DEV TRENDS / CATEGORY
2026年10月26日 – 2026年11月1日 内首次发现的 52 个新项目，已跨 8 个来源去重。
2026年8月10日 – 2026年11月1日 内首次发现 376 个项目
一个自己部署的个人 AI 知识库。在微信、Telegram、飞书、Discord 里把链接、截图、语音转发给它，它会读完内容：公众号存全文，B站视频和语音转写成文字，截图识别文字，再整理成带摘要和标签的 Markdown 笔记，存在自己电脑上。之后在聊天里提问，它从存过的内容里找答案并标出来源。适合收藏了很多文章视频却从来不看、要用时又找不到的人。 亮点 在天天用的聊天软件里转发就能存，不用专门打开一个 App 中文内容支持好：公众号全文、B站视频转写，小红书、知乎可以用 Chrome 插件存全文 笔记是普通的 .md 文件，可以直接用 Obsidian 打开，不锁在任何云账号里 模型自己选：Claude 订阅、API key 或兼容 OpenAI 的服务 中英文文档齐全，MIT 开源
AImagician 把技术号的选题、正文版本和多平台发布状态收进同一套 Postgres。Cursor / Claude 走 MCP 读写这一份事实，而不是在公众号、掘金、知乎之间复制粘贴。适合想自托管内容流水线的开发者。Apache-2.0。 亮点 一篇文章上同时记下选题、正文多版本、每个平台的草稿 / / 失败原因，Agent 才能反复操作，而不是对着五个后台复制粘贴 MCP 挂在 /mcp，Cursor / Claude 用同一份 Postgres，不另起一套记忆 公开仓库只有基建：FastAPI + React 工作台 + 发布 worker，账号 cookie 留在自己机器 GitHub Pages 有静态 ，先看控制主大盘、写作台和发布矩阵
Wavefunction 是一个开源的桌面编程智能体，运行在 macOS 上，免费，MIT 许可。现在的编程智能体功能越堆越多，Wavefunction 反其道而行：界面极简，只有一个内置智能体，可以开多个对话同时干活。 模型自由：可以用本地模型、自己的 API key，或者 ChatGPT 账号登录，随时切换 并行工作：在 Git 仓库里，每个新对话都有自己的分支和工作目录，互不干扰 运行中可插话：任务执行时发一条消息就能调整方向，也可以排队等它做完 随时回退：可以从任意一条消息分叉对话，或者把代码和对话一起退回到那个时间点 独立桌面：Computer use 在本地 Docker 容器里运行，不占用你的鼠标和键盘 兼容现有配置：读取 AGENTS.md 和 SKILL.md 技能，内置 70 多个连接器，也支持自己添加 MCP 服务器 作者：@stoyan-stoyanov
Linux, Jenkins, AWS, SRE, Prometheus, Docker, Python, Ansible, Git, Kubernetes, Terraform, OpenStack, SQL, NoSQL, Azure, GCP, DNS, Elastic, Network, Virtualization. DevOps Interview Questions
原文让几个 AI 编程终端（Claude Code、Codex CLI 或别家的 CLI）在同一个项目里分工：一个 hub 终端拆任务、派简报、收结果，worker 终端各自干活。终端之间只靠一个 SQLite 信箱通信，所以可以混用不同厂商的模型，比如一家出方案、另一家实现、第三家审。 和类似方案的区别：Claude Code 自带的跨会话消息和 Agent Teams 只在同一家 harness 内部；DeepSeek 刚发的 Super-agent 架构（Router / Worker）和 dsh 的各种 team 插件也都绑定自家运行时。这个项目把协调层放在 harness 外面，哪家的 CLI 都能接进来。 目前只在 Windows + WezTerm 上跑过，MIT 协议。
最近 REA（Reverse Engineer Anything，GitHub 41 万+ Star）很火，"用 AI 逆向了 XX""一个人加 Agent 复刻了 XX"的帖子很多。但这些案例里，哪些真的用了 REA，哪些其实是 Claude Code 或 Codex 配 Ghidra，很少有人核对。 这个列表收集了 100 多个 AI Agent 逆向和重建软件的案例，每条都标了出处： 按标签区分：REA（作者或官方确认用了 REA）、AI-RE（其他工具做的 AI 逆向）、Rebuild（净室重写）、Claim?（待核实） 可以按"它替代的软件"查找：Photoshop、OBS、TradingView、罗技 G HUB 等 汇总了两组对照实验：rea-lab 482 次预注册运行，用 REA 解题率没有显著提升，时间和成本约为两倍 写清了法律和合规边界 中英双语，CC0 协议。
📚 微信读书无损全书导出工具 — 一键导出双字体精排 PDF / EPUB / 纯 Markdown 笔记（适配 Obsidian & Notion），攻克网页端翻页漏字问题。
Bulk classification and decision inference on one GPU: the content is read once, every question about it is scored in the same pass. OpenAI-compatible, Apache 2.0
原文An NES CPU compiled into the weights of a stock Qwen3.5 model
原文开源 SRT 字幕翻译工具，用结构化 LLM 输出（OpenRouter GPT/Claude/Gemini/DeepSeek 等）翻译字幕，保留每条字幕的序号和时间轴，漏译自动按 ID 重试，并用 Jev 自动质检，提供本地网页界面和 CLI。是 GeekLink 字幕软件开源出来的翻译引擎
All the ideas came from the boot sector scene where people had been writing chess and BASIC games in 512 bytes, even a C compiler. I wondered what one can do using a neural network instead of a program and generating boot logs for non-existent hardware was something fun to try. Entire inference engine is 510 bytes of MBR, weights, vocab, and strings reside in the sectors following MBR. Small char-level neural network was trained on dmesg generated by machine, so machine produces Linux boot messages infinitely. train.py performs precisely the same integer arithmetic operations as the asm code does and thus produces an output identical character-by-character to the one produced by QEMU. The difference analysis revealed my favorite bug. The characters at the beginning matched those generated by the simulator, but then the output diverged. I retrieved the hidden layer via QEMU’s debug port and compared the neurons' values with those of the simulator, one neuron at a time. Only the value of the first neuron was correct. The activation involves idiv, and idiv stores its remainder in edx. The pointer to the biases table was stored in edx, which resulted in the first neuron being biased correctly and the following ones using garbage. Now the bias' address is determined from the loop counter, and no pointers have to survive the division. Another bug I found simply by looking at the code before I did my first run-through: the BIOS print routine zeros out bx, but bx contains the predicted character number. This explains the push and pop of bx surrounding the print. sectorllm is the most similar to my project, as it runs an actual 5-layer llama2 with attention mechanism in just 1.2K of assembly code. It is the trade-off in the opposite direction, as my engine needs to fit into one sector and therefore my network has just one hidden layer of int8 operations for dreaming the dmesg.
