DFU-Tools：一个面向 macOS 的桌面工具 用于辅助 Apple Silicon、T2 以及部分 iPhone、iPad 设备进行 DFU、重启、恢复和修复操作 ⚠️数据无价 先备份 操作需谨慎

虚拟光驱软件 DAEMON Tools 自 4 月 8 日起就遭到感染，官网提供的带签名的版本均携带后门。如果你曾在 4 月 8 日起安装或更新该软件，最好安装卡巴斯基免费版进行扫描，另外切勿从第三方下载站或破解站获取该软件，这些网站发布的版本有滞后性，可能还是带毒版本。查看详情：

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

在用的语音转文字 API 都有单次时长限制? voice-to-text-tools :一款开源纯前端音视频转文字工具 支持在浏览器中对长音频自动分段，并调用讯飞语音听写 API 完成识别 无需自建后端服务器，API Key 保存在浏览器本地，不经过项目服务器

爆肝制作，全网最细最全的 Claude Code 零基础系统教程！👇👇 这一期跟完，保证你成为Claude Code高手！： 1️⃣ 基础入门：安装、第三方模型接入、权限系统。 2️⃣ 核心进阶：Tools、Hooks、Skills、Subagents 及自动化流程。 3️⃣ 项目实战：用以上所学知识构建一个AI 网页 App。 全程精剪没有废话，每个功能都讲透+实操！ 时间戳： 0:00 开场 00:38 1.安装 04:04 2.换模型 06:08 3.终端界面介绍 11:04 4.图形界面介绍 15:05 5.权限系统 19:45 23:02 7.Hooks 26:34 8.Skills 31:47 9.插件 34:33 10.Subagent 40:33 11.自动化 41:58 12.构建网页APP 49:32 13.CLAUDE.md 52:02 总结

监管大动作的落地，昨晚SEC发布了名为《联邦证券法对某些类型加密资产和涉及加密资产某些交易的适用性》最终解释性指引。这是SEC联合CFTC针对加密资产监管提供长期框架的明确指导，结束了过去多年“通过执法来监管”的模式，我们所期待的加密行业监管情绪度更进一步了。 指引的核心要点 1、加密资产分类，首次给出清晰的五类划分： 1）Digital Commodities数字商品 明确提出BTC、ETH、SOL、XRP、ADA、DOGE、SHIB、AVAX、LINK 等加密资产是数字商品不属于证券，价值主要来自功能性网络运行、供需。 2）Digital Collectibles数字收藏品 如NFT艺术品、meme币、CryptoPunks等不属于证券，主要具有艺术/社交/收藏价值。 3）Digital Tools数字工具 如ENS域名、实用凭证、门票等 — 不属于证券，提供实际功能。 4）Stablecoins稳定币： 符合GENIUS Act定义的“payment stablecoin”由许可发行人发行的稳定币也不属于证券； 5）Digital Securities数字证券/代币化证券代币化股票、债券等依然属于证券 2. 非证券加密资产何时变成/不再是投资合同（Howey Test应用） 1）当发行人通过承诺“essential managerial efforts”（开发功能、里程碑、使用资金等）诱导投资者合理预期利润时，非证券资产可被视为投资合同（即证券）。 2）一旦发行人履行完毕承诺，投资合同关系终止，该资产不再受证券法约束。 这是重大转变，过去SEC常认为“永远是证券”，相当于说刚开始ico或者私募时候被视为证券，但是如果代币解锁完，社区化程度高，时候也就不被视为证券了。 3. 几类常见链上活动被明确为非证券（在满足条件时）： 1）PoW挖矿，包括矿池属于非证券； 2）协议质押PoS staking（包括自 staking、托管staking、流动性质押/liquid staking）非证券，只要是按协议规则运行、非保证收益、非出借资产。 3）Staking Receipt Tokens流动性质押凭证，如stETH如果1:1对应底层非证券资产，且按协议自动反映奖励，也属于非证券。 4）Wrapping / Wrapped Tokens跨链包装，如果是1:1可赎回、无收益承诺、无资金池化 也属于非证券。 5）Airdrops空投：如果无对价（没花钱、没提供服务/商品）的情况下 — 不满足Howey的“investment of money”要件，也非证券。 做为解释性规则，这份指引立即生效。 可以说是加密监管的起重大，为大饼、以太、主流Layer1、主流staking、主流NFT、主流空投等提供了相对清晰的“非证券”地位，同时保留了对欺诈性发行和持续承诺型项目的监管空间。

如果你觉得 我这条推文🙏，这关系到能否入围第二阶段，后续也会持续开发对大家有帮助的工具，感谢大家的支持❤️。 If you find helpful, please Like, Retweet, and Reply to this tweet! 🙏 This is crucial for us to qualify for Round 2. I will keep building useful tools for the community. Thank you for your support! ❤️

