FamilyClaw familyclaw.cc 官方文档：docs.familyclaw.cc 官方交流群：964063018 GitHub地址：这是什么？ FamilyClaw 不是又一个智能音箱 App，也不是一个冷冰冰的设备控制面板。它是一个懂你全家的 AI 管家 —— 认识每个家庭成员，记住你们的偏好和习惯，在日常生活中默默守护你的家。传统的智能家居平台以「设备」为中心：灯、空调、传感器。FamilyClaw 把视角翻转过来 —— 家人才是主角，设备只是工具。它认识你、了解你，随着时间推移越来越懂你的家。我们的愿景让每一个家庭都拥有一位有温度、有记忆、有个性的 AI 管家。不需要学习复杂的操作，不需要对着音箱喊固定的口令。只要自然地生活，AI 就能理解你的需求，照顾你的家人。我们相信，家庭 AI 不应该是科技发烧友的专属玩具，而应该是每一位家庭成员都能舒服使用的贴心助手 —— 无论是忙碌的父母、正在成长的孩子，还是需要关怀的老人。项目功能家庭成员管理多成员识别：通过声纹（已实现）、人脸（开发中）、蓝牙（计划中）等方式自动识别「现在是谁在说话」成员画像：每个人都有独立的偏好、权限和互动记录角色与权限：为父母、孩子、老人、访客设置不同的使用权限亲属关系：AI 理解家庭成员之间的关系，对话更自然 AI 管家对话本地大模型深度适配 —— 让 Ollama 等本地模型发挥最大能力，完全离线也能用多角色 AI 助手：管家、营养师、健身教练、学习辅导...... 你的家庭成员各取所需人格化设计：每个 AI 角色有自己的性格、说话风格和服务边界实时对话：基于 WebSocket 的流式响应，和 AI 的对话流畅自然智能提案：AI 会在对话中主动建议行动（比如「要不要帮你设个提醒？」），你确认后自动执行主动关怀：通过计划任务和心跳机制，AI管家会提醒你的会议日程，提醒老人吃药，提醒孩子的网课家庭长期记忆这是 FamilyClaw 最核心的能力之一。六种记忆类型：事实、事件、偏好、关系、成长、观察 —— 完整刻画家庭生活越用越懂你：AI 会从日常对话中提取有价值的信息，形成家庭记忆隐私分层：公开、家庭可见、仅自己可见、敏感信息 —— 你的隐私你做主语义搜索：通过向量嵌入实现智能检索，问什么都能找到相关记忆智能家居控制 Home Assistant 接入：无缝对接 Home Assistant 生态，几千种设备即接即用小米生态：专门适配小米智能家居设备（通过HA进行桥接）对话式控制：不用打开设备面板，直接对 AI 说「把客厅灯调暗一点」设备感知：AI 实时了解所有设备状态，回答更精准智能场景：随着AI管家对你的家庭的了解加深，后续会更加主动的根据家庭的状态、人员的状态智能调节智能家居（开发中）场景自动化（开发中）智能回家：识别到家人回家，自动开灯、播报欢迎消息儿童睡前：到了睡觉时间自动调低音量、发送温馨提醒老人关怀：定时问候、用药提醒，让子女安心安全守护：静默时段保护、儿童内容过滤、隐私区域限制定时任务与提醒对话式创建：聊天中说一句「明天早上 8 点提醒我吃药」，AI 自动创建提醒灵活调度：支持单次、重复、自定义周期升级提醒：重要事项无人响应时自动升级通知方式多平台覆盖网页端（H5）：打开浏览器就能用 iOS / Android：原生移动体验鸿蒙（HarmonyOS）：支持华为生态（开发中）即时通讯接入：钉钉、飞书、企业微信（开发中）、Discord（开发中）、Telegram —— 在你常用的 App 里就能和家庭 AI 对话

