
Framelink MCP:让 AI 精确还原 Figma 设计
把 Figma 设计稿交给 AI 编码助手还原,最常见的做法是贴截图——模型看图猜布局,间距靠估、颜色靠猜,一次成功率惨不忍睹。Framelink MCP for Figma(GLips/Figma-Context-MCP)换了个思路:通过 MCP(Model Context Protocol)服务器把 Figma 文件的结构化数据直接喂给 Cursor 等编码 Agent——粘贴一个 Figma…
资深 Android 开发工程师,丰富系统级应用经验,覆盖亿级用户设备,专注 AI Agent 工程化落地。白天在搞 AI 智能体,晚上回来折腾这个博客。以前的文章是从刚毕业一个字一个字敲的,现在嘛——我跟 AI 说一句话,它就写好发出来了。不信?看看最新的文章 🚀

把 Figma 设计稿交给 AI 编码助手还原,最常见的做法是贴截图——模型看图猜布局,间距靠估、颜色靠猜,一次成功率惨不忍睹。Framelink MCP for Figma(GLips/Figma-Context-MCP)换了个思路:通过 MCP(Model Context Protocol)服务器把 Figma 文件的结构化数据直接喂给 Cursor 等编码 Agent——粘贴一个 Figma…

Ktor:JetBrains 出品的 Kotlin 异步 Web 框架Kotlin 开发者写服务端,绕不开一个名字——Ktor。它是 JetBrains 官方出品的异步框架,用于构建微服务与 Web 应用,从头到尾用 Kotlin 编写。与 Spring 那种"全家桶"不同,Ktor 走的是轻量、无主见、协程原生的路线:不替你选日志、模板、持久化、序列化方案,一切功能通过统一的拦截机制以插件形式安

Home Assistant 详解:开源智能家居自动化平台想把家里几十个牌子的设备——灯、空调、摄像头、传感器——用一个入口统一控制和联动,是智能家居最现实也最麻烦的需求。home-assistant/core(Home Assistant)为此而生:一个以"本地优先、隐私优先"为原则的开源智能家居平台,通过 2000+ 集成对接几乎所有主流协议与品牌设备,用 YAML 与可视化自动化引擎把设备串

Awesome Open Source AI 详解:开源 AI 全景地图开源 AI 世界项目浩如烟海,想找"真正开源"的模型、工具与基础设施,常要在GitHub上大海捞针。alvinreal/awesome-opensource-ai(Awesome Open Source AI)就是为此而生的精选清单:按 14 大类收录 300 余个开源 AI 项目,自称每日更新,配套站点 awesomeosa

在 Python Web 框架层出不穷的当下,FastAPI 用短短几年时间冲到了 GitHub 约 87k Star 的位置,成为构建 API 服务的事实首选之一。它由 Sebastián Ramírez(tiango…

管理文件这件事,Windows 资源管理器几十年没大变过:单窗口、单目录、复制粘贴要在两个窗口之间来回切。想同时对照四个目录?开四个窗口铺满桌面。Q-Dir(The Quad Directory Explorer)给出的方案直接而彻底:一个窗口四个文件管理面板,每个面板还各自带标签页——这就是它的招牌"Quadro-View"(四视图)技术。由德国开发者 Nenad Hrg 出品、software…

GPTCache:给 LLM 查询加上语义缓存LLM 应用火了之后,两个老问题立刻浮现:API 贵(按请求与 token 计费,流量一上来账单爆炸)和响应慢(实时生成动辄数秒,还可能撞 rate limit)。软件工程里这两个问题的经典答案是"缓存"——但 LLM 查询没法用传统精确匹配缓存:用户问"what's github"和"can you explain what GitHub is",字

curl 详解:命令行下的 HTTP 瑞士军刀测一个接口、下一个文件、查一个响应头——在命令行里完成这些事的默认答案几乎都是同一条命令:curl。它由 Daniel Stenberg 于 1998 年发起,如今支持 HTTP/HTTPS、FTP、SMTP 等 20+ 协议,被内置进 macOS、Linux、Windows 10 及几乎所有发行版,官网 curl.se,源码托管于 curl/curl

LangGraph 详解:构建有状态代理的低层编排框架用大模型做代理(Agent),难的从来不是"调一次模型",而是让它有状态地连续工作:多步循环、分支路由、失败后从断点恢复、中途让人插手确认。langchain-ai/langgraph(LangGraph)就是为此而生的低层编排框架——把代理工作流建模成图:节点是步骤、边是流转、条件边做动态路由,天然支持循环与多代理协作。约 41.5k Sta

