Mac 图片压缩工具：ImgZilla 很多图片压缩工具会生成新文件，但对于网站和代码项目来说，文件名变化意味着还要重新检查引用。 ImgZilla 支持： • 原地压缩，不改文件名和目录结构 • macOS 本地处理，不上传图片 • 批量优化 PNG / JPEG / WebP / AVIF 适合长期维护网站和项目资源的 Mac 用户。 👉 #MacApps# #DevTools# #WebDev#

Cloudflare 发布了一个浏览器 Kitesurf： 专给 AI Agent 用，CPU 和内存省 3 到 7 倍 Chromium 是给人做的，一半的东西Agent 用不上 Cloudflare从零开始写了个Agent专用浏览器，整个跑在自家 Workers 上 Kitesurf 有什么核心优势？ 内存占用：网页 HTML 提取时节省高达 7 倍内存，截图时节省 4.7 倍内存。 算力消耗：HTML 提取节省 3.8 倍 CPU，截图节省 3.1 倍 CPU。 这意味着在相同成本下，开发者可以同时运行数倍数量的 AI Agent，大幅降低运行成本。 完全无状态、高度隔离： 运行在 Cloudflare Workers 架构上，每次加载网页都是全新且隔离的环境，极其安全，且不会因为单个页面崩溃影响整个系统。 兼容性极强： 支持标准 CDP（Chrome DevTools Protocol）协议，这意味着你原有的 Puppeteer、Playwright、MCP 等自动化工具或 AI 框架，改个 URL 参数就能无缝切换接入。 目前已通过超过 215,000+ 项 Web 平台测试（WPT），甚至能完美运行经典的《Doom》（毁灭战士）网页版游戏。

深度分析Clawby Tradingview MCP 这款vibe coding 到底从哪些方面帮助了我们做交易 vibe链接： 数据接口： @openclawby 终端以及语言模型： @OpenAI 一、先说清楚：这是个什么东西 Clawby Tradingview MCP，本质上是一个 MCP 服务器。 MCP 是 Model Context Protocol 的缩写——可以理解为 AI 的"USB 接口"。以前 AI 只能聊天，有了 MCP，AI 就能读你的文件、操作你的软件、调外部 API。 这个项目做的就是：让你的 AI 助手（Claude Code / Codex 等）能直接控制你电脑上的 TradingView Desktop，并且能实时拉 Clawby 的另类数据叠加到图表上。 二、它是怎么工作的 拆开来看，技术链条是这样的： 你告诉 AI："看看 AAPL 的暗池最近有没有异动" ↓ AI 通过 MCP 连接 → Tradingview MCP Server ↓ Server 用 Chrome DevTools Protocol（CDP）连接到你的 TradingView Desktop 实例 ↓ CDP 让 AI 能 "看到" 你的图表——当前在看什么股票、什么时间周期、什么指标 ↓ AI 同时通过 Clawby API 拉取暗池数据 ↓ 数据返回后，AI 把暗池异动标注在 TradingView 图表上 ↓ "你看，AAPL 过去 3 天暗池累计出了 120 万股，高于 30 日均值 3 倍" 关键的技术点在于 Chrome DevTools Protocol（CDP）。TradingView Desktop 是 Electron 应用（本质上是一个 Chrome 浏览器窗口），CDP 就是 Chrome 暴露出来的远程控制接口。通过 CDP，AI 可以： 读取图表当前状态（什么股票、什么周期） 在图上画形状、加标注 获取屏幕截图 这就不是"AI 给你一段文字分析"那么简单了，而是 AI 直接在交易员的原生操作环境里工作。 三、Clawby 到底提供了哪些数据 这才是整个核心的重点—— 美股方向： 1. 暗池（Dark Pool） Levels：暗池里不同价位的挂单深度，能看到大机构在什么价位接盘或出货 Prints：暗池实际成交记录，谁在偷偷吸筹 为什么重要：暗池交易量现在占美股总成交的 40%+，不看暗池等于只看了一半市场 2. 做空数据 短成交量（Short Volume）：每天有多少成交是做空产生的 短利息（Short Interest）：当前未平仓的空头头寸总量 借券费率（Borrow Fee）：做空需要支付的借券成本，费率飙升通常意味着轧空临近 FTDs（Failure to Deliver）：交割失败数据，高 FTD 是挤压的燃料 3. 期权链 + Max Pain 全链路的期权数据 Max Pain：使最多期权持有者亏损的行权价——市场经常"被拉向"这个价位 结合暗池和做空数据看 Max Pain，能判断大资金在操纵什么价位 4. SEC 财务数据 不是延迟一个季度的数据，而是 API 直接拉取 EPS（每股收益）、总收入、净利润、流通股本 快速判断基本面是否支持当前价格 5. Reddit 情绪 从 Reddit 财经板块（特别是 WSB）抓取讨论热度 量化成情绪分数，辅助判断散户情绪是否极端 加密方向（数据源：Coinglass）： 资金费率（Funding Rate）：永续合约的资金费率，反映多空力量对比 未平仓合约（Open Interest）：总持仓量，判断趋势的强度 爆仓数据（Liquidations）：大额爆仓往往意味着短期反转 多空比（Long-Short Ratio）：持仓方向分布 Taker 买卖流量：主动买单 vs 主动卖单的比例 四、这个设计的巧妙之处 它没有替代 TradingView，而是增强了 TradingView。 很多人做 AI 交易工具的思路是「再造一个交易终端」——自己画 K 线、自己接数据、自己做 UI。结果做出来永远比不上 TradingView。 这个项目的做法更聪明： 复用 TradingView 的图表能力——TradingView 已经有最好的图表引擎 只用 MCP 做"附加层"——AI 只负责拉额外数据和标注 数据来源用 Clawby 聚合——自己不用对接 10 个数据源 结构上就变成了： TradingView（最佳图表）← CDP → MCP Server ← Clawby API（10+ 维度数据） ↑ AI 助手 五、实战场景推演 场景一：盘前快速扫描 你打开 TradingView，输入 AAPL → AI 自动拉 Clawby 数据 → 30 秒后告诉你： "暗池昨晚有异动，借券费率上升 20%，Max Pain 在 $240" → 你直接在图上看到这些数据点 场景二：持仓监控 你持有 TSLA → 让 AI 每隔 15 分钟自动检查：暗池流向、期权开仓变化 → 有异常时主动提醒你 → 你不用手动刷任何页面 场景三：加密合约交易 你看 BTC 的永续合约图表 → AI 拉 Coinglass 数据 → 告诉你：资金费率已经负了 8 小时，OI 在下降 → 这可能预示着多头在投降 六、为什么它代表了一个方向 去年大家聊 AI 交易，话题大多集中在「AI 能不能预测涨跌」。 今年不一样了。成熟的方向不是预测，而是聚合和翻译。 一个交易员做决策需要的信息分散在： TradingView（看 K 线） 暗池数据网站 Stocktwits/Reddit（看情绪） 期权链查询工具 做空数据面板 切换工具的成本就是注意力的损耗。这个 MCP 做的事本质上就是：把所有数据拉到同一个画面，让 AI 当你的信息助理。 七、开源和技术栈 GitHub： 技术栈：Claude（构建工具）、CDP（浏览器控制协议）、Clawby API（数据底座） 用途标签：$TOOL、#MCP# 发布时间：2026-07-24 如果你是一个交易员，看到这里我相信你应该很激动了。 如果你是一个小白，我想你也没有这些耐心看到这。 所以最后的最后 如果你对我们的clawby感兴趣，如果你想加入我们的vibe coding社区，欢迎联系我们团队。

