📡 AI 资讯日报

一个面向 Agent 的视频导演 Skill；你只要描述想做什么视频，它会把素材治理、分镜、双语字幕、转场、动效、品牌包装、渲染和质检组织成可复现的视频工程。

https://github.com/joeseesun/qiaomu-cut-skill ↗

先打开 GitHub 仓库阅读 README 和 SKILL.md，再在已经安装 Skills 的 Agent 环境中执行仓库给出的安装命令 `npx skills add joeseesun/qiaomu-cut-skill --skill qiaomu-cut`。准备一段主题说明、目标时长、画幅比例和素材目录，给 Agent 一个明确 brief，例如“做一条 60 秒中文科技产品介绍，使用本地素材，加入中英双语字幕和片尾品牌信息”。先让它生成素材清单、分镜与渲染计划，确认来源和输出目录后再执行渲染；最后检查字幕、音画同步、素材来源和最终视频，必要时只修改 brief 后重新生成。

它不是把“生成视频”包装成一次性黑盒，而是把来源治理、项目结构、渲染和验证都纳入 Skill。GitHub 项目公开了 agents、references、evals、reports 和脚本目录，并明确强调 source-aware、renderer-ready、verifiable，这让视频工作流更接近可审计的软件工程，而不是只能抽卡的演示。

• 将长文章、产品说明或课程内容快速拆成带字幕的短视频。
• 为企业或个人账号建立可复用的品牌化视频生产流水线。

开源、可自托管的多源 AI 播客工作室，把视频、网页链接、文章、会议、课程和文稿变成可听的私人播客，并支持自定义主播人设、音色、MCP 与插件源。

https://github.com/vastsa/BokeBox ↗

先克隆仓库并阅读 README.zh-CN.md，根据自己的环境选择 Docker Compose 或本地 pnpm 方案；准备一个模型或语音服务的 API 配置后启动 Web 界面。第一次测试不要直接导入整套资料，先放入一篇文章或一个短视频，观察内容解析、口播脚本、音色和封面结果，再调整主播人设、节目风格和语言。确认效果后再导入会议记录或课程目录，并把生成的脚本、音频和闪卡放进自己的资料库。需要接入自动化流程时，再研究仓库中的 MCP、Source Plugins 和 storage 结构。

BokeBox 把“知识输入—理解—口播脚本—封面/闪卡—TTS—节目库”串成一个完整链路，而不是只提供文本转语音按钮。官方仓库明确采用 React、Vite、Fastify、SQLite、ffmpeg 和 pnpm monorepo，并以 LGPL-3.0 开源，适合希望保留数据控制权、又想把内容消费变成音频工作流的人。

• 把收藏的文章、视频和会议纪要批量转成通勤时可听的节目。
• 为团队内部课程、产品更新或研究资料生成统一风格的音频简报。

一款目前面向 macOS 的免费 Markdown 编辑器，支持 CLI 与 MCP，让 Claude Code 等 Agent 能和用户同时编辑同一个 .md 文档。

https://appinn.com/openmarkdown/ ↗

在 macOS 上从官方介绍页获取 OpenMarkdown，先打开一份可恢复的 Markdown 副本，不要拿唯一的知识库文件做第一次试验。选中一段文字后，让 Claude Code、Hermes 或其他支持 MCP 的 Agent 执行一个小任务，例如“把这一段整理成三列表格”“只改写标题，不改变事实”。观察编辑器中的实时变化，检查 diff 后再保存。接着可以测试 CLI/MCP 对目录中多份文档的协作，但要给 Agent 限定文件范围和修改权限；这款软件目前不是开源项目，重要文档仍应保留 Git 版本控制和备份。

它把 Agent 的文本操作从“在终端里生成一份新文件”推进到“人和 AI 在同一编辑界面共同修改”。外部实测文章明确展示了选中文本后让 Claude Code 转成表格的用法，同时也提醒它是免费但非开源、当前主要支持 macOS。这个定位很适合观察 AI 编辑器究竟能否降低审阅成本，而不是只增加一个聊天窗口。

