[分享发现] 分享一个小创意，用 Agent 处理工作交接的问题
工作久了，真是什么样的工作交接都能见到。以前光景好，我遇到过不少很 nice 的大佬，交接文档写得超级全，让人看了就能感觉出工作能力很强，拿到也能直接上手。
但近来行情不好，奇葩事件也就越来越多了。有些粗糙的，最后往往就收到一个网盘链接，里面是几十份文档、几个 Notion 页面，文件名看起来还很像：「最终版」「最终确认版」「最新最终版」。
一问呢就说资料都在，可接手的人肯定一脸懵逼：平时到底看哪份？
现在的情况就更麻烦了。很多人每天都在用自己的 AI 助手。一个 Agent 跟着项目跑了大半年，读过 PRD 、客户记录、研究报告，也处理过一堆零碎问题。人一走，账号一关，这...这就没了？不应该吧？
因为我们不是大厂，没那么完备的细则，所以工作交接还是很重要的。但直接把 AI 账号交给接手人？我是不太建议。
一来，聊天里可能混着私人对话、个人习惯、客户信息，还有各种本地缓存。接手一个项目，没道理连前任一整年的聊天记录一起接管。
二来，更别说聊天记录还会过期。三个月前问过「退款政策按哪版执行」，当时的回答也许没问题，今天再翻出来，未必还能用。
所以这个新兴的 AI 助手，又该怎么交接呢？
我的办法是这样的：先把公司真正需要留下的东西单独拿出来。
正式 PRD 、合同、产品规则、研究报告、决策记录——这些归公司维护。个人提示词、聊天历史、说话习惯——这些留在原来的账号里。
至少，先把「工作资料」和「个人使用痕迹」拆开。
然后就是工作资料的处理问题了。
如果只是把它们打包进网盘，那兜兜转转还是会回到第一步：「文件都给你了。」接手人还是得自己找当前版本，自己对表格口径。想用 AI 帮忙查，又得把文件重新传一遍。
一点也不方便。
我估计是没几个人有这个耐心重新看的，普遍都是扔进网盘以后就束之高阁，然后开始自己倒腾摸索了，重复造轮子这一步少不了。
最后是人和工具都换了，资料却还在原地，谁也用不顺，交接了跟没交接一样。
所以这里，我会借助一个常用的文档解析和记忆工具 Knowhere ，来解析这些资料。Knowhere 是复杂、脏乱文档和 AI Agent 之间的 Memory Layer ，把 PDF 、Word 、Excel 、图片丢进去，它会把文档拆成章节、表格、引用，整理成 AI 能查、能追问、还能带回原文出处的资料，确保 AI 真能读懂这些文件；
在解析时，Knowhere 会用树形结构算法恢复文档里的章节关系，重建文档层级，同时对图片和表格做 OCR 和结构化处理，保留来源路径，形成可跨文档导航的记忆图谱。
对交接来说，这很关键。
正式资料可以沉淀在公司维护的文档库里，文件解析之后，章节、表格、引用都会留着，不跟着某个人的账号走，也不被某个工具绑住。后面换人、换工具，照样能查，查的还是同一批资料。
现在，Knowhere 还加上了 MCP 功能，方便外部工具的调用。
比如前任习惯用 TRAE ，接手人习惯用 Codex 。两边连的是同一个知识空间，查到的还是那批 PRD 、合同和研究报告。AI 回答时，还能把对应章节和原文一并带回来。
接手人不需要登录前任的账号，也不用把几十份文件重新喂一遍。换成 Cursor 、Codex ，或其他支持 MCP 的客户端，资料都还在公司这边。
只需要一句简单的提问，比方说：「客户退款按哪份政策执行？」 Agent 就可以把当前文件、对应章节和原文一起返回了。哪份资料还没入库，它也能马上看出来，再回去补。
Knowhere 能把解析后的项目文档，提供给不同 AI 工具查询。
当然，Knowhere 不会把前任脑子里的判断自动保存下来。没整理、没入库的临时想法，人走以后照样会丢。
所以交接单也得跟着改一改。除了网盘链接，最好再写清楚：
- 哪些资料已经进了公司知识空间
- 当前以哪一版为准
- 后面谁负责更新
- 接手人能看哪些内容
这样交完之后，接手人可以直接在自己的 AI 工具里查同一批资料，不必再从「最新最终版」开始猜了。
感兴趣的可以尝试一下：
- 官网体验： https://knowhereto.ai/?utm_source=v2ex
- 开源仓库： https://github.com/Ontos-AI/knowhere
- MCP 文档： https://docs.knowhereto.ai/mcp?utm_source=v2ex
