整理一些我平时常用的 Vibe Coding 利器：
Cuelume 给网页添加交互音效的轻量声音库，内置 14 种实时合成的提示音
Paper Shaders React Shader 组件库，可以直接使用纸张纹理、液态金属、网点、渐变和噪声等效果
21st.dev 收录 12,000 多个 React 组件、模板和 shadcn 主题，复制 Prompt 就能让 Agent 写入项目
Deck Gallery 演示文稿灵感图库，涵盖 Pitch、品牌规范、报告和作品集等类型
Brand Archive 历史与当代品牌视觉资料库，可以查找 Logo、字体、配色和应用案例
The Index 收录全球设计工作室、设计师和字体厂牌，适合寻找合作对象和视觉参考
Refero Styles 收录 2,000 多套产品网站的设计系统，并整理成 AI 可读的 DESIGN.md
Taste Lab 可以从任意网站反向提取设计品味的 Skill，并生成 Design Map 和 Taste DNA
「工具是一个过程：用大小形状都合适的物体，以最有效的方式完成工作。」
🎃
好用工具推荐
58
58分享值得使用和关注的有用工具
「翻 Eagle 的时候回顾了一批很有意思的设计」
封面来自 sacred.computer
- 模仿 TUI 风格的 React 组件系统 https://www.sacred.computer/ （也许可以把 Bonjour Web 变成这样？和 AI 大人许个愿试试 🩷）
- 用 p5.js 做的一套字形生成器 https://spacetypegenerator.com/
- 一位 Vercel 设计工程师，在没有 AI 的时候手搓的个人主页 https://henryheffernan.com/
- 关于书籍、文字排印 https://anothergraphic.org/
- 一些免费的西文字体 https://www.fontshare.com/
很喜欢最近下载的 VibeIsland！
作用是在 CC 完成 Coding 后会在顶部提醒，是很有灵气的小应用！
https://vibeisland.app/
Ableton 里可以打台球了🎱
艺术家 Sebastian Tomczak 做了一个 Max for Live 装置，把一张台球桌塞进了 Ableton Live里。
玩法也很简单：
🎱 拖一下白球
→ 球开始运动
→ 撞到其他球
→ 发生碰撞
→ 碰撞变成 MIDI 音符
→ 最后……你打出来的台球，真的会变成一段音乐。
所以你可以一边打台球，一边用物理学作曲。更有趣的是，画面里可以同时跑着一大堆球。它们互相碰撞、弹开、改变轨迹，每一次撞击都可能成为音乐的一部分。
🔎 GitHub 搜索：little-scale-max-for-live
🎛️ Ableton Live + Max for Live
🆓 免费
我们习惯把互联网理解成一个永远向前更新的东西，但有一个叫做「Internet Archive」的地方，还一直在保存这些互联网的旧版本。
它是一家成立于 1996 年的非营利数字图书馆，除了书籍、电影、音乐、软件等数字资料，最出名的项目就是 Wayback Machine。你只需要输入一个网站，就可以回到它过去某个时间点的样子。
比如你可以看看 2000 年的 Google 长什么样，或者翻翻一个已经消失的网站，或者找回十几年前的网页设计，又或者看看一个品牌是怎么一步步变成今天的样子。
Archive 里还有大量老软件、游戏、电脑杂志、现场演出、广播和各种社区上传的数字资料。对于做设计的朋友来说，回头看看这些互联网的古早老物件，还是很有启发性的。
今天推荐一个我高强度使用而且一定离不开的好工具。
https://surge.sh/，一个部署静态网页的工具，有几个值得说的优点。
1. 无限且免费
2. 自定义 domain
3. 是命令行工具所有可以直接让claude code或类似工具直接帮你使用
4. 其部署的网页不需要科学上网就可以访问
5. 不依赖github账号，即使纯粹的小白不掌握git也可以使用
@Ulshké 刚好问到在用什么 blog 平台，也发一下社区推荐！是做「沉浸式翻译」的 Owen 捣鼓的新平台 Jant：https://jant.me
以下来自 Owen 的分享：
介绍：https://www.owenyoung.com/jant
示例：
Owen 的博客： https://www.owenyoung.com
朋友的：
https://mlyz.me/
