刚家里的智能门锁坏了，室内打不开门锁，报了个修，十分钟后（晚上九点半）收到一个电话说一小时内上门 打工人已经在狠狠共情了

Mid‑snore

I made a bedtime lock for people who can't close the computer! you adopt a cat on your PC. when it's time to sleep, the cat drags its bed in and takes over the screen 🐈🛏️ .dmg or CLI on the release page github.com/znygithub/cat-bed…

大厂员工最需要被提效的部分

从 MCP 到 SKILL：关于 Agent 扩展机制的思考 去年 MCP 爆火，大家一度有种感觉：只要把工具都接进来，AI Agent 就会“活”过来，像一个长了手脚的人，什么都能干。 如果把 LLM 看作大脑（智力引擎），tool call / function call 就像让它能指挥四肢：模型填参数，代码去执行，再把结果喂回去继续推理。 MCP（Model Context Protocol）把这套机制做成了“标准插头”：以前各家服务各自一套 SDK API，你要给 Agent 封装工具，就得处理语言、依赖、鉴权、返回格式，复杂度会指数上升；MCP 的价值是把“接入”这件事工程化、标准化。 所以当时最乐观的推论很自然：只要 MCP 工具够多，Agent 就有无限多的手脚，什么都能干了。 但很快大家就撞墙了。 第一堵墙：容量瓶颈（上下文预算） 工具的定义本身要进入系统 prompt 或等价的工具上下文；工具越多，占用越多，留给“干活”的空间越少。于是你会看到一些很现实的限制：某些 AI coding 工具最多支持配置 100 个 tools，而一个 GitHub MCP 可能就带 50 多个。你想把世界都接进来，但大脑的工作台面就这么大。 第二堵墙：任务闭环瓶颈（组合性） 很多 MCP 的调用结果会被直接回填上下文。短结果当然舒服，长结果就会触发两个问题：要么上下文爆炸，要么被截断丢尾巴。 我在做 holon 的时候就踩过这个坑：让 AI 去处理 PR 的 review comments，如果 comments 一多，直接回填上下文就会被截断，结果总是漏修。 后来反而退回到更“原始”的 GitHub CLI 会更稳——AI 先用 `gh` 把评论拉下来写成文件，再用 `grep`、`jq` 或简单脚本去筛选、聚合，只把必要的摘要喂回上下文继续推理。 这个过程让我意识到一个很基础、但之前容易被忽略的问题：上下文更适合承载决策信息，而不是当作数据存放层。 文件、数据库、对象存储这些外部介质，天然支持分页、寻址和重复访问，更适合用来承接中间状态。当任务需要反复回看、局部筛选或增量处理时，把数据外部化，往往比把全文塞回上下文要可靠得多。 从这个角度看，MCP 暴露出来的瓶颈，并不完全在协议本身，而在于我们常常下意识地把它用成了“往上下文里塞数据”的通道，而不是“把能力接入到工作流里”的接口。 也正是在这样的背景下，SKILL 开始受到关注。 如果 SKILL 只是纯文本，它更像分层 prompt 的组织方式；但当它和命令行工具、脚本结合起来，它就不只是“提示词技巧”，而是一种场景化的工作流封装：同一类任务的步骤、产物、工具链、失败重试方式、输出格式，都被聚合在一起。普通用户可能搞不清 MCP 是干啥的，但他能理解“这个技能帮我把评论整理出来并逐条修复”。 从实现上看，这有点像“以前用胶水代码粘合工具”，现在用“自然语言 LLM Bash/脚本”来粘合工具。并且这种范式正在让 Prompt Engineering 转向 Skill Engineering。灵活性确实强了，但相比标准化的扩展，SKILL 还有许多未解决的问题。 安全性是第一个难题。Bash 脚本这些工具主要是开发者用，大家多少有点风险识别能力；但当 Agent SKILL 普及到普通用户后，安全问题会更严重。到那时候，“靠提醒小心”是没用的，Agent 环境得提供更强的沙箱隔离能力。 标准化是第二个难题。SKILL 天然是按场景聚合的，但也因此更依赖运行环境：目录结构怎么约定？中间产物放哪？状态如何保存与复用？如何跨端复制这套模式？如果这些问题不解决，SKILL 的能力很难跨环境复用，更像是绑定在某个系统里的私有插件。 说回 MCP，我并不觉得有了 SKILL，MCP 就没意义了。恰恰相反，我更倾向于一种分工： MCP 解决“连接标准化”，SKILL 解决“工作流编排与状态外部化”。前者让能力能规模化接入，后者让任务能稳定闭环。 MCP 不一定要“由 Agent 直接调用并回填上下文”，它完全可以被 SKILL 里的脚本调用，让结果先落地为可寻址对象（文件/句柄/资源），再把摘要与索引回填给模型。这样上下文就回到它最擅长的位置：做决策、做推理、做取舍，而不是当缓存。 MCP、SKILL 仍处在早期阶段，只是 Agent 插件机制演化中的不同形态。当 Agent 开始承担复杂任务时，真正重要的已不再是能力本身，而是上下文、状态与执行边界如何被拆分和安放。

推荐➕1，本地的 ASR 模型还挺准的，还能接云端大模型 API ，可玩性拉满

最近在练习冥想🧘‍♂️启发的一个 idea： 我们脑子里每天都会有很多的想法，脑子就像是住了一只猴子，总是会被各种各样的想法所吸引，因此你就很难专注于当下。 冥想提供的是一种觉察：觉察到你分心了，觉察到你被其他事物吸引了。 《猴子别闹》正如其名，希望让你脑子的里的猴子安静下来，能够进入心流