工作久了，真是什么样的工作交接都能见到。以前光景好，我遇到过不少很 nice 的大佬，交接文档写得超级全，让人看了就能感觉出工作能力很强，拿到也能直接上手。
但近来行情不好，奇葩事件也就越来越多了。有些粗糙的，最后往往就收到一个网盘链接，里面是几十份文档、几个 Notion 页面，文件名看起来还很像：「最终版」「最终确认版」「最新最终版」。
一问呢就说资料都在，可接手的人肯定一脸懵逼：平时到底看哪份？
现在的情况就更麻烦了。很多人每天都在用自己的 AI 助手。一个 Agent 跟着项目跑了大半年，读过 PRD 、客户记录、研究报告，也处理过一堆零碎问题。人一走，账号一关，这...这就没了？不应该吧？
因为我们不是大厂，没那么完备的细则，所以工作交接还是很重要的。但直接把 AI 账号交给接手人？我是不太建议。
一来，聊天里可能混着私人对话、个人习惯、客户信息，还有各种本地缓存。接手一个项目，没道理连前任一整年的聊天记录一起接管。
二来，更别说聊天记录还会过期。三个月前问过「退款政策按哪版执行」，当时的回答也许没问题，今天再翻出来，未必还能用。
所以这个新兴的 AI 助手，又该怎么交接呢？
我的办法是这样的：先把公司真正需要留下的东西单独拿出来。
正式 PRD 、合同、产品规则、研究报告、决策记录——这些归公司维护。个人提示词、聊天历史、说话习惯——这些留在原来的账号里。
至少，先把「工作资料」和「个人使用痕迹」拆开。
然后就是工作资料的处理问题了。
如果只是把它们打包进网盘，那兜兜转转还是会回到第一步：「文件都给你了。」接手人还是得自己找当前版本，自己对表格口径。想用 AI 帮忙查，又得把文件重新传一遍。
一点也不方便。
我估计是没几个人有这个耐心重新看的，普遍都是扔进网盘以后就束之高阁，然后开始自己倒腾摸索了，重复造轮子这一步少不了。
最后是人和工具都换了，资料却还在原地，谁也用不顺，交接了跟没交接一样。
所以这里，我会借助一个常用的文档解析和记忆工具 Knowhere ，来解析这些资料。Knowhere 是复杂、脏乱文档和 AI Agent 之间的 Memory Layer ，把 PDF 、Word 、Excel 、图片丢进去，它会把文档拆成章节、表格、引用，整理成 AI 能查、能追问、还能带回原文出处的资料，确保 AI 真能读懂这些文件；
在解析时，Knowhere 会用树形结构算法恢复文档里的章节关系，重建文档层级，同时对图片和表格做 OCR 和结构化处理，保留来源路径，形成可跨文档导航的记忆图谱。
对交接来说，这很关键。
正式资料可以沉淀在公司维护的文档库里，文件解析之后，章节、表格、引用都会留着，不跟着某个人的账号走，也不被某个工具绑住。后面换人、换工具，照样能查，查的还是同一批资料。
现在，Knowhere 还加上了 MCP 功能，方便外部工具的调用。
比如前任习惯用 TRAE ，接手人习惯用 Codex 。两边连的是同一个知识空间，查到的还是那批 PRD 、合同和研究报告。AI 回答时，还能把对应章节和原文一并带回来。
接手人不需要登录前任的账号，也不用把几十份文件重新喂一遍。换成 Cursor 、Codex ，或其他支持 MCP 的客户端，资料都还在公司这边。
只需要一句简单的提问，比方说：「客户退款按哪份政策执行？」 Agent 就可以把当前文件、对应章节和原文一起返回了。哪份资料还没入库，它也能马上看出来，再回去补。
Knowhere 能把解析后的项目文档，提供给不同 AI 工具查询。
当然，Knowhere 不会把前任脑子里的判断自动保存下来。没整理、没入库的临时想法，人走以后照样会丢。
所以交接单也得跟着改一改。除了网盘链接，最好再写清楚：
- 哪些资料已经进了公司知识空间
- 当前以哪一版为准
- 后面谁负责更新
- 接手人能看哪些内容
这样交完之后，接手人可以直接在自己的 AI 工具里查同一批资料，不必再从「最新最终版」开始猜了。
感兴趣的可以尝试一下：
- 官网体验： https://knowhereto.ai/?utm_source=v2ex
- 开源仓库： https://github.com/Ontos-AI/knowhere
- MCP 文档： https://docs.knowhereto.ai/mcp?utm_source=v2ex
[智能家电] 买了套二手房,想改智能开关控三色灯求方案