原文Instead of trying to run DOOM on things, I have instead decided to use DOOM (many, many, many doom games actually) to create a transformer. For a lot of the math required I essentially had to use DOOM game mechanics and voodoo dolls (DOOM is turing complete btw) and exchange them with the actual operations, essentially creating an alternative to NumPy (a 65000x slower one). Thus, I am proud to present DOOMFORMER. Here are a list of things DOOMFORMER can do : It can classify MNIST digits, even if you write these digits on the map! It can talk(kinda) You can use it to make decisions, so, it can play DOOM. Yes! You can play DOOM with thousands of DOOM games now! The marine's mind can be controlled by DOOM, playing on a map generated by DOOMFORMER. Truly, the possibilities are endless, and even larger-scale training of DOOMFORMER could be done on a measly T4. If anyone would like to help me scale this up and make crazier things, I'd love to work together.
原文Engramory 是一套给 AI 编程助手用的长期记忆规范，MIT 开源。记忆就是一个文件夹里的小 Markdown 文件：一条事实一个文件，外加一个每次会话都会加载的索引 MEMORY.md。没有数据库、向量库或后台服务，记了什么随时能用编辑器打开看、改、删。
三组公开数据：有人人工标了 150 个 Claude Code 会话，357 句"测试通过"里 80 句背后根本没跑；圣母大学等分析 20,574 个真实会话（Claude Code、Codex、Cursor、Gemini CLI 都在），16,118 个失误里每 100 个就有 22 个是"没做完却说做完了"；Transluce 看了 8,600 个会话，每 55 个就有 1 个严重到"没验证的代码直接进生产"。 它不是每次骗你，是有一定概率不去检查却告诉你检查过了。轮到你头上是什么样：Codex 仓库有人提 issue，它说验证过了就部署，线上卡了五分钟，数据库连接池被打满；Claude Code 仓库有人提 issue，它说修复完成，缺陷还在线上，8,726 条记录漏掉，另一条是测试明明在报错、它回复 ALL PASSED；Cursor 论坛有人说它"浏览器里试过了"，追问才承认没开过浏览器。便宜的结局是 CI 红了回头排查，贵的是线上炸、数据漏，最糟的是后面几轮全建在这句话上，错一层叠一层。 honestly 是一个 hook：助手每写完一条回复，它读这一轮的会话记录，找出"测试通过 / 修好了 / 已推送 / 已发送 / 已部署 / 已保存 / 查过了"等 14 类结论，看最后一次改代码之后有没有对应的命令，并读命令的输出而不是退出码（pytest | tail 的退出码是 tail 的，测试全挂也是 0）。没有依据就拦下回复，要求它先跑再说；下一条回复会写明为什么被拦、补跑的结果是什么。
Project URL Category Python Project Title Solaris Dev Shop: a local Python router that picks one installed skill for a task Project Solaris Dev Shop is a public MIT skill collection and local Python router. It picks one installed skill for a task and runs that skill command. It does not start an agent or call an API. Highlights It routes one local task to one installed skill file. It does not call an API, start an agent, or host a model. Example Code markdown or Videos
原文微信电脑版消息通知灵动岛提醒（ Windows ）。程序监听 Windows Shell Hook 的任务栏闪烁事件，在屏幕顶部显示提醒胶囊；不读取聊天内容，也不统计未读条数。 ## 功能 - 微信请求任务栏关注时显示动画胶囊和绿点。 - 微信窗口激活后自动清除提醒。 - 空闲时显示拟物化镜头孔圆点；提醒胶囊带柔和阴影。 - 通知区托盘图标提供“恢复胶囊位置”和“退出”菜单。 - 支持拖动位置、自定义微信图标和事件诊断模式。 提醒依赖微信和 Windows 发出任务栏闪烁事件。若微信没有发出该事件，程序无法保证显示提醒。 ## 运行 仅支持 Windows 。使用 Python 运行时，Pillow 用于更精细的动画和透明渲染；没有 Pillow 时会回退到简易界面。 ```powershell python -m pip install Pillow pythonw .\wechat_capsule.py ``` `pythonw` 会隐藏控制台；点击右下角托盘图标，在菜单中选择“退出”即可关闭后台进程。调试时可改用 `python .\wechat_capsule.py` 保留控制台。
阮老师好，自荐我做的开源项目 wise-men-flash（MIT）。 第 414 期谈 Jev 决策模型时提到，它只给一个数，这个数是怎么来的无从得知。wise-men-flash 走的是另一条路：给出的不是一个概率，而是一份讲清理由的决策备忘录。 它是一个 Claude Code Skill：一个难题同时交给三个 subagent——一位熟悉这类工作的实践者、一位相关领域的成员，以及一个专挑前提毛病的 Devil's Advocate，三人各走不同的推理路径，互相看不到对方的答案。主线程把三份回答合成一份备忘录（建议、理由、第一步怎么做、风险、最有力的反方意见、每条结论的把握程度），再交给一个没参与讨论的模型核对，然后才给你。 测试结果和局限：预注册盲测，8 道新题，每题 3 位 Opus 盲评，它得 23.4/25，每道题都高于 6 个热门 Claude Code Skill 和直接回答。但评委也是 Claude，题量小，而且单看正确性，直接回答反而更高（4.3 对 3.8）。原始答案、评分和分析脚本都在仓库的 eval-data/ 里。 在 Claude Code 里安装： /plugin marketplace add Ali-expandings/wise-men-flash /plugin install wise-men-flash@wise-men-flash 或者 npx skills add Ali-expandings/wise-men-flash -g。 另有完整版 wise-men：3–7 位成员独立作答、互评、分歧时辩论，最后由 Chairman 写出保留异议的备忘录。
