上:谷歌把 Gemini 4 拆成旗舰版与主力版同步发布,价格策略直接对标对手;OpenAI 则在 DevDay 抛出 Dots 智能体平台,把”模型 + 运行时 + 工具市场”打包推向开发者。与此同时,围绕 agent 的身份、通信、算力等基础设施话题集中爆发,行业正在为下一阶段的智能体生态补齐底层拼图(关于近期模型训练基础设施的演进,可参考 DeepSeek V4.1 Agent 训练底座 DSec 的技术拆解)。 大模型产品安全进入审查视野 FTC is investigating OpenAI, Anthropic and other AI companies over product risks · Hacker News · 2026-09-30 美国联邦贸易委员会对 OpenAI、Anthropic 等头部 AI 厂商启动产品风险调查,关注点覆盖幻觉输出、未成年人保护、训练数据合规,以及模型行为可解释性等技术风险。从技术视角看,这意味着行业正从”能力优先”过渡到”能力 + 安全工程”双轮驱动:红队测试、Constitutio...

最近在做 AI 视频生成的本地化对比时,发现 MiniMaxH3 这套开源工作流在「高动态武打场景」这条赛道上做得相当深入——它把模型、显存优化、提示词模板和部署路径打包成了一个几乎”开箱即用”的工程方案。从模型文件名 minimax_h3_hybrid_52x_hdv_xl_... 推测,MiniMax 是其作者所在的模型家族命名空间,H3 则是面向武打场景的具体工作流版本;它的目标是用尽可能低的门槛生成古代武侠、奇幻打斗这种传统实拍成本极高的画面。 下面把我连日蹲点测试和对照实验里摸出来的工程要点,按模型定位、工程亮点、提示词结构、部署路径与适用边界五个维度整理成一篇笔记。 它定调的方向:专攻「高动态画面」的视频模型MiniMaxH3 在模型名字里就把产品定位写清楚了:H3 不是「更通用的视频生成模型」,而是「更便宜地做高动态(High-motion)、高视觉(Hi-vision)画面」的一组工程方案。和 Wan 2.5、Veo 4、Kling 这些通用视频生成模型不同,它没有追求在所有场景都达到 SOTA,而是把优化资源集中在两类画面上——古代武侠打斗、奇幻/仙...

很多人觉得「让 AI 替自己干活」必须先学编程,但实测下来卡点早就不是 Python 语法了——现在的 Agent 已经能自己拆步骤、自己找文件、自己把结果落到本地。真正缺的,只是有人带你把它装起来、接上你手里的资料。 Pi 就是这样一个装在你电脑上、几乎不管 AI 的 Agent 软件。它不是 AI,而是让 AI 在你本机动手的软件。把 GPT 和 DeepSeek 接进来,它就能替你读三份会议摘录、合并出观点汇总,再把汇总写成一篇带出处的文章,最后还能联网补信息、配一个图形界面。本文是一份完整的零基础配置流程,以及四款主流 Agent 软件的取舍建议。 为什么是 Pi,而不是别的 Agent在做完整套流程之前,先讲清楚三条判断。这三条不是软件参数,而是从安全策略、生态系统、生态的视角看哪种 Agent 软件能让你放手把活交给 AI。 第一条:管得少,AI 才发挥得出来。 Pi 的产品逻辑是「管得越少,模型能力越强」。把太多规则塞给 Agent,等于把模型摁在笼子里。同样的调研报告任务,实测让 OpenAI 官方的 Codex 跑一遍,产物干瘪到没法用;换成 Pi 跑同一个 A...

今天的 AI 圈可以用一个词概括——分化。前沿模型厂商在按场景拆分产品线、按风险级别分层发布；Agent 赛道从演示 Demo 进入生产基础设施的工程深水区；硬件层、身份层、安全层各自的关键论文与白皮书集中冒头。下面十条新闻基本覆盖了模型、产品、Agent、安全、硬件几个主轴。 FTC 启动 AI 产品风险调查 FTC is investigating OpenAI, Anthropic and other AI companies over product risks · CNBC · 2026-09-30 FTC 通过 6(b) 调查权向多家头部 AI 公司发出质询,关注其产品在聊天机器人内容安全、深度伪造、模型输出可靠性等维度可能造成的消费者伤害。事件本身带有监管色彩,但落点其实是 AI 行业一个核心技术问题——如何系统性地评估生产环境中的 AI 风险。 从技术角度看,这次调查触及几个产品风险评估方法:一是模型输出的幻觉率与事实性,如何建立可复现的 red-teaming 框架;二是多轮对话中的越狱与提示注入防御;三是模型在金融、医疗、法律等高风险场景的可靠性指标。这些都...