客厅餐厅卧室的灯都是 3 色温的, 开关一次一个色温, 不知道怎么弄了
如果安装智能开关,还是得手动按,才能变色
我现在想实现得是,白天开关能亮冷色,夜间暖色, 当然语音控制或者 APP 控制,不知道能不能实现
后面要加入 HOMEASSISTANT 到 homekit
客厅餐厅卧室的灯都是 3 色温的, 开关一次一个色温, 不知道怎么弄了
如果安装智能开关,还是得手动按,才能变色
我现在想实现得是,白天开关能亮冷色,夜间暖色, 当然语音控制或者 APP 控制,不知道能不能实现
后面要加入 HOMEASSISTANT 到 homekit
[程序员] 记燃油车油耗有什么好用的软件或者小程序么？
之前使用腾讯出行的加油功能，买完单之后只需要填一个车上显示的总里程，就可以自动记录加油信息了
最近一次用，突然提示记油耗功能下线了，历史数据也没有了
现在还有什么好用的记油耗的软件或者小程序么？
之前使用腾讯出行的加油功能，买完单之后只需要填一个车上显示的总里程，就可以自动记录加油信息了
最近一次用，突然提示记油耗功能下线了，历史数据也没有了
现在还有什么好用的记油耗的软件或者小程序么？
[宽带症候群] tcptun 现在支持 native + raw + reality-quic 了
自动生成 server.json 和 client.json 配置:
android 客户端也支持了
项目地址： https://tcptun.com
自动生成 server.json 和 client.json 配置:
# 生成 native + raw + reality-quic 配置对
$ tcptun config native --quic --server proxy.example.com --port 9443
android 客户端也支持了
项目地址： https://tcptun.com
[程序员] 实测 GPT-5.6 Sol 的 High/Max：修 bug 未必值得上 Max，重写/迁移可能值得
先声明：我是 [Tura]( https://github.com/Tura-AI/tura) 的维护者。这不是独立评测；完整方法、图表和公开产物在文末链接。想请大家重点挑一挑下面这个“按任务形态路由”的结论有没有遗漏。
我把 DeepSWE v1.1 的记录和一次 eza （ Rust → Python 、52 项检查）的行为兼容重写放在一起看。结论不是“Max 总是更强”，而是 Max 多买到了搜索、回滚、再试和 agent 回合；这些回合有没有价值，取决于任务剩下多少不确定性。
| 任务形态 | High | Max | 通过率变化 | 成本 |
| --- | ---: | ---: | ---: | ---: |
| 范围明确的修复（ DeepSWE ，7 个） | 64.3% | 57.1% | **-7.1 个百分点** | 2.53x |
| 功能实现（ DeepSWE ，95 个） | 70.2% | 74.6% | **+4.4 个百分点** | 2.43x |
| 仓库重写（ eza ，3 个 harness ） | 78.8–89.4% | 92.3–94.2% | **+4.8–13.5 个百分点** | 2.27–3.27x |
113 个 DeepSWE 任务的总体平均是：High 69.4%、每任务 $3.47 ； Max 72.7%、每任务 $8.39 。也就是 **+3.3 个百分点，成本 2.42 倍**，输出 token 2.11 倍、输入 2.91 倍、时间 1.90 倍、步骤 1.66 倍。
所以我现在倾向的操作规则是：
1. 已经有 failing test 、定位范围较小的 bug ，先用 High ； High 失败且定位仍不确定再升级。
2. 常规功能实现也是 High 起步，除非一次失败的代价足以覆盖约 2.4 倍成本。
3. 大范围重写或迁移，Max 往往更有意义，因为兼容性、构建、测试和架构路径都还要探索。
4. Greenfield 目前只有“可能更适合 Max”的判断，没有配对的 High/Max 数据，别把它写成已证实结论。
需要强调两个边界：DeepSWE 的 7 个修复任务不足以证明“Max 会让修 bug 变差”； eza 的 High 是每个 harness 两次的均值，而 Max 是一次选定运行。数字适合做路由假设，不适合做万能默认值。
