vibe 了一下 codex cli，改名叫 aish。让它不再专门在某个项目目录写代码。作为一个 shell 命令辅助工具运行，比如想不起来哪个复杂的 shell 命令的时候，随时 aish，然后提问…
GitHub - chunhuitrue/aish

如果你是最佳 linux 发行版 Windows+wsl 的忠实用户，也许会苦恼联动开发时，进入 wsl 环境指定目录需要手动输入路径的苦恼。

所以我写了这东西，使用一个自定义的命令进行转化。

原理是创建一个新命令，专门用来接受 Windows 路径。
方法如下

1. 编辑 base 配置

   nano ~/.bashrc
   

2. 在最末尾粘贴

   # === WSL 路径快捷跳转小工具 === # 定义一个名为 cdn 的函数，也可以改成其他的 cdn() {
       if [ -z "$1" ]; then cd ~
           return fi local win_path="$1"
       win_path="${win_path%\'}"
       win_path="${win_path#\'}" local linux_path=$(wslpath -u "$win_path" 2>/dev/null)
       if [ -n "$linux_path" ] && [ -d "$linux_path" ]; then cd "$linux_path" else echo "错误: 路径无法识别或不存在: $win_path" cd "$win_path" 2>/dev/null
       fi
   }
   # === WSL 路径快捷跳转小工具 === 

3. 生效配置

   source ~/.bashrc
   

之后，使用自定义命令 cdn 'C:\Windows' ，像是这样就可以自动转换 win 路径进入对应的目录。
注意带上单引号，否则反斜杠会被吃掉！

是什么？

开源版 Claude Cowor。

Claude Cowor 目前只有 Max 用户才能使用

特性

• 自主代理 - 像同事一样工作，而不只是聊天机器人
• 任务规划 - 分析任务并制定执行计划
• 进度更新 - 每一步都展示正在做什么
• 安全可控 - 使用 OpenCode 内置的权限系统
• 零依赖 - 只有一个 markdown 文件
• 模型无关 - 使用你在 OpenCode 中配置的任何模型

前置要求

还没安装 OpenCode 的请移步：

安装

暂不支持 Windows，其他安装方式见官方文档

curl -fsSL https://raw.githubusercontent.com/Lucifer1H/open-cowork/main/install.sh | bash

使用示例

# 代码重构
/cowork 重构认证模块，提取验证逻辑

# 文件整理
/cowork 按功能重新组织 components 文件夹

# 生成文档
/cowork 分析代码库并生成完整的 API 文档

# Bug 调查
/cowork 找出登录间歇性失败的原因并修复

# 代码迁移
/cowork 将所有类组件转换为带 hooks 的函数式组件

PS: 本来昨天就发了，不知道是不是包含了小众软件链接，没有发出来，草稿里面也没了，今天重新发一下。

想让 AI 帮你自动清理电脑、分析股票或者发日报？你需要给它编写一个 Skill (技能)。

其实写一个 Skill 并不难，它本质上就是一个配置文件加上一段代码。

本文档将手把手教你如何创建一个标准的 Skill，并避开新手最容易踩的坑。

一、 YAML 头部元数据 (Frontmatter)

每个 Skill 的入口文件（通常叫 SKILL.md），由 “身份证” (YAML) 和 “躯干” (文件结构) 组成，最开头都必须有一段被三根短横线 --- 包裹的内容。

这叫做 YAML Frontmatter (头部元数据)。

通俗地说，这就是给 AI 看的身份证。AI 通过它来知道这个技能叫什么、能干什么。

1. 一个标准的身份证长这样：

--- name: system-cleaner description: "清理电脑里的垃圾文件，释放C盘空间" tags: ["清理", "系统", "优化"]
version: 1.0.0 ---

2. 这里的每一行代表什么？

td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

二、文件夹要怎么放？(目录结构)

写代码最怕乱。为了以后好维护，建议你按照下面的结构来整理文件。

这就好比把衣服、裤子和袜子分开放进不同的抽屉，找起来才快。

推荐的 “三抽屉” 结构：

my-skill/                  # 你的技能总文件夹
├── SKILL.md               # [身份证] 上面写的 YAML 就放这里
├── scripts/               # [工具箱] 所有的代码脚本放这里
│   ├── main.ps1           # 比如 PowerShell 脚本
│   └── utils.py           # 比如 Python 脚本
├── config/                # [设置] 配置文件放这里
│   └── settings.json      # 比如你想让用户设置“清理哪个盘”，就写在这里
└── data/                  # [仓库] 存放运行结果
    └── logs/              # 如果有日志，就生成在这里 

三、 代码实战 (The Code)

