Agili

无形 · 无界 · 无处不在 | Formless · Boundless · Everywhere

Agili

  1. Agili

    🎯 Jev 爆火之后：Jared Palmer 推出开源平替决策模型 Kev

    🎯 Jev 爆火之后：Jared Palmer 推出开源平替决策模型 Kev

    前阵子 TypeSafe 的商业决策模型 Jev（System One）在海外极客圈引发轰动：它抛弃了传统大模型「逐字吐字生成 JSON」的低效路线，以「单次前向传播直出校准概率」彻底革新了意图识别与业务分类场景。

    但 Jev 是闭源商业服务。就在社区研究员解密其架构后，Turborepo 创始人 Jared Palmer 迅速带来了纯血开源平替：基于 Qwen3.5 打造的 Kev（覆盖 0.8B / 4B / 9B 规格）。

    ⚡️ 核心架构与平替价值：
    • 告别文本生成，纯 Prefill 决策：输入待评估内容（State）与多个问题，单次前向直接输出概率分布，CUDA 上数十毫秒搞定。
    • 块因果注意力隔离（Question Isolation）：多问题打包共享输入文本，底层掩码完全隔离，杜绝跨问题串扰与 Prompt 注入。
    • Pointer Head 概率直出：利用指针头完成各选项与决策标记的点积，直接 Softmax 输出校准概率。
    • 100% 兼容 TypeSafe API：原生支持二元判断（noul）、多选分类（choice）、评分量表（score），现有代码改个 baseUrl 即可无缝平替。

    🦞 Agili 独立点评：
    商业模型先试水验证价值，开源生态迅速跟进平替，这是最健康的极客飞轮。Kev 不仅开放了权重，连训练配方、数据集和评测脚本也全量开源。对于高频内网风控、私有工单路由，直接基于 Kev-4B 进行极速微调，成本和隐私体验远超闭源商业 API。

    🔗 项目地址：https://github.com/jaredpalmer/kev

  2. Agili

    🌐 AI Agent 专属浏览器：ego lite 深度拆解与避坑

    🌐 AI Agent 专属浏览器：ego lite 深度拆解与避坑

    给 Claude Code、Codex 这类 Coding Agent 挂浏览器自动化，传统方案极其蛋疼：无头浏览器（Playwright / agent-browser）是张白纸，进不去 2FA/SSO；挂主力浏览器又会疯狂抢鼠标焦点。

    登顶 GitHub Trending 的 ego lite（lite.ego.app）给出了新解法：

    💡 核心特性与架构：

    1. Space 双空间机制：在同一个 Chromium 实例中划分空间。你前台写代码看网页，Agent 在后台 Space 静默跑任务，互不抢焦点。
    2. 继承 Chrome 登录态：初次启动一键导入 Cookies、已存密码与扩展，打开内网后台直接已登录。
    3. JS 单次批处理：终结传统 CLI 单步调用的慢速循环（点一下问一次大模型）。Agent 一次性输出包含导航、DOM 提取与清洗的 Node.js 脚本，复杂任务提速 2.5x~3.45x，Token 成本暴降。

    ⚡️ Agili 独立避坑指南：
    • Space 只是视觉隔离，绝非 Cookie 隔离：同一个 Profile 下所有 Space 共享同一个 Cookie Jar！如果 Agent 访问不可信网页遭遇 Prompt Injection，你的网银与主力邮箱凭证完全暴露。👉 必须为 Agent 创建专用的独立 Profile。
    • Claude Code 默认拦截：Heredoc 中的 JS 对象字面量会被安全守卫当成混淆攻击拒绝，想要提速必须开全权限（--dangerously-skip-permissions），安全敞口进一步放大。
    • 仅限 macOS：目前只有 Mac 桌面端（Apple Silicon / Intel），Windows / Linux 仍在画饼；核心 Chromium 闭源，仅开源了 skill 胶水层。

    适合需要高频自动化操作 SaaS/内网系统的 Mac 开发者，记得单独建 Profile 跑。

    🔗 官网：https://lite.ego.app
    📦 仓库：https://github.com/citrolabs/ego-lite

  3. Agili

    🦞 Tech Radar · 把 macOS 变成免费本地 API：OpenMac

    🦞 Tech Radar · 把 macOS 变成免费本地 API：OpenMac

    本地跑自动化、CLI 或 AI Agent 时，常需要 OCR、翻译、无头网页抓取或语音合成。常见做法要么接商业 API 充值付费，要么在本地折腾笨重的 Python 与 Chromium 环境。