完整分析（ 19 张表和原始图表）： https://turaai.net/blog.html#is-gpt-5-6-sol-max-worth-it
复现数据： https://github.com/Tura-AI/benchmark/tree/main/blog_data/eza-replication-gpt56-max-20260717
如果大家有更合适的任务分桶、成本/通过率指标，或者认为这里的 DeepSWE 划分不够机械化，欢迎直接指出。更希望讨论“什么时候应该升级 effort”，而不是只比较某个模式的单点分数。
先声明：我是 [Tura]( https://github.com/Tura-AI/tura) 的维护者。这不是独立评测；完整方法、图表和公开产物在文末链接。想请大家重点挑一挑下面这个“按任务形态路由”的结论有没有遗漏。
我把 DeepSWE v1.1 的记录和一次 eza （ Rust → Python 、52 项检查）的行为兼容重写放在一起看。结论不是“Max 总是更强”，而是 Max 多买到了搜索、回滚、再试和 agent 回合；这些回合有没有价值，取决于任务剩下多少不确定性。
| 任务形态 | High | Max | 通过率变化 | 成本 |
| --- | ---: | ---: | ---: | ---: |
| 范围明确的修复（ DeepSWE ，7 个） | 64.3% | 57.1% | **-7.1 个百分点** | 2.53x |
| 功能实现（ DeepSWE ，95 个） | 70.2% | 74.6% | **+4.4 个百分点** | 2.43x |
| 仓库重写（ eza ，3 个 harness ） | 78.8–89.4% | 92.3–94.2% | **+4.8–13.5 个百分点** | 2.27–3.27x |
113 个 DeepSWE 任务的总体平均是：High 69.4%、每任务 $3.47 ； Max 72.7%、每任务 $8.39 。也就是 **+3.3 个百分点，成本 2.42 倍**，输出 token 2.11 倍、输入 2.91 倍、时间 1.90 倍、步骤 1.66 倍。
所以我现在倾向的操作规则是：
1. 已经有 failing test 、定位范围较小的 bug ，先用 High ； High 失败且定位仍不确定再升级。
2. 常规功能实现也是 High 起步，除非一次失败的代价足以覆盖约 2.4 倍成本。
3. 大范围重写或迁移，Max 往往更有意义，因为兼容性、构建、测试和架构路径都还要探索。
4. Greenfield 目前只有“可能更适合 Max”的判断，没有配对的 High/Max 数据，别把它写成已证实结论。
需要强调两个边界：DeepSWE 的 7 个修复任务不足以证明“Max 会让修 bug 变差”； eza 的 High 是每个 harness 两次的均值，而 Max 是一次选定运行。数字适合做路由假设，不适合做万能默认值。
完整分析（ 19 张表和原始图表）： https://turaai.net/blog.html#is-gpt-5-6-sol-max-worth-it
复现数据： https://github.com/Tura-AI/benchmark/tree/main/blog_data/eza-replication-gpt56-max-20260717
如果大家有更合适的任务分桶、成本/通过率指标，或者认为这里的 DeepSWE 划分不够机械化，欢迎直接指出。更希望讨论“什么时候应该升级 effort”，而不是只比较某个模式的单点分数。
[分享创造] 开发了一款 PDF AI 翻译产品 PaperInsight 送 20 份 一个月的 VIP 激活码
还记得你啃第一篇英文论文的样子吗？
三个屏幕窗口：左边 PDF ，右边词典，中间翻译软件。
一段 Introduction 读了四十分钟。专业术语查了又忘，忘了又查；一句话复制 到翻译软件，公式变成乱码，表格糊成一行，图注和正文搅在一起。译文读起来 像机器人写的说明书，你只好回头再读一遍原文——等于每篇论文读了两遍， 每遍都很痛苦。
好不容易读完，想回头找"实验部分那个关键数据"，翻了十分钟没找到在第几页。
