Thoughts on AI, technology, and innovation
从零搭建 Promptfoo 并接入火山引擎 Ark Coding Plan 免费额度，踩过 npm 超时、推理模型 content 为空、not-contains 断言失效三个坑，最终 20/20 测试全部通过。本文记录完整配置和踩坑复盘。
OptMem 用 426 token 的 prompt + 一个零依赖 Python 文件实现了 AI Agent 永久记忆。本文拆解其定长记录、二叉树压缩和「位置即身份」的设计哲学，并与 Hermes Memory、nanobot Dream 做三方对比，揭示三种截然不同的 AI 记忆路线。
换个镜头主角就换脸，是 AI 短剧最贵的老毛病——个人创作者成片每分钟要磨 20–30 小时，大半耗在维持一致性。2025–2026 年行业已经收敛出一套范式：先定身份、锁死参考、再扇出镜头。本文拆解这套范式、参考图从单图到多视图角色板的取舍、锁一致性的三条技术路线，以及我把它装进 magicedit copilot 管线时补的两道防漂移门（运行时 VLM 身份校验 + 九宫格检查点）。
角色不换脸了，房间却在飘——墙色变了、门挪了位、招牌道具换了样。场景漂移是 AI 短剧里被讨论得更少、却同样破坏沉浸感的一半。这篇把场景一致性拆清楚：定场镜头作为空间锚点、从单张到多角度 set 参考的取舍、角色锚点与场景锚点正好相反的硬约束，以及场景独有的一维——空间接地（对着固定门窗家具定机位）。附我把它装进 magicedit copilot 管线的落地：no-people 硬约束、多角度 set 参考、运行时 VLM 场景校验门。
从短剧工厂（Toonflow ⭐11.7k）到 AI 原生视频编辑器（Frontstage），从 Agentic 框架（ViMax）到 Claude Code 插件（Remotion Superpowers）——本文对 8 款开源 AI 视频生成工具进行全维度横向对比，提炼出 5 条行业趋势和选型建议。
换个镜头角色就变脸，是 AI 视频最烦人的老毛病。九宫格分镜用一个朴素的物理事实治它：九格画在同一张画布上，模型天然让同一个人保持同一副样子。本文拆解它的作用、优缺点、主流工作流，以及我在自己产品管线里把它从罕见特例放宽为默认主力的取舍。
nanobot 是 2026 年上半年增长最快的开源 AI Agent 项目——2 月上线，7 月突破 45,777 Star。本文从架构、Goal 系统、Dream 记忆、多通道设计四个维度进行源码级拆解，并与 Hermes Agent 做横向对比，给出差异化分析和选型建议。
Deja Vu 提出「上下文稀疏性」——每个输入只激活少数注意力头和 MLP 神经元，其余可安全跳过。在 OPT-175B 上实现 2× 推理加速（对比 FasterTransformer）、6×（对比 HuggingFace），不损失精度、不牺牲 in-context learning 能力。
七月上旬，Lilian Weng 发表 Harness Engineering for Self-Improvement 长文，将 Harness 工程提升到递归自我改进的核心地位；Anthropic 密集发布 Managed Agents、Agent Skills 等工程实践；Cognition 发布 SWE-1.7 模型。本文速览海外 AI 工程博客的最新动态，并分析它们与国内 AI 工程实践的共鸣。
知道了 Harness 工程和 Loop 工程的概念之后，用什么工具落地？本文系统梳理 2024-2025 年活跃维护的 AI 智能体工程工具，覆盖工具定义、上下文组装、输出解析、安全门控、状态管理、上下文压缩、检查点、可观测性等全链路，帮你从零搭建或在现有框架上扩展自己的 agent 系统。
BMAD-METHOD 不是又一个「AI 编程技巧合集」——它是一套完整的 AI 驱动的敏捷开发方法论。50K Star、12+ 专业 Agent 角色、34+ 结构化工作流、从头脑风暴到部署的完整生命周期。本文拆解 BMAD 的四阶段流程、Party Mode 多角色协作、以及它与 ECC/Ralph 的生态位差异。
Clypra 是 AIEraDev 团队用 Tauri + React 构建的现代化视频编辑器，代表了开源视频编辑工具的技术选型新方向——用 Rust 替代 C++ 做性能层，用 React 替代 Qt 做 UI 层。本文从技术架构到同类对比，拆解这一选型的优势与挑战。
ECC 不是又一个「Claude Code 配置包」——它是 227K Star、230+ 贡献者、跨越 7 个 AI 编程助手的 Agent 操作系统。261 个技能、自进化学习层、安全扫描、跨会话记忆持久化、Token 优化——本文从架构到实战，拆解 ECC 如何让 AI Agent 从「一次性对话」变成「持续进化的工程系统」。
当大模型本身已经足够强，真正决定 AI 智能体好坏的不再是参数量，而是包裹它的两层工程：Harness 工程（静态脚手架——工具、上下文、安全门）和 Loop 工程（动态控制流——观察、思考、行动、停止）。本文系统梳理这两个概念的核心要素、设计原则、最佳实践和参考资料，帮你理解 Claude Code、Manus、Hermes Agent 等系统背后的工程逻辑。
Seed-Audio 1.0 不是又一个 TTS 引擎——它是字节跳动 Seed 团队从 Seed-TTS 论文到生产级音频生成平台的完整进化。支持单次 Prompt 生成六角色对话+环境音效+背景音乐，288 种预设音色，语音克隆，以及音频优先的视频生成管线。本文从论文到 API 到实际用例，逐层拆解其技术架构与设计取舍。
Boogu-Image-0.1 是 2026 年 6 月发布的开源图像生成与编辑模型家族，662 Star，Apache-2.0。它用比同类开源模型少一个数量级的训练数据，实现了接近闭源系统的性能。本文拆解其统一理解+生成架构、Base/Turbo/Edit/Edit-Turbo 四模型矩阵、Boogu Arena 评估体系，并与 FLUX、Qwen-Image、Z-Image 做横向对比。
MaineCoon 是 Catnip AI 团队构建的首个实时音视频自回归模型，22B 参数，单 H100 GPU 上实现 47.5 FPS 的流式生成，生成成本低于 $0.001/秒。它提出了「社交世界模型」这一新范式——不只是生成视频，而是主动观察用户、内部模拟社交动态、实时反应。本文拆解其流式训练、Agentic 推理和 SocialVideo-Bench 评估体系。
Hermes Agent 是 Nous Research 构建的自进化 AI Agent，208K Star，MIT 许可证。v0.18.0（2026.7.1）实现了 P0/P1 清零、MoA 一等公民、验证闭环、/learn 和 /journey 自进化命令、后台扇出委托、桌面编程项目等里程碑。本文深度拆解其自进化学习循环、技能系统、记忆架构、多平台网关和最新版本的核心突破。
GBrain 是 YC 总裁 Garry Tan 构建的 AI Agent 大脑系统，24K+ Star，MIT 许可证。它管理着 14.6 万页、2.4 万人、5300 家公司的知识，66 个定时任务自主运行。核心差异：不只是搜索——它合成答案、自建知识图谱、在夜间自主进化。本文拆解其混合检索、自连接图谱、Schema Pack 和 Dream Cycle 四大核心机制。
Understand Anything 是 2026 年增长最快的开源开发者工具之一，69K Star，MIT 许可证。它用 Tree-sitter + LLM 混合架构将任何代码库转化为可交互的知识图谱，支持 15+ AI 编程平台。本文拆解其 5 Agent 管线、确定性+语义双引擎、增量更新机制和跨平台插件架构。
