7月24日2026 · 星期五

@dotey 转推了

@seekjourney

最近朋友推荐一个非常适合学习 Agent Harness Engineering 的工具：claude-tap。 它像是 Claude Code、Codex 等 Coding Agent 的本地可观测性平台，可以看到一次真实 Agent 运行中的： System Prompt 对话历史与上下文 Tool Schema Tool Call / Tool Result 流式响应 Token 用量 相邻请求之间的结构化 Diff 学习 Claude Code / Codex Harness 的核心是运行时系统：上下文如何组装、工具如何注册、状态如何跨轮传递、请求如何持续演化。 我觉得非常适合把源码和真实 Trace 对照着看，理解速度会快很多。 强烈推荐给正在学习 Coding Agent、Agent Runtime 和 Harness Engineering 的朋友。 https://github.com/liaohch3/claude-tap

@dotey

前些天 X 上还一堆人讨论要不要看 AI 生成的代码，现在《Clean Code》作者鲍勃大叔都说：“我不看 AI 写的代码” 他的原话是，这是他能利用 AI 生产力的唯一方式。人类读代码太慢了，如果还逐行审查，就丧失了用 AI 的意义。 但不看不等于不管。他的做法是给 AI Agent 设置层层关卡：单元测试、Gherkin 测试（一种用接近自然语言描述软件行为的测试格式）、QA 流程、代码质量指标、变异测试（故意往代码里塞小错误，看测试能不能抓住）、测试覆盖率，等等。 他在今年早些时候还公开了自己的具体实践：一套四个 Agent 组成的流水线，分别负责需求规格化、编码、重构和架构审查，每个阶段都比上一个阶段更形式化，需要的人工干预也更少。他同时还会看测试覆盖率、依赖结构、圈复杂度、模块大小这些指标，从指标推断代码质量，而不是从代码本身。 【注：圈复杂度（Cyclomatic Complexity）衡量代码中独立执行路径的数量，数字越大说明逻辑越复杂，越难维护和测试。】 当 AI 生成代码的速度远超人类阅读代码的速度，代码审查的形态也在跟着改变。以前的核心能力是读代码、写代码，现在可能正在变成写测试、定约束、设指标。鲍勃大叔过去几十年一直在推测试驱动开发（TDD），现在 AI 时代高质量的测试覆盖反而比代码更有价值。 他今年在 O'Reilly 上开了一门课，叫《AI Agents for Clean Code》，也在自己的 Clean Coders 平台推出了新系列《Clean AI: Agentic Discipline》。主旨一样：AI Agent 不是不需要纪律，是需要不同的纪律。

@dotey

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。 具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。 这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。 macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。 此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。 今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。

@OpenAI串推 3 条

Health in ChatGPT is starting to roll out to U.S. users. You can securely connect Apple Health and supported medical records to understand your information in context, track what has changed, and have more informed conversations. https://openai.com/index/health-in-chatgpt/

We built this experience based on feedback from early testers and physicians. With your permission, ChatGPT can use relevant context you’ve connected in Health across your conversations — to help you compare a new result with prior tests, summarize changes since your last appointment, or explore how your sleep and activity relate. Connected medical records and Apple Health information are not used to train foundation models or target ads. In the sidebar, Health is your home base for connecting and managing information, browsing records, and revisiting health chats.

More than 300 million people turn to ChatGPT with health-related questions each week—and we’re continuing to improve how our models respond. We work with hundreds of physicians around the world to measure and improve accuracy, safety, communication, context awareness, completeness, and appropriate escalation. GPT‑5.5 Instant brought frontier health intelligence to all free users. GPT‑5.6 Sol builds on that progress with even stronger performance on more complex questions.

Launching Health in ChatGPTopenai.com · 直连原文

@Alibaba_Qwen

Introducing the Qwen-Audio-3.0-TTS. Our latest text-to-speech model, in two flavors: • Flash: real-time interaction • Plus: high-quality generation What's new: • Fine-grained inline tags-steer [whisper], [angry], [breaths] & [laughs] • Free-style natural-language control-“read this slowly, like a bedtime story” • 16 languages • Clean output even from noisy reference audio • One-pass long-form up to 3 min now #1 on the Artificial Analysis TTS Leaderboard. Blog: https://funaudiollm.github.io/qwen-audio-3.0-tts/ API: https://www.alibabacloud.com/help/en/model-studio/realtime-tts-user-guide

@Pluvio9yte

卧槽，夯爆了啊。 Notion、Figma、ClickUp这些大厂宣传片的动效直接被复刻成 Claude / Codex 能够调用的代码语言了： 106 张镜头配方卡（Shot Recipe Cards）：每张卡详细记录用途、能量级别、建议时长、参数、实现要点和常见坑。 161 条动态样片（覆盖 162 种样式）：可在线预览、搜索、筛选。 完整成片模板「Ink Press（墨压）」：36.2 秒、1920×1080、30fps、10 个镜头的纸墨琥珀风格产品宣传片，已包含 2.5D 页面相机、转场、字幕和配好的 SFX。 可复用组件：2.5D 页面相机、闪切、数字滚动、字幕、音效等。 完整制作方法论：从素材采集、风格定调、分镜、声音设计、节奏卡点到最终验收的全流程文档。 开源地址 https://github.com/Vincentwei1021/video-shotcraft

