想让 AI 直接用 Blender，还得靠截图点按钮吗？
GitHub 上有个项目给的答案是：不用。
叫 CLI-Anything，港大数据智能实验室 HKUDS 出品。
5.6 万星，这个月涨了 6,389 星，Apache-2.0 开源。
它的思路很简单：给有源码的软件自动生成一套命令行接口。
每个命令都能出 --json 结构化结果，Agent 跑一下 --help 就知道这个软件能干什么。
README 原话是「告别截图、点击和 RPA 的脆弱性」。
它不是替代软件。
生成合法的项目文件，再交给真软件去渲染，比如 Blender 渲染、LibreOffice 出 PDF。
整个过程是 7 个阶段的流水线：扫源码、设计、实现、规划测试、写测试、写文档、发布进 PATH。
Claude Code、Cursor 都能装，OpenCode、Codex 是实验性支持。
用法就一行：/cli-anything ./gimp，或者直接丢 Blender 的仓库地址。
有中文 README，看起来不费劲。
我翻完文档，觉得国内用起来最顺手的有这 5 种：
1、做自媒体的，让 Agent 批量干剪辑、录屏、字幕的活。
CLI-Hub 里已经有 Kdenlive、Shotcut、OBS Studio。
还有 videocaptioner，能转写、翻译、烧录字幕，不用一个个点界面。
2、笔记接 Agent。
思源笔记、幕布都有现成 CLI。
可以让 Claude Code 或 Cursor 直接搜笔记、整理大纲。
3、把模型本身当工具调。
MiniMax 有对话和 TTS，Novita 是 OpenAI 兼容 API，含 DeepSeek、GLM、MiniMax。
想全在本机跑的，Ollama 也有 CLI。
4、给公司内部系统生成 Agent 接口。
内部工具有源码，就能用 /cli-anything 生成一套带测试的 CLI。
README 还说，可以把一堆零散的 Web API 文档喂进去，整合成一个 CLI。
5、Dify、ComfyUI 用户。
有 dify-workflow 和 comfyui 条目，Agent 能改 Dify 工作流、跑 ComfyUI 生图。
CLI-Hub 注册表里一共近 80 个条目，可以先去翻翻有没有你常用的。
局限也要说清楚，README 自己写了三条：
一是要前沿模型。
它点名 Claude Opus 4.6、Claude Sonnet 4.6、GPT-5.4 这类才能稳定生成，小模型可能出不完整或有错的 CLI。
二是要源码。
只有二进制的软件，效果会明显下降。
三是一次跑不全。
通常要用 /cli-anything:refine 补一轮甚至好几轮。
另外，最新 Release 是 6 月的 v0.4.0，环境要 Python 3.10+。
你最想先让 AI 接管哪个软件？
github.com/HKUDS/CLI-Anythin…
我让 Grok bot 接管了我的所有服务器，包括自己的电脑，我发现非常的好用：
1. 代码编写：可以交给对应的 Agent 做。
2. 部署上传：代码的部署、上传等所有工作，完全可以由 Grok bot 去完成，甚至节省了相互之间联通的成本。
原来我都是用 Hermes agent 去完成这个事情，但是 Hermes 的架构并没有 Grok bot 这么完善，更像是互相独立的 profile。用 Grok bot 真的是太爽了！
你的 AI Agent 每开一个新会话，是不是又得从头讲一遍背景？
GitHub 上有个项目专治这个，叫 Hindsight。
5 万多星，光这个月就涨了近 2.8 万星。
MIT 开源，Vectorize.io 出品，10 月 13 日刚发了 v1.0.0。
README 里说得很直接：它要让 Agent 学会东西，而不只是记住东西。
核心就三个动作。
retain 是存，用大模型从对话里抽出事实、时间、人和关系。
recall 是取，向量、关键词、图谱、时间四路一起搜，再合并排序。
reflect 是反思，拿已有的记忆推理出答案。
它还会把多条记忆合成带证据的结论，新证据来了是修正，不是直接覆盖。
我的理解：第 1 期写的 WeKnora 管的是「文档」，Hindsight 管的是「Agent 自己的经历和用户」。
我翻完文档，觉得国内用起来最顺手的有这 6 种：
1、给编程 Agent 加长期项目记忆。
一条 npx 命令装进 Qwen Code、Kimi Code、TraeCode、CodeBuddy、DeepSeek Harness。
它按仓库从 git 历史和过往会话自动建记忆，换会话不用重讲项目。
2、让自己的客服或陪聊机器人记住每个用户。
一个用户一个 memory bank，README 写明不会串。
主模型可以用 DeepSeek、智谱 GLM、MiniMax 或火山引擎豆包。
3、全本地跑，数据不出机。
用 Ollama、LM Studio 或 llama.cpp 当模型，Docker 起服务，API 在 8888，界面在 9999。
再开 Memory Defense，存之前按 45 种模式扫密钥和个人信息，打码或拦下。
4、已有的 OpenAI 兼容代码两行接入。
wrap_openai 把原来的客户端一包，调用前自动取记忆，调用后自动存。
5、给 Dify、n8n 工作流加记忆。
README 列了 60+ 个集成，这两个都在里面。
6、中文名字不乱。
默认保留原语言，张伟还是张伟，不会变成 Zhang Wei。
模型方面，README 写支持 25+ 家提供方。
提醒一句：效果上 README 自称在 LongMemEval 长期记忆基准上做到了 SOTA，这是它自己的说法，大家用自己的数据测一下再下结论。
你最想先给哪个 Agent 装上记忆？编程助手，还是客服机器人？
github.com/vectorize-io/hind…