从今天开始，AI 可以接管你所有的网页浏览行为！ 这句话不是我夸张，是 Codex 这次更新之后的真实状态 先说清楚一件容易被忽略的事，这个能力不是今天才有的，5 月份 Codex 出 Chrome 插件那波其实就已经能干这事了 但这次版本迭代之后，我实测体验上的差距是质变级别的 我去扒了一遍官方变更日志，挑出跟我们最相关的几个点： 1.支持你直接在codex app中导入cookie和密码 2.标签页不再乱了，以前它接管你已经打开的标签页会顺手开一堆 Tab Group，任务做完也不收拾，现在这个毛病改了，用完该还你的界面还是干净的 3.加了个开发者模式，本质是给了 Codex 一部分 Chrome DevTools 的权限，网络请求、控制台报错、页面运行时状态它都能看，写代码调 bug 这条路直接被打通 4.任务从本地草稿转到云端接着跑的时候，之前偶尔会丢标签页状态和你做的标注，现在这段过渡稳了很多 5.对 Google 文档、表格、幻灯片这类页面，读取上下文的准确度也专门做了优化 6.还新增了一个只读的 JS 沙盒，抓取页面结构化数据更快，也更准 这6点放在一起看，其实说明一件事，AI 浏览器这条赛道走到现在，拼的已经不是有没有这个功能，是这个功能用起来顺不顺手 但真正让接管浏览行为这件事成立的，还是底层那个更早就有的能力 以前的 AI 浏览器代理，能操作页面，但碰不了需要登录的网站，你的邮箱、后台系统、会员系统，它进不去 现在这个插件直接复用你 Chrome 里已经登录的会话状态，你不用把账号密码或者 token 交给它，它借用的是你当前的登录身份去干活 有朋友拿这功能扒同行素材，一句指令，链接全部列出来，一口气扒了小几十篇，理论上评论区互动数据也能一起打包 这只是冰山一角，真正的能力边界远不止抓帖子这么简单 它能在后台独立标签页跑任务，不占用你正在用的浏览器，你可以正常刷网页办公，它在旁边悄悄把活干完 多标签之间还能并行协同，配合刚才说的开发者模式，调试网页应用这种活它也接得住 这才是这次更新真正厉害的地方，不是能力从无到有，是从能用到好用