光有配置是不够的，Skill 的灵魂在于代码。

Skill 的本质是命令行工具 (CLI)。智能体通过命令行调用你的脚本，并读取打印的输出。

1. 实战演练：编写 “Hello World” Skill

我们来编写一个简单的 Python 脚本，它接收一个名字参数，并输出问候语。

1. 脚本代码 (scripts/main.py)

import argparse
import sys

# 1. 设置参数解析 (让脚本能听懂 AI 的指令) # AI 会以 `python main.py --name "LO"` 的方式调用
parser = argparse.ArgumentParser(description="Greeter Skill")
parser.add_argument("--name", type=str, required=True, help="要问候的名字")

# 2. 解析参数
args = parser.parse_args()

# 3. 执行逻辑 (这里可以写任何业务逻辑)
greeting = f"👋 你好，{args.name}！Skill 运行成功！" # 4. 输出结果 (这是 AI 唯一能看到的东西！) # 必须使用 print 输出。AI 会捕获 stdout 作为执行结果。 print(greeting)

2. 进阶技巧：健壮性与反馈

• 错误处理: AI 看不到报错弹窗。如果出错，必须打印错误信息并以非 0 状态码退出。

try:
    # 业务逻辑... except Exception as e:
    print(f"❌ 发生错误: {str(e)}")
    sys.exit(1) # 告诉 AI 任务失败 

• 依赖管理：如果用了第三方库，请在根目录创建 requirements.txt。

2. 核心连接：配置与交互

你已经建了 config 文件夹，现在教你怎么用它。

2.1 读取外部配置 (Reading Config)

不要把参数写死在代码里！用 json 库读取 settings.json。

import json
import os

# 动态找到 config 文件夹 (不管用户把 Skill 放在哪)
current_dir = os.path.dirname(os.path.abspath(__file__))
config_path = os.path.join(current_dir, "..", "config", "settings.json")

# 读取配置
with open(config_path, "r", encoding="utf-8") as f:
    config = json.load(f)

print(f"✅ 读取到配置: {config}")

2.2 与用户对话 (Interaction)

有时候需要问用户 “确定吗？”。

# 1. 打印问题 (AI 会展示给用户) print("❓ 确认执行操作吗？(y/n)")

# 2. 等待输入 (脚本会暂停)
user_input = input().strip().lower()

if user_input == 'y':
    print("🚀以此执行...")
else:
    print("🛑 操作取消")

四、 新手避坑指南 (千万别踩这些雷！)

YAML 这种格式虽然看起来简单，但它脾气很怪。很多新手写代码一次过，却在 YAML 上卡半天。

3. 它是 “空格控”，严禁使用 Tab 键！

YAML 依靠缩进来分层级。

• 雷区：千万不要用键盘左上角的 Tab 键来缩进！

• 正确做法：老老实实按 空格键。一般按 2 下或 4 下空格。

2. 冒号后面必须有空格

这是最容易被忽略的错误。

• 错误写法：name:my-skill (冒号后面紧挨着字)

• 正确写法：name: my-skill (冒号后面加了个空格)

3. 还有什么要注意的？

• 路径别写死 (No Absolute Paths)：

  • 不要在代码里写 D:\我的项目\scripts 这种绝对路径。别人的电脑可能只有 C 盘。

    • 建议：使用 “相对路径”。也就是告诉程序 “就在当前文件夹的下一级找”。

• 幂等性 (Idempotency)：

  • 脚本应支持重复运行。比如创建文件夹前，先检查它是否已经存在。

• 自测 (Self-Test)：

  • 在提交给 AI 之前，先自己在终端里跑一遍命令：python scripts/main.py --name "Test"，确保没有报错。

总结

写 Skill 其实就三句话：

1. 写好 YAML 身份证，注意冒号后要空格

2. 把代码和配置分开放，保持目录整洁

3. 代码里多打印进度提示，方便 AI 理解

我把 swarm 端口改成 4002 是因为 Planet 抢占了 4001 端口。

这脚本大概这么干活：

1. 先瞅一眼：看看 Docker 装了没，别忙活半天白干。再检查一下有没有叫 ipfs_host 的老容器赖着不走，有的话就报错开溜，坚决不给自己留烂摊子。
2. 搭俩小窝：在当前目录下建 ipfs_staging 和 ipfs_data 两个文件夹，给 IPFS 的数据找个地方住。
3. 门户大开（但换了号）：因为 4001 被占了，咱就让 swarm 走 4002。API 端口是 8080，网关端口是 5001，按你的习惯随便改。
4. 拉起来跑：用最新的 ipfs/kubo 镜像把容器跑起来，把刚才设的端口和文件夹都挂载好。
5. 直接开门迎客：跑起来没问题的话，自动帮你打开浏览器，跳到 http://localhost:5001/webui 这个管理页面。接下来传点猫图试试手呗。

怎么用？

简单到不行：

# 1. 给脚本加个执行权限
chmod +x deployment.sh

# 2. 运行它
./deployment.sh

脚本跑完没报错，你的浏览器就会蹦出 IPFS 的 Web 界面了。

脚本在这儿 (deployment.sh)：

#!/bin/bash

# 检查 Docker 是否安装
if ! [ -x "$(command -v docker)" ]; then
  echo 'Error: Docker is not installed.' >&2
  exit 1
fi
echo 'Docker is installed.'