组会前夜，导师发来三篇新论文："明天讲讲思路。"
那一刻你清楚地知道：卡住你的从来不是英语，是读论文这件事本身的方式， 太原始了。
----------------------
现在，换一种读法
论文洞见（ PaperInsight ）——上传 PDF ，AI 替你完成那些最耗时间的部分， 把你的精力还给真正重要的思考。
📖 逐段双语对照，不是"整页机翻" 原文和译文段段对齐排在一起，术语保留原文对照。读译文提速，疑惑处一眼 扫回原文核对——一遍，顶过去两遍。
🧩 图、表、代码，各归其位 表格保留行列结构翻译每个单元格；插图原样嵌入对应位置；代码不逐行硬翻， 而是给你一段功能总结。译文的版面和原 PDF 一致，再也不用在"翻译结果"里 猜哪句对应哪里。
🗂 AI 双语大纲，一眼看清论文骨架 章节结构自动生成、双语对照、点击直达对应页。"实验在第几页"这种问题， 从此不存在。
⚡ 深度分析，五分钟建立全局感 一句话总结、研究问题、方法、发现、创新点、局限，外加分节解读。先看 分析再精读，方向感完全不同——组会前夜的三篇论文，不再是灾难。
✍️ 划词即问 读到不懂的概念，选中它——AI 结合这一页的上下文当场解释，不是词典式的 孤立释义。
🌍 七种语言、随身笔记 中/日/韩/法/德/西/英任选；双语结果一键导出 Markdown ，图表代码全保留， 进你自己的笔记库。
----------------------
以前 vs 现在
读论文的时间应该花在"想"，而不是"啃"。
https://www.paper-insight.com/
👉 现在就试试： https://ai.paper-insight.com/
----------------------
写这个工具的初衷： 之前常年看英文 PDF （网安学术论文和 3GPP 标准） 但是一般一个论文啃个好几天，才能吃透，这几年 AI 出来了，能力也很强，试着用 AI 提升看论文的效率。现在工具可以解释 PDF 里面晦涩难懂的地方，也能归纳总结论文内容，送点 VIP 激活码 希望能帮到有需要的人：
----------------------
2B75-V2ES-CRWK
5LAM-VHUJ-MZB9
8MCF-8LFR-JRRY
EZPB-C792-8LQA
NWGV-HNMQ-W3NJ
T7S7-NEXT-NYNY
UG96-EX8Q-GXAG
UU3H-XHVG-FDKJ
还记得你啃第一篇英文论文的样子吗？
三个屏幕窗口：左边 PDF ，右边词典，中间翻译软件。
一段 Introduction 读了四十分钟。专业术语查了又忘，忘了又查；一句话复制 到翻译软件，公式变成乱码，表格糊成一行，图注和正文搅在一起。译文读起来 像机器人写的说明书，你只好回头再读一遍原文——等于每篇论文读了两遍， 每遍都很痛苦。
好不容易读完，想回头找"实验部分那个关键数据"，翻了十分钟没找到在第几页。
组会前夜，导师发来三篇新论文："明天讲讲思路。"
那一刻你清楚地知道：卡住你的从来不是英语，是读论文这件事本身的方式， 太原始了。
----------------------
现在，换一种读法
论文洞见（ PaperInsight ）——上传 PDF ，AI 替你完成那些最耗时间的部分， 把你的精力还给真正重要的思考。
📖 逐段双语对照，不是"整页机翻" 原文和译文段段对齐排在一起，术语保留原文对照。读译文提速，疑惑处一眼 扫回原文核对——一遍，顶过去两遍。
🧩 图、表、代码，各归其位 表格保留行列结构翻译每个单元格；插图原样嵌入对应位置；代码不逐行硬翻， 而是给你一段功能总结。译文的版面和原 PDF 一致，再也不用在"翻译结果"里 猜哪句对应哪里。
🗂 AI 双语大纲，一眼看清论文骨架 章节结构自动生成、双语对照、点击直达对应页。"实验在第几页"这种问题， 从此不存在。
⚡ 深度分析，五分钟建立全局感 一句话总结、研究问题、方法、发现、创新点、局限，外加分节解读。先看 分析再精读，方向感完全不同——组会前夜的三篇论文，不再是灾难。
✍️ 划词即问 读到不懂的概念，选中它——AI 结合这一页的上下文当场解释，不是词典式的 孤立释义。
🌍 七种语言、随身笔记 中/日/韩/法/德/西/英任选；双语结果一键导出 Markdown ，图表代码全保留， 进你自己的笔记库。
----------------------
