文件不上传Files never uploaded
平面与美陈设计师
工作室和工具箱
Graphic & display designer
Studio and toolbox
聊聊项目Let's talk
每日简报Daily brief · · 4 min

点控件不看图

日榜前排仍是审码与审计技能,新进是按控件索引点页面的浏览器 Agent,以及把音视频成片接到现有 Harness 的插件。

开源AIGitHub设计

核心推荐Top picks5

4.7k4.7k

browser-use/jev-ultrafast

Browser Use 开源的浏览器 Agent:每观察一次页面就生成带编号的控件表,TypeSafe 的 Jev 一次请求同时选出操作和目标,只有 TYPE_TEXT 才叫小模型写字。痛点是多数浏览器 Agent 先截图再让视觉模型吐坐标或选择器,一步一等、还容易点到被挡住的控件;它默认循环不看截图,执行前复核页面新鲜度和遮挡,模型输出也不会变成选择器、坐标或可执行 JS。差异化是同一策略可换任务,官方 Google Flights 演示含加载等待共 7.073 秒,六次交替对照中位耗时从 9.450 秒降到 7.092 秒、协议调用从 1092 次降到 101 次,仓库写明这不是普遍可靠性评测。协议 MIT。Shadow DOM、画布、上传和弹窗仍在 MVP 之外。走查表单或组件站可先 uv sync,打开本机 8766 检查器逐步点下一步。

git clone https://github.com/browser-use/jev-ultrafast.git && cd jev-ultrafast && uv sync

测量:performance.md

2.9k2.9k

QwenLM/Qwen-MM-Plugins

千问开源的多模态插件集,把 Skill 和可选 MCP 按能力拆开发给 Claude Code、Codex、Gemini CLI 等现有 Harness,口号是让任意助手原生读图、视频和文件。痛点是成片、转写和 3D 走查每次都要另开一套专用客户端,主模型只能靠临时 shell 传媒体;core 在本地读图帧和文档、默认可无钥匙,Omni 系列另有 omni-chatcut / video2note / skill-creator,VL 系列带 video-edit、Blender 和 FreeCAD。差异化是正式能力用不可变 tag,安装器写入 ~/.qwen-mm-plugins/config,可按能力回滚。协议 Apache-2.0。今日随 Qwen3.8-Omni-Flash 一起被官方点名,Qwen-Live Harness 仍写 coming soon。设计成片可先只装 core 与 omni-chatcut,不要一上来全开云端剪辑。

curl -fsSL https://raw.githubusercontent.com/QwenLM/Qwen-MM-Plugins/main/install.sh | bash

Hub:qwen-mm-plugins-hub

2.2k2.2k

NVlabs/SoL-Pi

NVIDIA 开源的 Pi 编码 Agent 扩展,把自动研究循环里留下的四条效率机制做成可开关插件:同一次工具调用里合并编辑与校验、把重复大段观察收成可分页句柄、只在引文对得上原文时压缩日志,以及在经济阈值满足时触发 Pi 原生平铺。痛点是长会话把校验命令、整段日志和已完成步骤反复送回模型,token 涨了工作量却没涨;它不改 Pi 源码,缺配置则全部关闭,原观察仍留在本机会话目录。差异化是远程日志压缩要另开,并走 Pi 自己的鉴权。协议 MIT,要求 Pi 0.85.1 与 Node 22.19+。前端和设计系统仓库可先只开 actionFusion 与 observationPack,读完 SECURITY.md 再考虑远程压缩。

npm install --global @earendil-works/pi-coding-agent@0.85.1 && pi install git:github.com/NVlabs/SoL-Pi

论文:arXiv 2609.20519

1.3k1.3k

yyjeqhc/webcodex

用 Rust 写的本机开发桥:让 ChatGPT、Claude 等云端 Agent 在你已有的仓库和工具链上改代码、跑测试和查 Git,而不把项目搬进托管工作区。痛点是云端编码助手只能看到上传后的快照,本机格式化、编译器和设计系统脚本都用不上;它拆成 Server + Runner,Desktop 走官方 OpenAI Secure Tunnel,也可用 MCP 或临时 npx share。差异化是改文件走受保护编辑,任务可在控制台接受或拒绝,0.4.1 补了托管 worktree 启动和更紧的写入边界。协议 Apache-2.0。macOS 桌面包是 ad-hoc 签名、未公证,Gatekeeper 可能要手动放行。要把云端对话接到本机组件库,可先 npx share 试几分钟,再装 Desktop。

