GitHub上全球最火的10个skill 01 karpathy‑guidelines ⭐217.8k 澄清编程需求，让代码改动更有边界 02 ponytail ⭐159.9k 复用现有代码，用更少改动完成需求 03 ui‑ux‑pro‑max ⭐134.3k 把配色字体与布局整理成统一方案 04 graphify ⭐125.1k 把代码与文档连成可查询知识图谱 05 archify ⭐81.3k 将想法与代码库转成交互图解页面 06 impeccable ⭐79.1k 从排版到交互，逐项打磨产品界面 07 i‑have‑adhd ⭐56.2k 先说结论与行动，降低阅读负担 08 humanizer ⭐55.3k 删去套话和重复，让文字具体自然 09 diagram‑design ⭐48.2k 把流程与关系画成风格统一的图表 10 book‑to‑skill ⭐34.3k 提炼书籍与文档，生成可复用技能

这几天研究AI做3D游戏 发现几个好用的Skill分享一下 1、threejs-gameplay-systems 主要负责游戏玩法和操作手感 2、threejs-aaa-graphics-builder 专门提升 3D 游戏画面 3、threejs-game-ui-designer 专门负责游戏界面设计 4、threejs-3d-generator 专门通过 Tripo AI 生成游戏用的 3D 模型 5、threejs-qa-release 负责游戏测试和上线前验收 好用是好用，就是额度扛不住，有需要订阅的可以去我朋友的订阅小站，基本AI类的订阅都有，价格不贵~

Coca cola 🆒 Seedance 2.0 prompt 👇 【风格】潮流饮料变装广告（Fashion Transition Ad），竖屏9:16，真实摄影（Photorealistic）+ 平面抠像拼贴风（Cutout Collage Graphic），丝滑卡点变装，8K超清，可乐红#E61A27#/纯黑/纯白三色体系 【时长】15秒 【场景】开场为纯白摄影棚背景；第2秒起切换为可乐红纯色背景+画面中央巨大白色曲线可乐瓶形抠像框（经典弧线瓶身剪影），背景压一层深红色"COLA"斜体大字；全程无真实品牌logo 【角色】主角@图片1（保持参考图容貌与发型；开场穿黑色插肩长袖+黑色阔腿短裤；各段变装均为红黑白配色） [00:00-00:02] 镜头1：拧盖卡点（White Studio Open） 纯白背景中景：主角@图片1手持无标识可乐瓶（深棕色汽水+红色瓶标），双臂交叉做两次卡点拧盖动作，第三拍"啵"一声拧开瓶盖，气泡嘶声升起。 音效：两声节拍音、瓶盖"啵"、碳酸气泡嘶嘶声。 [00:02-00:03] 镜头2：一口切世界（Snap Transition） 她仰头喝一口，吞咽瞬间背景"啪"地整体切换：可乐红背景+白色瓶形抠像框罩住全身，深红"COLA"斜体字横贯背景。 音效：吞咽声+重低音"咚"一声定格。 [00:03-00:07] 镜头3：变装1·街头节奏（Transition Pop / Floating Props） 瞬切变装：反戴红色棒球帽、头架白色墨镜、黑色马甲叠穿红色背心、白底黑波点裤袜+黑色短裤、红色厚底鞋，手持可乐瓶。 她在瓶形框内做轻快跳跃舞步：单脚跳、扭胯、举瓶摆拍。 周围漂浮红白配色道具：磁带随身听、拍立得相机、头戴耳机、采样器，白色3D立体字"气泡拉满"分布四角。 音效：卡点节拍+道具飞入的"咻咻"声。 [00:07-00:10] 镜头4：变装2·活力当下（Kick Jump Pose） 瞬切变装：白色棒球帽、白T印红色图案、红黑外套系在腰间、黑色短裤、红色高帮帆布鞋。 她做踢腿跳跃定格姿态，随后落地转身摆胯。 漂浮道具换成：红色帆布鞋、白色鸭舌帽、红白相机、墨镜，3D立体字换为"痛快当夏"。 