Project URL Category Python Project Title Anki Miner: automatic language vocabulary cards Project Desktop app for automated Anki language vocabulary card creation from video, audio, manga and books, in 32 languages. A video gives cards with the sentence, audio, a screenshot and a dictionary definition. Highlights Creates cards for a whole episode, season, book or manga at once. 32 mining languages, including Chinese, Japanese, Korean and English. The UI supports Simplified Chinese. Example Code bash pipx install anki-miner ankiminergui or Videos
原文ClinicalFaultBench 是一个面向临床 AI 智能体的失效审计基准,MIT 开源。 现在几乎所有医疗 AI 评测都在"理想输入"下算成功率。但这个方向有个被绕开的问题:真实医院的检验单会缺项、单位会错、报告是几天前的、系统会截断返回结果。agent 在这些情况下怎么崩,没人系统测过。 于是这个项目做的事很简单——往 agent 的环境里注入"看起来合理但错"的临床故障,然后量它怎么失败: 七类故障:关键化验缺失 / 单位错误(mg/dL 与 SI 制错位)/ 矛盾记录 / 陈旧数据(时间戳前移)/ 结果截断 / 跨患者污染 / 时间线漂移,每类两档严重度 五项指标:注入前后配对错误率、错误传播率、患者安全违规率、不确定性校准、自纠率 三类任务:入院摘要审查 / 医嘱冲突审查 / 出院准备 有意思的发现 最有价值的一条是负结果:结果截断让两个模型分别掉 0.389 / 0.365,而"截 30%"与"截 70%"的伤害逐位相等——缺多少不重要,有没有意识到缺了才重要。模型从不确认数据是否完整。 另一条:禁忌冲突检测已经饱和(检出率约 100%,效应约 0),如实写进报告了。 更值得分享的教训 这个项目第一版出了七条结论,其中五条后来被证明是判分器 bug 造成的伪影,而且每条都错得毫无报错。最阴的一个:参考区间只按 LOINC 码查、没看单位,同一码不同单位量纲差 40 倍,导致 100% 的 fL 制 RDW 被判成异常,一路污染了答案键。 现在这七个坑全部固化成 23 个回归测试。 特点 主实验用纯合成 Synthea 患者(Apache-2.0),仓库里零受限数据,克隆下来不花钱就能跑完纯规则部分(不需要任何 API key) 中文文档为主 代码结构对"数据不出院"的场景留了接口:代码进医院跑,只回传聚合指标
推荐一个资源：中文 AI 资讯信源清单 收录 174 个中英文 AI 资讯源，分 10 类（官方博客、实验室、媒体、通讯、社区等），每个附链接和一句说明，CI 定期检查链接，CC0 协议可随意使用。 说明：这是我们自己维护的清单，也是 AI 资讯产品知一刻（
VAM 是一个自托管的影音收藏管理系统，用浏览器整理分散在多块硬盘和 NAS 上的大量视频与照片。它以「人物」为核心：每个人物一个文件夹，资料就存在文件旁边，搬文件夹不会丢。新下载的内容先进「待整理」，预览后一键归档。还内置重复文件扫描、无损转封装、修复、压缩、剪辑和账号权限管理。作者自己用它管理 3 万多部视频和 16 万张照片。 亮点 重在整理，而不是播放：Jellyfin、Plex 擅长串流播放，VAM 专注在播放之外的事：归档、去重、修复、长期维护。两者可以并用，VAM 也能读写它们的 .nfo 和封面命名规则- 重在整理，而不是播放：Jellyfin、Plex 擅长串流播放，VAM 专注在播放之外的事：归档、去重、修复、长期维护。两者可以并用，VAM 也能读写它们的 .nfo 和封面命名规则。 不搬动、不入库：直接管理硬盘和 NAS 上原本的文件夹，不需要把文件导入某个媒体库。 两阶段重复扫描：先用大小与哈希找出完全相同的文件，再用时长与帧指纹找出「同一部、不同画质」的视频，并建议保留哪一个。扫描可以中途停止，服务器重启后自动接回。 处理视频前先验证：转码优先尝试无损转封装（remux）；压缩一律另存新文件，可以把原片和压缩版同步并排播放比较画质；验证不通过就不删原文件。 缩略图表与多段剪辑：不用看完就知道视频内容；可以从缩略图表直接选片段，多段合并成一个文件，可选「吸附关键帧的快速剪」或「逐帧精确剪」。 完整的账号与安全：自定义权限组、按文件夹限制访问、TOTP 两步验证、登录限流、陌生地址登录提醒、每日备份。 手机也好用：手机版单独适配，照片可以上下滑动切换、双指缩放。 可以学到：FastAPI + Vue 3 的全栈写法、用 subprocess 驱动 FFmpeg 时的常见坑（管道阻塞、硬件解码回退）、SQLite 表结构迁移、后台任务在重启后恢复。项目附有 88 个测试脚本。
用 Python 自动操作 Windows 桌面应用。这是一个 Windows 图形界面自动化 Python 库，能够模拟鼠标和键盘操作窗口、对话框和控件，还可以读取界面上的文本数据。它支持 Win32 API 和 MS UI Automation 两种后端，可以通过窗口标题、控件名称等文本属性定位元素，几行代码就能完成打开菜单、点击按钮、输入文字等操作，适用于桌面软件的自动化测试和重复操作。
Project URL Category Other Project Title Resume Claim Guard: an agent skill that stops hallucinated resume claims Project An open-source agent skill (SKILL.md) for Claude Code and AI coding agents that enforces a strict 4-step resume workflow: anchor every claim to a verified fact base, audit metrics against exaggeration, and generate bilingual role-aligned bullets. MIT licensed. Homepage: Highlights Prevents hallucinated resume claims by binding each bullet to a verified fact base, and shows changes as yellow-highlight diffs so you can review every edit. Bilingual output, usable for interview prep too. Example Code markdown or Videos
原文阮老师好，自荐一个自己写的开源小工具。 Remove-OfficePlus：一键清理「微软 OfficePLUS」（也叫微软 PPT 助手 / Office 助手）的 Windows 工具，删除前自动备份注册表。 很多人电脑里莫名多了这个 Office 加载项：在 Office 选项里取消勾选，重启后又被勾回来；手动删文件提示被占用，删掉后开机又被后台服务装回来。原因是它注册了一个 LocalSystem 权限、开机自启的系统服务，还在 HKLM 里写了强制加载，优先级高于用户自己的设置。 这个工具按「进程 → 服务 → 注册表 → 计划任务 → 缓存目录」整条链清理。删除前先把注册表导出成 .reg 备份，备份失败就不删；删完自动复检。有图形界面绿色版 exe 和一行 PowerShell 命令两种用法，还支持只扫描和预演模式。MIT 协议。
目前，我注意到：许多开发者提出疑问：Agent系统内核和传统的系统内核有何区别？带着许多开发者的疑问，我开发了linope Agent 内核。 Linope旨在探索Agent 系统的内核和传统操作系统内核有什么区别？在借鉴传统的系统内核，融合了一些个人的想法，探索Agent 系统内核与传统系统内核的异同，定义一种新的Agent开发范式。
