AI Design News
No. 062No. 064
Tuesday, July 21, 2026·Issue 063
Today's brief from the design frontier

数字设计新纪元 技能与伦理

探索设计工具的最新趋势与AI时代下的责任

在AI技术不断进步的当下,设计师不仅要掌握新技能,还需思考伦理与责任。ColorSym帮助设计师更好地服务色觉障碍用户,而Nir Eyal的Hook Model引导我们思考AI产品如何安全地培养用户习惯。

Dev.to · AI·56 days ago

AI 改写框架选型逻辑,React 仅存的两处阵地

How AI changed the way I pick frameworks, and the two places React survived

作者基于三个真实项目迁移案例指出,当 AI 承担大部分编码后,框架选型标准应从「学习曲线与开发者体验」转向「运行时体积」与「人工审查成本」。Solid 生态因架构精简和一致性优势成为默认选择,而 React 仅在特定场景仍不可替代。

✎ Author's take
设计工程师该醒醒了:AI 让写代码贬值,但没让架构决策贬值。这篇文章戳破了追 React 生态的惯性——当审查带宽成为瓶颈、运行时成本无法被 Prompt 抹除,选 AI 不容易写崩的轻量框架,比选熟悉的重框架更务实。把 React 当默认选项就是懒惰。
Continue at dev.to
Dev.to · AI·56 days ago

从写 5 个 JSON 修复器到拥抱 Claude tool use

From text-JSON parsing to Claude tool use in JobSearch

作者在个人求职工具 JobSearch 中,最初让 Claude 直接输出 JSON 并通过 5 个自定义函数反复清洗修复,最终改用 Claude 原生的 tool use(function calling)获得可靠的结构化输出。文章以具体代码演进为例,展示了在 AI 应用开发中应优先使用模型原生结构化能力,而非依赖文本后处理的工程教训。

✎ Author's take
这篇"血泪史"值得所有 AI 工程师和设计师读。用 prompt 逼模型吐 JSON 再写正则兜底是穷人的拐杖,又脏又脆。作者用 5 个修复函数的沉没成本证明:有 tool use 就该第一时间用上,别等线上事故教你做人。
Continue at dev.to
Stratechery·57 days ago

中国开源模型追上来,谁该害怕

Who’s Afraid of Chinese Models?

Ben Thompson 在 Stratechery 指出,以 Kimi K3 为代表的中国开源模型正用零边际成本颠覆 AI 行业的聚合逻辑。这不仅意味着顶尖大模型将快速商品化,更预示着控制需求的平台壁垒可能被击穿,全球 AI 竞争从封闭生态转向开放权重的能力比拼。

✎ Author's take
对设计工程师和产品设计师而言,中国开源模型的爆发不是地缘政治八卦,而是实打实的工具链地震。当顶尖能力变得廉价且可本地部署,你们没有任何理由继续被锁死在昂贵的闭源 API 里——现在就该把开源模型接入原型、自动化和代码生成工作流,趁窗口期重建成本优势。
Continue at stratechery.com
Medium · AI Agents·56 days ago

Claude Code 揭秘:22 字符背后发送 63 KB

63 KB for 22 Characters: What a Coding Agent Sends on Every Prompt

作者通过在 Claude Code 与 API 之间架设日志代理,发现用户输入仅 22 个字符时,底层实际发送了 63 KB 的上下文数据。这一发现揭示了 AI 编码代理在每次交互中附加的巨大隐藏开销,对关注隐私、Token 成本与性能的设计工程师具有直接警示意义。

✎ Author's take
别再以为和 Claude Code 只是“发了几个字”。这篇文章用一手抓包数据戳破幻觉:每轮微小输入背后,是数十 KB 的系统提示与上下文堆积。对设计工程师而言,这是审视 AI 工具真实成本与隐私边界的必修课,足以让你重新评估“轻量交互”的含义。
Continue at medium.com
Dev.to · AI·56 days ago

OpenAI/Google/LangGraph 多智能体架构:Handoff vs Subagent

Handoffs vs Subagents: OpenAI Agents SDK vs Google ADK vs LangGraph

这篇基于文档的对比分析了 OpenAI Agents SDK、Google ADK 和 LangGraph 在多智能体协作中的架构分歧:转移对话所有权(handoff)还是调用子代理取回结果(subagent)。作者从响应归属、状态传递、路由控制等五维度拆解了三种框架的设计哲学,为 AI 工作流选型提供了清晰依据。

