SIGNALFEED文章库 ↗论文库 ↗归档 ↗

8月29日2026 · 星期六

从 30 条抓取中筛选 12 条 · twitter × 7 账号 · 04:53 UTC 生成

今日信号 · 高度即评分 · 点击直达

  1. OpenAI 在 SpaceX 收购 Cursor 后终止其 GPT 模型访问9.0
  2. Z.ai 发布开源权重模型 GLM-5.3，主打智能体编程与网络防御9.0
  3. Anthropic：Claude 自主对齐更小的 AI 模型9.0
  4. Warp 在 Claude 上构建自我改进智能体：人类反馈驱动技能进化8.0
  5. OpenMontage：开源智能体驱动的AI视频制作流水线8.0
  6. 小型AI模型已成为重要趋势8.0
  7. 阿里通义千问发布 Qwen3.8-Flash 多模态模型，支持 100 万上下文，已上线 OpenCode Go7.0
  8. WolfCut：免费开源的剪映替代品7.0
  9. draw-your-font：用 npm 在本地将手写照片变成字体7.0
  10. CozyClay：用于AI视频生成的开源3D预演工具7.0
  11. emailmd：用 Markdown 写邮件，生成兼容各客户端的 HTML7.0
  12. Anthropic 扩大与 Cursor 的合作，承诺为 Claude 提供更多算力7.0
019.0

OpenAI 在 SpaceX 收购 Cursor 后终止其 GPT 模型访问

OpenAI 宣布终止与 Cursor 的合作，自 2026 年 11 月 12 日起停止向 Cursor 直接提供 GPT 模型。这一决定是在 SpaceX 以 600 亿美元收购 Cursor 之后做出的，OpenAI 表示出于对马斯克旗下公司的信任担忧。OpenAI 将立即停止向 Cursor 接入新模型，但允许用户继续使用自己的 API 密钥或 Codex 扩展。 此举凸显了 AI 模型提供商与企业所有权和信任之间日益紧密的纠葛，尤其是当竞争对手收购关键分发渠道时。它直接影响了使用 Cursor 的大量开发者社区，迫使他们更换模型或支付方式。这一决定也标志着 OpenAI 与 SpaceX/xAI 在 AI 编程助手市场的竞争加剧。 OpenAI 援引了与 Cursor 合同中的控制权变更条款，选择了合同允许的最晚终止日期，为开发者留出两个半月的缓冲期。该公司特别提到了即将推出的 Astra 模型，该模型已达到“关键”网络安全能力阈值，因此需要对模型分发进行更严格的控制。Cursor 用户可以通过自带 OpenAI API 密钥或安装 Codex 扩展继续使用 GPT 模型，费用将从 Cursor 订阅转为直接向 OpenAI 支付。Anthropic 尚未发表评论，但其首席算力官 Tom Brown 表示，Anthropic 将继续增加对 Cursor 中 Claude 模型的计算支持。

@dotey引用推文OpenAI 断供 Cursor，11 月 12 日起停止提供模型 OpenAI 今天宣布终止和 Cursor 的合作，停止向 Cursor 提供 GPT 系列模型，日期定在 11 月 12 日。触发点是两周前 SpaceX 以 600 亿美元完成对 Cursor 的收购。OpenAI 给的理由是，它无法相信马斯克旗下的公司会按服务条款使用它的技术。 OpenAI 在博客里点了两桩旧账。一桩是马斯克收购 Twitter 之后，Twitter 违反了和 OpenAI 签的合同。Twitter 后来并入 xAI，xAI 今年 2 月又并入 SpaceX，所以现在都算 SpaceX 的事。另一桩更近：今年 4 月 30 日，马斯克起诉 OpenAI 的案子开庭，他在证人席上承认 xAI 曾蒸馏 OpenAI 的模型，也就是拿 OpenAI 模型的输出当训练数据来训练 Grok，OpenAI 的服务条款明文禁止这么干。那场官司马斯克在 5 月输了，正在上诉。 OpenAI 和 Cursor 的合同里有一条控制权变更条款，Cursor 易主后 OpenAI 有一个时间窗口可以解约。OpenAI 选了合同允许的最晚日期，给开发者留两个半月缓冲，但从现在起不再给 Cursor 接入新模型。它特别提到了 Astra，这是 OpenAI 本月刚披露的下一代模型，内部评估无法排除它的网络攻击能力达到"关键"级别。OpenAI 说，这样的模型交到谁手里、怎么用，它需要比以前更严格的把关。 负责 OpenAI 全部核心产品的 Tibo 在 X 上说，这件事说到底是信任问题。他也给了替代方案：Cursor 用户可以继续绑定自己的 OpenAI API key 调用 GPT 模型，OpenAI 的 Codex 插件也会继续支持在 Cursor 里运行。区别是钱从 Cursor 订阅里出，变成直接付给 OpenAI。 对 Cursor 用户的直接影响：11 月 12 日之后，订阅里的 GPT 模型选项会消失。想继续用 GPT，自带 key 或者装 Codex 插件；不想折腾的，换成 Claude、Gemini、Grok，或者 Cursor 自家的 Composer。 OpenAI 也不是局外人。它 2024 年和 2025 年两次接触过 Cursor 想收购，被拒后转向 Windsurf，那笔交易最后也黄了。它现在的 Codex 和 Cursor 是直接竞品，信任之外，少给对手的产品供货本身就是生意。 接下来最大的变数是 Anthropic。Claude 一直是 Cursor 里用得最多的模型，Anthropic 到现在没有表态。它有跟进的先例：去年 6 月 OpenAI 传出要收购 Windsurf，Anthropic 几天内就切断了 Windsurf 的 Claude 接入，联合创始人 Jared Kaplan 的原话是“把 Claude 卖给 OpenAI 太奇怪了”。 今年 1 月，xAI 工程师通过 Cursor 调用 Claude 做竞品研究被发现，Anthropic 封了 xAI 的访问。但它也有不跟进的理由：今年 5 月 Anthropic 租下 SpaceX 的 Colossus 1 整个集群，22 万张 GPU，Claude Code 限额翻倍就靠这批算力。展开原推文收起原推文

