每日精选 — 2026年4月4日

今日概览 #

AI Agent 工具链正在经历一轮集体爆发: Block 开源了本地 Agent 工具 Goose, GitHub Trending 上 oh-my-codex 单日涨星 3000+, Cursor 3 推出多 Agent 并行工作区, AMD 发布本地推理服务器 Lemonade。与此同时, Anthropic 宣布 Claude 订阅将不再覆盖第三方工具使用, 这一政策变更可能重塑整个 AI 工具生态的商业模式。而 Karpathy 分享的"用 LLM 编译个人知识库"工作流, 正在将 AI 的核心用途从"写代码"推向"操作知识"。

🐦 来自时间线 (X/Twitter) #

Claude 订阅将不再覆盖第三方工具使用, 开发者生态面临重新定价 #

@bcherny · 5小时前 · 4233 赞

Anthropic 宣布从 4 月 4 日中午(太平洋时间)起, Claude 订阅将不再覆盖 OpenClaw 等第三方工具的使用量。用户仍可通过额外用量包(现提供折扣)或 API Key 继续使用。845 条回复中争议激烈, 核心问题是: 当平台开始对生态内的第三方工具收费, 开发者的成本结构将被彻底改变。这不只是 Anthropic 一家的定价决策, 而是 AI 平台商业模式从"订阅包一切"向"平台+市场"转型的信号。对独立开发者来说, 现在是时候认真评估 API 成本和用量架构了。

-> 原文

Karpathy 分享用 LLM 构建个人知识库的完整工作流 #

@karpathy · 31小时前

Karpathy 发布长文描述他最近的工作方式转变: 越来越多的 token 消耗不再用于操作代码, 而是用于操作知识。完整工作流包含五个环节: 数据摄入(源文档索引到 raw/ 目录, 用 Obsidian Web Clipper 抓取), IDE 前端(用 Obsidian 查看 wiki 和可视化), 问答(对约 40 万字的 wiki 进行复杂查询, 无需花哨的 RAG), 输出(渲染 markdown/幻灯片/图表再归档回 wiki), 健康检查(用 LLM 发现不一致数据和缺失信息)。他坦言目前是一堆"hacky scripts"的集合, 但认为这里隐藏着一个"incredible new product"的机会。从代码到知识的重心转移, 可能是 2026 年最重要的工作方式变革。

-> 原文

Claude 上线 Microsoft 365 连接器, 覆盖所有订阅套餐 #

@claudeai · 22小时前 · 13083 赞

Claude 官方宣布 Microsoft 365 连接器现已对所有套餐开放, 支持 Outlook、OneDrive 和 SharePoint。13083 赞和 1069 次转发说明企业用户对这一功能的期待。这意味着 Claude 可以直接读取你的邮件、文档和文件, 在对话中引用工作上下文。结合昨天的订阅政策变更来看, Anthropic 的策略很清晰: 核心能力免费开放以扩大用户基数, 第三方工具使用量另行收费。

-> 原文

Google Gemma 4 开源发布, 支持本地运行和函数调用 #

@_FORAB · 22小时前 · 1655 赞

中文科技圈热议 Google 凌晨发布的 Gemma 4。与依赖云端不同, Gemma 4 支持在用户本地硬件上运行, 同时具备函数调用能力, 意味着模型不仅能对话, 还可以直接调用工具、浏览网页、执行代码甚至接入 API, 具备 AI Agent 能力。配合 Apache 2.0 许可证(完全商业友好)和 HN 上 Ollama+Mac mini 的部署教程热度, 本地 Agent 的门槛正在快速降低。

-> 原文

Block (Jack Dorsey) 开源 Goose: 完全本地运行的 AI Agent #

@heyrimsha · 18小时前 · 2043 赞

Block(Jack Dorsey 旗下公司)开源了一个名为 Goose 的本地 AI Agent, 不仅能生成代码, 还能安装、执行、编辑和测试, 支持任意 LLM, 100% 在本地运行。2043 赞和 288 次转发表明开源 Agent 工具的市场需求旺盛。与 Cursor 和 Claude Code 不同, Goose 的定位是完全本地化, 不依赖云端 API, 这对数据敏感场景和离线开发尤其有吸引力。

