create-lib-workspace：Vite 库脚手架 CLI
开发者将自己反复搭建的 Vite npm 库模板化为一个 CLI 脚手架工具，自动生成 workspace 结构，包含库项目和本地消费者测试应用。主要特性：
- 生成 workspace/ 目录：app/（轻量测试应用） + my-lib/（Vite 库）
- 支持 Vite 库模式、ESM + CJS 双构建、subpath exports、watch 命令、本地联调工作流
- 安装：
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
开发者将自己反复搭建的 Vite npm 库模板化为一个 CLI 脚手架工具，自动生成 workspace 结构，包含库项目和本地消费者测试应用。主要特性：
- 生成 workspace/ 目录：app/（轻量测试应用） + my-lib/（Vite 库）
- 支持 Vite 库模式、ESM + CJS 双构建、subpath exports、watch 命令、本地联调工作流
- 安装：
npm i -g create-lib-workspace；使用：create-lib-workspace demo my-lib @demo/my-lib原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
OpenCode Agent 编排详解
OpenCode 是一个终端原生的 AI 编码引擎，支持本地读写、测试与调试代码。它通过四层架构实现复杂任务的自动化编排，将单轮聊天升级为多智能体协作系统。
- 四层架构：Primary Agents（主代理/项目管控）、Sub-agents（子代理/专项微任务）、Custom Tools（工具/系统钩子）、Custom Skills（技能/领域知识蓝图）
- 模型兼容：完全模型无关，支持 75+ 云端与本地引擎（Ollama、OpenRouter 等），原生实现跨平台 Agent Skills Open Standard
- 与 Claude Code 对比：OpenCode 通过 SKILL.md 定义技能规则、本地脚本执行工具；Claude Code 则依赖 MCP 协议、原生 Git worktree 任务隔离
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
OpenCode 是一个终端原生的 AI 编码引擎，支持本地读写、测试与调试代码。它通过四层架构实现复杂任务的自动化编排，将单轮聊天升级为多智能体协作系统。
- 四层架构：Primary Agents（主代理/项目管控）、Sub-agents（子代理/专项微任务）、Custom Tools（工具/系统钩子）、Custom Skills（技能/领域知识蓝图）
- 模型兼容：完全模型无关，支持 75+ 云端与本地引擎（Ollama、OpenRouter 等），原生实现跨平台 Agent Skills Open Standard
- 与 Claude Code 对比：OpenCode 通过 SKILL.md 定义技能规则、本地脚本执行工具；Claude Code 则依赖 MCP 协议、原生 Git worktree 任务隔离
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
离线计词器 Instant Word Counter 发布
开发者 Boris Korolev 发布了一款隐私优先的 Chrome 扩展 Instant Word Counter，支持离线本地计数，数据不出设备。
- 选中网页文本，点击图标或按 Alt+W 即可在弹窗中显示字数、字符数（含/不含空格）和预估阅读时间；未选择文本时自动引导
- 自动识别中/日/韩（CJK）字符并切换计数模式，使用 Intl.Segmenter API 分词，旧浏览器回退正则方案
- 技术栈：Vanilla JavaScript + Chrome Manifest V3 + chrome.i18n（10 种语言本地化）
- 隐私设计：无数据收集、无网络请求、无 cookie；仅申请 activeTab 和 scripting 权限
可在 Chrome 网上应用店免费获取。
原文
#开发者 #工具
📢 频道：@DevToolboxHub
开发者 Boris Korolev 发布了一款隐私优先的 Chrome 扩展 Instant Word Counter，支持离线本地计数，数据不出设备。
- 选中网页文本，点击图标或按 Alt+W 即可在弹窗中显示字数、字符数（含/不含空格）和预估阅读时间；未选择文本时自动引导
- 自动识别中/日/韩（CJK）字符并切换计数模式，使用 Intl.Segmenter API 分词，旧浏览器回退正则方案
- 技术栈：Vanilla JavaScript + Chrome Manifest V3 + chrome.i18n（10 种语言本地化）
- 隐私设计：无数据收集、无网络请求、无 cookie；仅申请 activeTab 和 scripting 权限
可在 Chrome 网上应用店免费获取。
原文
#开发者 #工具
📢 频道：@DevToolboxHub
Gemma Drive：本地AI管理Google Drive
Gemma Drive 是一个完全在本地运行的 Google Drive AI 助手，无需将文件上传到云端。它通过 OAuth 只读权限连接 Drive，在本地提取文本、生成摘要并回答提问。核心要点：