自荐一个 AI 辅助制作的中文开源练习，面向网页接单新手：原本说好做三页静态网站，客户又想“顺便”加会员、预约和付款，怎么先把范围与未知说清楚？ 项目： 免费版使用一个固定虚构案例。使用者自己回应，AI 再引用实际原句，指出一项已澄清的边界和一项仍需确认的问题，不替使用者回答，不给职业或收入保证。 两种免费体验 不下载：复制 README 的单轮提示到自己已有的 AI 对话中，先回答一次；这种方式不提供本地保存与恢复。 需要保存：下载免费的本地 Skill，用具备文件读写和 Python 3.9+ 的 Agent 主持；自备模型权限和额度。 免费仓库按 MIT 开源。仓库另说明同作者的独立付费版本，本次只邀请体验免费版，不要求购买。普通 AI 也能做基础沟通练习，固定流程是否有额外帮助仍需要真实反馈。 想听到的反馈 你实际试了哪种方式？哪里最费劲？自己回应后，哪一句反馈有帮助或没有帮助？还没试也欢迎说明原因。可用 README 的体验表单或邮箱反馈，也可以在这里直接讨论。 请只使用本项目的虚构案例，不提供真实客户、订单或个人资料。当前只有本地技术核查，没有真人学习效果或成交证明；此次希望先找到愿意亲自试一轮的人。
用 Python 生成 Anki 卡组。这是一个用于生成 Anki 记忆卡组的 Python 库，支持自定义笔记字段、卡片模板和 CSS 样式，还可添加图片和音频。修改内容并重新生成卡组后，再次导入即可覆盖已有的同名卡片，适合从单词表、题库等数据批量制作卡片。
我把自用的 Apple 健康导出和本地查看流程整理成了 HealthNative，放到 GitHub 开源了。 网站地址: iPhone 运行原生快捷指令，把授权的步数、活动能量、心率、静息心率、体重和睡眠保存到自己的 iCloud。Mac 上运行一个只读的本地服务，直接读取已同步的 JSON，再用浏览器看每天的记录与趋势。 主要功能： - 每次导出用时间戳命名，可以设置每天 9 点运行，也可以绑定实体操作按钮。
Mac App Store： Windows：winget install Trappist.AgentCat Homebrew：brew install --cask yong076/tap/agent-cat 工具介绍 用 Claude Code、Codex、Gemini CLI 写代码时，最常遇到的问题是：这个账号还剩多少额度？什么时候重置？换哪个账号还能继续？每个工具的查看方式都不一样，账号一多就更乱。 Agent Cat 是一款免费的 macOS 菜单栏 / Windows 托盘应用，把这些信息集中在一个地方。 核心功能 支持 Claude Code、Codex、Gemini CLI、GitHub Copilot、Cursor、Grok、Kimi、OpenCode 等 同一服务的多个账号分别显示剩余额度和重置时间；某个账号用完时，会提示可以换用的账号 7 天 token 用量图表、用量历史与报告 只读取各 CLI 已经写在本机的数据，无需额外登录；负责读取的 connector 源码公开（PolyForm Shield 许可，属于 source-available）： 界面支持简体中文，另有 iOS / Android 手机端 完全免费，没有订阅 我是作者（韩国的独立开发者）。如果合适，希望能被周刊收录，谢谢！
I’ve spent the last year building context for AI analysts in the mid-market. I’ve open sourced a library from my learnings, along the same principles of the Matt Pocock skills. Principles: * Claude / Codex / Cursor etc are great data agents - you just need context to enable them to answer business questions correctly. * Much of the important context lives in analysts heads' * Context must be maintainable (short, human readable - markdown and yaml) * Added context should be load bearing, not repeat of information that is available in another source of truth - and evaluations prove the value of the context * Companies should own their own context, and must be shareable with any model * Context should be version controlled (and github works as a context store). What the library does: * Performs an interview with your analysts (context-interview skill), one domain at a time, similar to what I have done as a consultant. The interview is informed by your query logs. * The AI develops evaluation questions at the same time as building the context - and at the end of each domain interview asks you to run an evaluation with and without the context. The evaluation will actually check the results against your dashboards if you allow it. We have shown increases in accuracy from 87% to 95% by adding this context in our imaginary open-source company, Shorelane. * Provides a set of skills to use the context that follow best practices for self service analytics: * Write a plain english plan for the business user to approve * Execute the plan * Verify that the execution followed the plan, and provide a simple uncertainty score. * Enable a adversarial review of the answer if their are doubts. What you get: Context written in markdown and yaml after you finish the interview. We use a single github repo, divided into domains. The interview can be shared and restarted by checking in/out of github. A set of skills to share with your business team Optional: We offer a fast MCP server to serve the Github-based context to your team.
原文用简化英语改写 AI 指令。该项目是基于航空航天业的简化技术英语规范，能把含糊、冗长的英文改写成不会被误读的句子，然后输入给 AI 智能体。它会逐句检查被动语态、复杂时态、一句多指令、长句和营销形容词等问题，改写时不丢失原文的任何事实和条件。