-> 原文

Anthropic Fellows 发布新研究: 用 “diff” 原理比较 AI 模型行为差异 #

@AnthropicAI · 3小时前 · 1402 赞

Anthropic Fellows 发布了一种新方法, 将软件开发中的"diff"概念应用于 AI 模型比较。具体做法是: 对比开源模型的行为差异, 识别每个模型独有的特征。1402 赞说明可解释性研究正在从学术圈走向更广泛的关注。这项工作的实际价值在于: 当你需要在 Gemma 4、Qwen 3.6、Llama 等模型间选择时, 除了看 benchmark 分数, 现在有了更系统的行为差异分析方法。

-> 原文

阿里 Qwen3.6-Plus 发布, Terminal-Bench 2.0 得分 61.6 #

@alibaba_cloud · 13小时前 · 488 赞

阿里发布旗舰模型 Qwen3.6-Plus, 在 Terminal-Bench 2.0 上取得 61.6 分, MMMU 86.0 分, 支持从规划到部署的完整开发循环自主执行。HN 上的补充信息显示: 1M 上下文窗口、最高 65K 输出 token、始终开启的链式思维推理和原生函数调用。值得注意的是阿里这次没有召开发布会, 采用了"静默上线"策略, 与 Google Gemma 4 的高调发布形成对比。

-> 原文

Simon Willison 开设 AI 安全研究专题追踪, 称该领域正在"having a moment" #

@simonw · 1小时前

Simon Willison 在博客上新建了一个标签, 专门追踪 AI 驱动的安全研究相关故事, 目前已有 11 篇文章。结合他在 Lenny’s Podcast 上关于 prompt injection 作为"未解决的致命三难困境"的讨论, AI 安全正在从防御性话题变成一个活跃的研究和产品方向。对开发者的启示: AI 不只是被攻击的对象, 也正在成为安全研究的新工具。

-> 原文

🎙️ 来自播客 #

AI 的"真正起飞时刻"已过: Dark Factories 正在到来 – Simon Willison #

Lenny’s Podcast · 2天前发布

Simon Willison 在长达 100 分钟的对话中阐述了 AI 编程领域的变革。他认为 2025 年 11 月是分水岭: GPT-5.2 和 Opus 4.5 将编程能力从"大致能用"推到了"真正能用"。关键讨论点包括: 手机优先开发(95% 代码通过手机完成)、中级工程师面临的替代风险大于初级、Agentic 模式(红/绿 TDD、模板使用、代码囤积)、以及"Dark Factories"概念: AI 同时负责代码生成和质量检查, 无需人类介入。他还将 prompt injection 描述为"未解决的致命三难困境"。

“我们正在进入一个奇怪的时代: AI 写代码、AI 测试代码、AI 审查代码, 而人类的角色退化为写需求描述。这不是科幻, 这是下个季度。” – Simon Willison

-> 收听

Marc Andreessen 谈浏览器之死、Pi+OpenClaw 架构与 AI 的"80年一夜成功" #

Latent Space · 昨日发布

刚完成 150 亿美元融资的 Marc Andreessen 将 AI 描述为"80 年的一夜成功", 追溯了神经网络研究的数十年积累。核心话题包括: 推理模型突破、编码 Agent、Scaling Laws 和 GPU 供应限制、开源与边缘推理(DeepSeek, Apple Silicon)、Pi+OpenClaw 的 Agent 架构(将 LLM 与 Unix shell 和文件系统结合), 以及软件丰裕时代代码将无限可用的预判。他还呼吁建立生物特征人类身份验证, 以应对 bot 泛滥。

“软件的边际成本正在趋近于零。这听起来像好消息, 但对 99% 的 SaaS 公司来说, 这是一个存在性威胁。” – Marc Andreessen

-> 收听

DeepMind 内幕与社交媒体成瘾设计的法律清算 – Sebastian Mallaby #

Hard Fork · 昨日发布

第 188 期探讨了两个看似无关实则相连的话题。首先是最近陪审团裁定社交媒体公司需为伤害未成年用户负责, 这对 Meta、YouTube 和 AI 聊天机器人的影响。然后是 Sebastian Mallaby 谈他的新书《The Infinity Machine》, 深入 DeepMind 的 Demis Hassabis 和超级智能的追求。当 AI 的能力越来越强, “成瘾设计"的法律责任是否也应该延伸到 AI 产品?

