夜雨聆风下周开始 AI 周刊会改为只推荐开源项目，热文精选会拆分为深度解读，除此之外会推荐一些 youtube 上我比较感兴趣的一些播客。最近公司有的团队用 vibe coding 真的让人太心累了，下周开始魔法对轰，不是要比快吗，那就看谁又快工程质量又高了。
开源项目
1. dashiai-ppt-skill
链接：https://github.com/chuspeeism/dashiai-ppt-skill
简介：面向 AI Agent 的演示文稿生成 Skill，可根据文档、需求说明或自然语言生成浏览器可编辑的 HTML 幻灯片，并支持导出为 HTML、PDF 和 PPTX。项目希望解决 AI 生成 PPT 后难以继续修改的问题，在生成结果中保留页面级编辑能力，方便调整文字、布局、配色、图表和图片等内容。整个流程围绕 HTML 演示文稿构建，兼容 Claude Code 等支持 Skill 的 Agent，通过预设主题和生成流程完成内容组织与导出。
2. archify
链接：https://github.com/tt-a1i/archify
简介：面向 Claude、Codex CLI 等 AI 编程助手的技能包，可将自然语言描述转换为架构图、流程图、时序图等技术图表。它解决了系统设计文档和架构示意图需要反复绘制、维护成本较高的问题，通过对话即可持续调整图表内容。项目生成的是可独立打开的 HTML 文件，内置明暗主题切换，并支持导出 PNG、JPEG、WebP、SVG 等格式，适合在文档、代码评审和技术交流中直接使用。
3. BrowserSkill
链接：https://github.com/Tencent/BrowserSkill
简介：腾讯开源的浏览器桥接工具，由本地 CLI 与 Chrome 扩展组成，用于让 Cursor、Claude Code、Codex 等 AI Agent 直接操作用户日常使用的浏览器。它解决了浏览器自动化需要重新登录、无法复用现有登录态以及影响正常浏览的问题，通过连接本地 Chrome 配置文件，在独立的 Agent 窗口中执行网页操作、截图和界面验证，同时保留用户当前的浏览环境。
4. Skills
链接：https://github.com/MengTo/Skills
简介：围绕 AI 编程助手整理了一系列可复用的工作流和实践经验，覆盖设计、前端开发、产品制作等常见场景。项目通过结构化的 Skill 文件组织提示词、操作步骤和参考资料，让支持 Agent Skills 规范的工具能够按需加载对应能力，而不是在对话中反复输入相同指令。仓库持续由社区维护，也可作为编写和分享自定义 Skills 的参考。
5. fireworks-tech-graph
链接：https://github.com/yizhiyanhua-ai/fireworks-tech-graph
简介：面向 Claude Code 的 Skill，通过自然语言描述生成技术架构图，并导出 SVG 与 PNG 文件。它主要解决 AI、系统架构和 UML 图需要反复手工绘制或编写 Mermaid、PlantUML 等 DSL 的问题，将常见架构模式、图形语义和视觉规范编码到生成流程中，可识别 RAG、Multi-Agent、Mem0 等 AI 场景及多种 UML 图类型，并支持多种预设样式，生成结果可直接用于文档和技术分享。
6. CodexBar
链接：https://github.com/steipete/CodexBar
简介：基于 Swift 开发的 macOS 菜单栏工具，用于查看 Codex、Claude Code、Gemini、Copilot 等 AI 编程服务的使用情况和额度重置时间，减少频繁打开网页或终端确认配额的操作。项目通过读取本地 CLI 配置、OAuth 凭据、浏览器 Cookie 或相关 API 获取数据，并在菜单栏、Widget 和命令行中展示统一的状态信息，同时附带可用于脚本和 CI 的 CLI，整体采用本地数据解析方式，不存储用户密码。
热文精选
1. Vim of Coding Agents
链接：https://rasyidanaf.com/blog/vim-of-coding-agents/
摘要：讨论了 AI 编程 Agent 的另一种设计思路：保持核心轻量，将插件、命令和工作流交给开发者自由定制。文章以 Pi 为例，对比了 OpenCode、Claude Code、Codex 等工具，认为前者更像 Neovim，需要自行配置，但拥有更高的灵活性；后者则更偏向开箱即用。作者认为，理想的编程 Agent 应该让开发者掌控工具，而不是受工具限制。
2. Harness Engineering for Self-Improvement
链接：https://lilianweng.github.io/posts/2026-07-04-harness/
摘要：AI Agent 的能力不只取决于模型本身，更取决于包裹模型运行的 Harness（执行系统）。它负责工作流、上下文管理、工具调用、长期记忆、权限控制和结果验证，让模型能够稳定完成复杂、长周期任务。文章梳理了 Harness 的几种典型设计，包括自动化工作流、以文件系统作为持久记忆、子 Agent 协作等，并介绍了让 Harness 自动优化、自我演化的最新研究。作者认为，短期内 AI 的“自我提升”更可能来自 Harness 和模型协同进化，而不是模型直接修改自身参数；未来，如何在提升能力的同时保证安全、可验证和可控，将是这一方向的核心挑战。
3. Getting started with loops
链接：https://x.com/ClaudeDevs/status/2074208949205881033
摘要：这篇内容介绍了 Claude Code 的 Loops（循环）工作流。与其每次重新给 AI 下达指令，不如把目标、执行步骤和停止条件设计成一个可重复运行的流程。官方将 Loops 分为不同类型，分别适用于长期任务、定时执行、目标驱动等场景。合理使用循环不仅能减少重复操作，还能让 AI 持续完成代码检查、文档维护、信息收集等工作，同时兼顾 Token 消耗、代码质量和人工介入时机，让 AI 从“一次性助手”变成可持续运行的自动化协作者。
