全部文章

核心是配置 Hysteria2 与 Clash 客户端直连运行：Cloudflare 子域名解析到 VPS，必须关闭代理改为 DNS Only，否则 QUIC 不可用；服务端监听 443，填写子域名、邮箱和强密码；客户端同步相同域名与密码到 proxy.yaml，最终实现基于 QUIC 的 HY2 节点接入与分流使用。

VibeVoice是微软开源的前沿语音AI模型家族，包含语音识别（ASR）和语音合成（TTS）两大方向。核心创新采用7.5Hz超低帧率的连续语音分词器，结合大语言模型与扩散模型实现高效长序列处理。

Anthropic官方Claude Code CLI工具的反编译/逆向还原，旨在复现其大部分功能。

提供16个可复用开发技能，覆盖Apple平台开发、GitHub工作流、重构、代码审查、Bug调查与React性能优化，把发布、调试、打包、审查、追踪和重构等重复工程任务标准化，提升开发效率与协作质量。

智能体能力主要取决于包裹LLM的“agent harness”，而非模型本身；其核心是编排循环、工具调用、记忆、上下文管理、状态持久化、错误处理、安全护栏、验证与多智能体协作，把无状态模型变成可执行系统。生产级效果差异往往来自harness设计，优秀方向是用更薄但更稳的基础设施提升性能。

Microsoft Agent Framework 是微软面向 Python 与 .NET 的 AI 智能体开发框架，提供从单智能体到多智能体工作流的构建、编排与部署能力，核心包括图编排、可观测性、中间件、多模型接入和开发调试工具，目标是统一多语言智能体开发流程并提升可扩展性与落地效率。

colleague-skill通过采集同事聊天、文档等多平台数据，生成兼具工作能力与性格特征的AI Skill，在员工离职后延续知识、协作习惯和沟通风格。

作者用约250小时在3个月内借助AI完成SQLite开发工具syntaqlite并发布，先用“全权交给AI”快速验证可行性却产出脆弱代码，后重写并改为人主导设计、AI辅助实现与重构，最终做出解析器、格式化器、扩展和文档；可见AI能显著降低启动与实现成本、放大产出，但在架构、API设计和长期维护上会放大混乱，不能替代人的判断。

AI智能体的持续学习不只发生在模型权重，还包括驱动代理的harness和可配置的context，三层都能基于执行轨迹持续更新；模型更新面临灾难性遗忘，harness可通过分析任务日志迭代代码，context可在代理、用户或组织层离线或实时写入记忆；构建会长期变强的智能体，关键不只是训模型，而是用轨迹统筹优化三层。

LLM Wiki主张用LLM持续维护个人知识库，不在提问时临时从原始文档检索，而是把新资料持续吸收进结构化、可交叉引用的Markdown wiki，并通过索引、日志与规则文档完成摄取、问答和巡检；让知识可累积更新、矛盾可提前标记、查询更高效，人工只需负责选材与提问。