💻 开发者福利：SVPChain Agent 已深度集成 MCP！ 还在手动复制粘贴？现在支持一键导出配置，直接在 Cursor / Windsurf 等主流 AI IDE 中调用强大的链上功能。 真正实现：本地签名，代码即交易！ 迈入 Vibe Coding 的全新金融自动化时代。 🛠️ 接入 MCP 协议： #SVPChain# #DevTools# #VibeCoding#

⚡ 太强了，有人给 Codex App 做了个增强外挂——Codex++ GitHub 狂揽 24.5k stars，Rust 写的，Windows 和 Mac 都能用 Codex App 好用但总有些不顺手的地方，这个项目的思路很聪明：完全不动 Codex 的原始安装文件，而是做一个外部启动器，启动时通过 Chromium DevTools 协议注入增强脚本，随时能退回原版，不怕更新弄坏。 装完有两个入口：一个静默启动增强版 Codex，一个管理面板负责检查、修复、更新和管理用户脚本。 部署也很简单，Releases 下载安装包双击装完就能用。 GitHub：

⚡ 炸裂，有人搞出一套让 AI agent 干活更快更省钱的工具规范，实测比 MCP 还猛。 项目叫 AXI，刚开源没多久就冲到 1.4K star，作者用 Claude Sonnet 4.6 跑了近千次基准测试来证明它。 现在 agent 调外部服务，要么用本来给人设计的 CLI，要么用 MCP 这类协议，两种都特别费 token。 AXI 换了个思路，把「省 token」当成头等约束来设计工具。测试数据挺唬人：同样让 agent 操作浏览器、跑 GitHub 任务，AXI 版成功率拉到 100%，单次成本和耗时都比 MCP 低一截，来回对话的轮数几乎砍半。 它给了一套 10 条设计原则，还配了 gh-axi、chrome-devtools-axi 两个现成实现，npm 装完写进 CLAUDE.md 就能用。 GitHub：

今天运行一个vibe coding的必备工具，chrome dev tools mcp， github已经有17.6Kstar 我们在vibe的时候，经常需要获得外部数据，比如获得gmgn上最新的热门代币、获得推特的推文等。而传统的爬虫已经不适用ai时代。 作为一个MCP，chrome dev tool使用非常方便，只需要3分钟两个步骤而已。第一步，安装mcp， 第二步，然后跟AI对话的时候，告诉它使用这个mcp就可以。 chrome dev tool基本覆盖了所有的vibe coding 工具使用 我自己使用了分别在antigravity 和claude code。可惜的是antigravity 换了不同的模型，都没有正常使用。就是跑一会儿，agent会去安装别的传统的爬虫库了。而claude code却是非常方便的成功了。 chrome devtools 会自动打开chrome浏览器进行工作。而它的一个最大的优点就是：用户可以提前打开浏览器，登陆账户。这样ai可以操作已经登陆下的网站情况。 让claude code牛马干活之前，建议先/mcp查看一下mcp是否安装完成。我的前两次使用都不行，以为是牛马不行，结果发现mcp没配置成功。 我本次的任务是想整理kaito上面的yapper榜上kol名单，想进一步用这些明白，跟踪他们的推文。我先在chrome登陆kaito，然后让牛马干活。 牛马很聪明只需要用大白话交代清楚就可以，非常的简单，不需要什么复杂的prompt工程。 大概5分钟就给我结果了。 这里还有一点注意的，如果牛马干活的时候，同时你还要用浏览器的话，建议配置一个新的chrome，并放入虚拟桌面