# 检查是否有正在运行的 IPFS 容器
if [ "$(docker ps -q -f name=ipfs_host)" ]; then
  echo 'Error: An IPFS container is already running.' >&2
  exit 1
fi
echo 'No running IPFS container found.'

# 检查是否有同名的停止状态的 IPFS 容器
if [ "$(docker ps -aq -f status=exited -f name=ipfs_host)" ]; then
  echo 'Error: A stopped IPFS container with the same name already exists.' >&2
  exit 1
fi
echo 'No stopped IPFS container with the same name found.'

echo 'Proceeding with deployment...'
# 创建存储目录
current_dir=$(pwd)
cd $current_dir
mkdir -p ./ipfs_staging
mkdir -p ./ipfs_data

echo 'Storage directories created.'

# 设置环境变量
export ipfs_staging=./ipfs_staging
export ipfs_data=./ipfs_data
export ipfs_swarm_port=4002
export ipfs_api_port=8080
export ipfs_gateway_port=5001

echo "IPFS staging directory: ${ipfs_staging}"
echo "IPFS data directory: ${ipfs_data}"
echo "IPFS swarm port: ${ipfs_swarm_port}"
echo "IPFS API port: ${ipfs_api_port}"
echo "IPFS gateway port: ${ipfs_gateway_port}"

# 运行 IPFS 容器
docker run -d --name ipfs_host -v ${ipfs_staging}:/export -v ${ipfs_data}:/data/ipfs -p ${ipfs_swarm_port}:4001 -p ${ipfs_api_port}:8080 -p ${ipfs_gateway_port}:5001 ipfs/kubo:latest
if [ $? -ne 0 ]; then
  docker rm -f ipfs_host 2>/dev/null
  rm -rf ./ipfs_staging
  rm -rf ./ipfs_data
  echo 'Error: Failed to start the IPFS container.' >&2
  exit 1
fi
echo 'IPFS container started successfully.'

open "http://localhost:${ipfs_gateway_port}/webui"

说实话, AI 润色的确实不咋地 😂

分享下 window10 的包管理工具 winget ，类似 apt、brew

# 关键字搜索
winget find 输入法
# ID 安装，可以多个
winget install Tencent.WeType astral-sh.uv
# 检查更新
winget update
# 更新，可以多个
winget update Tencent.WeType astral-sh.uv
# 本地列表
winget list [可选关键字]
# 查看软件信息
winget show Tencent.WeType

注意默认会安装在系统盘

部分软件的小版本可能不是最新，取决于软件官方更新的速度吧

最好有魔法，部分电脑不知道为什么没有魔法不行，但我有的电脑却可以

最大的好处就是：不用到处找安装包了

我一般的小软件都优先在 winget 搜索安装

如：uv git volta 等工具

不想安装到系统盘的，也可以通过 winget 查找下载连接，手动安装到其他盘

系统中存在多个 Claude Code 安装位置，PATH 环境变量包含了多个 npm 全局安装路径，例如：

1. 新版本位置：C:\Users\[用户名]\.npm-global (v2.1.7)
2. 旧版本位置：H:\Environment\nodejs\node_global (v2.0.25)

由于 PATH 环境变量的查找顺序问题，系统在不同目录下会找到不同版本的 claude.cmd。

解决方案

方案 1：调整 PATH 环境变量顺序（推荐）

优点：无需删除文件，安全简单

步骤：

1. 按 Win + R，输入 sysdm.cpl，回车
2. 点击 "高级" 选项卡 → “环境变量”
3. 在 "用户变量" 部分找到 Path，双击编辑
4. 找到新版本路径（如 C:\Users\[用户名]\.npm-global）
5. 选中该路径，点击 "上移" 按钮，将其移到旧版本路径之前
6. 点击 "确定" 保存所有设置
7. 重启所有命令提示符窗口
8. 验证：claude --version

方案 2：卸载旧版本

优点：彻底清理，避免混淆

步骤：

# 从旧版本安装位置卸载
npm uninstall -g @anthropic-ai/claude-code --prefix="H:\Environment\nodejs\node_global"

# 验证
claude --version

注意：如果遇到权限问题，需要：

• 关闭所有可能占用文件的程序（VSCode、IDE、终端等）
• 以管理员身份运行命令提示符
• 或手动删除目录：H:\Environment\nodejs\node_global\node_modules\@anthropic-ai\claude-code