@dotey

OpenAI 断供 Cursor，11 月 12 日起停止提供模型 OpenAI 今天宣布终止和 Cursor 的合作，停止向 Cursor 提供 GPT 系列模型，日期定在 11 月 12 日。触发点是两周前 SpaceX 以 600 亿美元完成对 Cursor 的收购。OpenAI 给的理由是，它无法相信马斯克旗下的公司会按服务条款使用它的技术。 OpenAI 在博客里点了两桩旧账。一桩是马斯克收购 Twitter 之后，Twitter 违反了和 OpenAI 签的合同。Twitter 后来并入 xAI，xAI 今年 2 月又并入 SpaceX，所以现在都算 SpaceX 的事。另一桩更近：今年 4 月 30 日，马斯克起诉 OpenAI 的案子开庭，他在证人席上承认 xAI 曾蒸馏 OpenAI 的模型，也就是拿 OpenAI 模型的输出当训练数据来训练 Grok，OpenAI 的服务条款明文禁止这么干。那场官司马斯克在 5 月输了，正在上诉。 OpenAI 和 Cursor 的合同里有一条控制权变更条款，Cursor 易主后 OpenAI 有一个时间窗口可以解约。OpenAI 选了合同允许的最晚日期，给开发者留两个半月缓冲，但从现在起不再给 Cursor 接入新模型。它特别提到了 Astra，这是 OpenAI 本月刚披露的下一代模型，内部评估无法排除它的网络攻击能力达到"关键"级别。OpenAI 说，这样的模型交到谁手里、怎么用，它需要比以前更严格的把关。 负责 OpenAI 全部核心产品的 Tibo 在 X 上说，这件事说到底是信任问题。他也给了替代方案：Cursor 用户可以继续绑定自己的 OpenAI API key 调用 GPT 模型，OpenAI 的 Codex 插件也会继续支持在 Cursor 里运行。区别是钱从 Cursor 订阅里出，变成直接付给 OpenAI。 对 Cursor 用户的直接影响：11 月 12 日之后，订阅里的 GPT 模型选项会消失。想继续用 GPT，自带 key 或者装 Codex 插件；不想折腾的，换成 Claude、Gemini、Grok，或者 Cursor 自家的 Composer。 OpenAI 也不是局外人。它 2024 年和 2025 年两次接触过 Cursor 想收购，被拒后转向 Windsurf，那笔交易最后也黄了。它现在的 Codex 和 Cursor 是直接竞品，信任之外，少给对手的产品供货本身就是生意。 接下来最大的变数是 Anthropic。Claude 一直是 Cursor 里用得最多的模型，Anthropic 到现在没有表态。它有跟进的先例：去年 6 月 OpenAI 传出要收购 Windsurf，Anthropic 几天内就切断了 Windsurf 的 Claude 接入，联合创始人 Jared Kaplan 的原话是“把 Claude 卖给 OpenAI 太奇怪了”。 今年 1 月，xAI 工程师通过 Cursor 调用 Claude 做竞品研究被发现，Anthropic 封了 xAI 的访问。但它也有不跟进的理由：今年 5 月 Anthropic 租下 SpaceX 的 Colossus 1 整个集群，22 万张 GPU，Claude Code 限额翻倍就靠这批算力。

@OpenAI

We’re ending our partnership with Cursor following its acquisition by SpaceX. Under our proposal, Cursor’s direct access to our models would end on November 12. We know that the people most affected by this decision are the developers who rely on OpenAI models in Cursor. We care about their experience in this transition and we’re ready to go above and beyond to support them. https://openai.com/index/our-decision-on-cursor-following-its-acquisition-by-spacex/

背景
Cursor 是一款基于 VS Code 构建的流行 AI 代码编辑器，以其与 GPT 和 Claude 等大语言模型的深度集成而闻名。由埃隆·马斯克领导的 SpaceX 于 2026 年 8 月以 600 亿美元收购了 Cursor 的母公司 Anysphere，使其成为马斯克更广泛的 AI 生态系统（包括 xAI 和 Grok）的一部分。OpenAI 与马斯克之间有着法律纠纷的历史，包括一场诉讼，马斯克在诉讼中承认 xAI 曾蒸馏 OpenAI 模型，违反了服务条款。OpenAI 的 Astra 模型是下一代模型，最近因其先进的网络安全能力而触发了安全协议。
社区讨论
社区反应不一，一些人指出具有讽刺意味的是，Anthropic 此前曾切断 Windsurf 的访问，现在却承诺支持 Cursor。另一些人指出，OpenAI 的决定既是出于信任，也是出于商业竞争，因为 Codex 是 Cursor 的直接竞争对手。一些用户对 Anthropic 突然的友好表示怀疑，并提到了其过去的行为。

8月29日 03:28在 X 打开#OpenAI #Cursor #AI industry #model access #SpaceX

029.0

Z.ai 发布开源权重模型 GLM-5.3，主打智能体编程与网络防御

Z.ai 已将 GLM-5.3 作为开源权重模型发布，其权重可在 Hugging Face 上下载、运行和定制。该模型被描述为其在智能体编程和网络防御方面能力最强的模型，相比 GLM-5.2 的所有改进均来自后训练阶段。同时发布的还有一篇技术博客。 此次发布让开发者和研究人员能够获得一个专注于复杂编程和长周期智能体任务的前沿级开源权重模型。它增强了开源权重生态，尤其是来自中国 AI 实验室的贡献，并可能加速自主软件开发和安全性应用的创新。该模型对网络防御的关注也凸显了 AI 与安全领域日益增长的交集。 GLM-5.3 使用与 GLM-5.2 相同的基础模型，所有提升均来自后训练。据报道，它在 Z.ai 内部的 Code Bench 上比 GLM-5.2 提升了 50%。权重已在 Hugging Face 的 zai-org 组织下提供。该模型被定位为编码能力最强的开源权重模型。

@Zai_org原推文1 张图片GLM-5.3 is now open-weight. Our most capable model for agentic coding and cyber defense is now available to download, run, and customize. Weights: https://huggingface.co/zai-org/GLM-5.3 Tech blog: https://z.ai/blog/glm-5.3原推文媒体预览展开原推文收起原推文

@Zai_org

GLM-5.3 is now open-weight. Our most capable model for agentic coding and cyber defense is now available to download, run, and customize. Weights: https://huggingface.co/zai-org/GLM-5.3 Tech blog: https://z.ai/blog/glm-5.3