✎ Author's take
做 AI Agent 产品的设计师必读。太多团队把"多智能体"当黑盒魔法,作者用 PR 审查场景讲透了 handoff 与 subagent 的边界、上下文可见性和排查成本。选错架构模式比选错框架更致命,这份对比能帮你在设计审批回退工作流时避开大坑。
Continue at dev.to
UX Collective·57 days ago

品味不可外包、AX 编排层与 AI 工作流

Delegating taste, orchestration layer, AI workflows

UX Collective 本周精选聚焦 AI 时代设计师的核心焦虑:品味能否外包、AX 是否只是屏幕之下的编排层,以及对话与代理式 AI 如何消解传统界面。它为设计从业者提供了切入 AI 工作流的三把思维钥匙,提示设计重心正从“画界面”下沉到“编排逻辑”与“系统品味”。

✎ Author's take
在所有人都在教设计师如何用 AI 出图时,这组文章反问道:如果界面消失了、品味成了最后防线,你的技能树还剩什么?对设计工程师而言,“编排层”是比新 Figma 插件更底层的概念——它直接重新定义了设计交付物从静态界面到动态代理逻辑的边界。
Continue at uxdesign.cc
Simon Willison·56 days ago

Coding agents 让反向工程成本趋零

Reverse-engineering is cheap now

Simon Willison 观察到,coding agents 正让家庭设备与晦涩 API 的反向工程变得前所未有的廉价。过去因 ROI 和维护成本而却步的自动化,如今可以低成本试错甚至随时重写。代码从资产变成耗材,从根本上改变了技术实验的风险计算方式。

✎ Author's take
设计工程师最该读这句:代码已变成可随意丢弃的草稿。当反向工程和晦涩 API 的维护成本趋近于零,你没有任何借口不去自动化自己的工作流、不把原型直接插进真实数据里。别再说“我不是工程师”了。
Continue at simonwillison.net
UX Collective·56 days ago

如何把 Nir Eyal 的 Hook Model 安全用于 AI 产品

How to apply Nir Eyal’s Hook Model to AI products, safely

文章将 Nir Eyal 的 Hook Model 与 BJ Fogg 的行为模型结合,拆解了 AI 产品如何通过触发、行动、可变奖励和投入四步循环培养用户习惯,并强调在设计中避免过度操控的伦理边界。对正在设计聊天机器人或 AI 助手的产品团队而言,这是一份可直接对照的行为设计框架。

✎ Author's take
AI 产品设计师不能再假装自己只是在做“工具”——每一个智能助手的交互都在训练用户的大脑。这篇文章的价值在于它承认了 Hook Model 在 AI 时代的效力,同时逼迫设计师直面伦理责任:你可以让用户养成习惯,但必须先回答这是为谁的习惯。值得读,但别只读一半。
Continue at uxdesign.cc
Dev.to · AI·56 days ago

不碰代码砍掉七成大模型 API 账单

How I Cut My LLM API Costs by 70% Without Touching My Code

作者记录自己如何把尚未上线的 side project 每月 217 美元的 OpenAI 账单降低七成以上,关键是不修改任何应用代码,而是停止对所有任务一刀切地调用 GPT-4,把分类、摘要、FAQ 等简单请求路由到更小更便宜的模型。

✎ Author's take
对高频调用 LLM 的产品设计师和原型工程师来说,成本优化是生死线。这篇文章戳破了'全部上 GPT-4'的懒惰惯性,但 Dev.to 来源加上正文截断,让人怀疑其所谓方案是否只是给网关代理加了层包装;如果正文里没有可直接复制的工具配置或 prompt 路由模板,那就是纯标题党。
Continue at dev.to
Dev.to · AI·56 days ago

从 Vibe Check 到硬指标:搭建生产级 LLM 评估流水线

Building Production-Grade LLM Evaluation Pipelines: From Vibes to Metrics

作者分享团队如何从人工“看着不错”的测试方式,转向自动化 LLM 评估流水线,借助领域特定评判器、CI/CD 集成和黄金数据集,在部署前捕获 92% 的幻觉,强调生产环境需要业务指标而非学术基准。

