漂亮有个性的markdown编辑器
GPUI 框架的出色不只在性能上，还在基于 Rust 的生态以及有着几乎能够让 Agent Coding 编码一次性实现到位的优势。
我用 GPUI 构建了一个非常复杂的 markdown 渲染引擎 moeka.app/，它非常的丝滑并且具有超高的可定制性，相比 Tauri 和 Electron 这样的 web 技术，或者使用 Swift UI 来从头构建的话，调试和可定制化可能都会非常痛苦。
感谢 @zeddotdev 团队贡献如此优秀的框架，也许未来 GPUI 可以在开发模式下以声明式 UI 方式做到 live reload，以及 wasm 之类的插件化。
有点意思，玩玩看
quiet.md is now open source!
A fast, local-first rich text editor compatible with Feishu (Lark) docs. Beta for macOS and Windows.
- Native speed: Rust + GPUI, no WebView. Typing in a 1,000,000-character doc takes ~5ms per frame.
- Local files: no account, and it stays offline by default. Notes are plain XML files that agents like Claude Code can read and edit.
- Feishu-compatible: most blocks and interactions, minus the cloud features.
quiet.md
github.com/s1dashu/quiet-md
波希米亚 retweeted
Your Harness. You Define It.
Meet Creator Mode in DeepSeek Harness.
Turn ideas into plugins that you can use, from a design workspace to a sandbox game or a 3D LLM visualizer.
What will you create?
波希米亚 retweeted
花费16天，我用 Opus 5.5 将小王子的故事制作成了3D剧情游戏
结合Tripo+Blender，Opus 5.5 将小王子故事中的每一个星球变成了可探索的3D场景
希望大家能支持一手，后续会开源整个游戏，以及详细制作流程
Welcome to The Little Prince: Across the Stars✨：littleprince.dev/
Check out this @unsplash collection curated by NASA unsplash.com/collections/Wbw…
之前用Claude Code搭了一个环境，思路基本一致，目的是探索为了改变团队工作方式，现在看到原生AI设计团队就是这么干的，有谱了，方向对。其实也是之前听一期采访cowork产品设计过程的播客受到启发，坚定了方向。
Anthropic 自家设计师 Ryan Mather，一人负责公司 7 个产品线。他发的几条自己用 Claude Design 的心得，结合官方教程：
1. 别急着干活，先花一小时搭你的设计系统。
把代码库、设计稿、品牌素材全塞给 Claude，让它抽出一套 UI Kit 并直接发布。这一小时的投入，以后你每次生成设计稿，风格都会自动套用，性价比爆表。公司要全面推开，可以投入一到两周做系统沉淀，道理不变：先沉下去规范，后面才有复利。
2. 别再玩接力，跟工程师一起边聊边改。
过去那种“设计师出稿→甩给工程师实现→回来再修改”的模式，已经过时了。开个会，你们一起看着画布，边讨论边敲定方案，一场会定下来直接开发，效率拉满。
3. 结构级大改用聊天，细节调整点评论。
你想换个深色模式、布局大洗牌、新增设置面板，或者一次出多个方向，这种级别的任务用聊天界面效率最高；按钮 padding 调一下、颜色换一换、输入框改下拉菜单，这种小修小补直接在元素上评论就行，精准又快速。
4. 反馈要具体，别给模糊情绪。
官方举过一个特别好的例子：「看着不对劲」就是最差反馈，而「表单字段间距改成 8px」才是智能体最爱听的明确指令。Claude 最擅长处理具象具体的要求，不善于揣摩你抽象的审美情绪。
5. 接上 Connector，让 Claude 读懂上下文。
Ryan Mather 提到他最爱的用法：把产品吐槽会议的纪要喂给 Claude，然后出去溜达一圈，回来一份完整的解决方案 Deck 已经自动生成了。
让 Claude 干复杂又综合的脑力活儿，你腾出手做更重要、更有创造力的事。
6. 关键时刻，别怕手工慢下来。