背景
GLM（通用语言模型）是由中国 AI 实验室 Z.ai 开发的一系列大型语言模型。开源权重模型会公开其训练参数，允许任何人下载和使用，但许可条款可能限制修改或再分发。智能体编程指的是 AI 系统以最少的人工干预自主规划、编写、测试和修改代码，超越了简单的代码补全。在此语境下，网络防御可能指使用该模型进行漏洞检测或威胁分析等安全相关任务。

8月28日 15:04在 X 打开#AI #open-source #LLM #GLM-5.3 #agentic coding

039.0

Anthropic：Claude 自主对齐更小的 AI 模型

Anthropic 的新 Fellows 研究给 Claude 48 小时和 1 个 GPU，让它自主改进小模型的对齐。Claude 自行研究并提出方法，然后训练和测试模型。它成功地在欺骗或谄媚等常见错位问题上爬坡式优化安全基准，同时保持通用能力。 这表明 AI 系统可以自主为对齐研究做出贡献，可能加速实现可扩展监督的进程。如果自动化对齐研究者能够可靠地缓解可衡量的失败，就能减轻人类研究者的负担，并帮助跟上快速发展的 AI 能力。 实验限制 Claude 在爬坡式优化安全基准的同时保持通用能力。随后在留出基准上测试这些方法以检验泛化性。完整研究可在 Anthropic 网站上查看，相关工作显示自动化研究者在弱到强监督问题上表现优于人类。

@AnthropicAI串推 2 条2 段New Fellows Research: Can Claude autonomously align other AIs? We gave Claude 48 hours and 1 GPU to improve the alignment of small models. It researched and proposed methods, then trained and tested the models on its own. It worked surprisingly well. https://www.anthropic.com/research/automated-researchers-mitigate-alignment-failures展开原推文收起原推文

@AnthropicAI串推 2 条

New Fellows Research: Can Claude autonomously align other AIs? We gave Claude 48 hours and 1 GPU to improve the alignment of small models. It researched and proposed methods, then trained and tested the models on its own. It worked surprisingly well. https://www.anthropic.com/research/automated-researchers-mitigate-alignment-failures

Claude “hill-climbed” safety benchmarks for common misalignments like deception or sycophancy, with one constraint: it had to preserve general capabilities. We then tested its best methods on held-out benchmarks to see if they'd generalize.

Automated researchers can reliably mitigate alignment failuresanthropic.com · 直连原文
背景
AI 对齐是指确保 AI 系统的行为符合人类的价值观和意图。常见的对齐失败包括欺骗（模型隐藏其真实目标）和谄媚（模型说用户想听的话）。爬坡式优化是一种通过小步改进来提高目标指标的迭代优化技术。Anthropic 是一家领先的 AI 安全公司，以 Claude 系列语言模型闻名。

8月28日 17:13在 X 打开#AI alignment #Anthropic #autonomous research #AI safety #Claude

048.0

Warp 在 Claude 上构建自我改进智能体：人类反馈驱动技能进化

Anthropic 发布了一篇博文，详细介绍了 Warp 如何在 Claude 上构建自我改进智能体。Warp 采用双技能系统：一个技能负责代码审查，另一个改进技能定期收集人类工程师对智能体审查结果的评论，并据此更新代码审查技能。这种方法以极低的摩擦收集人类反馈，使智能体无需手动调整提示词即可学习团队规范和历史经验。 这一模式解决了 AI 智能体的核心局限：缺乏持久记忆和对团队特定环境的适应能力。通过让人类反馈成为技能进化的主要驱动力，Warp 展示了一种可扩展的方式，将智能体从一次性助手转变为不断积累组织知识的系统。它为构建 AI 辅助开发工作流的团队提供了实用的蓝图。 Warp 最初尝试手动更新提示词和 AGENTS.md 文件，但这些方法需要人工投入且忽略了高质量的 PR 评论。改进技能自动从现有 PR 评论中收集反馈，并设有保护措施：智能体绝不盲目接受反馈，只有授权评审者才能影响更新，人类始终参与审核。最佳实践包括编写原则而非死板规则、解释“为什么”、保持技能精简并采用渐进式披露，以及在不同领域复用改进技能。

