YOHO AI

标签： AI编程

  • addyosmani/agent-skills：给 AI 编程助手装上 24 套「资深工程师技能」的开源技能库（76.9K⭐）

    addyosmani/agent-skills：给 AI 编程助手装上 24 套「资深工程师技能」的开源技能库（76.9K⭐）

    Addy's Agent Skills

    agent-skills 是 Google Chrome 团队工程师 Addy Osmani 维护的一套「生产级工程技能库」——把资深工程师在定义、规划、构建、验证、评审、发布软件时遵循的工作流、质量门禁与最佳实践，封装成 AI 编程 Agent 可以直接调用的结构化技能（Skills）。目前 76.9K Stars、MIT 许可，是当下 GitHub 上最热门的 AI 工程实践项目之一。

    一、安装要求和过程

    环境要求：

    • 任意支持 Skills / 系统提示 / 指令文件的 AI 编程客户端（Claude Code、Cursor、Codex、Copilot、Cline、Gemini CLI、Windsurf、Kiro、OpenCode 等 70+ 款）；
    • 一键安装需 Node.js（提供 npx skills 命令）；
    • 本地克隆方式需 Git。

    快速安装：

    方式一：skills CLI 一行装全部（推荐，覆盖 70+ Agent）

    npx skills add addyosmani/agent-skills            # 安装全部 24 套技能
npx skills add addyosmani/agent-skills --list     # 安装前先浏览
npx skills add addyosmani/agent-skills --skill test-driven-development  # 只装单个技能

    方式二：Claude Code 原生插件市场

    /plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills

    方式三：本地克隆后挂载

    git clone https://github.com/addyosmani/agent-skills.git
claude --plugin-dir /path/to/agent-skills

    二、核心功能

    • 8 条贯穿开发生命周期的斜杠命令：/spec（定规格）、/plan（拆任务）、/build（增量实现）、/test（验证）、/review（评审）、/webperf（性能）、/code-simplify（简化）、/ship（发布），每条命令自动激活对应技能。
    • 24 套覆盖全流程的工程技能：从 interview-me（需求澄清）、spec-driven-development（写 PRD），到 test-driven-development、code-review-and-quality（五轴评审）、security-and-hardening（OWASP 防护）、shipping-and-launch（上线清单）。
    • 技能即结构化工作流：每个 Skill 都带步骤、验证门禁（verification gates）和「反合理化」对照表，让 Agent 跨任务稳定遵守同一套标准，而不是凭心情发挥。
    • 上下文自动触发：设计 API 自动触发 api-and-interface-design，写 UI 自动触发 frontend-ui-engineering，无需手动指定。
    • /build auto 半自治模式：审批一次计划后，Agent 自动逐任务实现、测试驱动、单独提交，遇出错或高风险步骤自动暂停。

    三、典型使用场景

    1. 新功能从 0 到上线：用 /spec 先写规格、/plan 拆任务、/build 增量实现、/test 验证、/review 评审、/ship 发布——把「想到哪写到哪」变成可重复的流水线。
    2. 代码评审质量门禁：合并前调用 code-review-and-quality 做五轴评审（可读性 / 正确性 / 复杂度 / 测试 / 安全），以「Staff Engineer 会不会 merge」为标准，避免 AI 生成的 PR 带病合并。
    3. 安全敏感改动：涉及用户输入、鉴权、外部集成时触发 security-and-hardening，按 OWASP Top 10 检查、管理密钥、审计依赖，降低生产事故概率。

    四、推荐理由

    我自己的使用感受：这套技能库最打动人的地方，是它把「资深工程师的肌肉记忆」显式化了。平时让 AI 写代码，最容易翻车的是「需求没问清就开干」「改完不写测试」「PR 质量没把关」。agent-skills 用 /spec → /test → /review 把这些容易偷懒的环节变成默认流程，相当于给 Agent 配了个不会疲倦的 Tech Lead。它是纯 Markdown、零运行时依赖，装到任何 Agent 里都不增加包袱，值得每个用 AI 写代码的人试一试。

    五、下载地址

  • Meta开放Muse Spark 1.1，想让自家的模型给开发者写代码

    Meta Muse Spark 1.1 编程模型概念图
    Meta 通过 Meta Model API 开放 Muse Spark 1.1（配图）

    今年 4 月，Meta 带着自家的第一个自研模型 Muse Spark 重新杀回 AI 牌桌。才过去三个月，它又往前挪了一步：把升级版 Muse Spark 1.1 通过一个新的 Meta Model API，开放给美国开发者做公开预览。换句话说，Meta 不再满足于只把模型藏在自己产品里，它想成为别人搭 AI 工具时脚下的那层地基。

    从”自己玩”到”让别人也来用”

    Meta 对 1.1 版的定位是比初代”跨了一大步”，改进来自开发者的反馈。具体能干什么？更硬的编程能力，包括发现和修复复杂 bug；更好地支持跨多个 App 的端到端智能体工作流，甚至多智能体协作；还原生具备对图片、视频、文档的多模态感知。上下文窗口给到了 100 万 token。

    Meta 说 Muse Spark 1.1 相比初代是”step-change”级别的跃迁，重点补上了复杂 bug 修复、多智能体编排，以及跨图片、视频、文档的原生多模态感知。

    身后那笔账

    这次发布紧跟在本周 Muse Image 的后面——那个图像生成模型因为能把别的用户的 Instagram 内容揉进生成结果里，已经惹出争议。但 Muse Spark 1.1 走的是另一条路：它要接进 AI 编程软件，去挤那个已经很挤的赛道。这一切都发生在 Meta 想证明自己砸下去的几十亿美元没白花的大背景下；过去一年它挖了一堆明星工程师、做了内部重组，目标就是追上 OpenAI、Google 和 Anthropic。

