说实话，我之前一直用 Screen Studio 录制产品演示视频。
自动缩放、运动模糊、鼠标点击放大——这些效果太香了，录出来的视频看着就很专业。
直到有一天，我看到它的价格：**$89 美元**。
换算下来要六百多块，对于一个可能只是偶尔用用的工具，这笔钱花得有点肉疼。
然后，我在 GitHub 发现了一个开源替代品。
OpenScreen 是什么？一句话：Screen Studio 的免费开源版本。
GitHub 上已经有 18,000+ Star，而且还在疯狂增长。
它能做到什么？
✅ 完全免费，无订阅，无水印
✅ MIT 协议，可以商用，可以二次开发
✅ 跨平台，Windows / macOS / Linux 都能用
✅ 功能基本对标 Screen Studio
最关键的是：不用花一分钱。
它能做什么？我试用了一圈，核心功能都够用：
1. 智能缩放动效
这个是 Screen Studio 的招牌功能，OpenScreen 也有。
录屏的时候，你鼠标点击的位置会自动放大，让观众一眼就能看清你在操作什么。
不需要后期手动加关键帧，系统自动识别。
2. ...
3月31日，Anthropic因为一个打包失误，把Claude Code的51.2万行源代码”开源”了。
消息一出，整个技术圈沸腾了。GitHub上星标破万，开发者连夜fork，各路博主开始狂欢：”史上最大规模AI代码泄露！””学习Agent的最佳机会！”
但说实话，这场热闹有点过于兴奋了。
泄露的到底是什么？先说清楚一个核心问题：Claude Code≠Claude模型。
这次泄露的是Claude Code的源代码——一个智能体框架，负责工具调用、上下文管理、多智能体协调等功能。它有点像汽车的”驾驶系统”，能控制方向盘、油门、刹车，但它不是发动机。
那什么没泄露？Claude的模型权重、API密钥、用户数据。换句话说，你拿到了车的设计图纸，但发动机还是得找Anthropic买。
根据泄露的代码分析，整个项目包含：
1900个TypeScript源文件
40多个工具模块
一个4.6万行的QueryEngine（推理逻辑）
这些都是工程实现，不是AI模型本身。
最常见的误解网上最让人无语的误解是：**”拿到代码就能免费用Claude了！”**
大错特错。
Claude Code只是一 ...
要用的文件散落在各个文件夹里，想找的时候翻半天；打开/保存对话框时，手忙脚乱地切目录；常用的几个文档，每次都要从那一堆图标里找…
我之前就是这样，桌面堪比灾难现场。
直到前两天刷 B 站，意外发现了一个叫 Pogget 的小工具。免费、轻量、不用安装，试用了一下——真香。
一个收纳盒，解决桌面混乱Pogget 的核心概念很简单：收纳盒。
就像你桌面上的收纳盒一样，把常用的东西放进去。但它的收纳盒有三种玩法：
映射收纳盒 — 不搬运文件，只建立连接。把藏在电脑各处的常用文件拖进来，直接在桌面打开。不占额外空间，用完随时清空。
普通收纳盒 — 桌面的小抽屉。文件会被真实移入，可以重命名、删除、归档。把今天要处理的资料统统放进来。
目标收纳盒 — 和硬盘文件夹双向绑定。你在收纳盒里怎么整理，真实文件夹里就怎么变化。不用来回切窗口。
说白了，就是给你的桌面加了好几个”小抽屉”，想要什么随手就能拿到。
更贴心的是”磁力访问窗”
这个功能真的戳中我了。
你有没有遇到过这种情况：下载文件的时候，打开”另存为”对话框，然后发现想存的那个文件夹根本不在快捷栏里，得一页一页翻…
Pog ...