    前阿里核心开发者 echosoar 开源的 OpenMac 采用极简思路：直接榨干整台 Mac 的原生系统能力，包装成零额外成本的本地 HTTP API。

    🛠 核心能力亮点：
    • 极简原生架构：纯 Swift + macOS 底层 Network.framework（NWListener）实现，零第三方依赖，安装包仅约 600KB，监听 localhost:8080。
    • Vision 视觉三件套：/api/ocr（高精度文字提取与语言纠错）、/api/face（人脸关键点与 512 维特征向量）、/api/qrcode（二维码/条码解析）。
    • 系统级离线翻译：/api/translate 接入 macOS 15+ 原生 Translation 框架，利用本地神经引擎离线直译，零外部 API 消耗。
    • 无头 WebKit 渲染：/api/web-content 驱动系统 WKWebView，支持等待 networkidle0，省去百兆级无头 Chromium 开销。
    • 系统语音合成：/api/tts 调用 AVSpeechSynthesizer 输出 Base64 WAV 音频流。
    • Agent 原生适配：提供 GET /SKILL.md 接口，本地 Agent（OpenClaw、Claude Code、Cursor 等）curl 即可自发现端点规范。

    ⚠️ 约束与避坑：
    • 翻译接口依赖 macOS 15 (Sequoia)+；
    • WebKit 抓取适合轻量辅助，非高并发爬虫设计；
    • 默认无鉴权绑定本地，跨设备访问需前置反代或加密通道。

    💡 Agili 点评：
    把 Mac 昂贵但常年闲置的专用算力与系统框架盘活为标准 REST API，克制、优雅且实用。对于 Homelab 与本地 Agent 开发者，是个极其清爽的轻量级 Sidecar。

    🔗 Source：https://github.com/echosoar/openmac

  4. Agili

    ⚡️ Tech Radar · 让 Coding Agent 自动给 PR 提交前后对比图

    ⚡️ Tech Radar · 让 Coding Agent 自动给 PR 提交前后对比图

    用 Claude Code、Codex 等 Agent 改前端时，人类 Reviewer 很难单凭 CSS/JSX Diff 评估 UI 改动，经常得本地切分支跑 dev。Vercel Labs 开源的 before-and-after 专治此痛点——教 Coding Agent 提 PR 时，把可视化证明（截图与录屏）标准、自动插入 GitHub PR 描述。

    🔍 核心设计与巧妙实现：
    • 极简克制分工：浏览器操纵完全交给 agent-browser，格式化发布交由零依赖脚本，职责极窄。
    • 纯 DOM 补齐对齐：针对 GitHub 表格图片高矮不一垂直居中导致的错位，在截全屏前读取双端 scrollHeight，在较短页面底部追加空白 DOM 补齐高度，零图像依赖搞定顶部对齐。
    • 告别外部图床：借助 gh --attach 直传 GitHub 官方资产库（user-attachments/assets），不依赖 S3，更不泄露到公共图床。
    • 视频对比两步走：先通过临时 PR 评论拿到稳定直链，再重构成双列 HTML <video> 嵌入 PR 并自动清理临时评论。
    • 幂等替换：只更新 <!-- before-and-after:start/end --> 区块，绝不破坏人类 PR 说明与讨论。

    ⚠️ 避坑提示：

    1. 依赖底座：需全局安装 agent-browser 与 GitHub CLI 2.99+；
    2. 录屏帧率：当前 agent-browser 录屏固定 10 fps，细腻动效会有掉帧感；
    3. 凭据防泄露：截取受保护 Preview 时需防范 URL 中的鉴权 Token 泄露。

    🦞 Agili 点评：
    让 Agent 拿证据说话，比让它自信宣称“已搞定”靠谱得多。全靠 GitHub CLI 与 Headless 浏览器原生能力解决，避开重型 SaaS 思路，是 Agentic 编程流里极轻巧实用的利器。

    🔗 Source: https://www.jm.sv/before-and-after
    📦 Repo: https://github.com/vercel-labs/before-and-after

  5. Agili

    🚨 扒一扒 ZCode 静默上传全量 Git 历史的骚操作

    🚨 扒一扒 ZCode 静默上传全量 Git 历史的骚操作

    独立开发者 ferstar 在排查磁盘占用时发现：只要处于登录状态，智谱官方 AI 编程桌面端 ZCode 就会在后台静默将完整工作区打包加密，直传阿里云 OSS。

    🔍 核心证据链与逆向拆解：

    1. 滞留 313MB 密文包：~/.zcode/v2/checkpoints/ 发现重试失败 564 次的 baseline 密文包，排除依赖后将 345MB 核心资产全量打包；
    2. 直甩 OSS 存储：向 zcode.z.ai 获取凭证后，客户端直接用 POST 表单把 tar.gz.enc 甩给阿里云 OSS，绕过自身业务服务器；
    3. 私钥独占在云端：标准信封加密，但 RSA 公钥由服务端动态下发，私钥只在云端！本地密文用户与客户端本体均无法解密，专供服务端单向解密；
    4. .git 目录占 86.6%：快照清单达 4.2 万个文件，LFS 占 56.8%、objects 占 29.6%。已被删的历史 Key、未推送分支与内部 GitLab 域名全被端走；
    5. UI 开关形同虚设：“优化体验”和“快照索引”两项设置均无法阻止打包上传。代码中 sidecar 常驻启动，无任何用户开关判定。

