jq 日志整理：把 AI 调用的失败与未知用量留在统计里
jq 调用日志整理可以帮助 AI 开发者识别重试、失败与缺失 usage，避免把未知用量误记为零。本文提供三个平台的官方安装路径、三行合成 JSONL、TSV 导出过滤器及任务去重统计，说明跨平台引号、内存限制和实际账单核对边界。不读取真实客户数据，不代替供应商结算，也不把调用次数当作成功任务数量。
Meta Watermelon 对标 GPT-5.5：Zuckerberg $1450 亿赌注的第一次回响
7 月 2 日 Meta 内部 townhall：Zuckerberg 承认 AI Agent 进度不及预期，AI 主管 Wang 却声称 Watermelon 已对标 GPT-5.5。$1450 亿年度 AI 投入的第一次回响，背后是被中国开源模型挤压的 Llama 和闭源转型。
Fincept Terminal 测评 2026：真正可用的开源彭博终端
Fincept Terminal 凭什么做到 Bloomberg 级别的分析能力——$0 成本、18.4 k GitHub Stars、37 个 AI Agent、实时交易。一篇深度测评。
MCP 不再只是 Claude Desktop 的玩具：2026 年 5 个变化让它成了 AI 基础设施
一年多前，Anthropic 发布 Model Context Protocol（MCP）时，大多数人的反应是「又一个协议」。它解决的问题很具体：让 Claude Desktop 连接外部工具和数据源。到了 2026 年 5 月，这个判断已经……
MuscleWiki — 2000+ 动作交互式健身库：点击肌肉，秒查训练动作
一句话结论：MuscleWiki 是一个免费的交互式健身动作库，收录 2,000+ 个动作和 7,500+ 个视频演示。通过交互式肌肉地图，点击任意肌肉即可看到针对训练动作。提供免费 API，适合健身 App 开发者集成。 项目介绍 MuscleWiki 以独特的交互式肌肉地图为核心体验。人体模型上标注了 45 个肌肉群，点击任意肌肉即可显示该部位的针对性训练动作，每个动作都配有视频演示和分步文字说明。是目前互联网上最直观的健身动作查询工具。 核心功能 交互式肌肉地图：45 个肌肉群可视化标注，点击即查
2,000+ 动作库：覆盖全身所有肌群
7,500+ 视频演示：专业动作教学视频
分步文字指南：每个动作的详细执行说明
免费 API：供开发者集成到健身 App 中
移动端适配：响应式设计，手机浏览器完美体验 API 使用 # 获取所有动作
curl https://api.musclewiki.com/v 1/exercises # 按肌肉群筛选
curl https://api.musclewiki.com/v 1/exercises?muscle=biceps # 完整 API 文档见
# https://api.musclewiki.com/documentation 适用场景 健身 App：嵌入动作教学视频和文字指南
个人训练：查询不熟悉的动作正确做法
教练教学：快速展示动作给学生看
内容创作：健身文章和视频的参考资料 延伸阅读 Exercises Dataset — 433 个健身动作开源数据集：为你的健身 App 和 AI 模型提供结构化数据 DAREBEE — 免费无广告健身资源：数千套原创训练计划，不花一分钱练遍全身 FAQ MuscleWiki...
Exercises Dataset — 433 个健身动作开源数据集：为你的健身 App 和 AI 模型提供结构化数据
Exercises Dataset 提供 433 个健身动作的结构化数据，并整合 MuscleWiki 动作演示与 DAREBEE 免费训练计划，适合健身 App、AI 模型和个人训练参考。
DAREBEE — 免费无广告健身资源：数千套原创训练计划，不花一分钱练遍全身
一句话结论：DAREBEE 是一个完全免费、无广告、非营利的全球健身资源。自 2012 年起提供数千套原创训练计划、挑战和指南。无需注册、无需订阅、无需器械。由志愿者和健身专业人士运营。 项目介绍 DAREBEE 是一个"反商业模式"的健身平台：没有广告、没有产品植入、没有算法、没有付费墙。所有训练计划、挑战、指南都是原创内容，由内部团队创建和测试。完全靠用户捐赠支持运营。 从 2012 年至今，DAREBEE 一直坚持同一个承诺：让任何人都能获得健身资源，无论预算、背景或健身水平。 核心资源 训练计划 (Programs)：30 天、60 天、90 天系统训练方案
每日训练 (Workout of the Day)：每天更新的新训练
挑战 (Challenges)：限期完成的健身挑战
动作库：视频动作演示
训练手册：如何挑选计划、热身拉伸指南
动作替代方案：无器械或受伤情况下的动作替换建议
移动 App：iOS/Android 应用 特色 完全免费：没有任何付费墙或高级会员
无广告：纯内容，零干扰
无需器械：绝大多数训练只需自体重
专业设计：由认证健身教练团队创作
精美设计：训练海报可打印，视觉风格独特
社区驱动：完全由捐赠支持的非营利项目 延伸阅读 MuscleWiki — 2000+ 动作交互式健身库：点击肌肉，秒查训练动作 Exercises Dataset — 433 个健身动作开源数据集：为你的健身 App 和 AI 模型提供结构化数据 FAQ DAREBEE 为什么完全免费？ 创始人坚信健身不应该是奢侈品。团队通过用户捐赠维持运营，拒绝任何可能影响内容质量的商业模式。 适合初学者吗？ 非常适合。有专门的入门指南、动作替代方案和按难度分级的训练计划。 需要器械吗？ 绝大多数训练是自体重训练，不需要任何器械。部分进阶训练可能建议使用弹力带或哑铃，但总有替代方案。 相关链接 DAREBEE 官网 关于 DAREBEE 项目 新手指南 MuscleWiki...