✎ Author's take
对设计师和设计工程师而言,这篇文章戳破了“AI 产品靠感觉上线”的幻觉。如果你无法量化定义“好回答”,就没资格抱怨模型输出失控。重点看“领域评判器”和“回归检测”两节——学会把设计意图翻译成可测试的指标,是 AI 时代设计师的核心护城河。Dev.to 来源虽浅,但问题意识够锋利。
Continue at dev.to
Sidebar·57 days ago

ColorSym:当颜色不够用时如何标识

ColorSym

ColorSym 是一款免费开源工具,用于在单靠颜色无法有效传达信息的场景下提供辅助标识方案,特别适用于色觉障碍用户的无障碍需求。设计师可将其应用于数据可视化、状态标签等场景,作为色彩之外的补充识别手段,提升产品的包容性与可用性。

✎ Author's take
做数据可视化和状态标签的设计师应该人手一个。色觉障碍不是边缘案例,而是每次你用红绿色做成功/失败提示时都会踩的坑。但 Sidebar 这条简讯短得离谱,连基础用法都没讲,直接点开官网试比在这里读更有价值。
Continue at colorsym.com
Dev.to · AI·56 days ago

Godot 禁用 AI 代码,开源社区正集体反制

Godot запретил ИИ-код, и это не выходка одного движка

开源游戏引擎 Godot 在 6 月底实质禁止了 AI 代理与 vibe coding 提交的代码,理由是低质量 PR 洪流感正在压垮维护者。curl、tldraw、Ghostty 等项目此前已采取类似举措,标志着开源社区开始对无节制的 AI 生成内容发起系统性反弹。

✎ Author's take
开源维护者的 burnout 给 AI 工作流敲响警钟:当 AI 从「辅助」变成「代写」并涌入协作管道,社区必然用规则反制。对设计工程师而言,把 Claude 代码直接 PR 到生产环境的路径正在关闭——AI 生成物必须附带更严格的人工审查,否则下一个被禁的就是设计系统贡献规范。
Continue at dev.to
Simon Willison·56 days ago

谁在害怕中国模型?

Who’s Afraid of Chinese Models?

Ben Thompson 呼吁美国立法将 AI 训练数据收集明确为合理使用,并禁止限制蒸馏的服务条款,以应对中国开源模型竞争。Simon Willison 进一步指出,阿里巴巴突然开源 Qwen 3.8 Max 可能受高层鼓励开源的表态推动,暗示地缘政治正在重塑全球开源大模型格局。

✎ Author's take
对设计工程师和 AI 设计师来说,开源模型能否持续自由使用直接决定了本地工作流与工具选型。这篇文章撕开了一个信号:地缘政治正在重写开源规则,底层模型不再是纯粹的技术选择,而是夹在大国博弈中的政治赌注。读懂这层逻辑,才能提前布局不被封禁或断供的设计工具链。
Continue at simonwillison.net
Sidebar·57 days ago

2026年,前端还需要构建工具吗

Do we still need build tools?

文章审视2026年前端开发中构建工具的必要性,探讨无构建流程在现代浏览器环境下的可行性。对想要精简技术栈、降低原型开发门槛的设计工程师而言,这是一次值得关注的工程实践反思。

✎ Author's take
构建工具的复杂配置正在吃掉设计工程师的创作时间。如果浏览器原生能力已经足以支撑日常开发,那我们坚持Webpack和Vite究竟是在解决问题,还是在制造问题?这篇文章的质问本身,就比大多数工具更新都更有价值。
Continue at olliewilliams.xyz
Sidebar·57 days ago

菜单即历史:美国百年菜单启示录

A history of menus is a menu of history

The Pudding 梳理美国早期餐厅菜单的百年演变,从排版、定价到菜品选择背后,拆解物理菜单作为最古老信息界面之一的社会文化与设计逻辑,为数字时代的信息架构提供跨时空参照。

✎ Author's take
别只盯着 Figma 更新日志,这种跨时空的设计考古比追热点更能训练信息架构直觉。菜单是物理世界沉淀百年的“选项界面”,其密度、层级与选择逻辑直接塑造了数字导航——能从十九世纪菜谱里偷师交互智慧的设计师,才懂界面的本质。
Continue at pudding.cool
Sidebar·57 days ago

