📌学英语必装的插件：Language Reactor 看 Youtube 视频的时候，装上这个插件学习英语，台词讲同步显示，中英即时翻译 最强大的功能是放在不懂的单词上面，还可以查询含义和读音，同时练习了听力和提升词汇量😂 强烈安利给正在学习英语的小伙伴！

日读论文： From Context to Skills: Can Language Models Learn from Context Skillfully? (Ctx2Skill) 互斗写书，越斗越偏 ──────── 医生想用一份刚出的临床指南调整治疗方案。50 页文档，密密麻麻全是术语，规则之间还交叉引用。他真正需要的是把"什么病合什么药"变成几条能照着走的步骤。直接把整份指南扔给 GPT-5.1 让它答题，全 benchmark 平均对率 21%——大模型读完了，用不出来。这不是它"长上下文"不行，是 *它没把规则提炼成可以反复调用的小手册*。 老办法是把人类标注员请来给文档画重点：把规则、流程、注意事项提炼成自然语言"技能"，附在 prompt 前面给模型用。但这条路有两个死结：一是*标注成本爆炸*——50 页技术文档，标注员要把整套领域逻辑读到能复述，几小时才标一份；500 份这么搞，人累死也搞不完。二是*没有外部反馈*——如果想让 AI 自动写技能，怎么验证它提炼对了？没有 ground truth、没有执行结果、没有标准答案，它瞎写你都不知道。已有的"自动写技能"方法（AutoSkill、SkillX 等）都需要环境给反馈信号——比如"代码跑出来对不对""任务完成没"——可面对一份纯文档，没人替你判对错。 作者说不需要外人。让模型自己跟自己打——一个出题，一个解题，第三方判 pass/fail。每一回合，错题让解题方反省"我漏了什么知识"，过得太轻松的题让出题方反省"我出题不够刁"。两边各自维护一份自然语言的"技能手册"，回合结束之后改写各自的手册。这套循环不依赖人类标注，也不依赖任务本身的对错反馈—— *只用模型互相之间的胜负就能把技能写出来*。 ──────── 按常识，5 个回合互相磨练完，第 5 回合的 Reasoner 手册应该最强吧？ 错。论文做了固定回合的对照实验（GPT-4.1）：*单调下降*。越练越差。 为什么？作者起了个名字： *adversarial collapse*——对抗坍缩。Challenger 越来越凶，开始出"考钻牛角尖"的题；Reasoner 为了应付这些极端题，把手册改得越来越歪——专为对付怪题而存在的条目挤掉了通用知识。两边都在围着一个不代表真实任务分布的"病态点"打转。 更阴险的是， *这种崩塌在循环内部察觉不到*——Judge 每一回合只看当前题，没有信号告诉你"之前学会的事是不是被新条目挤丢了"。 ** 怎么找回早期的好手册：Cross-Time Replay 既然不能信"最后一版"，得回头挑。但凭什么挑？ 办法：在 5 个回合里偷偷攒两套小探针—— - *Hard probe*：每回合败得最惨（评分点通过率最低）的那道题 - *Easy probe*：每回合解得最轻松（评分点最少）的那道题 循环跑完，把 5 个版本的 Reasoner 手册*回去重做*这两套探针。每个版本算两个分：在难题集上的解题率 ρ_h、在易题集上的解题率 ρ_e。 *选哪一版？* 让 ρ_h × ρ_e 最大的那一版赢。 为什么是乘积不是相加？*乘积惩罚"舍弱保强"*——一个版本如果为了多解几道难题、把易题做塌了，乘积立刻塌（一个 0 拉低全场）；加法只算总分，掩盖短板。消融：换成加法 → -0.6%。 ──────── *你的对手如果只服你一个人，他会变成你的镜子，不是你的镜鉴*。 Self-play 跑久了，Challenger 出的题不再代表真实世界，只代表 Reasoner 当下还不会的边角；Reasoner 的手册也不再是知识，只是这场私局的应试手册。两个人在屋里关久了，一起走进自己造的回音壁。 破解的办法不在循环里——*在循环之外保留一份"代表性参照"*，回头挑哪一版没飘走。Cross-Time Replay 是这个论文真正的灵魂，不是某个技术细节。它在说：*对抗优化必须配一个不参与对抗的判别器*，否则一定会塌。这个判别器不一定是人，可以是从对抗自己内部偷出来的、有代表性的小样本——但它必须独立于"当下这一刻在追什么"。

今日必读 🌏特朗普称或在访华前与德黑兰达协议 🛰️Anthropic与SpaceX签署算力协议 📺三星电子将在中国大陆停售所有家电 获取免费中文电子报《彭博财经早茶》与音频播报，聚焦中国与全球市场最新动向，并有周末特别推送。 A daily Chinese-language briefing and audio broadcast of what's moving markets in China and around the world. Plus, a weekend edition.

