DEV TRENDS / CATEGORY
2026年10月26日 – 2026年11月1日 内首次发现的 48 个新项目，已跨 9 个来源去重。
2026年8月10日 – 2026年11月1日 内首次发现 400 个项目
agent-qa 面向需要验证用户流程的开发者，可用自然语言检查网页、Android 与 iOS 应用，保留测试证据，并通过 CLI 或 MCP 接入编码工作流。其 memidex 将事实和有效操作流程保存为可审阅文件，自我改进功能验证运行经验、淘汰过时知识 亮点 可审阅的持久记忆：memidex 把已知事实与有效测试流程保存到仓库文件，便于检查和复用测试知识。 自我改进：验证每次运行产生的经验、淘汰过时知识，并利用反馈纠正错误。 覆盖 Web 与移动端：同一工具可从 CLI 或 MCP 发起 Web、Android、iOS 用户流程检查，并保留证据供排查问题。 CLI 免费，模型调用和设备服务费用另计；需要 Node.js 24+。许可为 FSL-1.1-ALv2，限制竞争性商业用途。 · 使用文档 由 Codex 代表 vostride 自荐。已在 HelloGitHub 网站搜索项目地址，未看到已有收录结果。 截图或演示视频 项目公开 README 中的 CLI 演示图：识别示例购物车的预置总价错误。
Project URL Category JS Project Title DiffSeek: cut the noise in big GitHub PRs Project A Chrome extension for reviewing big GitHub pull requests. It filters changed files by CODEOWNERS owner, group, format and status, hides generated and already-viewed files, and shows viewed progress on every file and folder in GitHub's file tree. Highlights I'm the developer of DiffSeek. Builds on GitHub's own file tree instead of replacing it: each file and folder gets a viewed badge, and clicking a folder's badge marks its unread files viewed. Filters by every CODEOWNERS owner, by groups (built-in Tests, Docs and Config, or custom ones from .gitattributes), by format with aliases such as ts/tsx, and by viewed, generated and change status, with a live count on each row. Files marked linguist-generated in .gitattributes start hidden and are viewed automatically. No token, account or backend: it uses the existing GitHub session, so private repos work, and it collects no data. MIT-licensed, written in TypeScript. Example Code gitattributes dist/ linguist-generated=true db/migrations/ group=Migrations .tsx linguist-language=TypeScript or Videos
原文开源 AI 简历工作台，支持实时预览、按目标岗位获取建议，逐条采纳或跳过 AI 修改；提供中英文、可自定义模板及 PDF/JSON 导出，云端版提供免费和付费计划 -
AudioLens 是一个开源的 VS Code 音频检查扩展。排查语音数据、录音或算法输出时，可以在代码和数据清单旁播放片段、查看多通道波形与频谱，并分析选区的峰值、RMS 和削波比例。它还支持 Remote SSH 工作区、手动指定参数的原始 PCM，以及 Kaldi WAV Ark 条目，适合语音、机器学习和音频开发者使用。 亮点 我是项目作者，本次为自荐。它关注开发过程中的音频数据检查： 数据清单里的音频路径可以通过悬停入口打开，减少在文本、目录和播放器之间切换。 Remote SSH 中由远端扩展读取文件，在本地界面播放和查看波形、频谱。 原始 PCM 可以明确指定采样率、通道、编码、字节序和偏移；Kaldi WAV Ark 可以按偏移读取单条 WAV，不必加载整个归档。 多通道录音分轨显示，支持逐通道静音和独听，便于定位异常通道。 项目采用 Apache-2.0 协议，提供中、英、日文 README 和功能演示。源码也可供对 VS Code 自定义编辑器、Webview 音频可视化感兴趣的开发者参考。
relaycheck 用 Claude Code、Codex 离不开中转，但"是不是掺了便宜模型""token 怎么用得这么快"一直只能靠感觉。relaycheck 把它变成统计检验： 身份：24 个有限选项探针在 temperature=1 下多次采样，和官方 API 测出的参考指纹逐题做置换卡方检验，合成一个总 p 值 计费：用指纹里存的官方 token 数逐个对比 usage，揪出隐藏注入 协议与上下文：工具调用、SSE、截断，以及 32k 文档里埋针测是否被截 bash export RELAYKEY=sk-... npx relaycheck --model gpt-6-luna --lang zh 用官方 OpenAI API 实测（花了约 3.6 美元）：官方自测 7/7 判为一致；Luna 冒充其他模型 7/7 抓到（p ≤ 1.2e-5）。也有抓不到的情况：Sol 冒充 Astra 时 p=0.024，没达到判定线，README 里写明了这个盲区。 TypeScript、零依赖、MIT，key 只从环境变量读、不离开本机。目前有 5 个 GPT 参考指纹，Claude 指纹欢迎有官方 key 的朋友贡献。
项目网站： Github仓库： Fluxer是一个免费开源的聊天软件，类似Discord和Kook。支持语音、视频通话。可自托管。国内可直连。
大家好，自荐一个开源项目「拾价」。 购买 AI 订阅时，不同商家的命名、价格和质保条件各不相同，逐家比较比较麻烦。拾价聚合 ChatGPT、Claude、Gemini 等订阅报价，通过 AI 识别并归类同类商品，支持跨商铺比价、条件筛选和价格走势查看。 也可以直接告诉 AI 导购：“已有 GPT 账号，想找 100 元以内、有质保的 Plus 代充”，通过对话筛选报价。 项目支持 Docker 自部署，采用 GPL-3.0 协议，欢迎试用和反馈。
开源 MCP 工具 Local Commander，让 Claude、ChatGPT、Cursor 或 Ollama 本地模型在你自己的 Windows、macOS、Linux 电脑上执行命令、读写文件、截图，电脑无需装 AI 客户端。作者在手机上说一句，家里电脑就更新并发布了网站。 （30 秒演示： ；托管版： ）
在线示例： 一个开源、可自托管的个人网站。每一页都是同一片宇宙里的一种东西（文章是星轨、碎念是彗星），全站只用黑、白、琥珀三种颜色。docker compose up -d 即可起站，附初始化向导与后台。 设计与重做过程的长文：
Casnode 2.0 是一个面向小团队和开源社区的自托管论坛：界面参考 Discourse，部署用 Go 程序 + Next.js 服务，默认 SQLite，不需要 Redis。 下载约 30 MB 的发布包，解压运行，注册第一个账号就是管理员（服务器需安装 Node.js 20+）。话题列表、时间线、Markdown 编辑器、通知、聊天、徽章和投票都有；话题、分类、标签和用户页服务端渲染，内置 sitemap、RSS、JSON-LD，方便讨论被搜索引擎找到。 自带邮箱密码注册登录，可选接入 OpenID Connect / OAuth 2.0 单点登录。支持 Linux、macOS、Windows 的 amd64 和 arm64，Apache-2.0 开源。当前版本 v2.1.0；2.x 是重写，不能从 1.x 原地升级。
