与「tui」相关的搜索结果

🔥 太实用了，Plannotator 能让你像改作业一样，在浏览器里直接圈改 AI agent 写的计划和代码，批注一键送回给 agent。 Plannotator 上过 GitHub 热榜，已经 1 万+ star，11 月 10 日到 13 日四天连发了四个版本。 用 Claude Code 这类 agent 干活，最磨人的是审计划：它甩出一大段方案，你只能在终端里打字回「第三步不对，第五步换个思路」，来回几轮上下文就乱了。 Plannotator 把计划、规格文档、HTML 和代码 diff 都打开成一个本地网页，哪句不对就选中哪句写批注，改完一键送回，agent 拿到的是逐条定位好的反馈。审代码也一样，本地改动和 GitHub、GitLab 上的 PR 都能看。 它支持 Claude Code、Codex、Gemini CLI、OpenCode 等一串 agent。新加的 Inbox 还能让 agent 主动把问题和文件丢给你，你回复后答案会回到提问的那个会话。不收集遥测，计划、批注和历史默认都存在本地。同名组织下还有个终端版 plannotator-tui，不想开浏览器也能批。 盯 agent 干活，总算有了一支红笔。 GitHub：

En lo que va de semana, he pasado de herdr a Orca, después a herdr-app y, finalmente, me he quedado con T3 Codes. Os explico lo que me ha gustado de cada uno, lo que no y por qué me he quedado con el último: Herdr @herdrdev Como tmux, pero para agentes. Es minimalista, muy rápida, personalizable y cumple muy bien con el fin para el que está hecho. Lo malo es que no tiene features que se están haciendo populares como conectarse por el móvil y estás limitado a lo que te dé el harness de CC o Codex. Orca @orca_build Se está haciendo muy famosa rápidamente, tiene un montón de features desde visualización de artifacts, alternar entre subscripciones, conexión desde donde estés con el móvil, conexión con GitHub, Linear y otros para ver issues, automations y una larga lista. Entiendo el hype que hay actualmente, pero en mi opinión y con mi manera de trabajar, creo que es demasiado tosco hasta el punto de que me llega a agobiar. Habrá gente que le guste tener una navaja suiza, pero personalmente soy de herramientas más sencillas. Eso sí, funciona muy pero que muy bien. Herdr-app Hace nada sacaron la versión en app de herdr y le añadía algunas features como poder customizarte el layout y generarte plugins para añadirte componentes como un reloj, un diff, un explorador de archivos o incluso un kanban para ver los agentes. Yo de hecho he hecho un pequeño plugin para tener un panel con algunas funcionalidades relacionadas con git como una vista de grafo con el historial de commits, un panel de unstaged y staged changes, e iconos para que sea un poco más estético. (link: Lo que no mola es que aún está muy verde, las conexiones a entornos remotos por SSH están un poco buggy y que carece de features al igual que su versión TUI. Es más bonito, pero no mejora. T3 Code @t3dotcodes Si no has escuchado hablar sobre T3 es que vives debajo de una piedra. La verdad es que el hype era brutal y decidí que era el momento de comprobar si era merecido, y puedo confirmar que lo es. Tiene las funcionalidades justas y necesarias (conexión con el móvil, alternar entre suscripciones, conexión a entornos remotos por SSH, vistas de terminal, navegador y diffs integrados, etc.), y encima están muy bien pulidas. La única queja que más de uno le pondrá es que no es vista de TUI, si no más bien de chat, como la app de Claude Code. Yo que tampoco soy de usarlo me he acabado acostumbrando e incluso me parece más agradable visualmente. Así que nada, espero que, si estás en este rabbit hole como yo y no paras de probar uno y otro, esta información te ayude a decidirte un poco (por lo menos, hasta que me de por probar otros como o alguna parida nueva.

