我的工作流是一个围绕 superpowers 插件 的 Loop，superpowers 的理念是：先思考再动手。当你提出一个需求，不会急于写代码，而是先退一步问你"你真正想要实现什么"，通过对话梳理出完整的设计方案，再分步执行。

核心设计是 master 和 worker 分离。

• 脑暴会话 (master)：专注于思考和设计，输出高质量的设计文档和执行计划
• 执行会话 (worker)：专注于代码实现，执行详细的计划

1、需求录入 - 首先我会在 Zed 上进行需求录入，采用 md 格式。这一步非常重要，我大概有 30% 的时间花在需求录入上，我会把能想到的关于此需求的背景、最终目标、可行的技术方案、风险点、外部 API 文档等等一切资源，都在需求文档中说明。对于需求文档，我不会太在意格式，会有比较多口语化的表达。

2、脑暴阶段 - 把需求 MD 喂给 Claude，调用 /superpowers:brainstorm 和 claude 进行思维碰撞。这个阶段不写任何代码，只讨论设计方案和实现细节，最终输出 design.md 和 implement.md，保证最终的实现方案是完美符合我的预期的。

3、 执行阶段 - 这里我会选择新起一个 ClaudeCode 会话，而不是在脑暴会话中进行代码实现。新会话的好处：一、原先脑暴会话已经经过多轮对话了，一般情况下上下文会比较满，新会话响应更快，并且不会“犯傻”；二、implement.md 足够详细，无需额外上下文

4、 CodeReview - 在 Zed 中进行代码审查和功能验收。关于代码审查，对于一些代码细节和实现原理，这里我会使用 zed-agent 来辅助我进行代码 review，当然，你也可以在终端新建一个 ClaudeCode 会话或者使用 Zed 的 Claude Agent。原则是尽量不在脑暴和执行会话中引入太多不必要的问题，保持这两个会话的「干净」。发现问题后，将改进项写入新的需求 MD

5、 LOOP - 改进项 MD 喂回脑暴会话，开始下一轮脑暴迭代

非常简单，但是效果超群。充分的前期设计可以提升 AI 的效率和质量，避免多次的来回拉扯。

举个真实案例：我用这套工作流将个人博客从 Quarz 框架迁移到 Astro 框架。脑暴阶段确认好设计方案后，我让 Claude 执行计划，然后就去睡午觉了。醒来发现 Claude Code 已经完美完成任务——中间零中断，一次成功，共计 5000+ 行代码变更。

背景

• Alfred 的翻译工作流不会自己配，只能用一个服务提供商，不满足
• 没入正 Alfred（穷），用盗版心里过意不去
• 原生聚焦搜索的操作逻辑不太符合我的习惯，喜欢 Alfred 的操作逻辑
• 其他 app 要么免费不够用，要么够用不免费，要么外观不喜欢

核心功能（只整合自己最常用的）

1. app 模糊搜索
   
2. 支持多个服务的快捷翻译
   
3. 代码片段
   
4. 剪贴板历史
   

特性

• 借鉴聚焦搜索和 Alfred 的操作逻辑，从激活到离开双手无需离开键盘
• 支持最新的液态玻璃外观
  

项目地址： FocusLite

已是2026年，许多安全运营中心仍沿用多年前的运作方式，使用着为完全不同的威胁环境设计的工具和流程。面对网络威胁数量与复杂性的激增，这些过时做法已无法充分支持分析师需求，严重拖累调查与事件响应效率。

以下四个限制性习惯可能正阻碍您的SOC跟上攻击者的进化速度，同时我们将揭示前瞻性团队今年为实现企业级事件响应所采取的全新实践。

1. 手动审查可疑样本

尽管安全工具不断进步，许多分析师仍严重依赖手动验证与分析。这种方法在每个环节都制造阻力——从处理样本到在不同工具间切换，再到手动关联调查结果。

依赖人工的工作流程往往是告警疲劳和优先级延迟的根源，进而拖慢响应速度。这些挑战在高流量告警环境中尤为突出，而这正是企业常态。

替代方案：

现代SOC正转向自动化优化的工作流程。基于云的恶意软件分析服务让团队能在安全环境中进行全方位威胁引爆，无需任何设置和维护。从快速答案到深度威胁概览，自动化沙箱在保持调查深度和质量的同时处理基础工作，使分析师能专注于更高优先级的任务和事件响应。

