最近Udemy找了个系统课，开始从node.js入手再把后端方面的东西巩固加深一下👊，毕竟牵扯涉及到数据和安全，我觉得即使是vibe出来的东西，如果你后面想部署到公网，也得经得起推敲,既是对自己负责,也是对他人负责。 https://twitter.com/knowledgefxg/status/2078124646130700423

Hermes/OpenClaw | AI探索

这个 Python 工具接上 Claude Code、Codex 或 OpenCode，让编程智能体自动跑参数寻优，把工程师一遍遍手调超参数的过程交给机器。
每个参数可以写一段自然语言说明，智能体结合说明和历史试验来挑下一组配置，但只给建议，参数范围和最终打分还是框架自己卡。
https://github.com/Optim-Agent/optim-agent https://twitter.com/QingQ77/status/2078356843718660179

Hermes/OpenClaw | AI探索

AI写长篇网文终于不崩了！
webnovel-writer：Claude Code上的长篇连载神器，专治AI「遗忘+幻觉」，支持200万字级稳定创作。
它不是简单生成器，而是一整套一致性系统：
- 从初始化设定、卷纲规划，到自动写章+多维审查+事实沉淀，全流程打通
- 每章写完自动记录设定、伏笔、状态，角色不OOC、世界观不打架
- 支持实时查询 + 可视化Dashboard，一眼看全局
- 内置37种网文材模板，命令超简单（/webnovel-write ）

Hermes/OpenClaw | AI探索

finding-unknowns-skills 给了 8 个能装的技能，横跨动手前、写着时、写完后三个阶段，点子取自 Anthropic 工程师 Thariq Shihipar 的《Finding Your Unknowns》一文
这八个分别是
blindspot-pass（掀出未知未知）
brainstorm-prototypes（做一次性原型定调性）
interview-me（一次问一个问）
reference-hunt（拿现成源码当规格）
implementation-plan（把最可能改的决策放最前）
implementation-notes（记偏离）
pitch-packager（打包成说服文档）
change-quiz（合并前先考过）。
https://github.com/Neeeophytee/finding-unknowns-skills

Hermes/OpenClaw | AI探索

QA 的：
1. 大部分要交给自动化测试，也就是实现功能的时候要同步实现自动化测试代码，现在 Agent 这方面能力很强，稍微引导一下即可
2. 人做黑盒测试，不看具体实现，验证功能完整性、边界条件、极端测试（数据很大之类）、安全性等等
https://x.com/bernadine53742/status/2078383900133667005?s=20

Hermes/OpenClaw | AI探索

这么搞下去，过几天可能出现的新闻：
📢：害怕 Codex 用量没用完被重置 开发者连续熬夜编码猝死身亡

Hermes/OpenClaw | AI探索

claude code和codex都有大量prompt和instructions，要求agent在非常长的任务无法完成的时候，整个任务直接停止掉，给一个汇报告诉用户为什么无法完成，做到了哪一步。
我一直说，这是最差的设计，multi agent还是goal driven的停止权必须100%掌握用户手里，用户决定停止任务的判定条件，而不是 agent 本身。
现在这个屎山已经删不掉了，会非常耽误事的。
技术发展路线再一次证明，agent的整个工作流程的控制，包括写死goal在agent而不是向我一样提出用goal driven，包括plan mode写死在agent功能里，包括skills写死在agent里，都是极其严重的错误方向，这些最终都会成为庞大屎山的一部分。
唯一正确的方式，是把这些skills、structured memory、goal driven、plan mode这些设计一层层全部剥离出来，从agent里全部删掉，全部交给用户，让用户自由选择。
当然agent可以在上面新建一层，帮助用户排列组合，但永远不应该写死这些在agent里。

Hermes/OpenClaw | AI探索

files.md 是个本地优先的 .md 笔记应用，浏览器直接打开就能用、数据全留在自己机器上，主打类聊天的随手记、任务清单、日记，外加可选的同步和 Telegram 机器人。
https://github.com/zakirullin/files.md

Hermes/OpenClaw | AI探索

我重新筛了一版：6 个值得收藏的视频剪辑 Agent 项目。
这次不只看“名字像不像剪辑工具”，而是按两个标准选：
1. Star 和社区热度
2. 是否真的适合沉淀成视频工作流
前 5 个看成熟度，第 6 个虽然小，但最贴 Codex Skill 场景。