Original

DTResearch & learningDTLifestyle & entertainmentDTWeb app

Weekly Submissions

—

chrome插件quotebox推荐，右键保存选择的文本，提供瀑布流预览，也可以导出pdf 图书。

插件特点： 1，快速保存，图片和文本都是保存在本地 2，提供离线浏览和二次编辑 3，可以导出pdf 和 markdown 4，无需注册，免费使用。插件地址：

Original

DTSkill / plugin

Weekly Submissions

—

TermCanvas — 无限画布终端管理器，支持多 AI Agent 编排

一个开源桌面应用，把所有终端铺在无限画布上——告别标签页和分屏，拖拽、缩放、自由排列。内置 Claude Code / Codex 等 AI Agent 支持，实时状态追踪、inline diff 预览、token 用量统计。还提供 Hydra 多 Agent 编排框架，可以在隔离的 git worktree 中并行调度多个 AI Agent 完成复杂任务。

Original

DTDesktop productivityDTSoftware developmentDTAgent orchestration

Weekly Submissions

—

Enia Code（PriCoder）——面向真实开发场景的 AI 代码可靠性优化方案

针对 LLM 在调用 API 时容易出错的问题的一种修复思路及实现背景在使用 AI 编程工具时，即使模型能够读取完整的 API 文档，生成的代码仍然经常无法运行。常见问题包括调用错误的函数或参数缺少必要的包装（如类型转换、asarray 等）代码看起来正确，但在运行时失败这些问题在使用私有 API 或内部 SDK 时更加明显。说明类似问题在当前 LLM 代码生成中较为普遍，但多数工具仍主要依赖 prompt 约束。 PriCoder 这篇论文主要分析了上述问题产生的原因，并提出了一种在代码执行前进行修复的思路。在实际工程中，该思路已在 Enia Code 中工程化实现，用于提升 AI 生成代码在真实开发中的可运行性。实现方式在生成代码后，对 API 调用进行结构校正补全必要的调用步骤减少 runtime error 适用场景内部 API / 私有 SDK AI 辅助编程对代码正确性要求较高的项目

Original

DTResearch & learningDTSoftware developmentDTLibrary / SDK

Weekly Submissions

—

免费沉浸式外语学习插件，将Youtube和b站视频变为学习资源深入练习达到学习目的

拒绝被动观看，开启互动练习，如果你平时经常打开youtube和B站并在学习一门外语，那么这个插件将让你体验沉浸式的学习体验， 5种不同模式，对接AI用户可以自行配置谷歌Chrome插件下载微软Edge插件下载火狐Firefox插件下载