帮我老公的开源项目吆喝一下： 这个技能可以帮你节省80%token和90%运行时。 只要把原来能力里可以程序化的自然语言指令写成脚本。你的 AI 编程助手，90% 的工作根本不需要 AI。 Save 80% in tokens and 90% in runtime with this trick: just script the programmable parts of your natural language prompts. 90% of what your AI coding agent does doesn't need AI. 跑个 git diff 也要过大模型？每次都烧 token，又慢又贵还不稳定。 skflow 把 markdown 技能文件编译成状态机 —— 确定性命令原生速度执行，只在真正需要"动脑子"的时候才调用 LLM。 更快，更省，更可靠。 skflow takes markdown skills (Claude Code, Cursor, Codex) and compiles them into state machines. Deterministic steps run instantly. LLM only gets called for actual judgment calls. Fewer tokens. Faster. More reliable. 欢迎大家体检、星标和参与贡献🔗

AI Agents > Virtuals Robotics 从链上 ai 代理到机器人能够进入经济系统 @virtuals_io 真的在 all in 机器人赛道 Virtuals Robotics 也不是单独做机器人硬件，而是让 AI 代理，能够直接参与真实机器的任务、协作和结算 这个能力的核心，是他们推出的 Agent Commerce Protocol ACP 就是 Virtuals 在 robotics 的核心竞争力，可以把 ACP 理解为一套为机器准备的商业协议 正因为 ACP 的存在将链上代理的流程标准化，下面这些项目才不是零散的机器人创业公司，而是被拼进同一条路径 📌@BitRobotNetwork 从真实世界采集可训练的机器人动作数据 关键进展： SeeSaw 成为其第 5 个子网（SN/05） 已收集 25,000+ 真实机器人训练任务 覆盖系鞋带、折衣服等日常动作 FrodoBots Lab 在 2025 年完成 800 万美元融资 这些数据都是货真价实的，它们是机器人进入经济系统之前，必须先补齐的常识层 📌@PrismaXai 让人类经验变成机器人资产 > 构建远程操作协调层 > 众包高质量 VLA（Vision-Language-Action）数据 > 把操作者经验变成可激励、可交易的数据 2025 年的进展: > 6 月完成 1100 万美元种子轮 > 实时远程操作平台上线 > 顶级操作员累计 100+ 小时 实操 > 通过 RoboCon AI、大会和周刊，持续吸引操作者 📌@openmind_agi OpenMind 是目前最接近机器人经济操作层的项目 2025 年最重要的一步，是 ACP 正式集成进 OM1 开源机器人 OS 这直接带来了非常具体的变化： > 机器人可以通过语音指令 > 调用代理 > 跨协议分配 1000 USDC > 执行接近 10% APY 的 delta-neutral 策略 > 全流程本地完成，无云依赖 📌@xmaquina 机器人当作生产资产，谁拥有机器人，谁分享自动化收益 他们的路径是把机器人资产直接 token 化： 推出 $DEUS，社区优先销售（2026 年 1 月 8 日） 构建机器人 DAO 已演示首个 tokenized robo-cafe（peaq 链） 把机器人视作可以被持有、被分红、被治理的生产资料，脑洞大开，牛逼！ ⭕️Robotics 的终极方向就是将机器人开始在一个完整体系里工作、协作、结算 也是 AI Agents 往现实世界延伸的那一步 2026年注定是 robotics 井喷的一年

反代 灰产 中转 应该都在这里了👇 一、综合型多协议网关 CLIProxyAPI 是这个赛道的标杆，把 Gemini CLI、Antigravity、ChatGPT Codex、Claude Code、Qwen Code、iFlow 包装成 OpenAI/Gemini/Claude/Codex 兼容的 API 服务 AIClient-2-API 是 Node.js 实现，通过模拟 Gemini CLI、Antigravity、Codex、Grok、Kiro 的客户端请求，封装成本地 OpenAI 兼容接口 2026 年初还加了 Grok 的 Cookie/SSO 逆向，是目前对 Grok 支持最完整的 Antigravity-Manager 是桌面客户端路线，Tauri + React 写的，把 Google/Anthropic 的 Web Session 转成标准化 API 接口，带 OAuth 链接生成和账号池调度。