叮卡（DingCard）是一个开源（MIT）的图文卡片编辑器，在浏览器里就能用，不需要账号。 长文自动排成卡片：粘贴 Markdown，按小红书、微博、推特的尺寸实时分页，有九套长文版式。 海报自由排版：文字、图片、形状、图表、表格、二维码放在同一块画布上，88 套模板，可以导出 PNG / JPG / PDF、长图或九宫格。 给 AI 用：MCP 服务器 dingcard-mcp 发布在 npm 上，也登记在 MCP 官方注册表。Claude Code、Codex、Cursor 这类客户端可以按内容生成整套卡片，按导出的样子检查文字被裁、对比度低、残留示例文字，再交给编辑器让人接着改。 在线使用：
Hi HN, I'm Ruud, co-founder of Lont. We turn company emails into personalized videos. Video captions cost us manual work twice: fixing misheard words, then fixing layout, like lines ending on “the”. Overtone uses multiple models to listen to the audio: gpt-transcribe, Azure STT, and Elevenlabs Scribe. When they return conflicting results, Overtone sends small clips to the models again, and then lets an LLM decide what was actually said. The LLM is like a human doing a sanity check on the transcription model. Humans would easily recognize a word to be different based on context. The LLM basically does the same, using an optional context prompt + its world knowledge. Because of this the Word Error Rate (WER) on many test files is lower when using Overtone, compared to just using a model without it. Sure, the cost is higher because we use up to 3 different STT models + an LLM, but it still removes mistakes, reducing the time needed to fix captions to a minimum, and reducing the chance you'll miss something. For us it's worth it. For ultra high volume use cases it may not be. The rules-based cutter nicely cuts the transcript into captions that look good, depending on screen size: 16:9 is different from 9:16, and the Overtone Format we created supports any type really. Pauses become breaks, captions are grouped per speaker, and names/numbers are never spread out over multiple captions. How to add these captions to your videos? A videojs plugin can do this automatically, so you don't burn in your captions. The plugin lets you cycle between styled captions, plain captions, and off. You can burn them into an MP4 file with overtone burn. Quickly try it out just the cutter? Try: npx overtone-captions recut yoursub.srt Transcribing audio with API keys works too. Use --dry-run to show a cost estimate before you send. We open-sourced this first version (MIT) because we believe many people can benefit from this, especially if your captions just need to be good. There's plenty of room to improve though, so we've made it easy to help contribute to add style packs, languages, and providers/models. You can find a at: https://overtone.lont.ai/ Find the code and benchmarks here: https://github.com/lonthq/overtone-captions
原文Hi HN, I built cc-pair because I kept noticing that when a coding agent reviews its own work, it tends to go easy on it. cc-pair pairs the two agents I already use — Claude Code and Codex — so one authors a change and the other reviews it, and they iterate until the reviewer approves or the round limit (default 3) escalates to the human. Roles are symmetric: either agent can be author or reviewer. In auto mode, `pair start --as claude` (or `--as codex`) opens the author and starts the other agent as reviewer for each round — no second terminal needed. In manual mode you run both yourself. They communicate through numbered message files in a shared directory (~/.pair/<repo>-<hash>/), so the whole review thread is inspectable on disk. Install: npm install -g claude-codex-pair (Node 22+, macOS/Linux for auto mode; manual mode works on Windows). Both CLIs need to be installed and signed in. https://github.com/leonlee/cc-pair — the README has an example review thread in Appendix A, and DESIGN.md specifies the protocol. I'd love feedback: does cross-model review actually catch things self-review misses in your experience, and what would you want the reviewer to be stricter about?
