AI 工具与智能体

文章验证并补全 ContextSearch、yt-dlp、CapsWriter Offline 组成的视频转文字链路：浏览器右键取 URL，yt-dlp 下载音视频，CapsWriter 离线转写。关键更新是组合脚本推荐 AHK 而非 Python；新版 Chrome/Edge 的 Cookie 无法被 yt-dlp 读取，需用 Get cookies.txt LOCALLY 导出 cookies.txt；CapsWriter 推荐 axutongxue 2.6 魔改版，内置双模型，支持右键一键和 txt/SRT/json 导出。文章还提醒用绝对路径、文件名避特殊符号、调试用 cmd /k，便于复现并延伸到图文笔记或字幕配音。

文章把AI时代个人超级个体的技术能力分三层。第一层必须亲手走一遍：买服务器、域名备案、装1Panel，用Docker部署Halo并配Nginx和HTTPS；备案需7~20天应尽早，面板只是可视化命令行，Docker含镜像、容器、端口映射、数据卷。第二层懂原理并能讲清网络/HTTPS、数据库、前后端/API、Git和部署。第三层会看会判断，靠README的技术栈、依赖、快速开始判断项目能否跑。最终能看懂全局、讲清原理、指挥AI和工具。

本文介绍了近期爆火、安装量超60万并登上技能排行榜第三的AI编程Skill——grill-me。该技能核心内容仅有寥寥几句话，却能让AI在开发前反向拷问用户，逐个理清需求、技术与设计决策，每次只问一个问题并给出推荐答案，能通过环境查证的事实不重复询问，确认理解一致后才开始行动。实战演示中，作者用该技能配合Cursor，通过十余轮问答快速搭建了一个管理Skill的桌面应用。文章拆解其底层设计思路：瞄准AI编程中需求不清的痛点，采用决策树式追问、清晰的人机分工和推荐答案机制，将“把想法说清楚”变为可执行流程。该技能不仅适用于编程，也可迁移至学习规划、设备选购、健康计划等日常决策场景。

上海交大张倬胜团队主导的开源教程《动手学大模型》源自《人工智能安全技术》课程讲义，联合华为昇腾社区推出，完全免费。教程含PPT、实验手册和可运行Notebook，覆盖微调部署、思维链、知识编辑、数学推理、模型水印、越狱攻击、多模态、GUI智能体、智能体安全与RLHF对齐，定位全链路实践教程，并适配华为昇腾。文章给出应用开发/Agent与安全研究两条路径，强调先动手再补理论；读者可从clone仓库、跑通提示学习notebook开始。

自称“10后发明家”的马同学从ESP32原型起步，借GPT生成完整方案，将AI眼镜推进到首批500台量产。口播称其搭载8个AI大模型，包装手写省成本，收入全部投入下一代光波导眼镜；视频转发量远超点赞。文章认为，AI与开源硬件拆掉硬件创业门槛，青少年可凭真实作品进入“作品集时代”，小批量智能硬件供应链也已成熟。但需保留对真实性、可持续性和成人支持的判断。读者可获：把工程能力嫁接到孩子兴趣，用低成本项目制学习，把内容曝光转化为供应链资源。

AI Agent常话多、费Token、跑偏。WorkBuddy优化方案包括：切换高效务实回复风格，填写全局自定义指令，遵循不瞎猜、追求简单、目标驱动、最小改动四原则，开启记忆，并在任务可控、有备份、风险可承受时按需开启完全访问；多步骤任务先用计划模式，按难度选模型档位，跑偏立即打断。核心是压缩无效轮次，降低显性与隐性Token成本；自定义指令投入产出比最高，完全访问需权衡回滚成本。博主称可降低60% Token，实际取决于原使用习惯，该方法可迁移至任何长对话AI工具。

Fish Speech是开源TTS模型，GitHub星标超3.2万，支持语音克隆、情绪控制、多人对话和80+语言。10—30秒参考音频即可克隆音色，无需训练，内置1.5万+情绪标签。合成语音能呈现换气、停顿和情绪，可降低播客、有声书、短视频配音成本，助力多语言出海。但克隆声音诈骗已有判例，未经同意克隆他人声音商用违法，AI语音需标注。技术用户可按README部署，先短句验证；普通用户可用官方平台。只用授权声音，商用前确认协议，重要用途保留真人录音。

wx-cli 是开源命令行工具，可在 macOS 本地读取并导出微信聊天记录，支持按联系人和时间段检索，图片、语音也可导出；数据不出机器，AI 总结可接本地模型或自选 API。它把聊天记录变成可检索数据，用于查找承诺、生成会话摘要、归档文件、总结合作历史或定位项目对话。使用前应备份，先小范围测试，导出 Markdown/JSON 后接 Ollama 等模型。工具只应读取本人设备记录，公开传播他人对话需注意 PIPL，只从 GitHub 官方仓库下载；Windows 可参考 WeChatMsg，工作账号慎用。

开源项目 ppt-master 可把 PDF、Word 或论文自动梳理排版，输出原生可编辑 PPTX，文字、图片、表格均可单独修改。它按“背景—方法—结果—结论”组织内容，支持自定义模板、演讲备注。可编辑为关键差异：文件仍是标准 Office 格式，便于精修。上手需安装 Python 环境，准备材料与模板后生成，再人工核对数据与结论逻辑。答辩用 AI 稿只能作初稿，数字、引用、图表须核验，模板适配宜先小样本。GitHub 热度约 4.7 万星，以实时为准。

前 Apple、Google 设计师 Robbie Tilton 因不愿为 Photoshop 付高价订阅，用 AI 辅助开发约 12MB 开源图像编辑器 Compositor，采用宽松协议，内置图层蒙版、裁剪、调色、镜头校正、一键去背等功能，支持 3:4 等比缩放与 Option 对称裁剪。它虽非 PS 完整复刻，却可覆盖多数人 80% 日常修图需求。文章指出，AI 摊平算法壁垒、格式生态松动和订阅疲劳，让 Adobe 难以应对。读者可据此判断：低频修图不必持续订阅，免费工具已够用；开发者可借 AI 做“订阅制平替”；行业护城河将转向社区、数据、工作流锁定与云端协同。