音效：节拍延续+跳跃落地"砰"。 [00:10-00:13] 镜头5：变装3·夏日漂浮（Floating Summer） 瞬切变装：白色一字肩短上衣、红白条纹短裤、赤足，身体呈漂浮泳姿斜躺在瓶形框中，手持可乐瓶。 周围漂浮：红白条纹泳圈、小黄鸭、红色人字拖、白色网兜包，3D立体字"离开地心引力"。 音效：节拍转轻盈+水泡"咕噜"声。 [00:13-00:15] 镜头6：产品海报收尾（End Card） 瞬切至海报画面：红黑斜切双色背景，中央一瓶无标识可乐瓶特写（深棕汽水、红瓶标、白色"COLA"字样），瓶身挂着细密水珠。 白色斜体大字从两侧弹入："可乐爽人瓶"，下方一行小字"#爽出你的痛快##"。 画面定格，不淡出。 音效：最后一记重音+气泡嘶声收尾。

玩 Vibe Coding，这 4 个开源工具可以先收藏。 它们分别解决四件事：让 AI 少写冗余代码、管理多个模型、看懂项目结构，以及规范开发流程。 ① Ponytail｜让 AI 写代码更克制 小功能越改越复杂，可能是 AI 过度设计了。 Ponytail 会引导 AI 先看项目里有什么可以复用，再决定怎么实现，减少不必要的代码和依赖，也提供代码审查与项目检查功能。 适合：经常觉得 AI 把简单需求做复杂的人。 ② OmniRoute｜把多个模型接到一个入口 同时使用不同模型，接口、额度和切换都要分别管理。 OmniRoute 是一个 AI 网关，可以统一接入多个模型服务，并配置路由和故障回退。 适合：已经在用多个模型 API，想集中管理的人。 注意：工具开源，不代表接入的模型都免费，费用和额度取决于服务商。 ③ Graphify｜给代码库画一张关系地图 接手一个项目，最费劲的往往是搞清楚：模块怎么连接，函数被谁调用，改这里会影响哪里。 Graphify 可以把代码及相关文档整理成可查询的知识图谱，帮助你和 AI 理解项目结构。 适合：阅读复杂代码、接手老项目、梳理模块关系。 ④ Agent Skills｜给 AI 一套开发工作方法 从需求梳理、方案规划，到开发、测试和代码审查，这个项目把常见工程流程整理成可调用的技能。 适合：希望 AI 做项目更有章法，减少遗漏关键步骤的人。 怎么选？ 想减少过度设计，看 Ponytail。 想管理多个模型，看 OmniRoute。 想看懂复杂项目，看 Graphify。 想完善开发流程，看 Agent Skills。 不用一次全装。先找到当前最卡你的那个环节，再选工具。

想用 AI 做 3D 游戏，别只让它“生成一个场景”。 整理了 5 个游戏开发 Skill，从玩法到画面，再到测试👇 1️⃣ threejs-gameplay-systems 角色移动、镜头跟随、碰撞、计分，让场景真正能玩。 "Skill 链接" ( 2️⃣ threejs-aaa-graphics-builder 优化灯光、材质、特效与场景细节，提升游戏画面。 "Skill 链接" ( 3️⃣ threejs-game-ui-designer 制作菜单、血条、任务提示和手机触屏按钮。 "Skill 链接" ( 4️⃣ threejs-3d-generator 对接 Tripo，生成角色、道具等 3D 素材，支持绑定与动画流程。需配置 API。 "Skill 链接" ( 5️⃣ threejs-qa-release 检查游戏操作、浏览器运行和移动端表现，为发布做准备。 "Skill 链接" ( 以上来自同一个开源技能包，支持 Codex / Claude Code 先做一个能玩的小关卡，再慢慢打磨画面。