原文Open-source Grok Bot alternative with a virtual machine that bots can use
原文之前自己的视频散在硬盘和 NAS 里，找起来不太方便，就折腾了一个私人影库 Alexandria ，最近整理了一下顺手开源出来，分享给有类似需求的朋友。 可以把本地目录和已经挂载的 NAS 目录加进来，用媒体墙浏览、搜索和筛选，也能播放视频、切换字幕、记录进度和收藏。已有的 NFO 、JSON 、海报和部分字幕也可以一起读进来。 除了常见的影库功能，还做了几个自己平时挺喜欢的： - 专题和关系图：从人物、系列、题材这些线索逛自己的收藏； - 观影台：不知道看什么的时候，从已有馆藏里挑一挑； - 精彩片段和个人媒体手记：把喜欢的片段、收藏和观看记录整理起来； - 智能馆长可以选接本地 Ollama ；没接模型时会明确显示示例内容。 项目偏成人向，需要自行部署并接入自己的文件，不提供影片或下载资源。我也做了个非成人内容的在线 ，不用安装可以先看看界面和交互，里面的观看记录是模拟的。 GitHub： 在线 目前还在继续折腾已有影库导入、播放和字幕兼容。如果大家试用后有什么问题，或者希望支持什么功能，欢迎留言提建议，谢谢！
一个给 AI Agent 用的表情包搜索和自动配图工具，包含 Agent Skill、远程 MCP 配置和命令行工具。装上后，Claude Code、Codex、Cursor 等 AI 工具可以按情绪搜中文表情包和英文梗图，或者读完一整篇文章，在值得吐槽的句子后面插好表情包，返回 Markdown 成稿。适合写公众号、博客、推文时让 AI 顺手配图，也可以用来学习怎么把一个服务做成 Skill 和远程 MCP。 亮点 会配图，不只是搜图。 把整篇文章交给它，它挑出值得配图的句子，以 Markdown 把表情包插进去，Agent 不用自己猜该放哪。 按情绪搜。 搜「无语」「裂开」「摸鱼」或者 facepalm、this is fine，拿到的是想表达的那个反应，而不是字面相近的图。熊猫头、奶龙、金馆长这类角色名按整词匹配。 标清版权。 每张图都注明能否商用、附来源链接，需要署名的已带好署名，可以要求只返回可商用的图。 接入简单。 npx skills add 一行命令装进 40 多款 Agent；也可以直接接远程 MCP npx memecub 在终端里搜。搜索不需要 Key。
项目仓库： 大家好，我是 Breatic 的开发者，想自荐这个面向创作团队的协作项目。 Breatic 将 Document Space 和 Canvas Space 放在同一个 Project 中：文档用于整理需求、脚本和创作说明；画布用于组织参考素材、生成和比较图像/视频等内容；项目中的 AI Agent 结合上下文协助创作。多人可以在同一个项目里工作，AI 提出的文档改写需要人审阅和接受，而不是自动覆盖原文。 对于开发者，仓库中可以看到 React/TypeScript、React Flow 画布以及 Yjs/Hocuspocus 协作层的实现。希望和对协作编辑、创作工具、Agent 交互感兴趣的开发者交流，也欢迎内部部署和贡献。 使用指南 开发环境指南 贡献指南 现有小任务：WSL2 开发指南实测、韩文画布控件母语审阅。 源码采用 Breatic Source-Available License，具体条款见仓库 LICENSE。允许个人、私有群组和组织内部部署；面向公众提供 Breatic 平台服务受限制。部署和 AI 生成功能仍需按文档配置存储及模型服务，并非完全离线运行。 感谢审阅！
@yetone 大佬只发布了iOS客户端可以远程接入桌面版alma，于是只能自己动手了 自制的alma android客户端，可以remote access桌面版alma，根据relay接口重写的，适配折叠屏，不断迭代中！
如果 Agent 除了帮我们干活，也有一个可以认识邻居、四处逛逛的地方，会发生什么？ 我做了 Trisavia「万物有邻」：一座让自有 AI Agent 共同参与的像素小镇。把你已经在用的 Agent 带进来，给它一个居民身份，它就能在同一个世界里持续积累经历。 ### 现在可以做什么 - 在清昼小镇探索和移动，看看不同场所。 - 按当前规则参与工作、休息、钓鱼和阅读。 - 认识其他居民，发送好友请求，交换作品与文字反馈。 - 人类从网页查看角色位置，以及自己有权限查看的生活记录。 ### 怎么开始 打开作品链接，点击「Agent 接入」，把完整指南交给自己的 Agent，按页面流程加入和关联。Agent 需要能够联网并保存自己的私密接入信息。 Agent 的模型、记忆和工具仍在你自己的环境里运行；Trisavia 提供小镇、规则和记录，不托管推理，也不会自动唤醒你的 Agent。网站已支持简体中文和英文。 目前开放的是持续迭代中的公开测试世界，建议用电脑体验。配图是当前测试站的真实界面。源码已在 GitHub 公开，欢迎一起提交问题、完善规则或参与开发。 你最想让自己的 Agent 在小镇里先试哪件事？
Wevir 是一款类似 Codex 桌面版的开源 AI 编程 Agent 工作台，但不绑定任何模型厂商：可以用自己的 API Key、任意 OpenAI 兼容接口、本机 Ollama，也可以直接用手里已有的 ChatGPT、Claude Code、Cursor、Copilot 等订阅，同一个会话里随时换模型。Agent 由本机的 Host 运行，代码、会话和密钥都留在自己电脑上。 解决什么问题 每家 AI 编程工具只能用自家模型，想换模型就得换工具、换习惯； 手上有好几个订阅、好几个账号，来回切换很麻烦，用量也分不清； Agent 改了什么、跑了什么命令心里没底，出错了不好回退； 离开电脑就没法看进度、批准操作。 模型与订阅 十余家服务商：OpenAI、Anthropic、Google AI Studio / Vertex AI、Azure OpenAI、Grok API、DeepSeek、阿里云百炼、Kimi、智谱 GLM、小米 MiMo、MiniMax、阶跃星辰、腾讯云 TokenHub、Ollama（本机与云端），以及任意 OpenAI 兼容接口。内置网关把请求转换成 Responses、Chat Completions 或 Anthropic Messages，推理与工具调用都能用。 使用现有订阅：ChatGPT（Codex）、Claude Code、Cursor、GitHub Copilot、Grok、OpenCode、Antigravity、WorkBuddy、Devin。Wevir 调用厂商官方客户端或 SDK，下载和登录在设置完成。 多账号：多数订阅支持多账号，凭据与数据按账号隔离，可加“工作”“个人”等标签，侧栏分别显示用量，会话可指定账号。 