Today's brief
现代 CSS 可能让你的前端更复杂
Modern CSS Might Make Your Front-End More Complex
文章指出，现代CSS特性如:has()和原生嵌套虽然能减少JavaScript代码，但会因特异性计算规则引入隐蔽的样式冲突。作者通过容器查询和嵌套选择器的实际案例，说明运行时状态变化导致的样式bug难以调试，并给出了使用子组合器约束选择器的具体修复方案。
都在造 AI Agent，谁来设计停止按钮？
Everyone is building AI agents. Who’s designing the stop button?
文章援引实验指出，即使 temperature 设为零，大模型仍会因服务器批处理产生不同输出。作者认为 AI 的非确定性不是问题，危险在于当 AI 自主执行操作时，产品未界定哪些环节允许不可预测。设计工程师必须放弃线性流程思维，在 Agent 架构中显式设计人工介入的停止点与权限边界。
教时尚生用AI做原型：Figma不再是必选项
What I learned teaching AI prototyping at university
作者本学期让时尚设计专业学生放弃Figma，改用Lovable、Google Stitch和AI Studio等生成式AI工具做应用原型。结果发现，AI不仅重构了工作流，更改变了“原型”本身的定义——从静态Mockup转向动态交互行为的直接探索，同时也带来一系列意想不到的挑战。
Vercel 开源 agent-desktop：AI 跨端操控桌面应用
vercel-labs/agent-desktop
Vercel Labs 开源 agent-desktop，一个跨平台 CLI，让 AI Agent 通过操作系统无障碍树直接操控桌面应用。它不依赖像素匹配，而是返回结构化 JSON 快照供 AI 精准操作界面元素。对设计工程师和 AI 设计师而言，这意味着现有设计工具可被 AI 结构化调用，自动化工作流与跨应用 Agent 集成将成为现实。
AI 代理成了最诚实的可用性测试员
Agents struggle with the same bad UX we do
作者通过观察数千次计算机代理操作后发现，AI 代理在网站上卡住的地方几乎与人类完全一致——歧义按钮、混乱表单等。区别在于人类会猜测和“糊弄过去”，而代理不会。这种“无法容错”反而让它们成为最诚实的可用性测试员，暴露了长期被忽视的设计债务。
我让AI动手，不让AI拍板
I let AI build. I don’t let AI decide.
资深UX从业者Patrick Neeman提出一套AI分工原则：将创意初稿放心交给生成式模型，但将算术核算与不可逆决策牢牢握在人类手中。他援引“锯齿边界”理论指出，AI在擅长领域能提效四成，在能力盲区反而拖累质量，因此设计师必须建立自己的guideline来判断何时信任、何时干预。
AI Agent 接入 MCP 验证码工具：配置、预算与失败处理
Giving an AI agent a captcha tool over MCP: setup, spend limits and failure handling
给浏览器 Agent 接 MCP 验证码工具，难点是成本与安全。文章覆盖测试密钥、生产接入、调用预算及防止页面诱导模型滥用的容错策略。对搭建 Agent 工作流的设计工程师，这是把"能用"做到"安全可控"的实战参考。
AI 可见性工具自检仅得 3 分
An AI visibility tool scanned itself and scored 3 out of 100
meraGEO 创始人扫描自己网站在 ChatGPT、Claude 与 Gemini 中的推荐提及率，发现即使部署了 llms.txt、sitemap 等标准 GEO 文件，24 次询问中品牌仅被提到 1 次。这说明 AI 助手的推荐逻辑更依赖第三方网站的口碑提及，而非单纯的技术标记。
Rust 写的开源 Figma 替代品 Desigma 亮相
Desigma
Desigma 是一款基于 Rust 开发的开源设计工具，定位 Figma 替代品，主打本地优先和独立运行。设计师现在就可前往 GitHub 体验这款仍在早期阶段的新工具。
10 条命令记不住？一张速查表 5 条组合链路
文章整理了 10 个 AI 编程助手中英文 slash command 的对照释义，并给出 5 条按场景编排的组合链路（如新功能开发、修 Bug、接手项目等），外加反模式提醒，帮助开发者不再零散地使用命令，而是按流程组合使用。
AI 执行治理：撤销权限能否中断运行中的调用？
AI Execution Governance, Part 10: Can Revocation Stop a Call That Is Already Running?
