Cloudflare Skills 是 Cloudflare 官方整理的一套 Agent Skills，主要用于帮助 Codex、Claude Code、Cursor 等 AI 编程工具更准确地开发和维护 Cloudflare 项目。
它覆盖 Workers、Pages、KV、D1、R2、Agents SDK、Durable Objects、Wrangler 和 Cloudflare One 等服务。安装后，Agent 会根据当前任务自动加载对应技能，不用每次都手动补一大段平台背景。
使用也很简单，直接把链接扔给 AI 就行了
📮投稿 📢频道 💬吹水 🌐网站
⚡️ 把 GitHub Actions Runner 塞进 Cloudflare Containers，能省钱吗？
有人真跑了一遍：Worker 接收
实测有个挺反直觉的结果：
•
•
lite 单价低，但慢了 3.2 倍，最终几乎没省钱。真要跑，basic 才是实用下限。
什么时候划算？
私有仓库已经吃完 GitHub 免费额度、手里本来就有 Workers Paid，并且存在大量 lint、通知、轻量测试这类短任务。Cloudflare 按 10ms 计费，GitHub 按分钟向上取整；1000 个 10 秒任务，文章估算约是 $0.08 vs $6。
同规格 2 vCPU / 8 GiB 下，Cloudflare 在文中的模型里便宜约 39%–71%。但算上 GitHub 每月免费分钟和 Workers 的 $5 固定费用，总成本要到每月约 4,000–7,000 分钟 才可能反超。
Agili 点评：
这是个很漂亮的 Serverless Runner 实验，但不是 GitHub-hosted runner 的通用平替。
公开仓库直接用 GitHub，免费；普通私有项目没吃完额度，也别折腾。更硬的限制是 不能跑 Docker daemon / 容器构建，官方 Runner 自带的大量工具也得自己装。Self-hosted runner 还要认真处理不可信 PR、密钥和网络隔离，ephemeral 只能减少残留，不能替你消灭供应链风险。
它真正适合的是：短、轻、多、可丢弃 的私有 CI。用 Cloudflare 做 webhook 驱动和按需拉起，这个架构思路比“省几分钱”更有价值。
原文（日文，含完整代码与成本计算）：
https://blog.sh1ma.dev/articles/20260720_1_cloudflare_containers_github_self_hosted_runners/
有人真跑了一遍：Worker 接收
workflow_job webhook，每个任务启动一个 ephemeral Container，跑完即销毁。冷启动到接单约 11–13 秒，这条链路确实能用。实测有个挺反直觉的结果：
•
basic：1/4 vCPU、1 GiB，任务 23 秒，约 $0.00018•
lite：1/16 vCPU、256 MiB，任务 74 秒，约 $0.00015lite 单价低，但慢了 3.2 倍，最终几乎没省钱。真要跑，basic 才是实用下限。
什么时候划算？
私有仓库已经吃完 GitHub 免费额度、手里本来就有 Workers Paid，并且存在大量 lint、通知、轻量测试这类短任务。Cloudflare 按 10ms 计费，GitHub 按分钟向上取整；1000 个 10 秒任务，文章估算约是 $0.08 vs $6。
同规格 2 vCPU / 8 GiB 下，Cloudflare 在文中的模型里便宜约 39%–71%。但算上 GitHub 每月免费分钟和 Workers 的 $5 固定费用，总成本要到每月约 4,000–7,000 分钟 才可能反超。
Agili 点评：
这是个很漂亮的 Serverless Runner 实验，但不是 GitHub-hosted runner 的通用平替。
公开仓库直接用 GitHub，免费；普通私有项目没吃完额度，也别折腾。更硬的限制是 不能跑 Docker daemon / 容器构建，官方 Runner 自带的大量工具也得自己装。Self-hosted runner 还要认真处理不可信 PR、密钥和网络隔离，ephemeral 只能减少残留，不能替你消灭供应链风险。
它真正适合的是：短、轻、多、可丢弃 的私有 CI。用 Cloudflare 做 webhook 驱动和按需拉起，这个架构思路比“省几分钱”更有价值。
原文（日文，含完整代码与成本计算）：
https://blog.sh1ma.dev/articles/20260720_1_cloudflare_containers_github_self_hosted_runners/
blog.sh1ma.dev
Cloudflare Containersを使ってGitHub Self-hosted runnersを立ててみた
Cloudflare Containers 上に GitHub Actions のエフェメラル self-hosted runner を webhook 駆動で立てて、実測とともに GitHub-hosted runner との料金比較をしてみた。
跨平台的「Human-in-the-loop」交互工具。当 AI Agent 准备结束对话或需要确认时，调用命令行 AskHuman 弹出窗口，让你继续提问、勾选选项、补充文字或附带图片，并把结果回传给 AI。
https://github.com/Naituw/AskHuman/
https://github.com/Naituw/AskHuman/
GitHub
GitHub - Naituw/AskHuman: Human-in-the-loop tool for answering questions from AI agents.
Human-in-the-loop tool for answering questions from AI agents. - Naituw/AskHuman
https://github.com/jlcodes99/cockpit-tools
GitHub
GitHub - jlcodes99/cockpit-tools: 🚀 通用 AI IDE 账号管理工具：支持 Antigravity / Codex / GitHub Copilot / Windsurf / Kiro / Cursor / Gemini…
🚀 通用 AI IDE 账号管理工具：支持 Antigravity / Codex / GitHub Copilot / Windsurf / Kiro / Cursor / Gemini-cli / CodeBuddy，多账号切换、配额监控、自动唤醒与多开实例管理。 🚀 Universal AI IDE account manager for Antigravity / Codex / ...
周五，在中国的月之暗面公司（Moonshot）发布了一款新AI模型后，美国股市下跌，英伟达和美光科技等芯片公司的股价尤其受到重创，过去一周主要半导体股指下跌10%。
Kimi K3来自总部位于北京的初创公司月之暗面，月之暗面计划在本月晚些时候将其完全开源。
月之暗面称，Kimi K3是全球最大的开源模型，拥有2.8万亿个参数，参数是衡量模型能力的一种简略说法。外部研究人员估计，Anthropic于5月发布的Claude Opus 4.8拥有超过1.5万亿个参数。
中国AI模型通常设计为使用较少的算力，并提供更好的成本效率，部分原因是美国出口管制限制了中国获得先进芯片的机会。
今年美国股市受到对科技硬件巨大需求预期的推动，这些硬件用于开发和使用来自Google、OpenAI和SpaceX等公司的AI模型。
如果中国模型获得市场份额，这种需求可能最终不会爆发，这正是一些投资者所担心的。2025年1月，另一家中国AI初创公司DeepSeek发布了一款高性价比的开源模型DeepSeek R1时，曾出现过类似的抛售潮。
via 匿名
Google表示，Gemini Spark功能已向英语Google AI Pro订阅用户推出，此前Gemini Spark只适用于Google AI Ultra订阅用户。
via 匿名
World Cams
全球实时摄像头聚合网站，收录来自世界各地的实时网络摄像头，可观看城市街景、海滩、机场、铁路、动物、港口、酒吧等场景直播，支持按国家、分类和地区筛选，部分摄像头还提供当地时间、天气信息及地图位置，注册后可收藏喜欢的镜头和参与评论交流，免费使用。
频道 @WidgetChannel