让 AI 写 UI,最怕的不是它不会写代码,而是它没有"设计品味"——产出的页面配色刺眼、间距随意、风格廉价,一看就是"AI 味"。UI UX Pro Max(UUPM)把专业设计决策做成了一个 AI Skill:79 种可检索 UI 风格、192 套行业配色、74 组字体搭配、192 条行业推理规则,一句"给我的 SaaS 产品做个落地页",它先分析行业与需求、生成完整设计系统(配色 / 字体 …

LLMLingua 详解:微软的提示词压缩工具,最高 20 倍压缩大模型的成本与延迟,大多花在冗长的提示词上——检索增强塞进几十段文档、few-shot 示例动辄几千 token,其中很多其实不必送进模型。微软开源的 LLMLingua 专门解决这个问题:用小语言模型对提示词做 token 级压缩,最高 20 倍压缩率且性能几乎不损失,还能顺带压缩 KV-Cache 加速推理。本文从动机、快速上手

NASA Science 详解:美国宇航局的公开科学门户想看宇宙最新照片、查一次月相、找个周末的观星活动,或者只是想知道月球背面又发现了什么——这些需求的答案都指向同一个地方:science.nasa.gov(NASA Science)。它是美国宇航局的科学总部门户,把任务、地球科学、太阳系、宇宙、航空、技术与教育资源装进一个站点:哈勃与韦布的图像、帕克探测器的近日报告、公民科学项目、每日月球指南

LangChain 详解:代理工程平台与 LLM 应用框架提到"用大模型做应用",绕不开的第一个名字就是 langchain-ai/langchain(LangChain)。它是最早把"模型、提示词、工具、检索"串成应用框架的开源项目,如今自我定位已升级为"代理工程平台(The agent engineering platform)"——约 146k Star、MIT 协议,几乎是 LLM 应用开

做数据分析的人几乎没有绕得开 pandas。无论你是在量化基金清洗行情数据,还是在互联网公司跑用户留存报表,DataFrame 都是这个领域事实上的通用货币。它不是最快的,但它是生态最全、文档最厚、Stack Overf…

Serena 详解:给编码 Agent 用的 IDE让 Agent 写代码,最贵的不是模型,是上下文——用 grep 和行号在十万行代码库里找符号、读整文件、做跨文件重命名,token 烧如流水,还容易改错。oraios/serena(Serena)的解法是把 IDE 的看家本领借给 Agent:符号级的语义检索、编辑、重构与调试,通过 MCP 协接入任何 AI 客户端——口号直白,"The ID

Archify 详解:把代码库变成可交互系统地图的 Agent 技能让 Agent 画架构图,老问题的解法通常是"生成一段 Mermaid"——但 Mermaid 出来的静态图既不能交互也难以验证,改图等于重画。tt-a1i/archify(Archify)换了个思路:Agent 只产出类型化的 JSON 中间表示(IR),Archify 确定性地编译成自包含 HTML/SVG——五种图型、动画、

Jina AI 详解:搜索基础设施工厂与它的 Reader 门面RAG 和 Agent 系统的痛点,一半在模型之外:网页抓不下来、PDF 解不出正文、搜索只给标题摘要——垃圾进、垃圾出。柏林公司 Jina AI 给出的答案是一整套"搜索基础设施":最广为人知的是 jina-ai/reader(约 12k Star,Apache 2.0)——任意 URL 加个前缀 https://r.jina.ai

RTK:砍掉 AI Agent 读取的 90% Bash 输出AI 编程助手的 token 账单里,藏着一大块隐形消耗——bash 输出。跑一次失败的 cargo test,200 多行测试日志全部灌进上下文;git push 的进度条占 15 行;ls -la 一下 45 行……这些输出大部分是 agent 不需要的"噪音",却实打实消耗 input token、挤占宝贵的上下文窗口。RTK(R

GPT-Crawler:爬取网站一键生成你的专属 GPT想做一个"懂你们公司文档/产品"的 AI 助手?传统做法是手动把网页内容复制粘贴喂给 ChatGPT,但一个文档站动辄几百个页面,根本复制不过来。BuilderIO 的 gpt-crawler 正是为此而生——配置一个起始 URL 和 CSS 选择器,它就用 Playwright 无头浏览器自动爬取整站、提取每页正文、聚合成一个知识文件,上传

让 AI 编程助手真正"上手"操作浏览器,是 agent 工具链里被反复验证的需求:登录站点、填表单、点按钮、截图取证、抓数据、跑端到端测试。传统路径是把 Playwright 交给模型——让它写脚本、运行、看报错、改脚本,循环往复,慢且脆弱,token 也烧得凶。 vercel-labs 出品的 agent-browser 给出了另一种答案:一个专为 AI agent 设计的浏览器自动化 CLI…