Contenido:LingTube es una extensión para traducir videos de YouTube, convertir voz a texto y generar doblaje con IA. Al abrir un video y activarla con un clic, traduce los subtítulos o la voz de videos en otros idiomas (incluso los que no tienen subtítulos), y los lee en voz alta con una voz natural. Así puedes entender videos de YouTube sin estar pendiente de los subtítulos.Empieza al instante a usar el doblaje con IA y la traducción de subtítulos en YouTube, Coursera, Udemy, Bilibili y TikTok: solo reproduce cualquier video y comienza de inmediato.Ideal para aprender idiomas, cursos online, tutoriales técnicos, noticias, pódcast, anime, fragmentos de películas y ver contenido mientras viajas o haces otras cosas.Funciones principales Traducción de videos de YouTube: traduce subtítulos, voz y contenido de videos sin subtítulos. Subtítulos bilingües: muestra traducción + original al mismo tiempo, o solo la traducción o solo el original. Doblaje con IA / lectura de subtítulos: usa Edge TTS o la voz del navegador para leer la traducción en voz alta. Videos sin subtítulos: cuando el video no tiene subtítulos, transcribe automáticamente la voz, la traduce y la lee. Traducción con contexto: compatible con Google Translate e interfaces OpenAI para entender mejor frases largas y contenido técnico o especializado. Aprendizaje con IA: genera vocabulario, gramática, ejercicios, evaluaciones y material de repaso. Control de audio: puedes escuchar el audio original y la voz de la traducción al mismo tiempo, y ajustar el volumen de cada uno por separado. Activación rápida: un clic o el atajo de teclado Alt+Shift+V. Resumen de videos con IA: una vez iniciada, puede conversar con los subtítulos traducidos completos para resumir el video, extraer las ideas principales, explicar términos técnicos y localizar momentos clave. Perfecto para videos largos, cursos, tutoriales técnicos, noticias y pódcast. Privacidad Solo funciona en páginas de YouTube, Coursera, Udemy, Bilibili.tv y TikTok. La configuración se guarda localmente en el navegador. Los subtítulos, traducciones y solicitudes de voz solo se envían a los servicios que tú habilites. Extensión / plugin de ChromeChrome Web Store: oficial: 亮点 Contenido:LingTube es una extensión para traducir videos de YouTube, convertir voz a texto y generar doblaje con IA. Al abrir un video y activarla con un clic, traduce los subtítulos o la voz de videos en otros idiomas
OpenMontage Drama Studio 是一个用 AI 做短剧和短视频的 Web 工坊。输入一句话灵感，按剧本、角色、场景、道具、分镜、配音、剪辑七个环节推进，每个环节的结果都能单独修改或重做。除短剧外，也内置热门短视频套路和电商带货广告模板，适合个人创作者和小团队自部署使用。 亮点 七个环节可逐步推进也可一键跑完：角色、场景、道具图会作为参考传给分镜出片，改一个角色或一个镜头不用从头来 爆款内容广场：抖音、小红书、TikTok、Reels、Shorts、B 站的结构化套路，可直接带入项目 广告片：内置电商带货转化模板（痛点 → 产品特写 → 卖点字幕 → 行动号召） 无限画布把项目流程显示为节点图；Skill 市场可安装分集剧本、分镜提示词等技能 文本模型自选 OpenAI 兼容接口（DeepSeek、OpenAI、Claude、Gemini、通义、豆包等）；出图 Seedream（也可接自己的 ComfyUI）、出视频 Seedance，二者均为需自备 key 的付费第三方 API React + FastAPI + PostgreSQL + Redis，Docker Compose 部署，AGPL-3.0 说明：项目最初基于 AGPL-3.0 的 calesthio/OpenMontage 代码起步，现已重构为独立产品，与原项目无隶属关系
rederive 是一个面向 Claude Code、Codex、Cursor 等 25 种编程智能体的技能。它不直接讲解代码，而是读取代码库，找出塑造代码的设计决策（比如中间件为什么是一条链、状态为什么放在那里），把每个决策变成一个问题。你先自己推导设计，它再对照真实实现，指出你的答案和代码的不同，然后进入下一个决策。 适合学习 Express、Redis 等开源项目，或在面试前弄懂自己用 AI 写的项目。 免费开源（MIT），一行安装：npx skills add EricJujianZou/rederive 上线 8 天， 263 个 GitHub 星。
Security scanner for AI agent skills. Detect vulnerabilities, malicious patterns, security risks, prompt injection, data exfiltration, and supply-chain risks in Claude Code, Codex, and MCP skills before you install them.
