豆包语音说话时静音
刚用 Karabiner 做了个脚本，启动豆包语音时系统自动静音，按 Fn 或任何按键时，取消静音（免按模式 Fn）。这个功能对我非常重要，否则播放音乐或媒体声音时说话都会录入系统声音。
Typeless 已经实现这个功能。目前我双持豆包语音和 Typeless，主要 Typeless 翻译按钮好用，Fn 和旁边按键两种语音输入随时切换。（脚本放评论）
相关链接：
豆包输入法单击 Fn 触发（豆包已经优化）
#tools
刚用 Karabiner 做了个脚本，启动豆包语音时系统自动静音，按 Fn 或任何按键时，取消静音（免按模式 Fn）。这个功能对我非常重要，否则播放音乐或媒体声音时说话都会录入系统声音。
Typeless 已经实现这个功能。目前我双持豆包语音和 Typeless，主要 Typeless 翻译按钮好用，Fn 和旁边按键两种语音输入随时切换。（脚本放评论）
相关链接：
豆包输入法单击 Fn 触发（豆包已经优化）
#tools
❤2👏1
Computer Use，我为什么不只用 Codex
Codex Computer Use 仍然非常好用，把视觉识别、模拟点击、后台运行和跨 App 操作放进同一个 Agent 环境，随时拉起各种弱接口界面，是我自动化模块的重要部分。它现在问题是重启或长会话后授权失效，无法跨平台和模型使用。
所以我双持 Cua / Cua Driver：作为 Codex Computer Use 重要补位，Cua 具备极强的通用性和底层能力，是开源的 Computer Use 基础设施，它同样可以在后台操作本地应用，不抢前台焦点。Codex 无法使用和处理时，我会规定自动化模块让 Cua 接手，随时跨模型调用， 适配 MacOS/ Windows/ Linux 多端。
另外 Pi Computer Use 是 Pi Agent 的开源插件工具，也可以留意关注。Computer Use 算我自动化模块的保底层，类似过去 Keyboard Maesto/ Quicker 的识图功能，智能需要多模态。
相关链接
1. Cua
2. Pi Computer Use
3. 赞美 Codex：Codex Computer Use 杀死比赛
4. 从 Keyboard Maestro 到系统级跨 App 自动化
5. Codex Chronicle 与 Computer Use Combo
#ComputerUse #Agents
Codex Computer Use 仍然非常好用，把视觉识别、模拟点击、后台运行和跨 App 操作放进同一个 Agent 环境，随时拉起各种弱接口界面，是我自动化模块的重要部分。它现在问题是重启或长会话后授权失效，无法跨平台和模型使用。
所以我双持 Cua / Cua Driver：作为 Codex Computer Use 重要补位，Cua 具备极强的通用性和底层能力，是开源的 Computer Use 基础设施，它同样可以在后台操作本地应用，不抢前台焦点。Codex 无法使用和处理时，我会规定自动化模块让 Cua 接手，随时跨模型调用， 适配 MacOS/ Windows/ Linux 多端。
另外 Pi Computer Use 是 Pi Agent 的开源插件工具，也可以留意关注。Computer Use 算我自动化模块的保底层，类似过去 Keyboard Maesto/ Quicker 的识图功能，智能需要多模态。
相关链接
1. Cua
2. Pi Computer Use
3. 赞美 Codex：Codex Computer Use 杀死比赛
4. 从 Keyboard Maestro 到系统级跨 App 自动化
5. Codex Chronicle 与 Computer Use Combo
#ComputerUse #Agents
GitHub
GitHub - trycua/cua: Scale computer-use 2.0 with open-source drivers, cross-OS sandboxes, and benchmarks for training, evaluation…
Scale computer-use 2.0 with open-source drivers, cross-OS sandboxes, and benchmarks for training, evaluation, and data generation. - trycua/cua
👍7❤1❤🔥1
Linear Loops/ Multica Autopilot
Linear 最近新出的 Loops 基本类似 Multica Autopilot，围绕事件/ 时间触发 Agent，循迹预设 Instructions 自动拉起和持续处理工作。
Loops 是 Linear 的软件内功能，主要围绕应用内 Issue/ Project 以及各种 MCP 接口处理；Multica Autopilot 可以通过本地 daemon 拉起 Codex/ Claude Code/ Pi 等进行更完整的 Agents 和 Skills 环境工作。
目前我正在尝试将 Linear 和 Multica 完全联动使用。Linear 幻神级应用不用多说，Multica 更像所有完整生产线的部署场景，异星工厂。现在各种 API 自动化任务打通也非常方便，Linear 作为完整的上下文和 Dashboard，Multica 自动读写、执行以及回写状态。非常舒服的 Combo。
相关链接
1. Linear Loops
2. Multica Autopilots
#Agents #Automation
Linear 最近新出的 Loops 基本类似 Multica Autopilot，围绕事件/ 时间触发 Agent，循迹预设 Instructions 自动拉起和持续处理工作。
Loops 是 Linear 的软件内功能，主要围绕应用内 Issue/ Project 以及各种 MCP 接口处理；Multica Autopilot 可以通过本地 daemon 拉起 Codex/ Claude Code/ Pi 等进行更完整的 Agents 和 Skills 环境工作。
目前我正在尝试将 Linear 和 Multica 完全联动使用。Linear 幻神级应用不用多说，Multica 更像所有完整生产线的部署场景，异星工厂。现在各种 API 自动化任务打通也非常方便，Linear 作为完整的上下文和 Dashboard，Multica 自动读写、执行以及回写状态。非常舒服的 Combo。
相关链接
1. Linear Loops
2. Multica Autopilots
#Agents #Automation
linear.app
Loops – Linear Docs
This guide is intended to give you an overview of Linear's features, discover their flexibility, and provide tips for how to use Linear to improve the speed, value, and joy of your work.