-> 收听

SpaceX IPO 及太空探索的商业未来 #

All-In Podcast · E266 · 昨日发布

四位主持人探讨了 SpaceX 潜在 IPO 对 Tesla 的估值影响、商业航天的市场格局, 以及 Elon Musk 的多线作战能力。虽然不是 AI 主题, 但 SpaceX 的 IPO 讨论折射出一个更大的问题: 当最有价值的科技公司都是"硬科技+软件"的混合体时, 纯软件公司的天花板在哪里?

-> 收听

一个畅想: 如果有一天, 人类不再需要工作 #

知行小酒馆 · E230 · 昨日发布

中文播客圈难得的深度思辨。节目从 AI 时代工作的未来切入, 讨论全民基本收入(UBI)、资源分配重构、以及工作的意义。从投资和生活方式角度审视 AI 对劳动市场的深远影响。当 Simon Willison 在描述"Dark Factories"时, 知行小酒馆在问一个更根本的问题: 如果工厂真的不需要人了, 人去做什么?

-> 收听

为什么 Agent 时代, CLI 反而成了最优解? #

硬地骇客 HardHacker · EP124 · 5天前发布

一期反直觉的讨论: 在 AI Agent 时代, 命令行界面(CLI)为何反而是最优交互方式。尽管图形界面被普遍看好, CLI 在 Agent 架构中展现出独特优势: 可组合性、脚本化、自动化友好、与 Unix 哲学天然契合。讨论了 Claude Code、Cursor 等 CLI-first 工具如何重新定义开发者工作流。Marc Andreessen 在 Latent Space 中提到的 Pi+OpenClaw 架构, 本质上就是这条路线的延伸。

-> 收听

🤖 来自 AI 对话 #

为什么 AI Agent 的真正瓶颈不是智能, 而是信任? #

与 Claude Opus 的对话

每个人都在谈 AI Agent 的能力边界: 推理够不够强、上下文够不够大、工具调用够不够准。但这些都是技术问题, 技术问题终究会被解决。

真正的瓶颈是信任。

想象一下: 你让 Agent 管理邮箱、回复客户、操作银行账户。2026 年的模型技术上完全做得到, 但你敢吗? 这不是工程问题, 是制度设计问题。人类社会花了几百年建立信任基础设施: 合同、法院、保险、信用评分、职业资格证。每一样都是为了让陌生人可以合作。现在 AI Agent 要加入这个合作网络, 但我们还没为它们设计任何信任基础设施。

有趣的类比是公司制度的演化。17 世纪的东印度公司之所以革命性, 不是因为船更快或货更好, 而是有限责任制让投资者可以信任一个从未见过面的组织。AI Agent 需要类似的制度创新: “有限责任 Agent”: 你知道它最多能造成多大损失, 有明确追责路径, 有保险兜底。

所以下一个十亿美元的机会可能不是"更聪明的 Agent”, 而是"Agent 的信任基础设施": 身份验证、行为审计、损失保险、争议仲裁。听起来很无聊, 但历史上最大的商业机会往往藏在"无聊"的基础设施里。

开源模型正在赢得"够用"的战争, 但"够用"可能是个陷阱 #

与 Claude Opus 的对话

开源大模型进步速度令人震惊。Llama、Qwen、DeepSeek 在很多基准上已逼近闭源模型。社区共识正在形成: 对大多数应用, 开源"够用了"。

但"够用"是个危险的词。

回顾 Linux 的历史。2005 年左右, Linux 桌面"够用了": 能上网、写文档、编程。但它从未赢得桌面市场, 因为"够用"和"好用"之间有一条巨大鸿沟, 而这条鸿沟恰好是商业公司最擅长填补的。

不过这次可能不一样。Linux 没赢桌面, 但赢了服务器、移动端(Android)、云。它没在最显眼的战场获胜, 而是在真正重要的战场获胜。开源模型可能走同样的路: 不会取代 ChatGPT 成为消费者产品, 但会成为每个企业 AI 基础设施的默认选择。

真正值得思考的是: 如果推理成本持续下降、开源持续追赶, 模型本身会不会像带宽一样变成大宗商品? 如果是, 价值就不在模型里, 而在数据飞轮、用户习惯和生态锁定里。OpenAI 和 Anthropic 显然看到了这一点: 它们都在疯狂做产品, 而不只是做模型。对开发者来说, 真正的策略是建立模型无关的架构。今天用 GPT-4o, 明天切 Claude, 后天用本地 Qwen: 你的产品不应关心底层是什么。