以前 vs 现在
读论文的时间应该花在"想"，而不是"啃"。
https://www.paper-insight.com/
👉 现在就试试： https://ai.paper-insight.com/
----------------------
写这个工具的初衷： 之前常年看英文 PDF （网安学术论文和 3GPP 标准） 但是一般一个论文啃个好几天，才能吃透，这几年 AI 出来了，能力也很强，试着用 AI 提升看论文的效率。现在工具可以解释 PDF 里面晦涩难懂的地方，也能归纳总结论文内容，送点 VIP 激活码 希望能帮到有需要的人：
----------------------
2B75-V2ES-CRWK
5LAM-VHUJ-MZB9
8MCF-8LFR-JRRY
EZPB-C792-8LQA
NWGV-HNMQ-W3NJ
T7S7-NEXT-NYNY
UG96-EX8Q-GXAG
UU3H-XHVG-FDKJ
[科技] 两天开发了一个网站专门收录各领域的最佳实践，方便学习（抄袭🐶）
最初是想在做业务需求的时候尽量使用最新的一些技术，还能提升自己。
但是现在技术更新迭代太快，github 上的搜索结果要么是几年前的内容要么就不符合我们的业务场景。
于是网上搜集了一些热门项目通过 AI 筛选和处理，做了领域分类和技术划分，整理了一个网站出来，比较仓促很多地方做的不太行，大家随便看看
项目地址 https://nb-github.pages.dev/
最初是想在做业务需求的时候尽量使用最新的一些技术，还能提升自己。
但是现在技术更新迭代太快，github 上的搜索结果要么是几年前的内容要么就不符合我们的业务场景。
于是网上搜集了一些热门项目通过 AI 筛选和处理，做了领域分类和技术划分，整理了一个网站出来，比较仓促很多地方做的不太行，大家随便看看
项目地址 https://nb-github.pages.dev/
[AI Agent 智能体] Kimi 会员也停售了
同时新的 kimi code 会员计划公布
Starter 99/月
Explorer 299/月 4 倍 Starter 档位额度 1M 上下文
Expert 699/月 10 倍 Starter 档位额度 1M 上下文
Master 1,399/月 25 倍 Starter 档位额度 1M 上下文 更高的并发上限
这价格结合 K3 用量，毫无性价比可言，不如老的 199
同时新的 kimi code 会员计划公布
Starter 99/月
Explorer 299/月 4 倍 Starter 档位额度 1M 上下文
Expert 699/月 10 倍 Starter 档位额度 1M 上下文
Master 1,399/月 25 倍 Starter 档位额度 1M 上下文 更高的并发上限
这价格结合 K3 用量，毫无性价比可言，不如老的 199
[剧集] AI 让剧集质量退步了
今天在爱奇艺看到一部新上映的电视剧，张凌赫和王楚然主演的《这一秒过火》。
片头和片尾都是 AI 制作的，质感好差。第一眼看到片头还以走错地方了。
正片更是短剧风格，我真是无力吐槽。可惜了帅哥美女。
爱奇艺发布会上说今年 ALL IN AI ，就是这个效果？听过某个 AI 产品赞助了这部剧。
不止电视剧，国漫上很多地方也用的 AI 。站在客户的角度看到到的是粗制滥造。
今天在爱奇艺看到一部新上映的电视剧，张凌赫和王楚然主演的《这一秒过火》。
片头和片尾都是 AI 制作的，质感好差。第一眼看到片头还以走错地方了。
正片更是短剧风格，我真是无力吐槽。可惜了帅哥美女。
爱奇艺发布会上说今年 ALL IN AI ，就是这个效果？听过某个 AI 产品赞助了这部剧。
不止电视剧，国漫上很多地方也用的 AI 。站在客户的角度看到到的是粗制滥造。
[分享创造] crPDF 1.5.0 增加了对 PDF 文件的密码和签名的支持
免费下载： https://github.com/libcr/crpdf/releases
crPDF1.5.0 是纯 C++实现 基于源代码 chromium 150.0.7871.91
1. 基于 chromium PDFium 内核代码，支持对 PDF 的文本和 Stamp 格式的标注
2. 使用 chromium 的跨平台 UI 框架设计的应用界面，提供了一致且优秀的使用体验
