本期封面拍摄自泰国春武里西昌岛，那里的夏天似乎永远不会结束。

玄光专栏 · No.19 · 2026-08-30 这是一份专注加速数字化生产力，覆盖知识管理、动态视觉设计、前端开发领域的电子专栏，发布频率目前为每月 2 期，每期精选一个主题展开思考。 如果你觉得内容还不错，想获得更完善的阅读体验，更推荐使用浏览器来到官网 (https://cgartlab.com) 阅读。

最近发生

周刊改版为专栏

距离上一期周刊发布已经过去了 3 个月，对应发生了以下事情：

  • 从 7 月开始，每月的 碎片信息 我开始集中收集到一篇高密度文档中，但只有我自己看得懂。
  • 我的知识库和内容输出开始呈现越来越密集的链接关联。
  • 同时，公众号发出了推荐算法的警告，提示内容需要提升创作度。
  • 我决定把这个周刊升级成专栏，几乎等同于一份可公开的私人笔记。
  • 把每月的那篇高密度文档输出为两篇专栏文章。
  • 另外，这次结构上的调整是为了适应推荐算法。
  • 更新节奏放缓为每月不定期更新 2-3 次，同时单篇信息密度会更高。

上周去看了诺兰的《奥德赛》

IMAX 制作层面诺兰的作品依然值回票价，这样认真对待电影的导演和团队，拍的片子以后看一个少一个啦。

剧情上，其实自己只模糊记得小时候知道有「木马计」这件事，但从未把它跟「荷马史诗」联系起来过，更不会和「北欧神话」联系起来。

不夸张的说，在为了看《奥德赛》主动去了解一下西方历史之前，我对「北欧神话」依然来自于《圣斗士星矢》。

另外一个意外发现是，《奥德赛》居然是 非线性叙事的最早范例 。

这是我近几年依然非常感兴趣琢磨的一个事儿，看了很多高评分的剧《汉尼拔》《神探夏洛克》《西部世界》《绝命毒师》《Silo》《同乐者》多少都会采用这种手法，更不用说电影了。

博客调整了版式和字体

感谢安琪的反馈，对网站的段落间距和字体都提出了很多阅读体验上的改进建议。

包括不限于：

  • 正文 自动给术语嵌入链接
  • 术语表的构建
  • 文章内目录样式重做
  • 正文换成了 OPPO Sans 的非衬线字体
  • 整体访问和搜索性能也进行了进一步增强

如果你也发现了网站阅读体验不够顺畅的地方，欢迎留言和来信。

公开上线了几个自己 Vibe Coding 练习写的小东西

Men Agent

EDIC 设计系统： 项目页 。

Argus 前端设计代码审查 Agent： 项目页 。

Inkard 批量文字卡片生成器： 项目页 。

Go To Github： 项目页 ，加速访问 GitHub 的跨平台脚本。

以及下面最新出炉的。

Men Agent

名字暂定叫作 Men ， 作品页 上有更详细的介绍。

总之，这是使用 AI 这几年以来对我自己而言的一个里程碑事件，所谓「磨刀不误砍柴工」。

收到了少数派征文奖品，声擎 Cyber 5

声擎 Cyber 5

分量很重，一只比漫步者 201 的低音炮都大，写字的正反馈太棒了，开心。

深入聊聊：那些解决麻烦的 Skill

接 上期 ，OpenClaw 我依然在用，即使它的热度早已降温，而且称不上好用。但半年的高强度使用留下了很多对我十分有价值的数据，比如这些 Skill。

如果你并不了解什么是 Skill 也没关系，网上已经有非常多的科普内容了，看看无妨，非常简单。

calendar-manager ：日程管理，利用 Python，直连 iCloud 日历服务来编辑管理日程。比如，今年看世界杯，直接让它拉取 FIFA 官网的比赛安排，自动写入日程即可。

news-report ：信息收集和汇报。上期其实说过它，而它已经完全升级。升级它的需求也十分简单，即使我努力避开所有的推荐算法和碎片化信息，筛选过的信息量依然是过载的。但如果让 AI 直接去筛选也容易陷入大模型自身的局限。所以，首先从数据来源入手，它的数据来源整合了以下几个类别：

  • 我自己搭建的 RSS 服务 ，订阅了 50 个左右的中英文权威媒体和独立博客。
  • Telegram 上的频道和加入的群组，每天有上千条，精准筛选有用的经验、工具分享和观点。
  • Zhihu CLI，没错知乎也有官方 skill 了，这个主要用来辅助另一个 Agent 分析投资信号。
  • 邮件，每周我会收到几百封垃圾邮件，依然会有零星客户来寻求合作，也可以快速筛掉骗子。