❤6👍2
快乐的层次
第三层身体建造，健身和形态变化让我的身体、大脑和精神得到真实且宁静的快感；第二层意识建造，产出、代码和写作都属于意识凝结和建造，不过写作让我感到更加可塑、和谐，更贴近这种建造本身；第一层底模建造，无论是知识生产模型、社会理论模型还是更底层的世界框架，亦或纯粹的快乐科学，这种高于身体和意识的模型抽象毫无疑问地产出最大阈值快乐。
纯粹的生产性耗费快乐，热量、算力和熵值。
#thoughts
第三层身体建造，健身和形态变化让我的身体、大脑和精神得到真实且宁静的快感；第二层意识建造，产出、代码和写作都属于意识凝结和建造，不过写作让我感到更加可塑、和谐，更贴近这种建造本身；第一层底模建造，无论是知识生产模型、社会理论模型还是更底层的世界框架，亦或纯粹的快乐科学，这种高于身体和意识的模型抽象毫无疑问地产出最大阈值快乐。
纯粹的生产性耗费快乐，热量、算力和熵值。
#thoughts
👍7
Otty + Tmux，新壳子新玩具
从 iTerm2 + Tmux 换到了 Otty + Tmux，最近主要用 Otty 这个终端 ADE 工具，Typora 团队 Appmakes 出品，UI 舒服、细节成熟、编辑体验甚佳，极度舒适。
Otty 比较人性化的功能就是编辑框 Composer，Cmd+Shift+E Call 出纯文本编辑框，可以固定嵌入也可以单独悬浮（类似以前 iTerm 做的弹窗脚本）。Typora 这种注重格式编辑体验的团队出品，必然对编辑以及 UI 有极大的优化。这也是我比较喜欢 Otty 的原因。
其它细节比如非常完整的 UI 风格定义； Hover 顶部标题以及侧边栏筛选；Tab 3 种呈现形式以及右侧边栏的文件夹拖动成路径对话，Agents 运行和进度提示，都非常友好。Tmux 复用器随便换壳子，现在搭配 Otty 壳子，加 Multica 前台，极度舒适。
Typora，Craft Agents 还有 Linear，这些拥有设计风格/哲学的团队确实得关注和学。毕竟好软件首先也是好的设计产品。
相关链接
1. Otty 官网
2. Tmux
3. Cmux
4. Tmux + iTerm2
#tools #agents
从 iTerm2 + Tmux 换到了 Otty + Tmux，最近主要用 Otty 这个终端 ADE 工具，Typora 团队 Appmakes 出品，UI 舒服、细节成熟、编辑体验甚佳，极度舒适。
Otty 比较人性化的功能就是编辑框 Composer，Cmd+Shift+E Call 出纯文本编辑框，可以固定嵌入也可以单独悬浮（类似以前 iTerm 做的弹窗脚本）。Typora 这种注重格式编辑体验的团队出品，必然对编辑以及 UI 有极大的优化。这也是我比较喜欢 Otty 的原因。
其它细节比如非常完整的 UI 风格定义； Hover 顶部标题以及侧边栏筛选；Tab 3 种呈现形式以及右侧边栏的文件夹拖动成路径对话，Agents 运行和进度提示，都非常友好。Tmux 复用器随便换壳子，现在搭配 Otty 壳子，加 Multica 前台，极度舒适。
Typora，Craft Agents 还有 Linear，这些拥有设计风格/哲学的团队确实得关注和学。毕竟好软件首先也是好的设计产品。
相关链接
1. Otty 官网
2. Tmux
3. Cmux
4. Tmux + iTerm2
#tools #agents
🔥6❤1
https://github.com/l0ng-ai/tty7
叛变了。最近爽用 tty7，真正原生面向 Agents 的壳子。
非常重要的 2 点优势：Cover Tmux 级别的后台复用和恢复，客户端关闭后进程继续；速度非常快。Fork pane 舒服。非常友好。
#agents #tools
叛变了。最近爽用 tty7，真正原生面向 Agents 的壳子。
非常重要的 2 点优势：Cover Tmux 级别的后台复用和恢复，客户端关闭后进程继续；速度非常快。Fork pane 舒服。非常友好。
#agents #tools
👍14
Nautilus Log丨我目前最满意的时间管理工具
https://github.com/404KSG/roam-nautilus-log
今天是我近几年第一次将计划的所有任务完成，我获得了足够的快感。我使用我在 Roam Research 再次开发的工具 Nautilus Log 来完成，自带最优秀的时间管理模型，它像思维工具，小众但非常有效。（已经上到 Roam Depot）
