前言
AI 领域的信息密度已经到了"靠刷时间线会漏掉关键变化"的程度:官方发布、融资并购、开源动态、论文更新、监管动向,任何一块缺口都会让判断失真。信息源越多,重复越多,标题党越多,筛选成本直线上升。
这个项目做的事情很朴素:把每天的 AI 新闻收敛成一份可读、可回溯、可二次加工的 Top 15。不追求大而全,追求稳定、低成本、少踩坑。
最终效果:每天早上 9 点,飞书多维表格里自动新增 15 条 AI 新闻的中文摘要记录,包含重拟标题、原文链接、发布日期、结构化摘要和分类标签。
环境准备
n8n 2.9.4(自部署,服务器位于亚太地区)
Jina AI — 免费额度 100 万 tokens/月,负责网页正文抓取(HTML 转 Markdown)
Google Gemini API — 两处调用:Gemini Flash-Lite 做标题评分,Gemini 2.5 Flash 做摘要生成
飞书开放平台 — 写入多维表格(Bitable),需要配置应用凭证
Jina AI Reader 在这里承担"网页转 Markdown"的角色:RSS ...
前言
用 Claude Code 写代码的时候,你可能遇到过这些场景:
手上有多个 API Key(不同提供商、不同额度),想同时用起来
一个窗口跑主力项目,另一个窗口做实验,互不干扰
某个 API 节点挂了,想快速切到备用节点继续干活
Claude Code 默认读取全局配置,所有窗口共享同一套环境变量。但其实它提供了一个 --settings 参数,可以在启动时注入自定义配置,覆盖默认的环境变量。利用这个机制,我们可以为每个窗口写一个独立的启动脚本,各自配置不同的 API Key、Base URL 和模型。
本文就来聊聊怎么实现这个方案。
核心原理
Claude Code 的 --settings 参数接受一个 JSON 字符串,其中 env 字段可以设置环境变量。这些环境变量会覆盖系统默认值,仅在当前会话中生效。
关键的环境变量有:
变量名
作用
ANTHROPIC_AUTH_TOKEN
API 密钥
ANTHROPIC_BASE_URL
API 端点地址
ANTHROPIC_MODEL
默认使用的模型
ANTHROPIC_DEFAULT_SONNE ...
前言
“LLM、Function Call、MCP、Agent”这些词单独看都认识,但一旦放进同一张架构图里就开始打架——很正常:它们不在同一个抽象层,很多文章还会把不同厂商的术语混在一起讲。
这篇文章只做一件事:把这些概念放回各自的位置,并给你能直接跑起来的最小示例(Python + TypeScript)。读完你至少能回答三个问题:
LLM 到底是什么,和“泛称的大模型”差在哪?
工具调用(Tool/Function Calling) 是什么能力,为什么它比“让模型输出 JSON”更像工程?
MCP 与 Agent 分别解决什么问题,什么时候该用、什么时候别用?
基础概念:大模型、基础模型、LLM(别只盯参数)
1)”大模型”到底大在哪里?
“大模型(Large Model)”更像一个工程尺度的说法,而不是严格的学术分类。通常它意味着:
参数量大、训练数据大、训练算力大(但参数量不是唯一指标)
训练过程复杂:预训练(pretrain)+ 指令微调(SFT)+ 偏好对齐(如 RLHF/RLAIF 等)
部署成本高:推理延迟、显存、并发、成本控制都变成显性问题
很多人把“ ...
【Gemini恢复链接】解决“出了点问题”无法对话,一般是因为账号很久没有使用
访问https://gemini.google.com/gems/create?hl=en-US,li3,创建智能体后,点击保存,就可以发起对话了;如果无法保存就可能需要换号了
前言
在 AI 编程助手百花齐放的今天,开发者常常需要同时使用多个 AI 服务:Claude Code、Gemini CLI、OpenAI Codex 等。每个服务都有独立的认证方式、API 格式和调用方法,管理起来相当繁琐。
CLI Proxy API 正是为解决这个问题而生。它是一个开源代理服务器,提供统一的 OpenAI/Gemini/Claude 兼容 API 接口,让你通过单一端点访问所有 AI 服务。
项目地址:https://github.com/router-for-me/CLIProxyAPI
核心价值
统一接口:一套 API 访问所有 AI 模型
OAuth 认证:无需 API Key,使用 OAuth 登录即可
负载均衡:多账户轮询,提高可用性
协议兼容:支持 Chat Completions、Response、Gemini、Claude 等多种协议
核心特性
支持的 AI 服务
服务
认证方式
特性
Claude Code
OAuth 登录
完整功能支持
Gemini CLI
OAuth 登录
多账户负载均衡
OpenAI Codex
...