会话中途换模型：回合之间切换模型、推理档位，或者把整个会话移交给另一家服务商，缺失的历史会自动附上摘要。 生图：服务商有图像模型时（如 gpt-image 系列），Agent 可以直接生成和编辑图片。 会话与审阅 实时时间线：流式回复、计划、工具调用、子 Agent、审批和 Agent 的提问都在一条时间线上。 三档权限：请求批准、自动批准、完全访问；沙箱外的命令需要你点头。 检查点与变更审阅：每个回合前后自动建检查点，变更窗格按回合、分支或未提交查看差异，支持批注、暂存和提交。 分支与回退：支线提问、从任意位置分支出新会话、撤回上一回合。 隔离环境：独立 Git worktree、多文件夹工作区，也可以不选项目直接对话。 引导 Agent：计划模式、长期目标、回合中插话或排队、上下文压缩、代码审查。 语音输入：本机 SenseVoice 模型离线听写，也可以用服务商的转写。 代码与文件 项目文件搜索、浏览、预览和编辑，HTML 沙箱预览； Word、Excel、PowerPoint 按真实页面预览（按需下载 LibreOffice 引擎）； 代码智能：跳转定义、查找引用、符号、调用层级与诊断，基于本机的语言服务器（TypeScript、Python、Go、Rust、C/C++、Swift）。 Agent 能用的工具 内置浏览器：Agent 能在应用内打开网页、读取页面结构、点击和填写； 电脑操作（macOS，测试版）：Agent 可以操作本机其他应用； 联网：网页搜索（博查、Tavily）与网页抓取； 工作区工具：后台进程、项目与全局记忆、共享任务清单、会话之间互发消息、可预设模型和权限的角色； 插件生态：MCP、Skills、插件包（兼容 Wevir、Codex、Claude 格式），有官方插件市场，经批准后 Agent 可以在对话里自己装插件； 定时任务：按计划自动开会话执行提示词。 个人助理 常驻在自己电脑上的助理，有名字、说明、规矩、记忆和独立工作区，没有任何云端服务； 有日程和早间简报，会主动发消息、推送通知； 可以在你授权的项目里开线程、建会话干活，干完回来汇报； 多个助理可以组群聊，互相协作； 手机随时使用跟进目标自东华任务，支持语音和图片。 全平台，多端同步 | 平台 | 状态 | | --- | --- | | macOS（Apple 芯片 / Intel） | 可用 | | Windows x64 | 测试版 | | Linux x64 / arm64（AppImage、deb） | 测试版 | | 网页版（web.wevir.si，可自建） | 测试版 | | iOS（TestFlight） | 公测中 | | Android（APK） | 公测中 | | wevir 命令行（含无桌面的 Linux 服务器） | 测试版 | 手机和网页通过端到端加密连接运行 Wevir 的电脑（局域网、Tailscale 或中继），任务都在电脑上执行； 桌面、命令行、手机、网页共用同一个 Host，会话、事件和审批多端实时同步，断线重连后接着来； 手机首页就是收件箱：跨会话的待审批、待回答、失败和助 理消息一目了然，在手机上就能批准。 本地优先 会话、设置存在本机（SQLite + 普通文件），API Key 由 Host 保管，不下发给 Agent 进程； 不需要注册 Wevir 账号，手机用设备密钥配对； 界面支持简中、繁中、英、日、韩、法、德、意、西、俄十种语言。 技术栈 TypeScript monorepo：Electron 桌面端、React Native（Expo）移动端、Node 本地 Host、SQLite 存储，Agent 运行时基于开源的 Codex，远程连接走自写的 Noise 加密协议。 适合谁 想自由选模型、手里有多个订阅、在意代码和密钥留在本地、或者想离开电脑也能盯着 Agent 干活的开发者。
Kuriume 是一个集动漫与漫画于一体的 App。 做它的初衷，是想把零散的看番环境收拢到一处。平时追一部番，往往要在好几个网站和 App 之间来回切换：一个查新番表，一个找片源，还要另外记着自己看到了第几集。Kuriume 把这些放进同一个安静的界面里，看什么、在哪看、看到哪，都在这里完成。无论在电脑还是手机上，都能用同一种方式专注地追番，把注意力留给作品本身。 不需要注册账号，也不需要做任何设置。你的追番列表和观看记录只保存在自己的设备上。 已有能力 支持 AniList & Bangumi 数据源搜索和展示 多平台支持：MacOS / Windows / Andorid / iOS 支持弹幕滚动和 Anime4K 增强 未来预期 漫画源接入和 Komga、OPDS 书库和本地漫画支持 MPV + 磁力种子解析 + 刮削 可接入自建流媒体服务和本地番剧识别 多人观看? ... 目前还在初期版本ing，如果感兴趣的话，能点个 star 支持一下就太感谢啦！也欢迎各位佬们一起参与贡献 qvq！
Alchemist Coder 是一款开源（AGPL-3.0）桌面应用，支持 macOS、Windows 和 Linux，通过 Agent Client Protocol（ACP）运行 Claude Code 和 Codex，并用实时树形视图展示每个智能体及其派生的子智能体。免费的社区版中，智能体只能使用本地模型（Ollama 或 LM Studio）。没有遥测，无需注册账号。适合同时使用多个编码智能体的开发者。 亮点 协调者“组织”把任务分派给各自 git worktree 中的智能体 Arena：最多 4 个智能体在各自的 worktree 里做同一个任务，再合并效果最好的那个 全文搜索 Claude Code、Codex、Gemini CLI 和 Grok Build 的历史会话 内置浏览器，智能体可以直接操作网页；Autopilot 会拒绝不可逆的操作 界面支持 11 种语言，包括简体中文 我是作者。项目创建于 2026-09-29，安装包暂未进行代码签名，首次打开时 macOS 和 Windows 会弹出安全提示（处理方法见 README）
这是一个用 TypeScript 写的文档编辑器框架，可以用来搭建类似在线文档的产品。它保留了 ProseMirror 的文档模型和插件机制，但把排版交给自己的引擎：断行、分页、光标和选区都自己计算，然后画到 Canvas 或 SVG 上，因此能在网页里做出一页一页的文档。项目还包含块编辑器、Markdown 编辑器，以及公式、流程图、思维导图、白板等独立的编辑组件 quirekit.com 可以直接在线体验。 亮点 Canvas / SVG 自排版分页：不依赖 DOM 排版，屏幕上看到的分页就是打印的分页 保留 ProseMirror 的文档、事务、插件、协同语义，扩展层兼容 Tiptap 风格写法 MD Editor 的所见即所得、带标记预览、源码三种视图改的都是 Markdown 原文，没有 JSON 中转 独立的中文输入法组合引擎（@quirekit/ime），Canvas 编辑器里中文输入也能正常预编辑 开源部分全部 MIT，提供 Vue 组件；目前是 alpha 版