Nautilus（鹦鹉螺）由捷克作家 Tomáš Baránek 创作。其设计理念：读取事先规定的固定事件和任务预计时间来绘制，任务按列表顺序和预计时长自动填入时间空档。随着当前时间指针后推，所有任务自动后退，如遇到固定事件放不下则会跳到下个空闲时段，其它能放下的自动前补位。这种简单且智能的操作不需要 AI 算法。
Nautilus 时间和任务交互的爆发力在于：它给每份时间安排了工作，就像 YNAB 给每份钱安排了事项，这能足够丰盈地安排和处理任何事情，就像耗费你的预算一样从容。更重要的，随着时间推进，所有可执行的任务自动拉到你的时间线面前，你不用顾虑当前是否能做、其它事项插入打乱节奏，所有任务在分配预算后，都会在这个螺旋时间切片内找到位置，供你消杀。
我在原插件 Nautilus 上做了彻底优化和重构，UI 兼容、数据显示，番茄钟以及增强 Org mode Logbook 的时间真实记录作为 Advanced Feature 呈现。Nautilus 是预计时间的 Time Blocking 弹性推演，Logbook 是实际时间记录更严厉的实证。这两个可以并存以及独立使用。这里突出的哲学：时间是真实的河流，更重要是对时间的理解、规划和从容掌控。
YNAB 是 Give every dollar a job；Nautilus Log 是 Give every minute a job，这是既 Roam、Linear、YNAB、RemNote 之后，我的又一领域被模型化实践。我的 Obsidian Agents 内容已经达到和谐后自然生长， 现在我用 Roam Reaserch 反而更加多，也愈发从容，就像在感受我大脑的呼吸。
#tools #productivity
https://github.com/404KSG/roam-nautilus-log
今天是我近几年第一次将计划的所有任务完成，我获得了足够的快感。我使用我在 Roam Research 再次开发的工具 Nautilus Log 来完成，自带最优秀的时间管理模型，它像思维工具，小众但非常有效。（已经上到 Roam Depot）
Nautilus（鹦鹉螺）由捷克作家 Tomáš Baránek 创作。其设计理念：读取事先规定的固定事件和任务预计时间来绘制，任务按列表顺序和预计时长自动填入时间空档。随着当前时间指针后推，所有任务自动后退，如遇到固定事件放不下则会跳到下个空闲时段，其它能放下的自动前补位。这种简单且智能的操作不需要 AI 算法。
Nautilus 时间和任务交互的爆发力在于：它给每份时间安排了工作，就像 YNAB 给每份钱安排了事项，这能足够丰盈地安排和处理任何事情，就像耗费你的预算一样从容。更重要的，随着时间推进，所有可执行的任务自动拉到你的时间线面前，你不用顾虑当前是否能做、其它事项插入打乱节奏，所有任务在分配预算后，都会在这个螺旋时间切片内找到位置，供你消杀。
我在原插件 Nautilus 上做了彻底优化和重构，UI 兼容、数据显示，番茄钟以及增强 Org mode Logbook 的时间真实记录作为 Advanced Feature 呈现。Nautilus 是预计时间的 Time Blocking 弹性推演，Logbook 是实际时间记录更严厉的实证。这两个可以并存以及独立使用。这里突出的哲学：时间是真实的河流，更重要是对时间的理解、规划和从容掌控。
YNAB 是 Give every dollar a job；Nautilus Log 是 Give every minute a job，这是既 Roam、Linear、YNAB、RemNote 之后，我的又一领域被模型化实践。我的 Obsidian Agents 内容已经达到和谐后自然生长， 现在我用 Roam Reaserch 反而更加多，也愈发从容，就像在感受我大脑的呼吸。
#tools #productivity
❤🔥16
[[Nautilus Log]] 的魔法在于当你做事越多越快，你会发现空余时间也越来越多。时间消耗越多，消耗越少。认知负荷和执行力的博弈，完美的时间幻觉机器。
对金钱、时间以及 Token 的计量消费和把握拥有最大的耗费快感。
#time
对金钱、时间以及 Token 的计量消费和把握拥有最大的耗费快感。
#time
❤6
Datawhale
https://github.com/datawhalechina
一个国内的开源 AI 学习社区，里面有从机器学习基础到 LLM、Agent 的大量教程和项目。
最近 Paul Graham 也说，如果自己 17 岁，会从零开始学习构建 LLM 训练顶级模型，而非创业。
