📡 AI 资讯日报

Tw93 开发的 8 项编码 Agent 技能集合，可在 Claude Code、Codex 等不同底层模型上无缝切换，规划、审查、调试一气呵成。

https://github.com/tw93/waza ↗

git clone 项目后，将技能文件导入你使用的 Coding Agent（Claude Code、Codex、Cursor 等），根据 README 配置 skill 目录路径。8 项技能覆盖项目规划（Plan）、代码审查（Review）、调试（Debug）、测试生成（Test）、文档编写（Docs）、重构（Refactor）、架构设计（Arch）、部署（Deploy）。每个技能提供专门的系统提示词和工作流，切换底层模型时无需修改技能逻辑，Agent 自动适配不同模型的输出风格。

在 Fable 5 被下架后，模型不可用风险凸显，Waza 的模型无关设计让开发者不绑定任何单一模型供应商。8 项技能覆盖完整开发生命周期，用业余时间打磨的 11 万行 Swift 代码（Mole 同作者）展现了极高的工程素养。技能包即插即用，大幅降低 Agent 编码上手门槛。

• Fable 5 下架后快速迁移到 GPT-5/Opus 继续开发
• 团队统一 Agent 编码规范，跨模型保持一致的代码风格

OpenRouter 新推出的 Fusion API 将同一 prompt 并行发给最多 8 个模型，由裁判模型综合输出，在 DRACO 深度研究基准中超越所有单模型。

https://openrouter.ai/fusion ↗

注册 OpenRouter 账号获取 API Key，调用 Fusion 端点替代常规 chat completions。支持自定义模型组合——可以选择 Fable 5 + GPT-5.5 + Opus 4.8 等高端组合（69% DRACO 分数），也可以用便宜模型做融合。API 兼容 OpenAI 格式，只需替换 endpoint URL 和 model 参数。支持并行网络搜索增强。定价约为 Fable 5 的一半。

模型融合（MoE-style ensembling）正在从学术概念走向生产可用。Fusion 证明了「多模型协同 > 单一最强模型」的实用性，且成本更低。在 Fable 5 被禁后，Fusion 提供了一个不依赖单一供应商的高性能替代方案。对未来 AI 应用架构的启示：可能是「模型路由器 + 融合」而非「单一 API」成为主流。

• 深度研究报告生成（DRACO benchmark 场景）
• 需要高可靠性的企业级 AI 应用，多模型交叉验证
• Fable 5 不可用时的降级替代方案

在 Mac 上通过图形界面完成 LLM 的 LoRA 微调全流程（训练→导出→在 LM Studio 中使用），即将发布。

https://github.com/ActuallyIsaak/mlx-lora-studio（作者 ↗

macOS 原生应用，前后端一体，下载后直接打开。界面引导选择基座模型（支持 MLX 格式模型）、配置训练参数（LoRA rank、学习率、epoch 等）、导入训练数据（JSONL 格式），点击开始训练。训练完成后一键导出为 GGUF 格式，直接加载到 LM Studio 进行本地推理。完整端到端流程无需命令行。

将 LLM 微调从「需要 Linux 服务器 + 命令行」降低到「Mac 桌面应用 + 点击操作」。MLX 是 Apple 官方机器学习框架，在 Apple Silicon 上效率极高。配合 LM Studio 形成完整的 Mac 本地 AI 工作流：微调→推理，全在本地完成，数据不出设备。对垂直领域微调（客服、写作、代码）有巨大实用价值。

• 用个人写作/聊天记录微调一个私人风格模型
• 企业用内部文档微调客服/技术支持模型
• 开发者微调代码补全模型适配自己的代码库

通过智能缓存和请求合并，在不修改任何业务代码的情况下，将 AI API 调用成本降低 90%。

https://github.com/chopratejas/headroom ↗

部署 Headroom 作为 AI API 的反向代理（proxy）。将应用中的 OpenAI/Anthropic API endpoint 指向 Headroom 的地址，Headroom 自动对重复/相似请求做语义缓存（semantic cache），对并发请求做 batch 合并。支持 OpenAI、Anthropic、Google Gemini 等主流 API。提供 Dashboard 查看节省金额和缓存命中率。Docker 一键部署。

