GitHub 每日分享开源项目
214 subscribers
930 photos
16 videos
910 links
Download Telegram
PDF 转文本最怕扫描件、多栏排版和复杂公式,普通 OCR 很容易识别错位。
olmOCR 是一款基于视觉语言模型的开源 PDF 转 Markdown 工具,支持识别表格、公式、手写内容和复杂版式,还能清理页眉页脚,并尽量保持自然阅读顺序。
支持单 GPU 本地运行,也能接入远程推理服务,适合批量处理 PDF、整理文档和搭建知识库。
GitHub:https://github.com/allenai/olmocr
想批量存 Reddit 上的图片、视频或图集,一个个点开右键保存太麻烦,第三方在线工具又老失效。
我试了 RedDownloader 这个用 Python 写的 Reddit 媒体下载库,不用注册自己的 Reddit Bot 就能用。
只要传入帖子链接,它就能自动识别并下载图片、视频或图集。
输出文件名和保存路径都能指定,碰上视频还能挑不同清晰度。
GitHub:https://github.com/Jackhammer9/RedDownloader
爱奇艺、腾讯、优酷、芒果 TV、B站这五家的 VIP 视频,一个脚本便能统统撬开,电脑手机两头都使得,还常年白给更新维护。
共三步:
1️⃣ 安上 Tampermonkey
2️⃣ 把脚本导进去
3️⃣ 轻轻点一下开关
会员那道墙说倒便倒,这波羊毛薅得真叫一个实在。
🔗 https://github.com/88lin/video_vip
想蹭 TradingView 的 API 来拿实时价格跟指标,官方那道门槛高得叫人脑仁疼。
有个开源项目TradingView-API,能薅出来的玩意儿着实不少:
1️⃣ 实时行情配上各式指标值,随手便拽
2️⃣ 非得 Premium 才有的功能,它照样整得出来
3️⃣ 连那种邀请制的私有指标也读得动,数量还不设限
4️⃣ 打算批量回测策略、调调参数?几下的工夫便跑完
5️⃣ 免费号也能玩 replay 模式,把历史倒回去重走一遍
拿去攒交易机器人、弄 Discord 报警、搞机器学习指标都使得,懂点 JS 的赶紧去薅一把哈。
🔗 https://github.com/Mathieu2301/TradingView-API
剪映使唤久了,是不是也叫它给拿捏了?
非得加水印、功能还带锁,想把全套都用上,订阅费还得往外掏。
麻省理工的狠人肝出个开源平替,GitHub 上星标已经飙到 97k, OpenCut。
拿手好戏在这儿:
1️⃣ 剪辑那套功能全齐活儿,没水印、不设付费墙,一路白嫖到底
2️⃣ 网页、桌面、手机轮换着使,走的是 MIT 协议开源
3️⃣ 自个儿带着 MCP 服务端,AI Agent 也挂得上
4️⃣ 眼下正拿 Rust 从头翻修,API、插件跟脚本都撑得住
这才是剪映本该有的模样。今儿个便能上手,新架构还在赶工。
🔗https://github.com/opencut-app/opencut
做产品时图标东拼西凑,这个从图标库找、那个让 AI 画,放到一起风格对不上,悬停效果也各做各的。
Kubai Icons 这个 Claude Skill 管的就是这件事,给它一份功能清单或产品代码,就能画出一套风格统一的动态图标。
仓库里自带 66 个图标做样板,鼠标悬停时图标会做出这个东西本该有的动作,文件夹打开、信封拆封、日历翻到下一天。
GitHub:https://github.com/kubai087/kubai-icons
画完它会自己截图检查,24 和 28 像素下看不看得清,静止到悬停的每一帧都过一遍,不合格就接着改。
也能导出成静态 SVG,直接拖进 Figma。自带 7 套配色,所有渐变和阴影都从一个主色推出来,换个颜色整套跟着变。
作者每轮都拿全新的 Claude 会做盲测,只给规则文件让它画闹钟、计算器这些新图标,哪条规则没写清就补上。
这种打磨规则的办法我觉得挺靠谱。
同时运行多个 AI 编程 Agent,最头疼的就是终端切来切去,还得担心断开连接后任务中断。
GitHub 上的 herdr 是一款 Rust 编写的终端 Agent 管理工具,无需 GUI,也不用 Electron。每个 Agent 都有独立的真实终端,全屏 TUI 也能正常运行。
它能把 Agent 状态分成阻塞、进行中和已完成,方便快速定位卡住的任务;还支持拖拽分屏、工作区和标签页管理。
更实用的是,断开终端或合上电脑后,Agent 仍可在后台运行,也能通过手机 SSH 重新连接。原生支持 Claude Code、Codex、OpenCode 等工具,并提供 Socket API 供扩展接入。
