记录此分类下的每一次思考与沉淀
本文面向算力/Token销售入行者，指出其本质是依靠信息差、资源差、资金差的批发—分销生意，不生产算力或模型，而是把上游额度低价卖给下游。入行需掌握官转、中转站、号池、倍率等术语，并按五层天梯定位：第二层可稳定盈利，第三层合规天花板依赖政府算力、补贴与资金，灰黑渠道风险高。区域上西部近货源、东部近客户、成渝兼顾；产业链分上游芯片与模型、中游官方与中转分销、下游开发者与企业。读者可据此定位环节与合规路径。日均Token调用量超140万亿。
视频把卖算力/token按销售能力分五级段位，从认知未入门、NPC、行业高手到合规天花板，灰黑渠道另列。token分销链含官方、官转/官Q、中转站、自建账号及灰黑，折扣来自信息差、资源差、资金差。天梯实际考验链路理解、资源整合与合规承接资金风险的能力。高层单笔毛利率可能更低，但靠规模、返点和资源整合盈利；底层赚一次性信息差，易被比价打穿。灰黑玩家靠掺水、假冒、伪造返回拉高销量，却把法律、商业和信任风险拉满。结论是，真正值得攀登的是合规天梯。
本文是前五篇合集的延伸，整理原视频未提但同属一条工具链的开源或免费项目，覆盖本地推理、Agent 底座与学习、去 AI 味写作、文档采集发布和技能市场。重点包括：Colibri 以纯 C、零依赖把 744B 级 MoE 跑到消费级机器，约 25GB 内存可跑 GLM-5.2；Pi 把统一 LLM API、Agent 循环、TUI 和编码 CLI 收进一个进程；happy-llm 从零手搭大模型；去 AI 味已有中英文工具链；文档转换、采集和社媒调度也有对应开源方案；技能市场提供大量技能。前五篇是马上能用清单，本篇是同链矿脉；不必全装，沿一条链找到自己缺的那一环即可。
文章整合AI自媒体工具与两则历史记录。自媒体部分强调流程化与常驻：Mac mini常驻运行B站评论助理，8个月回复4500+条，月运维仅几元；开源运营助手Easel覆盖热点发现、策划、创作、发布到复盘，并能按账号画像跨平台复用；另有工具可同屏管理多平台并自动发布回复、去除AI味、零基础搭运营数据台。历史部分盘点华人东南亚政权，并用AI以“与此同时世界在干什么”对照中外史，价值在于用贯穿式提问打破课本切分，让人看见被割裂的信息。
本文汇总11条能立刻用、免费或开源的实用工具与网站，分为自建工具、好用网站和一个新思路。代表有：2美元ESP32-C3做全屋DNS广告拦截，Piik支持20人免装屏幕共享，windows-mcp让AI操控Windows，OSIRIS可部署开源情报平台；网站覆盖免费电子书、AI图片、本地OCR、气象雷达、央视片库、电子教材、WPS教程和免费网页翻译。最后“炉子”提出，AI时代能力可写成提示词、工作流或Skill并复制流动，工具价值应看能否让能力流动。
文章整合 11 条工具与方法，主题是把“学”与“教”沉淀为可复用工具和知识库。免费资源有 Class Central 名校课与证书、李博杰中文 Agent 仓库、清华 OpenMAIC 教师课程设计 Agent。GitHub 项目可用 zread、DeepWiki、Gitingest 转中文文档、定位代码或整理给 AI。公众号可采集入 ima，商汤小浣熊用专家团生成交互式故事地图。教师可用 WorkBuddy 出卷、整理错题、推同类题、生成软著材料。企业提升 Agent 靠拆解任务、定义流程与验收、选对模型。核心是把一次性劳动沉淀为可复用结构，让能力可重复调用。
文章围绕“怎么学、怎么教、学什么还值钱”整合16条。学习关键是反转：自己输出、让AI评判；《学习观》强调用精确语言诊断学习，以供应链思维优化输入与损耗；也可跟吴恩达、李宏毅、李沐、卡帕西免费学大模型。教育上，学生用大模型常得到答案却没学到东西，语音AI辅导获500万美元种子轮，主张保护有效挣扎；自驱娃与AI原生教育挑战旧评价。英语宜兴趣听说、AI陪练，先内容后产品。总之，AI让得到答案便宜，学到东西更稀缺；方法可外包，判断力与抗挫力不能。
AI趋势、模型格局、算力与开源资源是主线。KK提出未来十年八大AI趋势；dot云电脑让Agent用干净IP、少token焦虑，但勿授权主账号。小米MiMo V2.6开源低价，FreeToken使8G显存跑35B MoE。中国算力八大枢纽贡献全国八成以上智能算力，却上架率63%低于全国71.4%，约72万架未上电。字节、腾讯推AI网盘，竞争转向自动整理；上海交大、Raschka、xAI开源全链路教程、从零训练代码和Grok Build源码。核心结论：模型能力趋同，竞争转向算力布局、Agent驯服与开源复用，稀缺的是干净环境、工程方法和授权纪律。
这份清单回溯原始开源仓库，只保留能嵌入 AI 工作流、解决具体问题的工具，剔除观点文、教程、新闻、模型和提示词合集。共 15 个，覆盖 AI 编程 Agent 配置、上下文压缩与成本控制、科研/写作/交易技能及数据采集，每个说明场景、问题与官方地址。其共同点是把 AI 从“会答题”推向“能干活”：Skills 封装能力，MCP 连接工具，压缩与规范控制质量。但工具只降低重复劳动和门槛，判断力、合规性与最终把关仍靠人；选工具前先明确要解决的具体事项。
本文是AI音视频实战下篇，聚焦视频生产，横向对比Pixelle-Video、Remotion、Hypit、video-talkcraft、VideoClaw五个方案，梳理流程、配置、成本与合规边界。结论是2026年路线分化为纯代码渲染、全自动流水线和多智能体导演，成本结构与能力边界各异；成熟流水线采用音频优先，先出配音再用时长反推分镜，时间戳是唯一事实源。选型须前置审查授权，如Hypit禁止多租户SaaS和商业再分发、Remotion自动化最低100美元/月、video-talkcraft授权未明，并量化验收、素材落盘、数据标采集日期。读者可据此按显存、规模和商用需求选路线，避开音画不同步、授权与成本陷阱。