比较有趣的是，中间的处理过程是完全综合的，它自己有一套内部评分机制，来把所有的事件信息按照等级区分为：里程碑，紧急，关注，常规几个类别，无论这条信息是新闻，群聊观点，还是邮件，无论信息来自哪里，AI 会一视同仁。最后会对和市场行业相关的信息给出一个「趋势研判」。如下图：

另外这个技能也配置了另一个触发条件，只要我发送一条：「解读， https://example.com/xxx」这样的命令，它会自动和今天的汇报进行比对。

affine-cli ：这个 skill 是用来辅助编辑 Affine 的文档。Affine 是一个类似 Notion 的竞品，优势是可以使用 Docker 自部署（关于自部署基础设施的搭建可以看 《NAS》系列 ），目前我自己的工作流已经用它完全取代了 Notion。虽然 Notion 有更强大的数据库 AI 功能，但国内的访问效率支付方式依然不够友好，并且很多涉密的项目信息直接不能放在上面，遂弃。

Affine 的好处就是数据完全保存在本地，内网是绝对的极速，公网的首次访问会按需下载数据缓存到本地，稍慢，一旦缓存完成，只会传输修改部分的数据，速度和稳定性就上来了。

cgart-writer ：顾名思义，这是负责辅助文字内容写作的 skill，制作它的目的并不是为了让 AI 完全替代我执笔。主要是讨论选题，排查叙述上可以继续改进的地方。

AI 直接产出的文章作者自己去读一定是读起来怪怪的，但是利用 skill 去加持，让它充分了解我的思考方式，说话习惯，甚至读者的反馈，那么至少它的回答是相对比什么都不知道更靠谱的。可以简单看作它是为了用来抑制大模型的幻觉。

investment ：负责投资理财。在这个领域，我是纯粹的新手，方法非常笨拙，调用这个技能之后发给它我的资产持有截图，它会自动把数据读出来写入一个数据库，这个数据库会自动计算每一项的历史波动情况，然后配合上文的 news-report 技能搜索分析市场的信号，最后给出行动建议和理由。

只是我基本不会参考太多它的建议，无论它还是我在这个领域认知还非常不成熟，使用它只作为实验和学习投资领域相关的概念。至于是否赚钱，保证不亏就赢了。

以上就是全部用来帮我解决麻烦的 Skill，未来有一天它们更加成熟之后都会陆续开源。

这些 Skill 沉淀下来的好处是可以迁移，龙虾只是一个框架，无论未来更换什么框架，Skill 本身的功能应该是依然稳定可靠的。因此，这些 Skill 的功能足够稳定之后我就会单独创建代码仓库，当作独立的项目进行统一管理。

写到这里不难看出，其实整个沉淀 Skill 的过程，本质就是在把工作流中麻烦的重复步骤记录、固化成一套一套的「自然语言代码」。这个过程特别像一个办公室的老师傅，在给新来的小弟们传授规矩和经验。

终究在我看来，利用 AI 去放大优势和效率，可以简单整理成下面几个步骤：

  1. 发现 AI 能够以哪些人类绝对无法做到的方式去行动。 例如，瞬间分身，同时搜索查看数十个文件和网页，迅速把杂乱无章的文本录音整理成可读的文本，同时编辑一份文档的不同段落…
  2. 把这些能力融入到工作流，不断调试，直到输出稳定可靠的结果。 无非是文本，图片，视频，而文本是一切的基石。
  3. 利用互联网基础设施作为工具，沉淀承载新数据和信息的载体。 关于为什么选这些基础设施，我在 《流水的程序，铁打的数据》 里写过更完整的思考。基础设施是不会轻易变革的，例如邮件，Git，IP 地址，区块链，网站，markdown 语法。
  4. 用前所未有的方式去创造。 新的工具，故事，体验，等一切对他人有价值的内容。

推荐好物

Tolaria

🔗 https://tolaria.md/ · GitHub: refactoringhq/tolaria

开源免费，针对 Git 和 AI 优化的笔记管理工具。安装包只有惊人的 15 M，极致的小巧。官方给自己的定位是「AI 时代的第二大脑（A second brain for the AI era）」，它的三个核心设计很对我的口味：

  • 本地优先（Local-first） ：所有笔记都是纯 Markdown + YAML frontmatter 文件，没有数据库、没有私有格式。任何编辑器都能直接打开，终端里 grep 也能查到，数据永远在自己手里；
  • Git-first ：应用内置完整 Git 客户端，commit、push、浏览历史都在应用内完成，还支持单篇笔记的版本时间线。跨设备同步用的就是你写代码时早就信任的那套工具；
  • AI 原生 ：既可以把 Claude Code、Codex、Pi 这类 CLI 编码代理接进来做工具调用式编辑，也支持直连本地或 API 模型，在不授权写库的前提下，让 AI 基于笔记上下文聊天。这和我一直在用的「AI 只读辅助、由我自己决定写什么」的工作流刚好贴合。