    怎么拿到，花多少钱

    新模型现在就能在 Meta AI App 和网站里用 Thinking 模式体验，同时通过 Meta Model API 向美国开发者开放公开预览。每个新开的 API 账号，Meta 还送 20 美元的免费额度。回想一下，Muse Spark 最早只在 Meta AI 里能用，后来才陆续驱动了 Instagram、WhatsApp 里的聊天机器人，以及最新的 Meta 智能眼镜。开发者 API 的具体按 token 计费标准还没公布，重度使用可能会被限流。

    分数还没追上，但路线选得巧

    在硬跑分上，Muse Spark 1.1 还没坐到领头的位置。Terminal-Bench 2.0 这种真实编程任务的测试里它拿了 59.0 分，落在 OpenAI 的 GPT-5.5（82.7）、Google 的 Gemini（68.5）和 Anthropic 的 Claude Opus（65.4）后面；SWE-Bench Verified 上它 77.4%，而 GPT-5.5 是 88.7%。Meta 自己也在声明里认了这些差距，说会继续往长程智能体和编程工作流里砸钱补窟窿。

    • 公开预览 7 月 9 日启动，而它的私下预览从 4 月就开始了。
    • 通过 meta.ai 和 Meta AI App，模型目前免费可用，企业级调用成本待定。
    • 100 万 token 上下文，是它目前最能拿得出手的一张牌。

    对 Meta 来说，这一步的意义不只在分数。当 OpenAI、Google、Anthropic 都在抢”谁坐在普通人的聊天框里”时，Meta 悄悄选了另一条战线——抢”谁坐在成千上万个编程助手、检索管道和自动智能体下面”。这条战线更安静，但可能更值钱：底层模型一旦被大量开发者依赖，迁移成本就高了，后面的议价权也就到了 Meta 手里。

  • Desktop Commander MCP：让 AI 直接掌控你的终端与文件系统

    Desktop Commander MCP：让 AI 直接掌控你的终端与文件系统

    Desktop Commander MCP

    一、项目简介

    Desktop Commander MCP 是一个为 Claude、Cursor、VS Code、Claude Code 等 AI 编程客户端提供「终端控制 + 文件系统搜索 + 差异文件编辑」能力的 MCP（Model Context Protocol）服务器。它让你的 AI 助手不再只会「动嘴」，而是能在你的本地电脑上真正「动手」——开终端、搜文件、改代码、跑命令、看结果，一条龙闭环。

    项目由 wonderwhy-er 维护，目前 GitHub 收获 6,700+ Stars、882 Forks，采用 MIT 协议开源，底层用 TypeScript 实现，跨 Windows / macOS / Linux 全平台可用。

    二、安装要求与过程

    环境要求

    • Node.js（推荐 18+；或改用 Docker 方式，无需安装 Node）；
    • 一个支持 MCP 的客户端：Claude Desktop / Cursor / VS Code / Claude Code / Codex / Gemini CLI / Windsurf 等；
    • 操作系统：Windows、macOS、Linux 均可。

    快速安装（以 Claude Desktop 为例，npx 自动更新）

    npx @wonderwhy-er/desktop-commander@latest setup

    或手动在 claude_desktop_config.json 中添加：

    {
  "mcpServers": {
    "desktop-commander": {
      "command": "npx",
      "args": ["-y", "@wonderwhy-er/desktop-commander@latest"]
    }
  }
}

    其他客户端一句话安装

    # Claude Code
claude mcp add --scope user desktop-commander -- npx -y @wonderwhy-er/desktop-commander@latest

# Codex
codex mcp add desktop-commander -- npx -y @wonderwhy-er/desktop-commander@latest

# Qwen Code
qwen mcp add desktop-commander -- npx -y @wonderwhy-er/desktop-commander@latest

    不想装 Node？直接用 Docker 一键脚本（install-docker.sh / install-docker.ps1）启动；也可以通过 Smithery、Cursor 的 MCP 安装链接等图形化方式添加。

    三、核心功能

    1. 增强型终端控制：运行长时间命令、管理交互式进程（start_process / interact_with_process / read_process_output / force_terminate）、会话管理，并支持指定 bash / zsh 等 shell。
    2. 完整文件系统操作：读 / 写 / 移动 / 递归列目录、按文件名与内容搜索（基于 vscode-ripgrep 的递归搜索）、读取文件元数据、负偏移 tail 读取超大日志。
    3. 差异文件编辑（edit_block）：精准 SEARCH/REPLACE 替换、模糊回退、字符级 diff、多文件与正则模式替换，像资深工程师一样做「外科手术式」修改，而不是整文件重写。
    4. 即时数据分析与办公文档：在内存中直接跑 Python / Node / R 代码；原生读写 Excel（.xlsx/.xls/.xlsm）、PDF、DOCX；直接分析 CSV / JSON，数据不出本机。
    5. 企业级安全与可观测：符号链接遍历防护、命令黑名单、Docker 隔离、全面审计日志（10MB 轮转）、动态配置无需重启。

    四、典型使用场景

    • 大型代码库重构：让 Claude 用 ripgrep 递归搜出所有调用某函数的地方，逐文件用 edit_block 做差异修改。社区里有用户用它一次性修完 23 个文件、76 个错误的 Svelte 5 项目，速度远超传统 AI 编码体验。
    • 本地数据分析：把 Downloads 里的 CSV 丢给 Agent，它直接在内存里跑 Python 做清洗、统计、画图，全程不离开本机，隐私可控。
    • 自动化日常办公：自动按文件类型整理 Downloads、找出重复照片、把 Excel 报表转成图表或 Markdown，把重复的体力活交给 AI。