这个适合拿来讲"账号管家"这种场景化内容 9router 和它的 TypeScript fork OmniRoute 是"智能路由 + 多档 fallback"的代表，iFlow、Kiro、Qwen 被标为 FREE 的是真免费无限，通过 OAuth 和 device auth 接入 ccproxy-api Python 实现，特点是直接复用 Claude CLI SDK tokens 和 Codex CLI 的 credential store，插件系统做得比较干净 CliGate 带可视化 Dashboard，支持 ChatGPT Account Pool、Claude Account Pool OAuth PKCE login、Antigravity Account Pool，一键配置 CLI 工具 二、Claude 专项 claude-relay-service 是国内最火的 Claude 中转方案，集成 Anthropic 的 OAuth 授权流程，在 Web 界面点击 Add Account 生成授权链接，登录 Claude 账号授权后接入服务。拼车党的基础设施，教程必讲 ClewdR 是 Rust 写的，支持 Claude 网页和 Claude Code，单一静态二进制覆盖 Linux/macOS/Windows/Android，Docker 镜像齐全，带 React 管理界面。性能路线代表 claude-code-proxy 是 Claude Code 转 OpenAI 的经典实现，教程里讲"双向转换"的基础案例 claude-relay（npow）是另一个思路，直接起一个 claude -p 进程来代理，而不是逆向协议 claude-unofficial-api 和 unofficial-claude-api（st1vms）是更早期的纯 Session Key 逆向（前者 JS、后者 Python），适合在教程里讲"历史演进" Claude Code Action with OAuth是官方 Claude Code Action 的 fork，支持 OAuth 认证，让 Claude Max 订阅者在 GitHub Actions 里使用订阅 opencode-claude-auth 走 Keychain 路线，从 macOS Keychain 读取 Claude Code OAuth credentials，支持多账号自动检测 三、ChatGPT/Codex 专项 PawanOsman/ChatGPT 是元老级项目，把逆向成本打到几乎为零 acheong08/ChatGPT（revChatGPT）是逆向 ChatGPT Web 的祖师爷仓库 codexProxy（J1aDong/codexProxy）你自己做的那个方向，类似的还有不少把 Codex 包成 Anthropic Messages 入口的。 四、Gemini 专项 gemini-proxy（KashifKhn）是目前最干净的实现，Bun + Hono + TypeScript，OAuth 2.0 + PKCE 浏览器登录，自动刷新 token，不需要付费 API key，不需要 gcloud CLI gemini-openai-proxy（Brioch）、gemini-cli-proxy（ubaltaci）、geminicli2api（gzzhongqi）是同类的三个竞品，各有侧重。 openai-gemini（PublicAffairs）是 Serverless 路线，可以直接部署到 Vercel/Cloudflare Workers，讲部署那集必备。 五、Copilot 专项 copilot-proxy（hankchiutw）一个简单的 HTTP 代理，把 GitHub Copilot 的免费额度暴露成 OpenAI 兼容 API，思路清晰。 github-copilot-proxy（BjornMelin）做的是反向，让 Cursor 调 Copilot 的后端，绕过 Cursor 的 500 次 premium 限制。 copilot-proxy（lutzleonhardt）是 VS Code 插件路线，通过 Language Model API 暴露，思路很野 六、Kiro / Qwen / Grok 逆向 kiro-gateway（jwadow/kiro-gateway）是 Kiro IDE / Amazon Q Developer 的网关，免费白嫖 Claude 模型的核心姿势。 Qwen-Copilot-Proxy（edwardgj）伪装成 Ollama 接口来对接 Copilot Chat，思路巧妙。 