Supertonic代表了端侧TTS发展的一个新方向——通过高度优化的模型结构和ONNX Runtime的跨平台能力，实现了在消费级硬件上运行高质量语音合成的可能。其支持31种语言、覆盖11个平台的广度，加上167倍实时的性能表现，使其成为需要本地化语音合成能力的开发者一个有吸引力的选择。特别是对于隐私敏感场景、边缘设备部署、以及需要降低云服务成本的应用，Supertonic提供了一个值得考虑的开

bug 太多。稳定性不够，关键时刻掉链子真的会血压升高。太黑盒。代码改了什么、做了什么，一概不知道。我是程序员，还是希望多少能了解背后发生了什么。CC Connect 代码开源、架构清晰、Go 写的模块化、轻量——就把消息桥接这一件事做好。成本可控，一台一直开着的电脑就够了。1.3.2 更新之后体验好了不少，之前版本的卡顿和 bug 修了不少，飞书卡片的按钮交互也顺了。CC Connect 把 A

Claude Code 2.0.74 正式发布，终于加入了 LSP 支持。从 2.0.68 到 2.0.74，这几个版本迭代里 LSP 是最大的亮点。聊聊 LSP 是什么，以及 Claude Code、OpenCode、Codex 三个工具的实现差异。

这5个项目的共同点很明显：都在解决Claude Code的"残缺美"——上下文不够、记性不好、不能上网、配置混乱。AI编程工具正在从"单兵作战"向"生态协同"演进。接下来会有一波整合潮，谁能把这些拼图串成线，谁就能占据先机。你有在用这些工具吗？欢迎评论区分享你的使用感受。

让合适的模型做合适的工作，而不是让最强模型干所有事。方案成本工程量推荐度DeepClaude$3/天低首选Ollama 本地0中省钱优先等生态观望有具体问题欢迎评论区交流，实测数据也欢迎分享。

工具链又增了一个选择。根据场景选合适的，没有银弹。

最近AI编程工具爆发得有点猛。光一个Claude Code，围绕它的工作流框架就冒出来一堆——GSD、Superpowers、mattpocock/skills、OpenSpec、BMAD。每个都说自己是"最优解"。实际上它们解决的是完全不同的问题。今天把这五个放在一起，理清楚它们的本质差异，并给出具体怎么用。

传统的AI coding工具倾向于"一体化"——AI接管整个开发流程，从需求理解到代码生成到测试全覆盖。代表如BMAD、GSD。Skills模式走的不是这条路。它把AI能力拆成独立的、小而精的技能单元。每个skill专注做一件事，可以单独使用、可以自由组合、出了问题容易定位。mattpocock/skills就是这个思路的典型——他把自己在Claude Code里用的技能整理成可分享的包，每个sk

Agent Skills里的Skill，定义是一个带frontmatter的Markdown文件，但这个Markdown不是给人读的教程，是给agent执行的工作流定义。---description: 改进代码库架构trigger: 当代码库架构有问题需要系统性重构时---## 工作流1. 分析当前架构2. 识别问题点3. 制定改进计划4. 逐步执行5. 验证改进效果## 检查点- [ ] 架构改

Agent Skills里的Skill，定义是一个带frontmatter的Markdown文件，但这个Markdown不是给人读的教程，是给agent执行的工作流定义。---description: 改进代码库架构trigger: 当代码库架构有问题需要系统性重构时---## 工作流1. 分析当前架构2. 识别问题点3. 制定改进计划4. 逐步执行5. 验证改进效果## 检查点- [ ] 架构改