适合同时调度多个编码 Agent,或需要远程管理任务的开发者。
GitHub:https://github.com/herdrdev/herdr
Meta 开源了一套内部使用多年的设计系统:Astryx。
据项目介绍,它曾支撑 Meta 内部 13000 多个应用,提供 150 多个支持无障碍访问的组件,还内置品牌主、暗色模式和页面模板。
它基于 StyleX 构建,不需要额外引入样式库。组件可以灵活拆分组合,也支持将完整源码导出到项目中,方便深度定制。
主通过覆盖 CSS 变量即可调整,不必 fork 组件源码。文档、API 和 CLI 也采用统一规范,对开发者和 AI 编程助手都更友好。
适合希望快速搭建界面,同时保留设计自由度的前端团队。
GitHub:https://github.com/meta/astryx
写技术专利,最费时间的往往不是技术本身,而是整理交底书、画框图流程图、反复修改 Word。
GitHub 上的「中国专利.skill」提供了一套 Claude Code 工作流:能扫描项目文档和代码,挖掘潜在专利点,还可对照国知局公开公告进行查新参考。
生成的交底书包含系统框图、流程图,支持脱敏后导出 Word,方便交给专利代理人继续完善。后续补充材料或修正内容,也能在原稿上迭代,不必从头再来。
适合有技术方案、想提高专利交底书整理效率的开发者。
GitHub:https://github.com/handsomestWei/patent-disclosure-skill
成天喊着做 AI,真要问 Transformer 到底是个啥,能讲明白的没几个。
有个仓库,从零开始徒手搭一个 GPT,高级库一概不沾。Attention、多头、前馈、Embedding、残差、Layer Norm 究竟怎么攒到一块儿,全给你铺开了瞧。而且不光是模型,整条流水线全齐:
1️⃣ 数据下载、预处理、训练、生成一条道儿跑到底
2️⃣ 训练数据使的是 The Pile,22 个来源、825GB
3️⃣ 拿 tiktoken 分词,再塞进 HDF5
4️⃣ 预训练完事,还捎带着 SFT 跟 RLHF 的门道
改几处配置便能缩放大小。13M 参数上下,就开始拼对语法跟单词,白蹭 Colab 或 Kaggle 的 T4,练上一天便有产出。
https://github.com/FareedKhan-dev/train-llm-from-scratch
想让 AI 帮忙在手机上回个消息、比个价,它只会回一段文字教程,最后还得自己一个个 App 点过去。
Mika 是一个装在 Android 手机上的开源 AI 助手,说一句要做什么,它就自己打开 App 去点、去输入、去翻页,直到把事办完。
它在一块看不见的后台屏幕上操作,手机照常用,想看它干到哪了就点开小窗。
GitHub:https://github.com/wangzan101/Mika
它像人一样看屏幕找按钮,不靠各家 App 的接口,哪个 App 都能用。B 站、知乎、小红书这些 20 多个常用 App 的用法已经内置好了。
下单、付款前会先停下来问一句,登录和验证码也交回给人处理。不用服务器,填自己的模型密钥就能用。
电脑摄像头画质太差,又不想额外花钱买设备?可以试试开源工具 VCamdroid。
它能把安卓手机变成 Windows 虚拟摄像头,支持 USB 和 WiFi 连接,WiFi 扫码即可配对。
连接后,可以在电脑端切换手机前后摄像头、调整分辨率和闪光灯,还能实时调节亮度、对比度。
Zoom、OBS、Discord、Teams 等软件都能识别,使用时像普通摄像头一样选择设备即可。
家里有闲置安卓手机,又需要提升电脑视频画质的朋友,可以试试。
GitHub:https://github.com/darusc/VCamdroid
想搭建自己的网站,又不想拼接一堆服务?可以看看 Instatic。
它用 Bun 把画布编辑器、内容管理、媒体、权限、表单和发布整合到一个服务里。编辑器支持多尺寸页面并排设计,设计令牌还能根据品牌色自动生成色阶和字号。
发布后的页面输出语义化 HTML 和精简 CSS,不依赖前端框架运行时,加载更轻。插件则运行在沙盒中,未授权时无法访问文件系统和网络。
支持 Railway 一键部署,本地使用 SQLite,团队协作也能切换到 Postgres。
适合想自主掌控网站搭建与发布流程的博主、小团队和独立开发者。
GitHub:https://github.com/CoreBunch/Instatic
本地 AI 伴侣不联网也能安排上,看完真让人上头‼️
想搭一个能陪你说说的 AI 伴侣,市面上那些配置起来能气死人,还非逼着你联网,数据往外一送,谁心里能踏实?
Open-LLM-VTuber 这个项目,在本地离线就能撑起一个带着 Live2D 形象的 AI 语音伴侣👇
1️⃣ 摄像头能把你收进眼里,说随时能打断、手指点上去也有反应,连 AI 肚子里那点 OS 都能亮出来给你看
2️⃣ 桌面挂件能在屏幕上飘着随你拖动,鼠标还能穿透过去点,半点不碍事
3️⃣ 模样、性格、声音全凭你定,Live2D 模型拖进去,语音克隆也能用
4️⃣ 后端通吃 Ollama、OpenAI、Gemini,还能用中文跟她聊,转头让她用日语接
Win、Mac、Linux,整一个能陪你聊天、能看见你、还扛看的本地 AI 伴侣,这玩意儿真值得自己动手弄一套
🔗 https://github.com/Open-LLM-VTuber/Open-LLM-VTuber
Selene-TV 这款神级客户端,是专为大屏跟遥控器从头捯饬过的,一打开那股子舒坦劲儿是真到位。
1️⃣ 多源聚合搜索:电影、剧集、动漫、综艺、直播全给一网收了,追番还捎带个 Bangumi 路数的周表,漏更这事基本能躲过去。
2️⃣ 详情页整得一股 Apple TV 味:全屏 Hero 撑起来,再配上 TMDB 剧照,瞅着就跟迈进影院似的。
3️⃣ 嫌遥控器打字反人类?它自带 Web 服务器,手机扫个码便充作键盘。
4️⃣ ExoPlayer 内核,HLS/MP4 自适应切换,连自签证书都吃得下,爱自托管的看着直呼过瘾。
后端能搭 MoonTV 或 Helios,底子是纯 Kotlin+Compose,安卓 6.0 便跑得动。
🔗 https://github.com/MoonTechLab/Selene-TV
3D 建模这块又来了个大的,开源项目 sand3d 公开了约 10 万个用代码搭出来的 3D 模型。
并做成了一个给 AI 用的建模库,零件、边、面都按名字找,不用手算坐标。
涵盖日常物品、机械零件、能开合转动的可活动等 3D 模型,每个都是一段代码可直接用。
GitHub:https://github.com/Sandflow-ai/sand3d
支持导出 GLB、STL、USD 等文件格式,然后接上网页展示、游戏、3D 打印和机器人仿真。
比起让 AI 直接吐一个模型文件,写成程序的模型二次改动更方便,也能用这批数据拿来当素材库或者训练数据。
写论文时,想提前发现审稿人可能挑出的毛病?可以试试 Claude Code 技能 AI-research-feedback。
它支持同时启动 6 个审稿 Agent,分别检查语法、内容一致性、公式、图表和论证逻辑,最后汇总成结构化审稿报告。
还可以指定 QJE、AER 等期刊,模拟不同期刊的审稿标准。除了完整审稿,也提供快速检查、论文与代码一致性核对,以及基金申请书评审。
支持直接读取 LaTeX 源文件,一条 curl 命令即可安装,并覆盖经济学、金融学等领域的期刊审阅场景。
适合希望在投稿前自查论文、减少低级问的研究人员。
GitHub:https://github.com/claesbackman/AI-research-feedback
收藏的文章、论文总是堆在笔记软件里?可以试试 second-brain,让 AI 帮你整理个人知识库。
使用时只需把资料放进 raw 文件夹,AI 就会读取内容,自动生成结构化 Wiki,建立页面双链并维护索引。
整理后的知识库可以直接用 Obsidian 打开,支持双链跳转、关系图谱,还能针对整个知识库提问。
项目还提供健康检查命令,用来排查索引异常和断开的链接,并支持修复。配套 Skill 可接入 Claude Code、Codex、Cursor 等 Agent 工具。
适合收藏资料多、却一直没时间系统整理的开发者和知识管理爱好者。
GitHub:https://github.com/NicholasSpisak/second-brain
区区 4GB 显存,竟要硬跑 70B 的大模型,这还真叫 AirLLM 给办妥了。
它使的招数叫分层推理:不把整个模型一口气灌进显存,而是逐层往里加载,算完一层便卸掉,生生把个庞然大物塞进了张小破卡里。
这项目百分百开源,
🔗 https://github.com/0xSojalSec/airllm
一件挺硬核的开源项目——UZI-Skill,一个专门做股票深度分析的 AI 投研插件,我看完当场就坐不住了。
它厉害的地方在于把真材实料都攒齐了:
1️⃣ 51 位投资大佬的分析框架
2️⃣ 22 维市场数据
3️⃣ 180 条量化规则
4️⃣ 17 种机构分析方法
好比把格雷厄姆、彼得·林奇、巴菲特、索罗斯、陈小群请到同一张桌上开投研会,专门分析一只股票,光想想就够上头。
A股、港股、美股都能查。你把贵州茅台、腾讯、苹果放进去,它转头就能从基本面、技术面、资金面、情绪面、风险点几个方向给你出一份报告,省得你自己东一下西一下。
🔗
This media is not supported in your browser
VIEW IN TELEGRAM
Reason Network 让团队里每台电脑上的编程 Agent 能直接互相发消息,支持 Claude Code、Codex、Gemini CLI 等 Agent 工具。
装好后能看到每个同事开着哪些 Agent,在哪个仓库、哪个分支,是忙着还是闲着。想问谁,直接让自家 Agent 去问。
GitHub:
消息点对点直连,全程加密,中转服务器也看不到内容。一条消息还能捎上最多 10 个文本文件,比如接口定义或者日志。
同事的 Agent 来要一个只有我能批准的操作时,我这边会弹个窗,点同意或拒绝,答复直接回给对方。
团队里每人都开着几个 Agent 的,让它们自己对口径,比人在中间传靠谱多了。