Anthropic 工程师 Barry Zhang 在 AI Engineer 工作坊上的一个分享 “如何构建有效的 Agent”，其中印象最深的一个观点：Don't build agents for everything，反过来理解就是别做什么都能干的 Agent，那是我们大模型要干的事情😆 构建有效 Agent 的三大要点： 1. 明智选择应用场景，并非所有任务都需要 Agent； 2. 找到合适的用例后，尽可能长时间地保持系统简单； 3. 在迭代过程中，尝试从 Agent 的视角思考，理解其局限并提供帮助； Barry 主要负责 Agentic System，演讲内容基于他和 Eric 合著的一篇博文，下面详细总结他们的核心观点，以及对 Agent 系统的演进和未来的思考。 Agent 系统的演进 - 简单功能： 起初是简单的任务，如摘要、分类、提取，这些在几年前看似神奇，现在已成为基础； - 工作流（Workflows）： 随着模型和产品成熟，开始编排多个模型调用，形成预定义的控制流，以牺牲成本和延迟换取更好性能。这被认为是 Agent 系统的前身； - Agent： 当前阶段，模型能力更强，领域特定的 Agent 开始出现。与工作流不同，Agent 可以根据环境反馈自主决定行动路径，几乎独立运作； - 未来（猜测）： 可能是更通用的单一 Agent，或多 Agent 协作。趋势是赋予系统更多自主权，使其更强大有用，但也伴随着更高的成本、延迟和错误后果。 核心观点一 并非所有场景都适合构建 Agent (Don't build agents for everything) - Agent 主要用于扩展复杂且有价值的任务，它们成本高、延迟高，不应作为所有用例的直接升级。对于可以清晰映射决策树的任务，显式构建工作流（Workflow）更具成本效益和可控性。 - 何时构建 Agent 的检查清单： 1. 任务复杂度 ： Agent 擅长处理模糊的问题空间。如果决策路径清晰，应优先选择工作流； 2. 任务价值： Agent 的探索性行为会消耗大量 token，任务的价值必须能证明其成本。对于预算有限（如每任务 10 美分）或高容量（如客服）场景，工作流可能更合适； 3. 关键能力的可行性 ： 需确保 Agent 在关键环节（如编码 Agent 的编写、调试、错误恢复能力）不存在严重瓶颈，否则会显著增加成本和延迟。如有瓶颈，应简化任务范围； 4. 错误成本与发现难度： 如果错误代价高昂且难以发现，就很难信任 Agent 自主行动。可以通过限制范围（如只读权限、增加人工干预）来缓解，但这也会限制其扩展性； - 编码（Coding）是一个很好的 Agent 用例，因为它任务复杂（从设计文档到 PR）、价值高、现有模型（如 Claude）在许多环节表现良好，且结果易于验证，例如单元测试、CI。 核心观点二 保持简单 (Keep it simple) - Agent 的核心结构： 模型（Model）+ 工具（Tools）+ 循环（Loop）在一个环境（Environment）中运作。 - 三个关键组成部分： 1. 环境：Agent 操作所在的系统； 2. 工具集： Agent 采取行动和获取反馈的接口； 3. 系统提示： 定义 Agent 的目标、约束和理想行为； - 迭代方法： 优先构建和迭代这三个基本组件，能获得最高的投资回报率。避免一开始就过度复杂化，这会扼杀迭代速度。优化（如缓存轨迹、并行化工具调用、改进用户界面以增强信任）应在基本行为确定后再进行。 - 一致性： 尽管不同 Agent 应用（编码、搜索、计算机使用）在产品层面、范围和能力上看起来不同，但它们共享几乎相同的简单后端架构。 核心观点三 像 Agent 一样思考 (Think like your agents) - 问题： 开发者常从自身角度出发，难以理解 Agent 为何会犯看似反常的错误； - 解决方法： 将自己置于 Agent 的“上下文窗口”中。Agent 在每一步的决策都基于有限的上下文信息（如 10k-20k token）； - 换位思考练习： 尝试从 Agent 的视角完成任务，体验其局限性（例如，只能看到静态截图，在推理和工具执行期间如同“闭眼”操作）。这有助于发现 Agent 真正需要哪些信息（如屏幕分辨率、推荐操作、限制条件）以避免不必要的探索； - 利用模型自身： 可以直接询问模型（如 Claude）：指令是否模糊？是否理解工具描述？为什么做出某个决策？如何帮助它做出更好的决策？这有助于弥合开发者与 Agent 之间的理解差距。 个人思考与未来展望 - 预算感知 Agent (Budget-aware Agents)： 需要更好地控制 Agent 的成本和延迟，定义和强制执行时间、金钱、token 预算，以便在生产环境中更广泛地部署。 - 自进化工具 (Self-evolving Tools)： Agent 或许能设计和改进自己的工具（元工具），使其更具通用性，能适应不同用例的需求。 - 多 Agent 协作 (Multi-agent Collaboration)： 预计今年年底将在生产中看到更多多 Agent 系统。其优势包括并行化、关注点分离、保护主 Agent 上下文窗口等。关键挑战在于 Agent 间的通信方式，如何实现异步通信，超越当前的用户-助手轮流模式。