我翻完小红书Red Skill最新的Top15数据后背有点发凉,这根本不是什么小功能测试啊。 5月份归藏第一个把PPTSkill传上去的时候,详情页显示只有6个人用,当时我就说这是个大事件,不少人还觉得我小题大做,说什么一个种草APP搞点AI功能蹭热度而已,折腾不出水花。 结果7月3号小红书官方两个更新就甩出来了,直接把所有质疑给打没了。 先是格式全放开,之前还只支持txt和md,现在py/js/html/c++/sql甚至数据库文件全能传,不是只能写提示词给Agent读,是真能跑完整代码做完整功能。 再就是另一项 vibecoding 内嵌交互小工具内测将在下周三上线,发笔记时挂上组件,用户刷到不用复制口令跳本地Agent,半屏就能调,全屏能交互,点一下直接分享到微信,那个记录奶茶口味的小工具Brewwww,上线没多久就有一万多人用。 数据是不会骗人的,现在排行榜第一的「菜菜的人生系统」,32.6万曝光,4万多人次使用,第二名的工作日程管理曝光量甚至更高。 而且说实话，这些作者要是把同样的Skill传到GitHub,绝大多数人攒一整年都拿不到这个量级的真实用户。 以前大家以为AI Skill的分发中心,一定是GitHub，觉得普通人找AI工具,一定会主动搜索，甚至认为小红书这种生活方式平台,做不好技术产品分发。 现在看全错了。 GitHub是开发者主动找工具的地方,你有明确需求才会去,网络卡,门槛高,普通用户连门在哪都不知道。 而小红书是用户刷着刷着,正愁PPT做不完、周报写不动、公考复盘没方法,笔记下面正好挂着能解决问题的Skill,点一下就能用,上下文严丝合缝,连教育成本都省了。   我觉得小红书平台这步棋走的极聪明,它不拼大模型,不抢算力,就攥住「用户在什么场景下需要什么能力」这个分发入口,和当年App Store不做手机应用、只攥住应用下载入口的逻辑一模一样。 给真在做Skill的朋友四个现在就能用的反直觉判断: ● 别光传Skill就干等,一定要包成教程笔记,先讲痛点再秀效果最后挂组件,纯扔文件没人看,现在排行榜上的作者全是这么做的 ● 别上来就做什么通用大Agent,越垂直越爆,公考、剪辑、写广告、甚至记录奶茶,这些看起来不技术的场景,流量比通用类高10倍 ● 别嫌审核严不敢进,现在正是窗口,规则没卡死你先攒使用数据,等所有人都反应过来往里挤,算法的早鸟权重早就喂满了 ● 别天天想着卖Skill赚钱,Skill是杠杆,你用它产出比别人好10倍的内容,涨粉做IP接商单,比直接卖Skill赚的多100倍 我记得移动互联网刚起来的时候,所有人都在拼操作系统拼硬件,但最后拿走最大利润的,是先把全民应用分发跑通的那个。 现在Agent时代刚开个头,大家都在拼参数拼算力拼模型性能, 但等到回头看的时候,可能第一个把AI能力分发到普通人手里的,是当初所有人都觉得不务正业的那个种草APP啊hhh #redskill# #rednote# #skill# #小红书#

📻 丢个链接进去，出来是一期两个人对谈的播客 GitHub 上 1.2K stars 一篇长文读起来要二十分钟，还得端坐着看。但同样的内容如果做成两个人聊天的播客，走路、开车、做饭的时候都能听进去。 Twocast 做的就是这个转换：输入一个主题、一个链接、一份文档，或者一个列表页，它生成双人对谈的播客，音频、大纲和脚本一起给你。DOC、PDF、TXT 都能读，多语言也支持。 语音这块接了 Fish Audio、Minimax 和 Google Gemini，语言模型走 OpenRouter，搜索模型用 xAI。项目提供本地和 Docker 两种部署方式，数据库用 PostgreSQL，另外还给了中文手册。 同一份内容，换个形态就能触达完全不同的场景。 GitHub：