QR code analyzed and malicious URL opened in a browser automatically by ANY.RUN

采用ANY.RUN交互式沙箱的企业SOC通过此模型实现
每起事件平均修复时间减少21分钟
。这种实践方法支持对攻击（包括多阶段威胁）的深度可视化。自动化交互能力可处理隐藏恶意活动的验证码和二维码，无需分析师介入。这使得分析师能全面理解威胁行为，从而快速果断地采取行动。

2026年，用ANY.RUN革新您的SOC

联系专家

1. 仅依赖静态扫描与信誉检查

静态扫描和信誉检查虽有用，但单独使用往往不够充分。分析师常参考的开源情报数据库通常提供过时指标且缺乏实时更新，这使您的基础设施易受最新攻击。攻击者持续通过独特载荷、短期特征和规避技术升级战术，使基于特征的检测手段失效。

替代方案：

领先的SOC将行为分析作为运营核心。实时引爆文件和URL能即时揭示恶意意图，即使是前所未见的威胁也不例外。

动态分析能暴露完整执行流程，实现高级威胁的快速检测，丰富的行为洞察则支撑可靠的决策与调查。从网络系统活动到TTPs和检测规则，ANY.RUN支持威胁调查全阶段，助力动态深度分析。

Real-time analysis of Clickup abuse fully exposed in 60 seconds

该沙箱帮助团队解析检测逻辑，获取响应工件、网络指标和其他行为证据，从而避免盲区、遗漏威胁和行动延迟。

最终，ANY.RUN交互式沙箱用户的
平均威胁检测时间中位数仅为15秒
。

1. 工具孤岛

优化的工作流程应确保所有环节相互联通。当SOC为每项任务依赖独立工具时，就会在报告、追踪和手动处理等方面产生问题。不同解决方案与资源间缺乏集成会在工作流中制造缺口，而每个缺口都是风险。这种碎片化会延长调查时间，破坏决策透明度。

替代方案：

SOC负责人在简化工作流程、建立统一流程视图方面起着关键作用。优先考虑解决方案集成以消除调查各阶段间的隔阂，能创造无缝的工作流。这为分析师在集成化基础设施框架内提供了完整的攻击视图。

ANY.RUN's benefits across Tiers

将ANY.RUN沙箱集成到SIEM、SOAR、EDR或其他安全系统后，SOC团队可见到
分析师处理效率提升3倍
。这反映了快速分流、工作负载减轻和事件响应加速——无需增加工作负荷或额外人力。关键驱动因素包括：

实时威胁可视化：90%威胁在60秒内被检测
更高检测率：通过交互式引爆使高级低检测率攻击显形
自动化效率：自动化交互减少手动分析时间，加速复杂案件处理

1. 过度升级可疑告警

一线与二线团队间的频繁升级常被视为正常且不可避免，但在多数情况下本可避免。

模糊性正是其隐形推手。若缺乏明确证据且对判定结论信心不足，一线团队便无法充分获得授权独立响应。

替代方案：

结论性洞察与丰富上下文能最小化升级需求。结构化摘要报告、可操作见解和行为指标——所有这些都能帮助一线团队无需转交即可做出信息充分的决策。

AI Sigma Rules panel in ANY.RUN with rules ready for export

软件描述

Nigate 是一款专为 macOS 打造的 NTFS 读写工具，提供现代化 Electron 图形界面和极客终端版本。它让只读的 NTFS 移动硬盘/U 盘一键切换为读写，并实时展示设备状态与操作日志，全程本地运行，无需登录，无数据上云。

项目地址： https://github.com/hoochanlon/Free-NTFS-for-Mac

亮点

• 一键读写：只读 NTFS 设备一键挂载为读写，操作完成自动刷新状态。
• 实时监控：自动检测设备插拔与状态变更，托盘/主界面同步更新。
• 双形态：提供现代化 GUI 与轻量终端脚本，两种形态随心选。
• 依赖自检：内置依赖检查与指引（MacFUSE、ntfs-3g 等），缺什么告诉你。
• 隐私友好：完全本地运行，无账号、无上传，操作日志保存在本地。
• 跨语言界面：多语言支持（中/英/日），界面深色主题简洁易用。