文章辨析了AI代理执行治理中三种易混淆的“撤销”动作：权限撤销仅阻止下一次调用，调用取消需运行时通道，而效果回滚依赖事后补偿。作者还梳理了执行入口的四道Gate检查。对正在设计Agent权限流的产品与设计工程师而言，这是防止“以为已撤销实则仍在运行”的设计陷阱的关键框架。
本地 Qwen 3.8 27B 也能解读模型权重
Qwen 3.8 27B on my laptop can interpret model weights, too
Simon Willison 在笔记本上验证，Qwen 3.8 27B 已能直接解读神经网络原始权重并进行修改。这表明“权重空间编程”并非顶级闭源模型的独占能力，消费级硬件可运行的开源模型同样具备该潜力，或可降低自定义模型行为的门槛。
Vercel 项目现支持 vercel.toml 配置
Projects can now be configured with vercel.toml
Vercel 官方 changelog 宣布新增 vercel.toml 项目配置格式，与 vercel.json、vercel.ts 并存。TOML 支持注释且层级更扁平，对需手写部署配置的前端与设计工程师更友好。但每个项目只能选用一种配置文件，已有项目无需强行迁移。
Vercel CI 无需绑定项目即可运行
Vercel CI no longer requires a linked Vercel project
Vercel CI 现可直接在未关联 Vercel 项目的 GitHub 私有仓库上运行，不再需要为空仓库创建占位项目。用户只需安装 Vercel GitHub App、连接账户并具备写入权限，即可通过 CLI 在仓库克隆目录下启用。目前仅支持私有仓库，其他 Git 平台尚未开放。
AI API 那些没人提过的隐性账单
The Silent Costs of AI APIs Nobody Warns You About
文章以亲身经历揭露了 AI API 计费中的隐藏陷阱：token 并非按单词计算，技术词汇和代码的 token 数可能比预期高出 60%，导致账单远超预算。作者建议将字数预估乘以 1.3 倍系数，并警惕缓存定价的误导，帮助团队在做 AI 功能预算时避开常见的成本黑洞。
HyperFrames 实测：AI Agent 自己做了条视频
HyperFrames Review: An AI Agent Builds a Video With It
HyperFrames 是一款面向 AI Agent 的视频工具。评测中，Claude Code 在 Windows 上自主完成了从安装到成片的完整流程：4 分 39 秒的视频仅耗时约 3 分半渲染，且无水印、无需账户。但 Windows 端的设置体验粗糙，存在默认开启的遥测数据收集，且文章在展开缺点时意外截断，未能呈现完整结论。
Karpathy 开源 nanochat：$48 训练 GPT-2 的极简 LLM 框架
karpathy/nanochat
Andrej Karpathy 发布 nanochat，一个极简可 hack 的 LLM 训练框架，可在单 GPU 节点上以约 $48、2 小时内复现 GPT-2 级别模型。项目通过单一 --depth 参数自动配置所有超参数，覆盖从 tokenization 到 inference 的完整链路，并设有 GPT-2 训练速度排行榜激励社区。
Claude Code 2.1.317：11 月 30 日前必查 7 项默认设置
Claude Code 2.1.317 (Nov 3): 7 Defaults to Check Before Nov 30
Medium 文章称 Claude Code 2.1.317 有三项默认配置被静默变更、三项新功能需手动开启，且一项改动将在 11 月 30 日强制生效。但正文仅为引流摘要，未列出具体设置项，读者无法直接获取可落地的检查清单。
Palette：训练小模型按你的设计语言生成演示文稿
Palette: teaching a small model to build decks in your design language
IBM Research 在 Hugging Face 推出 Palette，一个轻量级模型，可被训练来理解特定设计语言和组件库，从而自动生成符合品牌规范的演示文稿。它让设计系统从静态文档变成可执行的生成规则，为设计师提供了可控、低成本的 AI 内容生产方案。
Vercel 开源 agent-desktop：AI 跨端操控桌面应用
vercel-labs/agent-desktop
Vercel Labs 开源 agent-desktop，一个跨平台 CLI，让 AI Agent 通过操作系统无障碍树直接操控桌面应用。它不依赖像素匹配，而是返回结构化 JSON 快照供 AI 精准操作界面元素。对设计工程师和 AI 设计师而言，这意味着现有设计工具可被 AI 结构化调用，自动化工作流与跨应用 Agent 集成将成为现实。
thedotmack/claude-mem