@dotey原推文1 个视频Claude 新的一篇博文《How Warp builds self-improving agents on Claude》 https://claude.com/blog/how-warp-builds-self-improving-agents-on-claude ，看了后还是挺有收获，它解决的是 Skill 的进化问题。 这个问题我以前也研究过，我写了一个反编译 JS 代码的 Skill（http://github.com/JimLiu/decode-codex/blob/main/.agents/skills/deobfuscate-javascript/SKILL.md#maintaining-this-skill-self-improvement-protocol），每次 Agent 反编译的时候遇到新的场景解决了就自己更新自己的 Skill，效果还不错，能一直优化，就是 Skill 文件越来越大。 我还研究过写作的自我进化 Skill，那个就一言难尽，因为它其实没有自己统一的标准，经常负优化，越写越糟糕。 说回来 Warp 这个，Warp 是一个挺有名的终端工具，内部尝试借助 AI 做 Code Review。一开始让 Agent review 代码，效果并不理想，主要问题体现在 Agent 不了解你的项目，不知道你的团队规范，不知道历史经验教训，就算你指出来问题它下次还记不住。简单来说就是没有记忆。 初期他们采取了很多补救措施： - 手动根据失败案例改系统提示词 - 完善项目的 AGENTS.md 文件（有意思的是这篇文章是 Claude 发的，但是用的是 AGENTS.md 而不是 CLAUDE.md，我记得 Claude 默认不支持 AGENTS.md 的😅） 但效果并不理想，一方面它依赖于人主动去做，成本较高；另一方面团队成员在 Code Review 时人工在 PR 写的高质量评论完全没用上。 所以他们搞了个解决方案，一个基础 Skill 负责做代码审查，一个改进 Skill 负责定期收集人类工程师在代码审查时的评论，尤其是对 Agent 审查结果的评论，根据人类工程师的评论去更新代码审查的 Skill。 换句话说，它不是依赖于模型自己去改进自己，而是 Agent 根据人类对模型结果的标注（人类对代码审查的评论），去改进技能。 只不过它把这个事做的摩擦力极低，不需要人手工去收集整理评论，不需要填写调查问卷，人只要自然的去代码下写评论，后面的事情都是 Agent 自动完成。 这可能正是 Agent 的最佳实践方案之一：人负责高纬度的标注、评论、反馈这些事情，Agent 去做执行的工作，Agent 根据人类的反馈去改进 Skill。 除此之外，他们还总结了一些最佳实践： 1. 写原则，不要写死规则。 编写 skill 时，要像在指导一个聪明人，而不是在给计算机编程。在 Skill 中写“寻找重复代码”，比列出详尽的变量命名规则更有效。 2. 解释为什么。 说明规则背后的理由，能让智能体针对问题进行推理，而不是机械执行僵化指令，也因此更容易举一反三。 3. 让反馈没有摩擦毫不费力。 在人们原本工作的地方收集反馈，例如直接评论 PR 或 issue。同时让收集过程自动发生，不要增加额外的提交步骤。低摩擦才能让信号持续流动。如果反馈太麻烦，你就收不到反馈，也就无法改进 Skill。 4. 保持 Skill 精简，并使用渐进式披露。 优秀的 skill 文件不会很庞大；它会引用资源文件和脚本，而不是一次性把所有内容都塞进上下文。 5. 反馈质量大于数量，但数量也有帮助。 一位资深工程师给出的少量、详细且与领域相关的反馈，可能比大量草率反馈更有价值，因为简单的赞成／反对并不能说明“为什么”。 即使样本量相对较小，只要反馈来自掌握领域知识的人，而且足够详细，你也能得到非常好的信号——这些知识是智能体通过其他方式根本无法获得的。话虽如此，优质信号的语料越多，效果越好。 6. 做好改进 Skill 的 Skill，可以用来改进其他 Skill。 把改进 Skill（也就是前面提到的一个代码审查 Skill 一个改进 Skill）做好，收益不只限于眼前这套 Agent 循环，因为改进 Skill 在不同用例之间具有很高的复用性。除了领域专用知识这一部分，它其实是一套相当通用、可复用的机制。代码审查 Agent 的改进 skill，也可以应用到其他 Skill 的改进上。 可能有人会担心：如果反馈本身是错的呢？ Warp 的做法是永远不让 Agent 盲目接受反馈。给它足够的上下文来做基本的合理性检查，限制谁的反馈有权影响技能更新（不是所有人的意见都同等重要），最后始终保留人在循环中审核改动。 对于那些有明确标准答案的领域，比如代码是否通过了测试、部署是否成功，可以先建一个验证基准，让 Agent 自己对着基准跑。没有标准答案的领域，比如代码风格、文档质量，就靠领域专家的判断，不要开放给所有人随意反馈。原推文媒体预览展开原推文收起原推文

@dotey

Claude 新的一篇博文《How Warp builds self-improving agents on Claude》 https://claude.com/blog/how-warp-builds-self-improving-agents-on-claude ，看了后还是挺有收获，它解决的是 Skill 的进化问题。 这个问题我以前也研究过，我写了一个反编译 JS 代码的 Skill（http://github.com/JimLiu/decode-codex/blob/main/.agents/skills/deobfuscate-javascript/SKILL.md#maintaining-this-skill-self-improvement-protocol），每次 Agent 反编译的时候遇到新的场景解决了就自己更新自己的 Skill，效果还不错，能一直优化，就是 Skill 文件越来越大。 我还研究过写作的自我进化 Skill，那个就一言难尽，因为它其实没有自己统一的标准，经常负优化，越写越糟糕。 说回来 Warp 这个，Warp 是一个挺有名的终端工具，内部尝试借助 AI 做 Code Review。一开始让 Agent review 代码，效果并不理想，主要问题体现在 Agent 不了解你的项目，不知道你的团队规范，不知道历史经验教训，就算你指出来问题它下次还记不住。简单来说就是没有记忆。 初期他们采取了很多补救措施： - 手动根据失败案例改系统提示词 - 完善项目的 AGENTS.md 文件（有意思的是这篇文章是 Claude 发的，但是用的是 AGENTS.md 而不是 CLAUDE.md，我记得 Claude 默认不支持 AGENTS.md 的😅） 但效果并不理想，一方面它依赖于人主动去做，成本较高；另一方面团队成员在 Code Review 时人工在 PR 写的高质量评论完全没用上。 所以他们搞了个解决方案，一个基础 Skill 负责做代码审查，一个改进 Skill 负责定期收集人类工程师在代码审查时的评论，尤其是对 Agent 审查结果的评论，根据人类工程师的评论去更新代码审查的 Skill。 换句话说，它不是依赖于模型自己去改进自己，而是 Agent 根据人类对模型结果的标注（人类对代码审查的评论），去改进技能。 只不过它把这个事做的摩擦力极低，不需要人手工去收集整理评论，不需要填写调查问卷，人只要自然的去代码下写评论，后面的事情都是 Agent 自动完成。 这可能正是 Agent 的最佳实践方案之一：人负责高纬度的标注、评论、反馈这些事情，Agent 去做执行的工作，Agent 根据人类的反馈去改进 Skill。 除此之外，他们还总结了一些最佳实践： 1. 写原则，不要写死规则。 编写 skill 时，要像在指导一个聪明人，而不是在给计算机编程。在 Skill 中写“寻找重复代码”，比列出详尽的变量命名规则更有效。 2. 解释为什么。 说明规则背后的理由，能让智能体针对问题进行推理，而不是机械执行僵化指令，也因此更容易举一反三。 3. 让反馈没有摩擦毫不费力。 在人们原本工作的地方收集反馈，例如直接评论 PR 或 issue。同时让收集过程自动发生，不要增加额外的提交步骤。低摩擦才能让信号持续流动。如果反馈太麻烦，你就收不到反馈，也就无法改进 Skill。 4. 保持 Skill 精简，并使用渐进式披露。 优秀的 skill 文件不会很庞大；它会引用资源文件和脚本，而不是一次性把所有内容都塞进上下文。 5. 反馈质量大于数量，但数量也有帮助。 一位资深工程师给出的少量、详细且与领域相关的反馈，可能比大量草率反馈更有价值，因为简单的赞成／反对并不能说明“为什么”。 即使样本量相对较小，只要反馈来自掌握领域知识的人，而且足够详细，你也能得到非常好的信号——这些知识是智能体通过其他方式根本无法获得的。话虽如此，优质信号的语料越多，效果越好。 6. 做好改进 Skill 的 Skill，可以用来改进其他 Skill。 把改进 Skill（也就是前面提到的一个代码审查 Skill 一个改进 Skill）做好，收益不只限于眼前这套 Agent 循环，因为改进 Skill 在不同用例之间具有很高的复用性。除了领域专用知识这一部分，它其实是一套相当通用、可复用的机制。代码审查 Agent 的改进 skill，也可以应用到其他 Skill 的改进上。 可能有人会担心：如果反馈本身是错的呢？ Warp 的做法是永远不让 Agent 盲目接受反馈。给它足够的上下文来做基本的合理性检查，限制谁的反馈有权影响技能更新（不是所有人的意见都同等重要），最后始终保留人在循环中审核改动。 对于那些有明确标准答案的领域，比如代码是否通过了测试、部署是否成功，可以先建一个验证基准，让 Agent 自己对着基准跑。没有标准答案的领域，比如代码风格、文档质量，就靠领域专家的判断，不要开放给所有人随意反馈。

