Loading video...

Video Failed to Load

Go Home

谷歌悄悄发了个工具，专治看不懂的开源项目。 CodeWiki，丢一个 GitHub 仓库链接进去，AI 直接把整个代码库翻译成一份可交互的文档。 它不是简单总结一下代码，而是： - 自动生成架构图和依赖关系图 - 逐个模块讲清楚是怎么跑起来的 - 配套生成保姆级的使用教程 - 还内置了一个懂整个代码库的聊天机器人，可随时追问 链接： 以前接手一个陌生开源项目，光看懂目录结构就得花上大半天，现在直接丢进去几分钟就能上手。

GoJun315's profile picture

高军

12,720 subscribers

126,037 views • 1 month ago •via X (Twitter)

Science & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

🚀发现了一个宝藏开源项目，已经斩获 29k stars，登上 github 热榜第一 一句话就能自动生成结构复杂的架构图，还能做动画效果。 架构图、流程图、思维导图一键生成，内容可编辑，做完直接导出。 还可以上传你的手绘草图一键生成图表，也可以让它帮你画手绘图。
0:20

🚀发现了一个宝藏开源项目，已经斩获 29k stars，登上 github 热榜第一 一句话就能自动生成结构复杂的架构图，还能做动画效果。 架构图、流程图、思维导图一键生成，内容可编辑，做完直接导出。 还可以上传你的手绘草图一键生成图表，也可以让它帮你画手绘图。

阿西_出海

51,779 views • 1 month ago

当接手一个新项目，面对大量没有注释说明的代码，要去理解当中业务处理逻辑，既耗时又耗力。 最近在 GitHub 上发现了 Davia 这个开源工具，可用它为我们的代码库生成直观可视化的文档。 只需指向项目路径并描述要生成什么文档，它就会自动分析代码并实时生成文档页面。 GitHub： 除此之外，还支持类似 Notion 的编辑体验，以及可交互的白板图表，瞬间让让代码结构和逻辑一目了然。 通过克隆代码到本地，安装相关依赖后，配置 API 密钥即可使用，支持 Anthropic、Google 等主流 AI 模型服务商。
0:52

当接手一个新项目，面对大量没有注释说明的代码，要去理解当中业务处理逻辑，既耗时又耗力。 最近在 GitHub 上发现了 Davia 这个开源工具，可用它为我们的代码库生成直观可视化的文档。 只需指向项目路径并描述要生成什么文档，它就会自动分析代码并实时生成文档页面。 GitHub： 除此之外，还支持类似 Notion 的编辑体验，以及可交互的白板图表，瞬间让让代码结构和逻辑一目了然。 通过克隆代码到本地，安装相关依赖后，配置 API 密钥即可使用，支持 Anthropic、Google 等主流 AI 模型服务商。

GitHubDaily

32,647 views • 7 months ago

🚀 牛逼！又一个让我想把工作流重做一遍的项目。 刚发现 一个很有意思的项目 Graphify（🔥目前 71k Stars） 一个面向 AI Coding Agents 的知识图谱工具！ 只需一条命令，它就能把整个代码库、文档甚至 PDF 转换成知识图谱，让 AI 助手真正拥有一份可导航、可沉淀、可长期维护的第二大脑。 它不是传统 RAG，而是直接构建项目的知识图谱。 无论是 Claude Code、Codex、 Hermes Agent，都可以通过 Graphify 更快理解代码库，不只是知道代码在哪，更能理解架构设计背后的「为什么」。 最让我惊喜的是，它还能一键导出成 Obsidian Vault，把 AI 和记忆库真正连接起来。 代码、Markdown、PDF、截图、流程图等等，几乎都能纳入同一张知识图谱。 体验了一下，确实牛🥳 传送门👉🏻：
16:36

