- 以下是网站开发的相关资源网站开发资源
-
以下是视频产出的相关资源视频产出资源
-
以下是 Agent 应用开发的相关资源Agent应用开发资源
-
以下是书籍与学习资料的相关资源书籍学习资料资源
-
以下是订阅渠道和价格决策查询的相关资源订阅渠道资源
-
以下是用于放松和沉浸式学习的影音资源
-
以下是关于论文学习资源的合集论文学习资源合集
-
个人博客站：由 jimmysong 开发的个人博客站，值得深入的有以下几点：
- 参考它的博客框架：特别是它旅行游记的做法，我觉得我也可以这样子
- 借助它的学习资源：有很多本翻译过来的优秀电子书，比如 AI Agent 设计模式
- 学习它的观点：它有很多比较前沿的观点
-
UI 组件与动效库：前端 UI 设计、博客里的 3D 动画 vibe coding 案例，以及图表灵感资源：
-
对前端 UI 设计很有启发很帮助的网站：
网站名称 域名/链接 视频里说的用途亮点 评论区用法（怎么用） 1 MotionSites AI motionsites.ai 内置 100+ 动效网站 AI 提示词，抄提示词丢给 AI 编程软件一键复刻 选一个设计，然后 copy prompt 2 React Bits reactbits.dev 开源免费，上百个炫酷动效 React 组件，复制提示词开箱即用 选一个 react component，然后看 code 3 Uiverse uiverse.io 4000+ 开源 UI 元素全部免费，直接抄原代码，网页高级感拉满 选一个 ui 设计，然后看 code 4 Anime.js animejs.com GitHub 7 万多星，弹簧拖拽、滚动联动、组件变形都能做，复制代码 1:1 复刻 用 js 做出动画效果 5 Aceternity UI ui.aceternity.com 全球大厂在用的组件库，200+ 现成高级组件，一键复制 选一个 ui 设计，然后看 code -
单色图表的 skill，信息密度比较低，但是审美不错-561🌟，这是对应 up 主的空间，也有一些对于 PPT / 视频模态输出的思考-8 条视频左右
-
-
全栈开发 demo：
- B站视频：基于 Python+MySQL 的霸王茶姬销量可视化（UP 主「小宋同蟹」，8 分集约 75 分钟），入门级全栈数据可视化项目，闲暇时可扫一眼它的技术栈
- 内容站-考研信息汇总站，它的配色我很喜欢，并且内容也做得很全，是一个以后要做这类信息统计站点时一个不错的思路，移动端的 UI/UX 也有值得借鉴的地方。
- 全栈 agentbot感觉就是 chatnotes 下一步想要变成的样子了⚠️
- [内容站-408真题汇总➕笔记大纲]（https://liangbohan.github.io/postgraduate-exam-website/）它的侧边栏收缩固定逻辑一定要借鉴，极大美观感觉，然后 408 的真题设计逻辑也可以借鉴
-
注意的坑：
- AI 开发以后别让 AI 自己写测试验收，或者需求一定要明确（一定要说明验证到什么程度），如视频所述
-
视频模态输出：codex ➕ remotion——可以用自然语言去生成视频
-
论文模态输出的参考：首先是端到端的论文 skill 案例-349🌟
-
Agent 实物化案例：比如真正变成贾维斯（全双工语音交互 agent 协作系统）：用 deepseek v4 flash+codex（13 亿 token，4 天，45 块钱）搞出来一套能够做声纹识别、支持实时语音打断的全双工语音交互 agent 协作系统，然后就能躺在椅子上靠嘴巴指示 AI 干活了。交互端做了两个，一个手机 app，一个带外设的 esp32 桌面摆件。前端 agent 用 LiveKit+Gemini 3 Live 主打拟人交互，后端 agent 用 codex/Hermes+deepseek v4 flash 分活干。没用 ASR+LLM+TTS 的方案因为没法做情绪识别，而且交互和工作分离对体验来说更友好——算是对 GPT live 调用 codex 干活模式的简单复现，作者还说了没接触过的可以去看看乐鑫的 sparkbot（社区比较成熟）
-
