即刻App年轻人的同好社区
下载
开源项目 6 天 0→5000 Stars，复盘一下过程：
1. 十几个平台，每个都单独写文案。在 Reddit 等平台的评论区积极回复，这步花的时间最多。
2. 前 2000 靠自己推，后面靠别人传。AI 领域头部 Newsletter 主动提及了项目，英文、阿拉伯语、中文圈的推主自发跟进。没花钱，没主动联系过任何人。
3. 5000 Star 能换到实际福利。Claude Max 和 ChatGPT Pro 都有开源维护者计划，可以免费用 6 个月。
不过有一部分人 star 的是故事，后续计划保持维护，会基于框架去做具体的 AI 产品。
1. 十几个平台，每个都单独写文案。在 Reddit 等平台的评论区积极回复，这步花的时间最多。
2. 前 2000 靠自己推，后面靠别人传。AI 领域头部 Newsletter 主动提及了项目，英文、阿拉伯语、中文圈的推主自发跟进。没花钱，没主动联系过任何人。
3. 5000 Star 能换到实际福利。Claude Max 和 ChatGPT Pro 都有开源维护者计划，可以免费用 6 个月。
不过有一部分人 star 的是故事，后续计划保持维护，会基于框架去做具体的 AI 产品。
0 00
实测了一下 Gemma 4 E2B 能不能做多智能体的协调者。
不是简单聊天，是让它拿到一个自然语言目标，自己拆成任务图，分配给不同 agent，调用工具（bash、文件读写），最后汇总结果。
结果：能跑通。
E2B 的有效参数只有 2.3B（总参数 5.1B，剩下的都是嵌入层），通过 Ollama 本地运行，M1 MacBook 16GB 上跑完一个完整的自动编排流程大概 3.5 分钟。任务分解的 JSON 输出、工具调用、多轮对话都没出问题。
输出质量跟 Claude/GPT-4 肯定有差距，但 2.3B 有效参数能把这套流程跑通本身就挺意外的。
用的是我最近开源的框架 open-multi-agent，TypeScript 写的，3 个依赖，Ollama 接进来改一行配置就行。
GitHub: github.com/JackChen-me/open-multi-agent
完整示例: examples/08-gemma4-local.ts
不是简单聊天，是让它拿到一个自然语言目标，自己拆成任务图，分配给不同 agent，调用工具（bash、文件读写），最后汇总结果。
结果：能跑通。
E2B 的有效参数只有 2.3B（总参数 5.1B，剩下的都是嵌入层），通过 Ollama 本地运行，M1 MacBook 16GB 上跑完一个完整的自动编排流程大概 3.5 分钟。任务分解的 JSON 输出、工具调用、多轮对话都没出问题。
输出质量跟 Claude/GPT-4 肯定有差距，但 2.3B 有效参数能把这套流程跑通本身就挺意外的。
用的是我最近开源的框架 open-multi-agent，TypeScript 写的，3 个依赖，Ollama 接进来改一行配置就行。
GitHub: github.com/JackChen-me/open-multi-agent
完整示例: examples/08-gemma4-local.ts
0 51
做 AI 开发的，有一个英文 Newsletter 真的建议订一下：Latent Space。
17 万+ 订阅者，Substack 上 AI 类目的头部。作者 swyx 在开发者社区很有影响力，采访过 Karpathy、Greg Brockman、Simon Willison 这些人。
它不是那种泛泛聊 AI 趋势的媒体，内容非常工程向——Agent 怎么搭、模型怎么选、Infra 怎么做，都是一线在写代码的人关心的东西。每天还有一个 AI News 板块，帮你过滤全网噪音，把当天值得看的开源项目、论文、技术动态压缩成一篇。
我自己订了挺久了，信息密度高，省掉刷 Twitter 的时间。
前两天翻它的时候发现，我做的一个开源多 Agent 框架 open-multi-agent 也被它收录推荐了，还挺意外的。算是一个小小的验证吧——你做的东西如果有价值，这种渠道会自己找上来。
免费订阅就够用，直接在 Substack 上订就行。