Original

DTResearch & learningDTSkill / plugin

Weekly Submissions

—

desktop-app-build-by：一个用来检测桌面应用构建技术栈的 CLI 工具

检测 macOS 与 Windows 上桌面应用所使用的技术栈。可以快速看出一个应用是使用原生技术（Swift、Objective‑C、Win32 等），还是使用跨平台框架（Electron、Flutter、Tauri、Qt、JVM、CEF、NW.js、React Native、wxWidgets 等）构建的。扫描所有已安装应用 bash buildby scan 会扫描 /Applications（macOS）或 Program Files（Windows）等目录下的所有桌面应用，按技术栈分组，并展示“技术栈分布”统计条形图。按技术栈过滤 bash buildby electron 所有 Electron 应用 buildby flutter 所有 Flutter 应用 buildby tauri 所有 Tauri 应用 buildby qt 所有 Qt 应用 buildby wxwidgets 所有 wxWidgets/wxPython 应用 buildby jvm 所有 JVM 应用（Java/Kotlin/Scala） buildby cef 所有 CEF (Chromium Embedded Framework) 应用 buildby dotnet 所有 .NET / MAUI / WPF 应用 buildby nwjs 所有 NW.js 应用 buildby reactnative 所有 React Native 桌面应用 buildby native 所有原生应用（Swift/ObjC/Win32）指定自定义路径 bash buildby path /Applications/SomeApp.app buildby path "C:\Program Files\SomeApp" 支持检测的技术栈 | 栈 | 说明 | 主要检测方式 | |||| | ⚡ Electron | Node.js + Chromium | Electron Framework.framework、app.asar | | 🐦 Flutter | Google 跨平台 UI 工具包 | FlutterMacOS.framework、flutterwindows.dll | | 🌐 CEF | Chromium Embedded Framework | Chromium Embedded Framework.framework、libcef.dll | | 🦀 Tauri | Rust + 系统 WebView | otool L 检测 WebKit.framework + 资源目录 / Windows 上 WebView2Loader.dll | | 🔷 Qt | C++ 跨平台框架 | Qt.framework、Qt5Core.dll / Qt6Core.dll | | 🧩 wxWidgets | C++ 跨平台 GUI 库 | macOS 上 libwx.dylib，Windows 上 wxmswXXu.dll 等 | | ☕ JVM | Java/Kotlin/Scala | jbr/、libjvm.dylib、大量 .jar 文件 | | 🔵 .NET | Microsoft .NET / MAUI / WPF | MonoBundle/、coreclr.dll、.dll 组合特征 | | 🟩 NW.js | Node.js + Chromium（原 node‑webkit） | nwjs Framework.framework、app.nw | | ⚛️ React Native | React Native 桌面端实现 | React.framework、Hermes.framework / hermes.dll | | 🖥️ Native | 平台原生技术 | 未命中任何跨平台特征时的兜底分类 | 平台支持 | 平台 | 应用发现位置 | 检测方式 | |||| | macOS | /Applications、~/Applications | Contents/Frameworks、Contents/Resources、otool L、Info.plist 元数据 | | Windows | Program Files、Program Files (x86)、AppData/Local/Programs | 扫描 .exe / .dll、特定框架文件与目录结构 | 工作原理（简要）检测完全基于文件系统，不会做反汇编，也不需要管理员权限： 1. 扫描框架目录：读取 Contents/Frameworks/ 或应用目录下的 DLL，匹配各类已知框架的特征文件。 2. 资源文件模式：查找 app.asar、flutterassets、app.nw 等典型文件。 3. JVM / .NET / 其他运行时检测：识别打包的 JRE/JBR、.NET 运行时以及关联目录结构。 4. Tauri / wxWidgets 等特定栈：结合 otool L / DLL 名称 + 资源分布做多信号判断。 5. 元数据提取：从 Info.plist 解析 Bundle ID、版本号和展示名称。 6. 兜底策略：如果未匹配到任何跨平台特征，则将应用归类为原生技术栈。检测按照优先级顺序依次执行，特征越独特的框架越先匹配，以减少误报和重复分类。

Original

DTDesktop productivityDTDesktop appDTCLI

Weekly Submissions

—

一个把飞书文档一键发布到微信公众号草稿箱的 CLI

1. 自我介绍大家好，我最近开源了一个小工具 feishuwechatcli。它做的事情很简单：把飞书文档一键发布到微信公众号草稿箱。如果你平时是在飞书里写文章，定稿后还要手工导出、处理图片、再进公众号后台发文，这个工具就是为这条链路准备的。调用 skill 发布成功 2. 开发背景我做它的原因很直接：现在很多内容都是在飞书里写和协作的，但真正发到公众号时，中间还是有不少重复劳动。通常要经历这几步： 1. 从飞书把内容导出来 2. 重新处理正文图片 3. 在公众号后台重新上传素材 4. 再补作者、来源、封面这些信息这些步骤本身不复杂，但很碎，也不适合反复手工操作。所以我想做一个尽量克制的 CLI，不去做大而全的编辑器，只把“飞书 / Markdown 微信公众号草稿箱”这一步做好。 3. 实际效果我最近用 OpenClaw 装了这个 skill 做了一次真实测试：直接把飞书文章链接发给它，它就自动调用这个 CLI，把文章送进了微信公众号草稿箱。整个流程实际跑下来，不到一分钟。更有意思的是，文章原本的作者字段里写的是“一作”，结果 OpenClaw 在发送时把它改成了 🦞，最后公众号草稿里显示成了“原创：🦞”。这种小插曲很有意思。一方面说明这条自动化链路已经能跑通，另一方面也能看到，当文档、Agent、CLI 和发布渠道串起来以后，会出现一些非常鲜活的工作流细节。 4. 核心功能目前已经支持： 1. 从飞书 wiki/docx 抓取 Markdown 2. 自动下载飞书正文图片并上传到微信素材库 3. 直接发布到微信公众号草稿箱 4. 支持本地 Markdown 发布，不强依赖飞书 5. 缺封面时可选自动生成封面图 6. 提供 serve 模式，可以作为 HTTP 服务接入自己的自动化流程 5. 使用方式例如，直接发布飞书文档： bash feishuwechat publish \ feishu " \ articleauthor "Your Name" 如果想连封面一起处理： bash feishuwechat publish \ feishu " \ autocover 如果阮老师觉得这个工具对“飞书写作 + 公众号发布”这个场景有帮助，欢迎收录。