主要功能

• 自动检测并列出 NTFS 设备，显示读写/只读/未挂载状态
• 一键挂载为读写 / 恢复只读 / 卸载 / 推出
• 操作日志面板与导出
• 托盘模式，快捷查看与操作设备
• 依赖检查与安装指引（MacFUSE、ntfs-3g 等）

使用方式

• GUI 版：下载最新发行版（tags 页面），安装后直接运行。
• 终端版：在完全管理权限的终端执行安装脚本，后续直接输入 nigate 即可。
• 开发者可通过 pnpm install && pnpm run dev 启动开发环境。

隐私与安全

• 不需要注册/登录，所有操作与日志仅存储在本地。
• 挂载操作需管理员密码，密码输入仅在本地校验。

截图

主界面（读写/只读状态一目了然）

托盘视图（快速操作与状态查看）

从 https://linux.do/t/topic/1450503 说起来
昨晚因为当时没有找到现成的歌单 于是就用绿钻会员最后一天 下载了 1000 + 首歌曲
结果发现有的是 OGG 格式 可以用其他播放器播放 有的是 MGG 格式 只能用 qq 音乐播放

于是乎突然想起来以前用的解密工具，但是 GITHUB 被 DMCA 了 https://github.com/unlock-music/unlock-music
好在找到了官方的自托管仓库 um/cli: 音乐解锁，但是命令行。 - cli - um git

官方提供了网页版还有网友的 BAT 版本 但是还是慢还有操作繁琐
于是在 AI 的帮助下 这个工具诞生了

源码：audio_converter_share.zip
ffmpeg.exe 和 um.exe 需要的二进制文件需要自行下载

很多人买过 低价区密码管理器、网盘、视频会员，但是你容易买到黑卡 / 洗钱渠道礼品卡，账号可能会被 BAN

• 如何买到正规渠道礼品卡？
  一般直接通过官网寻找。

• 如何通过官网找到？
  找到土区（任意地区）微软 / 苹果 / 谷歌 官网，搜索 “gift cards” ，你通常找到如下搜索结果
  Hediye Kartları - Apple (TR)
  Hediye kartları ve promosyonlar nereden satın alınır? - Google Play

• 我们找到了什么？
  苹果：
  
  
  
  谷歌：
  
  

• 购买土耳其礼品卡（苹果 / 谷歌）操作？
  谷歌 play 官网找到经销商网站进去，直接搜索 apple google 关键词

• 可信性如何？
  如果从这种官网跳转，且网址正确，渠道基本正规。网站如果支持 paypal 或者银联卡支付，还是比较友好的

• 有什么想说的？
  
  

问题：原全球区卡是德国地址证明 更改其他地区后原卡被冻 新卡一直无限循环且只能选择德国
解决办法：先更改其他新的地址证明 -> 然后用你新地区的 IP 联系客服 -> 说明卡被冻 -> 让客服提交工单删除 / 或自己提交工单.-> 会给你发邮件 -> 回复 本人知悉并同意 Bybit 卡的取消为不可逆操作。请协助取消我目前的 EEA Bybit Card，并允许我重新申请其他可用的卡片类型。-> 完美解决 -> 再申请新卡就可以了

用 Claude Code 跑自动化测试时遇到过这种情况吗？生成了一堆测试用例，跑完发现 Token 烧了不少，结果一半是废的 —— 要么断言写错，要么压根定位不到元素。

所以我花了点时间把市面上的 AI 测试方案摸了一遍。就两条路，DOM 解析或者视觉识别，先选一个深耕就行。

DOM

原理没什么花活。DOM 就是浏览器把 HTML 页面变成一棵可以被 JavaScript 随意增删改查的树状对象结构。简单说，你写的 HTML 被浏览器变成了一堆 "会动的积木"，这些积木可以用 JavaScript 随便抓、改、删、加。