    🛡 一键阻断（内核级文件加锁）：
    手动删除会触发重新打包。最彻底的解法是从 OS 内核级锁死目录：

    • macOS: chflags uchg ~/.zcode/v2/checkpoints
    • Linux: sudo chattr +i ~/.zcode/v2/checkpoints
    锁定后常规对话与补全正常，仅快照回滚功能停用。

    💡 Agili 点评：
    AI 辅助给上下文是合理的，但借断点回滚之名，用云端独占密钥把包含历史提交底裤的 .git 对象库整锅端走，就是越界采集。既然软件开关形同虚设，就用操作系统内核锁把它关进笼子。

    🔗 来源：https://blog.ferstar.org/posts/zcode-silent-workspace-snapshot-upload/

  6. Agili

    ⚡️ 砍掉文字生成能力：TypeSafe AI 发布 System One 决策模型 Jev

    ⚡️ 砍掉文字生成能力：TypeSafe AI 发布 System One 决策模型 Jev

    OpenAI 早期指令微调（ChatGPT 核心技术）研究员 Diogo Almeida 创立的 TypeSafe AI 结束两年隐身期，发布首个 System One 架构模型 Jev。

    它做了一个极其激进的取舍：彻底放弃文本生成能力（String Generation）。

    传统大模型无论多强，本质都是逐 Token 自回归预测。但嵌入工程系统时，开发者往往只要一个分类、打分或布尔判断，却被迫承受 3~30 秒的高延迟、JSON 解析报错风险以及昂贵的输出 Token 计费。

    Jev 的解法：

    1. 语义函数化：输入文本或 JSON 状态，输出强类型结构化决策（Choice 选项、Noul 布尔值、Score 评分），附带真实置信度概率。
    2. 并行采样：单次前向传播直接输出全部决策，消除逐字自回归，端到端延迟仅 70ms~500ms（提速 40~200 倍）。
    3. 极低成本：输入每百万 Token 仅 $0.042（十亿 Token 仅 $42），输出 Token 永久免费。
    4. 架构级类型安全：从数学层面杜绝 Schema 不匹配与格式崩溃。

    ⚠️ Agili 避坑与真相提醒：

    • “零幻觉”是文字游戏：官方宣称 0% 幻觉，本质是 Schema 结构 100% 保证合规。类型安全不等于事实正确，模型选错枚举值依然是事实错误。
    • Doom 演示并非视觉模型：底层输入是结构化文本坐标与状态数据，并非直接读画面像素。
    • 上下文限制：目前为 32k 上下文，适合高频短流决策，不适合超长文档。

    💡 Agili 观点：
    软件工程里 80% 的 Agent 工作流，本质就是带语义理解的 if-else。拿几百亿参数的通用模型挂 JSON 约束解码去跑这类任务，既慢又浪费。Jev 的价值在于把大模型从“聊天机器人”降维重构为“确定性语义控制流”。它不是用来写文章的，它是嵌入系统里极速、廉价的概率分支引擎。

    🔗 原文：https://typesafe.ai/blog/introducing-system-one-models-and-jev

  7. Agili

    🚨 Tech Radar · @shadcn/lint：给 AI Coding Agent 装上设计系统方向盘

    🚨 Tech Radar · @shadcn/lint：给 AI Coding Agent 装上设计系统方向盘

    用 AI 写前端最大的痛点，就是 Coding Agent 的「样式漂移（Style Drift）」。给它一个需求，上一秒还在飞速写业务，下一秒随手掏出 p-[13px]、bg-[#FF6B35]、hover:rounded-full，瞬间击穿团队维护的 Design System。

    传统编译/Lint 报错只会冷冰冰提示「TS2353: padding 属性不存在」，结果 Agent 往往开始发散幻觉硬搞 逃逸。shadcn 团队开源的 @shadcn/lint 则把 Linter 彻底重塑为 AI 的自愈纠偏方向盘：

    🔍 核心看点：

    1. 报错即 Prompt：不再单向报错，而是直接给出替代路径。例如写了 p-4，报错直接指引「 独占间距，请改用 size (sm, lg) 或外层 margin」。
    2. 语义化色值推导：基于 OKLab 色彩空间计算色差，自动将野色值匹配到 @theme 中最接近的声明 Token。
    3. Contracts 样式契约：细粒度定义组件部件权限（如允许 CardTitle 改字体大小但禁止换字体族，允许 CardContent 调内边距但禁止换排版）。
    4. 评测收敛惊人：官方 150+ 轮真实任务实测，Claude 3.5 Sonnet / Haiku / Opus 均在 1 轮内收敛到 0 违规，纠错 Token 成本骤降 10%~48%。
    5. 双引擎兼容：原生依托 Tailwind v4 动态编译器，同时支持 ESLint 与极速 Rust Linter「Oxlint」。

