Skills 依然是 prompt 工程，Be ambitious 这个 skill 可以让 agent 更加深入地执行任务。核心机制也很简单，看看某个领域的专家会做哪些还没做的事。

Plexo：使用多网络并行下载，从而提高整体的下载速度。

Handwired：将网页的 JS 代码转为神经网络。

代码的话是写死、一开始就正确的，所以结果精确、无需学习——这跟一般神经网络「训练出来、带误差」正相反。神经网络的形式，却像普通程序一样稳定。

现在把这些权重解冻拿去训练，看一段确定逻辑被「学习」后会变成什么样……很抽象，还天然适配 GPU。

EmbeddingGemma 2 在 mac 上的一些实践：

EmbeddingGemma 2 on Apple Silicon: fused Metal kernels and int8 matmuls on the M5 Neural Accelerators

EmbeddingGemma 2 (text + audio + image) — Core ML:Core ML 版，文本音频和图片是分开的 mlpackage。

zerobrew：Homebrew 有了自己的 uv。

幕后是内容寻址存储实现去重、APFS clonefile 实现零开销复制、以及借助 Homebrew Ruby DSL 的源码构建兜底方案来加速 Homebrew。

Strata 可以让 Qwen3.8-Flash-Next 这个 125b 参数的 MoE 模型在仅 12GB 的显存上运行，前提是需要大量内存。DDR5 常见的 32GB 内存也可以跑但是会剪枝到只留下 Code 任务部分，以及 CJK 文本处理会更差。

基本原理是将最常用的专家放到显存，所有专家放到内存，SSD 放 n-gram 表，MTP 加速。

wow-claude 这个魔兽世界插件可以让你在游戏中直接和外部的 Claude Code 通信。

很有意思的是作者如何突破 WoW 的沙盒限制：

插件把消息画成左上角一排 4 像素的彩色方块（合法的 API）。沙盒外的 bridge 程序每秒 4 次截屏来解码这排像素。插件虽然不能读文件，但加载时会读一次自己的文件。于是 bridge 把回复写进 200 个预制的「插槽」里,再靠定时器触发游戏去加载一个新的插件，此时就会合法读取。

AirCard-iOS 无需越狱即可在设备上自定义 Apple Wallet 卡片图案、锁屏密码拨号器和锁屏壁纸。需要 iOS 27 或以上版本。

CloudFlare 开源了安全审计 Skill：

1. Reconnaissance -- map architecture, trust boundaries, input surfaces, prior evidence, and deterministic coverage in architecture.md and coverage-ledger.json.

2. Coverage-led hunting -- assign isolated hunters from ledger units, record their checks, and use coverage critics to find gaps.

3. Candidate validation -- give every unique candidate to a fresh verifier that tries to disprove it.

4. Structured output -- write confirmed, needs_validation, and rejected records to findings.json and validate them against report-schema.json.

5. Independent record verification -- fresh agents verify final source claims. Material replacements receive another independent verifier.

6. Target-neutral reporting -- derive REPORT.md, FINDINGS-DETAIL.md, and NEEDS-VALIDATION.md from the verified records and coverage ledger.

跟随 Homebrew 7.0 发布的还有官方 GUI 客户端，macOS 原生应用。

一些西方拉丁语产品的输入框（比如 Cursor 的编辑器），有时会混用 IME 和表单的交互，比如删除或提交 IME 的输入，同时也会删除或提表单中的内容。

最近 modern-web-guidance 增加了这一方面指南。

• 单行 <input> 不用管，浏览器会自动阻止输入法状态下的回车提交。只有用 JS 拦截回车的多行 <textarea> 才需要处理；
• 要放一个 <button type="submit">。键盘快捷键只是辅助，不能替代表单原生的提交路径；

if (event.isComposing) return;

• Safari 不支持 isComposing，需要额外处理；

WeMM-Embedding 是用在微信中的多模态嵌入模型，有 2B、4B、9B 三种尺寸，2B 尺寸命中率就已经和 Qwen3-VL-Embedding 差不多了。9B 最高支持 4096 维度。

我在用 ComfyUI-MiniMax-H3-Workflows-For3060 这个库在低显存（12GB）系统生成视频。用的 MiniMax-H3_I2V_TAE-Preview_Turbo.json 这个节点，效果还行但已经符合预期了。之前的 Wan 系列模型就很难带得动。

Pi 的上下文压缩格式：

const SUMMARIZATION_PROMPT = `The messages above are a conversation to summarize. Create a structured context checkpoint summary that another LLM will use to continue the work.

Use this EXACT format:

## Goal
[What is the user trying to accomplish? Can be multiple items if the session covers different tasks.]

## Constraints & Preferences
- [Any constraints, preferences, or requirements mentioned by user]
- [Or "(none)" if none were mentioned]

## Progress
### Done
- [x] [Completed tasks/changes]

### In Progress
- [ ] [Current work]

### Blocked
- [Issues preventing progress, if any]

## Key Decisions
- **[Decision]**: [Brief rationale]

## Next Steps
1. [Ordered list of what should happen next]

## Critical Context
- [Any data, examples, or references needed to continue]
- [Or "(none)" if not applicable]

Keep each section concise. Preserve exact file paths, function names, and error messages.`;

MiniMax H3 官方 Skills：一个写作方面的 skill 和 8 种视频风格。

Canvas Arena：对比 LLM 的绘画能力。给到 LLM 一些基础的画笔工具，以及画布预览能力，让 LLM 效仿名作。涉及到视觉理解和 tool 调用能力。

文章显示，GPT-5.6 Sol 画得最好。

TurboFieldfare：让 Gemma 4 26B-A4B 模型在 2GB RAM 下运行。

原理是不把整个 14.3 GB 模型全部装载到内存，而是把 1.35 GB 的共享核心和 KV 缓存常驻内存，其余专家按需从 SSD 流式读取。硬盘的读取速度重要性进一步加大。

Pokemon Gen 1 Recompilation Project：使用 LÖVE2D 引擎以 HD-2D 风格重制《宝可梦 红/蓝》。