AI 时代,初级设计师得主动赢得品味与判断力

Earning taste and judgment

Addy Osmani 指出,品味与判断力曾是海量重复实践的自然副产品;如今 AI Agents 接管了执行层的“重复训练”,初级从业者失去了在试错中自然沉淀审美的机会,必须刻意、主动地去培养自己的 taste 与 judgment,而非被动等待。

✎ Author's take
这是给依赖 AI 出图的设计师的一记警钟。执行门槛归零后,“重复练习”不再自动兑换品味。如果你不去刻意拆解优秀界面、手动调试代码、建立自己的参考库,AI 只会把你永远锁在平庸的平均水平,而缺乏判断力的 prompt 工程毫无意义。
Continue at addyosmani.com
创作工具 · AI Creation
§AI Creation创作工具动态
Lenny's Newsletter·57 days ago

Morning Brew 创始人如何用 Claude 建内容永动机

🎙️ How I AI: How the founder of Morning Brew built a Claude content machine that never runs out of ideas

Morning Brew 创始人用 Claude 建内容系统:AI Oracle 扫描 Slack、Notion、Gmail,每天输出 15 条选题;他接受 AI 采访,后由 AI 审稿。其洞见是:卡壳常在选题而非写作,引入 AI 前必须先手绘工作流,否则是用新技术重复旧浪费。

✎ Author's take
对设计师而言,这不是自媒体 playbook,而是可迁移的 AI 工作流方法论。Alex 强制先手绘现有流程再重建,同样适用于设计系统或设计文档自动化。别把 Claude 当润色工具,要把它变成流程引擎。
Continue at lennysnewsletter.com
Lenny's Newsletter·57 days ago

Morning Brew 创始人如何用 Claude 打造反 Slop 内容机器

How the founder of Morning Brew built a Claude content machine that never runs out of ideas and never sounds like slop | Alex Lieberman

Alex Lieberman 在播客中拆解了他基于 Claude 搭建的六步内容机器:从 Oracle 抓取热点、AI 访谈提取真实观点,到用 Markdown 声音文件确保输出风格一致,最后经编辑委员会评分打磨。核心洞见是:AI 生成 slop 的根源不在起草环节,而在访谈环节。这套工作流对需要批量产出高质量内容、又怕丢失个人风格的设计师和创始人极具参考价值。

✎ Author's take
这不是“AI写稿”鸡汤,而是一个顶级创业者将认知工作流工程化的完整架构。设计师最该偷师的不是内容本身,而是“先画清工作流再上AI”的系统思维,以及用 Markdown 固化品牌声音的工程化方法。如果你在用 AI 做设计探索或设计系统文档,这套代理架构几乎可直接迁移。
Continue at lennysnewsletter.com
UX Collective·56 days ago

研究不该止于 Deck:用 Claude Code 做活文档

Research shouldn’t end in a deck

作者针对“研究止于演示文稿”的行业通病,提出用 Claude Code 将静态调研转化为可交互、持续迭代的“活文档”。这种方法让原始数据、假设验证与设计决策保持联动,避免洞察被锁进 PPT 积灰,对希望打通研究与工程链路的设计团队尤为实用。

✎ Author's take
多数研究团队把数周洞察塞进 60 页 PPT 便宣告项目结束,这是设计组织的慢性自杀。此文给出的解法不是再买一个工具,而是用 Claude Code 把研究数据变成可查询、可验证、可迭代的工程化资产——对设计工程师和研究员而言,这才是 AI 时代该有的研究交付物。
Continue at uxdesign.cc
Hugging Face·57 days ago

NVIDIA Cosmos 3 Edge 边缘世界模型发布

Introducing Cosmos 3 Edge

NVIDIA 在 Hugging Face 上线 Cosmos 3 Edge,将世界基础模型能力压缩到边缘设备。设计工程师可借此在本地运行物理感知视频生成与交互模拟,降低原型测试的云端依赖与延迟。

