📡 AI 资讯日报

一个面向科研计算与论文工作流的公开技能仓库，打包了 Claude Science 风格的 prompt、skills、agents 和 MCP server 资产。

https://github.com/JimLiu/science-skills ↗

进入 GitHub 仓库后，先读 README 了解目录结构，再重点看 skills/、agents/ 和 mcp-servers/ 三个目录。skills/ 里按任务拆分了文献综述、PDF 探索、蛋白结构、远程计算等能力，你可以先挑一个最贴近日常工作的子目录，阅读其中的 SKILL.md，把里面的流程改造成自己常用 Agent 的提示词或技能包。若你已经在用 Claude Code、Hermes 或支持技能体系的代理框架，可以把这些技能内容迁移到本地技能目录，再配合仓库里的 MCP 服务器定义，把科研数据、化学工具、远程算力调用串起来，快速搭一个偏科研向的专用 Agent。

这不是单点小工具，而是一整套“科研型 Agent 资产模板”。它把 prompt、技能、代理角色和 MCP 工具链放在同一个仓库里，说明 AI 助手正在从聊天界面走向可复用的专业工作流配置，对研究人员和做垂直 Agent 的团队都很有参考价值。

• 给生物医药、科研计算、文献综述等场景搭建专用 Agent。
• 借鉴其 skills 结构，为自己的团队沉淀实验、检索、分析 SOP。

一个专为设计工程师准备的技能仓库，重点帮助 AI 代理在动画、界面细节和交互审美上少犯低级错误。

https://github.com/emilkowalski/skills ↗

打开仓库后先看 README，理解作者为什么强调“代理没有审美，需要外部技能约束”。随后进入 skills/ 目录，挑选与你当前项目有关的技能，例如动画、UI 细节或设计决策类条目，把其中的规则、反例和操作建议整理到你常用编码 Agent 的项目文档中。如果你在做前端、官网、落地页或产品界面，可以把这些 skill 当成“设计代码评审清单”：先让 Agent 按正常方式生成页面，再追加一轮基于这些技能的自检，检查 easing、阴影、层级、边框、动效时长和视觉一致性。这样能让 AI 生成结果从“能跑”提升到“更像成熟产品”。

现在很多 AI 编程输出的问题不是不会写，而是“写得不难看但也不高级”。这个仓库提供的是偏审美和交互品控的外部约束层，正好补齐当前代码 Agent 最容易翻车的那一段，对做产品界面的人尤其有价值。

• 用于前端页面、营销站、SaaS 控制台的 AI 设计审查与细节修正。
• 作为团队内部 UI 规范补充，降低 AI 生成界面风格跑偏的概率。

一个可直接在线体验的 AI 配音工具，你写脚本并用 @ 指定角色后，它会自动生成带情绪和配乐的完整音频。

http://listenhub.ai/app/ai-voice ↗

打开网页后直接进入 AI Voice 页面，先写一段不超过页面限制的脚本，用接近分镜或播客脚本的方式描述场景、语气和节奏，再通过 @ 提及为不同角色分配声音。页面会把“写脚本、选声线、生成成品”合并成一个流程，适合先拿一段 30 到 90 秒的短内容试水，比如产品介绍、播客片头、角色对白或短视频旁白。若你想把它接进 Agent 工作流，可以先在人类模式下确认脚本结构有效，再参考其相关 GitHub 技能仓库，把脚本生成和音频生成拆成两个步骤：先让 AI 产出分角色脚本，再交给网页或后续 CLI 入口生成音频。

很多语音产品还停留在“文本转单一声音”，而这个页面把角色分配、情绪、节奏和背景音乐融合到一次生成里，更接近“音频导演”而不是单纯 TTS。对于内容创作者来说，门槛低、反馈快，适合快速试创意。

• 制作短视频旁白、播客片头、角色音频 Demo 和轻量广告口播。
• 为 Agent 或应用生成多角色语音内容，验证互动音频产品原型。

一个原生 macOS 清理与维护工具，把缓存清理、卸载残留、磁盘分析和系统状态监控整合到同一应用里。

http://mole.fit ↗

访问官网后可以先下载最新的 Mac 应用版本，也可以按官网文档使用 CLI。第一次使用建议先从最安全的扫描型操作开始，例如查看 Clean、Analyze 和 Status 几个模块：先扫描缓存、构建产物和日志占用，再观察磁盘树状图确认大文件来源，最后再决定是否执行真正清理。若你习惯命令行，可按站点展示的方法安装并使用 dry-run 或预览思路先确认会删除哪些内容，再做正式清理。对于开发者来说，它特别适合定期处理 Xcode 构建残留、浏览器缓存、项目 build/dist 目录和老旧应用卸载残渣，让 Mac 在不瞎删系统文件的前提下恢复空间和可维护性。

它不是传统订阅制“优化软件”的套壳，而是把清理、安全边界、应用卸载、状态监控和可视化分析统一到一个偏开发者友好的产品里。官网还明确强调路径保护、运行中进程感知和预览机制，说明其定位更偏“可信维护工具”而非粗暴加速器。

• 定期清理开发机缓存、构建目录和卸载残留，释放磁盘空间。
• 观察 CPU、内存、网络、温度与进程状态，辅助排查 Mac 变慢问题。

WPVibe 公开了其 WordPress 插件仓库，用插件加托管 MCP 服务的方式，让 Claude、ChatGPT、Cursor 等 AI 客户端通过 MCP 访问和管理自托管 WordPress 站点。

这件事的意义不在“又一个 WordPress 插件”，而在于传统 CMS 开始以 MCP 为标准接口主动拥抱 AI。根据公开 README，WPVibe 的开源部分负责把 WordPress 侧能力暴露成受权限控制的 REST/MCP 可调用端点，托管服务再负责 OAuth、路由和工具注册。也就是说，AI 不再只是帮你写一段文章草稿，而是有机会在权限边界内直接协助做内容管理、主题编辑、REST API 调用甚至部分运维类动作。对独立站、内容团队和插件生态而言，这比单纯接个聊天机器人要更“可操作”。

如果这类模式跑通，未来会有更多垂直软件把自身功能包装成 MCP 工具，而不是各做各的私有插件协议。对于开发者和 SaaS 团队来说，这意味着“让 AI 真能操作业务系统”会越来越标准化，内容站点、后台系统和企业工具的 AI 化会更快进入实操阶段。

Google 被观察到正在提高部分 Gemini 免费用户的 API 限额，部分模型的免费层每分钟 Token 上限已显示到 100 万，但并非所有账户都一致。

这个动态最关键的点不是“免费了很多”，而是免费层开始更像一个动态调节的流量池。小众软件的整理显示，Gemini 2.5 Flash 与 2.5 Flash-Lite 在部分账户中出现了 1M TPM 的免费额度，但也有账户仍停留在 250K TPM；同时 Pro 模型并未进入免费范围。对开发者来说，这意味着可以重新评估用 Gemini 做原型、批量摘要、长文处理和低成本 Agent 调度的可行性，但不能把截图里的最高额度当成统一基准，必须进入自己账号后台实测。这个“局部放量”本质上是在用更多免费推理换开发者生态和训练反馈。

短期内会刺激更多个人开发者和小团队把 Gemini 重新纳入默认试验栈，尤其适合高吞吐但低预算的应用原型。中长期看，主流大模型平台对免费层的竞争会继续加剧，价格和额度将越来越成为开发者选型的重要抓手，而不仅仅是模型能力榜单。