https://sauman.jant.blog/
https://luxi.blog
https://notes.darylam.com
https://thread.yitianyigexiangfa.com
https://www.afan.wiki
https://jopuslee.com
https://createmyself.jant.blog/
Designers for Designers
做了一个让Claude Code在Figma里守规矩的Skill，帮助CC产出严格遵照设计系统的设计，方便后续迭代优化
已开源：github.com/senlindesign/claude2figma
Hello，朋友们，在多 LLM 供应商环境下，API 格式差异带来的维护成本让人头疼。
我希望有一个统一的基础设施，让开发者和普通用户可以轻松地切换不同的 LLM 供应商，而无需关心 API 格式差异，但很可惜无论 AI SDK 这种开源产品还是 openrouter 这种商业产品，他们都只是做了统一出口，并不提供自由转换。
于是我花了 3 周时间开源了一个叫 Amux 的项目，它包含两个核心部分。
对于开发者，你可以使用 LLM Bridge，它是一个双向 API 适配器 NodeJS Package，可以在不同的 LLM 提供商格式之间进行双向、无缝转换。
它建立在三个核心概念之上：适配器（Adapters）、IR（中间表示） 和 桥接（Bridge）。目前我做了 OpenAI、Anthropic、DeepSeek、Gemini、Moonshot、Zhipu、Qwen 等 7 个主流大模型供应商的适配器，更多厂商适配器还在开发中。
你可以用这个核心 Package 来帮助你的 AI Agent 项目进行 LLM 供应商的切换，无需关心 API 格式差异，IR层做了丰富的处理，你也可以在这里接入统一的网关进行管理，方便我们的开发。
对于普通用户，你可以使用 Amux Desktop，它是一个开源桌面应用，使用 Electron 构建，它可以让用户轻松地配置、切换不同的 LLM 供应商，当你有一个供应商 API Key，你可以使用 Amux Desktop 来本地代理你的请求，并且可以将它转为任何主流厂商的 API 格式，从而一个厂商的 API Key 构建多个桥接双向代理，接入你的不同 Agent 产品。
我在 Amux Desktop 中集成了 CF Tunnel，你可以使用它来代理你的本地请求（内网穿透），从而实现跨设备、分享给朋友使用。
同时 Amux Desktop 还集成了 Antigravity、Codex 的多账号 Oauth 登录+代理池，你可以使用它来登录你的多个 Antigravity、Codex 账号，并将他们转出任何厂商格式的 API（即2API）。
你也可以在 Amux Desktop 中统一管理所有厂商的 API Key，监控他们的使用。
更多功能大家可以自行体验。
官网及 LLM Bridge 文档：https://amux.ai，欢迎大家查看，官网写的比较仓促，LLM Bridge 文档写的比较详细，但还没有仔细校对，有任何问题欢迎大家提出。
仓库地址：https://github.com/isboyjc/amux
Amux Desktop 下载地址：https://github.com/isboyjc/amux/releases
由于项目还在早期阶段，并且我个人业余时间有限，所以项目可能还存在很多问题点，欢迎大家使用和 star，也欢迎大家提出建议和反馈（Issues 或私聊都可以），如果有开发能力和兴趣也可以参与进来，添加更多的厂商适配器 Package，或者参与 Amux Desktop 的开发（PR 或者 Issues），从而一起完善这个项目。
注：客户端我只测试了 MacOS，Windows、Linux 版本大家可以自行安装测试，欢迎反馈。
感谢大家的支持！
体检报告看不懂？尝试做个3D人体网站
每次拿到体检报告，第一眼先找↑↓。 但指标对应身体哪里、那个器官到底长什么样，很多时候还是一头雾水。
于是，我把AI和3D人体可视化结合，做了一个可以探索身体的网站。✨
🧍 旋转、放大人体模型，从不同角度了解身体构造。
🔍 点击器官，把陌生的名称和身体位置对应起来。
📄 输出指标参数或上传体检报告，结合可视化界面，辅助理解报告里的信息。
我希望它有一点未来感，也足够简单——让没有医学背景的人，也愿意点进去看看，多了解自己的身体。
这也是我们一直想做的事：让AI走进社区，让技术成为日常生活中用得上的工具。
