关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
这完蛋东西不会是骗人的吧！！
我领到了所谓的会员，根本没有额度啊！
有能正常使用的吗？
还是走的我本地Codex的额度。
什么骚操作这是，用我Codex额度，我犯得着再打开一个它？
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
我领到了所谓的会员，根本没有额度啊！
有能正常使用的吗？
还是走的我本地Codex的额度。
什么骚操作这是，用我Codex额度，我犯得着再打开一个它？
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
老品牌，值得信赖、相信品牌的力量
🌐球速体育官网： qs1736.cc
TG玩家首选人民币台 不限ip 免实名免绑卡手机号码
🌐N1国际官网： n10086.com
TG玩家首选U台 U存U提出款稳，福利好反水无上限
1.泰国大老板百家乐存50万出512万
2.斯里兰卡神秘大哥连续5天总提4000万+
3.实力盘总PA真人喜提990万一路爆红
4.pp电子糖果1000小注一拉爆出70万大奖
大额出款额外奖励8888-128888，双重日存彩金128888+4688每日送，周流水彩金68888每周送，双重签到彩金16888+3888送不停
【 球速体育 安全有保障】
老品牌值得信赖、安全第一、保障第一
不限ip、 免实名、免绑卡、免绑手机号码
每日存款彩金每日送，每笔存款加赠1%
球速体育频道： @qsty8999
N1国际频道： @N1GW8
体育推荐： @QSTY988
午夜剧场： @ziweifancha7
专属客服： @QSTY567
双向联系： @qsty168168_bot
传记小说里，讲文革这段历史一般都没什么好回忆
褚时健倒是很神奇，一个右派，在文革的10年里，竟然没有被批斗过哪怕一次。
八派，炮派各种斗，只有褚时健专心搞生产，搞经济，搞生活。
甘蔗糖厂越来越好，甘蔗废料纸厂也被搞了起来，还种了十几亩地，养了300头猪，还带着大家去河里捉鱼加餐，整个厂子都有饭吃有钱赚。
各种派的人斗得再猛，心里也知道，没有褚时健就没有饭吃没有钱赚。
谁能想到，文革10年反而成了褚时健的事业上升期。
文革结束后就被一堆领导抢着要，最后听老婆的去了玉溪卷烟厂当厂长了。
技术驱动的厂长，通过把技术转化成利润改善人们的生活，也给自己撑起一把安全伞。
@aigc1024
褚时健倒是很神奇，一个右派，在文革的10年里，竟然没有被批斗过哪怕一次。
八派，炮派各种斗，只有褚时健专心搞生产，搞经济，搞生活。
甘蔗糖厂越来越好，甘蔗废料纸厂也被搞了起来，还种了十几亩地，养了300头猪，还带着大家去河里捉鱼加餐，整个厂子都有饭吃有钱赚。
各种派的人斗得再猛，心里也知道，没有褚时健就没有饭吃没有钱赚。
谁能想到，文革10年反而成了褚时健的事业上升期。
文革结束后就被一堆领导抢着要，最后听老婆的去了玉溪卷烟厂当厂长了。
技术驱动的厂长，通过把技术转化成利润改善人们的生活，也给自己撑起一把安全伞。
@aigc1024
GitHub 今天最火的项目，是一个"防止 AI 摸鱼"的 skill。
forward-implementation-first，两天 148 星。它解决的问每个用过 AI 编程的人都见过：
让 Agent 改个功能，它先花 20 分钟创建 README、写校验脚本、生成哈希清单、搞一套认证仪式——看起来忙得不行，正事一行没干。
这个 skill 就一句：先交付，再验证。不许搞仪式。
笑死，AI 才上班两年，已经把"职场表演学"全套学会了，人类现在得专门写规则防它摸鱼。
但这事认真说有个信号：上一个防 Agent 摸鱼的 skill（sepia 去 AI 味）768 星，这个 148 星还在涨——"管教 AI"正在成为 skill 生态里最大的品类。模型越来越强，但"怎么让它好好干活"的知识，正在变成比模型本身更稀缺的资产。