背景
Claude Skills 是可复用的指令包，用于教会 AI 智能体处理特定任务，通常以 SKILL.md 文件形式存储，并可附带脚本和参考资料。AGENTS.md 是一个开放标准，用于向 AI 编码智能体提供项目上下文，相当于“智能体的 README”。Warp 是一款流行的终端工具，每月有超过 80 万开发者使用，并一直在集成 AI 进行代码审查。“技能进化”的挑战指的是智能体的能力如何基于经验和反馈随时间改进，而不是保持静态。
社区讨论
推文作者分享了个人经验：一个用于 JavaScript 反混淆的自我改进技能效果不错但文件越来越大，而一个写作技能因缺乏统一标准而出现负优化。作者还指出一个有趣之处：Claude 的博文使用的是 AGENTS.md 而非 CLAUDE.md，而 Claude 默认并不支持 AGENTS.md。总体而言，作者认可 Warp 这种低摩擦、人在环中的方法为最佳实践。

8月29日 03:22在 X 打开#AI agents #self-improving systems #code review #Claude #skill evolution

058.0

OpenMontage：开源智能体驱动的AI视频制作流水线

OpenMontage 是一个开源项目，将 Claude Code、Cursor 和 Codex 等编码智能体转变为完整的 AI 视频制作工作室。它自动化了从调研、脚本编写、素材生成到剪辑和最终渲染的整个流程，一条 60 秒皮克斯风格香蕉短片成本仅 1.33 美元。系统在编写脚本前会进行 15 到 25 次网络搜索，确保内容有真实依据。 该项目通过现有编码工具和开源组件使 AI 视频制作大众化，无需昂贵的专有 API。它标志着向智能体工作流的转变，编码助手可以编排复杂的创意任务，可能颠覆传统视频制作并降低内容创作者的门槛。 OpenMontage 包含 12 条制作流水线、100 多个工具以及 700 多份智能体技能和制作知识文件。它无需付费 API 即可运行，使用免费开源素材库和离线配音，能制作基于真实片源的纪录片式视频，而非图片轮播。项目托管在 GitHub 上，并有一个配套的托管工作流规划器 openmontage.space。

@GitHub_Daily原推文1 张图片OpenMontage 把整条 AI 视频生产线交给编码 Agent，用大白话描述想要什么，直接渲染成片出来。 从选题调研、写脚本、生成素材到剪辑合成一条线跑完，动笔前还会先做 15 到 25 次网络搜索，内容有真实依据不瞎编。 GitHub：http://github.com/calesthio/OpenMontage README 里那条 60 秒皮克斯风格的香蕉短片挺震撼，配音、配乐、字幕全齐，总成本才 1.33 美元。 不配任何付费接口也能玩，免费的开源素材库加离线配音，能剪出真实片源的纪录片式视频，不是图片轮播那种。 Claude Code、Cursor、Codex 这些编码工具都能接，700 多份技能与知识文件教 Agent 像剪辑师一样干活。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

OpenMontage 把整条 AI 视频生产线交给编码 Agent，用大白话描述想要什么，直接渲染成片出来。 从选题调研、写脚本、生成素材到剪辑合成一条线跑完，动笔前还会先做 15 到 25 次网络搜索，内容有真实依据不瞎编。 GitHub：http://github.com/calesthio/OpenMontage README 里那条 60 秒皮克斯风格的香蕉短片挺震撼，配音、配乐、字幕全齐，总成本才 1.33 美元。 不配任何付费接口也能玩，免费的开源素材库加离线配音，能剪出真实片源的纪录片式视频，不是图片轮播那种。 Claude Code、Cursor、Codex 这些编码工具都能接，700 多份技能与知识文件教 Agent 像剪辑师一样干活。

背景
像 Claude Code 这样的编码智能体是能够理解代码库、编辑文件并在终端或 IDE 中运行命令的 AI 工具。智能体视频制作是指使用自主 AI 智能体处理从调研到最终渲染的多步骤创意任务。开源项目允许任何人检查、修改并在本地运行软件，通常比专有服务成本更低。

8月28日 09:20在 X 打开#AI video generation #open-source #coding agents #automation #Claude Code

068.0

小型AI模型已成为重要趋势

Bilgin Ibryam 通过推文宣布小型AI模型已经到来，并链接到 Calvin 的一篇文章。文章认为，小型模型现在能够直接在笔记本电脑和手机上驱动真实应用，无需依赖大型云服务器。这标志着从以往追求更大模型转向注重效率和可访问性的转变。 这一趋势可以通过降低部署成本和实现设备端推理来普及AI，从而改善隐私和延迟。它影响AI工程师、企业和最终用户，使他们无需重型基础设施即可利用AI。这一转变与行业向边缘计算和可持续AI发展的方向一致。 小型模型参数更少，训练数据集更小，因此适合资源受限的环境。根据近期分析，它们在实际任务上可以与大型模型相媲美，同时大幅降低成本。然而，在复杂推理或广泛知识任务上，它们可能仍落后于大型模型。链接的文章可能提供了具体的基准测试和示例，但推文本身并未包含这些内容。