GrokProxy（CNFlyCat）走 Cookie 路线，从开发者工具 Network 面板抓 sso= 开头的 cookie 配置进 cookies.yaml，教程里讲 Cookie 型反代的标本。 七、Cursor 专项 Cursor-To-OpenAI（JiuZ-Chn/Cursor-To-OpenAI）把 Cursor 编辑器的 AI Chat 包成 OpenAPI，从 Cursor 客户端 cookie（user_ 开头）提取认证，网页 cookie 不能用。这个对讲"客户端 Cookie vs 网页 Cookie 差异"是绝佳案例 八、逆向号池 + 商用平台（拓展视野） FakeOAI/tokens（FakeOAI/tokens）是商用级别，轮训号池将各大平台的模型能力转化为 OpenAI、Anthropic、Gemini 等平台的 API 接口标准格式，支持 Claude Code、Codex、GeminiCli 等终端调用。

Web3 版本的 HTTPS——机密协议 HTTPZ 要来了。 它使用 FHE 为每个应用默认启用端到端加密。 FHE 应用之所以一直没有普及，就是因为运行速度过慢。 这正是 @Zama 团队过去五年持续攻克的问题。 如今的 FHE 已经足够高效，能够支持任意类型的应用， 并能使用 Solidity、Python 等主流语言开发， 速度比五年前提升了 100 倍以上。 FHE 还具备量子级别的安全性，目前没有任何已知的量子算法可以破解它。 很多人以为 Zama 是新的 L2， 甚至我最开始也这样理解。 但实际上它不是新的 L1 或 L2， 而是 构建在现有区块链之上的跨链保密层。 这意味着用户无需桥接到新链， 即可直接从任意链与保密的去中心化应用（DApp）交互。 Zama 协议能够在现有的公链上，以保密方式发行、管理和交易资产。 本质上，Zama 协议就像 DEX 背后的“语言机”。 你在前端看不到它，但应用的每一步都在依赖它的基础能力。 ---------------------------------------------------------- The Web3 equivalent of HTTPS — the confidential protocol “HTTPZ” — is on the way. It brings default end-to-end encryption to every application through FHE. The reason FHE hasn’t gone mainstream in the past is simple: it used to be far too slow. That’s exactly what the @Zama team has spent the last five years fixing. Today, FHE is finally efficient enough to power real applications. It works with familiar languages like Solidity and Python, and it’s now over 100× faster than it was just a few years ago. On top of that, FHE provides quantum-resistant security, with no known quantum algorithm capable of breaking it. A lot of people still think Zama is launching a new L2 — I actually thought the same at first. But Zama isn’t a new L1 or L2. It’s a cross-chain confidentiality layer built on top of existing blockchains. This means users don’t need to bridge anywhere. They can interact with confidential DApps directly from their current chain. The Zama protocol enables confidential asset issuance, management, and trading across existing public blockchains. At its core, the Zama protocol works like an execution engine behind the scenes — invisible on the front end, but powering everything underneath.