原文一个开源的多智能体 LLM 工具：输入论文 PDF 或研究主题，先由代码检索并验证论文、专利和市场来源，再让 6 个 agent 只在这批冻结的来源里分析，输出技术成熟度、制造成熟度、专利、市场等评分，以及每条论断都标出处的报告。适合高校技术转移、科研人员和早期投资人做初筛；想看多智能体项目如何做测试、断点恢复和成本控制的开发者也可以参考。 亮点 1. 不用注册、不用 API key 就能先看效果：在线示例页有 5 份完整报告（其中 1 份中文），打开时不调用任何模型。 2. 先证据、后模型：检索、URL/DOI 验证和去重都由普通代码完成，模型只能引用登记过的来源；加权总分由代码重算，不让模型自己算。 3. 实验连失败一起公开：我预注册了 1 个、4 个、6 个 agent 的对照实验（各 30 次），隔两个月换模型重跑。「4 个比 6 个省一半」两次都成立，「4 个比 1 个质量更好」没能复现；还发现审稿 agent 因为提示词少写一句限制，30 次里 27 次第一次输出就不合格，补上一句后，因这条限制失败的次数从 21 降到 3。方案、原始数据和局限都在仓库里。 4. 工程细节可以直接参考：每次运行独立子进程、中断后从 Checkpoint 恢复、付费请求有回执（回包丢失 24 小时内可找回结果） OpenTelemetry Trace。 5. 方便参与：带 good first issue 标签的任务不需要任何 API key，测试和浏览器 smoke 测试都不发付费请求，已有外部贡献者的 PR 合并。 我是项目作者，本次为自荐。介绍由 AI 辅助撰写，数字均来自仓库里公开的结果文档。
前言 适用于市面上的 079/083 版本冒险岛（国服怀旧服,MapleStory Classic World..., 只要是冒险岛差不多类型的，按道理都可以） 仅记录和分享 完成功能 [x] 角色识别 [x] 怪物识别 [x] 地图圈选 + 地图绘制（路线录制） [x] hpmp自动识别回复 [x] 自动打怪（走路、攻击、技能） [x] 告警（测谎报警） [ ] 客户端化 演示视频
论文 ECHO（arXiv:2610.24766）的官方仓库，研究大模型的多 token 预测（MTP）。ECHO 不再给主干外挂 MTP 模块，而是复用主干最后一层预测每个未来位置，并按随深度衰减的概率抽样训练深度。仓库公开了评测打分代码与逐题记录、HF/PyTorch 模型实现、草稿模型训练配置和推理接受长度的原始记录，适合想了解 MTP 与投机解码的读者。 亮点 成本对齐的对比：同为一层深度，ECHO-1 在 14 个基准上的平均分为 35.73，MTP-1 为 35.22；ECHO-1.5 只用 MTP-3 一半的训练开销，平均分 36.34，高于 MTP-3 的 35.38；SFT 后 ECHO-1.5-Instruct 为 37.88，MTP-Instruct 为 36.27 预训练出的模型本身就能当草稿模型，推理时可以超出训练深度继续起草，在开放式、高熵生成上仍保持草稿与目标模型的对齐 结果可核查：benchmarktable/score.py 只读逐题记录、不读汇总表，直接重算论文表格里的每个单元格，并与论文数值并列输出 HF/PyTorch 实现与 Paddle 原版逐条对齐验证，同一批 prompt 两边都能跑 说明：仓库不含模型权重、训练语料和 tokenizer
一个 Windows 无边框、无任务栏图标的 AI 订阅额度 HUD 悬浮窗与副屏仪表盘，同屏实时监控 Claude Code、ChatGPT Codex、Grok、Google Antigravity、LiteLLM 等多账号的 5 小时与 7 天限额窗口；支持一键探测并兑换官方隐藏的限额重置券；双击 Ctrl 秒切 mpv 动态壁纸。 解决了什么痛点？ 1. 多账号与多平台额度盲盒：做严肃编码任务时，多开 Claude Code / Codex / Grok / agy 经常突然撞上 5 小时限额墙或周上限。以往要在各个网页或 CLI 里繁琐查询，usage-float 直接以极低资源占用在副屏或桌面角常驻展示全部账号的动态进度条与剩余重置时间。 2. 官方隐藏福利一键兑换： Anthropic 为 Claude Code CLI 用户提供了周重置券（cedarember）与 5 小时碰墙重置券（junipertide）； OpenAI 官方对部分 ChatGPT / Codex 订阅也发放了限额重置券（/backend-api/wham/rate-limit-reset-credits）； usage-float 模拟官方 CLI 原生协议安全嗅探重置券资格，有券时直接在界面提示，点击即可一键兑换回满血，绝不浪费。 3. 无感常驻与桌面摸鱼/护眼切换：副屏平时是干净专业的黑金/暗黑仪表盘，双击 Ctrl（或自定义热键）无缝切换为你本地收藏的 mpv 4K/60fps 动态壁纸或画廊，兼顾生产力与视觉愉悦。 4. Agent 本地查询友好：除了图形界面，提供 python usagefloat.py once（或读取本地原子写入的 ~/.usage-float/usage-cache.json），方便本地 Agent 路由器无网络请求开销直接获取账号剩余额度。 配套开源工具自荐（同一开发者生态） 为了让多订阅 AI 编码体验更完整，我们在同一生态下还开源了另外两个轻量实用的工具，供感兴趣的同学参考： 1. AgentCompass