——
📡 跟踪更新（雷达新规矩第一次实战）：
昨天报过的 WikiSkill 论文，今天 GitHub 上出现了开源实现（wikiskill，30★）。
按今天刚立的新规矩，它的状态从📝【仅论文】升级为✅【能下载】——这是这个标签第一次被真正用上。以后雷达报过"仅论文"的东西，一旦开源我会跟进播报。
——
你用 AI 编程的时候，它干过最"职场"的事是什么？这里比比谁家的更会演。
📡 今日扫描：官方源静默 / GitHub 843 新仓库 / arXiv 8 篇 → 留 1 主 1 跟踪。
@aigc1024
forward-implementation-first，两天 148 星。它解决的问每个用过 AI 编程的人都见过：
让 Agent 改个功能，它先花 20 分钟创建 README、写校验脚本、生成哈希清单、搞一套认证仪式——看起来忙得不行，正事一行没干。
这个 skill 就一句：先交付，再验证。不许搞仪式。
笑死，AI 才上班两年，已经把"职场表演学"全套学会了，人类现在得专门写规则防它摸鱼。
但这事认真说有个信号：上一个防 Agent 摸鱼的 skill（sepia 去 AI 味）768 星，这个 148 星还在涨——"管教 AI"正在成为 skill 生态里最大的品类。模型越来越强，但"怎么让它好好干活"的知识，正在变成比模型本身更稀缺的资产。
——
📡 跟踪更新（雷达新规矩第一次实战）：
昨天报过的 WikiSkill 论文，今天 GitHub 上出现了开源实现（wikiskill，30★）。
按今天刚立的新规矩，它的状态从📝【仅论文】升级为✅【能下载】——这是这个标签第一次被真正用上。以后雷达报过"仅论文"的东西，一旦开源我会跟进播报。
——
你用 AI 编程的时候，它干过最"职场"的事是什么？这里比比谁家的更会演。
📡 今日扫描：官方源静默 / GitHub 843 新仓库 / arXiv 8 篇 → 留 1 主 1 跟踪。
@aigc1024
最稳大平台，点击以下链接认证
😍 世博联盟-联盛担保1000万U😍 新币28公群 上押300万U😍 okapy钱包-ok28担保上押300万U😍 8G国际娱乐官方福利群 公开透明
庆祝 ColaMD 突破 1000 stars 🎉
特别发布重大版本 2.0.0！
Mermaid 支持+多窗口+自定义字体+自动保存...
从一个优雅的轻量 md 阅读器，晋升为一个可以持续稳定运行的 md 编辑器。
不知不觉，这个小小的 markdown 编辑器项目已经突破
1000 stars 了，这本来只是我换电脑的时候发现没有一个免费的 md 编辑不方便所做的小工具，但在发布之后，得到了超过 1500 名用户的安装和喜爱。
（当然还有很多很多的吐槽和 issue，特别对因为之前没加自动保存而让某位编辑了一天忘记保存而丢掉的兄弟，很抱歉也很感谢）
虽然它最初的定位是极简，极小，以方便我这样完全不会编程的人能维护好，但随着口口相传，它的用户传播超出了它的产品边界，功能越来越多，也能满足越来越多用户的需求。
好在这半年，AI coding 能力也在越来越强，每次有新模型上线，我都会用来推进一个版本。
有几个很难做的功能，在 2.0.0 也都啃下来了，在此感谢 ox 和 terra 两个模型。
我还尝试做了 iOS 版本，开发难度更胜 Mac，不过也啃下来了。
在 stars 通货膨胀的今天，1000 stars 不多，但对一个编程小白来说，也不是一个很重要的里程碑。
更让人有成就感的事情，是看到有真实的 1500 次下载。
现在看它越来越好，期待明年能突破一万用户！
下载地址：http://ColaMD.com
支持 Mac Win Linux iOS（需要自己打包）
@aigc1024
特别发布重大版本 2.0.0！
Mermaid 支持+多窗口+自定义字体+自动保存...