3. 通过 boringSSL 实现对 PDF 证书签名，以及证书信息的验证
带 SVG 图片的签名预览
证书签名设置界面
免费下载： https://github.com/libcr/crpdf/releases
crPDF1.5.0 是纯 C++实现 基于源代码 chromium 150.0.7871.91
1. 基于 chromium PDFium 内核代码，支持对 PDF 的文本和 Stamp 格式的标注
2. 使用 chromium 的跨平台 UI 框架设计的应用界面，提供了一致且优秀的使用体验
3. 通过 boringSSL 实现对 PDF 证书签名，以及证书信息的验证
带 SVG 图片的签名预览
证书签名设置界面
[分享创造] 做了一个免费的 TikTok 评论图片生成器
最近上线了一个小工具：
https://www.tiktok-comment-generator.com/
主要用于生成 TikTok 风格的评论图片，适合短视频回复、UGC 素材、教程开场和社交媒体内容制作。
目前支持：
- 生成单条评论贴纸
- 创建包含多条评论和作者回复的完整评论区
- 自定义头像、用户名、评论内容、时间和点赞数
- 设置置顶、认证、作者点赞等状态
- 导出透明、浅色或深色背景 PNG
- 无需注册，免费使用，无水印
- 所有内容都在浏览器本地处理
目前还是 MVP 版本，希望大家帮忙体验一下。
最近上线了一个小工具：
https://www.tiktok-comment-generator.com/
主要用于生成 TikTok 风格的评论图片，适合短视频回复、UGC 素材、教程开场和社交媒体内容制作。
目前支持：
- 生成单条评论贴纸
- 创建包含多条评论和作者回复的完整评论区
- 自定义头像、用户名、评论内容、时间和点赞数
- 设置置顶、认证、作者点赞等状态
- 导出透明、浅色或深色背景 PNG
- 无需注册，免费使用，无水印
- 所有内容都在浏览器本地处理
目前还是 MVP 版本，希望大家帮忙体验一下。
[推广] 每月 1000 次免费 google 查询次数 关键词竞价排名监控
主要提供 Google 搜索结果的数据接口，方便开发者获取搜索结果。它最近还推出了 MCP （ Model Context Protocol ）服务器，可以让 Claude 、Cursor 、Windsurf 等 AI 工具直接调用 Google 搜索。
主要功能包括： 🔍 Google 网页搜索（ Organic Search ） 📰 Google News 🖼️ Google Images 🎥 Google Videos 🛒 Google Shopping （带价格） 📍 Google Maps / Places 🎓 Google Scholar 📑 Google Patents 💡 Google Autocomplete （搜索建议）
支持返回结构化 JSON ，方便程序调用。
免费额度 每月 1000 次免费搜索 不需要信用卡 免费额度每月自动重置
适合做 seo Google 排名监控 竞品分析 关键词研究
注册地址：serpjet.io
主要提供 Google 搜索结果的数据接口，方便开发者获取搜索结果。它最近还推出了 MCP （ Model Context Protocol ）服务器，可以让 Claude 、Cursor 、Windsurf 等 AI 工具直接调用 Google 搜索。
主要功能包括： 🔍 Google 网页搜索（ Organic Search ） 📰 Google News 🖼️ Google Images 🎥 Google Videos 🛒 Google Shopping （带价格） 📍 Google Maps / Places 🎓 Google Scholar 📑 Google Patents 💡 Google Autocomplete （搜索建议）
支持返回结构化 JSON ，方便程序调用。
免费额度 每月 1000 次免费搜索 不需要信用卡 免费额度每月自动重置
适合做 seo Google 排名监控 竞品分析 关键词研究
注册地址：serpjet.io
[分享创造] 我把 Markdown 查看器越做越离谱了：这次直接加了 HTML 设计器、AI 排版 HTML，还支持多模型了
最近把我的开源小工具又狠狠干了一轮，发个更新。