17 万+ 订阅者，Substack 上 AI 类目的头部。作者 swyx 在开发者社区很有影响力，采访过 Karpathy、Greg Brockman、Simon Willison 这些人。
它不是那种泛泛聊 AI 趋势的媒体，内容非常工程向——Agent 怎么搭、模型怎么选、Infra 怎么做，都是一线在写代码的人关心的东西。每天还有一个 AI News 板块，帮你过滤全网噪音，把当天值得看的开源项目、论文、技术动态压缩成一篇。
我自己订了挺久了，信息密度高，省掉刷 Twitter 的时间。
前两天翻它的时候发现，我做的一个开源多 Agent 框架 open-multi-agent 也被它收录推荐了，还挺意外的。算是一个小小的验证吧——你做的东西如果有价值，这种渠道会自己找上来。
免费订阅就够用，直接在 Substack 上订就行。
3 01
复盘一下 2 天 2700⭐的 GitHub 项目
我不是程序员，非技术背景，代码是 AI 辅助写的。这个数据跟项目本身的技术含量关系不大，跟发布时机和运营策略关系很大。
几个值得单独再写出来的操盘记录：
① 两个 Reddit 帖子，73 万浏览，1104 个 upvotes
② 13 个平台每个写不同的文案，一篇搬运一定被嗅出来
③ README 当落地页来做，30 秒决定 star 还是关掉
④ npm 包名被人抢注了，2100 人装了别人的包
⑤ 标题用了"extracted"，评论区一半人在讨论法律问题
⑥ 360 条评论，分五批处理，只回技术问题
⑦ 最尖锐的批评者后来主动说了 good stuff
最后一张是我觉得蛮重要的反思：
这次从头到尾是从供给端发起的，不是先有需求再做产品。Star 数好看，但离"有人愿意付费"还差很远。接下来该做的不是继续铺渠道，是找到真的在用的人聊聊。
项目：JackChen-me / open-multi-agent
我不是程序员，非技术背景，代码是 AI 辅助写的。这个数据跟项目本身的技术含量关系不大，跟发布时机和运营策略关系很大。
几个值得单独再写出来的操盘记录：
① 两个 Reddit 帖子，73 万浏览，1104 个 upvotes
② 13 个平台每个写不同的文案，一篇搬运一定被嗅出来
③ README 当落地页来做，30 秒决定 star 还是关掉
④ npm 包名被人抢注了，2100 人装了别人的包
⑤ 标题用了"extracted"，评论区一半人在讨论法律问题
⑥ 360 条评论，分五批处理，只回技术问题
⑦ 最尖锐的批评者后来主动说了 good stuff
最后一张是我觉得蛮重要的反思：
这次从头到尾是从供给端发起的，不是先有需求再做产品。Star 数好看，但离"有人愿意付费"还差很远。接下来该做的不是继续铺渠道，是找到真的在用的人聊聊。
项目：JackChen-me / open-multi-agent
从一个热点到 2 天 2700 Star：一个开源项目的完整复盘
0 00
开源一天，2200 Star，1160 Fork。
做了个多 Agent 协作框架 open-multi-agent，昨天丢到 GitHub 和 Reddit上，一天时间数据就起飞了。作为参考，最近很火的 Superpowers 首日是 1500+ Star。
接下来想做 Ollama 本地模型适配、streaming 输出、任务 DAG 可视化，一个人时间排不过来，欢迎感兴趣的一起来搞
🔗 github.com/JackChen-me/open-multi-agent
做了个多 Agent 协作框架 open-multi-agent，昨天丢到 GitHub 和 Reddit上，一天时间数据就起飞了。作为参考，最近很火的 Superpowers 首日是 1500+ Star。
接下来想做 Ollama 本地模型适配、streaming 输出、任务 DAG 可视化，一个人时间排不过来，欢迎感兴趣的一起来搞
🔗 github.com/JackChen-me/open-multi-agent
0 00
作为产品经理兼独立开发者，开源了一个 AI 多 Agent 协作框架。
简单说就是：让多个 AI 组成团队一起干活。一个负责规划，一个负责写代码，一个负责审查，框架自动分配任务、按依赖关系调度。