不要信什么 A 畜专门针对 Mac Mini 托管这种情况做封禁，完全没有必要花费那么多算力资源去查这个东西。那要怎么判断呢？判断你接了 UU 远程，就确定你是中国人然后封号？我觉得不是。
A 处就是“运动式封号”。它可能有一套自己的检测规则，账号里有一个评分系统：
1. 触发降分：你多做几个高风险行为，它就会给你降低评分，评分低到一定程度就给你干掉了。就算你真的全部都在美国，也有可能会被这么做。
2. 评分自检：我认为其实就是采用评分自检来做封号的判断。
所以，有些人即使用 VPS，也一直都没有被封号，原因就在这里。虽然他的 IP 可能不是很好，但他没做什么敏感行为，或者压根不怎么用这个号，就不会降低他的评分嘛。
你看了这个，说不定能改命。
孙宇晨和金明那期 47 分钟的高质量访谈，我浓缩成了图片版，图都在下面。
挑三个我觉得普通青年用得上的：
他说先看懂时代环境，再按自己的情况，选对自己更有利的路。
他说「孙学」主要是给普通年轻人从零到一用的，本来能力强、资源好的，按自己的思路走就行。
他说更看好把 AI 用进真实生活的应用，比如健康管理。
第三条我最有感觉。
你觉得哪条对你最有用？
不构成投资建议。
家里或小团队想自建一个 AI 助手，不想把对话扔到公网上？
腾讯云开源了一个叫 Octop 的项目。
近万星，光这个月就涨了六千多。
MIT，最新版 v1.0.2，Python 3.12+。
README 里写得很直白：支持多用户、多 Agent 的自托管 AI 助手。
单进程就能同时开 Web 控制台、CLI、IM 通道和定时任务。
数据默认都在本机 ~/.octop/ 里。
装完跑两步：octop init，再 octop run，浏览器打开 http://127.0.0.1:8088。
我翻完中文 README，觉得对国内用户最实用的是这 5 种用法：
1、飞书、钉钉、企微群里的团队助手。
群消息直接进 Agent，也能开多 Agent 或 AgentTeams（还在 Beta）。
2、全家或小团队共用一台本机助手。
多用户用 JWT 隔离，一人管、多人用，按人分专家。
3、本地跑千问或 Ollama，数据不出机。
模型预设里明确写了 OpenAI 兼容、DashScope（千问）、Ollama。
配置、对话、凭证都落在本机目录。
4、接上 WeKnora、Dify、腾讯文档和腾讯会议。
内置连接器还有 Notion、滴答清单，也能自己挂 MCP。
（WeKnora 就是本系列第 1 期写过的那个知识库。）
5、给 IDE 里的编程 Agent 当中枢。
ACP 能委派 OpenCode、CodeBuddy、Claude Code、Codex，也能反过来让 Zed、OpenCode 用你这边的 Agent。
另外还有专家库、16 种 MBTI 人格、知识库 RAG、工具审批和敏感信息脱敏。
本地优先，高风险的 Shell 和工具要你点头才跑。
你更想先把它接到哪个群？飞书、钉钉，还是企微？
github.com/TencentCloud/Octo…
燊野 retweeted
New DeepSeek just dropped. WorkBuddy Intl is updated to the latest too, and it's free through Oct 31. Take it for a spin.
🚀 DeepSeek-V4.1-Flash-1017 is here!
Stronger benchmark performance, faster task completion, and shorter outputs than the previous version—a Pareto improvement in performance and cost. Now live on our website, app, and API.
🛠️ Optimized for @DeepSeekHarness, Tencent CodeBuddy, WorkBuddy, and more. Upgrade to DeepSeek Harness v0.2.1-rc.1 or later for the best experience with the new model.
1/4
腾讯开源了一个知识库框架，本月涨了快 1 万星。
叫 WeKnora，现在 3.4 万星，MIT 协议。
一句话说清楚：把你的一堆文档丢进去，AI 就能照着回答你的问题，还会告诉你答案出自哪份文档。
同一个知识库有三种用法：
RAG 问答，回答带出处。
Agent，帮你跑多步任务。
自动 Wiki，把资料自己整理成页面和知识图谱。
我翻完 README，觉得对国内用户最实在的是这 4 种用法：
1、公司文档全本地问答，数据不出内网。
用 Ollama 跑 Qwen 或 DeepSeek，向量模型用 BGE/GTE，部署在内网，PDF、Word、Excel 都能直接问。
2、飞书、语雀、钉钉里的文档，变成群里的问答机器人。
知识库自动同步这些文档，再接进企业微信、飞书、钉钉群，同事有问题直接在群里问。
3、做自媒体的资料库。
Chrome 插件一键把网页存进去，开了 Wiki 以后，它会自己整理出人物、产品、概念页面。
写稿的时候再问它，比翻收藏夹快多了。
4、给 AI 编程工具接上自己的文档。
它内置 MCP Server，Cursor、Claude 这类工具可以直接查你的知识库。
模型这块，README 写了内置 29 家厂商，DeepSeek、通义千问、智谱、混元、豆包、MiniMax 都在。
部署也不难，有 Docker、Docker Compose 和 Git 的话，五行命令就能跑起来，最新版本是 v0.8.3。
不过 README 里有一句提醒：建议部署在内网，别直接暴露到公网。
别装完就挂到公网上。
你最想先把哪堆资料喂给它？
github.com/Tencent/WeKnora
🤖 Made with AI