这是一个基于
这次更新到
本次更新
● 新增左侧导航默认页签设置
现在可以自己指定默认打开“文件”还是“大纲”，不用每次切换。
● 新增多供应商、多模型管理
现在不再是只能绑一个模型，支持同时维护多个供应商和多个模型，切换和测试都更方便。
● 优化 Markdown 查看器的 AI 排版效果
AI 排版这块重新整理了一轮，并新增了几种常用生成格式推荐，像任务计划、会议纪要、步骤清单这类内容整理起来更顺手。
● 新增 HTML 设计器
现在不仅能看 Markdown ，还能直接进入 HTML 设计器做可视化调整，并支持导出 HTML 。
● 新增 AI 排版 HTML 内容
不只是 Markdown ，HTML 内容现在也能直接走 AI 排版，适合拿来快速整理页面结构和文案布局。
● AI 支持预置默认供应商和模型
这个主要是方便开发者打包时直接带默认配置，开箱就能用。
● 新增外置字体加载
只要把字体文件放到 exe 同目录的
● 新增更多显示配置
现在支持主题圆角开关、预览模式表头对齐方式、表格宽度铺满等配置，细节可调范围更大了。
这个工具现在适合干嘛
我自己目前主要拿它做这些事：
● 看和整理 Markdown 文档
● 写计划、待办、会议纪要
● 本地查看和编辑 txt / 配置 / 代码类文本
● 用 AI 把乱内容重新整理成更清晰的结构
● 直接可视化编辑修改 AI 生成的 PPT 或 HTML 页面
● 直接把内容设计成 HTML 再导出
开源地址
GitHub： qizhenghai2020/mdview
如果你平时也有：
● 本地看 Markdown
● 整理文档
● AI 辅助排版
● 导出 HTML
这类需求，欢迎试试，也欢迎提建议。
最近把我的开源小工具又狠狠干了一轮，发个更新。
这是一个基于
Wails + Go + Vue3 做的桌面版 Markdown 查看器，最开始只是想做一个自己顺手的本地 Markdown 阅读/编辑工具，结果这次版本越改越偏“生产力工具”了。这次更新到
v1.0.2，重点功能如下：本次更新
● 新增左侧导航默认页签设置
现在可以自己指定默认打开“文件”还是“大纲”，不用每次切换。
● 新增多供应商、多模型管理
现在不再是只能绑一个模型，支持同时维护多个供应商和多个模型，切换和测试都更方便。
● 优化 Markdown 查看器的 AI 排版效果
AI 排版这块重新整理了一轮，并新增了几种常用生成格式推荐，像任务计划、会议纪要、步骤清单这类内容整理起来更顺手。
● 新增 HTML 设计器
现在不仅能看 Markdown ，还能直接进入 HTML 设计器做可视化调整，并支持导出 HTML 。
● 新增 AI 排版 HTML 内容
不只是 Markdown ，HTML 内容现在也能直接走 AI 排版，适合拿来快速整理页面结构和文案布局。
● AI 支持预置默认供应商和模型
这个主要是方便开发者打包时直接带默认配置，开箱就能用。
● 新增外置字体加载
只要把字体文件放到 exe 同目录的
fonts 文件夹下，就能直接在程序里使用。● 新增更多显示配置
现在支持主题圆角开关、预览模式表头对齐方式、表格宽度铺满等配置，细节可调范围更大了。
这个工具现在适合干嘛
我自己目前主要拿它做这些事：
● 看和整理 Markdown 文档
● 写计划、待办、会议纪要
● 本地查看和编辑 txt / 配置 / 代码类文本
● 用 AI 把乱内容重新整理成更清晰的结构
● 直接可视化编辑修改 AI 生成的 PPT 或 HTML 页面
● 直接把内容设计成 HTML 再导出
开源地址
GitHub： qizhenghai2020/mdview
如果你平时也有：
● 本地看 Markdown
● 整理文档
● AI 辅助排版
● 导出 HTML
这类需求，欢迎试试，也欢迎提建议。
[怀旧游戏] 在 iPad 上用触屏玩初代 Diablo
https://github.com/chrissotraidis/deviltouch
● Codex 5.6 实现的移植。
● iPad 的 4:3 屏幕真的是太适合这类游戏了。
https://github.com/chrissotraidis/deviltouch
● Codex 5.6 实现的移植。
● iPad 的 4:3 屏幕真的是太适合这类游戏了。