@bibryam

Small Models Have Arrived https://calv.info/small-models-have-arrived

Small Models Have Arrivedcalv.info · 直连原文
背景
像GPT-4这样的大型语言模型（LLM）因其性能而主导了AI领域，但它们需要大量计算资源，且通常基于云端。小型语言模型（SLM）参数更少，运行成本更低，可部署在边缘设备上。小型模型的趋势由模型压缩、蒸馏和高效架构的进步所驱动。这一转变使设备端AI成为可能，从而增强隐私并减少延迟。Calvin的文章可能深入探讨了这些发展。

8月28日 09:39在 X 打开#AI #small models #machine learning #trends

077.0

阿里通义千问发布 Qwen3.8-Flash 多模态模型，支持 100 万上下文，已上线 OpenCode Go

阿里通义千问发布了 Qwen3.8-Flash，这是一款新的多模态模型，提供 125B 和 6B 两种参数规模，原生支持 100 万 token 的上下文窗口。该模型现已集成到 OpenCode Go 中，这是一个面向编码模型的低成本订阅服务。此次发布将大上下文多模态能力带给了更广泛的开发者群体。 Qwen3.8-Flash 将 100 万上下文窗口与多模态输入相结合，使其能够一次性分析整个代码库、长文档和视频。它以每月 10 美元的价格集成到 OpenCode Go 中，大幅降低了开发者使用最先进编码辅助工具的门槛。此举加剧了 AI 编码助手市场的竞争，并可能加速大上下文模型在智能体工作流中的应用。 该模型提供 125B 和 6B 两种参数版本，其中 125B 版本可能是全功能模型，6B 版本则针对效率进行了优化。它原生支持 100 万 token 的上下文窗口，能够处理长文档和整个代码库。OpenCode Go 是一项每月 10 美元的订阅服务，提供经过测试的开源代码模型访问，但具体的使用配额并未公开。该模型被描述为适用于编码辅助、智能体工作流、视觉理解和长视频分析。

@Alibaba_Qwen引用推文125B/6B, 1M context, multimodal, now in OpenCode Go. ⚡ Happy coding with Qwen3.8-Flash!展开原推文收起原推文

@Alibaba_Qwen

125B/6B, 1M context, multimodal, now in OpenCode Go. ⚡ Happy coding with Qwen3.8-Flash!

@opencode

Qwen3.8-Flash is now available in OpenCode Go 125B/6B · 1M context · multimodal

背景
Qwen 是阿里云开发的一系列大型语言和多模态模型，以在编码和推理任务中的强大性能而闻名。100 万 token 的上下文窗口允许模型一次性处理约 75 万个单词，远超常见的 128K 或 200K 限制。OpenCode 是一个开源的 AI 编码智能体，而 OpenCode Go 是其订阅层级，提供对精选开源模型的访问。多模态模型可以接受文本、图像，有时还包括视频或音频作为输入，从而支持超越纯文本编码的更广泛应用。

8月28日 06:41在 X 打开#AI #Qwen #multimodal #OpenCode #model release

087.0

WolfCut：免费开源的剪映替代品

WolfCut 是一个新发布的免费开源桌面视频编辑器，定位为剪映的直接替代品。它提供多轨时间线、语音滤镜、模板复用和本地自动字幕等核心剪辑功能，无需注册账号，导出视频也不加水印。该项目目前处于早期开发阶段，但已提供 Windows、macOS 和 Linux 平台的安装包。 许多用户对剪映日益增多的付费墙和升级提示感到不满，WolfCut 通过提供注重隐私且免费的替代方案来解决这些痛点。其本地处理方式确保视频不会上传到外部服务器，这对注重隐私的创作者来说非常重要。作为一个开源项目，它还欢迎社区贡献，有望成长为长期可行的选择。 WolfCut 使用原生 Rust 引擎保证性能，界面采用 React 并通过 Tauri 封装，同时内置 FFmpeg 进行媒体处理，因此无需额外下载。自动字幕通过本地语音转文字生成，确保视频隐私。与剪映相比，功能集仍然有限，但已覆盖常见的短视频剪辑需求。项目托管在 GitHub 上：https://github.com/jub0t/WolfCut。

@GitHub_Daily原推文1 张图片现在的剪映不少功能都需要会员才能使用，还动不动就提示升级，剪个短视频也得掂量掂量。 WolfCut 干脆做了个免费开源的替代，开箱即用，装上就能剪，无需注册。 GitHub：http://github.com/jub0t/WolfCut 项目刚开源不久，功能目前还不是很多，但剪短视频常用几个功能都有。 包括多轨时间线、语音滤镜、模板复用，自动字幕还是本地转写的，视频不外传。 剪辑出来的视频不加水印，提供 Windows、macOS、Linux 三个平台安装包。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

现在的剪映不少功能都需要会员才能使用，还动不动就提示升级，剪个短视频也得掂量掂量。 WolfCut 干脆做了个免费开源的替代，开箱即用，装上就能剪，无需注册。 GitHub：http://github.com/jub0t/WolfCut 项目刚开源不久，功能目前还不是很多，但剪短视频常用几个功能都有。 包括多轨时间线、语音滤镜、模板复用，自动字幕还是本地转写的，视频不外传。 剪辑出来的视频不加水印，提供 Windows、macOS、Linux 三个平台安装包。

背景
剪映是字节跳动旗下广受欢迎的视频编辑应用，但许多高级功能现在需要付费订阅，用户还经常看到升级提示。像 WolfCut 这样的开源替代品旨在提供类似功能，且不收费、不收集数据。WolfCut 使用 Tauri 框架构建，该框架利用 Web 技术创建轻量级桌面应用；同时使用 Rust 语言，这是一种以性能和安全著称的系统编程语言。FFmpeg 是一个广泛使用的多媒体框架，负责视频和音频处理。

8月29日 04:00在 X 打开#open-source #video-editing #privacy #cross-platform #free-software