前端、移动端、文档处理全包了！MiniMax 技能库上手指南用 AI 编程助手写代码，已经成为很多开发者的日常。Claude Code、Cursor、Codex 这些工具越来越强，但总觉得还差点意思——它们懂语法、懂逻辑，但遇到具体场景时，给的建议总有点”通用”。
比如，让它帮你写一个 Material Design 3 风格的 Android 界面，它可能给你一段代码，但你要操心的是：布局怎么自适应？无障碍怎么做？Gradle 配置有没有坑？这些”工程细节”，AI 助手往往帮不上太多忙。
MiniMax 最近开源了一套技能库，专门补这个短板。
都有哪些技能库？这次开源的内容挺全，分为三大类：
开发类：前端开发（frontend-dev）、全栈开发（fullstack-dev）、Android 原生开发（android-native-dev）、iOS 应用开发（ios-application-dev）、Flutter 开发（flutter-dev）、React Native 开发（react-native-dev）、着色器开发（shader-dev）。
文档处理类：PDF 生成与编辑 ...
摘要：从 3 月 12 日开始研究 OpenClaw，折腾半个月后，我想聊聊养龙虾的真实体验：安装踩的坑、API 的选择、断货潮与跟风现象，以及龙虾到底适合谁。工具再好，也得看握着工具的人。
为什么要养一只龙虾？3月12日，我也跟风入坑了。
OpenClaw 最近确实火。GitHub Stars 破 30 万，深圳有人排队装龙虾，小学生和老大爷都来了。网上管这叫”养龙虾”，说是 AI 时代的新物种。
听起来很厉害？
但我想说个大实话：这玩意儿不是装上就能用的。
安装：一行代码，折腾一天安装就一行命令：
1curl -fsSL https://openclaw.ai/install.sh | bash
复制粘贴，回车，完事。
但我没这么干。为了安全，我在 NAS 里新建了一个 Ubuntu 虚拟机。全新环境，从零配置。装 Node.js、配环境变量、调网络，折腾了大半天。
装完才发现：直接在本地装也行。
你说这时间白花了吗？也不算。至少学会了虚拟机部署、防火墙规则、远程访问。以后用得上。
但如果你问我推荐不推荐——不推荐。除非你就是想学这些。
API：免费的慢，付费的抢不到装 ...
摘要：GitHub 爆火的 Agency-Agents 项目，号称 144 个 AI 员工。下载后发现本质是精心设计的 Prompt 模板，但确实专业——每个 Agent 都有人设、工作流程、交付物、KPI。对普通人用处不大，但想系统化运营账号或学习 Prompt 技巧的人值得一看。
你绝对想不到，144 个 AI 员工竟然是这样工作的最近刷 GitHub，看到一个项目叫 Agency-Agents，简介写着”A complete AI agency at your fingertips”——指尖上的完整 AI 代理团队。
点进去一看，144 个 AI 专家，12 个部门：工程、设计、营销、销售、产品、项目管理、测试、支持、空间计算、游戏开发、学术…
好家伙，这是要组建一个数字公司啊？
我赶紧下载下来研究。看完之后，我笑了。
原来是这样。
不是黑科技，是精心设计的 Prompt先说结论：这东西不是什么黑科技。
每个所谓的”Agent”，本质上就是一个 .md 文件。
打开一个文件看看：
1234567891011121314151617181920212223242526---na ...
摘要: 我用了3年AI，一直以为它能”理解”我说的话。直到最近深入了解大模型的原理，才发现——它根本不知道我在说什么。它只是在疯狂猜下一个字。
玩了3年AI才发现：它根本听不懂我在说什么说实话，这个发现让我有点崩溃。
我玩AI快三年了。ChatGPT刚出来那会儿，我就天天跟它聊。写文章、改代码、翻译、头脑风暴……我甚至觉得它比很多朋友都懂我。
我一直以为，AI是真的在”理解”我说的话。
直到最近，我花时间深入了解了下大模型的底层原理。
结果发现——它根本不知道我在说什么。
它只是在猜，疯狂地猜，下一个字该说什么。
不是思考，是算概率这个认知太反差了。
我以前想象的是：AI像个人，听懂了我的问题，然后在脑子里思考，最后给我一个答案。
但现实是：它压根没在思考。
它只是在做一道概率题：你说了前面这些字，那下一个字最可能是什么？
就像你在玩成语接龙。
我说”床前明月”，你脑子不用想，脱口而出就是”光”。
为什么？因为你看了太多遍这首诗了，”床前明月”后面接”光”的概率，几乎100%。
AI也是一样。
它”读”了人类历史上几乎所有的文字——书、文章、对话记录、网页内容……然后它发现了一个 ...