新图标、核心插画、产品名字、品牌形象，这类活儿别指望模型给你完美答案。这不是 Claude 不够牛，而是这事儿本质上考验的是你的个人品味和判断。Ryan 把这叫作“Agentic Designing 的艺术部分”。
7. 挂代码要精准，别塞整个 monorepo。
把整个 repo 拖进去会直接卡爆浏览器，模型的上下文也被无用信息污染了。你只要挂目标组件的文件夹或 package 就够了，记得排除 .git 和 node_modules，干净利索。
再补两条官方没说的小窍门：
1) 多开几个 Chat 平行探索。
同一个想法开 3 个对话，各自往不同方向跑一段，然后再挑精华合并，比在一个对话里反复折腾要高效太多。
2) 团队 Leader 得改改你的审查流程。
以前是“人做、人审”，现在是“Claude 做、人审”，这个差别巨大。如果你不调整节奏和人力配置，工具的价值会浪费一半，审查这一步一定要重构。
波希米亚 retweeted
ClawPal v0.2.1 发布 🦞
✨ 新增 Cron 定时任务管理页面 — 可视化管理 OpenClaw 的定时任务，可以手动触发或者删除
✨ 新增「看门狗」🐶，帮大家盯着🦞有没有执行定时任务，没有的话会去主动发起
🔧 SSH 连接稳定性提升 — 支持自动重连 + 并发修复
🔧 新增 Logs 查看器——在 Doctor 页面
🔧 增强单 Agent 配置解析，兼容更多 OpenClaw 配置形式
⚠️注意： 因为目前使用的 SSH 库较为底层，上层状态管理容易出问题，接下来我会进行一次较大重构，替换为 openssh 这个更上层的库，更好地解决连接问题，所以如果你碰到连接问题不要急，请加入我们的 DC 持续跟进：discord.gg/d5EdxQ8Qnc
更新方式：
• 在 App 内 Settings → Check for Updates 一键更新
• 或前往 github.com/zhixianio/clawpal… 下载
ClawPal 是 OpenClaw 的桌面配置助手，可视化管理你的 AI agent，告别手写 JSON 🙌 clawpal.zhixian.io
波希米亚 retweeted
理解任何事物的五个关键的思维模型！成为精英思考者的理解“框架”👀
1. 第一性原理思维（First Principles Thinking）
将问题或想法通过“拆解”还原为最基本、无可争议的要素，然后从这些基本事实出发重新构建，而不是依赖现有的假设或类比。通过剥离可能具有误导性的假设，从根本真理出发，往往能产生全新的见解。
2. 分解 / 分而治之（Decomposition）
将一个庞大、复杂的系统分解为更小、更易于消化的部分，以便单独理解每个部分及其与整体的关系。大脑无法一次处理所有信息。通过连接理解后的小碎片，可以更清晰地拼凑出系统整体的运作方式。
3. 识别关键驱动因素 / 帕累托法则（Identify Key Drivers / Pareto Principle）
专注于那些对系统或问题有巨大影响的少数因素（即 20% 的变量驱动了 80% 的结果）。并非所有变量都同等重要。精英思考者会优先考虑高杠杆点（核心驱动因素），从而更深刻地理解系统的行为方式。
4. 结构映射（Structural Mapping）
通过可视化（如概念图或草图）来展示系统的各个部分是如何组合在一起的，无论是物理上还是逻辑上的。一旦看到结构，模式就会显现。这利用了空间推理能力，将抽象关系具体化（例如：类别 -> 子类别），并有助于利用已知系统进行类比。
5. 抽象层级 / 放大与缩小（Levels of Abstraction / Zoom In & Out)
灵活切换视角，既看“大局”（宏观架构），也看“细节”（微观机制）。理解来自于细节与概览之间的张力。“放大”看大局能提供背景和最终目的；“缩小”看细节能提供精确性和内部运作机制。精英思考者知道深刻的洞察往往来自于连接这两个层级。
配图来自 Polymath Investor（Substack）- 解释了如何通过拆解问题（第一性原理、分解）、抓住重点（关键驱动因素）、可视化关系（结构映射）以及多维度视角（抽象层级）来建立对任何复杂事物的深刻理解✨
波希米亚 retweeted
这篇《One Year With ChatGPT Pro as a First Hire》强烈建议所有人转发收藏一下。
它表面是在讲一人音乐公司把 ChatGPT 当第一位员工，但实际上这是一份未来如何做管理的现场记录，
只不过管理对象从人扩展成了AI（以及 AI + 人的组合）。
不管现在是一人公司还是在打工，这里面都有几个点很值得抄作业：
1. 个体要学会把 AI 变成稳定的工作系统；
2. 管理者不要去想 AI 替代人，重心应该放在怎么重新分工，哪些交给 AI 规模化，哪些必须留给人，怎么让两者一起跑得更稳。
3. 更重要的是未来人人都是管理。要么管理 AI 让它放大产出；要么被 AI 的信息流和工具流管理，天天忙但不产出。
建议看看当一个人真的把 AI 当 first hire 用一年，会发生什么。
soundformovement.com/chatgpt…
