Vibe Usage 更新｜App v0.5.1
- Dock 可以选择是否展示，以及优化了 cmd+tab 切到 Vibe Usage 时的体验
- Codex, Claude Code 的 Rate Limit 是否展示可以在设置里选择
- 优化了 Claude Code Rate Limit 启用的一些 Bug
Vibe Usage 看用户数据增加了一点认知，我之前一直以为大家喜欢 CLI + Web 多一些，现在发现大家其实更喜欢 App，几次线下活动和数据看，原来大家用 App 的最开心，而且问题最多，反馈最多！
→ 看来接下来要持续优化一下
A Field Guide to Fable: Finding Your Unknowns
Working with Claude Fable 5 一直在提醒我一个老道理：地图不是领土。提示词、技能和上下文是我给 Claude 的「地图」，而真正的代码库和现实约束才是「领土」。中间的差距就是各种未知。Fable 是第一个让我觉得，工作质量主要卡在自己能不能把未知说清楚的模型。
我把未知分成四类：
- Known Knowns：已经写在提示里的
- Known Unknowns：我知道自己还没想清楚的
- Unknown Knowns：太明显所以没写，但看到就知道对不对
- Unknown Unknowns：完全没想到的盲区
最好的 agentic coder 不是提示写得最细，而是已知自己的未知比较少，并且擅长提前把它们挖出来。
我把发现未知的做法按阶段整理了一下：
实施前
最划算的阶段。可以用 Blind Spot Pass 让 Claude 直接帮我扫 unknown unknowns；或者先 brainstorm + 做 HTML 原型，把 unknown knowns 说清楚；还可以让它 interview 我，或者给它 reference 代码让它学具体实现方式。最后再让它出一份 implementation plan，重点突出最可能需要调整的部分。
实施中
不管计划多仔细，未知还是会冒出来。我会让 Claude 维护一个临时的 implementation-notes.md，把因为 edge case 做出的偏差记录下来，方便后面迭代。
实施后
做 pitches 和 explainers 方便别人快速理解；最后让 Claude 给我出一套 quiz，我必须全对才合并代码，确保自己真的懂了这次改动。
整套流程我在做 Fable 发布视频的时候完整用过一次（我自己完全不熟悉视频领域），从 transcription、Remotion 到 color grading，一步步把未知挖出来，最后才做出成品。
模型越强，你就越是瓶颈。提前花点时间把地图和领土对齐，比后期发现问题再返工划算得多。
Thariq (@trq212) on X
Unofficial native Apple TV, iPad, and iPhone app that turns your Immich library into a living-room slideshow, with album/person filters and PIN-protected controls.
在上一个窗口重置的瞬间,立即启动下一个 Claude Code / Codex 限额窗口。
Claude Code、Codex 的订阅限额按 5 小时滚动窗口(外加周限额)计算。新的 5h 窗口
不会因为上一个窗口重置就自动开始,而是从你下一次真正发起计费请求时才开始。如果你隔了
几个小时才再次使用,这段空档就被浪费了,窗口节奏也会越拖越偏。
limitping 会读取每个 Provider 的重置时间,并在窗口翻篇后通过官方 CLI 发一条极小请求。
你可以手动 ping 一次,也可以让 watch 前台守护,或者用 bg start 脱离终端在后台常驻。
哈喽 👋 你有想要自言自语的时刻么？不管是散步时，通勤时，或者任何脑中有话想说的时候？ 试试 Yuho，用耳机或者蓝牙麦克风，对着它随时随地记录，然后未来像播客一样回听，同时记录了你的轨迹，当时拍的照片。AI 在后台自动帮你提取人物，事件，地点，主题，所有的数据只数据你自己。来试试吧？
🔗 https://apps.apple.com/cn/app/yuho-long-voice-journal/id6759682830
已交付｜Vibe Usage 招募 Windows 版本开发
想要参考 Mac App 做一个 Windows 版本（用户反馈），看看有没有人想要做
合作要求
- 价格：¥500
- 交付周期：1周
- 要求：开发完成后也要完全开源
目前 Vibe Usage 有 2 个核心开源库，可以参考：
VibeCafé 更新｜增加「话题」
话题分两种：社区话题 & 作品话题
社区话题
- 它干我聊：就是 AI、Agent 干活的时候，可以来“闲聊”一下，也就是闲聊吹水的地方
- 资源共享：新模型发布试用、Token 折扣资源、各种技术资源分享，互帮互助
- 获客开单：获客成功，增长有妙招，或者真的开单来庆祝一下！
- FOMO：偶尔传递下 FOMO 焦虑，一些令人关注的咨询信息等
- 工作机会：工作机会、短期项目、FDE、有个小想法想让别人帮你做下等
作品话题
- 每个作品都有一个话题区