✎ Author's take
对设计师而言,世界模型边缘化是基础设施升级,但别急着兴奋。Cosmos 主攻机器人与自动驾驶物理仿真,对主流 UI/UX 工具链支持几乎为零。除非你的工作流涉及嵌入式原型或硬件设计,否则这更像是 NVIDIA 的算力广告。建议等社区出现第三方封装的设计师友好工具再入场。
Continue at huggingface.co
开源趋势 · Open Source
§GitHub Rank今日开源趋势
01GitHub Trending · Daily·58 days ago

code-review-graph:让 AI 只读必要代码的上下文地图

tirth8205/code-review-graph

一个本地优先的代码智能图工具,通过 Tree-sitter 解析代码库结构并增量跟踪变更,经 MCP 为 Cursor、Claude Code 等 AI 助手提供精准上下文。它能避免 AI 在代码审查及大型仓库任务中重复读取无关代码,显著减少 token 消耗并提升审查效率。

✎ Author's take
code-review-graph 是一个代码智能图工具,通过 Tree-sitter 解析代码库结构并增量跟踪变更,为 AI 助手提供精准上下文。
Continue at github.com
02GitHub Trending · Daily·57 days ago

KTransformers:消费级硬件本地推理大模型框架

kvcache-ai/ktransformers

KTransformers 通过 CPU-GPU 异构计算,在消费级硬件上实现大模型高效推理与微调。项目近期新增 MiniMax-M3、GLM-5.2 等热门模型的 Day0 支持,并重构了推理与 SFT 快速入门文档,进一步降低了本地部署前沿模型的门槛。

✎ Author's take
ktransformers 是一个支持 CPU-GPU 异构计算的 AI 模型推理与微调工具,它使得在消费级硬件上高效运行大模型成为可能,降低了部署前沿 AI 模型的门槛。
Continue at github.com
03GitHub Trending · Daily·117 days ago

全开源AI工程课:435节从数学推导到MCP server

rohitg00/ai-engineering-from-scratch

GitHub Trending 新晋全开源AI工程课程,共435节课、20个阶段约320小时,覆盖Python/TypeScript/Rust/Julia。课程要求从线性代数和反向传播开始手写代码,逐步构建Tokenizer、Attention机制直至MCP服务器和自主智能体集群,每节课均产出可复用工程产物。

✎ Author's take
ai-engineering-from-scratch 是一个全开源的 AI 工程课程,覆盖了从基础数学到构建完整的智能体集群的全过程,适合想要深入学习 AI 工程的开发者。
Continue at github.com
04GitHub Trending · Daily·85 days ago

Voicebox 开源:替代 ElevenLabs 的本地 AI 语音工作站

jamiepine/voicebox

Voicebox 是一款本地优先的开源 AI 语音工具,集成语音克隆、23 语言 TTS 与全局听写,支持与 MCP 智能体语音对话。对需要语音交互原型或隐私优先场景的设计师和开发者而言,它把 ElevenLabs 和 WisprFlow 的功能合二为一,且完全本地运行。

✎ Author's take
voicebox 是一款集成多种语音功能的开源 AI 语音工具,适合需要语音交互原型或隐私优先场景的设计师和开发者。
Continue at github.com
05GitHub Trending · Daily·57 days ago

wigolo 公测:AI Agent 的本地零成本网络搜索工具

KnockOutEZ/wigolo

wigolo 是一款基于 MCP 协议的本地优先网络情报工具,让 Claude Code、Cursor 等 AI 编程代理无需 API Key 即可执行搜索、抓取与研究任务,数据完全保留在本地且零查询费用。对设计师和工程师而言,这意味着 AI 工作流不再依赖云端搜索服务,既降低门槛又避免数据外泄。

✎ Author's take
wigolo 是一款基于 MCP 协议的网络情报工具,它允许 AI 编程代理在本地执行搜索和抓取任务,减少了对云端搜索服务的依赖。
Continue at github.com
06GitHub Trending · Daily·57 days ago

Jellium:非官方 Jellyfin 桌面客户端

andrewrabert/jellium-desktop

基于 CEF 与 mpv 的第三方 Jellyfin 桌面客户端,提供 Linux、macOS 和 Windows 多平台安装包。但对产品设计师与 AI 设计师而言,这只是媒体播放工具,与设计工作流、AI 创作或界面工程无交集,无可直接复用的资源。