📘 把整本英文书翻译成中英对照的 EPUB，读原著不用再查词 GitHub 上 9.4K stars 想读英文原著，卡点从来不是看不懂单个句子，而是每遇到一个生词就要跳出来查，读三页断五次，节奏全碎了。 这个工具直接产出双语书：EPUB 进去，出来是原文和译文对照的 EPUB，看不懂的地方眼睛往下瞟一行就行。TXT、Markdown、SRT 也能翻，字幕文件同样能出双语版。 翻译后端给的选择非常多：OpenAI、Claude、Gemini、Qwen、DeepL、Google 翻译、腾讯交互翻译、xAI、Groq、Ollama，也能配自定义的兼容接口。长书翻译有几个实用设计：EPUB 章节并行处理，中断了能恢复，还能自定义提示词让翻译风格更贴你的口味。 读原著这件事，门槛一直是耐心而不是词汇量。 GitHub：

别只测试“新建文件”，因为这个 bug 可能是新建成功，修改和删除仍然失败。 直接让 Codex 执行： “在当前项目创建 codex_sandbox_test.txt，写入 aaa；再用 apply_patch 改成 bbb；最后删除这个文件。” 三步都成功，再确认 proxy_ports 仍是 []，才算修好。

Claude 分享功能 被曝出现隐私泄露问题 据Reddit用户本周末披露，只要在搜索引擎输入"site:"，就能找到数百条被公开索引的Claude对话，内容涉及法律咨询、工程代码、简历、个人对话，部分甚至包含登录凭证和加密钱包信息。 这并非首次发生，今年1月已出现过类似情况，当时Google估计索引了近600条Claude对话。 Claude的分享功能设计上会生成一个公开链接，任何拿到链接的人都可以访问；据Anthropic官方说明，其网站通过robots.txt要求搜索引擎不索引这些分享页面，但索引仍然发生了。 截至上周日，多数被索引的页面已从Google搜索结果中消失，但具体原因（后端修复、主动申请下架，还是搜索引擎自行调整）尚不明确，Anthropic方面暂未就此事作出正式回应。

🗒️ 又发现一个转文字的神器 Buzz，音频视频丢进去就出稿，全程在自己电脑上跑。 GitHub 上 2.1 万 star，Windows、macOS 和 Linux 三个平台都有，MIT 开源。 一小时的访谈录音要整理成文字，以前只有两条路：戴上耳机自己一句句敲，或者传到某个在线服务排队等结果，还得先掂量一下录音里有没有不方便外传的内容。 Buzz 把这件事挪回了本地。音频、视频文件直接拖进去，YouTube 链接也能贴，跑完导出 TXT、SRT 或者 VTT，做字幕的话 SRT 拿来就用。它还能开着麦克风实时转录，能做语音分离和说话人识别，几个人的对谈也分得清谁在说话。 后端接了多种 Whisper 实现和 Hugging Face 的 Transformer 模型系列，NVIDIA CUDA、Apple Silicon 和 Whisper.cpp 的 Vulkan 加速都支持，显卡能用上就快得多。转完的稿子可以在里面搜、跟着播放定位、调倍速，还能盯住一个文件夹，新文件进来自动转。命令行和插件系统也有。 一句提醒：新版 macOS 客户端只支持 Apple Silicon，Intel Mac 的最后一版停在 1.4.5。 录音不再是躺在硬盘里的死文件。 GitHub：