• 让 AI 协助整理会议纪要、研究笔记和产品文档，同时保留人工审阅。
• 在写作过程中对选中段落做结构化转换、润色或格式统一。

OpenMOSS 的开源端到端音频理解模型，一次处理长音频，输出带时间戳和匿名说话人标签的转写，并支持说话人分离与声学事件感知。

https://github.com/OpenMOSS/MOSS-Transcribe-Diarize ↗

先阅读 GitHub 的 README_zh.md，准备一个短的多人会议或播客音频，优先用 1—3 分钟样本验证硬件和依赖。根据 README 选择 Transformers、vLLM 或推荐的 SGLang Omni 服务方式，下载 `OpenMOSS-Team/MOSS-Transcribe-Diarize` 模型后，对音频调用 OpenAI 兼容的 `/v1/audio/transcriptions` 接口，要求输出 `verbose_json`，再查看时间戳、`[S01]`/`[S02]` 等说话人标签和声学事件。确认显存、速度与识别质量后，再处理长录音；领域专有名词可用 hotword 或 prompt 机制校正，最后人工抽查人名、数字和重叠发言。

传统会议转写往往要把 ASR、说话人分离、时间轴和后处理拼成多段流水线，而 MOSS 把这些能力放进一个端到端模型。官方仓库显示它采用 Apache-2.0，并提供 Python 工程、测试和服务入口；Hugging Face 资料还说明其覆盖 50 多种语言、最长可处理约 90 分钟录音，适合把本地音频直接变成结构化资料。

• 将多人会议、访谈和课程录音转换成带发言人标记的可检索文本。
• 生成播客字幕、会议摘要和按时间定位的内容片段。

Moonshot AI 发布的 2.8T 参数级模型，具备原生视觉、百万 token 上下文和长程编码/知识工作能力，可从 Kimi、Kimi Code 与 API 入口试用。

https://kimi.com/blog/kimi-k3 ↗

https://platform.kimi.ai/docs/guide/kimi-k3-quickstart ↗

先从 Kimi 官网或 Kimi Code 做一次无需改动文件的任务测试，例如让它阅读一个小型仓库并列出依赖、风险和测试计划；需要程序化接入时，打开官方 Kimi K3 Quickstart，创建 API 凭证并按文档配置 OpenAI 兼容客户端。测试长上下文时，分批输入一组项目文档，要求它先建立目录和引用关系，再回答指定问题；测试 Agent 编码时，使用隔离分支和明确的 AGENTS.md 约束，开启工具调用前先限制可写路径。官方特别提醒要正确传递 thinking history、不要在会话中途随意切换模型，并对过度主动的决策设置边界。

K3 的看点不只是参数规模，而是 Kimi Delta Attention、Attention Residuals 与稀疏 MoE 组合后对长序列和长任务的取舍。官方资料同时给出原生视觉、1M 上下文、工具调用、动态加载和 API 接入，并明确列出 thinking history 与过度主动两项限制，这些细节比“接近某某模型”的宣传更有助于判断它能否稳定进入真实 Agent harness。

• 在大仓库中进行代码理解、跨文件重构和长时间调试。
• 对大量合同、报告、设计稿或图像资料做统一分析和问答。

一款 macOS 原生工具，把缓存清理、应用卸载、维护优化、磁盘分析和系统状态监控放在一个本地应用里，并强调先预览、再确认。

https://mole.fit/docs ↗

从官方文档下载试用版，确认系统满足 macOS 14 或更高版本后，先进入 Analyze 查看磁盘树，不要一上来执行清理。对 Clean 中的缓存类别逐项展开，检查文件列表和字节数，取消任何不确定的路径；卸载应用时先确认它是否仍在使用，再让 Mole 把残留偏好、支持文件和启动项移入可恢复的废纸篓。最后打开 Status 查看 CPU、内存、GPU、磁盘、网络、电池和进程，记录一次基线，再运行少量 Optimize 任务，对比前后变化。它提供试用次数，适合先验证扫描范围和误删保护。

官方文档将工具拆成 Clean、Software、Optimize、Analyze、Status 五个清晰边界，并明确“文件留在本机”“删除前展示清单”“不确定就拒绝处理”的保守策略。对需要让 AI Agent 观察本机状态的人来说，本地、可预览和可恢复比单纯的清理速度更重要；它也把磁盘地图和系统指标纳入同一套可读界面。