前言
根据公开仓库信息,Clawdbot 由 Peter Steinberger(PSPDFKit 创始人)发起,是一款开源个人 AI 助手。与传统的 ChatGPT 或 Claude 网页版不同,Clawdbot 运行在本地设备,通过常用消息应用(如 Telegram、Discord、WhatsApp)进行交互。
系统要求:macOS 14+、Windows、Linux(以官方文档为准)
GitHub stars 等热度数据以仓库实时统计为准,社区讨论观点仅供参考。
核心特性
本地优先设计
所有数据存储在本地,不上传云端
对话记录以 Markdown 格式保存在 ~/clawd/memories/
Gateway 默认仅绑定 localhost,保护隐私
持久记忆
24/7 保持上下文,跨会话记忆
支持语义检索历史对话
按日期和主题分类存储
多平台集成
支持 50+ 集成,核心消息平台包括(以官方文档为准):
WhatsApp、Telegram、Discord、Slack
Signal、iMessage
其他平台通过开放协议(Matrix、WebChat)支持
支持私聊和群 ...
技术教程
未读前言
躺床上想用手机操作电脑?出差在外要访问家里的机器?或者单纯想在手机上跑 Claude Code?
SSH 可以做到。它是一种加密的远程连接协议,让你用手机控制电脑的命令行。
本文覆盖两种场景:
局域网连接:同一 WiFi 下使用
公网连接:在外面也能连回家
一、PC端开启SSH服务
1.1 macOS
打开 系统设置 > 通用 > 共享,勾选 远程登录,允许的用户选你自己的账户。
1.2 Linux
一般已经装好了 OpenSSH Server。没有的话:
1sudo apt install openssh-server # Ubuntu/Debian
1.3 Windows(WSL2)
在 WSL2 的 Linux 发行版里执行:
1sudo service ssh start
想让它开机自启,把这行加到 .bashrc 里。
二、手机端 SSH 客户端
iOS:Termius,界面好看,免费版够用,支持密钥认证和端口转发。
Android:Termux,完整的 Linux 环境,能装各种开发工具。
三、局域网连接
3.1 获取电脑 IP
12# 在电脑终端 ...
是什么?
OpenSkills 将 Anthropic 的技能系统带到了每一个 AI 编码代理中——Claude Code、Cursor、Windsurf、Aider、Codex 以及任何能读取 AGENTS.md 的软件。可以把它看作是 SKILL.md 的通用安装器。
怎么安装?
12npx openskills install anthropics/skillsnpx openskills sync
默认情况下,安装是项目本地的(./.claude/skills,或带有 --universal 的 ./.agent/skills)。用 --global 表示 ~/.claude/skills。
From Anthropic Marketplace
npx openskills install anthropics/skills
From Any GitHub Repo
npx openskills install your-org/your-skills
From a Local Path
npx openskills install ./local-skills/my-ski ...
在本地创建分支(feature_1.0):
基于当前分支创建并切换:git switch -c feature_1.0
或基于指定分支创建:git switch -c feature_1.0 main
git rev-parse --is-inside-work-tree && git status -sb && git remote -v
git switch -c feature_1.0
git push -u origin feature_1.0
git status -sb
要将远程 main 分支合并到当前的 feature_1.0 分支,请按以下步骤执行:
1. 获取远程最新的更新
git fetch origin
2. 合并远程 main 分支到当前分支(feature_1.0)
git merge origin/main
3. 如果有冲突,解决冲突后执行:
git add .
git commit -m “merge: 合并 main 分支到 feature_1.0”
或者使用单条命令:
git pull o ...
前言
【问题引入】
培训分享时的痛点:磕巴、停顿词过多
常见停顿词:“额”、“嗯”、“然后”、“就是说”
这不是能力问题,而是练习不足
一、为什么口语表达需要刻意练习?
1.1 口语表达的常见问题
【待填充】
停顿词过多
逻辑混乱、东一句西一句
语速不稳定(过快或过慢)
紧张导致的卡壳
1.2 问题根源分析
【待填充】
思维速度与表达速度的差异
缺乏即时反馈的练习环境
心理压力下的表达退化
1.3 传统练习方式的局限
【待填充】
找人练习:时间难协调、反馈不专业
对镜练习:缺乏真实互动
录像回看:反馈滞后
培训班:成本高、机会少
二、AI 对话练习的独特优势
2.1 随时可用的练习伙伴
【待填充】
7x24 小时待命
无需预约、无需社交成本
2.2 零压力的安全环境
【待填充】
不怕出丑、不怕被评判
可以反复练习同一问题
心理负担小,更容易放开
2.3 即时且客观的反馈
【待填充】
实时分析表达质量
指出停顿词使用情况
给出具体改进建议
2.4 多场景灵活切换
【待填充】
面试模拟
培训演讲
销售话术
英语口语
三、AI 对话练习的核心场景
3.1 ...