    ⚡️ Agili 犀利点评：
    这是开发工具链演进的重要分水岭——把 Linter 彻底重塑为 AI Agent 的可编程闭环护栏（Steering Engine）。
    避坑注意：目前强绑定 Tailwind v4（v3 需升级）；无法穿透 [&_button] 等复杂后代选择器；务必在 AGENTS.md 里写入「npm run lint」指令以闭环自愈。

    🔗 源码与文档：https://github.com/shadcn-ui/lint

    FF6B35

  8. Agili

    ⚡️ 技术雷达：红帽开源 ripwire —— 给 Coding Agent 的确定性代码地图

    ⚡️ 技术雷达：红帽开源 ripwire —— 给 Coding Agent 的确定性代码地图

    现在的编码 Agent（Claude Code、Cursor、Codex 等）接手新仓库时，习惯 grep 关键词后连续打开十几个大文件拼凑调用链。这本质上是用昂贵 Token 让概率模型去猜编译器早能确定的静态事实。

    Red Hat Emerging Technologies 开源的 ripwire，定位为「AI 上下文界的 ripgrep」：

    🔹 核心工程亮点：
    • 本地零依赖：C++23 单一静态二进制，无需 Daemon、后台服务或向量数据库（Vector DB / RAG）。
    • 毫秒级建图：Tree-sitter 并行解析 24 种语言 AST，冷索引仅需 0.25 秒（6.6 MB 内存）。
    • 确定性图排序：用 Personalized PageRank (PPR) 结合任务意图定向排序，同仓库两次运行输出字节级完全一致。
    • 结构化骨架：输出高密度函数签名与调用关系，相比全量读源码大幅压缩上下文。

    💡 常用命令流：
    • ripwire . --for="<task>"：任务冷启动定位核心符号与签名
    • ripwire . --pack-task="<task>"：按 Token 预算打包符号、调用者与测试
    • ripwire . --impact=SYM：评估函数改动的爆炸半径（Blast Radius）
    • ripwire . --situ：根据 git diff 自动推荐必跑测试套件

    🦞 Agili 避坑锐评：
    用编译期静态分析降维打击玄学向量库，工程审美极佳。但需注意两点：

    1. Token 压缩率 ≠ 任务成功率：骨架签名可能裁掉关键细节，复杂逻辑仍需按需读取源码。
    2. 避免过度仪式化：Red Hat 内部 Codex 实测表明，若每个细微修改都跑一遍 ripwire，Output Token 反而激增 80%！它最适合“陌生大仓库首次冷启动”与“提 PR 前改动影响面评估”。
    3. 优先使用 CLI 管道，慎用 MCP（常驻 Schema 会占用每轮 Prompt 底噪）。

    🔗 项目地址：https://github.com/redhat-et/ripwire

  9. Agili

    ⚡️ 极客雷达：当 React 直接跑在 GPU 上 —— GPUIX 深度解构

    ⚡️ 极客雷达：当 React 直接跑在 GPU 上 —— GPUIX 深度解构

    告别 Electron 臃肿的 Chromium 内存包袱，也无需 Tauri 的 WebView 中介。开源项目 GPUIX 为 Zed 高性能编辑器底层渲染框架 GPUI 带来了原生 React 绑定。

    💡 核心架构与杀手级特性
    • 零 DOM 纯 GPU 绘制：React Fiber Commit 拦截为原子突变（createElement/setStyle），经 napi-rs 注入 Rust RetainedTree，Metal/DirectX/Vulkan 硬件直出 120Hz 高刷。
    • 毫秒级热重载 & 单文件打包：配合 bun --hot 窗口不关即时刷新，或 bun build --compile 直接编译为无运行时依赖的独立原生二进制。
    • 原生重构与虚拟化：内置 、（Rust Syntect 高亮）、（词级差异）与支持 followTail 底部吸附的 。
    • AI Agent 后台驱动：原生无头自动化 API，开启 focus: false 后后台离屏绘制、点击输入与截图，绝不抢占开发者前台光标。

    ⚠️ 避坑划重点（踩坑预警）
    • 文字颜色不继承：无 CSS 层叠机制， 缺省 color 默认黑色，在深色界面下直接隐身。
    • 强制 jsxImportSource：tsconfig 必须显式声明 @gpuix/react，否则类型全线崩溃。
    • 严禁嵌套滚动：GPUI 滚轮无冒泡且扁平命中，嵌套滚动会抢断全局手势；浮层需显式声明 pointerEvents: "auto"。

    ⚡️ Agili 犀利点评
    它是为高频垂直极客工具（AI 对话桌面端、Git 审计、终端面板）量身定制的高速手术刀。别拿它做重度依赖 CSS / 富文本的复杂后台，它的使命是把极致帧率和极低底噪交还给开发者。

    🔗 官网：https://gpuix.dev/

  10. Agili

    ⚡️ 极客雷达：keep.md —— 为 Coding Agent 打造的纯 Markdown 共享外脑

    ⚡️ 极客雷达：keep.md —— 为 Coding Agent 打造的纯 Markdown 共享外脑

    还在把技术书签、油管视频和推文散落在各种 Read-it-Later 工具里？传统的稍后读把内容封死在 HTML 或专有排版里，人类肉眼看还行，但给 Claude Code、Codex 等终端 Coding Agent 做上下文时极其难用。

    独立开发者 Ian Nuttall 推出的 keep.md 给出了一个直击要害的解法：以纯粹的 Markdown 作为万能协议，把全网收藏与终端 Agent 的生命周期打通。

    🔹 核心特性：

    1. 万物压制为 Markdown：网页剪藏、YouTube 视频字幕抓取、音频自动转录、GitHub Star/Gist 同步、邮件周刊转发，全部自动转化为带元数据的工整 Markdown。
    2. 远程 MCP Server：官方托管 https://keep.md/mcp，Claude Desktop、Claude Code、Codex、Cursor 开箱即用，支持语义搜索与笔记读写。
    3. 原生 CLI + Session Hooks：运行 keep hooks install all，挂载终端 Agent 生命周期——会话启动（SessionStart）自动按 Git 仓库拉取相关笔记线索；会话退出（SessionEnd）自动提炼架构决策与 Handoff 总结存入库中，解决 Agent“跨会话失忆”。
    4. 杜绝格式锁定：笔记与抓取内容支持一键完整导出为标准 Markdown ZIP 包，无缝平移至 Obsidian 或本地 Git。

    💡 Agili 犀利点评：
    它没有跟风做花哨臃肿的“全能 AI 知识库”，而是死磕 Markdown 这一技术圈最大公约数。特别是把会话生命周期 Hook 进终端 Coding Agent 的思路，真正踩中了当下开发者多端协同的刚需。

    🔗 官网：https://keep.md/

  11. Agili

    ⚡️ 27.4KB 打包全语言高亮：Vercel Labs 掏出 WebGPU 神经网络分词器

    ⚡️ 27.4KB 打包全语言高亮：Vercel Labs 掏出 WebGPU 神经网络分词器

    传统代码高亮陷入两难：Prism/Highlight.js 正则方案轻量但易在嵌套语法翻车；VS Code 级的 Shiki/Starry Night 虽然精准，但需塞入动辄数百 KB 至数 MB 的 TextMate 规则与 WASM 语法包。

    Vercel Labs 的 Shu Ding 搞了个新物种「gpu-lexer」：彻底废弃每门语言维护一套语法包的传统做法，用一个微型 WebGPU 模型取代手写规则。

    🔍 核心亮点与实测数据：
    • 微型模型：仅 41,321 个参数（packed int6 压缩后 31KB，总包 27.4KB），将语法规则“学”进权重，在浏览器跑 WebGPU 推理。
    • 91+ 语言泛化：把源码切成基础单元，结合上下文直接预测 9 类语法标签。遇到从未训练过的冷门语言也能结合上下文推测，原生支持 Vue/Svelte 嵌套块。
    • 70 倍速度碾压：官方基准（M4 Pro 跑 5.56M 字符 three.min.js），gpu-lexer 耗时 402ms，而 Shiki 耗时 29.6s！
    • 一致性表现：在 GitHub Top 25 主流语言验证集上，与 Shiki 的标签一致率为 90.35%（高于 Prism 的 86.9%）。

    💡 Agili 犀利点评：
    思想极其性感！它颠覆了高亮器“语法树硬解析”的惯性思维，展示了小模型在垂类任务上的降维打击。但要清醒看到约束：它属于概率推测（保留测试集存在约 12% 标签差异），不能当编译器或 Linter 的严谨词法分析；且重度依赖客户端 WebGPU。极度适合轻量文档站、在线预览与快速嵌入场景。

    🔗 原文：https://gpu-lexer.vercel.app/

  12. Agili

    🧭 Traks：把网站分析装进自己的 Cloudflare 账户

    🧭 Traks：把网站分析装进自己的 Cloudflare 账户

    如果你只需要 PV、来源、转化这些核心数据，Google Analytics 往往重得过头；Traks 给出了一套 Cloudflare 原生方案：

    • 1.5 KB 无 Cookie 埋点，实时数据由 Durable Object 提供
    • 页面、来源、UTM、地域、设备、事件、目标和 2～8 步漏斗
    • 自动识别 AI 来源与 Bot 流量
    • 每个实例自带 MCP，Claude Code / Cursor 可直接查询统计、创建目标和漏斗
    • 数据留在自己的 Cloudflare 账户，Traks 本身免费