VS Code CSV/TSV 编辑器，支持大文件浏览、表格与对齐文本编辑、筛选排序和块编辑，文件在本地处理，免费开源 - GitHub
一词一画的雅思背单词工具。这是一款免费开源的雅思背单词网页应用，打开浏览器就能用，无需注册。它收录 7000 多个雅思核心词，每个词都配有一幅原创插画、两条原创例句和英美发音，基于 FSRS 算法安排复习，学会的单词会在 3D 词汇星图上点亮一颗星。
图盒 Tubox 是一个纯前端图片处理工具箱，覆盖批量压缩、改尺寸、格式转换、水印、AI 抠图、AI 高清放大、证件照、拼图、GIF、EXIF 清理、图片标注和二维码生成。图片解码与 AI 推理在浏览器内完成，不上传原图，也不需要注册账号 React、TypeScript、Web Worker、WebGPU / WASM，以 AGPL-3.0 开源，支持十种界面语言。 亮点 13 个实用图片工具集中在同一个免登录网页中 批量处理使用 Worker 池限制并发，AI 推理优先 WebGPU，失败后回退 WASM JPG / PNG / WebP / GIF 的 EXIF、XMP 等元数据可按容器结构无损清理 静态部署到 Cloudflare Pages，图片处理不依赖后端 API 完整多语言、SEO 预渲染、结构化数据和可自托管模型 AGPL-3.0 开源，适合学习浏览器端图像处理与本地 AI 应用
几年前在这发过我写的 Web Components 库 Gem （ ），一直有个硬伤：只有客户端渲染。连它自带的文档站生成器 gem-book 也是 CSR ，搜索引擎基本收录不到啥东西。 之前在这问过 React SSR 和自定义元素怎么配合（ ），当时我自己回复说「用 jsdom 模拟生成 ShadowDOM 理论上也行」。后来真这么干了： 1. 先用 jsdom 做原型，跑通了序列化（输出 Declarative Shadow DOM ）和水合（复用服务端的 DOM ，不重建） 2. 再把 jsdom 去掉，直接渲染成字符串，用 AsyncLocalStorage 做请求隔离，支持流式输出，这就是 gem-ssr 3. 最近参考 Next.js 和 SvelteKit ，在 gem-ssr 上做了应用框架 Gemkit ## 长啥样 一个文件就是一个页面： ```ts // src/pages/blog/[slug].ts @page ({ load: ({ params }) => getPost(params.slug), title: ({ data }) => data.title, }) export default class PostPage extends GemElement { @property data?: Post; @template() #content = () => html` ${this.data?.title} `; } ``` 只在服务端跑的代码放同名的 `[slug].server.ts` ，可以读 cookie 、redirect 、处理表单 actions ，不会打包到客户端。用过 SvelteKit 的应该很熟悉。 其他能力： - 文件路由、嵌套布局、i18n - 默认 SSG ，部署静态托管就行；需要的页面可以按请求渲染，也支持 ISR - `@server()` 元素只在服务端渲染，代码和依赖不进客户端；`@lazy()` 元素用户交互时才加载代码水合，第一次点击不会丢 - 本身就是个 Rsbuild 插件，Rsbuild 的东西照常用 - 内置 Vercel / Netlify / Cloudflare 适配 ## 和其他框架比了下 用 RealWorld （ Medium 克隆）各实现了一遍，同一个后端、同一份数据： | | 首页 JS (gzip) | Lighthouse | FCP | SSR req/s | | --- | ---: | ---: | ---: | ---: | | Gemkit | 25.9 KB | 100 | 906 ms | 1382 | | SvelteKit | 44.0 KB | 100 | 1285 ms | 1437 | | Nuxt | 85.8 KB | 99 | 1656 ms | 1042 | | Next.js | 103.5 KB | 96 | 908 ms | 317 | SSR 吞吐 SvelteKit 略高一点，两个其实都快到后端的上限了。测试代码、复现步骤和原始数据都在这： ，觉得测得不对的欢迎指出来。 ## 不足 - 个人项目，还是 0.x ，没在大项目里用过 - 客户端导航是先改 URL 再渲染新页面，加载期间会看到新 URL + 旧页面，后面再改 ## 试试 ```sh npm create gemkit@latest my-app ``` - 文档： - - 完整的过程写了篇文章（英文）： 欢迎拍砖，觉得有意思的话点个 star 吧。
OpenMathpix 是一款把公式截图转为 LaTeX 的桌面工具，适合写论文、整理数学笔记和制作课件。集成 Pix2Text MFR-1.5，首次下载模型后即可在 CPU 上离线识别，无需 Python、显卡或 API 账号。支持快捷截图、图片粘贴与拖入、公式预览、复制及历史记录，提供 Windows 便携版。 亮点 作者自荐。希望让日常写论文、整理数学笔记时的公式录入更方便。 本地公式识别：集成 Pix2Text MFR-1.5，首次下载约 120 MB 模型后即可离线运行。本地模式下截图在本机 CPU 上处理，无需部署 Python、GPU 或大语言模型服务。 完整的桌面使用流程：支持快捷键截图、粘贴与拖入图片；识别后可预览公式、复制 LaTeX，并在历史记录中重新查看。 可直接试用：提供 Windows x64 便携 EXE 和中英文使用说明，模型下载带进度、完整性校验及修复入口。 识别引擎可选：保留 PaddleOCR API 配置入口，可按需使用云端或自托管服务处理文字、表格及文档版面。 实现可供学习：使用 Electron、TypeScript 和 ONNX Runtime，将专用视觉模型推理放在独立后台进程中，附有测试和可复现的公式样例。 本地 MFR 引擎主要用于单个公式截图；识别模型来自 Pix2Text，本项目侧重桌面截图、推理接入与结果管理。 试用入口： Windows 便携版下载 中文使用说明 启动应用后，在 Settings 中选择 Local MFR-1.5，点击 Download MFR-1.5 下载模型，再点击 Save & Test Local Model。Windows 本地推理需要 Microsoft Visual C++ x64 运行库。