    五、推荐理由

    一句话总结：这是目前我用过「最像把 AI 变成真同事」的 MCP 工具。它不只是一个文件服务器，而是把「读代码 → 改代码 → 跑命令 → 看结果」的闭环搬进了对话框。

    最香的是差异编辑（edit_block）——AI 不再整文件重写，而是精准打补丁，token 消耗更低、上下文更稳，长时间对话也不容易「翻车」。配合 Claude Code / Cursor，几乎可以取代一部分 IDE 操作，Vibe Coding 体验拉满。

    唯一要留意的是权限边界：它默认能跑任意终端命令，建议在配置里用 allowedDirectories 限定工作目录，并保持审计日志开启。整体来说，开源 MIT、跨平台、一行命令装好，强烈推荐给所有做 AI 编程的人。

    六、下载地址

  • 成立不到三年估值翻倍到132亿美元，Lovable做对了什么

    Lovable 氛围编程创业公司
    用大白话描述需求，软件自己就长出来了——这正是氛围编程的卖点

    一家瑞典的”vibe-coding”（氛围编程）创业公司 Lovable，正在谈一轮 3 亿美元的融资，估值直接冲到 132 亿美元——正好是他们去年 12 月 66 亿美元估值的两倍。据 Sifted 报道，领投的是 Menlo Ventures，就是上个月刚宣布募了 30 亿美元新基金的那家。不到一年估值翻一倍，这速度在 AI 应用层里也算扎眼。

    收入跑得比名气还快

    这家成立还不到三年的公司，今年 6 月年化收入跑到了 5 亿美元。它的用户群挺杂：有创始人、独立设计师、做销售的人，拿它来搭网站和电商落地页；它也把工具卖给大公司，Workday、Asana、英伟达都在客户名单里。既有散客又有大单，这让它跟那些只靠个人开发者撑场面的竞品拉开了身位。

    “用大白话描述一下，软件就自己长出来了”——这大概就是氛围编程最直白的注脚。

    为什么”氛围编程”这么值钱

    氛围编程说白了就是用户用自然语言描述想要什么，AI 就把软件给搭出来。这目前是 AI 最火、也最赚钱的应用场景，没有之一。同赛道里早就挤满了高估值玩家：

    • Replit：今年 3 月估值到 90 亿美元
    • Factory：帮企业做 AI 代理，4 月拿了 1.5 亿融资、估值 15 亿
    • Cursor：给开发者做氛围编程，上个月刚被 SpaceX 以 600 亿美元股票收购

    Lovable 这波估值翻倍，本质上是市场在给”AI 让人人都能写软件”这个故事重新定价。当收入跑得快、大企业也愿意买单，投资人自然愿意把赌注加倍。不过氛围编程这行的护城河到底有多深，会不会被大厂自家的 AI 工具一点点稀释，到现在还是个没人能答清楚的问题。

    回头看，Lovable 从去年底 66 亿到如今 132 亿，踩中的是 AI 从”聊天”走向”真把东西做出来”的那股劲。接下来要看的是，它能不能在 Cursor 被巨头收编、大厂工具免费化的夹击下，守住自己的那块地盘。

  • Zed：用 Rust 重写的高性能 AI 代码编辑器，86.6K Stars 让 VS Code 也坐不住了

    Zed：用 Rust 重写的高性能 AI 代码编辑器，86.6K Stars 让 VS Code 也坐不住了

    Zed 代码编辑器

    项目简介：Zed 是由 Atom 与 Tree-sitter 创始人 Nathan Sobo 团队打造的高性能、多人协作代码编辑器，用 Rust + GPU 加速实现极致流畅的编码体验，并原生集成了 AI 助手与智能体能力。

    📦 安装要求与过程

    环境要求

    • 操作系统：macOS 10.15+ / Linux（glibc 2.28+）/ Windows 10+
    • 架构：x86_64 与 arm64 均支持
    • 零额外依赖：自带 GPUI 渲染引擎，无需预装 Node 或 Electron

    快速安装

    • macOS：brew install --cask zed
    • Windows：Microsoft Store 或 winget install Zed.Zed
    • Linux：官网提供 .deb / .rpm / AppImage，或参考 Linux 安装文档
    • 通用：访问 zed.dev/download 直接下载安装包

    如需从源码构建，克隆仓库后执行 cargo run 即可（需 Rust 工具链）。详见各平台 开发文档。

    ⚡ 核心功能

    1. 极速编辑体验：Rust 编写 + GPU 渲染，多光标编辑、百万行大文件秒开，输入延迟低至亚毫秒级，彻底告别卡顿。
    2. 原生多人协作：实时共同编辑、跟随模式（follow）、内置语音频道，无需安装插件即可远程结对编程。
    3. AI 深度集成：内置 Agent 面板、内联补全（Inline Assistant）与命令面板 AI，支持 OpenAI / Anthropic / Ollama 等自定义模型。
    4. Agent Panel 智能体：让 AI 在编辑器内直接读写文件、运行命令、多步迭代修改代码，把编码助理变成真正的协作者。
    5. 基于 GPUI 框架：自研 UI 框架，扩展能力强；配合 Tree-sitter 实现精准的语法高亮与增量解析。

    🎯 典型使用场景

    • 团队结对编程：多人实时共编 + 内置语音，分布在不同城市的同事协作如坐同一间办公室。
    • AI 辅助开发：用 Agent Panel 让 AI 完成函数重构、生成单元测试、解释复杂模块，效率翻倍。
    • 大型项目快速导航：在海量代码库中秒级全局搜索与跳转，老旧大型工程也能流畅编辑。