拿出你的手机，随便在聊天记录里找一个表情包，或者在相册里挑一张照片。把两个手指按在屏幕上，慢慢往外拉，拼命放大，再放大。放大到极限的时候，你会发现原本圆润光滑的小猫小狗，边缘开始散落成一格一格模糊粗糙的彩色小方块。 这就是大家平时常说的马赛克。 在我们的日常生活中，绝大多数图片都在用这种方式记录画面。如果把这个过程拆开来看，它跟我们小时候见过的十字绣、或者用乐高像素积木拼图没什么区别。一张布上划分出成千上万个极小的方格，每个格子里填上一抹固定的颜色。只要格子够密，离远看就是一幅漂亮的图画；但只要走近了、或者强行把它拉伸放大，每个小方格的毛边就会无所遁形。这种靠一个个像素点拼出来的图片，就是我们天天打交道的位图，常见的后缀有 JPG 和 PNG。 位图有一个绕不过去的物理缺陷：它里面的方块数量在出厂那一刻就定死了。一张图片原本只有两百个小方块，你非要在超大的高清屏幕上把它拉伸十倍，屏幕只能硬着头皮把每一个原本的小方块放大成大方块，画面看起来自然就全是粗糙的锯齿。 但是，只要回想一下我们在中学数学课上的经历，世界上其实还有另一种完全不同的画图方式。 老师在黑板上画一个圆，他绝对不会拿着粉笔在黑板上点几万个粉笔点。他会从讲台下拿出一把大圆规，铁针扎在黑板正中间，另一只脚拉开十厘米，手腕转一圈，一条完美光滑的圆就出来了。这时候，不管你坐在教室的第一排贴着看，还是把这套规矩放到两层楼高的户外巨型广告牌上，只要圆心在中间、半径是十厘米这条规则不变，画出来的圆永远没有任何锯齿，边缘永远光滑如初。 这种依靠数学规则记录图形的技术，就是大家常说的矢量图，也就是 SVG。 它的英文全称叫 Scalable Vector Graphics，翻译过来就是可缩放矢量图形。它不存储任何塑料方块颗粒，它记录的是那套直尺和圆规的操作口诀。很多人以为矢量图是什么深奥复杂的计算机文件，但如果把它底层扒开来看，它其实就是一份写给电脑看的画画说明书。 这就像你闭着眼睛给一个看不见画面的朋友打电话，教他画画。你绝对不会在电话里告诉他第一排第五百个点是粉色，你会跟他说：在纸的正中间画一个半径三厘米的圆当做脸，在左边画一个小圆当眼睛，在右边画一个小圆当另一只眼睛，在下面画一条弯弯的弧线当嘴巴。 你的朋友听懂了步骤，拿起笔当场在纸上画出了一个笑脸。 平时你用的手机浏览器、电脑浏览器，其实就是那个手里握着画笔的朋友。SVG 文件里装的就是这套大白话般的画画口诀，上面写着在什么位置画一个多大的圆、在什么地方拉一条多粗的线、图形肚子里填什么颜色。浏览器收到这份说明书，就会在屏幕上现场调动芯片，根据当前的屏幕大小重新把线条绘制一遍。这就解释了为什么它永远放大不糊：既然每次都是拿着公式当场现画，屏幕给它多大空间，它就能发挥出多高的清晰度，放大一万倍也像刀削一样锋利。 既然图形完全是由文字指令现画出来的，它就带来了一个普通图片根本做不到的妙处：它在屏幕上不是一张印死了的贴纸，而是一组活生生的零件。 以前软件里用普通图片做图标，就像在手机壳上贴了一张印好的小狗贴纸。如果你哪天看腻了，想把小狗脖子上的项圈从黄色换成绿色，你没有任何办法，只能把贴纸撕掉，重新买一张新的贴上去。但如果图标是用几何口诀画出来的，整个图形就是一个个独立的零件。软件可以在后台随时给这些零件下命令：手指按上去的时候，把小圆的颜色从灰色换成宝蓝；松开的时候，让这个圆在零点几秒内微微放大一圈。不需要重新下载新图片，图形就自然而然地有了生命力。 很多人初次了解矢量图时，还会好奇一个问题：智能手表的屏幕只有指甲盖那么大，客厅的电视屏幕有几十寸那么长，同一份画画说明书怎么能做到在所有设备上都完美适应呢？ 这里藏着一个像相机取景框一样的巧妙设计。 在矢量图的逻辑里，底层的画纸在理论上是无限宽广的，你可以在上面随心所欲画一艘巨大的轮船。但这艘轮船要展示在不同的屏幕上，就需要借助于一个虚拟的取景框。这就好比你手里端着一台单反相机，镜头可以调整距离，把整艘轮船稳稳当当地框进取景范围里。