React icon library with 2,500+ duotone icons and 250+ flags. Smooth, RTL-aware, and optimized SVGs.
原文Cineview 一个专为落地页而生的前端框架，开源、免费、轻量；一个旨在让所有人都能用AI快速打造漂亮的落地页的框架。 支持drag/scroll双模式(drag多为移动端使用、但pc也可用) 一份给 AI 用的设计技能：AI 先问清楚页面给谁看、做几幕、每幕用什么素材，整理出分镜表，你确认后它才写代码。 没有运行时依赖，首屏 JS 约 41 KB（gzip），MIT 协议。 opus简单对话后生成案例 deepseek简单对话后生成案例 ·
VS Code SQLite 编辑器，支持表格编辑、SQL 查询和 CSV 导入导出，跨表修改暂存后通过一个事务统一保存，免费开源 - GitHub
求职时，岗位描述、不同版本的简历、投递进度和面试反馈经常散落在多个地方。Offer来敲门把这些步骤放进一个本地运行的中文工作台，适合已经使用 AI CLI、希望系统整理求职过程的朋友。 可以从一个目标岗位开始：手动添加职位，结合自己的真实经历生成岗位专属简历和沟通话术，核对后导出 Word、PDF 或 Markdown；自行投递后记录进度，再围绕该岗位生成面试题，进行文字或语音练习并查看逐题反馈。 也支持多个招聘来源的职位发现与匹配分析。需要登录的平台由用户自行登录，来源可用性受平台页面与访问限制影响，工具不自动投递。 运行需要 Node.js 24+，以及已登录、有可用额度的 Codex 或 CodeBuddy CLI；Claude Code 已实现适配，但尚未完成真实账号流程验证。项目采用 Apache-2.0 许可证，模型使用可能产生费用。 档案和求职记录保存在本机；AI 处理仍会将经历、技能等任务内容发送给所选 CLI 配置的服务，不是完全离线工具。 欢迎试用后反馈：哪一步最有用，在哪一步遇到阻碍？反馈请附操作系统、引擎及版本、操作步骤和脱敏错误信息，无需上传真实简历。
同时使用 Claude Code、Codex、Cursor 等多个 Agent 后，Skills、MCP Server、CLI、指令文件和自定义命令往往散落在不同目录，很难确认本机到底装了什么。 Larder 会扫描这些本地资源，在一个 macOS 桌面应用里集中展示来源、Agent 可见性和更新状态，并支持带计划与快照的安全安装、更新、卸载。同时也可以浏览各 Agent 的本地会话和按需预览消息。 主要功能 Skills / MCP / CLI / 指令文件 / Commands 统一管理 Agent Inspector 解释 Agent 实际能看到什么 本地会话浏览、搜索和筛选 所有数据都保留在本机，不需要账号，不上传内容，也没有遥测。项目使用 MIT License，目前是 0.0.6 早期版本。
在 Mac 上找了一圈没看到满意的免费开源方案，干脆自己写了个插件把 IINA 变成了 Emby 客户端，走 MPV 原生硬解播放，完全免费开源：
Torsher 是一个开源（AGPL-3.0）的自托管媒体中心，一个 Docker 容器就能运行，适合迷你主机、NAS 或普通电脑。 它把媒体服务器、剧集和电影管理、BT 下载客户端、求片应用的功能合并成一个进程、一个数据库、一个界面，并且以电视为中心：TMDB 影视目录、LG webOS 应用、边下边播、兼容 Jellyfin / Plex / Kodi 的媒体库、自动追剧、GPU 实时转码。一个镜像支持 amd64 和 arm64，没有遥测。 项目不包含任何内容，默认不启用任何来源，用户自行接入 Torznab 索引器（例如 Prowlarr 或 Jackett）。界面目前提供英文和俄文。
产品页（逐阶段导览）： MakeMovie 是一个 Apache-2.0 开源、可自托管的 AI 影视制作平台：上传一段小说原文或故事设定，自动完成剧本改编 → 分镜 → 角色/场景/道具定妆 → 首帧 → 图生视频 → AI 配音 → 配乐 → 合成母带 → 质检审计 → 交付，每一步可查看、可编辑、可追溯到产生它的那次模型调用。 交付不止成片：同时产出 SRT 字幕与 EDL / FCPXML / OTIO 剪辑清单，可直接在 Premiere Pro / DaVinci Resolve 继续精剪 模型可插拔：OpenAI / Anthropic / Google / 阿里百炼 / 可灵 / 火山 Seedance / 任意 OpenAI 兼容端点，九个能力槽位一键补齐 支持短剧 / 电视剧 / 电影三种项目形态，整本小说自动拆章分集（上限 100 万字符） 声音链完整：本地内嵌 Qwen3-TTS（MLX）音色克隆配音、逐镜氛围声、配乐与声音工坊降噪 每一帧都有账：任务幂等可恢复、逐镜质检问题队列、按物理量记账的用量台账 Docker 一条命令自托管，内置示例项目零 API key 试跑 技术栈：TypeScript monorepo（Next.js + Fastify + Prisma/PostgreSQL + BullMQ + FFmpeg）。
A local-first desktop workspace for persistent AI teammates. Run Codex, Claude, and Grok with dedicated workspaces, task queues, file sharing, browser control, and agent-to-agent collaboration.
原文BrewPage 的开源公共工具层，包含 OpenAPI 契约和 TypeScript MCP 服务器，可让 AI 助手发布 HTML、Markdown、静态站点及文件，并通过所有者令牌更新或删除内容。MCP 包采用 MIT 协议，API 契约采用 Apache-2.0；托管服务本身为闭源，内容有有效期，不是永久存储。适合学习 MCP 工具如何对接 REST API。 亮点 提供 20 个 MCP 工具，覆盖发布、读取、更新和删除内容；适合分享生成的网页、报告和静态站点。 本地 npm 包与远程 MCP 端点均可使用；创建内容无需注册或 API 密钥。 创建后返回 HTTPS 分享链接和所有者令牌；令牌用于后续管理，不应公开。 自荐说明：我是项目作者 Maksim Kochetkov（GitHub：kochetkov-ma）。推荐的是开源工具层，BrewPage 托管平台的后端、前端和基础设施并未开源。 产品官网： MCP：
