阅读笔记 - 2026-03-15
Wei-Shaw/sub2api: Sub2API-CRS2 一站式开源中转服务，让 Claude、Openai 、Gemini、Antigravity订阅统一接入，支持拼车共享，更高效分摊…
要点
- 一个各种 ai 服务订阅分出子 token 的服务
- 可以支持 api 式的 token 分发，也支持订阅分发
- 可以通过 business 分发的方式，公司订阅多账号可以减很多费用
- 有生态系统，支持部署一套付费体系，购买这个子账号 token 的用量
我的观点
- 价值：就是一个自己部署的 openrouter ，我的理解个人用户不如 openrouter
WorkBdudy - AI Agent 办公新范式
要点
- 腾讯出的 openclaw 客户端，支持一键部署 mac 和 windows
- 支持一键部署飞书，钉钉，qq和企业微信
- 有一个客户端 ui ，可以直接聊天，或 skill 部署，支持兼容 openclaw 的 skills
我的观点
- 价值：可以用于给小白一键部署，也支持给 windows 使用，但使用什么模型很存疑，我认为不如 maxclaw
Heinrich：Skill Graphs > SKILL.md
要点
- 很多专业的功能无法使用单一的 skill 来完成，而是需要组成 skill 图，可能是多达上百种技能的组合
- 其实就是通过某一个 index md 文件，串联各种子 md 文件，从而达到技能的整合
- 另外还有 yaml frontmatter 和内容映射技术
- 可以通过 ArsContexta 这个 cc 插件来构建这种知识体系
我的观点
- 价值：判断是对的，但能否发挥他的价值（可控的长期运行），需要验证，可能也未必有单一加载 skill 表现的更好。另外也可能是 org skill 可以为之运行的一种模式
逆向工程 Claude 的生成界面——然后为终端构建 — Reverse-engineering Claude's generative UI - then building it fo…
要点
- Claude 不会在 markdown 回复里输出 HTML, 但是通过生成的 widgetcode 调用 内部调用工具 showwidget 渲染 html 到页面上
- 会调用通用的 cdn 上的 js 库来做 html 生成，而 claude 很可能是在 prompt 里指定了使用哪些库
- 选 html 是因为 token 成本低
- 他做的 Generative UI 是 inline 的，临时的，是 html fragment 而非 iframe ，不需要额外存储
- llm 不生成 html 可视化，由 show widget 工具来做
- 作者又通过 pi agent 实现了一遍这个过程，说明过程的合理性
方法
- Glimpse : macos 上的 webview 工具
- pi：本地的快速 agent cli
- morphdom : dom 差异比较器，产生流式的ui变动
我的观点
- 价值：很有价值的研究，对如何 llm 产生动态 ui 和可组合的交互组件提供了思路
HKUDS/CLI-Anything: CLI-Anything: Making ALL Software Agent-Native
要点
- 将任意 gui 软件变成 cli 工具，方便 agent 调用
- 可支持代码库、办公软件、分析、开发工具、科学计算等复杂软件
- 他主要支持开源软件，对闭源软件的支持主要是找公开的 api ，比如 oauth 等
- 第一优先级：官方 API / SDK / 协议
- 第二优先级：脚本化入口 / headless mode / 导入导出命令
- 第三优先级：工程文件格式可写 + 原程序负责渲染
- 第四优先级：逆向/反编译/黑盒试探
- 对于完全闭源的商业软件，他自己也承认实现的效果不好
Kai：不要在神话 claude code 是一行 prompt 实现的 plan mode 了 现在的 plan mode prompt 是： 已进入计划模式。你现在应专注于探索代码库并设…
要点
- 现在 claude code 的 plan mode prompt 的完整 dump
我的观点
- 价值：可以用在 pi 或者我的 orchestrator agent 中
- Claude Code Planning Mode Prompt Dump
Lyric🌀：用开发 Agent 理解 Agent 02：数据即代码，代码即数据
要点
- 代码和数据分离是旧时代的结构，虽然我们尝试引入一些动态性，但还是相互隔离，这导致代码没办法自动改自己的输出，失去了动态适应
- ai的逻辑和数据已经模糊，当这种循环起来的时候， agent 就有了自我适应的能力，不断在循环中找到合正确的演化方向
- 但这也会让系统变的不可靠，我们还是需要一种先验的机制来规定他的边界，需要核心约束来避免目标偏移
George：Harness Engineering Is Cybernetics
要点
- 以前的工人人工维持平衡装置，现在只需要设计合适的旋钮来控制，这就是控制论上的进化
- k8s 就是这样一种工程实践，我们只需要给他限制资源、扩展条件和合适的监控，他就能自动维持一套可伸缩的部署架构
- ai时代自动编码也是这样，需要一套闭环的自反馈，而且比上述几个系统所需要的反馈和限制系统更复杂，因为问题域变的更大了
- 如何校准传感器和执行器比如何写代码更难，但是 ai 每次犯错都必须记下来，需要不断的对流程优化，让系统变的可读，做好良好的分层的文档。ai时代忽略这些工作的代码会变的很高
- openai 每周五会花20%的时间清理 ai 产生的垃圾，能有效帮助系统进化
我的观点
- 价值：很好的开导文章，告诉了我们ai时代程序员的主要工作从码代码，变成了流程控制者，这是一个很重要的工作，比完成需求重要的多
AGI-is-going-to-arrive/Memory-Palace: Memory Palace is a long-term memory operating system purp…
要点
- memory 不是简单的 markdown 和分层，应该是一套系统的 agent 工程，所以 tool call 、mcp 什么的，要上还是得上
- 每一个环节都值得被好好量化，对分类的质量管控，在高噪音的内容中精确定位关键记忆，需要有可观察的交互接口和审计日志和证明，都是消除幻觉的方法
- 对 rag 的技术要求也很高， rag 的持续遗忘，混合检索等，都需要使用
- memory palace 就是一套这样的 ai agent 体系