Hermes/OpenClaw | AI探索

不要把图片发给Codex！
直接让它操作PhotoShop，这才是用Codex无损P图/调色的正确方式！

Hermes/OpenClaw | AI探索

用Codex给这个Skill做了个宣传视频！
一句直出，效果真的很不错了！！

Hermes/OpenClaw | AI探索

我在整个2026年一直复读的一个观点：抄劣质skills的人、瞎装skills的人、瞎用skills的人、瞎鸡巴学skills的人，是同一波大傻逼，无一例外

Hermes/OpenClaw | AI探索

Hermes Agent 每次会从头开始，缺一个跨会积累记忆、信念和成长轨迹的持久层。
https://github.com/PabloTheThinker/hermespace

Hermes/OpenClaw | AI探索

阿里开源的 page-agent：一行 <script> 就给任意网页装上 AI Agent。
总 star 27,525，fork 2,411，Trendshift 收录。最新版本 v1.12.2，昨天还在提交代码，31 页贡献者。
它解决的是「网页 Agent 太重」这个问——现在做浏览器自动化，基本都要装 Chrome 插件、跑 Python、起 headless 浏览器，用户端根本落不了地。page-agent 反过来做：纯页面内 JavaScript，不装插件、不开后端、不截图。
文本化 DOM 操作 — 不走截图路线，因此不需要多模态大模型，也不用申请特殊权限
自带模型接入 — 主流模型都能接，包括本地部署的（README 示例用的是 qwen3.5-plus）
可选 Chrome 扩展 — 需要跨标签页的多页面任务时再加，不是必需
MCP Server（Beta） — 让外部 agent 客户端反过来控制你的浏览器
npm 直接装 — npm install page-agent，两行代码 agent.execute('点击登录按钮')
它明确说了自己的定位是客户端网页增强，不是服务端自动化，DOM 处理和 prompt 部分基于 browser-use 改的，MIT 协议。
适合：
做 SaaS / ERP / CRM 后台，想给产品塞个 copilot 但不想重写后端的
表单流程长到 20 次点击起步，想压成一句的内部系统团队
做无障碍访问，需要让网页能被自然语言驱动的
🔗 https://github.com/alibaba/page-agent

Hermes/OpenClaw | AI探索

不知道为什么一堆人天天臭骂claude code和codex影响硬盘。
你干的那些活儿，天天装一堆，本身就会影响NAND寿命，不让它干，你自己干同样工作量的活儿，NAND寿命也会同等损耗。
你不舍得你那点NAND颗粒寿命，就买个大内存型号mac，创建个RAM disk，在这个drive里踏踏实实干活儿，或者外接个移动硬盘。

Hermes/OpenClaw | AI探索

支持，intel optane非常适合claude code这种抓住一小块storage疯狂randomly write/read的场景了。
我强烈建议所有人，为了你的claude code工作顺滑度，为了background task快速完成，反复装卸大量包，保存你宝贵的macbook的NAND颗粒硬盘寿命，
买一块二手intel optane当agent工作硬盘，就是最优解。

Hermes/OpenClaw | AI探索

且不说他早年看不上 Coding Agent（现在已经变了），但到现在 DeepSeek 居然还不支持多模态，确实理解不了

Hermes/OpenClaw | AI探索

Agent的一个瓶颈是inference过慢，这个是O(N)的复杂度，因为一个巨大的任务总是要顶着LLM inference上限reasoning，
另一个瓶颈是某些高强度的task，这个甚至可以是O(2^N)的指数级复杂度，可能recursively执行bash、测试、调试、等待其他API call的工作，
当一个codebase足够大，光跑test浪费的时间 ，就足够一次浪费个十几分钟，那么你就要自己profiling，看看到底瓶颈在哪里。
一个理想状态是，你有无限个agents in parallel，每个agent可以自动执行无限个tasks in parallel，asynchronously，但现实一定是不可行的。
其中一些任务在CPU core和threads上，一些在RAM上，一些在storage file I/O上，intel optane就解决的是最后一个问，因为启动一个干净的repo+安装足够多的dependency本身也会浪费很多时间。

Hermes/OpenClaw | AI探索

字节开源 UI-TARS-desktop，GitHub 已经 3.8 万星。
本地原生 GUI Agent，用自然语言直接操控电脑和浏览器：看屏幕、点鼠标、敲键盘，支持本地/远程操作，跨平台，数据全本地跑。
旁边还有 Agent TARS 那一套 CLI + MCP，把 GUI 能力接到终端和真实工具链里。
真正能干活的开源多模态 Agent Stack。

Hermes/OpenClaw | AI探索

以前玩游戏时间长了点有负罪感，觉得虚度光阴了，现在一边玩游戏一边等 Agent 干活，居然有点心安理得。
可能从砍柴变成了放羊？

Hermes/OpenClaw | AI探索