AI API 成本是很多产品的最大支出项。Headroom 的语义缓存不同于简单字符串匹配——即使两次请求措辞不同但语义相同，也能命中缓存。90% 的节省率意味着月账单从 $10000 降到 $1000，对创业公司和 indie hacker 意义重大。不改代码的设计让接入成本趋近于零。

• AI 客服产品的高频重复问答缓存
• AI 写作/代码助手的大量相似请求合并
• 多租户 SaaS 产品的 AI 成本优化

Google 工程师 Addy Osmani 开源的 Agent 技能集合，把全栈开发任务打包成可调用的模块，让 Agent 直接干完整工程活。

https://github.com/addyosmani/agent-skills ↗

克隆仓库后将 skills 目录配置到 Claude Code 或 Codex 的技能路径中。技能覆盖：React 组件生成、API 路由设计、数据库 Schema 设计、测试编写、Docker 部署配置、CI/CD Pipeline 生成、性能优化分析、可观测性配置。每个技能包含结构化提示词模板和验证检查清单，Agent 执行后会按模板输出可落地的代码和配置。

Addy Osmani 是 Google Chrome 团队资深工程师，技能包体现了大厂全栈开发的最佳实践。与 Waza 互补——Waza 偏工作流抽象，agent-skills 偏具体领域技能。开源技能包正在成为 Agent 生态的「npm」——开发者分享和复用经过验证的 Agent 提示词模板。

• 新产品 MVP 从零到部署的一条龙开发
• 已有项目的性能优化和可观测性补齐
• 学习大厂全栈开发最佳实践

shaom 开发的 Agent 技能，一键生成八种瑞士国际主义风格的精美信息卡片，最新版优化了多比例布局。

https://github.com/shaom/infocard-skills ↗

将技能文件导入 Claude Code/Codex 等 Agent。使用时只需提供标题、要点文字和目标比例（1:1、16:9、9:16 等），Agent 自动生成 HTML/CSS 卡片。八种风格涵盖：极简黑白、网格系统、不对称布局、大字报风格、模块化色块、几何图形、渐变光效、杂志编排。输出为独立 HTML 文件，可直接截图或导出为图片。

AI 生成内容的视觉呈现一直是痛点——默认输出缺乏设计感。infocard-skills 用瑞士国际主义设计原则约束 Agent 输出，保证视觉质量一致。多比例适配解决了一个实际难题：同一内容需要在 Twitter（16:9）、Instagram Story（9:16）、LinkedIn（1.91:1）等不同平台发布。

• 社交媒体内容创作者的每日金句卡片
• 产品功能更新/发布公告的信息图
• 技术分享/演讲的要点摘要卡片

idoubi 用 ShipAny TanStack 构建的在线 coding 环境，内置模型和 sandbox 终端，打开浏览器即可开始 vibe coding。

https://x.com/idoubicc/status/2066116918587875593（作者 ↗

访问网站后直接在浏览器中获得一个完整的 coding 环境：左侧文件树 + 中间代码编辑器 + 右侧 AI 对话面板 + 底部 sandbox 终端。内置接入多个模型，无需配置 API Key。sandbox 运行在隔离环境中，支持 Node.js、Python 等运行时。适合快速原型验证和分享——生成的项目可通过链接分享给他人直接运行。

降低了 vibe coding 的启动门槛——不需要安装任何 IDE、插件或 CLI 工具。内置模型免去 API Key 配置，适合非技术用户快速体验 AI coding。sandbox 隔离设计保证了安全性，分享链接即可演示，对教学和协作场景友好。

• 非技术人员快速体验 AI 编程
• 教学场景：讲师编写 demo 学员直接运行
• 快速原型验证和团队协作 review

向阳乔木用 Codex Goal Skill 在 24 分钟内构建的世界杯赛程网站，支持个性化日历订阅（按球队、小组、比赛日）。

https://2026fifa.qiaomu.ai ↗

打开网站选择关注的球队/小组/比赛日，生成专属 ICS 日历订阅链接。将链接添加到 Apple 日历/Google 日历/Outlook 中，自动同步赛程，每场比赛前 30 分钟提醒。支持 48 支球队、12 个小组、小组赛到决赛全赛程。日历格式标准 ICS，兼容所有主流日历应用。