🚀 牛逼！又一个让我想把工作流重做一遍的项目。 刚发现 一个很有意思的项目 Graphify（🔥目前 71k Stars） 一个面向 AI Coding Agents 的知识图谱工具！ 只需一条命令，它就能把整个代码库、文档甚至 PDF 转换成知识图谱，让 AI 助手真正拥有一份可导航、可沉淀、可长期维护的第二大脑。 它不是传统 RAG，而是直接构建项目的知识图谱。 无论是 Claude Code、Codex、 Hermes Agent，都可以通过 Graphify 更快理解代码库，不只是知道代码在哪，更能理解架构设计背后的「为什么」。 最让我惊喜的是，它还能一键导出成 Obsidian Vault，把 AI 和记忆库真正连接起来。 代码、Markdown、PDF、截图、流程图等等，几乎都能纳入同一张知识图谱。 体验了一下，确实牛🥳 传送门👉🏻：

Lonely

16,483 views • 4 days ago

我靠，Understand Anything 这个开源项目有点东西。 它把 LLM 和静态分析结合起来，自动扫描整个代码库，提取文件、函数、类和依赖关系，最终生成一个可交互的代码知识图谱。 可以直接： 1、浏览代码结构和依赖关系 2、查看业务逻辑如何映射到代码 3、语义搜索“哪些模块处理身份验证” 4、自动生成架构学习路径 5、分析一次改动可能影响哪些模块 6、按架构层级对代码自动分组 7、Claude Code, Codex, Cursor, Copilot 等多种支持 它的分析方式也很合理： Tree-sitter 负责提取 import、函数、类等确定性结构；LLM 负责生成摘要、架构归类和业务领域映射。 内部还拆成了多个专业 Agent，分别负责项目扫描、文件分析、架构识别、业务建模、学习路径生成和图谱校验。 最终生成的知识图谱可以保存成 JSON、提交到仓库，并支持增量更新，不需要每次重新分析整个项目。 对 AI Coding 来说，这类工具的价值很可观：把复杂代码库转换成 Agent 可查询、可复用、可持续更新的结构化上下文。 相比每次让 Agent 从头读代码，这更像是在给代码库建立一层长期记忆。
1:33

我靠，Understand Anything 这个开源项目有点东西。 它把 LLM 和静态分析结合起来，自动扫描整个代码库，提取文件、函数、类和依赖关系，最终生成一个可交互的代码知识图谱。 可以直接： 1、浏览代码结构和依赖关系 2、查看业务逻辑如何映射到代码 3、语义搜索“哪些模块处理身份验证” 4、自动生成架构学习路径 5、分析一次改动可能影响哪些模块 6、按架构层级对代码自动分组 7、Claude Code, Codex, Cursor, Copilot 等多种支持 它的分析方式也很合理： Tree-sitter 负责提取 import、函数、类等确定性结构；LLM 负责生成摘要、架构归类和业务领域映射。 内部还拆成了多个专业 Agent，分别负责项目扫描、文件分析、架构识别、业务建模、学习路径生成和图谱校验。 最终生成的知识图谱可以保存成 JSON、提交到仓库，并支持增量更新，不需要每次重新分析整个项目。 对 AI Coding 来说，这类工具的价值很可观：把复杂代码库转换成 Agent 可查询、可复用、可持续更新的结构化上下文。 相比每次让 Agent 从头读代码，这更像是在给代码库建立一层长期记忆。

Vince 聊开发

11,507 views • 6 days ago

智谱又上线了个超酷功能，github项目一键转使用手册：Zread，试了下，生成的内容结构比较清晰，易读性很高 输入GitHub链接即可生成，目前使用貌似没限制 结构很清晰，右侧目录展现项目结构，左侧内容从概述由浅入深 可读比较性强，语言简洁，排版上会用一些图表来展现 这个功能对各个阶段的开发者都比较实用，比直接阅读代码库效率高的多 #智谱Zread #github转使用手册 #github阅读工具
0:25

智谱又上线了个超酷功能，github项目一键转使用手册：Zread，试了下，生成的内容结构比较清晰，易读性很高 输入GitHub链接即可生成，目前使用貌似没限制 结构很清晰，右侧目录展现项目结构，左侧内容从概述由浅入深 可读比较性强，语言简洁，排版上会用一些图表来展现 这个功能对各个阶段的开发者都比较实用，比直接阅读代码库效率高的多 #智谱Zread #github转使用手册 #github阅读工具

AIGCLINK

22,800 views • 11 months ago

分享一个超实用的开源项目：Next AI Draw io（GitHub 2.8万+🌟） 一句话就能生成复杂架构图！ 再也不用手动拖框框画图了！用自然语言跟 AI 聊天，就能瞬间生成专业 draw io 图表： · 系统架构图、RAG 流程、Transformer 结构、AWS 云架构…… · 支持上传图片/PDF → AI 自动复刻或优化 · 实时聊天迭代、动画连接线、历史版本 · 兼容 Claude、DeepSeek、GPT 等多模型 地址： 开发者必备神器～部署超简单，下面视频也录制了几个我测试的案例～简单的几秒生成一个～
0:41

分享一个超实用的开源项目：Next AI Draw io（GitHub 2.8万+🌟） 一句话就能生成复杂架构图！ 再也不用手动拖框框画图了！用自然语言跟 AI 聊天，就能瞬间生成专业 draw io 图表： · 系统架构图、RAG 流程、Transformer 结构、AWS 云架构…… · 支持上传图片/PDF → AI 自动复刻或优化 · 实时聊天迭代、动画连接线、历史版本 · 兼容 Claude、DeepSeek、GPT 等多模型 地址： 开发者必备神器～部署超简单，下面视频也录制了几个我测试的案例～简单的几秒生成一个～

爱丽丝呀！

28,795 views • 1 month ago

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。 我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论 我第一时间就上手了。 先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。 然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。 我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。
0:22

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。 我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论 我第一时间就上手了。 先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。 然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。 我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

26,809 views • 26 days ago

分享 GitHub 上一款能为 GitHub 项目一键生成交互式图表的开源工具：GitDiagram。 只需将任何 GitHub 项目链接中的 “hub“ 更改为 “diagram“，即可在几秒内为项目生成交互式架构图，让我们直观理解项目。 GitHub： 主要特性： - 即时可视化：快速将 GitHub 仓库结构转为系统设计/架构图 - 高度交互性：点击组件可直接导航到源文件和相关目录 - AI 驱动：由 OpenAI o3-mini 提供支持，生成快速准确的图表 - 自定义功能：可根据需求修改并重新生成图表 - 私有仓库支持：可通过 GitHub 令牌访问私有仓库
0:21

分享 GitHub 上一款能为 GitHub 项目一键生成交互式图表的开源工具：GitDiagram。 只需将任何 GitHub 项目链接中的 “hub“ 更改为 “diagram“，即可在几秒内为项目生成交互式架构图，让我们直观理解项目。 GitHub： 主要特性： - 即时可视化：快速将 GitHub 仓库结构转为系统设计/架构图 - 高度交互性：点击组件可直接导航到源文件和相关目录 - AI 驱动：由 OpenAI o3-mini 提供支持，生成快速准确的图表 - 自定义功能：可根据需求修改并重新生成图表 - 私有仓库支持：可通过 GitHub 令牌访问私有仓库

GitHubDaily

18,044 views • 1 year ago

程序员跪着啃源码的噩梦时代，终结了！🔥 这个项目让任何代码库直接变成可以点击、可以问答的交互式知识图谱！ Understand Anything，21.8k stars，GitHub Trending 第一 点击任意函数，秒告诉你：这模块干嘛的、依赖谁、被谁调用。 还能直接开口问"支付流程怎么走"—答案直接出来。 最绝的是—改代码前跑一下 /understand-diff 哪些模块会被影响，一目了然。 再也不怕改了A，炸了B。 Claude Code、Cursor、VS Code 全支持，一行命令装好。 20万行屎山，从懵逼到看懂，10分钟。
0:42