相关链接
1. Paul Graham refs
#Learning #Agents
https://github.com/datawhalechina
一个国内的开源 AI 学习社区，里面有从机器学习基础到 LLM、Agent 的大量教程和项目。
最近 Paul Graham 也说，如果自己 17 岁，会从零开始学习构建 LLM 训练顶级模型，而非创业。
相关链接
1. Paul Graham refs
#Learning #Agents
GitHub
Datawhale
for the learner，和学习者一起成长. Datawhale has 225 repositories available. Follow their code on GitHub.
❤5
https://x.com/naval/status/2091369804795916779
The people who want to censor (code, speech, money) are the bad guys. #quotes
The people who want to censor (code, speech, money) are the bad guys. #quotes
💅6
Orca丨把项目拉起来的 Agents IDE
https://www.onorca.dev/
Orca 是款以项目为主的 Agent IDE，它把 Codex/ Claude Code/ OpenCode 等 CLI Agent 放进独立的 Worktree，同时能拉起终端、编辑器、Diff、Git 状态和浏览器，UI 也非常成熟，已有移动端。
我比较喜欢的还是它与 Linear 联动。Linear Issues 可以直接建立并绑定 Worktree，Agent 也能直接读写任务，图片和评论可以进入 Agent 上下文。我前面想把任务管理 All in Linear，但现在已经由 Roam [[Nautilus Log]] 分担了重要部分。Linear 主要追踪项目、特定线程和面板，或者说 Linear 会是我的 Agents 任务派发面板，连接像 Orca/ Multica 这些 Agents 自动化任务领取。
总得来说 Orca 非常成熟、优秀，但有点过重。目前我用的 Chat 窗口有 Codex App、Bot 协作会话有 Raft/ Multica、Code 终端有 Tty7，任务管理由 [[Nautilus Log]] 统一派发、记录。基本拉起我所有的 Agents 流程。新工具都得试，现代 Agents 生产力的工具栈是可组合性、可插拔的，All in 不再合适宜。
#tools #agents
https://www.onorca.dev/
Orca 是款以项目为主的 Agent IDE，它把 Codex/ Claude Code/ OpenCode 等 CLI Agent 放进独立的 Worktree，同时能拉起终端、编辑器、Diff、Git 状态和浏览器，UI 也非常成熟，已有移动端。
我比较喜欢的还是它与 Linear 联动。Linear Issues 可以直接建立并绑定 Worktree，Agent 也能直接读写任务，图片和评论可以进入 Agent 上下文。我前面想把任务管理 All in Linear，但现在已经由 Roam [[Nautilus Log]] 分担了重要部分。Linear 主要追踪项目、特定线程和面板，或者说 Linear 会是我的 Agents 任务派发面板，连接像 Orca/ Multica 这些 Agents 自动化任务领取。
总得来说 Orca 非常成熟、优秀，但有点过重。目前我用的 Chat 窗口有 Codex App、Bot 协作会话有 Raft/ Multica、Code 终端有 Tty7，任务管理由 [[Nautilus Log]] 统一派发、记录。基本拉起我所有的 Agents 流程。新工具都得试，现代 Agents 生产力的工具栈是可组合性、可插拔的，All in 不再合适宜。
#tools #agents
👍2❤1
任务飞轮
这是最近 3 天的工作日志（图 1），这 3 天我都将计划全部从容完成，我的身体、学习和工作。还是那句话，所有都是可塑、可设计的，只需要一个意念或者模型。
基本很少想到休息，也足够轻松。这都是写给 Agents 的日志和内容，我发现前期将所有 Plan 规划写好，让 Agents 调用 Subagents 和不同模型来决策、执行，效率极高，效果也好。给 Agents 的 /goal 不重要，前期的规划、细节和约束推进方式才是重点。我使用 Keyboard Maestro 一键发给终端，纯跳转处理。