从一个优雅的轻量 md 阅读器，晋升为一个可以持续稳定运行的 md 编辑器。
不知不觉，这个小小的 markdown 编辑器项目已经突破
1000 stars 了，这本来只是我换电脑的时候发现没有一个免费的 md 编辑不方便所做的小工具，但在发布之后，得到了超过 1500 名用户的安装和喜爱。
（当然还有很多很多的吐槽和 issue，特别对因为之前没加自动保存而让某位编辑了一天忘记保存而丢掉的兄弟，很抱歉也很感谢）
虽然它最初的定位是极简，极小，以方便我这样完全不会编程的人能维护好，但随着口口相传，它的用户传播超出了它的产品边界，功能越来越多，也能满足越来越多用户的需求。
好在这半年，AI coding 能力也在越来越强，每次有新模型上线，我都会用来推进一个版本。
有几个很难做的功能，在 2.0.0 也都啃下来了，在此感谢 ox 和 terra 两个模型。
我还尝试做了 iOS 版本，开发难度更胜 Mac，不过也啃下来了。
在 stars 通货膨胀的今天，1000 stars 不多，但对一个编程小白来说，也不是一个很重要的里程碑。
更让人有成就感的事情，是看到有真实的 1500 次下载。
现在看它越来越好，期待明年能突破一万用户！
下载地址：http://ColaMD.com
支持 Mac Win Linux iOS（需要自己打包）
@aigc1024
— 生成面试准备包
针对已追踪的申请，生成阶段性面试准备包，包括公司调研、面试官背景、可能问、STAR 案例映射，还能进行模拟面试
这个项目最让我放心的一点：所有数据都在你本地
不是某个 SaaS 平台，不用担心隐私泄露
Fork 完就是你的，想怎么改就怎么改
作者在 LinkedIn 上分享了完整的申请漏斗数据：69 份申请 → 20 个一面 → 最后拿到 offer
这个转化率已经很高了
如果你正在找工作，尤其是技术岗位，这个框架能帮你省下大量时间
如果你是产品经理或者独立开发者，这个项目本身就是一个很好的 Agentic 工作流编排案例
它展示了如何把一个复杂、高主观性的任务，拆解为可被 AI 执行的标准化流程
这才是 AI 应用从“问答工具”向“工作流代理”演进的正确方向
项目地址：https://github.com/MadsLorentzen/ai-job-search
@aigc1024
针对已追踪的申请，生成阶段性面试准备包，包括公司调研、面试官背景、可能问、STAR 案例映射，还能进行模拟面试
这个项目最让我放心的一点：所有数据都在你本地
不是某个 SaaS 平台，不用担心隐私泄露
Fork 完就是你的，想怎么改就怎么改
作者在 LinkedIn 上分享了完整的申请漏斗数据：69 份申请 → 20 个一面 → 最后拿到 offer
这个转化率已经很高了
如果你正在找工作，尤其是技术岗位，这个框架能帮你省下大量时间
如果你是产品经理或者独立开发者，这个项目本身就是一个很好的 Agentic 工作流编排案例
它展示了如何把一个复杂、高主观性的任务，拆解为可被 AI 执行的标准化流程
这才是 AI 应用从“问答工具”向“工作流代理”演进的正确方向
项目地址：https://github.com/MadsLorentzen/ai-job-search
@aigc1024
在大环境如此不好的时候，我就知道这个项目迟早出世..
ai-job-search 这个项目在github上已经2.9 万+ star了！！
其实之前就一直想给自己做这么个东西，结果我还没开始，别人做的已经比我想的好了...