程序员跪着啃源码的噩梦时代，终结了！🔥 这个项目让任何代码库直接变成可以点击、可以问答的交互式知识图谱！ Understand Anything，21.8k stars，GitHub Trending 第一 点击任意函数，秒告诉你：这模块干嘛的、依赖谁、被谁调用。 还能直接开口问"支付流程怎么走"—答案直接出来。 最绝的是—改代码前跑一下 /understand-diff 哪些模块会被影响，一目了然。 再也不怕改了A，炸了B。 Claude Code、Cursor、VS Code 全支持，一行命令装好。 20万行屎山，从懵逼到看懂，10分钟。

开发者Hailey

101,025 views • 1 month ago

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。 现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。 一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。 有了Symphony，直接把这个上限干到了几十个。 它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。 你开一个任务，它自动启动一个独立隔离的Codex Agent。 自己写代码，自己跑测试，自己做交叉Review，damn！ 全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。 所有验证全过了，才会出现在你的Human Review队列里。 以后人类的角色可能会被彻底颠覆了。 以前你是监工，盯着Agent一步一步写代码，上下文切到吐。 现在你是老板，只需要看最终的结果。 满意就点合并，不满意就去仓库里补规则补文档补Guardrails。 记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。 这可不是啥实验室概念，OpenAI自己已经这么干了。 三个工程师，五个月，写了一百万行代码，0行人工写的。 产品已经有几百个内部用户，每天都在迭代。 我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。 现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。 我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。 现在Symphony已经开源了，它甚至不是一个成品。 是一个17k token的完整SPEC。 你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇
0:42

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。 现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。 一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。 有了Symphony，直接把这个上限干到了几十个。 它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。 你开一个任务，它自动启动一个独立隔离的Codex Agent。 自己写代码，自己跑测试，自己做交叉Review，damn！ 全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。 所有验证全过了，才会出现在你的Human Review队列里。 以后人类的角色可能会被彻底颠覆了。 以前你是监工，盯着Agent一步一步写代码，上下文切到吐。 现在你是老板，只需要看最终的结果。 满意就点合并，不满意就去仓库里补规则补文档补Guardrails。 记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。 这可不是啥实验室概念，OpenAI自己已经这么干了。 三个工程师，五个月，写了一百万行代码，0行人工写的。 产品已经有几百个内部用户，每天都在迭代。 我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。 现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。 我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。 现在Symphony已经开源了，它甚至不是一个成品。 是一个17k token的完整SPEC。 你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

阿绎 AYi

61,332 views • 2 months ago

最近在开发圈很火的 GitHub 项目 Firecrawl， 一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。 一句话总结： 它可以把任何网站，直接变成 AI 能用的数据。 只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说： 网站 → 结构化数据 → 直接喂给 LLM。 现在很多 AI 项目的数据流程其实都是： 网站 → Firecrawl → 向量库 → RAG → AI 应用 如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集 这个工具基本算是 AI 开发的基础设施了
0:25

最近在开发圈很火的 GitHub 项目 Firecrawl， 一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。 一句话总结： 它可以把任何网站，直接变成 AI 能用的数据。 只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说： 网站 → 结构化数据 → 直接喂给 LLM。 现在很多 AI 项目的数据流程其实都是： 网站 → Firecrawl → 向量库 → RAG → AI 应用 如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集 这个工具基本算是 AI 开发的基础设施了

开发者Hailey

139,269 views • 3 months ago

🚀 发现一个能让 Claude 变得更好用的开源神器 只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。 这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说 这几条约束下来，Claude 写代码更稳，还能省 token
0:20

🚀 发现一个能让 Claude 变得更好用的开源神器 只有一个65行的 Markdown 文件,GitHub 上已经冲到了 13万+ Star 灵感来自 Karpathy 说模型喜欢在不确定的时候瞎猜、把代码写得过度复杂、还会悄悄改掉不该碰的东西。 这个项目把给AI 编程总结了4条铁律： 1、想清楚再动手，不懂就问，绝不瞎猜 2、用最少的代码解决问题 3、精准修改，需求之外的代码一行不动 4、先写测试用例，跑通再说 这几条约束下来，Claude 写代码更稳，还能省 token