目前还在持续打磨。你最希望它帮你看懂报告里的哪一部分？欢迎留言👇
注：人体模型用于科普展示，并非个人医学影像重建；报告辅助解读不能替代医生诊断。
一篇最新的论文通过大量实验来验证什么时候多智能体系统（MAS）比单智能体（SAS）更好。
文章对比了 SAS 基线以及四种 MAS 架构：
- 中心式：由一个中心 agent 进行任务协调；
- 去中心式：agent 之间直接通信；
- 独立式：多个 agent 独立解决任务，最后统一结果；
- 混合式：同时有中心 agent 和 p2p 通信。
并在 6 个 benchmark 上进行实验：
- Finance Agent：金融分析；
- BrowseComp-Plus：网页搜索；
- WorkBench：现实工作场景任务；
- SWE-bench Verified：软件工程任务；
- Terminal-Bench：终端任务；
- PlanCraft：游戏规划。
主要结论如下：
1. MAS 没有普遍优势，在不同 benchmark 上的结果极其分化，在 Finance Agent 上可以达到 80.8% 的提升，而 PlanCraft 上会导致 -70%～-39% 的负收益。
2. SAS 基线的表现是判断是否应该使用 MAS 的最有用的标准，当 SAS 已经足够强时，继续加入 agent 很可能带来零收益甚至负收益，而实验得出的成功率阈值是 45%。
3. 任务的可拆解性和复杂性共同影响 MAS 效率。MAS 在可拆解的任务中可以获得很大收益，但在高复杂度的线性任务中往往会导致退化。
4. MAS 会导致错误信息的传播进而影响表现，不同 MAS 架构对于错误传播的阻断效果不同，中心式架构最能阻断错误传播，而独立式架构最难阻断错误传播。
这篇论文还有很多有意思的结论，我就不一一列举了，感兴趣的小伙伴可以去看原文，原文做了大量的实验和严谨的检验。
原文链接：https://www.nature.com/articles/s42256-026-01268-y
第一次做这种内容感觉很粗糙，后续我会再发布一些多智能体系统以及智能体自进化相关的内容。
被封的原因找到了
https://fuck-claude.vercel.app/
《当我用reverse engineer了200家AI startup之后》
medium上一个作者深入调查了200家AI创业公司发现: 73%拥有“自研 AI 模型”的公司其实都是在调用第三方API，aka套壳。
被研究的公司的成立时间均大于6个月以上，拿到外部融资，来自YC, product Hunt, 以及领英上正在招人的公司。
结果belike:
1. 73%宣称自有模型的公司都是chatGPT和claude的换壳包装
2. 42家公司用的技术栈几乎一样
3. 只有7%的公司真正训练了自己的模型
快速剥壳一家公司：
1. 检测网络流量：例如：api.openai.com 或者 api.anthropic.com
2. 看响应延迟：200-350ms 是 OpenAI 的典型响应模式
3. 查javascript bundle： “openai”、“claude”、“sk-proj-” 等关键字
4. 看营销：模糊的“先进 AI”描述约等于redflag
和朋友一起做了一个开源项目：OpenPanda
它主要是把 Claude Code、OpenAI Codex、DeepSeek Harness、Grok Build 等终端 AI 智能体，和你手边的所有设备（Mac、Linux、树莓派……）编排成一个统一的本地执行团队。你只需下达一条指令，它自动完成意图识别、任务拆解、智能调度、执行监督和结果验证——全程本地运行，零云端依赖，单个 20MB 的静态二进制文件，安装后就能直接用。
后续还会逐步支持：
- 跨设备 P2P 协作 —— 异构设备自动组网，任务自动路由到最合适的节点执行
- 自进化技能系统 —— 成功的工作流自动沉淀为可复用的 `SKILL.md`，越用越聪明
- 更完善的 Web 控制台与终端 TUI —— 零配置的看板、实时流式输出、箭头键交互
- 大规模异构集群编排 —— 从个人设备延伸到无人机群、卫星星座、自动驾驶车队等场景
项目还在快速迭代中，目前 v0.0.8 已具备完整可用的单机器多智能体编排能力。欢迎大家帮忙点个 Star，也欢迎试用、提 Issue、贡献代码，一起把这个项目做得更好！🎉
项目地址：
GitHub - xustalis/openpanda: 开源、本地优先的多智能体编排操作系统
如果觉得项目不错，欢迎 Star 支持一下！⭐