edge-tts-podcast: From search to script to audio, fully automated
以下内容包含AIGC
一年前 fork 并魔改了一个开源项目 edgetts-cloudflare-workers-webui，微软还是太善了，让我们零成本的调用 TTS 服务。最近萌生一个想法：vibe-code 一个专门用于制作双人播客音频的全栈项目，让 AI 负责写稿、人工修订、工程负责调用 Edge TTS 接口，实现文字转语音、合并不同发言人的音频碎片，最终得到完整播客。
wxocr: Vibe Coding with Claude Code
以下内容包含AIGC
一年多以前在 V2EX 看到帖子，有网友把 Linux 版微信的离线 OCR 引擎提取出来，做成了可以 API 调用的服务，这个 OCR 引擎可以输出每个文本块的top bottom left right text rate（置信度）属性。当时我用 Copilot 搓了一个网页，在图片上叠加色块来对比查看 OCR 识别结果，验证了识别率确实不错。
一年后，Claude Code 成为开发人员的标配，我不太会写 Python，但我能描述清楚自己要什么，能测出哪里有问题，能把现象说明白。于是花了一天半的时间，和 Claude 一起把这个想法做成了一个完整的项目：支持图片和 PDF 的 OCR 识别、Web 界面可视化对比、人工修订 OCR 结果、一键嵌入生成可检索的 PDF，还有水印去除、图片纠偏等功能。
Lost and Found in Beidaihe
以下内容经过AI润色
在北戴河度假的第一天，我把眼镜掉进了渤海。
事情发生在酒店专属海滩，距离岸边大概15米的位置。游泳时忘记摘眼镜，一个浪打过来，视野变了，我愣了几秒，发现眼镜没了，等反应过来想去捞，已经晚了——渤海的海水浑浊，泥沙翻滚，能见度接近20cm。
web-search-proxy: A lightweight search & fetch proxy
以下内容包含AIGC
我工作的地方有一批外包同事，开发环境是内网虚拟机，完全隔离外网。出于数据安全考虑（防止代码库和文档外发），这个设定本身没什么问题，但带来了一个很现实的摩擦：他们没法上网。
查个库的最新版本，翻翻 changelog，确认一个 API 的用法——这些事情需要在外网电脑查完，再手动粘贴到虚拟机里。每天重复，很烦。
Open Design: The open-source Claude Design alternative
以下内容包含AIGC
最近试了一个开源工具 Open Design，本地优先，支持 BYOK，可以理解为 Claude Design 的对标产品和开源平替。
用法很直接：接入模型API后，在聊天框描述你想要的界面，右侧大面积区域就是画布，实时预览效果和源码，所见即所得。每次修改都保留历史版本，可以随时回退对比。
Epoch: Where conversations become interfaces.
以下内容包含AIGC
有点讽刺，一直以来我都坚持用 Vue 做前端开发，偶尔玩过 Svelte（还是 v3 的时代，2022 年前后，现在都 v5 了）。对 React 的 JSX 语法一直挺反感的，总觉得是反模式 —— 把 HTML 写在 JS 里，这不是倒退吗？
但最近 fork 了一个项目 Epoch，虽然是 React 写的，我却特别喜欢它的想法：把 LLM 的文字回答转化成可交互的界面。传统的 AI 对话就是一问一答的文字流，而 Epoch 让 AI 直接生成图表、卡片、表单、画廊这些可点击、可操作的组件，对话变成了真正的”界面”。
为你的AI助理定制专属的“AI人格”。
在OpenClaw卸载潮来临之前蹭一波热度…
部署OpenClaw之后首次和它打招呼，会触发“唤醒/Bootstrap”流程，它会询问你：想要怎么称呼它，有什么偏好之类的问题。这之后Agent会在工作区自动生成SOUL.md IDENTITY.md AGENTS.md USER.md等文件。这些md格式的“设定文件”会被按需拼合，伴随你的每一次会话发送给LLM。
但说实话，这个唤醒流程得到的SOUL.md比较平庸，或者说：它的水准上限取决于你对期望描述的清晰度。我唤醒自己的Bot时没有明确需求，所以直接把之前打磨得到的“Vera - 智识助手”的角色提示词一股脑喂给了它。它也几乎原样照搬到自己的SOUL.md里面。
当你有明确用途而搭建这个Agent时，与其让这些Workspace Markdown文件日积月累的野蛮生长，不如从一开始就打好地基，想让它成为什么就尽早向它系统性的灌输。