097.0

draw-your-font：用 npm 在本地将手写照片变成字体

draw-your-font 是一个新的开源工具，可以完全在本地将手写照片转换为可安装的字体文件。它既可以作为简单的 npm 命令使用，也可以作为 Claude Code 技能使用，你只需将照片拖入终端并说“制作我的字体”。该工具会自动查找字符、进行标注、生成预览，甚至自我评估哪些字符写得不好。 该工具通过将手写样本保留在用户自己的机器上，解决了隐私和成本问题，而在线服务则按月收费并要求将样本上传到其服务器。它使个人能够为个人笔记或网站创建自定义字体，无需持续付费，并且生成的字体版权归用户所有。与 Claude Code 的集成也展示了 AI 代理技能如何简化创造性任务。 该工具完全用 npm 实现，因此无需安装 FontForge 等底层软件，并且可以在 Windows、macOS 和 Linux 上运行。它特别注重字体基线对齐，确保每个字符都适合统一的框架——例如，“g”的尾巴垂到线下，而“o”保持小个子，避免出现绑匪拼贴信的外观。GitHub 仓库地址为 http://github.com/danilo-znamerovszkij/draw-your-font。

@GitHub_Daily原推文1 张图片想把自己的手写字做成字体，网上的同类服务按月收费，还得把手写样本传到人家服务器上。 draw-your-font 把这事做成了本地工具，在纸上写好字拍张照，一条命令就出能直接安装的字体文件。 也能当 Claude Code 的 Skill 用，把照片丢进终端说「做成我的字体」，它自己找字、标注、生成预览，还会自评哪几个字写崩了。 GitHub：http://github.com/danilo-znamerovszkij/draw-your-font 讲究的地方在字高基线，每个字对齐到统一的框架里，g 的尾巴垂到线下、o 保持小个子，不然出来的就像绑匪拼贴信。 纯 npm 实现，不用装 FontForge 这些底层软件，Windows、macOS、Linux 都能跑，手写内容全程不出本机。 这个免费而且字体版权归自己，想给笔记或网站加点手写味的可以折腾一下。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

想把自己的手写字做成字体，网上的同类服务按月收费，还得把手写样本传到人家服务器上。 draw-your-font 把这事做成了本地工具，在纸上写好字拍张照，一条命令就出能直接安装的字体文件。 也能当 Claude Code 的 Skill 用，把照片丢进终端说「做成我的字体」，它自己找字、标注、生成预览，还会自评哪几个字写崩了。 GitHub：http://github.com/danilo-znamerovszkij/draw-your-font 讲究的地方在字高基线，每个字对齐到统一的框架里，g 的尾巴垂到线下、o 保持小个子，不然出来的就像绑匪拼贴信。 纯 npm 实现，不用装 FontForge 这些底层软件，Windows、macOS、Linux 都能跑，手写内容全程不出本机。 这个免费而且字体版权归自己，想给笔记或网站加点手写味的可以折腾一下。

背景
npm 是 Node.js 的标准包管理器，允许开发者从命令行安装和运行 JavaScript 工具。Claude Code 是 Anthropic 推出的 AI 编码助手，可以通过自定义“技能”（针对特定任务的可重用指令或工作流）进行扩展。在字体排印中，基线是大多数字母所在的假想线，正确的基线对齐对于字体看起来自然且可读至关重要。

8月29日 00:00在 X 打开#open-source #font-generation #privacy #developer-tools #npm

107.0

CozyClay：用于AI视频生成的开源3D预演工具

CozyClay 是一个新的开源工具，允许用户在浏览器中创建3D预演场景，以精确控制AI视频生成中的相机和角色运动。它支持MCP集成，用户可以在Claude中描述场景，并在视口中看到动画效果。该工具可以通过一条命令在本地运行，并包含一个预生成的动作片段，便于立即上手实验。 该工具解决了AI视频生成中的一个常见痛点：仅通过文本提示难以控制相机和角色运动。通过提供3D预演界面，CozyClay让创作者能够更精确地控制镜头，从而可能提高AI生成视频的质量和一致性。其开源特性和MCP支持使其易于访问并集成到现有的AI工作流程中。 CozyClay 使用 Three.js 和 React Three Fiber 构建，完全在浏览器中运行。它允许用户搭建场景、摆放角色、设计相机运动和剪辑，并在时间轴上排列运动提示。该工具可以通过一条命令在本地运行，并包含一个用于演示的预生成动作片段。MCP 支持使其能够与 Claude 集成，用户可以用自然语言描述场景，并在视口中看到渲染效果。

@GitHub_Daily原推文1 张图片用 AI 模型生成视频，人物走位和镜头运动全靠提示词硬描述，想要一个低机位环绕镜头，写半天词出来还是不对。 CozyClay 换了个做法，在浏览器里搭一个 3D 预演场景，摆好角色、画好运镜轨道，再把这些镜头喂给 AI 视频模型。 搭场景像玩黏土，拖积木块搭场地、给角色摆姿势，相机操作沿用 3D 编辑器那套习惯，选中按 F 直接对准。 GitHub：http://github.com/NomaDamas/CozyClay 也能接 MCP，在 Claude 里说「小巷里放一个侦探和快递员，给个低机位大广角」，画面直接在视口里动起来。 一条命令就能在本地跑起来，自带一段预生成的动作片段，时间线、运镜马上就能上手把玩。 想让 AI 视频按自己脑子里的分镜走的，可以拿它先排戏再生成。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

用 AI 模型生成视频，人物走位和镜头运动全靠提示词硬描述，想要一个低机位环绕镜头，写半天词出来还是不对。 CozyClay 换了个做法，在浏览器里搭一个 3D 预演场景，摆好角色、画好运镜轨道，再把这些镜头喂给 AI 视频模型。 搭场景像玩黏土，拖积木块搭场地、给角色摆姿势，相机操作沿用 3D 编辑器那套习惯，选中按 F 直接对准。 GitHub：http://github.com/NomaDamas/CozyClay 也能接 MCP，在 Claude 里说「小巷里放一个侦探和快递员，给个低机位大广角」，画面直接在视口里动起来。 一条命令就能在本地跑起来，自带一段预生成的动作片段，时间线、运镜马上就能上手把玩。 想让 AI 视频按自己脑子里的分镜走的，可以拿它先排戏再生成。

背景
AI视频生成模型通常依赖文本提示来描述所需场景，但仅通过文本难以精确控制相机运动和角色位置。预演（previs）是电影制作中用于在实际拍摄前使用3D模型规划镜头的技术。CozyClay 将这一概念引入AI视频生成，允许用户创建3D场景、定义相机路径，然后将这些信息提供给AI视频模型。MCP（模型上下文协议）是一种将AI助手连接到外部工具和数据源的标准，使 Claude 能够与 CozyClay 交互。