AI 通过选择器找到这些积木，Playwright 负责点点点。就这样。

推荐工具：agent-browser

这是 Vercel 出的一个专门用于 AI Agent 的浏览器自动化 CLI，支持无头模式，可以不打开浏览器进行测试。

# 安装 CLI
npm install -g agent-browser

# 安装驱动
agent-browser install

# 验证安装
agent-browser open baidu.com

# 返回以下内容表示成功 # ✓ 百度一下，你就知道 #   https://www.baidu.com/ 

这条路的好处很直接 ——Token 消耗低，跑得快，CI/CD 接进去顺滑。

但有个前提：你的 DOM 结构得稳定。

纯视觉

这个思路更直观：将页面截图发送给视觉大模型识别，模型返回下一步操作指令，循环执行直到完成全部任务。

推荐工具：Midscene

这是字节开源的纯视觉测试方案，支持 Web、Android、iOS，兼容多种视觉模型：Gemini、Qwen-VL、Doubao-VL。自然语言写测试目标，AI 自己生成脚本。

但 Token 消耗高。跑一轮测试下来成本不低。而且视觉模型偶尔会出问题。

所以视觉方案更像是补充：DOM 搞不定的场景，比如验证 UI 有没有错位、样式有没有问题，再让视觉上。

ChatGPT AgentMode

这是 ChatGPT 的 AgentMode 功能需要订阅企业版或者 Pro 版本 (team 也可以) 它会启动一个虚拟浏览器访问你要求的网址像真人一样在你的平台浏览、点击按钮、账号登录 ，要求最后给我详细的测试报告，如果你的网站已经部署到公网上那么就可以使用 Agent Mode 进行测试。

缺点是最少需要购买 Team 或者 Pro。

怎么选？

几个坑提前说

成本控制：先让 AI 生成用例，人审完再跑。不然跑完发现一半用例有问题，Token 白烧了。

CI/CD 集成：配置的时候注意超时设置。视觉方案跑得慢，默认超时可能不够。

自愈能力：市面上很多工具都说支持 "自愈"，意思是 UI 改了之后测试脚本能自动调整选择器。实际效果看情况，改个按钮文案能自愈，重构了页面结构还是得手动改。

核心就一句：DOM 打底，视觉补充，别一开始就 all in 最贵的方案。

有实践经验的欢迎评论区交流。

相关链接：

• Midscene：https://midscenejs.com
• agent-browser：GitHub - vercel-labs/agent-browser: Browser automation CLI for AI agents
• Playwright：https://playwright.dev
• test-cases Skill：myclaude/skills/test-cases/SKILL.md at master · cexll/myclaude · GitHub

Sub-Converter 的模板，主要是对 dns 的部分做了一些适配，放置在 subconverter/base/clash.tpl，佬友们可以直接抄，或者觉得有不合理需要调整的地方也可以指正。