只要把这个取景框定好，无论后面连接的是一块小手表，还是一台巨大的液晶电视，相机框住的内容都会等比例完整投射在屏幕上。图形里的每一个点和每一条线，从此摆脱了现实中具体毫米或像素的束缚，变成了纯粹的比例。 更神奇的是，这种图形还能在网页上玩出很多魔术。 平时在一些科技品牌的官方网站上，经常会看到让人眼前一亮的动效：页面一打开，并没有播放沉重的视频，但屏幕上的产品线稿或者艺术签名，却像有一支无形的钢笔顺着纸面在飞速游走，一笔一画现场生长出来。 这套看似神奇的动效，背后依靠的只是一个极度朴素的物理障眼法，原理就像拉卷尺。 在画线条时，说明书里可以把一条实线打散成带有间隔的虚线，还可以控制整条虚线沿着轨道向前或者向后滑动。工程师先把整幅线稿设置成一段很长的实线、后面连着一段很长的空白。在动效开始前，就像把卷尺往回拉一样，把那段实线顺着轨道硬生生往后拖拽，彻底拖出了屏幕的取景范围。这时候停留在屏幕视野里的，正好是一整段空空如也的空白，画面上看起来什么都没有。 随后，工程师按下播放键，让卷尺用短短两秒钟的时间匀速滑回原位。原本藏在屏幕外面的实线顺着弯曲的轮廓一点点溜回镜头里，在人的眼睛看来，就像是一支神奇的钢笔正顺着轮廓现场画出了整幅图形。 聊到这里，很自然就会产生最后一个疑问：既然这种格式永远不会模糊，体积又小，还能做各种生动的动效，那为什么我们平时用手机拍的风景照、自拍照，依然还是传统的位图格式，而不用它呢？ 答案其实藏在自然界的光影里。 大自然的光影太丰富也太微妙了。一片傍晚的晚霞，天空中从绯红过渡到金黄，中间包含着几百万种极其细腻柔和的色彩变化。如果非要用圆规、直尺和几何多边形去一条一条描绘天空中每一缕云彩的明暗渐变，这份说明书可能得写上几万页、包含几十亿条数学公式。不仅写不出来，电脑芯片在读取计算时也会瞬间卡死。 所以在数字的世界里，图像技术找到了各自最舒适的领地：面对真实世界里复杂、不规则、光影渐变深邃的生活照片，老老实实交给马赛克方块去细腻拼贴；面对人类设计出来的规则图案、产品图标、商标和交互动效，放心地交给用文字写成的几何说明书。 看懂了这层物理逻辑，下次在屏幕上看到那些无论怎么放大都依然锐利的小图标时，你就能明白，那不是一张被动印在上面的静止画面，而是一幅随时等待浏览器当场挥毫作画的数字蓝图。

如何以每周每机器人不到0.02美元的成本运行300个Grok机器人 如果没有这个方法，同样的集群每周要花费4500美元 降低成本的20个GitHub仓库： 1. LiteLLM > 在一个失控的工作流吞噬整个预算之前，跟踪API支出并设置预算 2. Crawl4AI > 在分析前将网页转换为干净的Markdown，剔除菜单和页面杂乱，让机器人只阅读重要内容 3. GPTCache > 为类似请求提供保存的答案，而不是重新生成 - 围绕任务定义匹配和新鲜度规则 4. Chonkie > 将长文档拆分成块，以便检索获取相关段落，而不是附加整个文件 5. PyBreaker > 在配置阈值后暂停对反复失败服务的调用，防止一个损坏的依赖项无限循环 6. Mem0 > 跨运行存储和检索相关事实，让每个任务以选定的记忆开始，而不是整个对话 7. LLMLingua > 在模型阅读前压缩冗长输入 - 保留任务依赖的事实、约束和限定条件 8. RouteLLM > 将简单请求路由到更便宜的模型，将强大的模型保留给需要它的任务 9. Prefect > 缓存成功任务结果，并在配置输入匹配时重用它们，跳过已完成步骤的不必要重跑 10. Firecrawl > 以Markdown或结构化数据形式收集网页内容，让工作流只选取需要的字段 11. requests-cache > 使用过期规则存储获取的响应，然后让脚本在再次请求机器人查看前重用有效数据 12. Phoenix > 追踪你的AI工作流，检查重复调用，并在保留“优化”前比较变化与输出质量 