📡 AI 资讯日报

Simon Willison 推出的 Datasette 新能力，把 Claude Artifacts 式 HTML/JS 小应用接到真实关系数据库和 JSON API 上。

https://datasette.io/blog/2026/datasette-apps/ ↗

先打开官方博客里的 live demo，体验浏览器里生成、运行并持久化数据的小应用；如果想本地跑，按博客给出的 uv one-liner 安装 Datasette 预览版并启动示例。推荐先做一个最小 HTML+JS 表单，调用 Datasette 的 JSON API 写入一张表，再刷新页面验证数据是否仍在。进阶玩法是把它当成“带数据库的 Artifacts”，让 Claude/Codex 生成前端交互，再让 Datasette 负责存储、查询、导出。

Claude Artifacts 的短板是状态和数据持久化，Datasette Apps 则把轻量 Web App 与完整关系数据库连接起来。它对个人工具、数据看板、临时内部系统尤其有价值：不用先搭后端，也不用把数据锁进某个聊天产品里。

• 快速搭一个可保存数据的内部表单、CRM、标注工具或运营看板。
• 用 AI 生成 HTML+JS 前端，再把 SQLite/Datasette 当成本地或云端后端。

一个开源“元 Skill”项目，用来辅助编写、重构和升级 Claude/Hermes/Codex 风格的技能说明。

https://github.com/yaojingang/yao-meta-skill ↗

进入 GitHub 仓库后先阅读 README，按仓库说明把 skill 文件复制到你的 AI 工具技能目录；如果你使用 Claude Code、Codex 或 Hermes，可以先拿一个已有技能做测试，让模型按 yao-meta-skill 的流程检查触发条件、步骤、验证方式和坑点。最适合的上手方法是选一个你每天重复做的任务，比如“发日报”“部署项目”“整理论文”，让它先生成 skill 草稿，再人工补充真实命令和失败案例。

Agent 时代真正能复利的不是一次提示词，而是可迁移、可维护的操作记忆。这个项目把“如何写好 Skill”本身模板化，适合把个人工作流沉淀成团队资产，也能减少技能文件只有口号没有验证步骤的问题。

• 为 Claude Code、Codex、Hermes 等工具编写可复用操作技能。
• 把团队里的部署、测试、发版、研究流程整理成 AI 可执行 SOP。

Browser Use 开源的浏览器 Agent 模板，让任意 Agent 接入云端浏览器并实时观察网页操作。

https://github.com/browser-use/browser-agent-template ↗

打开 GitHub 仓库，按 README 克隆模板并安装依赖；配置 Browser Use Cloud 或仓库要求的浏览器环境变量后，先运行默认示例，让 Agent 打开网页、读取页面元素、点击按钮并回传结果。建议从低风险任务开始，比如打开一个公开网页搜索信息、填写本地测试表单、截取页面状态。确认可视化观察链路正常后，再把模板接到自己的 Agent 框架中，让它负责网页登录后的重复操作。

很多 Agent 失败不是推理不够，而是“看不见真实网页”。这个模板把浏览器操作、云端运行和实时观察做成可复用骨架，降低了从聊天机器人升级到网页执行机器人的门槛，也方便调试每一步到底点了什么。

• 给研究、采购、运营 Agent 增加网页浏览和表单操作能力。
• 录制、复现、调试 Agent 在复杂网页里的点击路径。

Matthew Berman 建的 Agent Loop 模板库，集中收集可直接复用的 Agent 循环流程。

https://signals.forwardfuture.ai/loop-library/ ↗

进入 Loop Library 后先按任务类型浏览已有 loop，例如 research loop、coding loop、planning loop、review loop。挑一个与你当前工作最接近的模板，把它复制到自己的 Agent 或自动化工具中，替换目标、工具权限和终止条件。建议第一次不要追求复杂，先跑一个“搜索—总结—验证—输出”的四步循环，并记录每轮输入输出；确认稳定后，再提交自己的 loop 或把多个 loop 串成更长的工作流。

Agent loop 是把模型从“一问一答”变成“持续执行”的关键结构。公开模板库能让开发者少踩循环失控、上下文污染、无终止条件等坑，也让不同社区开始复用同一套任务编排语言。

• 为研究、销售线索、代码审查等任务寻找现成 Agent 循环模板。
• 把个人摸索出的自动化流程提交成可共享模板。

Vercel 开源的生产级 Agent Framework，把“Agent 即目录”的结构、配置和运行约定打包成框架。

https://vercel.com/blog/introducing-eve ↗

先阅读 Vercel 的介绍文章，理解 agent/ 目录结构：agent.ts 放模型与工具配置，instructions.md 放任务指令，其他文件放业务逻辑。随后创建一个最小 Eve Agent，把目标限定为一个简单任务，如读取 GitHub issue 并生成回复草稿。部署时优先用 Vercel 自家环境跑通日志、触发器和权限，再逐步接入数据库、队列或外部 API。重点观察它如何把 Agent 从脚本变成可维护项目结构。