mixed-port: 7890 allow-lan: false mode: rule log-level: info tcp-concurrent: true global-client-fingerprint: chrome ipv6: false external-controller: '127.0.0.1:9090' hosts: dns.google: - 8.8.8.8 - 8.8.4.4 - '2001:4860:4860::8888' - '2001:4860:4860::8844' doh.pub: - 1.12.12.12 - 1.12.12.21 - 120.53.53.53 dns.alidns.com: - 223.5.5.5 - 223.6.6.6 - '2400:3200::1' - '2400:3200:baba::1' tun: enable: true stack: mixed dns-hijack: - 'any:53' - 'tcp://any:53' auto-route: true auto-detect-interface: true strict-route: true route-exclude-address: - 192.168.0.0/16 - 'fc00::/7' clash-for-android: append-system-dns: false profile: tracing: true store-selected: true store-fake-ip: true sniffer: enable: true override-destination: false force-dns-mapping: true parse-pure-ip: true sniff: TLS: ports: - 443 - 8443 HTTP: ports: - 80 - 8080-8880 QUIC: ports: - 443 - 8443 skip-domain: - Mijia Cloud - +.push.apple.com experimental: sniff-tls-sni: true dns: enable: true prefer-h3: false listen: '127.0.0.1:8853' respect-rules: true ipv6: false cache-algorithm: arc enhanced-mode: fake-ip fake-ip-range: 198.18.0.1/16 fake-ip-range6: 'fc00::/18' fake-ip-filter: - '*.lan' - '*.local' - '*.localhost' - '*.home.arpa' - time.*.com - time.*.gov - time.*.apple.com - ntp.*.com - +.pool.ntp.org - +.msftconnecttest.com - +.msftncsi.com - +.srv.nintendo.net - +.stun.playstation.net - xbox.*.microsoft.com - +.battlenet.com.cn - +.music.163.com - +.y.qq.com - +.bilivideo.cn - localhost.ptlogin2.qq.com - lens.l.google.com default-nameserver: - 223.5.5.5 - 119.29.29.29 nameserver: - 'https://dns.alidns.com/dns-query' - 'https://doh.pub/dns-query' fallback: - 'https://dns.google/dns-query' - 'https://1.1.1.1/dns-query' proxy-server-nameserver: - 'https://dns.alidns.com/dns-query' - 'https://doh.pub/dns-query' direct-nameserver: - 'https://dns.alidns.com/dns-query' - 'https://doh.pub/dns-query' nameserver-policy: 'geosite:cn': - 'https://dns.alidns.com/dns-query' - 'https://doh.pub/dns-query' dl.google.com: - 223.5.5.5 - 119.29.29.29 dl.l.google.com: - 223.5.5.5 - 119.29.29.29 +.in-addr.arpa: 10.0.0.1 +.ip6.arpa: 10.0.0.1 fallback-filter: geoip: true geoip-code: CN geosite: - gfw ipcidr: - 0.0.0.0/8 - 10.0.0.0/8 - 100.64.0.0/10 - 127.0.0.0/8 - 169.254.0.0/16 - 172.16.0.0/12 - 192.168.0.0/16 - 240.0.0.0/4

{% if local.clash.new_field_name == "true" %}
proxies: - name: dns-拦截 type: dns proxy-groups: ~ rules: ~
{% else %}
Proxy: ~ Proxy Group: ~ Rule: - 'DST-PORT,53,dns-拦截'
{% endif %}

在跟谷歌善人斗智斗勇了一俩个月，看了很多佬友分享，注册了 5、6 个账号之后，我觉得可以总结出一个暴论

• 时间才是唯一重要的

我是怎么都没想到最后是我最老的一个号获得了资格，这个号 10、11 月注册的，Chrome 和手机上都登录的这个，平常使用 ip 之混乱：大陆、TW、SG、US 各种乱跳。我都不对这个号抱有希望，用美国家宽（风佬和宝可梦）各种渠道注册了若干新号是一个资格都没有，还挑了个号天天刷 YouTube，也是无济于事。直到某一天：

再结合之前有佬友分享的：有一个月体验的基本都有资格

我连忙拉起风佬家宽（是的我发现的时候用的某一元机场）去改地区，把原来 SG 改成 US

改成功之后考试去了

期间我一直用的是美国 ip 使用 gemini 这些，家宽机场混着用。

回来后再把原来的付款资料删除，直接拿下资格：

后续就是 sheerid 了，1key 大法好，不过现在需要付费了，但是根本没有库存

于是找佬友 @Oregon 花了点 LDC 帮忙给过了

最后是绑卡，这里直接用之前办的招商万事达

顺利结束

希望能对佬友们有帮助

对于 AI 开发过程中，AI coder 最喜欢用的骚紫色，我已经有了 Prompt 规避，分享给各位，大家如果也有其他场景的 Prompt 也可以发送一下：

#角色
你是一位资深设计资深前端后端全栈开发工程师 #设计风格
优雅的极简主义美学与功能的完美平衡；
永远不使用 AI 盛行的基佬紫色！
清新柔和的渐变配色与品牌色系浑然一体；
恰到好处的留白设计；
轻盈通透的沉浸式体验；
信息层级通过微妙的阴影过渡与模块化卡片布局清晰呈现；
用户视线能自然聚焦核心功能；
精心打磨的圆角；
细腻的微交互；
舒适的视觉比例；
强调色：按 APP 类型选择；