13. FlagEmbedding > 在生成前重新排序检索的段落，保留强有力的证据并从提示中丢弃无关匹配 14. Celery > 将后台作业放入工作队列，让代码处理等待和分发，而模型调用仅在需要它们的任务中运行 15. Graphiti > 将变化的事实保存在可搜索图中，然后检索相关上下文，而不是重播完整事件历史 16. RTK > 在常见命令输出进入对话前压缩它们，防止重复日志吞噬有用上下文 17. Hishel > 为你的获取工具添加HTTP缓存和重新验证，防止不变响应陷入重复的下载-分析循环 18. APScheduler > 在Python中按计划运行轻量级检查，并在传递有用更新给代理前批量处理非紧急工作 19. Semantic Router > 使用本地嵌入将请求匹配到预定义工作流，而不是支付大模型来决定每一步 20. Portkey Gateway > 在共享网关后缓存匹配的API响应，让连接的工作流在重复请求中重用答案 通过终端、MCP或你自己的代码连接工作流所需工具 - 将API调用路由到你选择的网关，让其控制真正生效 从最大的泄漏开始：超大输入、重复研究、空检查，或不断重启的失败操作 阅读前过滤 > 生成前重用 > 检查变化 > 停止失败循环 然后将完成的工作与总使用量进行衡量，包括围绕机器人运行的工具 下面的完整课程展示了如何将工作流组合在一起 ↓

《立党基础教育》最核心的精髓，一个是给6岁孩子孩子买mac mini+大显示器，一个是订阅coding plan（claude/OpenAI/智谱/kimi/阿里/grok）， 最核心是建立“党哥家庭图书馆”，卧室装满这些书，可以陪伴孩子从6岁到18岁的数学物理计算机教材，让孩子随机翻、随机看、躺着看、拉屎看，挖掘天赋潜能。 一定要听党哥的，党哥就住天津图书大厦旁边，这些书党哥没给童年的自己买齐，党哥想扇自己100个大嘴巴子，你们一定不要给自己家聪明的孩子留遗憾，先把书买齐了，孩子只看10%，每本书只看一章，都是有用的。 1. 小学、初中、高中全年级的数学、物理、信息学基础官方教材； 2. 小学、初中、高中全年级的数学、物理、信息学学科竞赛教材和题集； 上面这些书一定要买齐，供孩子随时按照兴趣翻阅，吃饭时翻阅，拉屎时翻阅，无聊时翻阅， 3. 大学本科基础数学教材《微积分》《线性代数》《概率统计》《复变函数》，如果孩子看得津津有味并且觉得太简单，立刻按照北大数学系培养方案继续买实分析、高代、抽代、组合数学等等， 喜欢物理直接买四大力学教材，或者直接买《费曼物理学讲义》，按照孩子需求买齐买全，挖掘孩子在数学和物理上的最大天赋； 4. 一定要买齐计算机教材，从6岁可以陪伴到60岁的几本书，都是党哥自己掏真金白银在天津或者Texas亲自买过的纸质书，哈佛MIT斯坦福也用这些书当做本科生或者graduate level（硕士博士阶段课程）教材，记住，一定要买齐，摆孩子卧室里，让孩子随机翻阅，随机看，拉屎看，吃饭看，睡觉看，周末看，看一章节就算稳赚。 记住，这些书尽量买齐，在中国就买影印版中文翻译版，一本书50块钱，买齐了并不贵，在英语国家可以买二手英文版，这些书可以陪伴绝大多数人从6岁到60岁。 a. 《Python Crash Course: A Hands-on, Project-based Introduction to Programming》（Python编程：从入门到实践），孩子的第一本编程书，让孩子一边拿着书，一边对着电脑敲敲敲，敲敲敲，敲敲敲， python入门了以后，可以买《Thinking in Java》《C++ Primer》，挑着学Java和C++这两本书； b. 计算机三套经典，党哥都买了纸质版，党哥都没看完。 - 计算机基础教材CSAPP《Computer Systems A Programmers Perspective》（CSAPP） - 算法和数据结构圣经《introduction to algorithms》（算法导论） - 可以陪伴到50岁、几代人读的圣经大套装《The Art of Computer Programming》（TAOCP） 记住，党哥没看完是因为岁数太大了（算法导论看得最多，其他两本进度很少），你的孩子只有6~18岁，如果激发了巨大的兴趣，你的孩子是完完全全有精力看完的。 如果18岁之前能扎扎实实看完这三本书，可以说比Google和Meta里面90%的员工要强。 c. 全球公认的计算机其余主要专业教材 操作系统《Operating Systems Concepts》（操作系统概念，恐龙书） 编译原理《Compilers: Principles, Techniques, and Tools》（编译原理，龙书） 《Modern Compiler Implementation in C》（现代编译原理，虎书） 《Advanced Compiler Design and Implementation》（编译器设计与实现，鲸书） 数据库《Database System Concepts》（数据库概念） 计算机网络《Computer Networks》Andrew S. Tanenbaum 计算机图形学《Fundamentals of Computer Graphics》（图形学虎书） 机器学习和深度学习《Pattern Recognition and Machine Learning》(PRML）和《Deep Learning》 by MIT Press 党哥不是拉书单，党哥给你推荐图书是非常谨慎小心的，已经砍到不能再砍，精简到不能再精简了，精简到再砍掉任何一本就会出现大问题了， 记住，这些计算机科学computer science书籍，要买全，买齐，在中国大陆就买影印版、翻译版，在美国就买二手，把这些书整整齐齐放在孩子书架上， 孩子靠兴趣驱动学习时，是跳跃的、离散的、冲动的，也许孩子感兴趣两个月看完一本书，也许两年翻不了三页，也许一本书只看零星两三章， 但是一定要给孩子买齐、买全、买完整，放在卧室书架上，吃饭看、拉屎看、无聊看、闲着看、呆着看、随机翻看、边看边敲、边看边在claude code里实现， 一定要买齐，在家里置办“党哥家庭图书馆”，孩子对知识的欲望和冲动，远比对抖音直播间大美女的冲动要强烈得多，当冲动来临的时候，一定要做好图书、知识、教材的准备，让孩子凭借一腔热血和兴趣，选择随机翻阅和学习。 当然，另一件重要的事情，就是听党哥的话，围绕北京、上海、深圳、bay area全球四大科技中心，每个月至少带孩子逛一次电子展、科技展会、技术大会、学术会议、路演日、融资大会、技术沙龙、AI线下沙龙、技术公开课、产业大会、学校技术论坛、学校学术展览，逐步建立世界观，认识技术，认识产业，认识各行各业，形成自己的价值观，并且开始接触一些各行各业的“大朋友”， 当这些大朋友给孩子一些启发的时候，孩子就会立刻回家，闷头去翻这些教材，继续去补充营养，带着白天开会时满脑子的小问号，回到自己的“党哥家庭图书馆”，去狠狠恶补自己欠缺的知识。 记住，除了买mac mini+大显示器+人体工程学座椅+订阅coding plan，除了开会，家长首先要做到的，就是买书，买书，买书，买书，买书，买书，买书，买书，买书。 如果要看视频课程，可以按照csdiy wiki上面课程去学习，可以上B站上中文平替， 先从哈佛CS50起，接下来看UC Berkeley CS61A、CS61B、CS61C，然后按照csdiy wiki上面对应的视频课程自己去学习，一般youtube有原版，B站有翻译版本。 让孩子自己自由随机去挑感兴趣的视频去跟着学。 但是一定他妈给我把这些书给孩子买齐，买全，加起来没有几千块钱，能改变你的孩子一辈子的命运，让他获得一个9位数的人生。 现在就给我去京东天猫拼多多闲鱼去下单，给我买！！！！

