
Claude Code用不了?DeepSeek上新:Deep Code来了 (opens in a new tab)
据DeepSeek官方API文档及GitHub仓库信息,一款名为Deep Code的第三方开源AI编程助手近日被收录进DeepSeek Agent工具。该工具面向DeepSeek-V4系列模型做了适配,支持深度思考、推理强度控制、Agent Skills以及MCP集成。截至发稿,Deep Code GitHub仓库显示,该工具收获超1500星、127 fork。
Total 114 articles

据DeepSeek官方API文档及GitHub仓库信息,一款名为Deep Code的第三方开源AI编程助手近日被收录进DeepSeek Agent工具。该工具面向DeepSeek-V4系列模型做了适配,支持深度思考、推理强度控制、Agent Skills以及MCP集成。截至发稿,Deep Code GitHub仓库显示,该工具收获超1500星、127 fork。

这两年总有人来问我同一个问题。 听说现在跟 AI 说几句话就能写出一个程序,我也想试试,到底怎么上手? 但。。。真的不好推荐。 倒不是工具不好。而是真要一个普通人上手,门槛全堆在最前面。 像 Claude Code、Codex 这些,几乎都默认你已经是个程序员。先装一堆环境、配 MCP、skills,再绑一份一个月几十上百块的订阅,可能还得自己备好项目和电脑。 一个连命令行长什么样都没见过的人,第一行东西还没写出来,光是这些「准备工作」就够把他劝退了。 这套流程太繁琐,也太不友好。 所以很长一段时间,我手里都没有一个能放心推给新手的答案。 直到上周我用上了 MonkeyCode,这事才算有了着

“数字员工”这个曾经略带科幻色彩的词,正在变成一种现实的工作方式。 最近一两年,AI的能力有了明显提升。尤其是今年年初,OpenClaw引爆的那场“龙虾热”中,AI Agent已经可以接管浏览器、读写文件、执行代码、调用终端,很多人第一次真切地感觉到,AI开始真正“动手干活”了。百度创始人李彦宏甚至提出一个新指标,用DAA(日活智能体数)取代沿用多年的DAU,来更好地关注有多少Agent在给人类干活,并交付结果。 概念在升温,但我们更想知道的是,那些真正把“数字员工”用起来的人,日子过得怎么样? 「定焦One」和五个人聊了聊,有律师写下45个Skills来教Agent帮自己“办案”,跨境电商商

PD大促还有两个周就开始了,不知道做亚马逊的你们词库搭好了吗?

早在2024年,人们还倾向于给Agent提供海量的工具(例如通过MCP协议连接的API、搜索引擎、代码解释器等)。但是,“拥有工具”并不等于“知道如何使用工具”。当任务变得复杂且长周期时,要求Agent每次都从头开始推理“该用哪个工具、何时用、怎么组合、出错怎么办”,会导致系统极度脆弱、延迟极高且不可靠。

用Claude Code写论文的一整套流水线,有人打包开源出来了。完全戳中了学生党的痛点,github星标直达6.4k。项目名叫academic-research-skills(以下简称ARS),是一套Claude Code技能包。

近期,专为Diffusion模型设计的插件框架——Diffusion Templates正式开源发布。这个框架能大幅降低可控生成技术的训练和使用难度,让开发者能够通过丰富的Templates来精准控制模型的生成结果。

今天早上,OpenAI突然宣布一个促销政策:未来 30 天内,企业用户如果迁移到 Codex,2 个月免费 Codex 用量。同期,桌面端还内置了迁移工具,可以把 Claude Code 的 system prompts、custom skills、chat history、MCP server 配置一键搬过来。

随手打开 GitHub,2026 年的 Agent 项目热榜上有这样一个仓库: • 27,000+ stars,1,800+ forks • 零行 Python,零行 TypeScript,零行 JS • 作者是 Obsidian 的 CEO 本人,kepano • 整个仓库就是 5 个 Markdown 文件

做文献调研时,很多人的流程大概是这样的: