GitHub 每日分享开源项目
235 subscribers
942 photos
16 videos
921 links
Download Telegram
This media is not supported in your browser
VIEW IN TELEGRAM
产品功能做出来了,首页还缺一张能讲清楚操作过程的图。直接贴截图太密,让 AI 画又容易弄出一堆不存在的按钮。
Stageshow 是一套给 Agent 用的开源 Skill,专门制作产品界面插画、功能卡片和带光标的演示动画,用代码搭出要展示的场景。
仓库带了窗口、手机、消息气泡这些组件,也准备了表单报错、拖拽排序、文件上传等示例,可以改成自己的产品内容。
GitHub:https://github.com/benjitaylor/skills
我觉得有意思的是它连鼠标点下去之后,界面该怎么回应都写进了规则,演示里的动作得和后面的变化接得上。
本地预览有 9 种视觉风格,能暂停、慢放、逐帧查看。配套工具会录下画面,方便 Agent 检查文字溢出、布局和动画跳变。
做出来的是能放进 React 项目的组件,适合给产品首页、文档和功能介绍页补一段演示。
This media is not supported in your browser
VIEW IN TELEGRAM
语音输入我更在意一件事,说完能不能直接落进正在用的输入框,少一步复制粘贴。
Hex 就是这么个开源小工具,按住快捷键说,松开后在本机转成文字,再粘贴到当前应用里,写邮件、回消息都能用。
GitHub:https://github.com/anomalyco/hex
第一次启动会下载语音模型,之后转写在自己的电脑上完成。Mac、Windows 和 Linux 都有现成安装包,不需要自己搭一套语音服务。
上次看财报觉得一家公司不错,隔了几个月再看,已经想不起当时依据哪几个数字。聊天记录翻出来了,数据却早变了。
Augur 是一个开源的投资研究工具,把每次分析、引用的证据和后来的变化存在本地,方便下次接着研究。
内置 18 个按投资流派设计的分析角色,各自给出判断,再整理共识与分歧。每条证据会记录来源,以及对应什么时间的数据。
GitHub:https://github.com/BruceLanLan/augur
我更看重能回头复查这一点,财报前关注了什么、财报后哪些事实变了,可以把两次记录放在一起看。
带有网页面板,可以维护自选股、记录研究问,也能比较最近两份财报的变化,研究结果支持导出 Markdown、PDF 等格式。
需要在电脑上安装运行,适合用来整理研究过程。角色观点是规则化模拟,拿来辅助学习,不作为买卖依据。
卧槽!GitHub 上有人把微信小程序直接搬进 Chrome 浏览器了!
推荐一个开源项目 wxa-runner,不用每次都打开微信开发者工具,就能在浏览器里运行和调试小程序!
1、支持原生微信小程序、uni-app、Taro。
2、直接用 Chrome DevTools 调试,支持热更新。
3、支持 Playwright 自动化测试,Linux 服务器也能跑。
4、可模拟登录、拦截请求,甚至导出静态网页供别人预览。
最适合微信小程序开发者,调试和自动化测试终于不用来回折腾了!
一行命令启动:npx wxa-runner dev ./dist/dev/mp-weixin
GitHub:https://github.com/open-wxa/wxa-runner
👍1
平时查什么都靠联网,真到了没信号的地方,网页、地图和维修教程,一个也打不开。
Offline Emergency Library 把离线资料和本地 AI 整理成了一套下载工具,选好保存位置,就能从上游来源下载到自己的硬盘。
内容包括英文维基百科、分地区地图、iFixit 维修指南和生活技能资料,还能配上本地模型,以及给 PDF 提问的工具。
GitHub:https://github.com/elhajahmadj/offline-emergency-library
我觉得给闲置移动硬盘装一份挺合适,资料和阅读工具放在一起,之后没网也能查,省得临时翻下载目录。
按当前 README,整套约 85GB,建议准备 128GB 以上的硬盘。也有精简模式,可以跳过完整维基百科、大模型等大文件。
Windows、macOS、Linux 都支持下载,断了还能接着下。地图地区可以自己选,出发前把目的地的资料备好。
👍1
光北京一个城市,AI 岗位就挂出了 12907 个,上海、深圳、杭州的也都在。
想找份班上的人,可以看看这张免费的招聘地图。
它用 AI 爬了融资超 1000 万美元的 AI 公司、上市互联网公司、量化公司和一批新锐实验室的岗位,按城市聚类,覆盖北京、上海、深圳、杭州、广州。
北京收录了 279 家公司,小米 1798 个岗位,百度 1051 个。
支持按海淀、朝阳等区域筛选,也能上传简历匹配相近岗位,登录后能搜全部岗位。
🔗 https://jobs.dinq.me/
分享个开源项目,专门用来整理个人收藏的成人影片。
这个项目叫 Peach 蜜桃,能自动识别番号、匹配封面和女优信息,本地硬盘和多种网盘都能一起管理,还能搜中文字幕、订阅新作。
JavDB、MissAV、Jable 这些站点也能一键加进媒体库。
地址:https://github.com/peach-mitao/peach
AI 查公司数据最坑的地方,是它会把 uid 和 user_id 混为一谈,最后算出一个看着挺像样的错数。
人大开源的 EvoOntology 就是冲着这个毛病来的。
指标定义、表关系先拿真实数据验证过,Agent 用到哪条,再通过 MCP 去查。
每跑完一轮只修出错的那一块,新版跑赢旧版才准上线。
GPT-5.5、Claude-Sonnet-5 等四个模型平均下来,DDR-Bench 涨了 20 分,BIRD 涨了 8.8 分。
Claude Code 和 Codex 装个插件就能用。
🔗 https://github.com/ruc-datalab/EvoOntology
🔗 https://huggingface.co/papers/2609.15779
👍1
给自己的 App 录了段操作视频,画面里只有一块屏幕,重点按钮又小,发出去还得另外找工具套壳、放大、剪节奏。
Maya 是一款开源的 Mac 应用,拖入录屏就能套上 iPhone、iPad 或 MacBook 外框,调整背景,再加局部放大和点击提示。
视频中间等待的部分可以加速,操作细节可以慢放,速度范围从 0.25 倍到 4 倍。放大位置和持续时间都能在时间线上拖动调整。
GitHub:https://github.com/ronaldo-avalos/Maya
点击提示有波纹、脉冲、圆环 3 种样式,我觉得做操作教程时很有用,观众能看清刚才点的是哪里。
背景可以选纯色、渐变、图片,也能用录屏本身做模糊背景。方形、竖屏和横屏画布都支持,方便做不同平台的演示片。
有现成安装包,能导出 MP4,也能导出透明背景的 MOV,继续放到其他视频里合成。
百度开源了一个 OCR 模型,光上个月在 HuggingFace 上就被下载了 165 万次,名字却没多少人听过。
它叫 Unlimited-OCR,3B 参数,搁自己电脑上就能跑。
传统 OCR 处理 PDF,往往是一页页切开识别,页与页之间的上下文很容易断掉。
Unlimited-OCR 换个打法:整份文档的页面一次性喂进去,连续做多页解析。
官方给这招起了个名,叫"一次性长视野解析"。
上下文窗口拉到了 32K。
PDF 先按 300dpi 转成图片,再整批送进模型。
单张图片有两种模式。
gundam 切块处理,base 按整页处理,多页和 PDF 只用 base。
部署门槛不算高。
Transformers、vLLM、SGLang 都有现成教程,vLLM 还给了 Docker 镜像。
SGLang 能直接起一个兼容 OpenAI 接口的服务。
训练支持 ms-swift。
国内用户在 ModelScope 和百度智能云上也能直接用。
项目 6 月 22 日发布,目标写得很直白:把 DeepSeek-OCR 再往前推一步。
论文已经上了 arXiv。
算笔账。
Textract、Google Vision、Azure 这类云端 OCR,每千页大概收 1.5 到 15 美元。
放在自己机器上跑,这笔按页计费的钱就省下来了。
想先看效果,HuggingFace 上有在线 Demo。
🔗 https://huggingface.co/baidu/Unlimited-OCR
🔗 https://github.com/baidu/Unlimited-OCR
照着一个网站做练习,截图发给 AI,电脑上看着差不多,缩到手机宽度,间距、换行和菜单又全对不上。
Craft Anything 是一个开源的软件研究与重建工具,先观察原项目,再让编码 Agent 实现一个新项目,最后对照原版检查、继续修改。
默认从能看到的内容开始研究,包括页面截图、文字、布局和菜单展开后的样子。检查网页时,会比较 3 种屏幕宽度下的表现。
GitHub:https://github.com/storytold/craft-anything
我比较认可把对照检查接在生成后面,做完之后会列出哪里还没对上,可以继续描述要改的地方。
除了网站,也提供应用和游戏的分析、重建流程,配有 314 个工具,既能在桌面应用里用,也能交给其他 Agent 调用。
生成代码主要接本机的 Claude Code,需要先装好并登录。拿自己的项目、获准分析的素材做学习实验,可以看看这种做法。
AI 已经能自己搞科研了,几百轮实验全程不用人盯着。
流程说起来不复杂:提假设、改代码、跑实验、看结果,有用就留下,没用就扔掉。
这个方向叫 Auto-research,名字来自 Karpathy 的 autoresearch 项目。
Papers with Code 上已经收录了 166 篇相关论文。
其中 IdeaScientist 用的是 27B 开源模型,成绩比 Claude Code SDK 和 Codex SDK 最多高出 5.9%。
链接: https://paperswithcode.co/tasks/auto-research
给孩子辅导古诗,生字要查拼音,多音字还得核对课本。背了几遍说会了,遮住原文又接不上下一句。
「吟诗」是一个开源的古诗词阅读网页,内置 72 首小学必背古诗,每个字上面标好带声调的拼音,打开浏览器就能读。
支持横排、竖排、田字格 3 种版式,课本读音默认校正,某个字想改读音也能直接点。还能遮字背诵、填空默写、听朗读。
GitHub:https://github.com/TTNAN/yinshi
我喜欢它能把几首诗排成一份学习列表,家长、老师发个链接,孩子就能按朗读、跟读、背诵、默写的步骤练习。
另有 8 位诗人的足迹地图,点开李白、杜甫等人的停留地,就能看看那段时间写过哪些诗,地名和作品放在一起读更有意思。
手机、电脑都能用,无需账号,学习记录留在自己的浏览器里。也能打印成 A4,按需带上拼音、译文和注释。
收到女友一句不冷不热的回复,盯着聊天记录反复看,越分析越拿不准。
「狗头军师」把恋爱关系分析做成了一个开源 Codex Skill,可以提供聊天截图、文字记录或事情经过,让 AI 帮忙整理关系和回复思路。
它会先分清哪些是事实,哪些只是猜测,再根据双方的互动、投入和现实情况,给出一句回复、一次邀约或后续观察的建议。
GitHub:https://github.com/shengjidaguai-china/goutoujunshi
我比较赞同它不凭一句猜对方心思,聊天、电、线下见面这些素材会分开看,不会只盯着某个词下结论。
配套知识库整理了 135 条参考资料,包含沟通、关系心理学等内容,也有对演练,可以先练练怎么表达自己的想法。
允许保存本地精简档案后,下次能接着之前的背景聊。装成 Skill 就能用,碰到想不明白的相处问,多一个梳理思路的办法。
👍1