01 开源的 AI 新闻摘要工具ClawFeed 是一个开源的 AI 新闻摘要工具口号是 Stop scrolling, Start knowing挺形象的。现在每天刷各种信息源花好多时间但真正有价值的内容并不多。这个工具能从 Twitter、RSS、HackerNews、Reddit、GitHub Trending 这些地方抓取内容然后用 AI 帮你提炼出重点。支持 4 小时、每日、每周、每月四种摘要频率你可以根据自己的阅读习惯来选。比较有意思的是 Source Packs 功能可以把精选的信息源打包分享给别人社区成员一键安装就行。还有个 Mark Deep Dive 功能看到感兴趣的内容标记一下AI 会深度分析给你更详细的解读。输出支持 RSS、JSON Feed、HTML 多种格式。部署方式挺灵活的可以当 OpenClaw 技能装也可以当 Zylos 技能用独立部署也行。数据存在 SQLite 里零配置。开源地址https://github.com/kevinho/clawfeed02 菜单栏里监控你的 AI 用量CodexBar 是一个 macOS 菜单栏小工具目前有 7100 多个 Star。它可以帮你监控 OpenAI Codex、Claude Code、Gemini、Copilot 等 AI 服务的使用量。不用登录后台直接在菜单栏就能看到你的 session 和 weekly 配额还剩多少以及什么时候重置。用过这些 AI 编程工具的都知道监控用量有多重要。一不小心超了限额关键时刻掉链子就很尴尬。安装也很简单Homebrew 一行命令就能装brew install --cask steipete/tap/codexbar有了这个小工具随时知道还剩多少额度心里有数。开源地址https://github.com/steipete/CodexBar03 系统化调试的 Debugging Skill这个 Skill 是给 AI 用的调试方法论核心原则就一句话没有找到根本原因之前禁止尝试任何修复。它把调试过程分成四个阶段阶段一根因调查仔细读错误信息可靠地复现问题检查最近的改动。如果是多组件系统还要在每个组件边界加诊断日志搞清楚数据在哪儿断的。阶段二模式分析找类似的工作代码对比差异理解依赖关系。不要想当然地觉得某些差异不相关。阶段三假设和测试提出单一假设用最小改动去测试。一次只改一个变量不要一次性修多个问题。如果不对回到阶段一重新分析。阶段四实现先写失败的测试用例然后修复根因最后验证修复有效。如果连续 3 次修复都失败停下来质疑架构设计。这个方法论的好处是避免乱猜乱试减少改出一个 Bug 引出两个新 Bug 的情况。据统计系统化调试 15-30 分钟搞定随机修复可能要折腾 2-3 小时。开源地址https://github.com/obra/superpowers04 Hugging Face 官方出品的 AI 技能包Hugging Face 也推出了自己的 Skills 项目为 AI Agent 打造了一整套技能包。目前这个项目已经有 6000 多个 Star是 Hugging Face 官方维护的。它提供了一系列自包含的技能文件夹用于定义各种 AI/ML 任务比如数据集创建、模型训练、评估、论文发布等。最关键的是这些技能可以在多个 Agent 平台上通用包括 Claude Code、Cursor、Codex、Gemini CLI 等。看了一下它包含的技能• huggingface-datasets处理 HF Hub 上的数据集• huggingface-evaluation模型评估支持从 Artificial Analysis API 导入分数• huggingface-jobs在 HF 基础设施上跑计算任务• huggingface-trackio训练实验追踪和可视化• huggingface-paper-publisher论文发布和管理• huggingface-tool-builder构建可复用的 API 操作脚本每个技能文件夹里有 SKILL.md 文件包含前置元数据和使用指南Agent 读取后就知道该怎么执行任务。如果你的工作流里有 Hugging Face 的产品这套技能包能让 Agent 更好地帮你处理相关任务。开源地址https://github.com/huggingface/skills
这工具炸了，第一时间掌握国际AI一手信息！