Nvidia + Hugging Face 联手：开源机器人迎来「Android 时刻」— GR 00 T 1.7 进入 LeRobot
一句话结论：Nvidia 和 Hugging Face 将开源 humanoid 基础模型 GR 00 T 1.7 和 Teleop 数据采集框架整合进 LeRobot，连接 300 万机器人开发者与 1600 万 AI 开发者——这是开源机器人生态的「Android 时刻」。 宣布了什么？ 7 月 7 日，Nvidia 和 Hugging Face 宣布将 Nvidia 的核心物理 AI 技术栈整合进 Hugging Face 开源的 LeRobot 机器人库。具体包括： Isaac GR 00 T 1.7：首个开源且可商用的 humanoid（人形机器人）基础模型，现已直接可用
Isaac Teleop：数据采集框架，用于收集机器人操作数据
Cosmos...
中国考虑限制 AI 模型出口：中美「技术铁幕」从单向封锁变为双向关门
一句话结论：7 月 7 日，Reuters 独家报道中国正与阿里巴巴、字节跳动、Z.ai 讨论限制最先进 AI 模型的海外访问——这是中美 AI 铁幕从「单向封锁」变为「双向关门」的关键转折点。免费开源这张中国 AI 最大的牌，可能即将被收回。 发生了什么？ Reuters 7 月 7 日援引三名知情人士报道，中国政府部门已与阿里巴巴、字节跳动和 Z.ai（智谱）举行会谈，讨论是否限制外国用户访问其最先进的 AI 模型——包括尚未发布的模型。目前尚未做出最终决定，相关部委也未发表官方评论，但讨论中已出现具体选项：禁止公开发布、限制国内使用、分级授权访问。 TIME 杂志次日发表评论，点出了最尖锐的矛盾：中国 AI 公司通过免费开源策略获得了全球影响力，而限制访问意味着放弃这张牌。一个追赶者不会放弃最大的优势，除非担忧的是国家安全。 几乎同步发生的连锁事件让这场博弈的轮廓更加清晰： 阿里巴巴宣布 7 月 10 日起内部禁用 Claude Code，并将所有 Anthropic 产品列入高风险软件清单，要求全员转向自研 Qoder 平台
此举直接回应 Anthropic 在 Claude Code 中嵌入的隐写检测代码（检查时区和代理，识别中国用户）
Z.ai 6 月底发布了 GLM-5.2，声称在漏洞发现能力上对标。
Anthropic J-space 深度解读：Claude 内部自发形成了「全局工作空间」— AI 可解释性的第三个里程碑
一句话结论：继 NLA 读取 Claude「内心」之后，Anthropic 7 月 6 日发布新研究——Claude 内部自发形成了一个被称为 J-space 的全局工作空间，它能持有不写出来的「无声思维」，其功能特性与人类意识的核心机制高度吻合。这是继电路追踪（2024）和 NLA（2026.05）之后，AI 可解释性领域的第三个里程碑。 发生了什么？ 2026 年 7 月 6 日，Anthropic 发布了一篇 16 位作者署名的重磅论文——Verbalizable Representations Form a Global Workspace in Language Models。论文的核心发现是：Claude 的语言模型在训练过程中自发地形成了一个内部「全局工作空间」（global workspace），研究人员称之为 J-space。 这个发现的意义在于——它不是被设计的。没有工程师写代码说「现在创建一个工作空间层」。它是在模型通过海量数据学习语言和推理的过程中涌现出来的结构。 更引人注目的是，J-space 的功能特性与神经科学中 Bernard Baars 提出的「全局工作空间理论」（Global Workspace Theory）高度一致。这个理论是理解人类意识的关键框架之一：大脑像一个剧院，数十个专门处理器在后台并行工作，只有一个狭窄的「聚光灯」——全局工作空间——在任意时刻广播信息，成为我们意识到的思维。 J-lens：一扇读取 AI「无声思维」的新窗口 这次发现的工具基础是一种新的可解释性技术——Jacobian lens（J-lens）。 J-lens...
Context 7 实测：58 K 星开源工具，让 Cursor 和 Claude Code 用上最新 API 文档
一句话结论：Context 7 是解决 AI 编程「幻觉 API」问题的最直接方案——它在你提问的瞬间拉取最新官方文档，注入 LLM 上下文。不用切换标签页，不用手动粘贴文档，不用祈祷模型训练数据足够新。 为什么需要 Context 7？ 每个用过 AI 编程工具的人都遇到过这个场景：你让 Cursor 写一段 Supabase 认证代码，它生成了看起来合理的代码，但你一运行——API 不存在、参数名错了、版本不对。 这不是模型的问题。LLM 的训练数据有截止日期。即使是最新的 Claude Sonnet 5（2026 年 6 月发布），它对 2026 年 7 月发布的库版本也一无所知。而现代前端/后端框架的更新速度是按周计算的。 Context 7 的解决方案很直接：在 LLM 调用前，从官方源拉取最新的文档和代码示例，注入到 prompt 上下文中。 怎么用？一行命令搞定 安装最简单的方式： npx ctx 7 setup 这条命令会通过 OAuth 认证、生成 API key、自动安装对应 Skill。你可以指定目标工具： # 为 Cursor 安装
npx ctx 7 setup --cursor # 为。