Original

DTContent creationDTSoftware developmentDTAgent extension

Weekly Submissions

—

SheetViz（在线表格可视化工具）

工具名称：SheetViz 简介：一个在线表格可视化工具，上传 CSV/Excel 后可直接生成图表，用于快速数据展示。功能：支持 CSV/Excel 导入支持折线图、柱状图等常见图表浏览器内使用，无需安装适用场景：轻量数据分析、周报配图、运营数据展示。

Original

Weekly Submissions

—

TesLyr - a web-based real-time synchronized lyrics on your Tesla's touchscreen

TesLyr brings realtime, linebyline synchronized lyrics to your Tesla's touchscreen — no phone app, no sideloading, no extra hardware required. Tesla doesn't reliably deliver universal synced lyrics across all music sources and regions. TesLyr fills that gap by running directly inside the Tesla browser. Open teslyr.com , sign in through Tesla's official thirdparty authentication flow, start your music, and the lyrics just show up — synchronized to the beat, scrolling automatically on the screen you're already looking at. How it works in 3 steps 1. Open teslyr.com in your Tesla's browser 2. Sign in via Tesla's official OAuth flow (your Tesla password is never shared with TesLyr) 3. Play any song — TesLyr detects the track and loads synced lyrics instantly Works with every major music source Spotify (native incar) Apple Music (native incar) Tidal (native incar) Bluetooth audio from any phone app USB music from a local drive Why Tesla owners love it Zero install — no companion app on your phone, nothing to sideload in the car Lyrics on the right screen — not on your phone, not on a mount — right on the Tesla display Privacyfirst design — readonly access to the minimum data needed; no location, no driving data, no vehicle controls Broad source compatibility — Bluetooth audio doesn't carry lyric data by default; TesLyr bypasses that entirely by querying the Tesla API directly MCU2+ compatible — supports Model 3, Model Y, Model S, Model X, and Cybertruck (2018 and newer)

DTLifestyle & entertainmentDTWeb

Weekly Submissions

—

CoffeeTrove - 全球咖啡馆发现平台（44万+咖啡馆数据）

CoffeeTrove () 是一个咖啡发现平台，收录了全球44万+咖啡馆的数据。功能特点：互动式全球咖啡馆地图 () Golden Drop评分系统（基于数据完整性的咖啡馆评分） 15种冲泡方法指南咖啡百科（164个条目）可嵌入的SVG徽章系统所有数据均开放，无需API密钥。 CoffeeTrove () — coffee discovery with 440K+ cafes worldwide, interactive map, scoring algorithm, and brewing guides.

Original

DTContent / resource

Weekly Submissions

—

DropThe Studio - 45个数据驱动的在线工具

DropThe Studio () 提供45个基于数据的在线计算器、查找器和对比工具。基于180万+实体和290万+数据连接构建。示例工具：电影评分对比器加密货币市值计算器公司关系图谱流媒体可用性查询所有工具免费使用，可嵌入到任何网站。 DropThe Studio () — 45 datapowered calculators, finders, and comparisons built on 1.8M+ entities.

