#GitHub
共 21 篇文章
Yazi 上手：把终端文件管理做成一个键盘驾驶舱
终端文件管理器这类工具，很容易被写成“ls 和 cd 的升级版”。这说法没错，但有点浅。 Yazi 更关键的地方，不只是它能在终端里预览图片、PDF、压缩包和代码，而是它把“文件浏览”这件事重新放回了键盘工作流里。对开发者、运维、远程服务器用户来说，文件管理不是打开一个 Finder 或资源管理器那么简单：你经常在
3 min
World2Agent 上手：让 Agent 先看见世界，再谈自动行动
## Agent 如果看不见世界，就只能在上下文里瞎猜 很多 Agent 项目聊到最后，都会卡在同一个地方：模型会推理、会写代码、会调用工具，但它对外部世界的感知仍然很碎。新闻、市场、日志、告警、天气、发布动态、GitHub 事件，各走各的格式，各写各的接入。Agent 想行动之前，先得靠一堆临时 glue code
3 min
apfel 上手：把 Mac 自带 Apple Intelligence 变成本地 OpenAI 接口
很多本地模型方案都绕不开下载模型、选量化、配显存、调推理服务。Mac 用户还有另一条路：把系统自带的 Apple Intelligence 变成命令行工具和本地 OpenAI 兼容接口。apfel 做的就是这件事。 它把 Apple FoundationModels 暴露成 UNIX CLI、交互式聊天和本地 Open
3 min
OfficeCLI 上手：让 Agent 读写 Word、Excel、PPT，不再依赖 Office 桌面
Office 自动化一直是 Agent 的尴尬区。企业文件大量存在 Word、Excel、PowerPoint 里，但传统自动化要么依赖桌面 Office，要么用几套库分别处理 docx、xlsx、pptx，结构不统一，预览也麻烦。Agent 想稳定修改这些文件，不能只靠“生成一段 Python 试试”。 Office
3 min
OpenHarness 上手：把 Agent 从聊天框推进到可恢复的长期工作台
Agent 真正进入日常工作以后，瓶颈往往不在模型本身，而在运行时。聊天框能回答问题，但很难长期维护一个项目：它要记住上下文、调用工具、拆任务、写代码、跑测试、处理失败、接消息平台，还要能在长会话里恢复状态。 OpenHarness 把这个问题直接摆到了台面上。它不是另一个“套壳聊天助手”，而是一套轻量 Agent h
3 min
Hive 教程：给多 Agent 任务补上 Harness，而不是再写一条链
很多多 Agent 项目看起来都挺热闹：一个规划，一个执行，一个检查，再来一个总结。演示的时候顺滑，真塞进业务流程，麻烦就来了。中途失败怎么办？状态丢了怎么办？两个 Agent 写冲突了怎么办？谁来判断它该停手？ Hive 的切口不是再做一个花哨 Agent，而是做 harness。也就是给多 Agent 任务补上状态
3 min
Mission Control 教程：自托管 Agent 控制台，先把任务、技能和花费管起来
多 Agent 工作流一多，聊天窗口就不够用了。哪个 Agent 正在跑，花了多少钱，装了哪些 skills，失败任务在哪里，谁有权限触发高风险动作，都需要一个控制台。 Mission Control 做的是自托管 Agent orchestration dashboard。它强调 SQLite、单命令运行、Skill
3 min
Coze Loop 教程：Agent 上线前，先把评测、Prompt 和监控闭环补上
Agent 项目最常见的事故，是上线前靠感觉调 prompt，上线后靠用户投诉发现问题。模型换了、工具改了、知识库更新了，没人知道效果从哪天开始变差。 Coze Loop 是面向 AI Agent 优化的平台，覆盖开发、调试、评测、Prompt 管理和线上监控。它的价值不是多一个控制台，而是让 Agent 的质量变化能
3 min
Banana Slides 教程：用 AI 做可编辑 PPT，先管模板、素材和复核
AI 做 PPT 最大的问题，不是能不能生成页面，而是生成出来能不能继续改。很多工具输出一堆图片，看着还行，到了客户修改、老板改字、设计调版时就废了。 Banana Slides 押的是另一条路：上传模板图片和素材，让 AI 解析内容，按自然语言生成或修改页面，并导出可编辑 PPTX。它更像一个 AI PPT 工作台，
3 min
MOSS-TTS 教程：自托管语音生成，先把延迟、显存和授权边界讲清楚