GitHub - Vincentwei1021/video-shotcraft: A skill for crafting cinematic product videos with shot...github.com · 直连原文

@GitHub_Daily

前几天，商汤正式开源了理解生成统一视觉大模型：SenseNova-Vision。 行业以往的统一视觉，多是把几个专家模型打包封装好的，本质还是各干各。 这次商汤让视觉成为大模型的原生能力，能完成目标检测、图像分割、深度预测、3D 重建等视觉任务。 在多项权威评测中，比肩各领域的专用专家模型，绝大多数指标超越了谷歌的 Vision Banana。 - 模型权重下载：https://huggingface.co/collections/sensenova/sensenova-vision - GitHub：https://github.com/OpenSenseNova/SenseNova-Vision - 魔搭社区：https://modelscope.cn/models/SenseNova/SenseNova-Vision-7B-MoT 连同模型一起开源的，还有包含 5000 万条高质量样本的视觉指令语料库。 以后不用再为不同视觉任务维护多套模型，单模型就能覆盖高频视觉需求，研发部署成本都降了一截。

@dotey串推 2 条

软件工程应该没有说不要轻易重构，重点是告诉你科学的重构，告诉你重构之前要写好测试。 AI 确实让重构更容易成本更低，但是做事的方式没变，不要盲目重构，先写好测试，哪怕是 AI 写。 AI 真正擅长的是验证出错后的反复自我纠错，所以良好的测试覆盖对 AI 尤其重要。 > 引用 @riverleaf88: AI最擅长的是重构。 > 软件工程曾经告诉你，不要轻易重构。 > 但是我最近的体会是：请疯狂重构。 > 重构是最好的试错方式，也是使用AI编程的过程中代价最小的方式。 > 随时清理技术债，随时重构到更合理的架构和实现方式。 > 这样再复杂的工程AI也能很好地写下去。

@riverleaf88

AI最擅长的是重构。 软件工程曾经告诉你，不要轻易重构。 但是我最近的体会是：请疯狂重构。 重构是最好的试错方式，也是使用AI编程的过程中代价最小的方式。 随时清理技术债，随时重构到更合理的架构和实现方式。 这样再复杂的工程AI也能很好地写下去。

骂 AI 测试也能理解，如果测试质量不好反而是负资产。 https://x.com/bigbigmusic/status/2080395790082863615?s=20 这里通常两个问题： 1. AI 没有理解清楚需求（上下文），按照错误的理解写出来的测试本身是有问题的 2. AI 写不出高质量的测试，这主要是在早期模型能力不够经常发生的，甚至有偷偷篡改代码以通过测试的行为 第一个问题需要人把关，第二个问题建议用好一点模型。 > 引用 @bigbigmusic: @dotey 時間線還一些人罵AI寫測試呢

@GitHub_Daily

想给应用加个文字转语音功能，调云端接口要联网、还要按次数计费，本地跑配置低输出慢。 偶然发现 Soprano，一个超逼真的轻量文字转语音模型，只有 80M 参数，占用不到 1GB 内存。 在普通 CPU 上合成速度能到实时的 20 倍，开口延迟压到 250 毫秒以内。 GitHub：http://github.com/ekwek1/soprano 长文本会自动分句一段接一段合成，长度没有限制，输出是 32kHz 的清晰音质。 对外提供兼容 OpenAI 的接口，也支持命令行和网页界面，Windows、Linux、Mac 都能用。

@GitHub_Daily

让 AI 帮忙查个 bug，它先来一句好问题，铺垫一大段，真正要改的那行藏在最后。 i-have-adhd，一个 AI 编程辅助技能，逼 AI 把答案摆到最前面，别废话那么多。 安装后，Agent 回答会变成动作先行、多步骤挨个编号，客套和复述的话一律砍掉。 GitHub：http://github.com/ayghri/i-have-adhd 一共 10 条规则，比如开头直接给下一步、结尾留一个具体动作、列表最多 5 条、不寒暄不总结。 支持 Claude Code、Codex 等主流 Agent 编程工具，两条命令装好。

@GitHub_Daily

还有多少朋友记得当年用 Winamp 播放音乐时，屏幕上那种跟着节奏翻涌的迷幻画面。 butterchurn 把那套叫 Milkdrop 的老牌可视化器，用网页技术在浏览器里复刻了出来。 打开网页接上麦克风或者音频，画面就跟着音乐实时变化，内置大量预设风格能随手切换。 GitHub：http://github.com/jberg/butterchurn 它本身也是个能嵌进网页的库，Winamp 的网页复刻版 Webamp 等不少项目都在用它。 想给自己的音乐播放器或者直播加点视觉效果，可以拿它试试。