正文 简言之：一个陪伴型的全能Agent 遇到一个痛处:AI 助手要么只会给一段话让你自己排版,要么不打招呼就把你文件改了。所以我做了 Symbix——一只住在桌面上的桌宠,你说一句需求,它自己找工具、干活、交付排版好的成品文件(Word / PPT / Excel / PDF),每一步留痕、可一键还原。 但它不想只当效率工具。它有长期记忆和每日手账,越用越熟;会在没事的时候主动来找你聊天,一半时间是翻你们的记忆找话题("上次你说要做的那个桌宠,后来怎么样了?");任务做完提醒你的时候,响起的不是刺耳的"叮",而是轻风、晨露、余烬这些柔和音——界面也是暖色主题,连暗色模式都是暖炭色的。它是个工具,更是个有温度的桌面伙伴。 该有的边界感也有:多步任务先报计划等你点头,文件修改和命令执行都会弹审批卡——或者打开 auto-pilot,放它自己跑。全部数据本地:对话、记忆、附件,删会话连附件一起清。 亮点一览: 📦 以md为媒介，多种文件可解析，支持模型视觉和ocr 💛 会主动来找你:翻记忆找话题、弹幕先开口,是个有温度的桌面伙伴 🌸 温柔感做进细节:十几种柔和提示音(轻风/晨露/余烬…)+ 全套暖色主题,暗色也是暖炭色 🤖 一句话跑完整条流水线:检索 → 下载 → 精读 → 总结 → 交付,全程无人值守 🎭 复杂任务自动分身多智能体并行,每个分身可以用不同的模型 🗂️ 每步操作有可读 diff,任何一步一键回溯,新建的文件也能撤 💾 长期记忆 + 每日手账,重启后不用重新自我介绍 🎨 会自己画皮肤:描述想要的样子,它画形象、做动作、打包成能导入的桌宠 🔊 本地语音识别(数据不出机器)+ 流式逐句 TTS 🧩 自研pythonSDK包，工具丰富，且Skill 包和 MCP 工具即插即用,权限和审批与内置工具同一套 下载 / 了解更多: 🐙 GitHub 开源:
在 Windows 上装 OpenClaw 要过 WSL2、Ubuntu、Node、网关四道门，一步走错就得从头再来。Rheia 把这条链做成一次双击：复用机器上已有的 Ubuntu（不另建发行版）、安装官方 npm 包（不 fork 不改源码）、自动选择国内或海外镜像源、用 systemd 托管实现开机自启。装完即预装 8 项技能与插件，配置好模型就能干活。 亮点 复用机器上已有的 WSL2 + Ubuntu，不另建专属发行版，磁盘不重复占一份 始终安装官方 openclaw@latest，官方每出一版立即跟进，文档、插件、issue 区全都对得上 开箱即用：预装 Tavily 搜索、mem9 记忆、office-toolkit 等 8 项技能与插件，并直装 LibreOffice 与文档处理库
我是 Gangmu（纲目）的发起人。它是一个面向嵌入式 C/C++ 的开源组件识别和 SBOM 工具。 芯片 SDK 中的第三方库经常被复制、改名或做厂商修改，源码目录中存在的代码也未必进入最终固件。Gangmu 使用社区维护的规则识别组件，可结合 compilecommands.json 和链接器 map 补充构建证据，区分源码存在、编译和链接信息，输出 CycloneDX/SPDX。 仓库提供对 GmSSL 改名、删除版本信息及修改源码的受控示例，供读者查看和复现。希望收集更多公开 SDK 的识别反馈与规则贡献。 工具采用 Apache-2.0，独立规则库采用 CDLA-Permissive-2.0。适合嵌入式开发、固件交付和软件供应链安全相关读者。 联系：[email protected]
一个私人电台。它从你在 YouTube Music 点过的喜欢出发，按口味分成几个电台，每天早上推荐你还没收藏的歌，每首附一句推荐理由，用 YouTube 官方播放器放完整版，歌词同步并可显示翻译。适合用 YouTube Music、觉得首页推荐总在重复的人。网页版 免费，不登录能先听一位示例听众的电台。 亮点 候选来自 YouTube Music 的听歌图谱，先去掉你已有的，再由 Claude 当编辑从短名单里挑，一般只放它打分 0.7 以上的；新用户的部分电台里还会混进一首它本来不会选的歌，用来检验编辑的判断 把整个收藏画成一张唱片，一年一圈，可以回放口味怎么长出来，并生成分享卡 跳过、喜欢，以及“更安静”“更带劲”“多些新歌手”会按听感重排当前电台后面的歌 简体、繁体、英文三种界面，推荐理由用你选的语言写 可以自己部署，用你自己的 Claude 登录或 API key