- 支持 PDF、DOCX、XLSX、PPTX 等常见格式，用 Gemma 4 E4B 模型进行文件级和文件夹级摘要，以及跨工作区的自由问答
- 技术栈极简：Ollama + Gemma 4 E4B、Django + DRF 后端、React + TypeScript 前端、SQLite 存储，无需向量数据库或消息队列
- 安装步骤：安装 Ollama 并拉取模型，创建 Google OAuth 客户端（只读权限），克隆仓库后分别启动 Django 和 Vite 开发服务器
GitHub: GitHub
#开发者 #工具
📢 频道：@DevToolboxHub
Gemma Drive 是一个完全在本地运行的 Google Drive AI 助手，无需将文件上传到云端。它通过 OAuth 只读权限连接 Drive，在本地提取文本、生成摘要并回答提问。核心要点：
- 支持 PDF、DOCX、XLSX、PPTX 等常见格式，用 Gemma 4 E4B 模型进行文件级和文件夹级摘要，以及跨工作区的自由问答
- 技术栈极简：Ollama + Gemma 4 E4B、Django + DRF 后端、React + TypeScript 前端、SQLite 存储，无需向量数据库或消息队列
- 安装步骤：安装 Ollama 并拉取模型，创建 Google OAuth 客户端（只读权限），克隆仓库后分别启动 Django 和 Vite 开发服务器
GitHub: GitHub
#开发者 #工具
📢 频道：@DevToolboxHub
MCP入门：从零搭建计算器工具
作者分享了一个周末学习 MCP（Model Context Protocol）并搭建计算器工具的完整过程。
MCP 用于解决 AI 模型与工具间需重复集成的痛点，通过统一协议实现“一次构建，多模型可用”。
要点：
- MCP 架构包含三个角色：Host（用户交互的应用，如 Claude Desktop）、Client（内部连接维护者）、Server（暴露工具/资源）
- 使用 Anthropic 官方 Python SDK（FastMCP 模式）创建服务器，工具函数如
- 通过 MCP Inspector 测试服务器连接和工具调用
- 连接测试了三种 Host：Goose（配置文件管理）、Claude Desktop（手动 JSON）、VS Code + Copilot（手动 JSON）
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
作者分享了一个周末学习 MCP（Model Context Protocol）并搭建计算器工具的完整过程。
MCP 用于解决 AI 模型与工具间需重复集成的痛点，通过统一协议实现“一次构建，多模型可用”。
要点：
- MCP 架构包含三个角色：Host（用户交互的应用，如 Claude Desktop）、Client（内部连接维护者）、Server（暴露工具/资源）
- 使用 Anthropic 官方 Python SDK（FastMCP 模式）创建服务器，工具函数如
multiply 等- 通过 MCP Inspector 测试服务器连接和工具调用
- 连接测试了三种 Host：Goose（配置文件管理）、Claude Desktop（手动 JSON）、VS Code + Copilot（手动 JSON）
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
cluacov：Lua 分支覆盖率工具
cluacov 是 LuaCov 的 C 扩展，提供两种分支覆盖率实现：行级钩子（兼容 Lua 5.1-5.5 / LuaJIT）和指令级钩子（Lua 5.4+）。指令级路径通过 LUA_MASKCOUNT count=1 实现，能精确检测短路条件下的分支，并输出 LCOV 格式报告。支持生成 HTML 覆盖率页面。
- 静态分支发现：通过遍历 Proto.code[] 识别所有分支点
- 指令级路径：每条 VM 指令触发一次回调，按 PC 记录命中，避免行级近似导致的歧义
- 性能：行级钩子整体约快 1.25-1.34x，但指令级钩子在紧循环场景下由于回调更轻量可能更快
- 安全设计：首次写入时快照 Proto 元数据，避免 GC 期间解引用原始指针
项目报告：原文链接
原文
#开发者 #工具
📢 频道：@DevToolboxHub
cluacov 是 LuaCov 的 C 扩展，提供两种分支覆盖率实现：行级钩子（兼容 Lua 5.1-5.5 / LuaJIT）和指令级钩子（Lua 5.4+）。指令级路径通过 LUA_MASKCOUNT count=1 实现，能精确检测短路条件下的分支，并输出 LCOV 格式报告。支持生成 HTML 覆盖率页面。
- 静态分支发现：通过遍历 Proto.code[] 识别所有分支点
- 指令级路径：每条 VM 指令触发一次回调，按 PC 记录命中，避免行级近似导致的歧义
- 性能：行级钩子整体约快 1.25-1.34x，但指令级钩子在紧循环场景下由于回调更轻量可能更快
- 安全设计：首次写入时快照 Proto 元数据，避免 GC 期间解引用原始指针
项目报告：原文链接
原文
#开发者 #工具
📢 频道：@DevToolboxHub
Tokenmaxxing：AI效率的量化陷阱
当前AI开发界出现Tokenmaxxing趋势，token消耗被当作生产力衡量指标，可能导致质量下降。