npx --yes @yyjeqhc/webcodex share

发行:v0.4.1

3.0k3.0k

arnegiacomo/fugleramme

树莓派电子墨水鸟框:本机听鸟鸣,把当下物种排成 19 世纪手工剪下的博物插图,而不是生成一张新图。痛点是自然史海报只能印死的名录,活的监测面板又爱用 AI 插画或照片拼贴,版式和出处对不上;它轮询 BirdNET-Go,按体重把大鸟放中间,物种不变就不重绘 Inky Impression,同一页也可当网页 kiosk。差异化是 800 余张剪贴覆盖 400 多种,图从真实图版手裁、仓库标明插图本身不由模型生成,北欧与不列颠覆盖最好。代码 MIT,经典图版 CC BY-SA 4.0,检测模型另计且非商用。没有墨水屏也能先开网页演示。要做公共领域素材的信息展陈,可先看厨房窗台直播,再 curl 装到已有 BirdNET 机器上。

curl -fsSL https://raw.githubusercontent.com/arnegiacomo/fugleramme/main/install.sh | bash

演示:fugleramme.arnegiacomo.dev

其他值得关注Also worth a look6

  • alibaba/open-code-review近七日已写过,今日仍居官方日榜前排,混合审码 CLI 现 ★ 36.4k。
  • cloudflare/security-audit-skill近七日已写过,今日仍在日榜前列,多阶段安全审计技能现 ★ 12.6k。
  • Tencent/BrowserSkill昨日主推荐,今日仍在日榜,已登录浏览器桥现 ★ 5.0k,可与 jev-ultrafast 对照借标签还是读 DOM。
  • addyosmani/agent-skills近七日已写过,今日仍在日榜,工程过闸技能包现 ★ 96.2k。
  • Qwen3.8-Omni-Flash9 月 18 日官方发布。原生图文音视频、1M 上下文,宣称 29 项均分较上一代升逾 25%,音频输入单价降逾 98%;权重未开源,配套开源 Qwen-MM-Plugins,Live Harness 仍预告中。
  • Figma node 接入 Weave9 月 17 日发布。把 Design 画框贴进 Weave 当节点,只放开指定文字和图片层,字体和版式保持原样,改能能双向同步。观察栏回溯约 1 天。

热议精选Being discussed

Meet Qwen3.8-Omni-Flash, Qwen's first omni-modal model built around agentic capabilities. Native audio-video understanding, reasoning, and tool use come together in one model: understand the content, plan the task, execute with tools, and deliver the result.

@Alibaba_Qwen

jev-ultrafast 读取网页中的结构化 DOM,一次请求同时判断操作类型和目标元素。只有遇到需要填写文字的地方,才调用生成模型。真正值得看的,是它展示了一种新的 Agent 分工方式。Jev 负责选择,语言模型负责写字,代码负责检查页面状态并执行动作。

@xiangxiang103

@Alibaba_Qwen shipped Qwen3.8-Omni-Flash: text/image/audio/video in, text out, 1M context, tool calling. Hosted API only — no open weights this round. They claim ~25% lift vs prior Omni; meter it.

@ACesar6463

总结建议Takeaways

今天热榜看起来还是审码和审计技能,但没写过、又能改走查和成片工作流的,是按控件索引点页面,而不是再丢一张截图给视觉模型。

  1. jev-ultrafast 用编号控件表一次选出操作和目标;BrowserSkill 继续把已登录标签借给终端 Agent,两条路不要混成同一套权限。
  2. Qwen-MM-Plugins 把读图、剪视频和 Blender 接到现有 Harness;官方模型是当日上线的 Omni-Flash,权重未开源。
  3. SoL-Pi 把重复观察收成句柄;WebCodex 让云端对话用本机工具链;fugleramme 用公共领域图版做活的信息展陈。设计工具侧是昨天的 Figma node。

要走查表单先 clone jev-ultrafast 再 uv sync,用检查器逐步执行,不要默认当订票机器人。成片和转写先 curl 装 Qwen-MM-Plugins,只开 core 与 omni-chatcut。Pi 用户可 pi install SoL-Pi 后只开本地两项。要把 ChatGPT 接到本机组件库,先 npx share 再决定装 Desktop。公共领域展陈看 fugleramme 直播页。已写过的审码 CLI / 审计技能 / BrowserSkill / Addy 技能包继续看日增即可。