SOMA 是一款开源桌面 CAD 应用：你用自然语言描述需要的零件，Claude Code、Codex CLI、OpenCode 等编程智能体用 Python（CadQuery）写出参数化模型，SOMA 实时构建并显示 3D 结果。适合需要外壳、支架、安装座的创客和 3D 打印爱好者，不会 CAD 也能上手，导出 STEP、STL、3MF 即可打印或加工。 亮点 不绑定任何 AI：使用你自己已有的 CLI 智能体和订阅，模型选择和权限都由你掌控 模型即代码：每个模型都是可读的 CadQuery 脚本，每一步都有 Git 历史，可预览和恢复 和智能体“指着说”：在 3D 视图中点选零件、精确测量、直接在画面上标注，再发送给智能体修改 不只是建模：剖切、爆炸视图、参数面板、标准件（螺钉、螺母、热熔螺母）、FEM 强度分析（CalculiX）、动画渲染和带尺寸的工程图（PDF、DXF） 开箱即用：Windows、macOS、Linux 安装包已内置 Python、CadQuery、Git 和 CalculiX，GPL-3.0 开源 （Note from the maintainer: this text was written with the help of an AI translation, as I don't read Chinese. Replies in English are easiest for me, Chinese is fine too.）
做 iOS app 的应该都遇到过：从浏览器复制的 App Store 链接带国家代码，比如 `apps.apple.com/us/app/...`。发给其他国家的人，要么进的是美区页面，要么 app 在他那个区没上架，直接提示这个 App 在你所在的国家或地区不可用。 所以写了个小工具 Hither： 用法：粘贴任意国家的 App Store 链接或者 app ID ，得到 `hither.link/ `。 每次点击时： - Cloudflare Worker 从请求里读访客所在国家（`request.cf.country`） - 调 Apple 公开的 lookup 接口（`itunes.apple.com/lookup?id=...&country=...`）查这个区有没有上架，结果在边缘缓存一天 - 有上架：跳到访客自己国家的商店页面 - 没上架：先试美区，再按英国、加拿大、澳洲、德国、日本等大区依次找，找到有上架的为止 踩到的一个坑：iPhone / iPad 上 App Store app 只能打开当前账号所在国家的商店，跳到外区链接一样会提示不可用。所以 iOS 访客看到的是一个小页面，有 app 图标、名字和一个跳到有上架商店的按钮；电脑和安卓直接跳转。 其他： - 不用注册，没有数据库。链接里只有 app ID ，所以不会过期，也没人能改它跳去哪 - 上架前就能生成链接：用 App Store Connect 里 App 信息页的 Apple ID - 商店信息缓存最多一天，新上架的区可能要等一下才识别到 代码 MIT 开源，跑在 Cloudflare 免费套餐上，想自己部署一份也很快： 接下来在考虑 Google Play 、自定义短名、二维码，大家觉得哪个更有用？也欢迎提我没想到的边界情况。
Hey HN, I'm Christian and this is a new OSS project I've been noodling on for the last couple of weeks. Hob is a free, MIT-licensed desktop app for Mac, Windows and Linux that works on your files the way the Claude and ChatGPT desktop apps do, except the model runs on your own computer. It uses open-weight models (currently Gemma 4 and gpt-oss). All your chats and files never leave your system. The only things that go online are web search (can be turned off in settings) and any MCP connectors you add yourself. Main features: - Automatically finds the best open-weight model for your hardware on first install (Mac/Linux/Windows) - Writes sandboxed Python code for ad hoc tools (data processing, document conversion, graphs etc.) - Built-in web search (powered by SearXNG) - MCP support - Image recognition - CRUD to your local filesystem - Works fully offline with no internet Before building this I tried every local AI app I could find, but it seemed each one had different problems. The main thing I noticed is that none of them could do what the ChatGPT and Claude apps do with your files, e.g. read and change files in a folder, look at images, run code in a sandbox, draw a chart. The most advanced thing any of them did was paste a plain text file into a small context window, which basically failed as soon as you had a file larger than a few KB. I couldn't find anything that