编辑器是 Notion 风格的块编辑器，但一切落盘都是可迁移的普通文件。项目由 Refactoring 通讯创始人 Luca 开发，GitHub 上已接近 1 万 star（9,946），AGPL-3.0 许可，无需注册账号即可使用。刚起步的项目，值得放进观察名单。

不碰设计软件，我是怎么靠 Coding 做动画的

🔗 https://sspai.com/post/107437

值得一看的文章，很少有设计师会分享如何使用 Vibe Coding 制作 UI 动画。如果你有自己开发产品和工具的想法，可以挖掘到不少有用的信息。对我很有启发的部分是「让 AI 帮我描述动画」，作者讲述的经验是：

别直接和 AI 说 ” 做一个科技感的动画 “，而是说清楚 使用场景 、 表达的情绪状态 ，甚至找参考效果给 AI 看。让 AI 先帮你起草一版 Prompt，然后你来改。这比从零开始描述要高效得多。

除此之外，还有两个实用的实操的技巧：

  • 快速调参 ：当感觉 ” 太重了 ”、” 缺一点呼吸感 ” 时，与其让 AI 反复猜你的模糊意图，不如请 AI 把动画参数直接暴露出来——花瓣数、半径、速度、拖尾长度、透明度……再让 AI 帮你写一组调参滑块，所见即所得地微调。这种即时反馈的爽感，是 Figma 给不了的；
  • 多方案对比 + 反向学习 ：AI 能让你在几分钟内看到多个方向并排摆在一起，把原本模糊的视觉判断，变成一个不断尝试再收敛的过程；效果跑通之后，再让 AI 根据代码、截图或录屏总结它的视觉特征和运动特征，把感性的感受整理成可复用的描述与参数区间，下次生成同类效果就准确多了。

作者还分享了一份 模型选择经验 ——” 审美上 Gemini > Kimi > GPT “：他常用 Gemini 3.1 Pro 出动画、Claude 修复杂 Shader 的 bug、Kimi 做快速验证；同时也实测了 Lottiefiles 官方的 Motion Skill，结论是现阶段它对动画生成的帮助有限，别指望调用 Skill 就能一次性生成优质动画。适合对 AI + Coding 动效感兴趣的设计师收藏看看。

Rime - 中州韵输入引擎

🔗 https://rime.im/

Rime 实际上每个平台都有不同的名字，它自己叫作「中州韵输入法引擎」，Windows 上叫「小狼毫」，macOS 上叫作「鼠须管」。讲真这是我开始认真从事写作以来体验最好的输入法，没有之一。

虽然你可能会觉得，现在语音输入已经几乎可以达到 99% 的准确率，为什么还要推荐这样一款需要「古法手敲」的输入法？答案就是，隐私和自由度。因为家里有自己部署的服务器，很多权限非常高的账号密码都无法语音输入，而且桌面端真的没有不联网的闭源输入法。

自由度则体现在，很多你自己的专属词汇，例如我需要经常输入「CGArtLab」、「GitHub」，「OpenAI ChatGPT」等等这样的英文专有名词和汉字混合，这些词汇是可以完全自定义写入你的专属词库文件，以及通过下载第三方开源词库进行更新补充，当然，它们完全保存在本地。另外，如果你编写剧本，虚构了几十个不同的人物地名等虚构词汇，也可以利用 AI 帮你配置进去。

其实现在有了 AI ，实际是不需要具体学习如何使用它的，只需要稍微花一点小心思就够了。例如，我之前在 《2025年，我的生产力设备里留下了这些优秀工具》 ，简单介绍过它，但这次再次提起就是因为，利用 AI 几乎可以解锁它的所有使用方法和配置技巧。

配饭视频

【《进击的巨人》恐怖的叙事能力，教科书般的讲故事技巧】 https://www.bilibili.com/video/BV1jh6HYYEBG/?share_source=copy_web&vd_source=700cd77b5ffc2570c23ad5d112c9a3d8

抽空又从头重看了一遍「撤退的矮人」，不同的是按照以上视频的解读，尝试切换成创作者的视角去看。

很有意思的一点是我从未考虑过所谓「信息交代的效率」， 高密度的信息呈现不等于高效的信息传递。

下期预告

主题为「有关文字内容创作形式的思考和尝试」，写字从纸笔，到键盘，再到语音。这三种形式到底适合用来记录什么，输出什么以及在什么场景下使用？