再次推荐 Google Engineering & DevRel Leader @addyosmani 重磅开源的 Agent Skills (69.7✨)，把资深工程师的生产级工程纪律，固化为 AI Agent 可机械执行、强制验证、跨工具复用的工作流 Agent Skills: Production-grade engineering skills for AI coding agents. 它要解决什么问题？ AI Coding Agent 的默认行为是"走最短路径"——跳过规格、跳过测试、跳过安全评审，给出能跑但不可靠的代码。Agent Skills 的立论是：质量不靠提醒出来的，要靠强制流程托底的。它把"什么时候写规格、测什么、怎么评审、何时发布"这类隐性工程判断，固化成 Agent 必须遵循的步骤。 顶层架构：六阶段生命周期 DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP /spec /plan /build /test /review /ship 8 个 slash 命令作为入口，分别对应一个阶段，自动激活对应 Skills。Skills 也会按上下文自动触发（写 API → api-and-interface-design，写 UI → frontend-ui-engineering）。/build auto 在一次批准后自动跑完计划与实现，但每个任务仍独立测试、独立提交、遇险即停。 24 个 Skills 的分布 1. Meta - 1 个 using-agent-skills（路由，决定该用哪个技能） 2. Define - 3 个 interview-me、idea-refine、spec-driven-development 3. Plan - 1 个 planning-and-task-breakdown 4. Build - 7 个 incremental-implementation、test-driven-development、context-engineering、source-driven-development、doubt-driven-development、frontend-ui-engineering、api-and-interface-design 5. Verify - 2 个 browser-testing-with-devtools、debugging-and-error-recovery 6. Review - 4 个 code-review-and-quality、code-simplification、security-and-hardening、performance-optimization 7. Ship - 6 个 git-workflow-and-versioning、ci-cd-and-automation、deprecation-and-migration、documentation-and-adrs、observability-and-instrumentation、shipping-and-launch 几个值得点名的设计取向 · doubt-driven-development：对抗性"新上下文复盘"，CLAIM → EXTRACT → DOUBT → RECONCILE → STOP，可选跨模型升级。这是该仓库比较有原创性的一项，针对高代价/不可逆决策。 · source-driven-development：框架决策必须挂在官方文档上，要引源、要标注未验证项。直接对治 LLM 编造 API。 · deprecation-and-migration 把"代码即负债"单列为技能，配套强制 vs 建议性弃用模式与僵尸代码清除——很少见但有工程味。 · Google 工程文化底蕴：Hyrum's Law（API）、Beyonce Rule 与测试金字塔（测试）、变更尺寸约 100 行 + 评审速度规范（评审）、Chesterton's Fence（简化）、主干开发（git）、Shift Left 与 feature flag（CI/CD）。来源明确标注自《Software Engineering at Google》与 Google 工程实践指南。

Claude Code 之父自己的 CLAUDE.md 现在就两行... Claude Code 团队聊"少即是多"分享随着模型能力增加该如何和模型交流： “别跟模型较劲做加法，因为模型每代都在变强，你今天费劲搭的东西很快就白搭了。” 为什么 Claude Code 坚持做命令行不做 GUI？ 因为模型进步太快，半年后可能界面就过时了... 具体落在四件事上： 1. CLAUDE.md 越短越好，定期清空重来 他自己的 CLAUDE.md 就两行，提 PR 自动合并、提 PR 发审批频道，其余规则全写进提交到代码库、全队每周共建的那份里。看到队友犯可避免的错，就直接在 PR 上 Claude 让它把规则加进去。 当系统提示"你的 CLAUDE.md 已经几千 token"时，他的建议是直接删掉重写：用最少的东西把模型拉回正轨，模型跑偏了再一点点加回来。而且你会发现，每换一代模型，要加的越来越少。 很多人的毛病是过度工程化。 2. 为什么坚持做命令行（CLI）而不做图形界面 因为模型进步太快，做不出一个半年后还不过时的 UI。 而且 CLI 反而降低门槛，用 Claude Code 不需要懂 Vim、Tmux、SSH，打开就有它带着走。团队里也有 Vim 死忠，"除非我死否则别想夺走我的 Vim"，但他自己就用 VS Code，觉得自己是个普通工程师。 3. 终端输出"详细 vs 简洁"的拉锯 他个人喜欢啰嗦，能扫一眼发现模型跑飞，按 Esc 当场摁住。 半年前他想砍掉冗长的 bash 输出，结果 Anthropic 员工全员造反。最近把"读文件/搜文件"折叠成一行摘要（这放半年前发不出来，因为那时模型还常读错），GitHub 上又有人不干。于是加了 verbose 模式两边兼顾。 这套打磨方式就是：发布 → 自己用一个月 → 听用户骂 → 迭代。他说最爱的就是听用户到底想怎么用。 4. 用 AI 修 bug 的体验已经"离谱" 做好日志后，随口说"这个对象出错了"，它就翻日志、自己搞清楚，甚至能开生产通道看线上数据库。 最戳他的一个例子：他自己查一个内存泄漏，做 heap dump、开 DevTools、翻代码翻半天没搞定。队友 Chris 直接把问题丢给 Claude Code，它自己写了个小工具分析 heap dump，比他更快找到了泄漏。 收尾的反思 他说"Agent 能做什么"这件事每换一代模型就变，新人往往比他这个老人用得还溜，"这事我得反复重新适应，因为我的脑子还停在过去。" 一句话总结：模型在飞涨，人的最优策略不是堆配置、堆脚手架、堆工具，而是做减法、保持轻、把判断让给越来越强的模型，并不断推翻自己过时的使用习惯。