阿西_出海

42,846 views • 1 month ago

🚀 香港大学刚开源了一个宝藏项目—— CLI-Anything，star 数直接飙到 3 w 它可以扫描任意软件的源代码，自动生成 AI agent 可以直接调用的 CLI 接口。 像GIMP、Blender、Audacity 这类没有 API 的桌面软件，Agent 现在可以直接操控了。 软件以前是给人用的，现在是给 Agent 用的
0:20

🚀 香港大学刚开源了一个宝藏项目—— CLI-Anything，star 数直接飙到 3 w 它可以扫描任意软件的源代码，自动生成 AI agent 可以直接调用的 CLI 接口。 像GIMP、Blender、Audacity 这类没有 API 的桌面软件，Agent 现在可以直接操控了。 软件以前是给人用的，现在是给 Agent 用的

阿西_出海

167,764 views • 1 month ago

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。 模型可直接处理原始的图像和声音 用一个类比讲清楚 传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。 每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。 几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言 内置 Thinking 模式（逐步推理）和原生 Function Calling
1:39

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。 模型可直接处理原始的图像和声音 用一个类比讲清楚 传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。 每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。 几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言 内置 Thinking 模式（逐步推理）和原生 Function Calling

小互

57,071 views • 26 days ago

一键复刻 TikTok 电商爆款视频的AI：CreatOK 你给一张商品图 + 一句话， 直接就是一条完整带货视频：人物、场景、配音全都有。 刷到一个爆款也不用研究了， 丢进去，它会帮你拆结构，再做一版同思路内容。 不是给灵感， 是直接把能卖的内容做出来。 而且它已经接入 OpenClaw 🦞 你可以让小龙虾帮你拆爆款， 再把 CreatOK 接进 OpenClaw 里用。 装上 CreatOK 的 skills 之后： 自动分析 TikTok 爆款 生成短视频内容 输出结构 + Hook + 脚本 整个过程就跟聊天一样 你丢一个链接，说一句你想要什么，它就开始干活
0:32

一键复刻 TikTok 电商爆款视频的AI：CreatOK 你给一张商品图 + 一句话， 直接就是一条完整带货视频：人物、场景、配音全都有。 刷到一个爆款也不用研究了， 丢进去，它会帮你拆结构，再做一版同思路内容。 不是给灵感， 是直接把能卖的内容做出来。 而且它已经接入 OpenClaw 🦞 你可以让小龙虾帮你拆爆款， 再把 CreatOK 接进 OpenClaw 里用。 装上 CreatOK 的 skills 之后： 自动分析 TikTok 爆款 生成短视频内容 输出结构 + Hook + 脚本 整个过程就跟聊天一样 你丢一个链接，说一句你想要什么，它就开始干活

开发者Hailey

35,905 views • 3 months ago

Anthropic将推出一个叫Harmony的新功能，这个功能支持将本地文件目录集成到Claude的上下文中 这意味着Claude能直接读取、索引、分析目录中的文件内容，与你的本地文件无缝交互 以前，你得手动把代码给Claude，现在，直接让它看整个项目文件夹，它能自动分析所有代码，找出问题 据说它用了几分钟分析了一个代码库，识别了出了10个不同的安全漏洞 还可以直接让Claude修改本地文件，像更新文档、修改代码、添加内容等 也可以让它找文件，它会扫描你指定的文件夹根据关键词找到文件 此外，Anthropic应该还在出另外一个叫Compass的新功能，类似深度研究的功能，可以自动整合多个信息来源，包括搜索网络、学习材料、报告文档等，把零散信息整合成一个有条理的研究结果 #Claude #Harmony #AI #LLM
2:48