作者 Mads Lorentzen 是个地球物理学家，被裁后用 Claude Code 搭了套求职框架，投了 69 份简历、拿到 20 个一面，最后成功转行 AI 工程师
但这不是重点
重点是他把求职这个高度主观、多步骤、容易崩溃的过程，拆解成了一套可被 AI 执行、验证、迭代的标准化工作流
这才是这个项目真正值得关注的地方
大部分人用 AI 写简历，就是把 ChatGPT 当个文案工具
丢进去职位描述，让它改改简历，润色求职信，然后复制粘贴
但 ai-job-search 做的是把整个求职供应链重构了
从职位搜索、匹配度评估、简历定制、求职信撰写、面试准备到申请追踪，全链路自动化
更关键的是，它用了双 agent 互审机制：
Drafter（起草者）：根据你的档案生成定制化简历和求职信
Reviewer（评审者）：用全新上下文启动的第二个 Claude Agent，独立调研目标公司，从第三方视角批判初稿
这个设计直接解决了单次生成内容质量不稳定的问
四个核心命令，覆盖求职全流程
/setup — 建立你的职业档案
支持三种方式：读取你的 documents 文件夹（CV PDF、LinkedIn 导出、学历证书、推荐信），导入单份简历，或者通过对式访谈建立档案
/scrape — 搜索并排序职位
内置丹麦本地求职平台的搜索工具（Jobindex、Jobnet、Jobbank），但核心框架语言和地域无关，可以通过 /add-portal 命令快速扩展到任意地区的职位平台
还有个 linkedin-search 工具，零依赖，支持任意国家和地区
/apply — 一键生成定制化申请材料
这是整个框架最硬核的部分：
解析职位描述
评估匹配度（技能、经验、文化、地点、职业发展）
用 LaTeX 起草简历和求职信
启动 Reviewer Agent 调研公司并批判初稿
基于反馈修订
编译并检查 PDF：确保简历正好 2 页、求职信正好 1 页、签名可见、字体一致
ATS 验证：提取 PDF 文本层，验证联系方式、关键词覆盖率，确保 ATS 系统能正确解析
输出最终版本和验证清单
/interview — 生成面试准备包
针对已追踪的申请，生成阶段性面试准备包，包括公司调研、面试官背景、可能问、STAR 案例映射，还能进行模拟面试
这个项目最让我放心的一点：所有数据都在你本地
不是某个 SaaS 平台，不用担心隐私泄露
Fork 完就是你的，想怎么改就怎么改
作者在 LinkedIn 上分享了完整的申请漏斗数据：69 份申请 → 20 个一面 → 最后拿到 offer
这个转化率已经很高了
如果你正在找工作，尤其是技术岗位，这个框架能帮你省下大量时间
如果你是产品经理或者独立开发者，这个项目本身就是一个很好的 Agentic 工作流编排案例
它展示了如何把一个复杂、高主观性的任务，拆解为可被 AI 执行的标准化流程
这才是 AI 应用从“问答工具”向“工作流代理”演进的正确方向
项目地址：https://github.com/MadsLorentzen/ai-job-search
@aigc1024
ai-job-search 这个项目在github上已经2.9 万+ star了！！
其实之前就一直想给自己做这么个东西，结果我还没开始，别人做的已经比我想的好了...
作者 Mads Lorentzen 是个地球物理学家，被裁后用 Claude Code 搭了套求职框架，投了 69 份简历、拿到 20 个一面，最后成功转行 AI 工程师
但这不是重点
重点是他把求职这个高度主观、多步骤、容易崩溃的过程，拆解成了一套可被 AI 执行、验证、迭代的标准化工作流
这才是这个项目真正值得关注的地方
大部分人用 AI 写简历，就是把 ChatGPT 当个文案工具
丢进去职位描述，让它改改简历，润色求职信，然后复制粘贴
但 ai-job-search 做的是把整个求职供应链重构了
从职位搜索、匹配度评估、简历定制、求职信撰写、面试准备到申请追踪，全链路自动化
更关键的是，它用了双 agent 互审机制：
Drafter（起草者）：根据你的档案生成定制化简历和求职信
Reviewer（评审者）：用全新上下文启动的第二个 Claude Agent，独立调研目标公司，从第三方视角批判初稿
这个设计直接解决了单次生成内容质量不稳定的问
四个核心命令，覆盖求职全流程
/setup — 建立你的职业档案
支持三种方式：读取你的 documents 文件夹（CV PDF、LinkedIn 导出、学历证书、推荐信），导入单份简历，或者通过对式访谈建立档案
/scrape — 搜索并排序职位
内置丹麦本地求职平台的搜索工具（Jobindex、Jobnet、Jobbank），但核心框架语言和地域无关，可以通过 /add-portal 命令快速扩展到任意地区的职位平台
还有个 linkedin-search 工具，零依赖，支持任意国家和地区
/apply — 一键生成定制化申请材料
这是整个框架最硬核的部分：
解析职位描述
评估匹配度（技能、经验、文化、地点、职业发展）