- NVIDIA CEO Jensen Huang称，年薪50万美元的工程师应每年至少消耗25万美元的token。Meta内部已出现Tokenmaxxing排行榜，比拼token消耗量。
- 批评者Linus Torvalds认为，用代码行数衡量产出很愚蠢，类比Tokenmaxxing易导致开发者为冲量而浪费token，忽视输出质量（slop）。
- 工具调用（MCP、Agent）时的Context Bloat加剧浪费：模型加载大量无关指令后才执行真实任务。Anthropic 2025报告指出，上下文窗口扩大后模型准确回忆信息的能力下降。
- 提案“Slop Index”：由人类评估AI输出是否为slop，以平衡对质量的关注。
原文链接
GitHub：GitHub
#开发者 #工具
📢 频道：@DevToolboxHub
当前AI开发界出现Tokenmaxxing趋势，token消耗被当作生产力衡量指标，可能导致质量下降。
- NVIDIA CEO Jensen Huang称，年薪50万美元的工程师应每年至少消耗25万美元的token。Meta内部已出现Tokenmaxxing排行榜，比拼token消耗量。
- 批评者Linus Torvalds认为，用代码行数衡量产出很愚蠢，类比Tokenmaxxing易导致开发者为冲量而浪费token，忽视输出质量（slop）。
- 工具调用（MCP、Agent）时的Context Bloat加剧浪费：模型加载大量无关指令后才执行真实任务。Anthropic 2025报告指出，上下文窗口扩大后模型准确回忆信息的能力下降。
- 提案“Slop Index”：由人类评估AI输出是否为slop，以平衡对质量的关注。
原文链接
GitHub：GitHub
#开发者 #工具
📢 频道：@DevToolboxHub
AI Agent 生产环境为何翻车
AI Agent 在 demo 中表现完美，但投入生产后却频频出错：未检查订单状态就退款，导致损失。本文分析三个隐藏问题：
1️⃣ 代理不知道系统当前状态，工具执行结果不可靠。
2️⃣ 代理不知道何时停止，可能错误完成任务后继续行动。
3️⃣ 代理没有“不应处理”的路径，无法升级或拒绝。
常见做法是往 system prompt 里堆大量规则，但文本规则只是文档，不是约束，模型会忽略、矛盾或误读。生产环境需要围绕模型设计系统组件，而非靠 prompt 弥补。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
AI Agent 在 demo 中表现完美，但投入生产后却频频出错：未检查订单状态就退款，导致损失。本文分析三个隐藏问题：
1️⃣ 代理不知道系统当前状态，工具执行结果不可靠。
2️⃣ 代理不知道何时停止，可能错误完成任务后继续行动。
3️⃣ 代理没有“不应处理”的路径，无法升级或拒绝。
常见做法是往 system prompt 里堆大量规则，但文本规则只是文档，不是约束，模型会忽略、矛盾或误读。生产环境需要围绕模型设计系统组件，而非靠 prompt 弥补。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
10个GitHub Actions实用技巧
10个提升工作流效率的GitHub Actions推荐：
- YAML验证：ibiqlik/action-yaml-lint，避免配置错误。
- Markdown链接检查：gaurav-nelson/github-action-markdown-link-check，保证文档质量。
- PR自动分配：kentaro-m/auto-assign-action，节省团队时间。
- Commitlint：wagoid/commitlint-github-action，规范提交信息。
- 缓存依赖：actions/cache，加速构建。
- Slack通知：rtCamp/action-slack-notify，实时更新部署状态。
- 安全扫描：aquasecurity/trivy-action，检查镜像漏洞。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
10个提升工作流效率的GitHub Actions推荐：
- YAML验证：ibiqlik/action-yaml-lint，避免配置错误。
- Markdown链接检查：gaurav-nelson/github-action-markdown-link-check，保证文档质量。
- PR自动分配：kentaro-m/auto-assign-action，节省团队时间。
- Commitlint：wagoid/commitlint-github-action，规范提交信息。
- 缓存依赖：actions/cache，加速构建。
- Slack通知：rtCamp/action-slack-notify，实时更新部署状态。
- 安全扫描：aquasecurity/trivy-action，检查镜像漏洞。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
Beanie 2.0 省去手动传 Session
Beanie ODM 2.0 改用 PyMongo 异步客户端，利用
- Beanie 2.0 弃用 Motor，全面迁移至 PyMongo Async，支持
- 服务层不再需要 session 参数，业务逻辑与数据库会话完全解耦
