/last30days 是一个 AI 代理技能，能将 Reddit、X、YouTube、TikTok、Hacker News 等多个社交平台的最新内容聚合为一份 30 天内的舆情简报。它通过实体预解析（pre-research）智能识别关键人物、社区和话题，并行搜索并依据真实用户的点赞、转发和投入（而非 SEO 排名）进行评分排序，最终由 AI 合成有引用的深度摘要。项目以 MIT 开源，支持 Claude Code 等 50+ 代理框架，适合需要在会前快速了解某人或某话题最新动态的工程师、产品经理和研究者。
pm-skills 是一个面向产品经理的 AI 技能市场，包含了 100 多个经过编码的 PM 技能和 42 个链式工作流。它解决了通用 AI 只生成文本、缺乏产品实践风格问题，将 Teresa Torres、Marty Cagan 等大师的产品方法论封装成可执行的、分步骤的 AI 指令。项目以 9 个可独立安装的插件形式，覆盖产品发现、策略、执行、GTM 和分析等全周期，通过 `/discover`、`/write-prd` 等命令行工具触发。适合希望将 AI 深度嵌入产品决策流程，而不仅仅是用来生成文档的产品经理和创始人。
作者分享了使用 Anthropic 的 Claude Fable 5 模型提升代理工作效能的两个实战方向：自校正循环和跨会话记忆。在自校正循环实验中，作者用 Parameter Golf——一个要求在 16MB 模型体积、8xH100 GPU 上 10 分钟内训练最佳模型的公开挑战——比较了 Fable 5 与 Opus 4.7 的表现。通过 Claude Managed Agents 提供的 Outcomes 原语，由独立验证子代理根据九项可检查标准评分，Fable 5 对训练管线的改进幅度约为 Opus 4.7 的 6 倍。Fable 5 更倾向于做结构性改动，并在遇到量化性能回退时展现出韧性，而 Opus 4.7 则停留在调整标量超参数的模板上。在记忆实验中，作者使用 Continual Learning Bench 1.0 中的 SQL 问答任务，对比了 Fable 5、Opus 4.7 和 Sonnet 4.6 利用文件系统跨会话记忆的能力。Sonnet 4.6 仅记录失败和未验证猜测，Opus 4.7 能创建带不确定性标记的 schema 参考但验证覆盖率中位数仅 17%；Fable 5 最强运行中验证覆盖率达 73% 并将学习提炼为通用规则。文章适合关注代理架构设计和模型能力边界的工程师阅读。