Anthropic将推出一个叫Harmony的新功能，这个功能支持将本地文件目录集成到Claude的上下文中 这意味着Claude能直接读取、索引、分析目录中的文件内容，与你的本地文件无缝交互 以前，你得手动把代码给Claude，现在，直接让它看整个项目文件夹，它能自动分析所有代码，找出问题 据说它用了几分钟分析了一个代码库，识别了出了10个不同的安全漏洞 还可以直接让Claude修改本地文件，像更新文档、修改代码、添加内容等 也可以让它找文件，它会扫描你指定的文件夹根据关键词找到文件 此外，Anthropic应该还在出另外一个叫Compass的新功能，类似深度研究的功能，可以自动整合多个信息来源，包括搜索网络、学习材料、报告文档等，把零散信息整合成一个有条理的研究结果 #Claude #Harmony #AI #LLM

AIGCLINK

36,742 views • 1 year ago

使用 Claude Code、Cursor 这些 AI 工具写代码时，很多人都是直接这样说：帮我开发一个 AI 聊天应用。 瞬间能看到几百行代码生成，给人感觉确实很不错，若再让它加个登录注册功能，却发现所有代码直接重写。 这就是 “氛围编程” 给大家带来的困扰，为此 GitHub 团队开源了 Spec Kit 这款工具，专门用来规范化我们使用 AI 工具的开发流程。 让我们先用自然语言写清楚具体 “做什么” 和 “为什么”，然后再交给 AI 写代码。 并且通过统一的规格模板和强制评审机制，把模糊需求逐步转化为高质量、可追溯的代码实现。 GitHub： 整个开发过程都有完整的记录和追溯，即使六个月后回头看项目，也能清楚理解当初每个设计决策的来龙去脉。 目前该工具开源不到一个月时间，便收获了 19.8k+ Star，已支持 Claude Code、Gemini CLI、Cursor 等 AI 工具。 通过 uvx 安装后即可使用，提供了详细的教程文档，值得每位使用 AI 编程工具的同学看看。
0:26

使用 Claude Code、Cursor 这些 AI 工具写代码时，很多人都是直接这样说：帮我开发一个 AI 聊天应用。 瞬间能看到几百行代码生成，给人感觉确实很不错，若再让它加个登录注册功能，却发现所有代码直接重写。 这就是 “氛围编程” 给大家带来的困扰，为此 GitHub 团队开源了 Spec Kit 这款工具，专门用来规范化我们使用 AI 工具的开发流程。 让我们先用自然语言写清楚具体 “做什么” 和 “为什么”，然后再交给 AI 写代码。 并且通过统一的规格模板和强制评审机制，把模糊需求逐步转化为高质量、可追溯的代码实现。 GitHub： 整个开发过程都有完整的记录和追溯，即使六个月后回头看项目，也能清楚理解当初每个设计决策的来龙去脉。 目前该工具开源不到一个月时间，便收获了 19.8k+ Star，已支持 Claude Code、Gemini CLI、Cursor 等 AI 工具。 通过 uvx 安装后即可使用，提供了详细的教程文档，值得每位使用 AI 编程工具的同学看看。

GitHubDaily

107,999 views • 9 months ago

最近刷帖子，意外发现 Google 的 Code Wiki，感觉还挺好用的，属于那种“你用一次就会想把它塞进日常工作流”的东西。 以前读代码慢，是因为项目复杂、历史包袱重；现在更离谱的是——Vibe Coding 一开，AI 堆代码的速度直接把人的理解能力碾过去。 代码一天一个版本，文档呢？大概率还停在半年前。你让 AI 按文档跑，十次有九次报错，这不是你水平问题，是“文档天然会腐烂”的结构性问题。 Code Wiki 捅破的点很直接：既然没人愿意维护文档，那就别指望“人肉维护”，让 AI 来维护。 它更像是长在仓库里的“活体 Wiki”：代码一有新的 commit，它就用 Gemini 去扫变更，把相关说明、模块介绍、关键逻辑的文档一起更新。 对我来说这意义很大，因为它解决的不是“写得更漂亮”，而是“永远别过期”。 文档不再是一个需要你记得去更新的负担，而是代码的自然副产物。 它的可视化能力还不错，Code Wiki 能直接从代码关系里渲染出 类图、时序图、依赖图、架构流转图 这种“人类更容易理解”的表达方式。 尤其是接手老项目、准备重构、或者经常研究开源项目——这类图的价值很高：大家不是在“逐行读”，而是在“先建立地图，再决定往哪里深挖”。 它的交互是“可追溯”的。你在侧边栏问它问题，它会基于当前仓库给解释，而且能给出精确的代码引用，点一下就跳到文件和行号。 这一下把 AI 最让人难受的“幻觉焦虑”降了不少：你不需要完全相信它的结论，你只需要顺着引用去核查——它更像一个“带证据链的讲解员”。 一句话：在 Claude Code、Codex 这些工具把“生成”变得近乎无限便宜之后，我们真正稀缺的东西变了——不是产出，而是理解与判断。
0:23