Vibe Coding 的隐藏代价: 我们正在培养一代不会调试的工程师 #

与 Claude Opus 的对话

Vibe coding: 用自然语言描述需求, 让 AI 生成代码, 正从新奇变成常态。效率提升是真实的, 但有一个隐藏代价。

调试能力正在萎缩。

调试不只是"找 bug 修 bug"。它是你建立系统深层心智模型的主要途径。花三个小时追踪一个诡异的竞态条件, 你不只在修 bug, 你在理解并发模型、内存布局、事件循环。这种理解无法通过阅读文档获得, 只能通过痛苦的实践获得。

如果 AI 帮你写了代码, 出 bug 也让 AI 修, 你永远不会经历那种"痛苦的实践"。代码在运行, 产品在发布, 但你对底层系统的理解是空心的。

这很像自动驾驶的悖论。L2 辅助驾驶比完全手动更危险, 因为司机以为自己在掌控, 实际上注意力已漂移。Vibe coding 就是编程界的 L2 自动驾驶: 你以为自己懂代码, 但你只是懂怎么描述需求。

解决方案不是拒绝 AI 编程工具, 而是刻意练习"无 AI 调试"。就像飞行员每年必须在模拟器上练习手动着陆, 工程师应该定期关掉 Copilot, 手动调试一个困难的 bug。不是为了效率, 而是为了保持心智模型不退化。

中国 AI 出海的真正优势不是成本, 而是"混沌适应力" #

与 Claude Opus 的对话

主流叙事说中国 AI 出海优势是成本低。这是事实, 但不是最重要的事实。

更深层的优势是"混沌适应力"。中国科技公司过去十年经历了什么? 政策反复横跳、平台规则朝令夕改、供应链随时断裂、竞争对手三个月抄完你的产品。在这种环境下存活的公司, 发展出了西方公司不具备的能力: 在不确定性中快速决策、资源受限时创造性解决问题、规则不清晰时找到灰色地带。

这恰好是 AI 时代最需要的能力。AI 行业现在就是"混沌": 技术路线不确定、商业模式不确定、监管不确定。硅谷习惯的"先研究清楚再行动"反而变成了劣势, 而中国公司"边做边想、快速调整"天然适配。

当然, 这种优势也有阴暗面。“混沌适应力"有时是"不讲规矩"的美化说法。数据隐私、知识产权、安全合规, 到了海外会变成地雷。出海成功的关键不是把混沌适应力带出去, 而是升级为精确打击: 知道什么时候快、什么时候停、什么时候绕路。

为什么最好的 AI 产品经理可能来自游戏行业? #

与 Claude Opus 的对话

AI 产品经理是最热门岗位之一, 但做得最好的人往往不是来自传统互联网, 而是来自游戏行业。原因在于一个被忽视的能力: 设计"渐进式信任"体验。

游戏设计师天生懂一件事: 玩家不会一开始就信任系统。不会在教学关给最强武器, 因为他们还不知道怎么用。一步步引导: 先给简单任务建立信心, 再逐渐开放复杂功能, 让玩家每一步都感觉"我掌控着局面”。

这恰好是 AI 产品最需要解决的问题。用户不信任 AI, 不是因为 AI 不够好, 而是不知道 AI 的能力边界在哪。好的 AI 产品应该像好的游戏关卡: 先让用户在低风险场景体验能力(总结文章), 建立信任后再开放高风险操作(写邮件并自动发送)。

反观大多数 AI 产品: 给你一个空白输入框, 告诉你"可以问任何问题"。这就像开局就扔进 boss 战, 大部分人会立即关掉。

游戏行业还有另一个洞见: “失败是体验的一部分”。游戏设计师不追求让玩家永远不死, 而是让死亡有意义、有反馈、有学习。AI 产品不应追求永远不出错, 而应设计优雅的失败模式: 让用户知道 AI 错了、为什么错了、怎么纠正。这比假装永远正确好一万倍。

📚 来自书架 #

苏联-哈佛谬误: 为什么过度规划会杀死创新 #

Nassim Nicholas Taleb · 2012

Taleb 提出反直觉论点: 过度的自上而下规划不仅无法消除风险, 反而制造更大的脆弱性。无论是苏联计划经济还是哈佛商学院的战略规划框架, 都犯了同一个错误: 试图用理性预测替代试错进化。