Persistent Context Across Sessions for Every Agent – Captures everything your agent does during sessions, compresses it with AI, and injects relevant context back into future sessions. Works with Claude Code, OpenClaw, Codex, Gemini, Hermes, Copilot, OpenCode + More https://claude-mem.ai 🇨🇳 中文 • 🇹🇼 繁體中文 • 🇯🇵 日本語 • 🇵🇹 Português • 🇧🇷 Português • 🇰🇷 한국어 • 🇪🇸 Español • 🇩🇪 Deutsch • 🇫🇷 Français • 🇮🇱 עברית • 🇸🇦 العربية • 🇷🇺 Русский • 🇵🇱 Polski • 🇨🇿 Čeština • 🇳🇱 Nederlands • 🇹🇷 Türkçe • 🇺🇦 Українська • 🇻🇳 Tiếng Việt • 🇵🇭 Tagalog • 🇮🇩 Indonesia • 🇹🇭 ไทย • 🇮🇳 हिन्दी • 🇧🇩 বাংলা • 🇵🇰 اردو • 🇷🇴 Română • 🇸🇪 Svenska • 🇮🇹 Italiano • 🇬🇷 Ελληνικά • 🇭🇺 Magyar • 🇫🇮 Suomi • 🇩🇰 Dansk • 🇳🇴 Norsk Persistent memory compression system built for Claude Code. Quick Start • How It Works • Search Tools • Documentation • Configuration • Troubleshooting • License Claude-Mem seamlessly preserves context across sessions by automatically capturing tool usage observations, generating semantic summaries, and making them available to future sessions. This enables Claude to maintain continuity of knowledge about projects even after sessions end or reconnect. Quick Start Install claude-mem for Grok Bot: npx claude-mem install --ide grok-bot Grok Bot has no host hooks, so we watch the chat log files. Default is CMEM Pro, the hosted memory. Local observer is opt-in: --provider host. Installing this plugin does not install Cursor. Awareness push pilot (LFG + Orifice): needle observations (decision, bugfix, security_alert, sensitive) are appended as dated - YYYY-MM-DD [awareness] … lines into that bot's memory/log/YYYY-MM.md. Grok Bot already re-reads the log from disk. This does not write profile.md, user-memory, or project memory. Disable with CLAUDE_MEM_GROK_BOT_AWARENESS_ENABLED=false. …[truncated]
Continue at github.comScrapling 自适应爬虫框架发布，支持 MCP 与反检测绕过
D4Vinci/Scrapling
Scrapling 是一个 Python 网页抓取框架，内置反 Bot 绕过、代理轮换和并发爬虫能力。其自适应解析器可在目标网站改版后自动重新定位元素，并原生支持 MCP 协议，能直接接入 AI 工作流。几行代码即可完成从单页采集到大规模爬取的任务。
Hyprland 登上 GitHub Trending：独立 Wayland 合成器
hyprwm/Hyprland
Hyprland 是一个不依赖 wlroots 的动态平铺 Wayland 合成器，主打渐变边框、模糊、动画等视觉效果与高度可定制性，近日登上 GitHub Trending。但它属于 Linux 桌面底层基础设施，与产品设计师、AI 设计师日常依赖的创作工具链几乎没有交集。
Claude Code 游戏工作室：49 个 AI 代理分级协作
Donchitos/Claude-Code-Game-Studios
这个项目将单个 Claude Code 会话扩展为完整的游戏开发工作室，包含 49 个专业 AI 代理和 72 项工作流技能，模拟真实工作室的层级管理。它通过设立总监、部门负责人和专家角色，在代码审查、设计文档和质量把控上建立制衡机制，解决单人 AI 开发缺乏结构化和质量门控的核心痛点。
FreeToken 让个人电脑本地跑通 290B+ MoE 大模型
FlashML-org/FreeToken
FreeToken 是专为消费级硬件打造的边缘原生 MoE 推理引擎，可在游戏 PC 上以交互速度运行 290B+ 参数的前沿开源模型。它通过 CPU-GPU 协同执行、语义缓存和弹性显存管理，将数据中心级推理能力下沉到本地桌面。
T3 Code 开源：统一操控 Codex / Claude / Cursor 的 Web GUI
pingdotgg/t3code
T3 Code 是 T3 团队推出的轻量级 Web GUI，将 Codex、Claude Code、Cursor 和 OpenCode 等主流 AI 编程代理整合到同一界面。用户无需分别打开各客户端，通过浏览器即可统一管理不同提供商的 coding agent，并支持桌面端安装。
Kronos：面向金融K线图的开源基础模型
shiyu-coder/Kronos
Kronos 是首个针对金融蜡烛图（K线）的开源基础模型，基于全球45家以上交易所的OHLCV数据预训练，采用专业tokenizer将连续多维数据量化为层级离散token，再经自回归Transformer建模。其将专业时序数据“语言化”的架构思路，对处理用户行为序列等时序信息的设计师有跨领域启发。
Kornia：PyTorch可微分计算机视觉库
kornia/kornia
Kornia是基于PyTorch的开源可微分计算机视觉库，提供1200余种图像处理与几何视觉算子，涵盖相机模型、特征匹配、边缘检测等。它支持批量参数与GPU加速，主要面向深度学习研究者与CV工程师，填补了torchvision在几何视觉领域的空白。
Colibri：纯C零依赖，消费级硬件跑万亿参数MoE模型
JustVugg/colibri
Colibri 是一个纯 C 编写、零依赖的推理引擎，能在消费级硬件上流式运行 744B 至 2.8T 参数的 MoE 大模型。它将存储、RAM 和 VRAM 视为统一的多层内存层级，显著降低了本地部署前沿大模型的硬件门槛和成本。
Matt Pocock 开源自用 Claude Skills：告别 vibe coding
mattpocock/skills
TypeScript 教育家 Matt Pocock 开源了他自用的 Claude agent skills 仓库，提供一套小型、可组合、模型无关的工程化技能集合，附带一键安装脚本。不同于完全放任的 vibe coding，这套技能旨在修复 Claude Code 与 Codex 等工具的常见失效模式，让开发者保持对真实工程流程的掌控。
Worktrunk 把 Git worktree 变得像分支一样简单
max-sixty/worktrunk
Worktrunk 是一款 Git worktree CLI 工具，将原本繁琐的多目录操作简化为类似分支的体验。它让 AI 设计师和设计工程师能并行运行多个 Claude Code 或 Codex agent，避免工作冲突，显著提升并行开发效率。
Paperclip：像管理公司一样管理 AI Agent
paperclipai/paperclip
Paperclip 是开源 Node.js + React 应用，可将 Claude Code、Cursor、Codex 等 AI Agent 像员工一样纳入组织架构。它通过仪表盘统一分配目标、审批策略并监控成本，把多 Agent 协调从终端命令升级为带预算与治理的企业级工作流。
Karpathy 开源 nanochat：$48 训练 GPT-2 的极简 LLM 框架
karpathy/nanochat
Andrej Karpathy 发布 nanochat，一个极简可 hack 的 LLM 训练框架，可在单 GPU 节点上以约 $48、2 小时内复现 GPT-2 级别模型。项目通过单一 --depth 参数自动配置所有超参数，覆盖从 tokenization 到 inference 的完整链路，并设有 GPT-2 训练速度排行榜激励社区。
Heretic 开源工具可全自动移除 LLM 安全审查
p-e-w/heretic
Heretic 是一款命令行工具，通过方向消融与 Optuna 自动参数优化，无需后训练即可移除 Transformer 模型的安全对齐限制。它在降低有害提示拒绝率的同时，尽量保持与原模型的 KL 散度，让普通用户也能快速获得去审查的本地模型。