• 清理 Xcode 构建产物、浏览器临时文件和已卸载应用残留。
• 排查磁盘占满、后台进程异常或网络/电池状态变化。

面向 Mac 的网络流量监控工具，能查看每个应用的上传下载、实时速度和累计用量，并可识别 VPN/代理背后的真实应用流量。

https://apps.apple.com/us/app/bytetally-network-monitor/id6785049699?mt= ↗

从 Mac App Store 安装 Bytetally，首次启动先观察菜单栏实时上下行速率和应用列表，不需要登录，也不要先打开限速或断网控制。运行一两个常用应用后，回到总览查看本周期流量、7 天趋势和高消耗应用，打开 VPN 或代理再比较它对真实应用的归因是否符合预期。若确实有流量预算，再设置按日、周或月的数据上限，先用较宽松的阈值测试提醒；需要导出时选择 CSV/JSON，并在启用任何自动断开或限速前确认应用名称和网络环境。

它把“哪个应用在消耗网络”从模糊的总流量统计变成按进程观察，并在 VPN/代理场景下尝试追溯真实来源。App Store 页面明确写出数据分析在本机完成、不上传网络数据，免费层提供实时与累计流量，专业层再扩展数据上限、异常上传和按应用控制，适合排查 AI Agent、同步工具或代理导致的隐性流量。

• 找出后台同步、模型下载或代理链路中的流量大户。
• 为移动热点、家庭宽带或特定 Wi-Fi 设置可控的数据预算。

一个轻量网页工具，追踪 OpenAI Codex 用量限制何时重置，并把官方公告、历史重置记录、平均间隔和最长间隔集中展示。

https://codex-resets.com ↗

直接打开网页，先看顶部的 tracking live 状态和最近一次重置，再向下查看公告日志，点击每条记录回到对应的 X 公告。使用 Codex 前把当前用量和最近重置时间记下来，遇到“今天是否重置”之类的问题时先以官方公告为准，不要把网页上的统计预测当成配额承诺。若你长期使用 Codex，可以每周记录一次页面中的 reset history，与自己的任务量、套餐和实际限额对照；团队共享时只分享页面链接，不要在任何备注或截图里暴露账号、Cookie、Token 或账户编号。

它没有试图控制 Codex，而是把分散在社交平台上的容量公告转成一个可查询的时间序列。对重度用户来说，限额变化本身就是工作流的一部分；这个小工具的价值在于降低“是否值得现在开始长任务”的判断成本，同时也提醒使用者区分官方事件、历史统计和个人账户实际配额。

• 在开始长时间编码任务前判断是否等待重置更合适。
• 为团队排查 Codex 限额变化与任务中断之间的时间关系。

一个给 AI Agent 接入互联网的开源工具，统一路由 Twitter/X、Reddit、YouTube、GitHub、Bilibili 等多平台的读取与搜索能力。

https://github.com/Panniantong/Agent-Reach ↗

先打开官方 GitHub README，按当前版本的安装说明完成安装，然后运行 `agent-reach doctor --json` 检查各平台实际可用的后端，不要凭印象猜命令。研究 GitHub 项目时使用对应的 dev/search 能力，读取网页或 RSS 时保留原始 URL；研究 X 内容时先做小范围查询，确认账号权限和返回质量，再扩大数量。每次结果都保存原文链接、抓取时间和证据等级，搜索到的内容只作为候选，不要直接当成事实。当前日报暂停小红书来源，因此不要启用或调用任何小红书 MCP，也不要为登录进行扫码。

它解决的是 Agent 研究流程中的“互联网入口经常变化”问题，而不是再造一个搜索框。官方仓库采用多后端路由、真实 doctor 体检和平台能力分组，并公开 MIT 许可证；把健康检查、来源保留和失败降级纳入工作流后，Agent 才更容易从一次性问答升级为可复核的研究助手。

• 为日报、竞品调研和开源项目发现建立多源证据包。
• 让 Agent 在搜索、读取网页和 GitHub 代码之间保持统一的来源记录。

Anthropic 的长程 Agent 工程实践强调 initializer、增量 coding agent 和结构化交接，而 X 上的讨论把它概括为外层 harness 正在变薄。

