Claude Code 自动模式搞砸了你的项目？Boris 教你 5 个步骤让它真正干活
Claude Code 创作者 Boris Cherny 分享自动模式多任务并行技巧。5 步实操指南：任务拆分→验证标准→优先级编排→并行执行→结果汇总。附 CLAUDE.md 配置模板。
别再为这些工具付费了，这30个开源替代品让你的月账单直接砍半
上个月我认真拉了一遍SaaS账单，吓了一跳。本文从100个开源GitHub仓库中精选30个最实用的替代品——n8n替代Zapier、Penpot替代Figma、Ollama替代ChatGPT订阅——按六大类逐一拆解，每项标注许可证和坑点。
AI 视频生产三连击：Runway Luxo + Gemini Omni + Kling 同时跨过「能用」门槛
如果你对 AI 视频的印象还停留在「那些有点诡异的六指人类和违反物理定律的物体运动」，今天有三个独立信号在告诉你：可以更新认知了。
Runway Luxo：跨越恐怖谷
Runway 今天发布了 Project Luxo 的研究结果，核心结论只有一句话：AI 生成视频已经跨过了恐怖谷。
他们做了什么？向创意行业的从业者展示了包括 AI 短片《The Rogue》和广告样片在内的作品，然后评估观众的反应。结果是：观众开始关注故事本身，而不是技术瑕疵。
更有意思的是生产效率数据：所有作品都由单人团队制作，耗时从 3 周到 4 小时不等。用 Runway 的话说：「当技术足够好以至于『隐形』，观众沉浸于故事而非技术时，就意味着跨越。」
这个判断标准其实很聪明——它不是用 PSNR 或 FVD 这些技术指标来证明 AI 视频「变好了」，而是用观众的行为数据。当观众不再在弹幕里刷「AI 生成的吧」，AI 视频就真的成熟了。
Gemini Omni：不只是生成，而是「拍摄」
同一天，Google 官方发布了 Gemini Omni 的视频提示词指南。五条技巧，每一条都值得细读：
利用模型已有的现实世界知识。Gemini Omni 的训练数据包含了大量现实世界的视觉信息，你不需要描述「一辆红色的汽车长什么样」，直接说「一辆红色特斯拉 Model 3 在太平洋海岸公路上行驶」就行。
精确控制文本渲染。视频中的文字排版一直是 AI 视频的弱项，Gemini Omni 在这方面做了针对性优化，支持指定字体、位置和动效。
使用专业镜头指令。推拉摇移、景深、构图——用电影摄影师的术语来写提示词，而不是「拍得好看一点」。
迭代编辑而非重拍。不需要因为一个细节不满意就重新生成整个视频。可以像改代码一样在上一版基础上修改。
直接调整角色的动作节奏或情绪。对于叙事类内容，这个能力意味着你不需要重新设计角色动画，只需要告诉模型「让她走得更快一点」或「表情更紧张」。
这些技巧看起来简单，但背后反映的是...
「选择保持人性」— Ethan Mollick 最新长文：当 AI 能写出一切，什么内容还值得人类亲自生产？
Ethan Mollick 是沃顿商学院教授，也是 AI 领域最受关注的博主之一（One Useful Thing）。他今天发表了一篇新文章，标题直接得刺眼——《Choosing to Stay Human》（选择保持人性）。
你在社交媒体上看到的东西，可能是 AI 写的
Mollick 开篇就抛出了一个问题：
如果你现在打开你最喜欢的社交媒体，你会发现上面的帖子开始看起来惊人地相似。
不只是帖子。评论区越来越多的 AI 生成回复，学术论文、纽约时报观点文章、文学奖投稿中 AI 撰写的比例在快速攀升。Mollick 直接拿教育、咨询和最近文学奖争议三个领域做切片，追问一个问题：当 AI 可以大规模生产「看起来像人写的内容」，人类创作的独特性到底在哪里？
AI 让内容走向「均值回归」
Mollick 的核心观察是：AI 生成的内容在统计上会趋向于「最安全、最平均」的表达。不是故意平庸，而是训练数据和概率分布的自然结果。
类似的事在搜索引擎时代发生过一次。SEO 让全网的网页标题和开头段落都变成了同一套模板。AI 把这个过程加速了几个数量级。
对于内容创作者来说，这个判断隐含一个重要的结论：未来内容的价值将不再取决于「写得好不好」，而是取决于「能不能写出 AI 写不出的东西」。后者不是指技术层面（AI 当然能模仿任何风格），而是指信息来源的独特性和观点的不可复制性。
什么应该交给 AI，什么必须保留？
Mollick 的文章并不是「AI 有害论」。他的态度更接近一种清醒的分类学——哪些工作可以放心交给 AI，哪些必须由人类亲自完成：
可交给 AI：标准化产出、模板化内容、信息聚合、例行报告
应保留人类：需要真实体验支撑的判断、第一手的实验观察、带有个人风险承担的洞见、不可复现的创造性时刻
Mollick 文章中最有力的一句话也许是：「社交媒体的帖子看起来越来越像彼此。这不仅是审美问题——当你无法区分原创和复制品时，你就会停止相信任何东西。」
这句话恰好点中了 AI 内容泛滥的真正代价：不是内容质量下降，而是信任体系的瓦解。
对中文内容生态的延伸思考
Mollick 讨论的是英文互联网，但中文内容生态面临的挑战只多不少。
公众号、小红书、知乎等平台上的 AI 生成内容比例正在快速上升。区别在于，中文 AI...
ECC 开源项目深度拆解：19 万星的 Agent 性能调校系统，给 AI 编程装上「变速箱」
如果你用过 Claude Code 或 Codex CLI 写代码，大概率遇到过这种情况：agent 为一个简单功能读了 15 个不相关的文件，调用了 8 个不需要的工具，烧掉了一大堆 token，最后代码还没写好。
ECC 要解决的就是这个问题。
ECC 是什么？
ECC 的全称很长——「The agent harness performance optimization system」（Agent 执行层性能优化系统）。简单说，它像是给 AI 编程 agent 装了一个「变速箱」和「刹车」，告诉 agent：这个场景下你只需要看这些文件、用这些工具、以这种节奏工作。
它的核心模块包括 5 个：
Skills。定义 agent 在特定场景下使用的能力清单。比如「debug 模式」下 agent 可以读日志、跑测试、查看 git diff；「refactor 模式」下 agent 可以用 replace_content...