- 你可以自己做的产品的更新
- 或者是对这个作品有建议、评价与反馈
欢迎大家使用并给出建议
作品介绍｜GitHub - chentao4183/StepMark: Windows 桌面截图批注工具，对标 Snipaste。核心特性：智能标注工具 —— 一步生成「红框 + 箭头 + 文字标签」组合。基于 Tauri 2 + React + Konva.js。
Windows 桌面截图批注工具，对标 Snipaste。核心特性：智能标注工具 —— 一步生成「红框 + 箭头 + 文字标签」组合。基于 Tauri 2 + React + Konva.js。 -
GitHub - chentao4183/StepMark: Windows 桌面截图批注工具，对标 Snipaste。核心特性：智能标注工具 —— 一步生成「红框 + 箭头 + 文字标签」组合。基于 Tauri 2 + React + Konva.js。 · Vibe 作品
作品介绍｜pdfmuse
Deterministic PDF/DOCX parser for RAG/LLMs — Rust core with byte-identical Python/Node/WASM bindings
pdfmuse · Vibe 作品
作品介绍｜自然拼读树 - Phonics Tree
系统化学习英系自然拼读（Synthetic Phonics），从音素到拼读规则，帮助学习者提升英语阅读与发音能力。
自然拼读树 - Phonics Tree · Vibe 作品
我 chovy，给 openclaw 提的 pr 被合并了，咱也算是为人类最多star开源项目做过贡献了吧🎉 https://github.com/openclaw/openclaw/pull/90517#event-27417133330
分享对 OpenAI GPT-5.6 Sol / Terra / Luna 解读
AI 模型竞争正在从“更聪明”转向“能长期干活”。
GPT-5.6 的关键不在单点能力，而在产品形态变化：
数字表代际，Sol/Terra/Luna 表能力档位
max/Ultra 双推理模式
显式 prompt caching
分层安全防护
前沿模型正在从“回答器”变成新的计算资源，需要路由、缓存、权限、队列、监控、审计等系统化能力。
三模型家族
Sol：旗舰模型，面向复杂推理、代码、Agent、网络安全和生物工作流
Terra：平衡模型，性能对标 GPT-5.5、成本砍半，面向日常高频工作
Luna：高速低成本模型，面向大量、快速、标准化任务
这套结构说明：未来 AI 系统的能力，不只来自单个模型有多强，而来自模型分层 + 推理模式 + 工具调用 + Agent 编排 + 安全系统的组合能力。
max / Ultra：旗舰模型开始像任务调度核心
max：给模型更多推理时间，用在更深、更复杂的问题上
Ultra（更值得关注）：不再只是“让一个模型多想一会儿”，而是调用多个子 Agent 协同处理复杂工作
旗舰模型的角色正在变化：从“用户输入问题 → 模型输出答案”变成“理解任务 → 拆解步骤 → 分配子任务 → 调用工具 → 检查结果 → 收敛答案”
长任务才是真正的难点
过去大模型的核心竞争指标是：谁回答更准？谁知识更多？谁幻觉更少？
但 GPT-5.6 Sol 的目标场景放在long-horizon agentic tasks——不是让模型回答一个问题，而是让模型持续完成一件复杂工作。
真正难的是过程：模型要记住目标、维护上下文、使用工具、识别错误、修复失败、避免越改越偏。
代码能力正在从“写函数”进入“改系统”
Terminal-Bench 2.1 这类评测和传统代码题不一样。真实工程问题往往不是“不会写一段代码”，而是：
不知道哪个文件该改
不知道为什么测试失败
不知道改动会不会破坏已有逻辑
不知道异常来自业务逻辑、环境配置还是依赖版本
GPT-5.6 的代码能力升级，更准确的理解是：它在向“能接手更长链路的软件工程任务”靠近。
安全分层成为核心卖点
越强的模型越容易进入双用途区域——既能帮助防守方，也可能被攻击者利用。
OpenAI 的思路是分层控制：
模型自身拒绝明显恶意请求
运行时对输出进行额外监控
账号级和行为级信号参与风险判断
高敏感能力做差异化访问
部署期间持续红队和修复
前沿模型正在进入“准基础设施”阶段
GPT-5.6 应美国政府要求限量预览，仅向少量经审核的可信合作方开放。
最强模型会不会越来越难被普通开发者第一时间使用？能力可能会进一步集中——大公司、政府、军工、头部实验室更早拿到能力，普通开发者和中小企业只能等后续开放。
对普通开发者真正重要的三件事
第一，AI 应用要开始做模型路由。 不要所有任务都调用最强模型。
第二，Agent 不再只是聊天套壳。 真正的 Agent 要能处理长任务、拆解步骤、调用工具、验证结果、失败重试。
第三，安全和权限会成为产品架构的一部分。 涉及代码执行、文件系统、网络请求、自动化运维的 AI 产品，都需要权限、沙箱、审计、回滚。
一句话总结
不要再只把大模型当成一个更聪明的 Chat API。要把它当成一种新的计算资源。
它需要路由、缓存、权限、队列、监控、评估、降级、审计和安全边界。
谁先用工程化方式理解这一点，谁就更接近下一代 AI 产品的真实入口。