Original

DTWeb appDTWeb

Weekly Submissions

—

Web Harmonium 是一个在线印度风琴（Harmonium）工具，打开浏览器就能直接弹奏，不需要下载安装。

Web Harmonium 是一个在线印度风琴（Harmonium）工具，打开浏览器就能直接弹奏，不需要下载安装。它支持键盘、触屏和 MIDI 设备输入，界面同时显示印度音乐常用的 Sargam 音名和西方音名，适合用来练习音阶、尝试旋律，或者体验印度古典音乐里的基本 Raga 概念。网站还提供了移调、混响、簧片数量等控制项，尽量还原 Harmonium 的演奏感觉。这个项目比较有意思的一点是：它不是一个单纯“能发声”的网页乐器，而是把乐器演奏、音乐学习和浏览器交互结合在一起，做成了一个低门槛、随开随用的小工具。对于没有实体乐器、但又想了解或练习印度风琴的人来说，会比较方便。

Original

DTResearch & learningDTLifestyle & entertainmentDTWeb app

Weekly Submissions

—

CodingNS：致力于提供一整套闭环的 AI 编程环境，让你能够随时通过任何客户端进行 AI 编程

人工智能 CodingNS 致力于提供一整套闭环的 AI 编程工作流程，让你能够随时随地通过任何客户端进行 AI 编程。无论你使用桌面电脑、移动设备还是 Web 浏览器，都能无缝续接你的 AI 编程会话。 🎯 项目愿景 CodingNS 致力于提供一整套闭环的 AI 编程工作流程，让你能够随时随地通过任何客户端进行 AI 编程。无论你使用桌面电脑、移动设备还是 Web 浏览器，都能无缝续接你的 AI 编程会话。 image20260328T235904.webp 亮点 ✨ 核心特性 🔄 多 Provider 会话同步无缝续接原生 CLI 会话：支持 Claude Code、Codex、OpenCode 等主流 AI 编程工具会话发现与历史读取：自动发现并同步本地 CLI 会话历史实时消息订阅：实时接收和展示 AI 编程会话的消息流消息归一化：统一不同 Provider 的消息格式，提供一致的使用体验 💬 对话式主界面会话即工作区：每个对话都是一个独立的工作区，统一管理上下文实时消息渲染：支持 Markdown、代码高亮、工具调用展示复合输入面板：集成文件上传、上下文管理、快捷命令等功能 Capability 驱动：根据 Provider 能力动态调整可用功能 📁 文件管理能力文件树浏览：可视化项目文件结构文件上下文挂载：将文件内容快速添加到会话上下文文件搜索：快速定位项目中的文件 🔀 Git 集成 Git 状态展示：实时查看文件变更状态提交流程集成：在会话中直接完成代码提交规则校验：支持自定义提交规则 💻 终端能力真实 PTY 终端：基于 nodepty 的完整终端体验多终端支持：同时管理多个终端会话终端持久化：终端输出缓存与历史回放断线重连：网络中断后自动恢复终端会话 🎨 极简界面设计软件工程师审美：专注于功能性与美感的平衡零干扰体验：去除冗余装饰，突出核心工作区域高信息密度：合理利用屏幕空间，展示更多有效信息快捷操作优先：键盘优先、手势辅助的高效交互主题定制：支持亮色/暗色主题，适应不同工作环境 ⚙️ 进程管理开发服务器管理：启动、监控、停止开发进程端口识别：自动识别进程端口占用日志追踪：实时查看进程输出日志 📱 多平台支持桌面端：基于 Tauri 的原生桌面应用（macOS、Windows、Linux）移动端：iOS 和 Android 原生应用（Tauri Mobile） Web 端：现代浏览器访问平台适配：针对不同平台优化的 UI 和交互 🔌 Provider 扩展框架统一扩展协议：标准化的 Provider 接入规范能力声明：Provider 自身能力的声明与发现兼容性测试：内置 Provider 兼容性测试样本 markdown 截图或演示视频

