微信收藏夹内容繁多，却难快速检索和回顾，手动翻找费时费力，分类统计更是一团乱麻。

wx-favorites-report 把微信收藏可视化处理全搞定，从加密数据库到交互式报告一键生成。

不仅有统计仪表盘、月度趋势、类型分布、来源排行，还支持活跃热力图、词云标签云，以及按类型/标签筛选浏览。

主要功能：

- 智能密钥提取，hook Frida 解密微信 Mac 收藏数据库；
- 丰富统计可视化：总数/日均/最忙日/来源 Top15 排行；
- 多维度图表：月趋势折线、类型甜甜圈、活跃热力图；
- 词云+标签云，自动提取标题关键词和收藏标签；
- 交互浏览区，支持类型/标签筛选、全文搜索、分页排序；
- 单文件 HTML 报告，暗黑主题，ECharts 驱动，点击详情弹窗。

支持 macOS (Apple Silicon/Intel)，用 Claude Code 一键执行全流程，或手动 pip3 + frida 运行，完美回顾你的收藏记忆。

OpenMythos：从第一性原理，还原 Claude Mythos 的 “思考” 本质

这不仅是一个代码库，更是一场关于大模型“思考”本质的深度实验。Kye Gomez 推出的 OpenMythos，试图从第一性原理出发，还原那个让业界惊叹的 Claude Mythos 背后可能的运行逻辑。

核心观点与架构深度解析

1. 循环深度Transformer (RDT)：隐式思维的源头
OpenMythos 的核心假设是：Mythos 并非无限堆叠层数，而是一个循环深度Transformer。
- 逻辑：它在单个前向传播中，将一组固定的权重重复调用 T 次（最高可达 16 次）。
- 这意味着推理发生在连续的潜空间（Latent Space）中，而不是通过显式的 Token 输出。这是一种“沉默的思考”，在逻辑深度上等同于思维链（CoT），但效率更高。

2. 混合专家模型 (MoE) 的进化：深度与广度的平衡
在循环块内部，FFN 层被替换为类似 DeepSeekMoE 的精细化 MoE 设计。
- 动态路由：最关键的创新在于，路由器的选择在每一次循环中都是不同的。
- 这意味着每一轮循环并不是简单的重复，而是针对不同领域知识的连续精炼。MoE 提供了知识的广度，而循环提供了推理的深度。

3. 架构三部曲：前奏、循环与尾声
- Prelude（前奏）：标准 Transformer 层，负责初始编码。
- Recurrent Block（循环块）：计算核心，通过 LTI（线性时不变）稳定规则进行输入注入，确保隐状态在多次循环中不漂移。
- Coda（尾声）：标准 Transformer 层，负责最终输出解码。

4. 效率的降维打击
- 参数复用：一个 k 层的模型运行 L 次循环，可以达到 k 乘以 L 层标准模型的质量。
- 性能飞跃：在 770M 参数规模下，RDT 的表现足以匹配 1.3B 的标准模型。
- 见解：这重塑了缩放定律（Scaling Laws）的讨论——未来的竞争力可能不再是训练时的参数量，而是推理时的循环深度。

技术稳定性与优化

为了解决循环模型常见的训练不稳定问题，OpenMythos 引入了三项关键机制：
- LTI 约束注入：通过数学构造确保谱半径小于 1，从根本上防止残差爆炸。
- 适应性计算时间 (ACT)：允许模型根据任务难度自动决定何时停止循环。
- 深度 LoRA 适配器：在保持权重共享的同时，让每一轮循环拥有微小的行为差异化。

传统的 Transformer 在处理从未见过的逻辑组合时往往会失效，而循环架构展现出了“系统性泛化”的能力。它更像人类的大脑：面对简单问题快速反应，面对复杂问题则在脑中反复盘旋、多次迭代，最终得出一个深思熟虑的答案。

OpenMythos 证明了：推理深度是推理时间计算量（Inference-time Compute）的函数，而不仅仅是存储参数的堆砌。

项目资源：代码仓库 | 社区讨论

参考文献与延伸阅读

- 循环深度Transformer中的隐式推理
- Parcae 稳定循环语言模型缩放定律
- 潜空间中的推理能力研究
- DeepSeekMoE 专家专业化研究

AI 代理操作浏览器时，经常卡在复杂交互上：需要精确的元素选择器、处理弹窗、应对页面变化，还要编写一堆工具函数，调试起来异常繁琐。

Browser Harness 将 LLM 浏览器自动化所需的全部能力整合到一起，提供了一套自愈式浏览器控制解决方案。

直接基于 CDP（Chrome DevTools Protocol）构建，支持代理实时编写缺失工具、中途自愈修复、无框架限制的自由操作。

主要功能：

- 自愈式浏览器控制，代理可中途编辑 helpers.py 添加缺失功能（如文件上传）；
- 纯 CDP WebSocket 直连 Chrome，无中间层干扰，~592 行 Python 核心代码；
- 预载工具函数（helpers.py），支持屏幕激活、交互演示和远程浏览器；
- 领域技能系统（domain-skills），自动学习并保存 GitHub、LinkedIn、Amazon 等站点操作；
- 免费远程浏览器服务，3 个并发实例，支持部署子代理；
- 一键运行（run.py），安装后即可连接真实浏览器执行任意任务。