✎ Author's take
jellium-desktop 是一个基于 CEF 和 mpv 的第三方 Jellyfin 桌面客户端。
Continue at github.com
07GitHub Trending · Daily·59 days ago

github/copilot-sdk

Multi-platform SDK for integrating GitHub Copilot Agent into apps and services GitHub Copilot CLI SDKs Agents for every app. Embed Copilot's agentic workflows in your application with the GitHub Copilot SDK for Python, TypeScript, Go, .NET, Java, and Rust. The GitHub Copilot SDK exposes the same engine behind Copilot CLI: a production-tested agent runtime you can invoke programmatically. No need to build your own orchestration—you define agent behavior, Copilot handles planning, tool invocation, file edits, and more. Available SDKs SDK Location Cookbook Installation API docs Node.js / TypeScript nodejs/ Cookbook npm install @github/copilot-sdk Python python/ Cookbook pip install github-copilot-sdk Go go/ Cookbook go get github.com/github/copilot-sdk/go API docs .NET dotnet/ Cookbook dotnet add package GitHub.Copilot.SDK Rust rust/ — cargo add github-copilot-sdk API docs Java java/ Cookbook Maven coordinates com.github:copilot-sdk-java See instructions for Maven and Gradle API docs See the individual SDK READMEs for installation, usage examples, and API reference. Getting Started For a complete walkthrough, see the Getting Started Guide. Quick steps: (Optional) Install the Copilot CLI For Node.js, Python, and .NET SDKs, the Copilot CLI is bundled automatically and no separate installation is required. For Go, Java, and Rust, install the CLI manually or ensure copilot is available in your PATH. Go and Rust also expose application-level CLI bundling features. Install your preferred SDK using the commands above. See the SDK README for usage examples and API documentation. Architecture All SDKs communicate with the Copilot CLI server via JSON-RPC: Your Application ↓ SDK Client …[truncated]

✎ Author's take
github/copilot-sdk 提供多平台 SDK 用于将 GitHub Copilot Agent 集成到应用和服务中。
Continue at github.com
08GitHub Trending · Daily·59 days ago

PostHog 霸榜 GitHub Trending:产品分析全家桶

PostHog/posthog

PostHog 仓库登上 GitHub Trending,官方描述将其定位为“自动驾驶产品”平台,涵盖 AI 可观测性、会话重放、功能标志与实验等工具。然而内容仅为标准 README 式的功能罗列,既无版本更新细节,也未提供设计师可直接上手的工作流或集成方法,信息密度极低。

✎ Author's take
PostHog 仓库,官方描述为“自动驾驶产品”平台,涵盖 AI 可观测性、会话重放等工具,但信息密度低,未提供设计师可直接上手的工作流。
Continue at github.com
09GitHub Trending · Daily·57 days ago

GitHub 热榜:Windows Terminal 仓库

microsoft/terminal

微软 Windows Terminal 登上 GitHub Trending,页面内容为其官方仓库 README,介绍安装方式与源码构建指南。对于产品与设计从业者而言,这是一条无新功能、无工具更新的常规仓库信息,不具备直接参考价值。

✎ Author's take
microsoft/terminal 是微软 Windows Terminal 的官方 GitHub 仓库。
Continue at github.com
10GitHub Trending · Daily·57 days ago

AstrBot:开源多平台 AI Agent 机器人框架

AstrBotDevs/AstrBot

AstrBot 是一款开源的一站式 Agent 聊天机器人平台,支持 QQ、微信、飞书、Telegram 等主流 IM 平台,集成多 LLM、MCP、插件市场和沙箱环境,主打在即时通讯工作流中快速搭建 AI 应用。

✎ Author's take
AstrBot 是一个一站式的开源 Agent 聊天机器人平台,支持多平台和多种语言,适合需要快速在即时通讯中搭建 AI 应用的开发者。
Continue at github.com
11GitHub Trending · Daily·85 days ago

jcode 亮相 GitHub Trending:内存仅为 Claude Code 的 1/14

1jehuang/jcode

jcode 是一款新兴的 Coding Agent 框架,主打多会话工作流与极致资源效率。其在 GitHub Trending 亮相,单会话内存占用仅 27.8 MB,相比 Claude Code 等主流工具降低一个数量级,声称能显著提升长会话与多任务并行时的性能表现。

✎ Author's take
jcode 是一款新兴的 Coding Agent 框架,它以极低的单会话内存占用和多会话工作流为特点,旨在提升长会话和多任务并行时的性能表现。
Continue at github.com
12GitHub Trending · Daily·90 days ago

