Flowith 是一款基于二维画布、节点式、支持动态 UI 的 AI 内容生成工具。Flowith Oracle 想要打造一款 AI agent，自动帮助完成多个步骤，复杂的任务需求，可以自主规划、拆分和完成任务。年初的时候知道了这一款工具，但是一直没有用起来，现在就来再好好体验一番。
作者谈为什么要做 Flowith，解决了什么问题？
目前市场上的 AI 产品大多都是聊天式 UI，是一个纯线性结构，但是在生成内容时，通常需要反复修改，对比和测试，因此需要一个非线性的对话和生成方式。
而目前节点式 AI 产品均是针对搭建工作流打造，比如 [[Dif
Read more ...
如果是经常需要使用代理服务器，那么对 IP 这个次肯定不陌生，作为一个每天在互联网上冲浪的人来说，如果只知道 IP 地址肯定是不行的，那这篇文章就着 IP 这个主题，来总结整理一下，如何查询 IP 地址相关的信息，以及什么是住宅 IP，什么是数据中心 IP，以及我们通过 IP 地址可以获取哪些信息。
什么是 IP
IP 地址的全称是 Internet Protocol Address，互联网协议地址的缩写，这是用来标记一个设备在网络中的地址，IP 本质上是一个标识网络设备的数字标签，IP 地址包含了设备ㅈㄷㄷ网络中的位置，用于数据包的路由和传递。
Read more ...
Google 最近可能受到了 OpenAI，[[Anthropic]] 的压力，不断地推出自己的 AI 产品，从之前的 Bard，到 Gemini，到 AI Studio，再到特定领域里面，给学术研究读论文制作的 [[NotebookLM]]，到可以将文章生成播客的 [[Google Illuminate]]，后面 NotebookLM 也提供了类似的功能，最近 Google 内部的团队又推出一项新的服务 [[Google Learn About]]，这是一个新的学习工具。
具体来说 Learn About 可以工具用户提出的问题，给出详细的解释，并且
Read more ...
Meta Muse 使用教程：上手设置、提示词技巧与实用案例
上一篇 Meta Muse 介绍与注册指南：一个会替你跑腿的个人 AI Agent 把 [[Muse]] 是什么、怎么注册、额度怎么算都整理了一遍，但是留了一个结尾：注册完之后到底该让它干什么。Muse 上线这几周，我查阅了一些测评体验，整理了 X 和 Threads 上用户晒出来的用法，发现大家的使用路径其实很像：从提醒和文件这类零风险的任务开始，确认它靠谱之后再慢慢接入邮箱、日历，最后才让它碰钱。这篇就按这个顺序来整理，从界面和设置讲起，再到具体的案例和踩过的坑。
Meta Muse 介绍与注册指南：一个会替你跑腿的个人 AI Agent
2026 年 9 月 8 日，[[Meta]] 发布了个人 AI Agent [[Muse]]，宣传语只有一句：「它去做，而不是告诉你怎么做」。用 [[ChatGPT]] 或 [[Claude]] 时，我们得到的往往是一份说明书，真正动手的部分，打开网页、填表单、下单付款，还得自己来。Muse 想把这一段也接过去：你交给它的不是一个问题，而是一件事，它会自己打开浏览器一步步做完，需要你拍板时再回来问你。这是 Meta 迄今为止在消费级 AI 上下的最大一笔注，两周后的 Connect 2026 大会几乎整场都围绕它展开。
Jev：不聊天只做判断的 System One 决策模型
过去一两年，大模型的发展方向几乎都是更长的思考链、更大的上下文、更强的 Agent 能力。但在日常写代码和搭建自动化流程的过程中，我发现很多地方用到大模型，其实只是为了让它做一个简单的判断，却要付出几秒钟的等待和解析 JSON 的麻烦。TypeSafe AI 发布的 Jev 走了一条相反的路：不聊天、不写代码，只做快速的判断。
Executor：多 Agents 和外部世界之间的统一代理层
同时使用 Claude Code，Codex，Pi，OpenClaw 等等 Agent 工具时有一个非常尴尬的状况，就是不同的 Agent 工具维护了不同的配置格式，如果要配置 MCP server 就需要分别到不同的配置文件中定义，相同的配置散落在系统的各个角落中。同一份 API Key 也需要重复粘贴到不同的配置中，更麻烦的是如果一旦有更新或者 API Key 变动就需要重复修改多个地方，我之前还调查过如何[[跨平台管理 MCP]]，主要的思路还是通过脚本和同步来对齐配置，但本质上还是在管理多个副本，直到我看到了 Executor 这个项目。