一款利用 LLM 将任意网站转化为结构化聚合 API 的开源工具。这款工具能够自动帮助用户定义所需的数据结构（如股票市值、交易价格、交易量等），然后从指定的数据源（如雅虎财经）自动抓取这些信息。系统使用 OpenAI 的结构化输出功能来验证数据结构，通过Firecrawl 的 extract 端点进行网页解析，并将结果存储在 Upstash 中。
整个过程非常直观，用户只需定义所需数据的结构、选择数据的来源网站，系统就会自动生成对应的 API 端点。这个 API 可以部署到 AWS Lambda、Cloudflare Worker 或任何支持Node.js 的服务器上。更棒的是，它还支持定时任务，能够按指定频率自动更新数据。
通过这款工具，你无需通过复杂的数据分析和编程就能抓取任意网站上的数据，并保持实时更新。
OpenAI 旗下 GPT-5.6 Sol Ultra 通过 64 路并行 agent 在 1 小时内生成了图论 CDC 猜想的证明文本，成本不足 500 美元。该成果引发争议，因缺乏 Lean 机械化验证、未公开完整推理轨迹及受限于图论形式化库不成熟，数学界对其有效性存疑。此事表明 LLM 已具备启发式数学搜索能力，但验证基础设施滞后仍是瓶颈。未来“多路并行+防放弃 prompt”或成范式，而完善 Lean 工具链是确立 AI 证明可信度的关键。
Bun 开发者利用 Claude Fable 5 在 11 天内将 53.5 万行 Zig 代码重写为 Rust，以解决内存安全问题。项目采用 64 个 AI 实例并行及对抗性审查机制，耗资约 16.5 万美元。重写后二进制体积缩减 20%，性能提升 2% 至 5%。尽管存在 1.3 万个 unsafe 块和 19 个回归问题引发争议，但该项目验证了 AI 辅助大规模重构的可行性，其分离上下文与对抗审查等方法论具有重要参考价值。
OpenAI 正式发布 GPT-5.6，推出 Sol、Terra、Luna 三档模型。Sol 在 Agent 评测中领先，但编码基准落后竞品且存在 token 过度消耗问题，Terra 性价比显著提升。新功能包括程序化工具调用、缓存优化及 Sol 自主训练 Luna。尽管安全围栏较严且知识截止日期存疑，该版本仍属扎实迭代。对于 Codex 用户建议升级，而 Claude Code 用户需权衡工作流兼容性，两大 AI 厂商竞争已趋白热化。
围绕《自动将网站转化为结构化数据 API 的开源工具：LLM API Engine》展开交流，未登录用户可浏览评论，登录后可参与讨论。