发布 10 小时，GitHub 520+ Star。
几个核心亮点：
1. 支持 Claude + GPT 混合编队
2. 任务自动拆解，有依赖的等，没依赖的并行跑
3. TypeScript 原生，npm 一键安装
4. 全程 in-process，适合云端部署
开源地址：github.com/JackChen-me/open-multi-agent
简单说就是：让多个 AI 组成团队一起干活。一个负责规划，一个负责写代码，一个负责审查，框架自动分配任务、按依赖关系调度。
发布 10 小时，GitHub 520+ Star。
几个核心亮点：
1. 支持 Claude + GPT 混合编队
2. 任务自动拆解，有依赖的等，没依赖的并行跑
3. TypeScript 原生，npm 一键安装
4. 全程 in-process，适合云端部署
开源地址：github.com/JackChen-me/open-multi-agent
0 01
分享一个我最近在用的方法：让 Claude 每周六晚上自动帮我做复盘。
原理很简单——Claude 本身就记录了我这一周所有的对话，它比我自己更清楚我这周干了什么。所以我写了一个定时任务（Scheduled Task），每周六晚 8 点自动执行，它会：
读取我本周所有 Cowork 会话（包括归档的）
读取我在 Claude Code CLI 里的对话记录
按类别归类（创业探索、内容创作、产品开发、工具链、投资…）
生成两份周报：一份对内复盘（含时间分配、关键决策、反思），一份对外周记（隐去敏感信息，挑 3-5 个有分享价值的话题）
用 subagent 交叉验证：事实是否准确、对外版是否泄露了不该说的
跑了一次之后最大的感受是：它比我自己写复盘诚实。
我自己写周报有时候会不自觉地美化，但 Claude 会直接从对话记录里提炼，做出基于绝对诚实的分析。
实现方式：在 Cowork 里创建一个 Scheduled Task，把复盘的 prompt 写成 SKILL.md，设好 cron 表达式就行。核心是把"去哪里读对话记录、怎么分类、输出什么格式"写清楚，Claude 会自己挂载目录、解析 JSON、写 Markdown。
唯一踩过的坑：归档会话的对话内容不在 claude-code-sessions/ 的 JSON 里（那里只有标题和时间），实际内容在 local-agent-mode-sessions/ 下的 audit.jsonl 里。第一次跑的时候漏了一大半对话，补上之后信息量直接翻倍。
如果你也在用 Claude 做大量工作，推荐试试。每周花 0 分钟，换一份比自己写得更诚实的复盘。
原理很简单——Claude 本身就记录了我这一周所有的对话，它比我自己更清楚我这周干了什么。所以我写了一个定时任务（Scheduled Task），每周六晚 8 点自动执行，它会：
读取我本周所有 Cowork 会话（包括归档的）
读取我在 Claude Code CLI 里的对话记录
按类别归类（创业探索、内容创作、产品开发、工具链、投资…）
生成两份周报：一份对内复盘（含时间分配、关键决策、反思），一份对外周记（隐去敏感信息，挑 3-5 个有分享价值的话题）
用 subagent 交叉验证：事实是否准确、对外版是否泄露了不该说的
跑了一次之后最大的感受是：它比我自己写复盘诚实。
我自己写周报有时候会不自觉地美化，但 Claude 会直接从对话记录里提炼，做出基于绝对诚实的分析。
实现方式：在 Cowork 里创建一个 Scheduled Task，把复盘的 prompt 写成 SKILL.md，设好 cron 表达式就行。核心是把"去哪里读对话记录、怎么分类、输出什么格式"写清楚，Claude 会自己挂载目录、解析 JSON、写 Markdown。
唯一踩过的坑：归档会话的对话内容不在 claude-code-sessions/ 的 JSON 里（那里只有标题和时间），实际内容在 local-agent-mode-sessions/ 下的 audit.jsonl 里。第一次跑的时候漏了一大半对话，补上之后信息量直接翻倍。
如果你也在用 Claude 做大量工作，推荐试试。每周花 0 分钟，换一份比自己写得更诚实的复盘。
3 01