The spacecraft is executing a series of departure burns to move away from the @Space_Station. Dragon will reenter the Earth's atmosphere and splash down in ~27.5 hours off the coast of California

翻墙协议这些年到底进化了多少代？ 如果只算真正围绕突破网络审查发展起来的协议，我觉得应该从 Shadowsocks 开始。 十几年下来，其实一直在解决这几个问题： 怎么加密，怎么隐藏协议特征，怎么对抗主动探测，怎么把烂线路跑快，最后再让代理流量越来越像正常上网。 1. Shadowsocks / SSR：加密和混淆的起点 2012 年左右，Shadowsocks 靠轻量、简单、速度快迅速普及，后来又出现 SSR，在 SS 上继续加入混淆、认证等机制。 这一代先解决加密，再考虑降低流量特征。 随着 DPI 和主动探测越来越强，裸 SS、SSR 逐渐开始吃力。SSR 后来基本退出历史舞台，SS 则继续发展出了 AEAD、Shadowsocks 2022。 2. VMess / V2Ray：进入“套娃时代” 2015 年前后，V2Ray 和 VMess 开始流行。 TCP、WebSocket、HTTP/2、TLS，各种传输方式都可以组合，再配合复杂路由和分流。 自由度极高，代价就是配置越来越复杂，协议层也越来越重。 后来 VLESS 和 XTLS 出现，开始给这一套做减法。 3. Trojan / NaiveProxy：开始研究怎么更像 HTTPS Trojan 直接利用 TLS，把代理流量藏进 HTTPS 连接，当年非常火。 但今天单纯 Trojan 已经不算优先选择。TLS 指纹、连接行为、TLS 套 TLS、包长和时序，都可能留下识别线索。 NaiveProxy 走得更彻底，直接利用 Chromium 网络栈，让 TLS、HTTP/2 等行为尽量接近真实 Chrome 浏览器。 如果特别在意浏览器流量伪装，NaiveProxy 到现在依然很有价值。 4. VLESS + XTLS + REALITY：目前最成熟的一条主线 2020 年以后，VLESS 开始逐渐取代 VMess。 VLESS 自身很轻，主要负责认证和转发，加密、传输、伪装交给其他组件。 XTLS Vision 继续优化性能，后来的 REALITY 又把 TLS 伪装和主动探测防御往前推了一步。 现在最常见的组合之一就是： VLESS + Vision + REALITY。 性能、伪装、部署便利性都比较均衡，目前依然属于第一梯队。 5. ShadowTLS：给其他协议再套一层伪装 ShadowTLS 主要负责 TLS 伪装，常见组合就是： SS + ShadowTLS。 技术思路没问题，对主动探测也有针对性。 但多套一层以后，部署、维护、排障都更麻烦，也会增加额外处理。 现在有 REALITY、AnyTLS 以后，普通用户已经没那么有必要优先折腾这套。 6. Hysteria / TUIC：开始专门解决烂线路 这一代重点解决高延迟、丢包、晚高峰抖动。 于是直接转向 QUIC 和 UDP。 Hysteria 后来进化成 Hysteria 2，TUIC 也继续发展。 TUIC 现在依然能用，但如果二选一，我更倾向 Hysteria 2。 生态更大，客户端支持广，项目也一直保持活跃更新。 Hysteria 2 最大的优势就一句话：专治烂线路。 但缺点也很明显：吃 UDP。 如果 UDP、QUIC 被限制，它的优势就很难发挥。 7. AnyTLS：值得关注的 TCP 新协议 AnyTLS 重点处理 TLS 套 TLS 的流量特征，通过 Padding、分包、连接复用等方式优化。 它走 TCP，对 UDP 环境依赖更小。 现在 sing-box、Mihomo、Shadowrocket、Loon 等生态已经逐渐支持。 线路不错，又想尝试更新一点的 TCP 协议，可以重点关注 AnyTLS。 8. TrustTunnel：更晚出现的新方向 TrustTunnel 尝试把 TCP、UDP、ICMP 等流量放进 HTTP/2 或 HTTP/3，让整个隧道尽量接近正常 Web 流量。 目前生态和长期实战经验还不如 VLESS、Hysteria 2 成熟，先关注就行。 另外还有 Snell、mieru、Juicity 、sudoku 等小众协议。 所以把十几年的翻墙协议压缩一下，其实主要就三条路线： （1）SS → VMess → VLESS → REALITY 解决轻量化、协议特征、主动探测。 （2）Trojan → NaiveProxy → ShadowTLS → AnyTLS → TrustTunnel 研究怎么让代理越来越像正常 HTTPS。 （3）Hysteria → Hysteria 2 专门解决高延迟、高丢包和烂线路性能。 简单总结一下，现在真正值得普通用户重点关注的，其实就几个： VLESS + REALITY：综合首选。 Hysteria 2：线路差、高延迟、丢包时优先。 AnyTLS：TCP 新选择。 NaiveProxy：重视浏览器流量伪装可以选。 线路本身很好，VLESS、AnyTLS、NaiveProxy、Hysteria 2 基本都能跑得舒服。 如果线路差，先试 Hysteria 2。 如果 UDP 被限制，就回到 VLESS + REALITY、AnyTLS、NaiveProxy 这类 TCP 路线。 Trojan 还能用，但新建节点没必要优先考虑。 TUIC 也能用，QUIC 路线目前我更倾向 Hysteria 2。 SS + ShadowTLS 有技术价值，只是现在对普通用户来说有点折腾。 最后一句请记住： 先看线路，再选协议。 好线路，很多协议都能跑。 烂线路，优先试 Hysteria 2。