背景

你是不是也有这种痛苦：
每天在 PowerShell + 各种编辑器的 Terminal 里库库手打命令，输错一个字母就重来；
想找上一条命令只能疯狂按 ↑ ↓；
更离谱的是 —— 还没有自动补全，每条命令都得从头敲！

如果你也被这些折磨过 —— 恭喜你，今天这个工具能让你直接起飞：
装上它，PowerShell + 各种编辑器的 Terminal 的命令提示 / 补全体验立刻提升一大截，常见命令、参数、历史记录都能更顺手地调用。
一条命令安装，立刻告别重复手打！

工具

重磅推荐 PSReadLine (大家不会认为是我自己写的工具吧)

PSReadLine 是 PowerShell 里用来 “增强命令行交互体验” 的组件（模块）。你可以把它理解成：给 PowerShell 的输入框加上更聪明的编辑器能力。

PSReadLine 支持：

• 历史与搜索：支持 Ctrl + R 反向搜索历史命令，也能做 “按前缀翻历史”（输入 git 再按 ↑ 只找以 git 开头的历史）。
• 智能补全 / 预测：根据你的历史记录（以及配置）在你输入时给出建议，减少重复敲命令。
• 更好用的编辑体验：更顺手的光标移动、选中、剪切 / 复制、撤销等快捷键，输入长命令不再痛苦。
• 可自定义键位和行为：你可以把常用操作绑定到自己习惯的按键上，甚至把补全、历史搜索的逻辑改成你想要的样子。

大家是不是已经等不及要安装了，安装非常简单，在 powellshell 中执行一行命令即可安装

Install-Module PSReadLine -Force

弹窗提示直接回车，等待安装完成。

提示：需要打开新的 shell 命令才会起作用哈。

展示效果

附录

VS Code 里把默认命令行设为 PowerShell ：

1. Ctrl + Shift + P
2. 输入并选择：Terminal: Select Default Profile
3. 选 PowerShell（一般会显示 PowerShell 或 Windows PowerShell）

看佬友安装工具来切换配置，可能有人像我一样，不喜欢安装，这里有一种简易通过环境变量自由修改 cc 配置的方法：

1、终端执行：nano ~/.zshrc
2、写入配置并保存，以 glm 为例：

# Claude code (glm) glm() {
    export ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic
    export ANTHROPIC_AUTH_TOKEN=xxxxxxxxxxxxxxxxxxxx.xxxxxxxxxxxxxxx
    claude
}

3、终端执行：source ~/.zshrc
4、使用的时候只需要输入 glm 即可启动。可以在第 2 步里自定义更多的参数。

做 TGmessage 的初衷特别纯粹 —— 上班想刷 Telegram，又怕窗口太显眼被领导抓包，每次切屏都提心吊胆，市面上没找到趁手的工具，干脆让AI搞一个。

核心想法就是 “伪装性”：基于 Telethon 做底层，把 TG 的核心功能（查未读、发文本、标已读）搬到命令行里，黑白界面看着就像在敲代码、查日志，完美融入工作场景。同时得兼顾实用性，所以做了可编程 API 和专门的 fishing_tool，支持按对话定位、消息追踪，操作起来够高效，不用额外花时间琢磨用法。

开发时优先保证了文字消息的流畅体验，暂时没加图片、视频支持 —— 毕竟摸鱼场景里，能悄悄处理文字沟通、看资讯就够了，先解决 “不被抓包” 这个核心痛点。希望能帮到有同样需求的打工人，让大家摸鱼也能摸得安心

安利一个的 Python 工具 —— WeSpy。

它可以帮助我们自动获取微信公众号文章，并转换为标准 Markdown，还支持图片防盗链处理、多格式导出等实用功能，对写作、归档、知识管理特别友好。

如果你平时会保存公众号文章、整理成笔记、同步到博客或 Obsidian，那这个工具绝对值得一试。

主要功能

• 支持直接抓取公众号文章 URL 无需登录，无需 APP，复制链接即可处理。
• 自动生成 Markdown 包括标题、正文、引用、分隔线、加粗、列表等格式全都能还原。
• 图片防盗链处理 内置公众号图片重定向与源地址修复，解决 “无法加载图片” 的老大难问题。

• 多种输出格式

  • Markdown
  • HTML
  • JSON
  • 结构化文本
• 可作为命令行工具，也可作为 Python 库使用

安装使用方式

pip install wespy
wespy https://mp.weixin.qq.com/s/xxxxxxxxxxxx -o article.md

from wespy import WeChatSpider

url = "https://mp.weixin.qq.com/s/xxxxxxxxxxxx"
spider = WeChatSpider()

result = spider.fetch(url)

# Markdown 输出
markdown_text = result.markdown

with open("article.md", "w", encoding="utf-8") as f:
    f.write(markdown_text)

更详细的使用方式大家可以参考项目文档
[bsgit user="tianchangNorth"]WeSpy[/bsgit]