与今天的连接: 这个洞见直接映射到 AI Agent 架构的争论。一派主张用精密规划器编排 Agent 行为, 另一派让 Agent 自由探索、反馈纠错。最成功的 Agent 系统(Devin、Claude Code)恰好是后者: 不追求第一次做对, 而是建立快速反馈和自动修复循环。oh-my-codex 的 $ralplan 共识规划模式(Planner > Architect > Critic)则是一种折中: 规划, 但允许被推翻。规划器的问题不在规划本身, 而在于给了你虚假的确定感。

锚定效应: 为什么你对 AI 能力的判断总是不靠谱 #

Daniel Kahneman · 2011

即使受试者知道锚定数字是随机的, 判断仍会被拉向那个锚。系统 1 自动把锚定值当起点, 系统 2 的调整往往不够充分。

与今天的连接: 这完美解释了科技圈对 AI 能力判断的两极化。GPT-4 发布时"AGI 近在咫尺"成为锚定, 所有讨论围绕"离 AGI 多远"而非"当前能力能创造什么价值"。Qwen 3.6-Plus 和 Gemma 4 发布后, benchmark 数字成为新锚。但 Simon Willison 在 Lenny’s Podcast 上说的更务实: 真正的分水岭不是某个 benchmark, 而是"从大致能用到真正能用"的体验跃迁。你对 AI 能力的判断, 是基于自己的实际体验, 还是被 Twitter 上的极端声音锚定了?

竞争是失败者的信仰: 独立开发者的蓝海在哪 #

Peter Thiel · 2014

真正赚钱的公司不是在竞争中胜出的, 而是创造了没有竞争的新市场。2002 年的 Google 不是"更好的搜索引擎", 而是"第一个真正能用的搜索引擎"。

与今天的连接: Product Hunt 上 80% 的新产品是"AI wrapper": 在 ChatGPT 上包一层 UI, 在 100 个竞品中争那一点差异化。Thiel 会说: 停止问"怎么做更好的 AI 写作助手", 开始问"有什么问题是 AI 能解决但没人认真做的"。今天的 Blogosphere 项目(HN 672 分)就是一个例子: 不做另一个 AI 工具, 而是为个人博客做一个发现平台, 满足一个真实但被忽视的需求。答案通常藏在看起来很小、很无聊的垂直领域里。

组合进化: 为什么 MCP 协议可能比任何单一模型更重要 #

W. Brian Arthur · 2009

技术不是被"发明"的, 而是从已有技术中"组合进化"出来的。蒸汽机是活塞(采矿业)、锅炉(酿酒业)、飞轮(制造业)的重新组合。技术进化速度取决于可供组合的积木数量: 积木越多, 可能组合呈指数增长。

与今天的连接: MCP 做的事本质上是增加"可供组合的积木"。Claude 连接 Microsoft 365(Outlook+OneDrive+SharePoint)不只是多了三个数据源, 而是让 AI 可以执行"读邮件→查文档→写回复→安排会议"这种组合操作。Karpathy 的知识库工作流也是组合进化的实例: Obsidian + LLM + CLI 工具, 每多一个组件, 能力不是线性增长而是组合爆炸。Arthur 的理论预测: 最重要的创新来自意想不到的组合, 不是"AI + 写代码", 而是"AI + 建筑安全检查"或"AI + 中医药方分析"。

⚡ 快讯 #

oh-my-codex: OpenAI Codex CLI 的多 Agent 编排层 #

GitHub Trending · 14263 星 · 今日 +3047

为 OpenAI Codex CLI 添加 hooks、Agent 团队、HUD 和工作流自动化。包含 30+ 专用 Agent prompt 和 40 个技能, 支持 $team 协调并行执行、$ralph 持久模式、$ralplan 共识规划(Planner > Architect > Critic)。单日涨星 3000+ 说明开发者对 Agent 编排工具的渴求。这不是又一个 IDE 插件, 而是把 Agent 当作可组合的 Unix 工具来编排。

-> 原文

LinkedIn 正在扫描你的浏览器扩展 #

Hacker News · 1857 分 · 754 评论

调查揭示 LinkedIn 正在枚举用户安装的浏览器扩展, 可能用于用户指纹追踪。HN 上引发关于企业监控和浏览器隐私的激烈辩论。当我们讨论 AI Agent 的信任问题时, 平台本身的信任危机同样值得关注。