支持本地 Chrome + Python 环境，通过 install.md 快速部署，适合 AI 开发者、自动化工程师使用。

金融分析常常需要同时打开多个软件，数据源工具抓取行情，Excel建模计算，TradingView画K线图，聊天工具交流观点，来回切换效率低下。

Fincept Terminal 将金融分析所需功能完美整合，提供专业级投资研究解决方案。

不仅有CFA级量化分析、37个AI智能代理（巴菲特、芒格等策略框架），还支持100+数据源实时连接、16家券商交易集成、节点编辑器自动化工作流。

主要功能：

- CFA级分析工具，支持DCF估值、投资组合优化、风险度量（VaR、Sharpe比率）、衍生品定价；
- 37个AI代理，覆盖交易/投资、经济、地缘政治，本地LLM多模型支持；
- 100+数据连接器，Yahoo Finance、FRED、Kraken、Polygon等实时行情；
- 实时交易支持，16家券商集成（IBKR、Alpaca等），算法交易/模拟交易；
- QuantLib量化套件，18个模块包括定价、风险、波动率分析；
- 节点编辑器可视化工作流，AI量化实验室支持机器学习/HFT策略。

纯C++20/Qt6原生桌面应用，支持Windows、Linux、macOS，一键安装运行，适合投资者、交易员、量化研究者。

从对话框到生产力引擎：深度拆解 Claude 的四个进化阶梯 | 帖子

大多数人对 Claude 的认知仍停留在“更好用的聊天机器人”，但这仅仅是冰山一角。Anthropic 正在构建的不是一个问答工具，而是一套完整的数字劳动力体系。根据 Ruben Hassid 总结的“Claude 层次论”，我们可以将 AI 的应用深度分为四个阶段。

+ 第一层：基础对话（Claude Chat）
这是 90% 用户的停留地。在这个阶段，你把它当作加强版的搜索引擎或文案助手。
- 核心逻辑：即时输入，即时反馈。
- 进阶技巧：始终选择 Opus 4.6 + Extended Thinking 模式以获取深度推理；善用 Artifacts 功能，让 AI 直接生成可交互的图表、代码原型和计算器，实现视觉化输出。
- 局限性：缺乏长期记忆，每次对话都是“初次见面”。

+ 第二层：协同办公（Claude Cowork）
当 AI 开始读取你的本地文件并理解你的个人偏好时，它才真正成为你的“数字同事”。
- 核心逻辑：建立个人上下文（Context）。
- 关键动作：安装桌面端应用，让 Claude 直接读取并生成 .docx 或 .xlsx 文件。
- 深度思考：与其不断上传文件，不如编写一份高质量的“全局指令”（Global Instructions）和“背景文件”（如 about-me.md）。一份精准的背景定义，胜过 50 次重复的 Prompt 调优。让 AI 适应你的风格，而不是你每次去迁就它。

+ 第三层：技能与插件（Skills and Plugin）
这一层级实现了从“单次任务”到“自动化工作流”的跨越。
- 核心逻辑：教给 AI 确定性的技能。
- 关键动作：通过 SKILL.md 定义可重复的工作流，让 Claude 在特定场景下自动触发预设动作。
- 行业集成：利用 Excel 插件直接在表格内进行数据清洗和建模；使用官方提供的营销、法律、金融等 11 个专业插件包。
- 启发：真正的效率不在于你跑得有多快，而在于你构建了多少个可以“边睡觉边运行”的自动化闭环。

+ 第四层：代码与计算机控制（Code + Computer）
这是目前 AI 的最高形态：从“建议者”变为“执行者”。
- 核心逻辑：接管硬件与环境。
- 关键能力：Claude Computer 允许 AI 直接控制屏幕、点击和导航；通过 MCP（Model Context Protocol）连接 Playwright 或 Figma 等专业工具。
- 终极形态：在 CLI（命令行界面）中运行整个业务。通过并行智能体（Parallel Agents）批量处理销售、提案和外发任务。

AI 的竞争已经从“模型参数”转向了“环境接入能力”。一个人能否在未来胜出，取决于他能为 AI 提供多少高质量的上下文，以及敢于交付多少控制权。

从“给我写一段话”到“帮我运行这个业务”，这中间隔着的不是技术门槛，而是思维的鸿沟。不要只把 Claude 当成一个说话好听的秘书，要把它当成一个可以无限扩展的数字大脑。