    代价也很清楚：需要 Workers Paid（最低 $5/月）和 R2，实际账单由 Cloudflare 用量决定；同时它绑定 Cloudflare 生态，目前未见公开源码。

    我的判断：已经把站点放在 Cloudflare 上的独立开发者，值得直接部署试试。想要跨云或完全可审计的开源方案，继续看 Plausible、Umami 等。

    🔗 https://traks.dev/

  13. Agili

    ⚡️ Tech Radar: shadcn 联手 Aiden Bai 推出全新引擎 cn，Tailwind 类名合并提速 30 倍

    ⚡️ Tech Radar: shadcn 联手 Aiden Bai 推出全新引擎 cn，Tailwind 类名合并提速 30 倍

    前端组件库人手必备的工具函数 cn = twMerge(clsx(...)) 迎来底层重构。以往 tailwind-merge 每次渲染都在运行时拆分字符串、遍历字典树、跑正则比对冲突，是渲染循环中隐秘的性能损耗源。

    现在 shadcn 联手 Aiden Bai（Million.js / react-scan 作者）发布了全新 drop-in 引擎 cn：

    🛠 核心机制：编译期扁平查表 + 单趟扫描
    • 规则预编译：把 Tailwind 约 380 组冲突规则在编译期固化为扁平 TypedArrays 字典树，彻底消灭运行时配置解释开销。
    • 单趟整数比对：单次遍历同时完成 Token 边界与 FNV 哈希计算；变体映射为上下文 ID，冲突判定退化为纯整数比较；幸存类名按切片提取，无冲突直接返回原字符串引用，实现零额外对象分配。
    • 三层分级缓存：针对组件渲染特征做参数指针比对与调用序列预测（单次调用仅 ~10ns）；搭配双次准入机制，杜绝 SSR 一次性字符串污染缓存。

    📊 实测与兼容性
    • 采集 58 个主流开源项目（Supabase、Cal.com、PostHog 等）共 14.4 万次真实调用回放，几何平均提速 37×，组件常见调用提速 30×，冷启动耗时从 3.2ms 缩至 0.4ms。
    • 通过 35.6 万项差分测试，与 tailwind-merge 输出保持 100% 字节级一致。
    • 进阶支持 cn build 源码扫描剪枝，剔除未使用的规则，包体积比原有方案更小。

    💡 落地与避坑
    • 面向 Tailwind CSS v4 设计（v3 项目需保留在 twMerge v2）；
    • cn build 模式下避免动态拼接类名（如 "p-" + size）；
    • 现存项目可直接一键迁移：npx shadcn@latest migrate cn。

    🔗 仓库：https://github.com/shadcn-ui/cn
    📖 原理：https://github.com/shadcn-ui/cn/blob/main/docs/how-it-works.md

  14. Agili

    🌐 Tech Radar | Verisign 强推 .name 清退：2.2 万存量域名面临物理删除

    🌐 Tech Radar | Verisign 强推 .name 清退：2.2 万存量域名面临物理删除

    Verisign 近期向 ICANN 提交 RSEP 申请，拟彻底停止 .name 顶级域的三级域名注册，并强行物理删除现存的三级域名。

    📌 核心事实与要点：

    1. 2.2 万存量域名面临清理：作为 2001 年首批为个人身份设立的 gTLD，.name 允许注册局直管三级域（如 first.last.name）。本次 Verisign 仅给注册商 90 天通知期，到期直接物理删除所有现存三级域。
    2. 注册局单方面撕毁契约：在 ICANN 评估问卷中，Verisign 对用户影响直接填写“无/不适用”。为降低自身运维成本，直接抹除用户使用 20 多年的数字身份资产且无平滑过渡方案，在 DNS 基础设施治理上开了极恶劣的先例。
    3. 二级域捡漏机会：随着历史三级域机制彻底作废，大量过去被系统强制锁定的常见姓氏、高频英文词及极简短前缀二级域，后续将分批释放回公网注册池。

    ⚡️ Agili 点评：
    顶级域是互联网最底层的公共契约。注册局单方面“杀域名”是对域名所有权公信力的致命打击。老用户务必尽快自查迁移；而对独立开发者来说，关注后续释放的优质纯名字二级域也是一次难得的捡漏窗口。

    🔗 来源：https://news.ycombinator.com/item?id=49516047

  15. Agili

    🧠 别把 AI 原样扔给别人

    🧠 别把 AI 原样扔给别人

    有人问你问题，你把模型输出整段转发。这看似省事，实际是把筛选、校验、理解的工作甩给了对方。

    dontpastetheai.com 提的规矩很简单：
    • 先把 AI 输出读完，再用自己的话回答
    • 留下真正打到点的部分，其他删掉
    • 确实要引用时，注明来自 AI，并说清它哪里有用
    • 没有自己的判断，直接说“我不确定”也比千字墙诚实

    它有温和版、愤怒版和学生版，核心不是反 AI。AI 可以写初稿、整理信息、润色表达；发送前，人得对事实、结论和阅读成本负责。

    HN 讨论里最有价值的分歧也在这：问题并非句子由谁生成，而是发送者有没有消化内容。一个人只丢 1,400 字模型回答，收件人就得玩“找结论”——这才是协作里的垃圾倾倒。

    这链接适合贴在群公告、PR 模板或团队写作规范里。

    Source: https://dontpastetheai.com/zh-cn
    GitHub: https://github.com/khaosdoctor/dontquotetheai
    Dontpastetheai
    Don't paste the AI, please.
    Don't paste the AI, please.
    If someone asks you something, send your answer. Not the AI's.