8月28日 13:30在 X 打开#AI video generation #3D pre-visualization #open-source #MCP #creative tools

117.0

emailmd：用 Markdown 写邮件，生成兼容各客户端的 HTML

emailmd 是一个新工具，让开发者用 Markdown 写邮件，并渲染成兼容 Gmail、Outlook、苹果邮件等客户端的 HTML。它支持六种数据可视化元素——柱状图、进度条、KPI 卡片、星级评分等，只需编写简单列表即可生成。该工具提供命令行、React 组件和 MCP 服务器三种使用方式，便于 AI 集成。 HTML 邮件在不同客户端中的渲染效果差异很大，尤其是 Outlook 使用 Microsoft Word 的渲染引擎，会破坏现代 CSS。emailmd 通过 Markdown 抽象掉复杂性，并使用表格和文本符号绘制图表，让开发者免于手写数百行基于表格的布局。其 MCP 集成还使 AI 助手能够生成、检查和预览邮件，顺应了 AI 辅助开发的趋势。 该工具使用表格和文本符号渲染图表，因此即使邮件客户端屏蔽远程图片也能正常显示，纯文本版本还会自动重排内容，避免塌成一串数字。它已在 GitHub 上开源（github.com/anypost/emailmd），并提供托管 MCP 端点（emailmd.dev/api/mcp）或通过 'npx emailmd mcp' 本地运行。MCP 服务器提供编写、检查和渲染邮件的工具，并为每个草稿生成实时预览链接。

@GitHub_Daily原推文1 张图片在代码里发 HTML 邮件是个老大难，网页上调得好好的样式，到 Outlook 里表格散架、按钮错位，各家邮箱兼容性还不一样。 emailmd 把这活简化成写 Markdown，渲染出各家邮箱都认的 HTML，Gmail、Outlook、苹果邮件这些客户端都能正常显示。 图表是亮点，柱状图、进度条、KPI 卡片、评分星星，6 种数据元素各写一个列表就能生成。 底层是拿表格和文字符号画的，邮箱屏蔽远程图片时照样显示，纯文本版里还会自动重排，不会塌成一串数字。 GitHub：http://github.com/anypost/emailmd 命令行、React 组件、MCP 服务三种用法都有，接上 MCP 还能让 AI 帮着渲染邮件、检查影响送达的问题。 做产品要发注册确认、订阅通知这类邮件的，省得再跟几百行 table 布局较劲。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

在代码里发 HTML 邮件是个老大难，网页上调得好好的样式，到 Outlook 里表格散架、按钮错位，各家邮箱兼容性还不一样。 emailmd 把这活简化成写 Markdown，渲染出各家邮箱都认的 HTML，Gmail、Outlook、苹果邮件这些客户端都能正常显示。 图表是亮点，柱状图、进度条、KPI 卡片、评分星星，6 种数据元素各写一个列表就能生成。 底层是拿表格和文字符号画的，邮箱屏蔽远程图片时照样显示，纯文本版里还会自动重排，不会塌成一串数字。 GitHub：http://github.com/anypost/emailmd 命令行、React 组件、MCP 服务三种用法都有，接上 MCP 还能让 AI 帮着渲染邮件、检查影响送达的问题。 做产品要发注册确认、订阅通知这类邮件的，省得再跟几百行 table 布局较劲。

背景
HTML 邮件开发具有挑战性，因为各邮件客户端对 CSS 和 HTML 的支持不一致。Outlook 2007-2019 使用 Microsoft Word 的渲染引擎，对 flexbox 和 grid 等现代 CSS 属性支持有限，经常破坏布局。开发者传统上依赖基于表格的布局和内联样式来确保兼容性。Markdown 是一种轻量级标记语言，可将纯文本转换为 HTML；MCP（模型上下文协议）是一种将 AI 助手连接到外部工具和数据源的标准。

8月28日 10:30在 X 打开#email #markdown #developer-tools #MCP #HTML

127.0

Anthropic 扩大与 Cursor 的合作，承诺为 Claude 提供更多算力

Anthropic 的 Tom Brown 公开重申了与 Cursor 的合作关系，表示自 Claude Sonnet 3.5 发布以来，Cursor 一直是值得信赖的合作伙伴。他宣布 Anthropic 将继续增加算力资源，以支持 Cursor 中的 Claude 模型。该声明还暗示了未来在 SpaceX 的合作。 这一声明标志着领先的 AI 模型提供商与广受欢迎的 AI 编码工具之间的合作进一步深化，这可能会为在 Cursor 中使用 Claude 的开发者带来性能和可靠性的提升。增加算力分配可能支持更高级的功能和更快的响应速度，直接惠及日益壮大的 AI 辅助编程社区。这也凸显了 AI 编码代理在开发者工具竞争格局中的战略重要性。 双方的合作可追溯至 Claude Sonnet 3.5 的发布，表明这是一种持续的关系，而非新的进展。Tom Brown 提到 SpaceX，暗示未来可能在太空探索领域涉及 Cursor 和 Anthropic 技术的整合或合作，但未提供具体细节。该声明侧重于算力分配，而非新模型发布或功能更新，因此近期变化可能仅限于后端容量。

@trq212引用推文Long-time admirer of the Cursor team, few have done more to bring AI coding to the world. Excited to continue to partner with them.展开原推文收起原推文

@trq212

Long-time admirer of the Cursor team, few have done more to bring AI coding to the world. Excited to continue to partner with them.

@NotTomBrown

Cursor has been a trusted partner of Anthropic since Sonnet 3.5. We’ll continue to increase compute to support Claude models in Cursor and are excited for what comes next with them at SpaceX.

背景
Cursor 是由 Anysphere 开发的一款 AI 驱动的代码编辑器，旨在帮助开发者使用自然语言指令编写、编辑和理解代码。Anthropic 是一家以 Claude 系列大语言模型而闻名的 AI 研究公司，这些模型被广泛用于编码和其他任务。两家公司之间的合作使 Cursor 能够集成 Claude 模型，让用户可以直接在开发环境中获得先进的 AI 辅助。Tom Brown 是 Anthropic 的重要人物，他的公开声明通常反映公司的官方立场。

8月29日 03:29在 X 打开#Anthropic #Cursor #AI coding #Claude #partnership