Researchers proved AI has deleted every reason universities exist. Harvard University ran a controlled experiment pitting a custom AI against their own top-tier classrooms. And the results are going to collapse the higher education bubble. They took 194 undergraduates and split them up. One group learned physics in one of Harvard’s best hands-on, active-learning physical classrooms. Group work. Instructor support. The premium university experience. The other group went home and learned the exact same material with an AI tutor. The AI didn't just win. It embarrassed the institution. Students using the AI learned more than twice as much as the students in the elite Harvard classroom. They scored 30% higher on the final assessment. And they did it in less time. Let that sink in. A piece of software sitting on a laptop outperformed a world-class faculty in one of the most elite learning environments on Earth. Universities have always justified their exorbitant tuition with two things: access to elite knowledge and the physical classroom experience. This study just proved both of those moats are gone. When software can teach you complex physics twice as well as a $60,000-a-year institution, the math of higher education breaks permanently. The AI didn't just give the students answers. It used strict pedagogical guardrails. It guided. It questioned. It forced the students to do the cognitive work. It offered perfect, one-to-one tutoring, personalized to the exact moment a student misunderstood a concept. That level of attention is mathematically impossible to scale in a physical lecture hall. For a thousand years, the university was the only place to get a premium education. Now, it’s the bottleneck. If AI can double your learning speed for a fraction of the cost, what exactly are students taking on decades of debt to pay for?

我从2025年就一直反复强调。 现在所有大学本科生最重要的第一节课，就是买一个最大的coding plan，用上claude code或者codex， 第二节课是自己做一个最最最小版本的coding agent，可以对比codex或者claode code的基本功能，只要能输入一个基本功能，iteratively让agent完成写代码、编译、测试、 运行的功能即可，一切在terminal里，先把terminal和tool calling功能做好， 第三节课是认真观察codex和claude code的基本功能，把里面的memory、skills、multi agent/subagent、background tasks、session管理、context compression、TUI/GUI设计、如何可视化diff、如何管理好额外的btw等等类似的功能、如何把goal的功能放进去、如何实现scheduled tasks、如何实现权限管理等等，一步步一点点摸索实现出来。 我反复讲，一个计算机本科生能看完立党AI研究学习教程，把上面这三节课做完，就已经吊打清华计算机80%以上的本科生了。

EXCLUSIVE: California has created a shadow welfare system for illegal aliens. Free housing, cash, healthcare, food, phones, college tuition, even car insurance—costing taxpayers more than $10 billion per year. We went inside the system and exposed it all.