推荐这个工具，Yohei Nakajima 在 GraphCon 上用的 graphcon-deck。 幻灯片变成了图谱过滤器——节点复用，视角切换，整个 presentation 是一个可以探索的图。 Yohei Nakajima（BabyAGI 作者）在 7 月 25 日 GraphCon 上用他自己写的工具做了一场演讲。这个工具叫 graphcon-deck，一个把幻灯片变成图谱过滤器的单 HTML 文件。推文 43 万浏览，537 书签。 核心 idea 传统 slides 是线性的——幻灯片 1 → 2 → 3，每张是一块独立画布。Graphcon-deck 完全不同： 所有节点始终存在于一张大图上。每张"幻灯片"只是一个过滤器。 每个节点有一个或多个 slide number。当你切到某张幻灯片时，携带该编号的节点被拉入视图，不携带的节点被推走。viewport 自动居中到活跃节点的中心。你可以为每张幻灯片定义不同的布局（节点方向 / 关系朝向），"动画"只是让新节点自然进入视野。 同一个节点可以出现在多张幻灯片中——讲一个概念时它在这里，讲到相关概念时它换个位置再出现。整个文件是一个自包含的 HTML，内嵌 JSON 数据。 为什么这不一样 线性 slides 的底层假设是"一次讲一件事，信息不重叠"。但现实中，概念之间是有关系的——A 引出了 B，B 和 C 共享前提，D 推翻了 A。当你只能线性排列时，你被迫重复讲同一个节点，或者靠观众自己记住"刚才那个圆角矩形和第三页那个是同一个东西"。 Graphcon-deck 把 presentation 变成了 graph exploration。每张幻灯片不是"一页新内容"，而是"在当前图上应用一个新的视角"。节点复用的结果是——你不需要重复介绍同一个概念，它一直是同一个节点，只是每次出现在不同的关系网络中。 技术细节 • 纯前端，单个 index.html（约 9000 行内嵌 JS/CSS） • 数据格式是 JSON：{nodes: [{id, label, slides, x, y, ...}], edges: [{from, to, label, slides}]} • 支持编辑模式：拖拽节点位置、调整布局 • 支持导入/导出 JSON（"copy deck JSON" / "load .json file"） • Undo 单张幻灯片的布局修改 • MIT 开源，45 star，4 fork Yohei 最近的探索方向 这不是一个孤立的项目。Yohei 同一天（7/26）发了一条推文："if you are trying to solve long-running agent problems, you will eventually start using immutable event logs"（499 赞），接着在 7/27 发了一篇 X Article "What the Brain Knows About Long-Running Agents"。他在把 graph-based thinking 从 presentation 工具延伸到 agent 架构——event log 作为不可变记录，图谱作为知识的组织方式。 graphcon-deck 是这个思路在 presentation 层面的具象化：图谱不是可视化的附加物，图谱就是内容本身。 Demo： GitHub： #GraphVisualization# #Presentation# #YoheiNakajima#