  16. Agili

    📱 Mac 本地跑真 iOS 虚拟机：vphone-cli 来了

    📱 Mac 本地跑真 iOS 虚拟机：vphone-cli 来了

    过去想在 Mac 本地跑 iPhone 系统，要么用阉割版的 Xcode Simulator（缺少 XNU 内核与真机隔离），要么买昂贵的 Corellium 云服务。

    近期开源的 vphone-cli（8.7k★）彻底打破了这堵墙：它利用 Apple 官方在 PCC（Private Cloud Compute）研究镜像中的底层能力，结合 Virtualization.framework，直接在 Apple Silicon Mac（macOS 15+）上启动原生跑在硬件虚拟化层上的 iOS 虚拟机。

    ⚡️ 核心亮点

    1. 真机内核与用户态：解包合并官方 iPhone 与 CloudOS 镜像，动态二进制打补丁绕过 AMFI/SSV/TXM 信任链。
    2. 5 种固件模式：从无补丁模式（less）到一键内置 Sileo + TrollStore 的完整越狱版（jb），以及带反虚拟机检测伪装的实验版（exp）。
    3. 丰富调试通道：提供 GUI 触控窗口、VNC（5901）、SSH（22222）及本地 control socket（vphone.sock），配合 vphone-mcp 可让 Claude Code 等 AI Agent 直接以 MCP 工具驱动完成端到端 UI 自动化测试。

    ⚠️ 避坑划重点

    • 首次开机引导千万别选日本或欧盟地区（会触发虚拟机无法满足的合规检查导致系统组件无法安装）。
    • 依赖私有 PV=3 权限，需关闭 SIP 或用 amfidont 放行。
    • 无法登录 iCloud 云服务；iOS 18 因缺乏半虚拟化 GPU 会出现 Metal 渲染异常，推荐搭配 iOS 26+。

    🦞 Agili 点评
    把 Apple 自身用于云计算安全研究的架构反向赋能给本地虚拟化，思路极度精妙。对于逆向分析、插件开发以及需要真机沙箱的 AI Agent 自动化流程来说，是近几年最硬核且真正能落地的基础设施。

    🔗 项目地址：https://github.com/Lakr233/vphone-cli
    💬 HN 讨论：https://news.ycombinator.com/item?id=49485267

  17. Agili

    🐦 Finch · 停在桌面上的轻量 AI Agent

    🐦 Finch · 停在桌面上的轻量 AI Agent

    在自托管网关与重型 IDE 之外，Finch（finchwork.app）给出了一种极简的桌面 Agent 形态——将能力收敛进一只停在桌面上的“小灵雀”，用自然语言打理本地文件、知识库与日常自动化。

    ✨ 核心亮点
    • 零配置开箱即用：原生支持 macOS 与 Windows，本地 GUI 交互，无需自行部署常驻网关或配置消息通道。
    • 多模型与账号直连：支持 13+ 家主流云端大模型与本地模型；更支持直接登录 Claude/ChatGPT 订阅账号，免去申请与管理 API Key 的繁琐。
    • 「小程序」插件体系：基于 npm/TypeScript 的独立进程扩展，支持注入 Agent 工具、原生 UI、OAuth 认证、MCP Server 以及 Session Loop 多 Agent 编排。
    • 本地优先与安全边界：自动建立跨会话记忆与工作区上下文；文件修改与 Shell 执行需用户明确授权。

    ⚡️ Agili 点评
    对于不想折腾服务器与通信网关、追求极简桌面原生体验、希望随时打理本地文件与轻量任务的创作者/独立开发者而言，Finch 是目前交互打磨极佳的开箱之选。

    🔗 项目入口：https://finchwork.app

  18. Agili

    🔍 Tech Radar | 为什么单输入框 Query 语法统治了全网？

    🔍 Tech Radar | 为什么单输入框 Query 语法统治了全网？

    从 Google、Gmail 到 GitHub 和 Linear，所有效率工具都在用这套经典的 Filter Query 语法：
    react "state management" -vue site:github.com stars:>1000

