AI 写业务逻辑已经很能打了，但一让它做动画，味道就不对：进场动画用了 ease-in、元素从 scale(0) 里凭空冒出来、hover 一动就闪。不是 AI 不会写代码，是它没有审美——不知道什么样的动效才叫“对”。
Emil Kowalski 的做法是把审美写成规则，打包成 Skills 喂给 AI。他在 Vercel 做过设计、现在 Linear 的 Web 团队做设计工程，也是 Sonner、Vaul 两个被大量生产环境使用的 UI 库的作者。这套 emilkowalski/skills 就是他多年经验的沉淀。
你有没有遇到过这种情况：打开一个老项目，README 写着「文档待补充」，翻代码才发现核心逻辑已经迭代了三个大版本？
文档过期是软件工程最古老的问题之一。在 AI 编程 Agent（Claude Code、Codex、Cursor 等）越来越普及的今天，这个问题变得更加尖锐——Agent 需要理解你的代码库才能帮你写代码，但如果文档是过期的，Agent 学到的就是过期的知识。
LangChain 最近开源了一个新项目 OpenWiki，上线不到一个月拿下 10.7k Stars。它是一个专门给 AI Agent 写文档的工具——不是给人看的传统文档，而是维护一个 Agent 能读懂的代码库 Wiki。
如果你的 AI 编程 Agent 写了一半代码，你如何知道：哪段代码是 AI 写的、用的是哪条 prompt、它读了哪些文件、它实际改了什么和声明的有什么不同？
现在，所有 AI Agent 用户都面临同一个困境：git blame 只会告诉你「谁提交的」，但不会告诉你「谁写的」。当多个 Agent 并行作业（Claude Code 改后端、Codex 写前端、人工 review 穿插其中），代码成了一个黑盒。bug 进来了，但「哪次对话、哪个 prompt 引入的」——没人知道。
brain0 就是为这个困境而生的。它被动地在你的仓库上构建一张「决策图谱」，把每一次 commit 和它们背后的 Agent 意图关联起来，告诉你每一行变更背后的 是谁、为什么、可信吗。
做科研的人一定懂这个痛点：文献检索在 arXiv，数据分析在 Jupyter，画图在 matplotlib，写报告在 Overleaf，引用管理在 Zotero——工具链碎了一地。每切换一次工具，上下文就断一次。更糟的是，跑完一轮实验后想追溯”这张图是哪版代码、用哪份数据跑出来的”，往往翻半天笔记都找不到。
Claude Science 试图解决这个问题，但它绑定了 Anthropic 的闭源模型，数据也要过云端。上周刚开源的 Open Science（306+ 星 / 5 天），给出了一个开源方案：用 Tauri + OpenCode + MCP + Agent Skills，把所有科研步骤串到一个本地优先、模型无关的工作台里。
AI Agent 正在重塑软件交互方式，但随之而来的安全威胁却常常被忽视。提示注入（Prompt Injection）是 LLM 应用中最危险、最难以完全防御的攻击手法：攻击者通过精心构造的输入，让模型忽略安全指令、执行恶意操作、甚至窃取敏感数据。理解并防御提示注入，是构建生产级 Agent 的第一步。
本文从真实攻击案例出发，系统讲解提示注入的攻击原理、分类方法、纵深防御策略及主流工具框架，并深入探讨 Agent 场景下特有的安全挑战。
本文已加密，请输入密码查看
你的 AI Agent 能写代码、能调 API、能操作文件，但它打不开你已经登录的 GitHub 后台，填不了需要验证码的表单，更没法在你继续工作的同时帮你跑完一个三步注册流程。腾讯刚开源的 BrowserSkill 解决的就是这个问题——它让 Agent 直接「借用」你已经登录的真实浏览器来干活，用完归还，全程不打断你的工作。
本文已加密，需要密码才能查看
上线不到一个月，4.5k 星、338 forks、145+ issues——Mineradio 是最近 GitHub 上蹿升最快的桌面音乐播放器。它不是又一个音乐客户端，而是一个把天气电台、粒子视觉、电影镜头运镜、歌词舞台、3D 歌单架塞进一个 Electron 应用里的沉浸式音乐空间。支持网易云音乐和 QQ 音乐双平台，GPL-3.0 开源。
DeepSeek 又双叒叕开源了。这次不是模型本身，而是一套完整的投机解码（Speculative Decoding）训练和评估框架——DeepSpec。上线两天 GitHub 星标突破 1300，社区已经有人提交 PR 增加新的解码算法。如果你正在为 LLM 推理成本发愁，这个项目值得认真看看。