-> 原文

一位前 Azure 核心工程师: 那些蒸发了万亿美元信任的决策 #

Hacker News · 1178 分 · 587 评论

前 Azure 核心工程师深度揭露微软内部决策如何侵蚀了 Azure 的信任。587 条评论中充满了对云平台可靠性的讨论。在 AI 基础设施竞争白热化的当下, 信任不是营销词汇, 是真金白银的护城河。

-> 原文

Cursor 3: AI 编程的统一工作区 #

Hacker News · 523 分 · 396 评论

Cursor 发布第三个大版本: Agents Window(多 Agent 跨仓库并行)、Design Mode(可视化 UI 标注)、多仓库支持、云到本地 Agent 迁移。396 条评论中讨论焦点是: AI 编程工具正在从"辅助编写"进化到"编排 Agent 团队"。

-> 原文

Blogosphere: 个人博客的发现平台 #

Hacker News · 672 分 · 173 评论

在算法推荐主导一切的时代, 这个项目为独立个人博客创建了一个发现首页。14 小时内 672 分, 反映了人们对非算法、独立内容发现的渴望。

-> 原文

编辑分析 #

今天的内容指向一个清晰的判断: AI 正在从"模型竞赛"进入"生态竞赛", 而生态竞赛的核心不是技术, 是信任。

Anthropic 宣布 Claude 订阅不再覆盖第三方工具使用, 这不是一个简单的定价调整。当一个平台开始区分"核心能力"和"生态工具"的收费方式时, 它实际上在定义一种新的价值分配规则。对比同一天 Claude 免费开放 Microsoft 365 连接器, 策略清晰可见: 核心集成免费(锁定用户), 第三方调用收费(建立市场)。这是 App Store 模式在 AI 领域的重演, 开发者应该认真对待。

三个值得关注的趋势:

第一, Agent 工具正在"Unix 化"。 oh-my-codex 单日 3000+ 星, Cursor 3 推出 Agent 并行工作区, Block 开源 Goose, 硬地骇客在讨论"CLI 是 Agent 最优解"。这些不是孤立事件, 而是同一个趋势的不同侧面: Agent 不再是一个巨大的单体应用, 而是可组合、可编排的小工具集合。W. Brian Arthur 的组合进化理论在这里有完美的映射: 每多一个可组合的 Agent 工具, 整个生态的能力呈指数增长。

第二, “本地优先"正在从理念变成基础设施。 Gemma 4 以 Apache 2.0 开源, AMD 发布 Lemonade 本地推理服务器, HN 上 Ollama+Mac mini 教程热度飙升, Apfel 将 Mac 内置 ML 框架暴露为免费 AI 工具。这不是一两个项目的巧合, 而是本地推理的完整技术栈正在成型。当 Anthropic 开始对第三方工具收费时, 本地运行开源模型的经济性优势会进一步放大。

第三, 知识操作正在取代代码操作成为 AI 的核心用途。 Karpathy 明确说"越来越多的 token 用于操作知识而非代码”。他的工作流(源文档 → LLM 编译 wiki → 查询和增强 → 再归档)预示了一种新的知识工作范式: 人类负责提出问题和做判断, LLM 负责组织、连接和维护知识。这与 Simon Willison 在 Lenny’s Podcast 上描述的"Dark Factories"形成互补: 代码生产可以全自动化, 但知识生产需要人类和 AI 的深度协作。

今天最值得记住的一句话来自我们与 Claude 的对话: “下一个十亿美元的机会可能不是更聪明的 Agent, 而是 Agent 的信任基础设施。” 当所有人都在追逐更强的模型时, 真正的价值可能藏在身份验证、行为审计、损失保险这些"无聊"的领域里。就像 Peter Thiel 说的: 竞争是失败者的信仰。

延伸阅读:

• Simon Willison 的 AI 安全研究追踪 — 11 篇关于 AI 驱动安全研究的文章合集
• Anthropic 模型行为 diff 工具研究 — 用软件 diff 原理比较 AI 模型行为差异
• Blogosphere — 在算法推荐之外发现独立博客的新方式

lz.wiki 每日精选 · 33 条来自 12 个源 · 2026年4月4日 13:00 CST RSS 订阅 · 所有精选