语音 AI 的 demo 通常都很好听。真正落地时，问题才冒出来：长文本断句不自然，显存吃紧，首包延迟高，声音克隆授权不清楚，多说几分钟后情绪和音色开始飘。 MOSS-TTS 是开源语音生成模型家族，覆盖长文本语音、多说话人对话、声音设计、环境声和实时流式等方向。它适合想把 TTS 放到本地或自托管环境里的团队。 但语
3 min
YourMemory：Agent 记忆不是越多越好，还要会遗忘
Agent 记忆经常被说成“越多越好”。这话只对了一半。记得越多，确实更像一个长期助手；但如果旧事实、错误偏好、过期项目状态一直留着，Agent 也会被记忆带偏。 `YourMemory` 有意思的地方，是它把“遗忘”也放进了 Agent 记忆系统。 仓库地址：sachitrafa/YourMemory ## 记忆不是
3 min
Xyne：企业搜索别再让 Agent 翻聊天记录
企业里最浪费时间的动作，可能是找东西。文件在 Drive，决策在 Slack，需求在 Jira，线索在邮件，代码在 GitHub，最后每个人脑子里还有一份“只有我知道”的隐性地图。 `Xyne` 盯上的正是这个问题：给工作场景做一个开源的 AI 搜索与问答引擎。 仓库地址：xynehq/xyne ## 它不是普通知识库
3 min
Agent Reach 教程：给 Agent 接一套可替换的互联网工具箱
Agent 想做研究，最先卡住的不是模型，而是“看不见”。网页能不能读，YouTube 字幕怎么拿，Reddit 讨论怎么搜，GitHub 信息怎么查，RSS 怎么订阅，微博客平台怎么处理登录态——这些事情分散又琐碎。 Agent Reach 把问题拆成一套互联网工具箱：网页、RSS、GitHub、YouTube/B
3 min
gstack 教程：把 Claude Code 变成一支会复盘的产品小队
很多人用 Claude Code，习惯是把需求直接扔进去，然后盯着它改。能跑，效率也有，但问题很快出现：产品判断没人做，设计味道没人看，安全审计靠运气，最后发布时再补文档和测试。AI 写代码变快了，工程流程反而容易被省掉。 gstack 值得看的地方，不在“Garry Tan 的同款配置”这个噱头，而在它把 Claud
3 min
Future AGI 教程：把 Agent 评测、追踪和防护放进同一个闭环
Agent 应用最怕“演示很好，上线就飘”。本地试十次都对，真实用户换个问法就错；工具调用在测试里正常，生产里突然走偏；你知道它失败了，却不知道失败发生在哪一步。 Future AGI 想做的是一条完整质量闭环：评测、追踪、模拟、数据集、网关、防护都放在一个平台里。它不是单点 eval 工具，而是更像 Agent 应用
3 min
GitHub Agentic Workflows 教程：把 Agent 放进 Actions，但先管住权限
把 Agent 接进 CI/CD，听起来很诱人：自动整理 issue、修小 bug、更新文档、跑评审、生成 PR。问题是，Agent 一旦进了仓库自动化链路，权限、输出和审计就不能再靠一句“相信模型”。 GitHub Agentic Workflows 的方向很值得看：用自然语言 Markdown 写 agentic
3 min
Archon 教程：把 AI 编程流程写成可重复的工作流
AI 编程最大的问题之一，是同一句“修这个 bug”，今天和明天可能跑出两种完全不同的过程。一次它先读测试，一次它直接改代码；一次会写计划，一次把计划省了；一次跑验证，一次嘴上说完成。 Archon 的思路很直接：不要把工程流程交给模型临场发挥，而是把计划、实现、测试、review、审批和 PR 创建写成工作流。模型负
3 min
用 tempmail.ee 注册 GitHub：先试用，再把主邮箱留给真正重要的账号
GitHub 是典型的代码托管和开发者协作平台：不注册，很多功能看不完整；一注册，又可能开始收到确认邮件、提醒、营销信息和各种后续通知。只想先试一下时，tempmail.ee 可以当作临时邮箱缓冲层。 要先把边界说清楚。临时邮箱不是绕过平台规则的工具，也不该用于刷号、规避封禁、垃圾信息或冒充身份。它只适合低风险试用：先
3 min
Awesome Codex Skills：Codex 真要进工作流，靠的不是神提示词，是可安装技能
“让 AI 帮我做事”这句话，听起来已经不新鲜了。真正麻烦的是，每次都得重新解释：这个仓库怎么跑，邮件怎么发，Issue 怎么建，PDF 怎么处理，团队规矩是什么。 Awesome Codex Skills 的价值，不是收集了一堆酷炫提示词，而是把这些重复解释，整理成 Codex 可以安装、识别、触发的技能包。 Com
3 min