- 提供
- 底层通过
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
Beanie ODM 2.0 改用 PyMongo 异步客户端，利用
.bind() 隐式绑定 MongoDB 会话，服务层无需再手动传递 session 对象。- Beanie 2.0 弃用 Motor，全面迁移至 PyMongo Async，支持
session.bind() 将 session 自动注入所有数据库操作- 服务层不再需要 session 参数，业务逻辑与数据库会话完全解耦
- 提供
auto_session 和 wrap_in_transaction 装饰器，可一键自动创建 session 并包裹事务，代码更简洁- 底层通过
ContextVar 存储 session，各异步任务可安全隔离，无需额外加锁原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
Rails 8 零服务单体架构指南
Rails 8 引入“零服务单体”，目标是让整个应用只通过一个 Docker 容器、一个端口运行，不再依赖 Redis 和 Nginx。
- 用 Solid 系列（Solid Queue/Cache/Cable）替代 Redis，后台任务与缓存直接使用 PostgreSQL / MySQL / SQLite，无需额外服务。
- 用 Thruster（Go 编写的代理）替代 Nginx，自动处理 HTTP/2、SSL 证书与资源压缩，集成在 Docker 镜像中。
- 通过 Kamal 2 实现单容器单端口部署，配置文件中无需定义侧车容器。
- 可选 SQLite + Litestream 实现极致简化，整个“云帝国”仅需一个进程。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
Rails 8 引入“零服务单体”，目标是让整个应用只通过一个 Docker 容器、一个端口运行，不再依赖 Redis 和 Nginx。
- 用 Solid 系列（Solid Queue/Cache/Cable）替代 Redis，后台任务与缓存直接使用 PostgreSQL / MySQL / SQLite，无需额外服务。
- 用 Thruster（Go 编写的代理）替代 Nginx，自动处理 HTTP/2、SSL 证书与资源压缩，集成在 Docker 镜像中。
- 通过 Kamal 2 实现单容器单端口部署，配置文件中无需定义侧车容器。
- 可选 SQLite + Litestream 实现极致简化，整个“云帝国”仅需一个进程。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
用 Spec 和 BDD 驯服 AI 代码助手
AI 代码助手在模糊提示下生成的代码常通过单元测试却在生产中暴露问题——它按统计概率猜测业务逻辑，而非真的理解规则。解决方案是用 Spec（精确规格说明）和 BDD（行为驱动开发场景）建立契约，让 AI 从“快速猜测者”变为“可靠执行者”。
核心要点
- Spec 先行：在写代码前，用 Markdown 定义输入、输出、规则、边界和错误状态，AI 根据 spec 实现，不再猜测。
- BDD 场景验证：基于 spec 用 Gherkin 语法编写场景，在 AI 实现前就已写好；这些场景独立于实现，可被 CI 直接检验，防止 AI 生成的代码通过“自欺欺人”的测试。
- AI 反哺 Spec：让 AI 作为 spec 的压力测试者，找出遗漏的边界情况，在编码前消除潜在生产 bug。
实施流程：Day1 人类写 spec + AI 压力测试；Day2 将 spec 转为 BDD 场景；Day3 AI 以 spec+场景为上下文实现；Day4 人工聚焦架构评审；Day5 CI 永久强制执行场景。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
AI 代码助手在模糊提示下生成的代码常通过单元测试却在生产中暴露问题——它按统计概率猜测业务逻辑，而非真的理解规则。解决方案是用 Spec（精确规格说明）和 BDD（行为驱动开发场景）建立契约，让 AI 从“快速猜测者”变为“可靠执行者”。
核心要点
- Spec 先行：在写代码前，用 Markdown 定义输入、输出、规则、边界和错误状态，AI 根据 spec 实现，不再猜测。
- BDD 场景验证：基于 spec 用 Gherkin 语法编写场景，在 AI 实现前就已写好；这些场景独立于实现，可被 CI 直接检验，防止 AI 生成的代码通过“自欺欺人”的测试。
- AI 反哺 Spec：让 AI 作为 spec 的压力测试者，找出遗漏的边界情况，在编码前消除潜在生产 bug。
实施流程：Day1 人类写 spec + AI 压力测试；Day2 将 spec 转为 BDD 场景；Day3 AI 以 spec+场景为上下文实现；Day4 人工聚焦架构评审；Day5 CI 永久强制执行场景。
原文链接
#开发者 #工具
📢 频道：@DevToolboxHub
频道定位：面向开发者的工程效率工具库。
内容包括 IDE、CLI、API、部署、数据库、测试、调试、监控与协作工具。
更新节奏：优先收录能提升实际开发效率的工具和案例。
内容包括 IDE、CLI、API、部署、数据库、测试、调试、监控与协作工具。
更新节奏：优先收录能提升实际开发效率的工具和案例。