越来越多团队不满足于“在 IDE 里叫模型帮忙”，而是需要可部署、可审计、可版本化的 Agent 服务。Eve 的价值在于把反复出现的 Agent 形态产品化，尤其适合 Web 团队把 AI 自动化放进现有工程体系。

• 构建可部署的客服、代码维护、数据处理或内容生成 Agent。
• 为团队制定统一的 Agent 项目目录和生产运行规范。

开源 Coding Agent 驾驶舱，可用微信操控本机 Claude Code 和 Codex，并支持 Mac 合盖继续跑 Agent。

https://github.com/alchaincyf/fanbox ↗

从 GitHub 克隆 FanBox，按 README 安装依赖并完成本机配置；首次使用建议只连接一个编码 Agent，例如 Claude Code，确认本地命令能被 FanBox 调起。随后配置微信控制入口，在手机上发送一个低风险任务，如“查看当前项目测试状态”或“总结 git diff”。如果你经常让 Agent 跑长任务，可以测试 Mac 合盖不待机能力，但务必先确认电源、散热和仓库权限，避免无人值守时执行危险命令。

Coding Agent 的痛点已经从“能不能写代码”变成“人离开电脑后如何监管”。FanBox 把手机、桌面 Agent、长任务执行和切换多个编码工具连起来，是个人开发者很实用的 Agent 运维层。

• 通勤或会议中用微信查看、暂停、切换 Claude Code/Codex 任务。
• 让 Mac 合盖后继续执行长时间构建、测试或代码生成任务。

有道开源的 1.3B 多语言 TTS 模型，支持语音克隆，并提供在线 Gradio 体验。

https://github.com/netease-youdao/Confucius4-TTS ↗

最快方式是打开在线 Demo：https://confucius4-tts.youdao.com/gradio/ ，输入一段中文或英文文本，选择默认音色生成语音；想测试语音克隆，可以按页面要求上传一小段参考音频，再生成同内容不同音色的结果。若要本地部署，进入 GitHub 仓库查看模型权重、依赖和推理脚本，建议先在有 CUDA 的机器上跑短句，再测试长文本分段合成和批量导出。

TTS 正在从闭源 API 走向可私有化模型。有道这个模型体量不算夸张，且覆盖多语言和语音克隆，适合需要控制成本、隐私或定制音色的应用团队评估。

• 为播客、短视频、课程、客服系统生成中文或多语言配音。
• 在私有环境里测试语音克隆、品牌音色和低延迟语音交互。

免费开源的在线画布工具，类似简化版 PS，支持生图、抠图、模板、图标和一键 Vercel 部署。

https://ps.qiaomu.ai ↗

先打开在线体验地址，创建一个 16:9 或 3:4 画布，拖入图片、图标和 Emoji，试试一键抠图与模板保存；如果需要自建，访问 GitHub：https://github.com/joeseesun/poster-studio ，按 README 部署到 Vercel。建议用它做一次真实任务：比如产品发布海报、日报封面或 PRD 示意图，测试模板复用、图片生成和导出流程是否满足日常创作。

设计工具正在被 AI 与开源项目快速拆解。Poster Studio 的亮点不是单个功能，而是把画布、模板、AI 生图、图标素材和部署路径放到一起，让个人和小团队能拥有自己的轻量设计工作台。

• 快速制作社媒图、活动海报、产品封面和演示图。
• 私有化部署团队自己的图片模板与品牌素材库。

一个生成 ASCII/命令行风格视频的开源 Skill，可同时输出视频和 HTML 文件。

https://github.com/GordenSun/asciivideo ↗

克隆 GitHub 仓库后查看 README，按说明安装依赖并运行示例；先用内置形象库生成一个 5-10 秒短片，确认本地能输出视频和 HTML。之后可以把提示词换成自己的角色、产品或宣传语，让模型生成命令行复古风视觉。建议把 HTML 输出嵌入项目首页或发布页，视频版则用于社交媒体预告；如果效果不稳定，就固定角色库和配色，减少模型自由发挥。

这类“小而怪”的生成工具很适合做传播差异化。ASCII 风格天然适合开发者产品、开源项目和终端工具，比普通 AI 视频更容易形成记忆点，也便于嵌入网页。

• 给开源项目、CLI 工具、黑客松 Demo 做复古风宣传片。
• 生成可嵌入网页的命令行风动画或产品彩蛋。

面向深度研究的 self-evolving heavy-duty solver，可派出大量子 Agent 并行探索复杂问题，并提供在线体验和模型下载。

https://www.apodex.ai/ ↗

先看官方介绍：https://www.apodex.com/blog/apodex-1.0 ，再打开在线体验站点，输入一个没有直接答案、需要多步调研的问题，例如“某个垂直 SaaS 市场的主要玩家与定价变化”。观察它如何拆分子问题、搜索、综合和修正。想研究模型本身，可访问 Hugging Face 集合：https://huggingface.co/collections/apodex/apodex-1 下载权重或查看模型卡。建议把输出与自己手动搜索结果对照，重点评估引用质量和推理链路。