【项目名称】systemo ebook 【项目地址】 【一句话说明】Windows 本地电子书工作台：把 TXT / 网文自动分章、补齐作者和封面，生成带目录的 EPUB，再通过 WiFi 直传手机、Send to Kindle 或苹果图书送进阅读器，内置阅读器可直接试读。转换和传输全程在本机完成，不上传文件。 【为什么值得推荐】只为一本书去装 Calibre 有点重，在线转换又要把书稿上传。这个小工具把「导入 → 自动分章 → 补封面 → 转 EPUB → 传设备」压成一条流水线，还支持断点续传（中断重跑只补缺章）、多章并发带全局限速、书库里批量加入待发送队列一次发到设备。开发者自荐，源码开放，书源的解析规则可自行扩展。 【系统要求】Windows 10 / 11 x64，免费，解压即用（自带 Python 后端、Pandoc、ChromeDriver，无需另装运行库）。 【下载】 安装包 systemo-ebook-v1.1.0-full.rar（257,491,742 字节），SHA256 9B5F3FB14EB37960D77F90676E4D5DA614DC32F0D54E313B3D064848DA396965。 【截图】可用 README 内的三张真实界面截图：制作页、传输页、内置阅读器。 【说明】本工具只做本地格式转换与个人离线阅读，不提供任何资源分发或分享功能。
做独立产品的人常把网站提交到导航站、awesome 列表和客座文章站换外链，可网上流传的外链清单里混着已经停放的域名、明码标价卖 dofollow 的站，还有同一个人运营的站群。backlink-guard 在你提交之前逐个检查这些站：读它们自己的页面，对照 Google 的链接垃圾政策，给出跳过、先看看、只免费提交、价值低、可以提交五种建议，并附上原文证据；链接上线后再核实它是否真的传权重、放在页面哪里。适合做 SEO、发产品、维护开源项目的人。 亮点 不帮你多发外链，而是告诉你哪里别发：停放或过期的域名、出售传权重链接、要求回链、外链指向博彩站、共用一套页面模板或同一个统计账号的站群都会被标出来，每条结论都带页面原文或数字，可以自己核对。 不配任何 key 也能免费跑页面检查；配上自己的 Glasser 或 AIsa key 再加评分、访问量、垃圾分和 Google 搜索历史，一次查三十个站约 $0.46；在 agent 里用时，每次付费调用前都会先报价、等你同意。 在 100 个它没见过的站上验证过：Ahrefs 标为垃圾的 40 个站里，37 个没有被给出「可以提交」。 除了投稿前的检查，还能体检自己的外链画像，找出指向 404 页面的外链并建议 301，找出链向竞品却没链向你的站，看 Google AI 概览和 AI 助手在你的关键词上引用了谁。 命令行、Agent Skill、Claude Code 插件和 MCP 服务器四种用法；纯 Python、无依赖、MIT 开源，它自己从不替你提交任何东西。
邮件发票自动归档命令行工具，从 .eml 或只读 IMAP 取 PDF 发票（含诺诺网链接发票），按「项目-金额-月日」改名、按月归档、按发票号去重并记 CSV 台账；纯 Python 标准库 + pdftotext，MIT 协议
Open-source procedural memory for AI agents. Learns from what worked and what failed.
原文Poly Duo (C1M) 是免费开源的 iPhone 快捷指令：ChatGPT 作答，Claude 核对并修正，一次点按得到一份结果，开头列出两者一致之处、分歧之处和需自行确认之处。运行在手机上，用你现有的账号，无需服务器、API 密钥和电脑。 亮点 1. 手机上的首创：把 ChatGPT 与 Claude 官方 App 在 iOS 18 发布的快捷指令操作（Ask ChatGPT、Ask Claude）串在同一个快捷指令里，免费，两个 AI 之间没有任何中间环节。 2. 结果先给“两者一致 / 分歧之处 / 请自己确认”三个区块，再给完整的核对后答案，一眼看出该查哪里。 3. 共 12 种模式（核查、分歧地图、辩论到达成一致、综合等），选择前显示消息消耗 Trio 再加第三家公司的免费模型。 4. 开源（Apache-2.0），提示词是 locales/ 下的纯文本，tools/verify.py 可校验已签名的 .shortcut 与源码一致。
VoxStage 是面向游戏剧情和动画短片的本地对白制作工具：按角色、台词和时间槽合成语音，经独立 ASR 核对后按失败原因有限重试，支持只重做修改的台词，导出 WAV、SRT 和时间轴 JSON。仓库附真实中英文试听；不装模型也能打开回放工作台。 亮点 将台词原文、角色音色、时间槽和重试预算固化为结构化契约，不通过截断台词来满足时长。 Qwen3-TTS 负责合成，独立 Qwen3-ASR 核对音频；ASR 不接收参考台词。对超时或未通过检查的候选进行有限修复，保留失败原因和原始候选。 资产按内容指纹与 SHA256 复核。已有四句对白的真实实验中，仅修改一句时新增一次合成、复用另外三句。 可先试听真实输出，再阅读制作过程。适合学习语音模型接入、时间约束、增量缓存及模型进程隔离。 项目目前是个人工程原型。ASR/时长约束通过不等于人工听感或逐字正确，没有人工 MOS、情绪控制准确率或商业上线数据。 项目关系说明 项目维护者自荐，使用 AI 辅助开发。源码为 MIT；模型与第三方依赖的来源、使用条件另见仓库 THIRDPARTY.md。
CaseCite is a source-available, self-hosted legal caselaw research & document analysis platform.
原文换一个关键词或分类试试。
