获得徽章 0
GitHub 上有 9,900 个 ai-agent 仓库，2026年至少 25 个框架进过 Trending。
Hermes Agent 两个月到 91K Star，一周涨 53K——但Token开销中竟然有73%是“固定税”，而"自我改进"又会把错误经验固化。
比起追框架，不如搞清楚自己有什么、建好不随框架消亡的工程纪律。
写了篇详细分析
Hermes Agent 两个月到 91K Star，一周涨 53K——但Token开销中竟然有73%是“固定税”，而"自我改进"又会把错误经验固化。
比起追框架，不如搞清楚自己有什么、建好不随框架消亡的工程纪律。
写了篇详细分析
展开
评论
1
维护了10年的 C++ 模块库，26个模块、10万行代码。用 repo-scan 扫完发现：光 H.264 解析就有3份独立实现，位流读写有4份。
AI 不知道这些，每次从零写。同一个能力写了三遍，AI 来了要写第四遍。
你们的老项目里，有没有类似的重复？
AI 不知道这些，每次从零写。同一个能力写了三遍，AI 来了要写第四遍。
你们的老项目里，有没有类似的重复？
评论
点赞
做了个实验：让 Claude 和 Codex 各自独立审计同一个 C++ 遗产项目，26 个模块。
结果一致率只有 38.5%。
更刺激的是，Claude 说 13 个模块是"核心基石"，Codex 只认 2 个。Codex 还独立找出了 13 个 Claude 完全没发现的 Bug——4 字节 XOR 伪加密、COM 初始化顺序错误、磁盘清理线程被注释掉...
跑分差不多，实战天差地别。详细对比写了篇文章
结果一致率只有 38.5%。
更刺激的是，Claude 说 13 个模块是"核心基石"，Codex 只认 2 个。Codex 还独立找出了 13 个 Claude 完全没发现的 Bug——4 字节 XOR 伪加密、COM 初始化顺序错误、磁盘清理线程被注释掉...
跑分差不多，实战天差地别。详细对比写了篇文章
展开
2
1
一个5年历史的C++项目，21个子项目，46000个文件。直接喂给AI？token爆炸。
正确做法：先用脚本跑一遍目录结构，提取文件分类、体积分布、三方库清单，输出结构化Markdown——然后把这份"CT报告"喂给AI。
结果发现：自有代码只有3MB，三方库596MB。FFmpeg还在用2015年的2.x版本。基础库被复制粘贴到了30多个目录。636MB构建垃圾直接commit进了仓库。
方法论三步：① 脚本穷举扫描 → ② 结构化数据喂AI → ③ AI深度分析出行动建议。不管什么语言什么项目都适用。
工具开源了：github.com/haibindev/repo-scan
详情看我文章
正确做法：先用脚本跑一遍目录结构，提取文件分类、体积分布、三方库清单，输出结构化Markdown——然后把这份"CT报告"喂给AI。
结果发现：自有代码只有3MB，三方库596MB。FFmpeg还在用2015年的2.x版本。基础库被复制粘贴到了30多个目录。636MB构建垃圾直接commit进了仓库。
方法论三步：① 脚本穷举扫描 → ② 结构化数据喂AI → ③ AI深度分析出行动建议。不管什么语言什么项目都适用。
工具开源了：github.com/haibindev/repo-scan
详情看我文章
展开
评论
点赞
给 AI Agent 加"上网能力"，有六条技术路线：
❌ 模拟点击 → navigator.webdriver 秒暴露
❌ 截图+AI → 每步烧一次 API，慢且贵
❌ CDP 直连 → Chrome 要重启带调试参数
Chrome 扩展注入 → 就是你的真实浏览器
最好的反爬方案是根本没有东西可以被检测。
详细分析写了篇长文
❌ 模拟点击 → navigator.webdriver 秒暴露
❌ 截图+AI → 每步烧一次 API，慢且贵
❌ CDP 直连 → Chrome 要重启带调试参数
Chrome 扩展注入 → 就是你的真实浏览器最好的反爬方案是根本没有东西可以被检测。
详细分析写了篇长文
展开
评论
点赞
#AI 编程# 做了个 Agent Skill：对代码仓库做资产清查。
一行命令，自动把文件分成"项目代码/三方库/构建产物"三类，识别 50+ 常见库的版本号，检测跨目录的代码重复，分析 Git 活跃度。
支持 C/C++、Java、iOS、Web 混合项目，大型 monorepo 自动拆分成分级报告。
Python 3，零依赖，跨平台。
github.com
一行命令，自动把文件分成"项目代码/三方库/构建产物"三类，识别 50+ 常见库的版本号，检测跨目录的代码重复，分析 Git 活跃度。
支持 C/C++、Java、iOS、Web 混合项目，大型 monorepo 自动拆分成分级报告。
Python 3，零依赖，跨平台。
github.com
展开
评论
7
花了两天时间，把抽屉里吃灰的 Win10 笔记本完整部署了OpenClaw
4 个在Windows WSL2 上部署 OpenClaw 的致命坑：
1. 环境变量死锁 — CLI 被自己锁死
2. 幽灵进程 — 升级后前台新版后台旧版
3. 模型注册表 — "借壳上市"行不通
4. OAuth 回调黑洞 — WSL 网络隔离的锅
完整踩坑记录写了篇长文
4 个在Windows WSL2 上部署 OpenClaw 的致命坑：
1. 环境变量死锁 — CLI 被自己锁死
2. 幽灵进程 — 升级后前台新版后台旧版
3. 模型注册表 — "借壳上市"行不通
4. OAuth 回调黑洞 — WSL 网络隔离的锅
完整踩坑记录写了篇长文
展开
1
1
纯Vibe Coding的作品几乎都不能看，AI生成的代码膨胀速度超乎你的想象，同质化高性能又差，除非你的要求很低，否则当你发现一个项目是纯AI出来的，除非热度很高，否则还是及早从你的关注列表里取消。
评论
点赞
#新人报道# 写了篇关于"提示词工程幻觉"的深度分析——90%的AI开发项目失败不是因为模型不行，而是架构思路就错了。你觉得呢？
评论
1