Product
1. OpenRouter 推出统一视频生成 API
OpenRouter 正式上线视频生成 API，支持 Seedance、Veo、Wan 和 Sora 2 Pro 等主流模型。该 API 解决了视频生成领域接口碎片化的问题，提供统一的请求模式、异步任务管理和能力发现机制。开发者可以通过单一接口调用不同模型的文生视频、图生视频功能，并支持模型特定的参数传递。此举将视频生成能力整合进了 OpenRouter 的统一治理和计费层。
来源：OpenRouter
2. Google 发布 Gemini 3.1 Flash TTS 语音模型
Google 发布了 Gemini 3.1 Flash TTS，这是一款支持 70 多种语言的文本转语音模型。其核心亮点在于引入了“音频标签”（Audio Tags）和“场景指导”（Scene Direction），允许开发者通过自然语言指令控制语音的语调、节奏和情感表达。该模型支持多说话人配置，并内置 SynthID 水印技术以防止误导性内容。开发者现可通过 AI Studio 和 Gemini API 进行测试和集成。
来源：Google
3. Gemini 推出原生 macOS 桌面应用
Google 正式发布 Gemini for macOS 桌面应用。该应用采用原生 Swift 开发，支持通过快捷键（Option + Space）快速唤起，并允许用户共享屏幕以获取上下文相关的 AI 辅助。应用集成了 NotebookLM、云端硬盘等 Google 生态工具，支持生图、生视频等功能。目前该应用要求 macOS Sequoia 及以上版本，且仅支持 Apple Silicon 芯片。
来源：Gemini for macOS - your native AI desktop app
4. Cursor 引入交互式画布（Canvas）功能
Cursor 现支持 AI 代理创建交互式画布（Canvas），用于可视化呈现信息。与传统的纯文本或 Markdown 输出不同，画布允许用户与自定义界面进行交互，如仪表盘、PR 审查界面等。画布基于 React 组件库构建，代理可以根据需求生成表格、图表和逻辑交互。这一功能旨在提升信息带宽，使代理能够更有效地辅助代码审查、库学习和多代理管理。
来源：Cursor
5. Vercel 发布 wterm：基于 Web 的高性能终端模拟器
Vercel 发布了 wterm，这是一个基于 Zig 编写并编译为 WASM 的 Web 终端模拟器。其核心优势在于直接渲染到 DOM，从而原生支持文本选择、复制粘贴、搜索和屏幕阅读器，无需额外适配。wterm 的 WASM 二进制文件仅约 12 KB，性能接近原生。该项目提供了 React 组件和 TypeScript 钩子，方便开发者将其集成到 Web 应用中。
来源：GitHub
6. Claude Code 2.1.110 详细功能与 CLI 变更
Claude Code 2.1.110 版本引入了多项 CLI 变更和功能增强。新增了
tengu_kairos_push_notifications标志，支持终端及移动端推送通知。CLI 表面增加了大量环境变量和配置键，以支持更细粒度的控制。此外，更新还优化了全屏渲染模式，并限制了自定义规则中“allow”指令的使用，以符合服务器策略。此次更新进一步增强了 Claude Code 的可配置性和系统集成能力。
来源：GitHub
7. Shopify：Autoresearch 在 CI 优化中的应用
Shopify 团队分享了如何将 Andrej Karpathy 的 Autoresearch 概念应用于 CI 管道优化。通过将 Autoresearch 自动化循环应用于 40 多个指标，他们成功将 CI 构建时间缩短了 65%。该项目已开源，展示了 AI 代理在系统工程和性能优化领域的巨大潜力。
来源：Shopify
Tutorial
1. Claude Code 深度指南：会话管理与 1M 上下文优化
Claude Code 引入 1M 上下文窗口后，如何管理会话成为影响模型性能的关键。文章指出“上下文腐烂”（Context Rot）会导致模型在长会话中性能下降，建议通过 /rewind 替代直接纠错，利用 /compact 主动压缩，以及通过 /clear 开启新任务会话。此外，子代理（Subagents）被推荐用于处理中间任务，以保持主会话的上下文纯净。该指南强调了在每个交互节点进行主动管理的必要性，以确保模型始终处于最佳状态。
来源：Using Claude Code: Session Management & 1M Context
2. Claude Doctor：诊断并修复 Claude Code 会话模式
Claude Doctor 是一个用于诊断 Claude Code 会话的工具，通过分析 ~/.claude 目录下的历史记录，识别行为反模式（如编辑抖动、错误循环、过度探索等）。它能自动生成 CLAUDE.md 或 AGENTS.md 的规则，帮助用户纠正模型的不良习惯。该工具支持分析特定会话或项目，并提供结构化和行为层面的信号检测，是优化代理开发工作流的实用工具。
来源：GitHub
3. 《机器学习数学》：开源学习资源推荐
推荐了一本名为《Mathematics for Machine Learning》的开源书籍。该书旨在为学习机器学习提供必要的数学基础，涵盖线性代数、解析几何、矩阵分解、向量微积分、概率分布和连续优化等核心概念。作者强调该书不涉及高级算法，而是专注于构建理解机器学习所需的数学技能，PDF 版本可免费获取。
来源：Mathematics for Machine Learning
4. 构建个人“第二大脑”：Claude Code 实践
Tobi Lutke 分享了如何利用 Claude Code 和 15,000 份工作文档构建个人“第二大脑”。通过 QMD 进行本地向量搜索，结合 me.md 个人背景文件和自动化代理团队，他实现了对工作历史、策略分析和个人目标的深度整合。该系统通过“钩子”机制在提示词中自动注入上下文，显著提升了工作效率和决策质量。
来源：Creating a Second Brain with Claude Code
5. OpenClaw 代理系统的高层概述
Austin Walker 推荐了 Lenny Rachitsky 与 Claire Vo 的播客，该播客提供了关于 OpenClaw 代理系统的高层概述。不同于深度的技术安装指南，该播客探讨了 OpenClaw 的核心价值、工作原理以及 Claire 如何在日常生活中使用 8 个以上的代理。对于希望了解 OpenClaw 潜力而非技术配置的开发者来说，这是一个极佳的入门资源。
Opinions/Thoughts
1. OpenClaw 的安全防御与漏洞披露策略
Peter Steinberger 讨论了 OpenClaw 在面对安全攻击时的防御策略。他强调，通过快速迭代和代码加固，OpenClaw 已经建立了包括 Docker/OpenShell 沙箱、访问白名单和执行确认在内的多层安全机制。他建议开发者在选择开源代理框架时，应优先考虑那些积极披露安全漏洞并提供修复方案的项目，而非忽视安全工作的框架。
来源：GitHub
2. 关于模型递归训练风险的警告
Dongxi NLP 警告称，当模型开始大量使用彼此生成的合成数据进行训练时，仅过滤可见的有害内容已不足够。他指出，实验室内部的递归同族合成数据流水线存在极高风险，可能导致模型行为特征的不可控传递。
来源：@dongxi_nlp