各中转站对 RPM 有限制，同时禁止分发，本教程只给出自用模式

看到群里不少佬友想在 newapi 中对接中转站，恰好我在用 RightCode，所以以 rightcode 为例，写（水）一篇教程吧。

前者要求

• git (用于克隆仓库）
• windows docker desktop 或者 linux docker (建议有足够的内存 + 硬盘存储）
• 配置好 docker compose

windows docker desktop 建议选择 wsl2 作为 backend

安装部署

克隆仓库 & 启动

先克隆仓库

git clone https://github.com/QuantumNous/new-api.git

修改 docker-compose.yml

本教程采用 postgresql

```diff
version: '3.4' # For compatibility with older Docker versions

services:
  new-api:
    image: calciumion/new-api:latest
    container_name: new-api
    restart: always
    command: --log-dir /app/logs
    ports:
-     - "3000:3000" +     - "3003:3000"
    volumes:
      - ./data:/data
      - ./logs:/app/logs
    environment:
-     - SQL_DSN=postgresql://root:123456@postgres:5432/new-api # ⚠️ IMPORTANT: Change the password in production! +     - SQL_DSN=postgresql://root:idkpassword@postgres:5432/new-api # ⚠️ IMPORTANT: Change the password in production!
#       - SQL_DSN=root:123456@tcp(mysql:3306)/new-api  # Point to the mysql service, uncomment if using MySQL
      - REDIS_CONN_STRING=redis://redis
      - TZ=Asia/Shanghai
      - ERROR_LOG_ENABLED=true # 是否启用错误日志记录 (Whether to enable error log recording)
      - BATCH_UPDATE_ENABLED=true  # 是否启用批量更新 (Whether to enable batch update)

    depends_on:
      - redis
      - postgres
    healthcheck:
      test: ["CMD-SHELL", "wget -q -O - http://localhost:3000/api/status | grep -o '\"success\":\\s*true' || exit 1"]
      interval: 30s
      timeout: 10s
      retries: 3

  redis:
    image: redis:latest
    container_name: redis
    restart: always

  postgres:
    image: postgres:15
    container_name: postgres
    restart: always
    environment:
      POSTGRES_USER: root
-     POSTGRES_PASSWORD: 123456  # ⚠️ IMPORTANT: Change this password in production! +     POSTGRES_PASSWORD: idkpassword  # ⚠️ IMPORTANT: Change this password in production!
      POSTGRES_DB: new-api
    volumes:
      - pg_data:/var/lib/postgresql/data

volumes:
  pg_data:
#  mysql_data:

编辑完保存，继续执行命令

docker compose up -d

等待 n 秒（取决于你的网速～）

出现以下字样，拉去镜像和启动成功

[+] Running 5/5
 ✔ Network new-api_default   Created                                                                                                                   0.1s
 ✔ Volume "new-api_pg_data"  Created                                                                                                                   0.0s
 ✔ Container redis           Started                                                                                                                   0.7s
 ✔ Container postgres        Started                                                                                                                   0.7s
 ✔ Container new-api         Started                                                                                                                   1.0s

NewAPI 配置

打开浏览器，输入 http://localhost:3003/ 后，会出现配置页

如果你的数据库检查没有错误，继续下一步，填写管理员账号和密码

下一步，选择使用模式

最后 初始化系统 即可

配置渠道

打开 控制台

依次点击 渠道管理 添加渠道，并填入 类型 / 名称 / 密钥

填入 API 地址为 https://www.right.codes/codex

因为 rightcode 支持了模型列表接口，点获取模型列表即可获取可用的模型

随后确定，并提交即可

模型管理

按照图中的内容，切换刀模型管理，依次点击 同步 → 下一步 → 确定

配合 CC Switch 使用

现在 控制台 -> 令牌管理 生成令牌，并填入刀 cc switch 中

最终的 config.toml

model_provider = "custom" model = "gpt-5.2" model_reasoning_effort = "xhigh" disable_response_storage = true [model_providers.custom] name = "custom" wire_api = "responses" requires_openai_auth = false base_url = "http://localhost:3003/v1" 

保存好以后，切换供应商，可以开始 coding 了

今天热门的专案 目前已经千星

主打用文档去控制 AI 的输出
确保最后输出的 UI 是可控状态
不知道有没有佬玩过呢？