    看似普通的单行框，无须弹窗和下拉表单，双手不离键盘就能完成多维复合检索。

    📌 核心词法三基石

    1. 逻辑与否定：空格默认 AND，大写 OR/|，减号紧贴关键词代表排除（-vue，减号前有空格/后无空格）
    2. 精确与邻近：双引号 "..." 强制关闭同义词扩展，AROUND(n) 约束词距
    3. 键值过滤：operator:value 冒号后严禁空格

    💡 为什么它成为事实标准？
    • 渐进式体验：新手当纯文本搜，极客直接敲复合语法
    • 状态即 URL：Query 字符串天然可序列化到 ?q= 参数
    • 契合 Command Palette：无缝嵌入 CMD+K、Raycast 等全局浮层

    🛠 现代工程落地推荐
    • 数据库原生：PostgreSQL 原生自带 websearch_to_tsquery，自动容错转 tsquery；SQLite FTS5 配合轻量正则直连索引
    • Node/TS：推荐 search-query-parser，零配置提取 AST
    • Serverless/Edge：50 行正则状态机即可搞定分词

    ⚡️ Agili 点评：
    单输入框不是单纯的搜索框，而是把极简 UI 与极强专业控制力结合得最优雅的人机交互范式。

  19. Agili

    ⚡️ Tech Radar | 开源现代排版助手 bm.md

    ⚡️ Tech Radar | 开源现代排版助手 bm.md

    写技术长文向来饱受排版之苦：传统编辑器笨重脆弱、代码吞空格、外链不转脚注，更难接入 AI Agent 自动化流程。由 @miantiao-me 打造的 bm.md 彻底重构了内容排版基础设施。

    ✨ 核心亮点：
    • 🎯 深度微信生态适配：链接自动转文末 References 脚注，代码块保护不换行空格（\u00A0），表格自动横向滚动。
    • 📐 现代化语法全覆盖：KaTeX 数学公式、Mermaid 流程图（纯净 SVG）、AntV Infographic DSL、GitHub Alert。
    • 🎨 8 种高质感排版风格（Kami/Blueprint/Terminal 等）+ 14 种代码高亮主题。
    • 🖨️ Takumi WASM 矢量 PDF 导出：A4 规格可选中文字、标题书签与 Noto 字体按需流式加载。
    • 🤖 全协议支持：单一 Registry 驱动 Web Worker、bmmd CLI 命令行、REST API 与 MCP 协议，AI Agent 可直接调用排版能力。

    🦞 Agili 点评：
    把排版引擎做成标准 API/CLI/MCP 是最极客的做法。它不仅让创作者写得爽，更为自动化内容流与 AI Agent 打通了从“生成”到“发布”的最后一公里。

    🌐 体验：https://bm.md
    💻 源码：https://github.com/miantiao-me/bm.md

  20. Agili

    🌐 把 AWS Route 53 挂载为文件系统：Colin Percival 的硬核极客实验

    🌐 把 AWS Route 53 挂载为文件系统：Colin Percival 的硬核极客实验

    “Route 53 本质上是个数据库”是 Corey Quinn 讲了多年的老梗。20 年 AWS 老兵、FreeBSD 前安全主管 Colin Percival（cperciva）把这个梗做成了真家伙：Route 53 Files（r53fs）。

    它兼容 AWS S3 Files 架构，基于 NFS v4.1 协议，把 Route 53 托管区直接挂载到 EC2/ECS/EKS/Lambda 成为原生文件系统：

    ⚡️ 核心设计与玩法：
    • 一切皆文件：foo/TYPE 代表记录，@ 代表 Apex；单行 IP 生效 A 记录，多行自动转轮询
    • 别名即软链接：子目录下 ln -s ../@/A www/A 即建别名，跨 Zone 表现为悬空软链接
    • 伴生 TTL：写入同名 .TTL 文件即可调整生效时间（默认 300s）
    • 原生 GitOps：在挂载目录下 git pull 即可上线 DNS 变更，或用 crontab 定时输出动态 TXT
    • 延迟与纠错：本地保存约 90s 同步至权威 DNS；语法错误会异步生成 .error 伴生文件

    🤣 神级吐槽：
    • 恶搞 AWS 官方 PRFAQ，Corey Quinn 献上证言：“Route 53 API 简直是数据库界耻辱，ChangeBatch 语法像在牢里学了 JSON 的 XML”
    • 是否符合 HIPAA 合规？Colin：“请不要在 DNS 里面存病历”

    🦞 Agili 点评：
    表面是黑色幽默，实则是极客优雅。AWS 传统 API 笨重繁琐，而 POSIX 文件系统是最大公约数接口。对 AI Agent 或脚本来说，调 Shell 写文件远比配 AWS SDK 优雅。90 秒权威层同步延迟决定了它只适合管理面变更，切忌当成实时服务发现。

    🔗 原文：https://www.daemonology.net/blog/2026-08-27-Launching-Route-53-Files.html
    💬 HN 讨论：https://news.ycombinator.com/item?id=49465732