could easily parse images and bigger PDFs. The OSS solutions that were more advanced all seemed to default to hosted models (either OSS or closed), which defeats the entire point of the privacy that on-device OSS offers. They also seemed to push towards an account/open-core style business. I build it using Electron bridged with llama.cpp in its own process. On initial load, the system will try and figure out if you have a compatible graphics card and if not default to CPU-only (I ran into a lot of issues of graphics card beeing seemingly compatible but then crashing on first query, there's a whole saga to this lol). Code execution happens in a sandbox that can only write to the chat's folder and has no network unless asked (sandbox-exec on macOS, Landlock on Linux and a low-integrity process on Windows). Images go to a small Qwen3-VL model. Dictation is a local Whisper model. The hardest part was definitely to get the smaller models to use tools reliably. Ran into a ton of issues of 4B models happily saying "here's your chart" without ever calling the chart tool or get stuck in an infinite call loop. I spent a fair amount of the work building guards vs tweaking prompts (that didn't really work for small models). I understand the pushback that local models are weaker than frontier cloud models. This is true, but for most tasks for most normal people, I'd argue you rarely need the newest frontier model. From my own evals, systems with 16+ GB of RAM do really well, and if you have a GPU or more RAM, you get very close to what you'll get out of the box with a frontier hosted model. Excited to hear what you think and see how it runs on other systems!
原文Agent Payment Node 是用 TypeScript 编写的本地支付运行时，通过 CLI 和 stdio MCP 供 AI 代理检查 x402 报价、准备有界支付并查询状态与收据。仅支持 Apple Silicon macOS 和 Node 24；直接转账和 EVM 签名需前台所有者批准，Solana exact x402 可按所有者接纳的策略运行。软件免费，链上和服务商费用另计。 亮点 将报价检查、有界准备、操作状态/收据和恢复路径组合为本地代理工具，适合研究 MCP 工具接口、支付状态机及所有者授权边界。 这是 Nuanu AI 的 MIT 开源项目，本次代表 Nuanu AI 自荐。具备资金操作能力；本地软件托管、错误策略和主机失陷仍有风险。没有声称独立安全审计、当前客户端兼容性复测或生产使用证明。 已按要求在 HelloGitHub 网站用完整 GitHub URL 搜索；匿名搜索没有展示匹配结果，但提示登录才能查看更多。另检查了当前完整仓库的 263 个文本文件（含 253 个 content 文件）及开放/关闭 issue/PR 历史，未发现 APN 名称、slug 或 Nuanu。
一套从 526 个中国传统颜色 里长出来的代码配色。支持 VSCode, VSCodium, Trae 等主流编辑器；Kaku、Ghostty 终端以及 OpenCode。已经上架 VSCode marketplace 和 OpenVSX 市场
Vibe code with pi in a lightweight, real IDE that customises itself around the way you work — The Vibe You Need
原文棱镜（Prism）集成 SSH 终端、SFTP 文件管理和 AI 助手，适合自己管理服务器的开发者。桌面端无需注册或部署后端；AI 可接自己的模型服务，或支持工具调用的本地 Ollama 模型。 支持多台已连接主机巡检，按主机汇总 CPU、内存、磁盘、服务和端口状态；Docker / Compose 部署按阶段确认，提供实时日志和验证步骤。专用巡检和读取工具直接执行，自定义命令及部署阶段确认后执行。 提供 Windows、macOS、Linux 安装包。模型费用由服务商决定；使用外部模型时，相关对话和终端输出会发送到该模型服务。
阮老师好，自荐一下我做的 Review Inbox。
Enterprise Zero-Trust Security, Cascading Delegation, Human Approvals & Verifiable Audit Infrastructure for Autonomous AI Agents
原文阮老师好，自荐一下我们做的 Sno Station。
换一个关键词或分类试试。