    💡 推荐理由

    我实际体验过 Zed，最深的感受就是两个字——「丝滑」。打开几十 MB 的日志文件、全局搜索几乎零等待；它的 AI 能力不是外挂插件，而是编辑器原生的一部分，Agent Panel 真能在编辑器里完成多步任务、自己改文件跑命令。对于受够编辑器卡顿、又想要「AI 就在手边」的开发者，Zed 非常值得一试。2026 年 4 月它已发布 1.0 正式版，稳定性和生态都在快速成熟。

    🔗 下载地址

    本文由自动化工作流整理发布 · 许可证：GPL-3.0-or-later（含 Apache-2.0 组件）

  • ai-website-cloner-template：AI 一键克隆任意网站，26K+ Stars 让网站逆向工程变得全自动

    ai-website-cloner-template：AI 一键克隆任意网站，26K+ Stars 让网站逆向工程变得全自动

    ai-website-cloner-template：用 AI 编程助手一键克隆任意网站

    📌 项目简介

    ai-website-cloner-template 是一个可复用的开源模板，让你用一条命令、借助任意 AI 编程助手，将任何网站逆向工程为干净、现代的 Next.js 代码库——相当于给 AI 下了个「克隆这个网站」的指令，它就能把设计令牌、组件结构、交互逻辑全部还原出来。

    ⭐ GitHub Stars：26,229+
    🏷️ 开源许可：MIT（免费商用）
    💻 主要语言：TypeScript（Next.js 16 + React 19）
    🤖 支持 AI 助手：13 款（Claude Code / Codex / Cursor / Windsurf 等）

    ⚙️ 安装要求和过程

    环境要求

    • Node.js 24+（必需，项目使用 Next.js 16 App Router）
    • 一个 AI 编程助手（推荐 Claude Code，也支持 Codex CLI / Cursor / Windsurf 等 13 款）
    • Git（用于多 worktree 并行开发）

    快速安装步骤

    1. 从模板创建自己的仓库
      在 GitHub 页面点击 Use this template → Create a new repository
    2. 克隆到本地 
      git clone https://github.com/YOUR-USERNAME/YOUR-NEW-REPOSITORY.git
cd YOUR-NEW-REPOSITORY
    3. 安装依赖 
      npm install
    4. 启动 AI 助手（推荐 Claude Code） 
      claude --chrome
    5. 开始克隆网站！ 
      /clone-website https://example.com

    Docker 方式（可选）：

    docker compose up app --build   # 构建并运行应用
docker compose up dev --build    # 开发模式，端口 3001

    🌟 核心功能

    ① 13 款 AI 编程助手全覆盖

    无论你用的是哪款 AI 编程工具，都能直接上手。支持 Claude Code、Codex CLI、OpenCode、GitHub Copilot、Cursor、Windsurf、Gemini CLI、Cline、Roo Code、Continue、Amazon Q、Augment Code、Aider 共 13 款，真正做到了「一次配置，到处运行」。

    ② 五阶段智能流水线

    克隆过程被精心设计为五个阶段，模拟专业前端工程师的工作流：

    • 侦察阶段：自动截图、提取设计令牌（颜色/字体/间距）、扫描交互行为（滚动/点击/悬停/响应式）
    • 基础构建：更新字体、颜色、全局样式，下载所有静态资源
    • 组件规格：为每个组件编写详细规格文件（含精确 CSS 计算值、状态、行为、内容）
    • 并行构建：在独立 git worktree 中分派多个构建代理，每个代理负责一个 section/component，极大加速生成
    • 组装与 QA：合并 worktree，连接页面，与原始网站进行视觉差异对比

    ③ 多 URL 并行处理

    传入多个 URL，系统自动并行处理，每个站点输出隔离，互不干扰。非常适合克隆拥有多个子页面的完整网站。

    /clone-website https://example.com https://example.com/about https://example.com/pricing

    ④ 单一真相来源架构

    采用 AGENTS.md 和 .claude/skills/clone-website/SKILL.md 作为源文件，通过同步脚本自动生成各平台（Claude Code / Cursor / Windsurf 等）的配置文件，避免多平台维护的噩梦。

    bash scripts/sync-agent-rules.sh   # 重新生成代理指令文件
node scripts/sync-skills.mjs       # 重新生成所有平台的 /clone-website 技能

    ⑤ 生产级技术栈

    生成的代码库本身就是高质量成品：

    • Next.js 16（App Router）+ React 19 + TypeScript strict
    • shadcn/ui（Radix primitives）+ Tailwind CSS v4
    • Lucide React 图标（克隆时自动替换为提取的 SVG）
    • 内置 npm run check（lint + typecheck + build）完整质量检查链

    🚀 典型使用场景

    场景一：平台迁移

    你的网站跑在 WordPress / Webflow / Squarespace 上，想迁移到现代化的 Next.js 技术栈，但舍不得原有的设计和交互细节。ai-website-cloner-template 可以完整克隆原站的外观和交互，生成一个干净的 Next.js 项目，你可以在此基础上继续开发，告别笨重的旧平台。

    场景二：丢失源码的网站恢复

    网站还在运行，但代码库早已丢失（或者前开发者跑路了）。只要网站还能访问，就能用它逆向生成完整的 Next.js 源码。虽然不能保证 100% 还原（特别是复杂的后端交互），但前端部分可以还原到惊人的精度。

    场景三：学习生产级前端实现

    看到一个网站的布局、动画或响应式实现特别惊艳，想研究它是怎么做的？与其对着 DevTools 一行行扒代码，不如直接让 AI 克隆一份，然后在生成的代码库里慢慢研究。相当于有了一个「可运行的解构说明书」。