浏览器连接器实测：让 Agent 能直接访问商城、小红书、美团进行真实价格及评价调研。在 8 月 12 日完成了实测，OpenCLI 的实用性远大于另外两款：
- “CUA drive” →
Cua Driver - “Open Cli” →
jackwener/OpenCLI，不是另一个做本地 MLX 感知的opencli.run - “Egolite” →
ego (lite)
本轮只比较这三个工具，Kimi WebBridge 暂不纳入实测列表。先说结论：在“使用当前 Chrome 的登录态，跨中文网站做价格、评价和行业资料调研”这个具体任务上，OpenCLI 明显胜出；但这不是所有 Computer Use 场景下对 Cua Driver 的全面替代。CDP 也不是唯一的外部连接方式，关键区别在于连接当前 Chrome、使用独立浏览器，还是操作更广泛的桌面界面。
工具 连接方式 当前 Chrome / 登录态 更适合 GitHub Star 数（2026-08-12） Cua Driver macOS 原生辅助功能、屏幕捕获、像素输入；浏览器页面使用经过校验的 CDP 路由 可以，但 existing profile 需要额外授权；默认更适合隔离浏览器 全桌面、后台窗口、浏览器和原生 App 混合 21,223（仓库） OpenCLI Chrome 扩展 + 本地 daemon + WebSocket 可以绑定手动打开的标签页，最适合复用当前登录态 中文网站调研、CLI/Agent 自动化、可扩展站点适配 28,089（仓库） ego (lite) 自带 Chromium + ego-browser，内部通过 CDP 控制不直接控制现有 Chrome；迁移数据到 Agent 专用浏览器 人和 Agent 并行工作、隔离 Space 9,624（仓库） 实测结果：OpenCLI 在浏览器研究任务中领先
测试时间为 2026-08-12，任务包括京东和小红书的商品/评价调研、B 站和抖音的餐厅评价调研，以及微信公众号和知乎的新能源汽车行业资料检索。
平台 OpenCLI Cua Driver 本轮判断 京东、小红书 能使用当前 Chrome 的登录态，并通过结构化页面或站点适配快速提取结果 页面操作可行，但隔离配置容易遇到登录、风控和结果提取问题 OpenCLI 明显领先 B 站 能搜索视频、读取元数据和评论；字幕是否存在仍需单独确认 能找到搜索结果并打开视频，但评论区提取不稳定 OpenCLI 领先 抖音 在已登录的当前 Chrome 中能搜索、打开视频并读取搜索卡片内容 隔离浏览器提示“登录后即可搜索更多精彩视频” OpenCLI 领先，但主要受登录态影响 微信公众号 通过搜狗微信搜索找到文章，并能直接提取公众号正文 能读取公开的搜狗微信搜索结果和文章正文 OpenCLI 小幅领先，Cua 也能完成 知乎 能拿到搜索结果、摘要并打开文章正文 隔离浏览器出现登录弹窗，直接打开文章又遇到 403 OpenCLI 明显领先 OpenCLI 更适合当前这类浏览器优先、登录态敏感、需要快速提取文本的研究任务。它通过扩展和本地 daemon 绑定当前 Chrome，能复用已有登录状态，并结合结构化页面和站点适配完成搜索、点击、滚动与结果提取，所以本轮在京东、小红书、B 站、抖音、微信公众号和知乎上的综合速度与稳定性最好。
Cua Driver 的优势在于覆盖面更广：除了浏览器，还能操作 macOS 原生 App、Canvas、Electron 和其他复杂 GUI，适合真正的跨桌面 Computer Use。代价是权限、窗口绑定和 profile 配置更复杂；本轮默认隔离 Chromium 没有继承当前 Chrome 的 Cookie，因此在需要登录和连续提取内容的中文网站任务上，表现不如 OpenCLI。
ego (lite) 的定位又不同，它主要提供一个给 Agent 使用的独立 Chromium 和隔离 Space，让人和 Agent 并行工作，理论上还能迁移 Chrome 的登录状态、Cookie、扩展与书签。本轮没有对它做实际任务测试，因此这里只记录其产品定位和 Star 数，不把隔离浏览器的理论体验当成已验证结果。