深度研究 Agent 的竞争点不只是模型分数，而是任务拆解、并行探索、长程执行和自我修正。Apodex 宣称在多个深搜基准上表现强，且提供可试入口和模型集合，值得作为研究型 Agent 的参考样本。

• 市场调研、竞品分析、技术路线梳理等需要大量搜索的硬问题。
• 评估多 Agent 并行探索架构在企业研究任务中的可用性。

一个开源 Skill，用于从网站提取 DESIGN.md，并据此复刻品牌设计语言和页面风格。

https://github.com/shaom/brand-to-design-md-skill ↗

进入仓库后按说明安装到你的 Skill 系统；选择一个公开品牌网站作为测试对象，让 Skill 先访问网站、提取色彩、字体、组件、间距、语气等设计规则，生成 DESIGN.md。第二步把这个 DESIGN.md 喂给 Claude Code、Cursor 或其他前端 Agent，让它生成一个新的落地页。建议同时保留原站截图做对照，检查生成页面是否只是“像”，还是能复用成稳定设计规范。

DESIGN.md 正在变成前端 Agent 的新上下文格式。相比一句“做得像 Vercel”，结构化设计规范更利于多轮生成、团队协作和品牌一致性，也能让非设计师更容易驱动高质量页面生成。

• 为新产品快速生成接近目标品牌风格的 Landing Page。
• 把公司官网沉淀成 AI 可读的设计规范，供前端 Agent 复用。

Exa 发布的托管式 Web Research Agent API，把前沿模型与 Exa 搜索工具链封装成单一研究接口。

https://exa.ai/blog/exa-agent ↗

打开 Exa Agent 官方博客，查看 API 能力、适用任务和调用示例；如果已有 Exa 账号，可以申请或进入控制台创建 API key。建议先从“名单构建”类任务试起，例如让它找某个细分行业的 30 家公司并补充官网、融资、创始人信息；再测试实体 enrichment，把一组公司名批量补全。接入生产前要检查返回来源、速率限制和成本，并为关键字段加人工抽检。

搜索 API 与 Agent 正在合并。Exa Agent 把任务分解、并行子 Agent 和搜索基础设施封装起来，减少开发者自己拼接搜索、抓取、去重、总结的工作量，适合做研究型产品原型。

• 构建销售线索、投资标的、供应商名单等结构化研究流程。
• 给 CRM、知识库、行业监控系统补充自动 enrichment 能力。

Claude Code 推出 Artifact 功能，可把编码会话中的 PR 演示、架构说明、调试过程等生成实时更新网页链接。

这标志着终端型编码 Agent 正在补齐“可视化协作层”。过去 Claude Code 的强项在本地执行和文件修改，但团队成员很难理解终端会话里发生了什么；Artifact 把过程、结果和说明变成可分享页面，降低了代码审查、演示和异步协作成本。

如果这个方向成熟，AI 编程工具会从个人效率工具变成团队协作基础设施。研发经理、产品、设计、QA 不需要进入终端，也能看到 Agent 的计划、变更、风险和演示结果，未来 PR、发布说明和调试报告可能会自动生成。

OpenAI Codex 上线 Record & Replay，可在 Mac 上观察一次重复操作并生成可复用 Skill，目前需开启 Computer Use。

这是把“人工演示”转成“Agent 技能”的关键一步。它不要求用户先写复杂提示词，而是让 Codex 观察真实操作流程，再抽象为可带参数复用的自动化。短期适合桌面重复任务，长期可能成为个人 RPA 与 AI Agent 的交汇点。

传统自动化工具需要脚本、选择器和稳定界面，Record & Replay 若能可靠泛化，会让大量办公室流程被普通用户训练出来。不过它也会放大权限与误操作风险，企业部署时必须配合沙箱、审批和操作日志。

Cursor 被曝收购开源 AI 编程项目 Continue，同时外界继续关注其 Agent 版 GitHub、自动化和自研模型传闻。

Continue 的价值在于 IDE 内 AI 编程生态和开源社区，Cursor 若吸收其能力，可能强化模型接入、上下文管理、本地工作流和企业可控性。无论传闻细节如何，AI IDE 市场已经进入整合阶段，单点插件会被平台型产品吸收。

开发者工具链可能进一步集中到少数 AI IDE 平台手里。对用户是好事也是风险：体验会更完整，但迁移成本和生态锁定也会升高。开源替代品需要在本地化、可定制、隐私和模型自由度上形成差异。

Midjourney 发布医疗硬件“Midjourney Scanner”，据称是全身超声计算断层扫描设备，定位类似更快、更便宜、无辐射的 MRI 替代方向。

这条新闻最反直觉的地方在于，图像生成公司突然进入医疗成像硬件。合理猜测是 Midjourney 在生成、重建、视觉建模上的能力外溢到了物理世界数据采集与三维重建。如果属实，它说明 AI 公司不再只做软件模型，而会沿着“感知—建模—生成”链条切入硬科技。

医疗影像、健康体检和空间建模都会因此被重新想象，但监管、临床验证、硬件制造和责任归属会比 AI 绘画复杂得多。短期更像技术展示和品牌转向信号，长期可能刺激更多 AI 公司跨界传感器与物理设备。