CUA 开源:AI Agent 后台控制全平台桌面

trycua/cua

trycua/cua 是一套开源的 Computer-Use Agent 基础设施,提供跨平台沙盒、SDK 与基准测试,支持在 macOS、Windows、Linux 上后台驱动真实桌面(不抢占光标)。它直接提供 MCP Server,可在 Claude Code、Cursor 等工具中即装即用,让 coding agent 立刻具备图形界面操作能力。

✎ Author's take
trycua/cua 是一套开源的 Computer-Use Agent 基础设施。
Continue at github.com
13GitHub Trending · Daily·57 days ago

Kimi Code CLI 发布,AI Agent 进驻终端

MoonshotAI/kimi-cli

Kimi 团队将原有 CLI 升级为 Kimi Code CLI,作为新一代终端 AI Agent,支持代码编辑、Shell 命令执行、网页搜索与自主任务规划。它内置 Shell 模式、提供 VS Code 扩展,并原生支持 ACP 协议与主流 IDE 集成,设计工程师可立即将其接入日常开发工作流。

✎ Author's take
kimi-cli 是 Kimi 团队推出的新一代终端 AI Agent,支持代码编辑、命令执行、网页搜索和任务规划,旨在提升设计工程师的日常开发效率。
Continue at github.com
14GitHub Trending · Daily·81 days ago

zapret 解锁工具新增 Telegram 加速

Flowseal/zapret-discord-youtube

俄罗斯开发者 Flowseal 在其开源流量拦截方案 zapret 中追加 Telegram Desktop 加速支持,该工具利用 WinDivert 绕过网络封锁以恢复 Discord、YouTube 和 Telegram 访问。虽对特定地区用户有实用价值,但本质上属于区域性网络代理脚本,与设计工程无直接关联。

✎ Author's take
zapret-discord-youtube 是一个俄罗斯开发者开发的开源流量拦截方案。
Continue at github.com
15GitHub Trending · Daily·113 days ago

Build Your Own X:手把手教你从零造轮子

codecrafters-io/build-your-own-x

这是一个收录了数百个手把手教程的 GitHub 仓库,教你从零开始构建 3D 渲染器、数据库、操作系统、AI 模型等经典技术。对设计工程师而言,深入理解底层实现比调 API 更重要,这是对抗“黑盒焦虑”的最佳实践清单。

✎ Author's take
收录了数百个从零开始构建各种技术项目的手把手教程,适合设计工程师深入理解技术底层实现,对抗“黑盒焦虑”。
Continue at github.com
16GitHub Trending · Daily·84 days ago

AirLLM:4GB 显存可跑 70B 大模型推理

lyogavin/airllm

AirLLM 是一个开源推理优化库,通过层间计算与加载策略,让 Llama3 70B 等超大模型可在 4GB 显存单卡运行,甚至支持 405B 模型在 8GB VRAM 上推理。它无需量化、蒸馏或剪枝,支持 macOS 与 CPU 推理,并兼容 Qwen、Mixtral 等多种模型架构。

✎ Author's take
AirLLM 是一个推理优化库,通过优化策略使超大模型在有限显存下运行,无需量化、蒸馏或剪枝。
Continue at github.com
17GitHub Trending · Daily·57 days ago

WrenAI 开源 GenBI 引擎:AI 代理的可信 text-to-SQL

Canner/WrenAI

WrenAI 是一个开源的生成式 BI 引擎,通过开放的上下文层帮助 AI 代理将自然语言问题转化为可信的 SQL、图表和仪表板,支持 20 余种数据源。其核心在于用业务语义和治理层替代传统 schema,提升 AI 生成数据洞察的可信度。

✎ Author's take
Canner/WrenAI 是一个开源的生成式 BI 引擎,将自然语言问题转化为 SQL 和图表。
Continue at github.com
18GitHub Trending · Daily·57 days ago

北大 CS 自学指南登顶 GitHub Trending

PKUFlyingPig/cs-self-learning

这是一份面向零基础者的计算机本科自学路线图,整理了全球名校开源课程与书籍,涵盖算法、体系结构、人工智能等数十个方向。但对产品设计师或设计工程师而言,它属于通识教育范畴,无法直接提取出可立即投入工作流的具体工具、模板或工程方法。

✎ Author's take
PKUFlyingPig/cs-self-learning 是一份计算机本科自学路线图,包含开源课程与书籍。
Continue at github.com