🎧 太强了，能把整本电子书变成有声书，还能用你自己的声音念 GitHub 上 1.97 万 stars 通勤路上想「读」完一本书，现有办法都别扭：有声书平台上没有你想听的那本，机器朗读又是那种一听就想关掉的电子腔，中文里还经常读错停顿。 这个项目直接把你手上的书转成有声书，而且是带章节和元数据的完整成品，导进播放器就能按章跳。输入格式吃得很杂，EPUB、MOBI、PDF、TXT、HTML、RTF、DOC、DOCX、ODT 都行，扫描件也能走 OCR。输出默认 M4B，另外 MP3、FLAC、WAV、OGG、AAC 这些也都给了。 声音这块的选择空间比想象中大：XTTSv2、Bark、Fairseq、VITS、Tacotron2、Tortoise、GlowTTS、YourTTS、Piper 九个引擎，还有可选的声音克隆和自定义语音模型，宣称支持 1158 种语言。想批量转一书架，或者转完直接进 Audiobookshelf，也都做好了。 对机器要求不算高，最低 2 GB 内存加 1 GB 显存就能跑，CPU、CUDA、ROCm、Intel XPU、Jetson 和苹果 M 系列都支持，不想在本地折腾还能上 Colab、Kaggle 或者 Hugging Face Spaces。 一点前提：项目明确写了只面向无 DRM 且合法取得的电子书。 买回来的书本来就该想怎么读就怎么读。 GitHub：

🎙️ macOS 上的语音转文字外挂，全程离线，音频一个字节都不出电脑 刚开源不久就拿了 1.5K stars 做播客、开会录音、看视频想扒字幕，以前的流程是传到某个在线转录服务，等它处理，然后担心录音里的商业信息会不会被拿去训练模型。 yap 直接调用 macOS 26 自带的 Speech.framework 在本地跑，音视频文件扔进去就出文字，TXT、SRT、WebVTT、JSON 四种格式随便挑，JSON 还带词级时间戳，剪辑对轴特别方便。 更狠的是它能实时转写：系统音频和麦克风可以同时抓，还能分别给说话人打标签，等于开会时自动生成带角色的逐字稿。 它内置了 MCP 服务器，可以直接挂给 Claude Code 或者别的 Agent 当转录工具用。 软件以前是给人用的，现在是给 Agent 用的。 GitHub：

🎬 真香，这个开源软件能把你在追的美剧直接变成单词本，看剧和背单词一次完成。 GitHub 揽获 4.4k star，Windows 和 macOS 都有。 背单词最大的问题是没语境：词汇书上“abandon”背了八百遍，看剧的时候听到还是反应不过来。幕境的思路是反过来——你丢一个带字幕的 MKV 视频、一个字幕文件，或者一个 PDF、TXT 文档进去，它自动扒出里面的生词生成词库，每个单词都挂着它在剧里出现的那一小段视频。 背到某个词卡壳，它直接把那句台词的片段放给你听，演员怎么说的、什么语气、什么情境，一下就记住了。练的方式也不止一种：拼写、字幕抄写、听写都有。播放器里能逐句自动暂停、切双语字幕，还能把学过的词做成弹幕飘出来。 不同来源的词库还能互相关联，剧里学的和文档里学的串成一条线。 学英语最难的从来不是记住，是记住之后还能想起来。 GitHub：

最近刷到一个挺有意思的REDSkill。哈兰德带领的挪威队时隔多年打进世界杯，结果一上来就掉进了死亡组。 我顺手跑了下那个世界杯推演Skill，它会模拟很多种比赛结果。结果看下来，挪威出线概率还不错，但拿小组第一就没那么容易了，感觉后面的比赛可能没那么轻松。 评论区比我想象的热闹好多，有的球迷还是坚定支持挪威队，有的在讨论其他强队的出线形势。突然觉得这种和热点一起玩的Skill，还挺容易让人点进去体验一下的。 如果以后还有欧洲杯、NBA、奥运会这种热点，感觉还挺好玩的。比单纯发内容有意思多了。 7月3日 skill 格式放开+全量覆盖了，之前内测阶段只有txt和md，现在 html,css,py 等格式都支持，显然小红书在布局更全面的 vibecoding 生态。 Skill链接放这了，想自己跑跑的可以去领： #rednote# #skill# #redskill# #世界杯#