用 LaTeX 起草简历和求职信
启动 Reviewer Agent 调研公司并批判初稿
基于反馈修订
编译并检查 PDF：确保简历正好 2 页、求职信正好 1 页、签名可见、字体一致
ATS 验证：提取 PDF 文本层，验证联系方式、关键词覆盖率，确保 ATS 系统能正确解析
输出最终版本和验证清单
/interview — 生成面试准备包
针对已追踪的申请，生成阶段性面试准备包，包括公司调研、面试官背景、可能问、STAR 案例映射，还能进行模拟面试
这个项目最让我放心的一点：所有数据都在你本地
不是某个 SaaS 平台，不用担心隐私泄露
Fork 完就是你的，想怎么改就怎么改
作者在 LinkedIn 上分享了完整的申请漏斗数据：69 份申请 → 20 个一面 → 最后拿到 offer
这个转化率已经很高了
如果你正在找工作，尤其是技术岗位，这个框架能帮你省下大量时间
如果你是产品经理或者独立开发者，这个项目本身就是一个很好的 Agentic 工作流编排案例
它展示了如何把一个复杂、高主观性的任务，拆解为可被 AI 执行的标准化流程
这才是 AI 应用从“问答工具”向“工作流代理”演进的正确方向
项目地址：https://github.com/MadsLorentzen/ai-job-search
@aigc1024
AI长剧来了！
听说大A游戏和AI视频板块直接炸了！！
国内首部全 AI 制作的 AI 长剧《后西游记》今天上线芒果TV，登陆湖南卫视黄金档。
第一季共 30 集，每集 40 分钟，
边制作、边审核、边播出。 https://x.com/IcedNoCap/status/2094174916446998806
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
听说大A游戏和AI视频板块直接炸了！！
国内首部全 AI 制作的 AI 长剧《后西游记》今天上线芒果TV，登陆湖南卫视黄金档。
第一季共 30 集，每集 40 分钟，
边制作、边审核、边播出。 https://x.com/IcedNoCap/status/2094174916446998806
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
这种技术选型，我年轻的时候会选 DeepSeek Harness，现在会选 Pi。
年轻的时候追求技术上的新和酷，喜欢学新的东西，总觉得什么都要用用什么都要学学，喜欢折腾，较少的考虑项目和团队。
现在更追求项目需要的、稳定的、简单的，先做出来才是最重要的，能稳定运行更好。Pi 就简单稳定，DSH 还是新东西，稳定下来还要一段时间，何苦来哉。
再说了，现在有 AI，测试覆盖好一点，以后要换底层其实没那么难。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
年轻的时候追求技术上的新和酷，喜欢学新的东西，总觉得什么都要用用什么都要学学，喜欢折腾，较少的考虑项目和团队。
现在更追求项目需要的、稳定的、简单的，先做出来才是最重要的，能稳定运行更好。Pi 就简单稳定，DSH 还是新东西，稳定下来还要一段时间，何苦来哉。
再说了，现在有 AI，测试覆盖好一点，以后要换底层其实没那么难。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
在模型回答后自动补一版大白重写，把 AI 套翻译成人。
https://github.com/wtfzambo/speak-like-you-eat
SLYE 是一个 Pi 扩展，模型回答结束后会追加一段大白重写。取名来自意大利俗语「parla come mangi」，意思是说要跟吃饭一样直接，不堆空词。装好之后先跑 /slye model 挑个已登录模型，之后符合条件的回答下面会多出一张「🤌 Speak like you eat:」卡片，原来的回答一个字不动。
每答一个合格问会多花一次请求，作者用自己的小基准测过，推荐 Terra、DeepSeek V4 Flash、GPT-OSS 120B 这几款便宜、推理少的模型。
回答正文不足 200 字、或者重写卡在 45 秒内没出来，就保留原文直接放行，也能用 /slye on、/slye off 随时开关。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
https://github.com/wtfzambo/speak-like-you-eat
SLYE 是一个 Pi 扩展，模型回答结束后会追加一段大白重写。取名来自意大利俗语「parla come mangi」，意思是说要跟吃饭一样直接，不堆空词。装好之后先跑 /slye model 挑个已登录模型，之后符合条件的回答下面会多出一张「🤌 Speak like you eat:」卡片，原来的回答一个字不动。
每答一个合格问会多花一次请求，作者用自己的小基准测过，推荐 Terra、DeepSeek V4 Flash、GPT-OSS 120B 这几款便宜、推理少的模型。