    💡 推荐理由

    作为前端开发者，我曾经多次遇到「这个网站的某个交互效果真好，我想知道它是怎么实现的」的情况。传统做法是在浏览器 DevTools 里对着压缩过的 CSS 和 JS 猜谜，效率低得令人发指。

    ai-website-cloner-template 最让我惊艳的地方在于它把「克隆网站」这个复杂任务分解成了 AI 助手真正擅长的子任务：侦察、提取设计令牌、编写组件规格、并行构建。整个流程设计得非常专业，不是简单的「让 AI 写代码」，而是模拟了一个资深前端工程师的工作流程。

    特别值得一提的是 并行构建 阶段——它利用 git worktree 让多个 AI 代理同时工作，每个代理负责不同的组件，最后再合并。这个设计既聪明又实用，大大缩短了等待时间。

    当然，这个项目也有局限性：它主要处理前端部分，动态后端逻辑无法完整还原；对于高度依赖状态的复杂 SPA，还原精度会有所下降。但作为「前端快速原型 + 设计逆向学习」工具，它已经远超我的预期。

    如果你正在考虑从旧平台迁移、需要快速做网站原型、或者单纯想学习优秀网站的前端实现，这个项目绝对值得一试。

    ⚠️ 使用提醒：请遵守法律法规和网站服务条款。不要将克隆的网站用于钓鱼、冒充或侵犯他人知识产权。项目作者也明确列出了不允许的用途。

    📥 下载地址

    本文由 AI 自动生成 · 数据来源 GitHub Trending · 如有错误或遗漏欢迎指正

  • Continue：开源 AI 编程助手，让 VS Code 和 JetBrains 拥有最强大脑（34K+ Stars）

    Continue：开源 AI 编程助手，让 VS Code 和 JetBrains 拥有最强大脑（34K+ Stars）

    Continue：开源 AI 编程助手，让 VS Code 和 JetBrains 拥有最强大脑

    发布于 2026 年 7 月 | 分类：开源项目
    ⭐ 34K+ Stars
    TypeScript
    Apache-2.0
    持续维护中

    📌 项目简介

    Continue 是为 VS Code 和 JetBrains IDE 打造的开源 AI 编程助手，让开发者在熟悉的编辑器里直接获得代码补全、交互式聊天、代码编辑等 AI 能力。官网 slogan：“The easiest way to code with any LLM” —— 支持几乎所有主流大模型，本地、云端随意切换。

    🌐 官网continue.dev
    🐙 GitHubgithub.com/continuedev/continue
    📦 安装VS Code / JetBrains Marketplace 搜索 “Continue”
    🔑 许可Apache-2.0

    🔧 安装要求和过程

    环境要求

    • VS Code 1.70+ 或 JetBrains IDE（IntelliJ / PyCharm / WebStorm 等）
    • 支持 Windows / macOS / Linux 三平台
    • 网络连通（用于下载模型或连接云端 API）
    • 本地运行需要 Ollama 等本地 LLM 工具（可选）

    快速安装（3 步搞定）

    1. 安装插件：在 VS Code 扩展市场或 JetBrains Plugin 市场搜索 Continue，一键安装
    2. 选择模型：打开 Continue 侧边栏，选择你想用的模型（云端 API 或本地 Ollama）
    3. 开始编码：在编辑器中选中代码，按快捷键唤醒 AI，或直接聊天提问
    💡 快速体验：不想配置 API Key？先装个 Ollama，在 Continue 里选一个本地模型，零成本跑起来！

    🎯 核心功能

    1. 智能代码补全（Autocomplete）

    基于上下文的多行代码补全，比传统补全更懂你的意图。支持主流编程语言，响应速度经过专门优化，打字如飞不卡顿。

    2. 交互式聊天（Chat）

    在侧边栏和 AI 对话，支持引用当前文件、选中代码、整个项目上下文。可以问 “这段代码什么意思？”、”帮我优化这个函数”、”写一个单测” 等，AI 直接给出代码建议。

    3. 编辑与重构（Edit）

    选中代码后，用自然语言描述你想做的修改，Continue 直接在编辑器里帮你改好。支持多文件编辑、批量重构，是日常开发最高频使用的功能。

    4. 模型自由切换

    支持 100+ LLM 提供商：Anthropic Claude、OpenAI GPT、Google Gemini、本地 Ollama、自托管 vLLM……一套界面，随意切换。企业可以用自己的模型，个人开发者可以零成本用本地模型。

    5. 上下文理解（Context Awareness）

    Continue 不只是 “聊天框里的 AI”，它能理解你的项目结构、当前文件、选中的代码，甚至整个代码库。支持 @files、@folders、@code 等快捷引用，让 AI 精准理解你的意图。

    🚀 典型使用场景

    场景一：快速理解遗留代码

    接手一个陌生项目，面对几千行没注释的代码一头雾水？选中整个文件，问 Continue：”这个文件的核心逻辑是什么？有哪些潜在问题？” 几秒钟就能获得清晰的解读，比自己啃代码效率高 10 倍。

    场景二：本地零成本 AI 编程

    不想把代码上传到云端？装个 Ollama，在 Continue 里选一个本地跑的开源模型（DeepSeek Coder、CodeLlama 等），所有代码处理都在本地完成，隐私 100% 可控，还不用花一分钱 API 费用。

    场景三：团队协作统一 AI 工作流

    Continue 支持配置文件（config.json）提交到代码库，团队所有人用同一套提示词、同一个模型，AI 辅助编码的效果可复现、可迭代，从 “个人玩具” 升级为 “团队生产力工具”。

    💎 推荐理由

    作为每天和代码打交道的开发者，我对 Continue 的评价就三个字：真的香。

    最打动我的是它的 模型无关设计。不像有些 AI 编程工具绑定特定厂商，Continue 把选择权完全交给你——想用 Claude 写复杂逻辑、用本地模型做快速补全、用 GPT 做代码 review，全在一个插件里搞定，不用在不同的工具之间反复横跳。

    另一个亮点是 开源透明。Apache-2.0 许可，代码完全公开，不用担心 “哪天服务商涨价或者跑路”。而且开源社区非常活跃，几乎每周都有新功能发布，Issue 响应速度也很快。

    当然也有不足：模型切换的配置界面对新手不太友好，第一次用的时候需要花点时间搞清楚怎么添加自定义模型。但一旦配置好，日常使用体验非常流畅，已经成了我写代码时离不开的工具。

    如果你在用 VS Code 或 JetBrains，还没试过 Continue，强烈建议花 5 分钟装一下 —— 它可能会改变你写代码的方式。

    📦 下载地址

    📌 本文由 AI 自动整理，信息来自 GitHub 公开数据，如有偏差以官方文档为准。欢迎在评论区分享你的使用体验！

  • 阿里巴巴禁用Claude Code，中美AI工具博弈再升级

    阿里巴巴禁用Claude Code，中美AI工具博弈再升级

    阿里巴巴内部发出了一份有意思的通知：从7月10日开始，员工不得再使用 Anthropic 的编程工具 Claude Code。多个媒体报道了这条消息，包括路透社和 Morningstar。这事儿听起来有点奇怪——Anthropic 早就明确规定，中国公司以及由中国公司控股的境外实体不得使用其模型，所以阿里巴巴的员工理论上本来就不应该用 Claude。

    但规定是规定，实际操作中总有各种漏洞。有人通过境外账号访问，有人用 VPN，有人通过第三方平台间接调用。Anthropic 也一直在想办法堵这些窟窿，而且动作比很多人想象的要大。

    Anthropic 做过一个”识别实验”

    根据最近 Reddit 上的一个帖子，Anthropic 曾经推出过一个特殊版本的 Claude Code，这个版本能够秘密识别中国用户。具体来说，代码里有一段标记可以识别出用户是否来自中国。这事儿曝光后在开发者社区引起了不小的讨论。

    Anthropic 的 Thariq Shihipar 后来在 X 上出来解释：这是一个今年3月启动的实验，目的是防止未授权转售者的账号滥用，同时防止”蒸馏”——就是用别的 AI 模型的输出训练自己的模型，这在 AI 圈子里是个挺敏感的话题。他说团队后来部署了”更强的缓解措施”，而且他们其实早就打算关掉这个实验了。

    话说回来，一个 AI 公司偷偷识别用户地理位置，这事儿怎么看都有点怪。不管初衷是不是为了防止滥用，一旦用户知道了这件事，信任感就很难重建了。

    阿里巴巴的回应：推自己的替代品

    消息传出来之后，阿里巴巴显然不打算等 Anthropic 慢慢堵漏洞。根据报道，阿里巴巴已经将 Claude Code 列为”高风险软件”，并要求员工改用公司自己的 Qoder 工具。

    Qoder 是阿里巴巴自己的 AI 编程助手，本质上就是”国产版 Claude Code”。这一招其实很聪明：与其让员工偷偷用美国工具，不如直接推自己的替代品。而且 Qoder 不需要担心地缘政治风险，也不需要担心数据出境的问题。站在阿里巴巴的角度，这或许也是一次推广自家 AI 产品的好机会。

    阿里巴巴禁用Claude Code
    中美AI工具博弈：阿里巴巴推Qoder替代Claude Code（AI生成配图）

    AI工具成了地缘政治问题

    这事儿背后是更大的趋势：中美在 AI 领域的博弈，已经从芯片蔓延到了日常开发工具。美国那边，Anthropic、OpenAI 都在收紧对中国用户的访问。Anthropic 的 Claude 服务本来就不对中国大陆用户开放，但现在连编程工具 Claude Code 也开始被针对。

    中国这边，科技公司们在加速推自己的 AI 工具。阿里巴巴有 Qoder，腾讯有类似的工具，华为、百度也都在布局。表面上是在”自主可控”，实际上也是在抢占开发者生态。开发者用哪个工具，很大程度上决定了哪个 AI 生态更有话语权。

    这件事展示了 AI 时代的一个新问题：当编程工具本身变成了”地缘政治问题”，开发者该怎么办？以前你用 VS Code 还是 JetBrains，用 GitHub 还是 GitLab，基本上是个偏好问题。但现在，你用 Claude Code 还是 Qoder，可能直接关系到你是不是”合规”。

    阿里巴巴的这道禁令，可能只是个开始。如果 AI 工具继续被政治化，我们可能很快就会看到一个”分裂的开发者生态”：一边是用美国 AI 工具的开发者，一边是用中国 AI 工具的开发者，两边互不往来。对于全球开源社区来说，这绝对不是一个好消息。

  • caveman：让AI以「原始人」风格回复，减少65%输出Token，82K+Stars让AI编程助手不再啰嗦

    caveman：让AI以「原始人」风格回复，减少65%输出Token，82K+Stars让AI编程助手不再啰嗦

    🪨 caveman

    why use many token when few token do trick

    MIT 许可
    82,695+ Stars
    JavaScript
    2026年4月

    📌 项目简介

    caveman 是一款面向 30+ AI 编程助手的输出压缩技能/插件，让 AI 以”原始人”风格回复，在不损失技术准确性的前提下减少 65% 输出 token。项目的灵魂口号是：“why use many token when few token do trick”（要那么多 token 干嘛，少点就够用）。