这不是简单地把工具删掉，而是重新划分模型与外层系统的职责。Anthropic 的公开文章要求首次会话建立 init.sh、进度日志和初始提交，后续 Agent 在每个上下文窗口里持续推进并留下可交接产物；同时，harness 仍然负责沙箱、上下文重置、工具路由和恢复路径。模型更强之后，写死的“模型不会做什么”会逐渐过时，但安全边界、可观察状态和测试仍不能被省略。真正的趋势是从提示词堆砌转向可验证的运行环境设计。

对开发者而言，竞争重点会从“选哪个模型”部分转移到任务分解、状态持久化、权限边界和评测闭环。轻量项目可以减少过度定制的 agent workflow，复杂项目则必须把模型自主性包进可回滚、可审计的执行环境；这也意味着只展示一次成功 Demo 的产品，和能跨上下文稳定交付的产品之间会出现更大差距。参考：https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents

商汤在 WAIC 发布 SenseNova U1 Pro，强调原生多模态、最高 8K 出图、密集图文控制以及围绕复杂目标的长程 Agentic Generation Loop。

这条路线的关键不是单纯提高图片分辨率，而是试图把理解、规划、生成、检查和修改放进一个连续闭环。官方 SenseNova-U1 仓库已经公开了统一多模态架构、信息图模型和交错图文生成方向；公开报道则称 U1 Pro 预览版采用邀请测试，正式服务与 API 计划后续开放。因此今天更适合把它看作“交付级多模态”的产品信号，而不是已经人人可用的稳定工具。它与传统抽卡式生图的差别，要等真实复杂版面和连续编辑体验验证。

如果长程图文交付能够稳定工作，广告物料、商业演示、科普图解和视频分镜会从“人工筛选生成结果”走向“给目标、验收成品”。这会提高多模态产品的工程门槛：模型不仅要画得像，还要守住文字、版式、事实和多轮修改的一致性；同时，原生开源模型和邀请制服务之间的可用性差距，也会成为企业选型的重要因素。参考：https://github.com/OpenSenseNova/SenseNova-U1

a16z 的最新图表文章讨论软件股的选择性抛售，核心不是所有软件一起被 AI 淘汰，而是市场重新审视增长质量、产品壁垒和长期价值。

X 上的摘要把它说成“只杀没有护城河的那一半”，而 a16z 原文的重点是，软件市场的下跌并非对所有公司一视同仁，投资者在提前定价未来的可替代性。随着编码 Agent 降低开发成本，单纯拥有一套功能和一批代码的产品更容易被复制；真正能留下来的，可能是掌握工作流、专有数据、分发渠道、合规关系或深度行业流程的产品。对 AI 创业者而言，低成本做出 MVP 只是起点，关键是让用户把结果、历史和协作关系沉淀在产品里。

这会压缩“套一层模型就收费”的应用估值，也会推动软件公司重新设计定价和交付方式：从席位费转向结果、自动化次数、业务流程或增量价值。对用户来说，短期会有更多便宜工具可试，但长期应重点观察数据迁移成本、真实使用频率和能否替代旧流程，而不是只看模型型号和发布速度。参考：https://www.a16z.news/p/charts-of-the-week-softwares-selective

Hacker News 热议的一项研究称，获得 AI 建议后，受试者准确率明显下降、信心显著上升，主动回答“不知道”的比例也大幅减少。

研究报道给出的对照数字是：准确率从 27% 降到 9%，信心从 30% 升到 76%，承认“不知道”从 44% 降到 3%。这并不等于“AI 建议永远有害”，而是说明流畅、肯定和看似完整的回答会改变人的决策姿态：用户更容易把模型输出当作确认，而不是待验证的假设。对 Agent 产品尤其重要，因为自动化系统会把错误答案继续传给下一步工具；如果没有引用、反例、置信度和人工复核，速度提升可能只是把错误更快地扩散。

企业在客服、投研、医疗、法务和内容审核等场景里，不能只用最终答案命中率做验收，还应记录模型是否给出证据、是否允许拒答、用户是否复核以及错误如何被发现。产品设计上应把“请检查来源”“列出不确定性”和“需要人工确认”变成默认步骤；对普通用户而言，最实用的习惯是把 AI 当作反方和检索助手，而不是权威顾问。参考：https://thenextweb.com/news/ai-advice-suppresses-critical-thinking-wrong-answers-study