发布时间：2026/7/5 5:34:40
01 开源的 AI 新闻摘要工具ClawFeed 是一个开源的 AI 新闻摘要工具口号是 Stop scrolling, Start knowing挺形象的。现在每天刷各种信息源花好多时间但真正有价值的内容并不多。这个工具能从 Twitter、RSS、HackerNews、Reddit、GitHub Trending 这些地方抓取内容然后用 AI 帮你提炼出重点。支持 4 小时、每日、每周、每月四种摘要频率你可以根据自己的阅读习惯来选。比较有意思的是 Source Packs 功能可以把精选的信息源打包分享给别人社区成员一键安装就行。还有个 Mark Deep Dive 功能看到感兴趣的内容标记一下AI 会深度分析给你更详细的解读。输出支持 RSS、JSON Feed、HTML 多种格式。部署方式挺灵活的可以当 OpenClaw 技能装也可以当 Zylos 技能用独立部署也行。数据存在 SQLite 里零配置。开源地址https://github.com/kevinho/clawfeed02 菜单栏里监控你的 AI 用量CodexBar 是一个 macOS 菜单栏小工具目前有 7100 多个 Star。它可以帮你监控 OpenAI Codex、Claude Code、Gemini、Copilot 等 AI 服务的使用量。不用登录后台直接在菜单栏就能看到你的 session 和 weekly 配额还剩多少以及什么时候重置。用过这些 AI 编程工具的都知道监控用量有多重要。一不小心超了限额关键时刻掉链子就很尴尬。安装也很简单Homebrew 一行命令就能装brew install --cask steipete/tap/codexbar有了这个小工具随时知道还剩多少额度心里有数。开源地址https://github.com/steipete/CodexBar03 系统化调试的 Debugging Skill这个 Skill 是给 AI 用的调试方法论核心原则就一句话没有找到根本原因之前禁止尝试任何修复。它把调试过程分成四个阶段阶段一根因调查仔细读错误信息可靠地复现问题检查最近的改动。如果是多组件系统还要在每个组件边界加诊断日志搞清楚数据在哪儿断的。阶段二模式分析找类似的工作代码对比差异理解依赖关系。不要想当然地觉得某些差异不相关。阶段三假设和测试提出单一假设用最小改动去测试。一次只改一个变量不要一次性修多个问题。如果不对回到阶段一重新分析。阶段四实现先写失败的测试用例然后修复根因最后验证修复有效。如果连续 3 次修复都失败停下来质疑架构设计。这个方法论的好处是避免乱猜乱试减少改出一个 Bug 引出两个新 Bug 的情况。据统计系统化调试 15-30 分钟搞定随机修复可能要折腾 2-3 小时。开源地址https://github.com/obra/superpowers04 Hugging Face 官方出品的 AI 技能包Hugging Face 也推出了自己的 Skills 项目为 AI Agent 打造了一整套技能包。目前这个项目已经有 6000 多个 Star是 Hugging Face 官方维护的。它提供了一系列自包含的技能文件夹用于定义各种 AI/ML 任务比如数据集创建、模型训练、评估、论文发布等。最关键的是这些技能可以在多个 Agent 平台上通用包括 Claude Code、Cursor、Codex、Gemini CLI 等。看了一下它包含的技能• huggingface-datasets处理 HF Hub 上的数据集• huggingface-evaluation模型评估支持从 Artificial Analysis API 导入分数• huggingface-jobs在 HF 基础设施上跑计算任务• huggingface-trackio训练实验追踪和可视化• huggingface-paper-publisher论文发布和管理• huggingface-tool-builder构建可复用的 API 操作脚本每个技能文件夹里有 SKILL.md 文件包含前置元数据和使用指南Agent 读取后就知道该怎么执行任务。如果你的工作流里有 Hugging Face 的产品这套技能包能让 Agent 更好地帮你处理相关任务。开源地址https://github.com/huggingface/skills
)