最近刷帖子，意外发现 Google 的 Code Wiki，感觉还挺好用的，属于那种“你用一次就会想把它塞进日常工作流”的东西。 以前读代码慢，是因为项目复杂、历史包袱重；现在更离谱的是——Vibe Coding 一开，AI 堆代码的速度直接把人的理解能力碾过去。 代码一天一个版本，文档呢？大概率还停在半年前。你让 AI 按文档跑，十次有九次报错，这不是你水平问题，是“文档天然会腐烂”的结构性问题。 Code Wiki 捅破的点很直接：既然没人愿意维护文档，那就别指望“人肉维护”，让 AI 来维护。 它更像是长在仓库里的“活体 Wiki”：代码一有新的 commit，它就用 Gemini 去扫变更，把相关说明、模块介绍、关键逻辑的文档一起更新。 对我来说这意义很大，因为它解决的不是“写得更漂亮”，而是“永远别过期”。 文档不再是一个需要你记得去更新的负担，而是代码的自然副产物。 它的可视化能力还不错，Code Wiki 能直接从代码关系里渲染出 类图、时序图、依赖图、架构流转图 这种“人类更容易理解”的表达方式。 尤其是接手老项目、准备重构、或者经常研究开源项目——这类图的价值很高：大家不是在“逐行读”，而是在“先建立地图，再决定往哪里深挖”。 它的交互是“可追溯”的。你在侧边栏问它问题，它会基于当前仓库给解释，而且能给出精确的代码引用，点一下就跳到文件和行号。 这一下把 AI 最让人难受的“幻觉焦虑”降了不少：你不需要完全相信它的结论，你只需要顺着引用去核查——它更像一个“带证据链的讲解员”。 一句话：在 Claude Code、Codex 这些工具把“生成”变得近乎无限便宜之后，我们真正稀缺的东西变了——不是产出，而是理解与判断。

sitin

43,028 views • 4 months ago

最近这个 Srcbook 很火，非常有趣的一个开源项目，用Typescript 编写的一个本地的笔记工具，但是内置了一个 Node.js 环境，所以完全是可交互式的。 在里面可以运行任何的JS 代码，还能 npm 安装依赖，还有 AI 的加持，可以直接让 AI 写代码，最后还能导出标准的 Markdown，非常有趣的想法，要是能再用 Electron 包一层，做成一个本地的应用就很方便了。 我截了一段官网视频大家可以感受一下，可以在官网看看介绍全部的介绍视频。
1:04

最近这个 Srcbook 很火，非常有趣的一个开源项目，用Typescript 编写的一个本地的笔记工具，但是内置了一个 Node.js 环境，所以完全是可交互式的。 在里面可以运行任何的JS 代码，还能 npm 安装依赖，还有 AI 的加持，可以直接让 AI 写代码，最后还能导出标准的 Markdown，非常有趣的想法，要是能再用 Electron 包一层，做成一个本地的应用就很方便了。 我截了一段官网视频大家可以感受一下，可以在官网看看介绍全部的介绍视频。

Viking

26,608 views • 1 year ago