    由 JuliusBrussee 于 2026 年 4 月发布，仅 3 个月便获得 82,695+ Stars，是本周 GitHub 趋势榜最热门项目（单日新增 2,851 Stars）。

    “用更少 token 实现更多功能” — 原始人系列工具核心理念

    ⚙️ 安装要求和过程

    环境要求

    • 运行环境：Node.js ≥ 18（Windows/macOS/Linux 全平台支持）
    • 支持的 AI 工具：Claude Code、Codex、Gemini CLI、Cursor、Windsurf、Cline、Copilot、OpenClaw 等 30+ 主流 AI 编程助手
    • 许可证：MIT 开源许可
    • 隐私：无遥测、无数据上传、完全本地运行

    快速安装（一键脚本）

    # macOS / Linux / WSL / Git Bash
curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash

# Windows PowerShell 5.1+
irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex

    安装过程约 30 秒，脚本会自动识别所有已安装的 AI 工具并分别安装，未安装的工具会自动跳过。支持重复运行（覆盖更新）。

    指定 AI 工具安装

    # Claude Code 插件市场安装
claude plugin marketplace add JuliusBrussee/caveman && claude plugin install caveman@caveman

# Gemini CLI 扩展安装
gemini extensions install https://github.com/JuliusBrussee/caveman

# 通过技能市场给 Cursor/Windsurf/Cline 等工具安装
npx skills add JuliusBrussee/caveman -a cursor

    开启/关闭

    • 开启：输入 /caveman 或对 AI 说 “talk like caveman”
    • 关闭：对 AI 说 “normal mode”
    • 在 Claude Code、Codex、Gemini 中，安装后首次回复就默认开启原始人模式，无需额外输入命令

    🌟 核心功能

    🪨 多等级压缩模式

    支持 6 种压缩等级：normal（无压缩）、lite（轻度）、full（中度，默认）、ultra（高度）、wenyan（文言模式）。可随时通过 /caveman <等级> 切换，等级在当前会话持续生效。

    📊 内置统计命令

    /caveman-stats 统计当前会话 token 使用量、累计节省 token 数、对应美元成本。加 --share 参数可生成可分享的统计文本，向团队展示节省成果。

    📝 记忆文件压缩

    /caveman-compress <文件路径> 把 CLAUDE.md 等记忆文件重写为原始人风格，后续每次会话加载该文件时可减少约 46% 输入 token，代码、URL、路径完全保留。

    🔧 配套快捷命令

    /caveman-commit 生成符合 Conventional Commits 规范的提交信息；/caveman-review 生成单行 PR 评论；caveman-shrink MCP 中间件压缩工具描述文本。

    🤖 原始人子代理

    cavecrew-* 系列原始人风格子代理（调查员、构建者、审查员等），比原生代理少消耗约 60% token，延长主上下文可用时长。

    📈 状态栏实时显示

    在 Claude Code 中，状态栏会显示 [CAVEMAN] ⛏ 12.4k，数字为累计节省的 token 量，实时更新。可通过设置 CAVEMAN_STATUSLINE_SAVINGS=0 关闭。

    📊 压缩效果对比

    场景 正常模式（token） 原始人模式（token） 压缩率
    解释 React 重新渲染 bug 1,180 159 87%
    修复鉴权中间件 token 过期问题 704 121 83%
    配置 PostgreSQL 连接池 2,347 380 84%
    架构设计：微服务 vs 单体 4,463 1,030 77%
    解释 git rebase 和 merge 的区别 702 292 58%
    调试 PostgreSQL 竞态条件 1,200 232 81%
    平均值 1,214 294 65%
    65%
    平均输出压缩率
    46%
    记忆文件输入压缩率
    60%
    子代理 token 节省
    30+
    支持 AI 工具数量

    💡 典型使用场景

    场景一：日常编码会话成本优化

    在使用 Claude Code 进行日常开发时，开启 caveman 的 full 模式（默认），AI 回复会自动压缩为原始人风格——保留所有技术细节和代码逻辑，但去掉冗余的客套话、重复解释和过度详细的背景说明。一个典型的 1 小时编码会话，累计可节省 10,000+ token，相当于节省约 $0.15-$0.50（按 Claude API 定价）。对于重度用户，一个月可节省数十美元。

    场景二：长上下文会话的 token 预算管理

    在进行大型重构或复杂调试时，上下文窗口是宝贵资源。caveman 通过压缩输出，让每次交互占用的上下文更少，有效延长可用上下文长度。配合 /caveman-compress 压缩项目记忆文件，还能减少每次会话的初始 token 消耗。对于使用 Claude Code 处理大型代码库（>100 个文件）的开发者，这几乎是必备工具。

    场景三：团队级 token 使用优化

    caveman 2（开发中）将支持团队级别的 token 节省统计和可验证的节省凭证。对于按量付费使用 AI 编程助手的企业团队，caveman 可以提供量化数据，帮助团队了解 AI 工具的使用成本和优化空间。结合 /caveman-stats --share 命令，开发者可以向团队展示具体的节省成果。

    🚀 推荐理由

    我的使用心得：caveman 解决了一个几乎所有 AI 编程助手用户都会遇到的痛点——输出太啰嗦。Anthropic 的 Claude 尤其如此，它倾向于用非常礼貌、详细、多层次的方式回答问题，哪怕你只问了一个简单的语法问题。caveman 通过让 AI “像原始人一样说话”，巧妙地在保持技术准确性的同时大幅压缩输出。