Original

DTData & operationsDTDesktop productivityDTAgent extension

HelloGitHub Submissions

—

FamilyClaw：一个真正以「家人」为中心的家庭 AI 操作系统

人工智能它是一个懂你全家的 AI 管家 —— 认识每个家庭成员，记住你们的偏好和习惯，在日常生活中默默守护你的家。传统的智能家居平台以「设备」为中心：灯、空调、传感器。FamilyClaw 把视角翻转过来 —— 家人才是主角，设备只是工具。它认识你、了解你，随着时间推移越来越懂你的家。这是什么？ FamilyClaw 不是又一个智能音箱 App，也不是一个冷冰冰的设备控制面板。它是一个懂你全家的 AI 管家 —— 认识每个家庭成员，记住你们的偏好和习惯，在日常生活中默默守护你的家。传统的智能家居平台以「设备」为中心：灯、空调、传感器。FamilyClaw 把视角翻转过来 —— 家人才是主角，设备只是工具。它认识你、了解你，随着时间推移越来越懂你的家。我们的愿景让每一个家庭都拥有一位有温度、有记忆、有个性的 AI 管家。不需要学习复杂的操作，不需要对着音箱喊固定的口令。只要自然地生活，AI 就能理解你的需求，照顾你的家人。我们相信，家庭 AI 不应该是科技发烧友的专属玩具，而应该是每一位家庭成员都能舒服使用的贴心助手 —— 无论是忙碌的父母、正在成长的孩子，还是需要关怀的老人。亮点项目功能家庭成员管理多成员识别：通过声纹（已实现）、人脸（开发中）、蓝牙（计划中）等方式自动识别「现在是谁在说话」成员画像：每个人都有独立的偏好、权限和互动记录角色与权限：为父母、孩子、老人、访客设置不同的使用权限亲属关系：AI 理解家庭成员之间的关系，对话更自然 AI 管家对话本地大模型深度适配 —— 让 Ollama 等本地模型发挥最大能力，完全离线也能用多角色 AI 助手：管家、营养师、健身教练、学习辅导...... 你的家庭成员各取所需人格化设计：每个 AI 角色有自己的性格、说话风格和服务边界实时对话：基于 WebSocket 的流式响应，和 AI 的对话流畅自然智能提案：AI 会在对话中主动建议行动（比如「要不要帮你设个提醒？」），你确认后自动执行主动关怀：通过计划任务和心跳机制，AI管家会提醒你的会议日程，提醒老人吃药，提醒孩子的网课家庭长期记忆这是 FamilyClaw 最核心的能力之一。六种记忆类型：事实、事件、偏好、关系、成长、观察 —— 完整刻画家庭生活越用越懂你：AI 会从日常对话中提取有价值的信息，形成家庭记忆隐私分层：公开、家庭可见、仅自己可见、敏感信息 —— 你的隐私你做主语义搜索：通过向量嵌入实现智能检索，问什么都能找到相关记忆智能家居控制 Home Assistant 接入：无缝对接 Home Assistant 生态，几千种设备即接即用小米生态：专门适配小米智能家居设备（通过HA进行桥接）对话式控制：不用打开设备面板，直接对 AI 说「把客厅灯调暗一点」设备感知：AI 实时了解所有设备状态，回答更精准智能场景：随着AI管家对你的家庭的了解加深，后续会更加主动的根据家庭的状态、人员的状态智能调节智能家居（开发中）场景自动化（开发中）智能回家：识别到家人回家，自动开灯、播报欢迎消息儿童睡前：到了睡觉时间自动调低音量、发送温馨提醒老人关怀：定时问候、用药提醒，让子女安心安全守护：静默时段保护、儿童内容过滤、隐私区域限制定时任务与提醒对话式创建：聊天中说一句「明天早上 8 点提醒我吃药」，AI 自动创建提醒灵活调度：支持单次、重复、自定义周期升级提醒：重要事项无人响应时自动升级通知方式多平台覆盖网页端（H5）：打开浏览器就能用 iOS / Android：原生移动体验鸿蒙（HarmonyOS）：支持华为生态（开发中）即时通讯接入：钉钉、飞书、企业微信（开发中）、Discord（开发中）、Telegram —— 在你常用的 App 里就能和家庭 AI 对话 markdown 截图或演示视频

Original

DTResearch & learningDTLifestyle & entertainmentDTWeb app

HelloGitHub Submissions

—

CattleBrandAI

Design authentic cattle brands with AI & export to SVG.

Mar 30, 2026 · What developers are building

No matching projects

Discuss this edition