24 分钟从零到上线验证了 AI Coding 的生产力边界——传统开发至少需要 2-3 天。ICS 日历订阅比 App 更轻量、更高频使用（用户每天看日历）。Codex Goal Skill 代表了 Agent 开发的未来方向：高层次意图 → 完整可交付产品。

• 世界杯观赛日程管理
• 体育社群/球迷会的赛程共享
• AI Coding 效率的鲜活案例展示

亚马逊 CEO Jassy 上周四向特朗普政府反映 Fable 5 存在 jailbreak 风险，周五上午白宫召集会议，下午致电 Anthropic CEO Dario Amodei，当晚 Fable 5 下架。美国政府对单一 AI 模型启动出口管制，史无前例。

这一事件标志着 AI 治理从行业自律进入政府强力干预阶段。亚马逊作为 Anthropic 的主要投资方和云服务商，其 CEO 亲自推动竞品模型下架，揭示了 AI 产业中资本、政治与安全的深度纠缠。Fable 5 的 jailbreak 风险是否真实存在、是否值得出口管制级别的响应，业内争议巨大——Yann LeCun 暗讽 Anthropic「种瓜得瓜」。Simon Willison 庆幸政府没用同样理由封禁 Opus 4.x 和 GPT-5.x。

短期来看，依赖 Fable 5 的企业和开发者面临模型断供，需紧急迁移；Waza 等模型无关工具价值凸显。长期来看，美国可能建立常态化的 AI 模型审查机制，开源模型发布也可能受限。中国 AI 技术栈获得意外的地缘政治窗口——正如 Daniel Jeffries 所言，60 亿非美国人将标准化采用中国 AI。

多方泄露消息称 OpenAI 可能在 6 月 23 日推出 GPT-5.6，价格仅为 Fable 5 的 1/3，支持 150 万 token 上下文窗口，Agent 编码工作流全面升级，直接对标 Claude 风格系统。

发布时机选择极为微妙——恰在 Fable 5 被政府勒令下架后两周。OpenAI 明显在利用 Anthropic 的监管困境抢占市场。「价格仅为 Fable 1/3」直击 Anthropic 的商业软肋。150 万 token 上下文是当前公开可用模型中的最大值，意味着可以一次性处理整本《三体》级别的文本。

如果消息属实，6 月 23 日将成为 2026 年 AI 竞争格局的分水岭。OpenAI 有望在 Anthropic 受困期间重夺开发者心智。Fable 5 的 jailbreak 争议反衬出 OpenAI 的安全策略更「务实」。价格战将进一步压缩中小模型厂商的生存空间。

Jensen Huang 将 AI 生态比喻为五层蛋糕：最底层能源（核电/太阳能/氢能）→ 芯片 → 基础设施 → 模型 → 应用。他指出大家都盯着第四层模型，但真正的投资机会在底下三层。

老黄的发言既是对产业现状的精准解剖，也是在为 NVIDIA 的全栈战略做背书。能源和芯片层具有天然垄断性（重资产、长周期、高技术壁垒），而模型层和应用层竞争激烈、毛利承压。NVIDIA 正从芯片向上延伸到数据中心基础设施（DGX Cloud），同时通过投资能源项目锁定电力供应。

AI 投资风向可能从「模型竞赛」转向「基础设施建设」。算力中心的电力消耗已成为关键约束——北京地区数据中心年耗电量占比已引发关注。创业者在选择赛道时应更关注底层的「铲子型」机会而非应用层的「淘金热」。

微软 CEO 发长文提出 Token Capital 概念：AI 时代每家公司需同时经营人力资本和 Token 资本（公司自建的 AI 能力），两者是乘法关系——人的判断力越强，Token 资本的杠杆效应越大。

这个概念巧妙地将 AI 投资从「成本中心」重新定义为「资本积累」。Token 资本不同于传统的软件资产——它会随使用反馈持续进化，且边际复制成本趋近于零。Nadella 的框架为微软 Copilot 生态提供了理论支撑：每个企业都在用 Copilot 积累自己的 Token 资本。

企业的 CFO 和 CIO 将重新评估 AI 投入的会计属性——从 OpEx（运营支出）转向 CapEx（资本支出）。这一定位将推动更多企业加大 AI 投资。对创业公司来说，「Token 资本」的概念为 AI-native 产品的估值提供了新叙事。