- “CUA drive” →
-
提示词规范：一套用于限制 agent 懂得参考成熟框架、不重复造轮子的提示词，据说把一个 benchmark 的分数从 79% 提到了 100%：
- 不保留向后兼容。过时的直接删，别加兼容层、别写 migration、别留 fallback。
- 选能满足当前需求的最简单实现。不要预防性抽象，不要多此一举的配置层。
- 系统分层长。先跑通一个最小的端到端版本，再往上加东西。绝不为了未完成的复杂度拆掉能跑的东西。
- 组件保持模块化，关注点分离。
- 优先用成熟的、有人维护的库。没有明确理由别自己重写。
- 先翻项目里已有的依赖能做什么，再考虑加新包或自己写。别上来就假设库里没有。
- 架构决策往长了做。不接受”先这样以后再换”的临时方案。
- 先看成熟产品怎么解决同一个问题，用已验证的模式，别从零发明。
-
尝试 codex 原生功能与 skill：product design、figma、image gen、goal 模式 for UI
-
多模态大模型的学习经验和学习路线：小红书博主-有免费的开源模型解读帖子以及一个 368 元的学习笔记
-
Agent 相关的书籍和资源：
-
学英语的资源：B站-68期长难句意群速读合集
-
计算机基础学习路线：一个应试APP-码虫刷题
-
⚠️全栈学习路线：
- 去用Javaguide
- 去看她的个人主页
- 去小红书找项目或者飞书文档：1:20个 AGENT 项目,
-
中转站-1
-
LiteLLM Model Catalog API——可以用于chatnotes 的 API 选型
- 可跨厂商查询模型的价格、上下文长度和能力信息
- 每天一个 ip 可以查 100 次
- ⚠️ 跨厂商的同一个模型，他们的价格、上下文、模型权重可能都会有差异
-
顶级会议：
名称 方向 说明 NeurIPS ML · 多模态 表征学习、自监督学习论文的重镇；多模态表征学习常见于此。 ICML ML 机器学习综合顶会，表征学习论文数量大。 ICLR 表征学习 名称直接包含 Representations，表征学习论文最集中的会议之一。 CVPR CV 表征学习聚焦视觉领域的主场，包括对比学习和自监督视觉预训练。 ICCV CV 视觉领域顶会，自监督视觉预训练论文集中。 ECCV CV 视觉领域顶会。 ACL NLP NLP 表征学习，包括词向量、句子表征和预训练语言模型。 EMNLP NLP NLP 实证方法顶会，预训练语言模型论文密集。 NAACL NLP ACL 北美分会，NLP 表征学习论文集中。 AAAI AI 综合性人工智能顶会。 KDD 图 · 数据 偏应用和数据挖掘，图表征学习常见于此。 -
顶级期刊：
名称 方向 说明 JMLR ML 机器学习权威开源期刊。 TPAMI CV 视觉和表征学习方向权威期刊。 Nature Machine Intelligence ML Nature 旗下人工智能期刊。 Machine Learning ML Springer 机器学习期刊。 -
论文浏览与合集资源：
名称 类型 说明 papers.cool 论文浏览 按会议和年份浏览，支持关键词搜索和 PDF 下载；GitHub 仓库。 ICLR 2025 VizHub 可视化 将 ICLR 2025 论文按语义相似度映射到二维空间，支持交互式探索。 -
⚠️论文数据库的一些借鉴方向（待深入）
| 项目数据源的名称 | 完整度 | 数据量 | 维护频率 | 论文覆盖数量及覆盖范围 | 使用建议 |
|---|---|---|---|---|---|
CVPR 2026 Paper Explorer gisbi-kim/cvpr2026-explorer | ★★★★☆：对 CVPR 2026 很完整，但仅覆盖单届会议 | 约 4,090 条；包含 title、type、authors、institutions、abstract 等字段 | 低频 / 单届静态型 | 仅 CVPR 2026；突出 Oral / Highlight / Poster 等 presentation type | 作为 CVPR 2026 专项数据源保留，尤其适合获取 Highlight、Oral 和机构信息；不适合承担跨年份主库 |