想到了窝窝团挖美团的那个故事

看到这个我突然想到@skywt2003用前端写简历

想做一个简单的用户访谈 🤗 目标用户是把 Cursor 运用到真实生产环境的项目中的（并不是现在 X 上很多演示的 toy project）。 参与访谈的人都会赠送 1 个月的 @devv_ai 会员（价值 $20）。 欢迎私信 or 留言。

用 Cursor Composer 速通一个浏览器插件

今天出门见到的西游元素

看 Zed 和 Cursor 的官网 blog 感觉他们都是在明牌创业，遇到了什么问题，接下来要干什么都是公开的 Zed blog：zed.dev/blog/zed-ai Cursor blog：cursor.com/blog/problems-202…

AI 产品的年费好像都不值得充值，因为你不知道一年的时间会出现多少可替代的同类产品 有多少人现在已经不用 OpenAI 了…

以前也经常会用竞争的眼光看待和同龄人的关系，后来发现其实并不存在这么多所谓的竞争关系 有趣的是，如果站在一个 builder 的视角，反而会更希望的身边能多出现一些很优秀的朋友

产品一开始做用户调研，范围可以广一点，这个过程中会发现你的产品服务不了每个人，会对自己目标用户的画像更加清晰，哪些人是你的用户，哪些人不是

我在GitHub学英语，盘一下那些帮助我学习英语的GitHub项目。👇 1: English-level-up-tips github.com/byoungd/English-l… 这是一个全面的英语学习指南。该指南基于作者的个人经验和学术成就，分享了有效的英语学习技巧。内容涵盖词汇、听力、口语和写作等不同的语言掌握方面。 2: Everyone Can Use English（人人都能用英语） github.com/xiaolai/everyone-… "Everyone Can Use English"（人人都能用英语）是由李笑来创建的，目的是帮助人们通过实用和高效的方法来学习英语。核心理念是通过持续的实践和利用现代技术来学习英语，强调“使用”而非仅仅“学习”英语。内容涵盖从基础语法到高级应用等多个方面。 3: English Note github.com/hzpt-inet-club/en… 项目旨在帮助初学者从零开始系统学习英语语法。这个项目不仅提供了一系列的文档来详细介绍英语的基本语法知识点，还包括了实用的学习方法和技巧，以支持学习者更有效地掌握英语。特别适合那些英语基础较弱，但希望通过自学提高英语水平的学习者。 4: Chinese Programmer Wrong Pronunciation（中国程序员容易发音错误的单词） github.com/shimohq/chinese-p… 这个项目帮助中国程序员纠正常见的英语发音错误，特别是与技术术语和编程语言相关的词汇。仓库提供了一个常见错误发音的单词列表，并附上正确发音和常见错误。这个资源对于经常使用英语工作但可能没有机会学习特定技术术语正确发音的程序员和技术专业人员特别有用。 5: Qwerty Learner github.com/RealKai42/qwerty-… Qwerty Learner 是一个为键盘工作者设计的软件，主要目的是通过练习打字来帮助用户记忆单词和提高英语肌肉记忆。该项目特别适合那些需要通过键盘输入英语的专业人士，如程序员，可以帮助他们提高输入速度和准确性。 6: Earthworm github.com/cuixueshe/earthwo… 项目旨在通过使用 连词成句 、 i 1 、 以终为始等学习理论来帮助你习得英语，通过不断的重复形成肌肉记忆，最重要的是游戏化的形式让学习英语从此不再痛苦。项目特别适合那些希望通过键盘输入提高英语学习效率的用户。 7: A Programmer's Guide to English github.com/yujiangshui/A-Pro… 专门为程序员编写的英语学习指南。这份指南不仅聚焦于传统的语言学习方法，而且深入探讨了语言学习的本质，使用程序员熟悉的逻辑和方法论来讲解如何有效学习英语。 8: Youtube Auto Subtitle Download（Youtube 字幕下载） github.com/1c7/Youtube-Auto-… 一个开源的工具，专为Chrome浏览器和Tampermonkey扩展设计，用于下载YouTube视频的自动生成字幕。该项目支持下载单语和双语字幕，包括将视频原语言字幕翻译成中文。这个工具特别适合需要快速获取YouTube视频字幕的用户，便于提高语言学习效率。 9: BlueSea github.com/jiangqizheng/Blue… 一个有趣的英语学习浏览器扩展。它提供了多种功能，旨在帮助用户在浏览网页时学习和记忆英语单词。主要功能包括划词翻译、单词高亮显示、单词弹幕显示、根据记忆曲线安排的单词复习计划，以及词频统计。 10: Anki github.com/ankitects/anki Anki 是一个使用认知科学技术如主动回忆测试和间隔重复来增强记忆的流行开源记忆卡片程序。你不仅可以用于学习英语、还可以学习其他科目。Anki 允许用户创建自定义记忆卡片，并支持通过 AnkiWeb 在多个设备之间同步，便于在线和移动学习。支持第三方开发者创建的各种插件，非常硬核的学习工具。 需要稍微花费一点时间学习使用，属于先苦后甜，软件高度自由化，你可以创造属于你自己的学习世界。