    有几个方面特别值得称赞：

    1. 零精度损失的设计哲学：caveman 只压缩表达风格，不压缩技术内容。代码、报错信息、文件路径、URL 完全保留。在实际使用中，你会发现 AI 给出的解决方案质量没有任何下降，只是回复更短了。
    2. 无缝集成体验：一键安装脚本真的做到了 “30 秒开通”。安装后无需任何配置，AI 会自动以原始人模式回复。这种 “装上就用” 的体验在 AI 工具生态中难能可贵。
    3. 可验证的节省数据：/caveman-stats 命令提供的统计数据非常详细，包括 token 节省量、对应美元成本等。这种可量化性让工具的价值一目了然。
    4. 原始人系列生态：caveman 只是 “原始人系列” 的第一个产品。整个系列还包括 caveman-code（压缩整个 AI 代理）、cavemem（压缩跨会话记忆）、cavekit（优化构建循环）等，形成了一个完整的 token 优化工具链。

    当然，这个工具也有一个明显的 “缺点”——AI 的回复会变得非常 “原始人”，习惯了我之前那种详细解释的回复风格后，可能需要一点时间来适应。但一旦适应了，你会发现那些冗长的客套话确实是多余的。

    适用人群：所有使用 AI 编程助手的开发者，尤其是那些按量付费或使用 API 的用户。对于 Claude Code 的重度用户，这是必备工具。

    🔗 下载地址

    🌐 官网
    caveman.so
    🐙 GitHub
    JuliusBrussee/caveman
    📦 npm
    caveman-shrink
    💬 Discord
    加入社区

    文章来源：GitHub – caveman | 数据截至 2026 年 7 月

  • Anthropic 发布 Claude Sonnet 5，跑智能体任务更便宜了

    基础模型公司的军备竞赛又换了新赛道。过去几个月里，大家比的是谁的模型更会聊天、谁在基准测试上刷分更高。现在风向变了，各家都在秀自己的模型有多会”干活”——也就是跑智能体任务的能力。

    Anthropic 今天推出了 Claude Sonnet 5。这款中端模型的定位很明确：性能接近旗舰款 Opus 4.8，但价格要便宜一大截。按照 Anthropic 的说法，Sonnet 5 在规划、工具调用（浏览器、终端）、自主运行这些方面的表现，放在几个月前只有更大、更贵的模型才够用。

    智能体能力成了标配，接下来比什么？

    这个叙事听着耳熟，因为 OpenAI 和 Google 前几天也是这么说的。OpenAI 上周预览发布的 GPT-5.6 Sol 同样主打智能体能力，允许用户把长任务拆给多个子智能体去跑。Google 五月份推出的 Gemini 3.5 Flash 更是直接把定位从”对话聊天机器人”改成了”能规划、能构建、能迭代真实工作的智能体工具”。

    Sonnet 5 的发布确认了一件事：智能体能力已经在各个价位段变成了 baseline 预期。接下来的差异化竞争，不再是”谁能更好地跑智能体”，而是”谁能跑得更便宜、更可靠，还不需要人盯着”。

    价格先低后高，意在抢开发者

    Sonnet 5 的定价策略有点意思。从今天到8月31日，输入 token 价格是每百万个2美元，输出 token 每百万个10美元。8月31日之后，价格会涨到每百万输入3美元、每百万输出15美元。

    这个定价比 Opus 4.8 便宜，也比 OpenAI 的 GPT-5.5 和 Google 的 Gemini 3.1 Pro 便宜。当然，还是比 Gemini 3.5 Flash 贵一些。Anthropic 显然在用低价窗口期吸引开发者在 Sonnet 5 上构建应用，等大家用习惯了，再提价。

    Claude Sonnet 5 概念图
    Anthropic 发布 Claude Sonnet 5，主打智能体任务能力

    跑分数据：离旗舰款越来越近

    Anthropic 提供的基准测试数据显示，Sonnet 5 比起上一代 Sonnet 4.6 有明显提升。在智能体编程测试上，Sonnet 5 得分63.2%，Opus 4.8 是69.2%，而 Sonnet 4.6 只有58.1%。在知识工作基准测试中，Sonnet 5 甚至略微超过了 Opus 4.8——后者一向以处理最难的判断类任务和深度研究著称。

    Zapier 高级工程师 Daniel Shepard 在 Anthropic 的博客里说了一句话很能说明问题：”我们给 Claude Sonnet 5 派了一个两阶段任务——更新 Salesforce 客户层级、给企业联系人发产品发布通知——它从头到尾跑完了。”他说这话的潜台词是：以前的版本跑到一半就卡住了。

    安全表现也在提升

    智能体跑起来了，但跑偏了怎么办？Anthropic 说 Sonnet 5 比起 Sonnet 4.6，在”不合作滥用”和”不被欺骗”这两个指标上有明显进步。具体来说，它更善于拒绝恶意请求，也更不容易被提示词注入攻击绕过。幻觉和谄媚行为的出现频率也比 Sonnet 4.6 低。

    当然，跟 Opus 4.8 和 Claude Mythos Preview 比，Sonnet 5 在处理危险行为的能力上还是有差距。Anthropic 在博客里坦白说：”评估显示，它执行危险网络安全任务的能力比我们目前的 Opus 系列模型低得多。”这句话其实是在告诉企业用户：如果你要跑高危任务，还是得用 Opus。

    Lovable 联合创始人 Fabian Hedin 说了一句挺实在的话：”我们把强大的工具交到数百万构建者手里，一个知道什么时候该说’不’的模型，和知道怎么构建的模型一样重要。”