这个日志也让我在多任务线程里游刃有余，只要目前任务派发完并且已在运行，我继续分配下个任务。所以基本没有闲暇等输出时间。建立任务要足够细和具体、这是 Nautilus Log 时间任务管理的核心，好处是几个同类具体任务可以直接派发给主 Agents 然后分子代理去处理。所以效率是倍增的。当你启动了多个任务，真正就是享受飞轮。
过去有段时间，我纯用 Agents 终端执行、Obsidan Wiki 知识记录、Linear 任务管理 3 点 1 线（如图绿色 OB 热力图增长，Roam 热力图消散），想打理我所有一切。那段时间 AI 化非常高，但是真正对我自己以及对我的工作感知很低，我就像湿件（wetware）做着运维，甚至一段时间会为我少用 Roam 感到惋惜。
现在重新回到 Roam，就像重新感受到思维的呼吸。无论是记忆调用还是交互方式，TfT 确实已经解决了 LLMs 的大部分问题，也解决了我自己的问题。
#thoughts
这是最近 3 天的工作日志（图 1），这 3 天我都将计划全部从容完成，我的身体、学习和工作。还是那句话，所有都是可塑、可设计的，只需要一个意念或者模型。
基本很少想到休息，也足够轻松。这都是写给 Agents 的日志和内容，我发现前期将所有 Plan 规划写好，让 Agents 调用 Subagents 和不同模型来决策、执行，效率极高，效果也好。给 Agents 的 /goal 不重要，前期的规划、细节和约束推进方式才是重点。我使用 Keyboard Maestro 一键发给终端，纯跳转处理。
这个日志也让我在多任务线程里游刃有余，只要目前任务派发完并且已在运行，我继续分配下个任务。所以基本没有闲暇等输出时间。建立任务要足够细和具体、这是 Nautilus Log 时间任务管理的核心，好处是几个同类具体任务可以直接派发给主 Agents 然后分子代理去处理。所以效率是倍增的。当你启动了多个任务，真正就是享受飞轮。
过去有段时间，我纯用 Agents 终端执行、Obsidan Wiki 知识记录、Linear 任务管理 3 点 1 线（如图绿色 OB 热力图增长，Roam 热力图消散），想打理我所有一切。那段时间 AI 化非常高，但是真正对我自己以及对我的工作感知很低，我就像湿件（wetware）做着运维，甚至一段时间会为我少用 Roam 感到惋惜。
现在重新回到 Roam，就像重新感受到思维的呼吸。无论是记忆调用还是交互方式，TfT 确实已经解决了 LLMs 的大部分问题，也解决了我自己的问题。
#thoughts
👍5❤1❤🔥1
预设提示词面板
最近越来越发现有些提示词口述重复率越来越高，很多关键句子会让 AI 的输出带来质的变化，这也是为啥很多优秀 Skills 有效或者质变部分就是那 1-2 句提示词。
比如我经常复用的口述约束词，使用 Luna Max 模型子代理来并行处理；将可复用的知识和案例写入 Wiki 这些。前者可以内置为系统提示词，但是会显得不够灵活，后者我也尝试过做成 MCP 让它自主调用，但是会让输出过于笨重和缓慢。这些都是一句话的事情，作为可以随时粘贴的 Snippet 刚好合适。
我主要对比了 Keyborard Maestro 和 Raycast，最后用 Raycast 做的本地 Prompt Launcher：快捷键直接打开面板，可以随时直接粘贴、也可以叠加 Modifier 填充文本，挺方便。（也比较推荐输入法预设模板）
#Tools #Prompt
最近越来越发现有些提示词口述重复率越来越高，很多关键句子会让 AI 的输出带来质的变化，这也是为啥很多优秀 Skills 有效或者质变部分就是那 1-2 句提示词。
比如我经常复用的口述约束词，使用 Luna Max 模型子代理来并行处理；将可复用的知识和案例写入 Wiki 这些。前者可以内置为系统提示词，但是会显得不够灵活，后者我也尝试过做成 MCP 让它自主调用，但是会让输出过于笨重和缓慢。这些都是一句话的事情，作为可以随时粘贴的 Snippet 刚好合适。
我主要对比了 Keyborard Maestro 和 Raycast，最后用 Raycast 做的本地 Prompt Launcher：快捷键直接打开面板，可以随时直接粘贴、也可以叠加 Modifier 填充文本，挺方便。（也比较推荐输入法预设模板）
#Tools #Prompt
🎉4