Papers With Notes zhaoyang97/papers-with-notes | ★★★★☆：覆盖多个主流会议，论文级信息丰富 | 约 26,673 条；CVPR 2026 页面约 4,367 条 | 中高频、会议事件驱动型 | 覆盖 CVPR、ICCV、ECCV、ICLR、ICML、ACL、AAAI、NeurIPS 等多个会议和年份；可带 Paper、Code、中文/英文 Notes、Oral / Spotlight / Highlight 等标签 | 高价值增强源；适合补 Code、Notes、论文等级和主题，但入库前需要对 venue/type 做去重和官方校验 |
AI Conference Paper List Fateyetian/AI-Conference-Paper-List | ★★☆☆☆：官方入口覆盖较好，但几乎不是论文数据库 | 主要是 14 个会议 × 年份 × Oral/Spotlight/Highlight/Poster 等链接 | 低频人工维护 | 覆盖 ICLR、NeurIPS、ICML、ACL、EMNLP、NAACL、AAAI、CVPR、ICCV、ECCV、ACMMM、CoRL、AAMAS、ICASSP 等，主要集中在 2024–2026 | 不作为核心论文数据源；更适合做 venue_registry 或 crawler 的官方入口索引 |
CV_Paper_Portal hongsong-wang/CV_Paper_Portal | ★★★★★：历史跨度和会议覆盖非常强 | 未公布统一论文总数，但覆盖大量 conference-year 页面 | 高频、长期维护型 | CVPR 2013–2026、NeurIPS 2009–2025、ICML 2015–2026、ICLR 2017–2026、AAAI 2017–2026，并覆盖 ICCV、ECCV、ACL、EMNLP、ICRA、IROS、RSS、SIGGRAPH 等 | 非常适合作为历史补全源；优势是跨度大，缺点是结构化程度一般，需要自己写 extractor 和去重流程 |
AI Paper Trends zhihengli-casia/AI-Paper-Trends | ★★★★★：综合覆盖最强之一，包含顶会 + 顶刊 | 约 159,732 篇；161 个 venue-year；7,483 个细粒度 topic | 高频 + 自动更新基础设施；有 weekly check | 覆盖 2020–2026；包括 ICLR、ICML、NeurIPS、CVPR、ICCV、ECCV、ACL、EMNLP、AAAI、IJCAI、ICRA 等，以及 TPAMI、IJCV、TIP、PR、JMLR、TNNLS、TKDE 等顶刊 | 当前最值得作为跨 venue 基础索引之一；适合作为主库候选，但如果要完整 paper-level 原始字段，仍建议结合 OpenAlex / DBLP / OpenReview |
Awesome CVPR 2026 Papers firetix/awesome-cvpr-2026-papers | ★★★★☆：CVPR 2026 覆盖约 99.5%，结构化和增强能力较强，但仅单届会议 | 4,069 篇；2,671 arXiv、952 code/resource、685 GitHub、3,929 poster mappings；提供 CSV / JSON / taxonomy / stats | 中低频，目前项目较年轻；有完整重建脚本，但定期自动维护仍不成熟 | 仅 CVPR 2026；包含 title、authors、abstract、CVF、arXiv、poster、GitHub、website、demo，以及 primary_area、novelty_angle、improvement_axis 等自动标签 | 值得作为 CVPR 2026 enrichment layer；基础字段可信度较高，自动 taxonomy / novelty / improvement 标签只能作为检索和弱特征，不应作为人工真值 |