回答正文不足 200 字、或者重写卡在 45 秒内没出来，就保留原文直接放行，也能用 /slye on、/slye off 随时开关。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
DeepSeek V4-Flash 正式版 API 上线，原生适配 Codex
DeepSeek 今天把 V4-Flash 从预览版升级为正式版 API，版本号 0731。模型架构和参数规模没变，还是 284B 总参数、13B 激活的混合专家架构，改动集中在后训练上。
升级的核心是智能体（Agent）能力。DeepSeek 的说法是“多项 Agent 基准成绩大幅超过此前的 V4-Pro-Preview”。这句的意思是，便宜的那个模型（Flash）经过后训练调优之后，在编程和工具调用任务上反超了贵的那个模型（Pro）的预览版。Pro 的正式版还没出，所以这个对比有时间差，但趋势本身值得关注：后训练对智能体场景的提升空间可能比很多人想的大。
另一个看点是 V4-Flash 现在原生支持 Responses API 格式，专门针对 OpenAI 的 Codex 做了适配。Codex 是 OpenAI 的 AI 编程助手，覆盖命令行工具（CLI）、ChatGPT 桌面端和 VS Code 扩展三个入口。之前 DeepSeek 的 API 只兼容 OpenAI ChatCompletions 和 Anthropic 两种格式，想接 Codex 得走代理转换。现在这个中间层不需要了，DeepSeek 甚至提供了一键配置脚本，跑完之后 Codex 所有客户端自动切换到 DeepSeek 模型。
你可以用每百万 Token 输入 0.14 美元、输出 0.28 美元的价格跑 AI 编程任务，同时享受 100 万 Token 的上下文窗口。做个对比，Codex 默认使用的 OpenAI 自家模型，同等量级的价格要贵上一个数量级。对于跑大量 Agent 循环的编程任务来说，Token 成本不是差个百分比的问，是完全不同的成本结构。
有两点需要注意：
第一，这次只升级了 API 接口，DeepSeek 的 App 和网页端模型没有变化，普通用户暂时感知不到区别。
第二，V4-Pro 的正式版还没发布，官方只说"尽快上线"，具体时间未知。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
DeepSeek 今天把 V4-Flash 从预览版升级为正式版 API，版本号 0731。模型架构和参数规模没变，还是 284B 总参数、13B 激活的混合专家架构，改动集中在后训练上。
升级的核心是智能体（Agent）能力。DeepSeek 的说法是“多项 Agent 基准成绩大幅超过此前的 V4-Pro-Preview”。这句的意思是，便宜的那个模型（Flash）经过后训练调优之后，在编程和工具调用任务上反超了贵的那个模型（Pro）的预览版。Pro 的正式版还没出，所以这个对比有时间差，但趋势本身值得关注：后训练对智能体场景的提升空间可能比很多人想的大。
另一个看点是 V4-Flash 现在原生支持 Responses API 格式，专门针对 OpenAI 的 Codex 做了适配。Codex 是 OpenAI 的 AI 编程助手，覆盖命令行工具（CLI）、ChatGPT 桌面端和 VS Code 扩展三个入口。之前 DeepSeek 的 API 只兼容 OpenAI ChatCompletions 和 Anthropic 两种格式，想接 Codex 得走代理转换。现在这个中间层不需要了，DeepSeek 甚至提供了一键配置脚本，跑完之后 Codex 所有客户端自动切换到 DeepSeek 模型。
你可以用每百万 Token 输入 0.14 美元、输出 0.28 美元的价格跑 AI 编程任务，同时享受 100 万 Token 的上下文窗口。做个对比，Codex 默认使用的 OpenAI 自家模型，同等量级的价格要贵上一个数量级。对于跑大量 Agent 循环的编程任务来说，Token 成本不是差个百分比的问，是完全不同的成本结构。
有两点需要注意：
第一，这次只升级了 API 接口，DeepSeek 的 App 和网页端模型没有变化，普通用户暂时感知不到区别。
第二，V4-Pro 的正式版还没发布，官方只说"尽快上线"，具体时间未知。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
https://github.com/S1N6H/pentest-harness
Pentest Harness 是一个开源、深色主的自托管 AI agent harness，面向授权渗透测试、漏洞赏金研究、安全实验室和 CTF 场景，代码基于 DeepSeek Harness（MIT）重新品牌而来。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
