DEV TRENDS / DAILY DISCOVERIES

Apr 14, 2026 · What developers are building

Daily discoveries from developer communities, independent makers, and open source.

草灰笔记

笔记应用，专注于笔记管理功能。同时还是一款epub阅读器，可以将读书笔记以markdown格式直接导出到笔记管理中 (基于Flutter开发, 跨平台)

Original

DTSoftware development

Chinese Indie Developers

—

egos

零配置 mini-NAS，个人设备文件传输和分享

Original

Chinese Indie Developers

—

热点智读

不止看热点，更是懂逻辑；2分钟，看趋势，见未来

Original

Chinese Indie Developers

—

Qwen Image

AI 图像生成

Original

DTContent creation

Chinese Indie Developers

—

APP名称随身FM 喜欢听广播电台的老哥们看过来，习惯在地铁上听听音乐、新闻、广播。但来来回回换了七八个 App，不是这个要开会员，就是那个广告满天飞，要不就是内容分散在各个平台，每次找内容都要跳转好几次。 "算了，自己写一个吧。" 核心特点随身 FM 做到了足够的干净简洁，不收集任何的用户隐私，就连收藏等功能，数据都是保存在了本地的 sqlite。技术选项：Flutter Google Play 商店：为什么推荐这个项目？广播电台内容全，APP干净简洁，无广告

Original

DTLifestyle & entertainment

Weekly Submissions

—

Floom —— AI 原生的原型设计协作平台

Floom — AI 驱动的原型协作平台一句话介绍 Floom 把 PRD 直接变成可交互的高保真原型，团队随时标注、评论、迭代。 Floom 是一个面向产研团队的原型协作平台。不同于传统原型工具（Figma/Axure）需要手动拖拽每个组件，Floom 让你把需求文档（PRD）丢给 AI，几分钟内生成可运行的 HTML 原型，团队成员可以直接在原型上打标注、写评论、管理版本。整个工作流闭环覆盖： PRD 撰写 → AI 生成原型 → 团队协作标注 → 版本迭代 → 一键分享 → 导出 Figma / 对接 MCP 核心特点 🤖 AI 原型生成 PRD 直接驱动 — 写完需求文档，AI 自动生成可交互 HTML 原型，或自行上传 HTML原型 ✏️ 所见即所标所有标注直接打在原型上，不是另开一个"评审文档"。支持精准定位到任意元素、多人多角色评论、分类归档。 🔖 版本管理每次保存自动生成版本快照，支持对比、回滚、在不同版本间迁移已有标注，迭代不丢上下文。 🔗 分享即所得一个链接丢到飞书/微信，对方无需登录即可浏览。可设公开/私密，可限定访问版本。 🧩 团队工作空间多团队工作空间管理，原型和 PRD 按团队隔离。 🎨 Figma 一键导出通过官方 Figma MCP 把 HTML 原型反向输出成 Figma 设计稿，交付设计师继续打磨。 🔌 MCP 协议内置 MCP Server，支持 Claude/Cursor 等 AI Agent 直接读写你的原型和 PRD，AI 工作流无缝接入。

Original

DTAgent extensionDTAgent orchestrationDTWeb app

Weekly Submissions

—

japanese-daily-life —— 生活情境日语图解大百科 · 音频学习网站

📖 生活情境日语图解大百科 · 音频学习网站 🔗 🔗 仅供个人学习与研究使用，请支持正版图书。 ✨ 这是《生活情境日语图解大百科》的配套音频学习网站，将实体书转化为可随时在线使用的日语学习平台。全书 210 课音频全部在线可播，覆盖 15 个日常生活场景分类。 🚀 核心功能 🎵 210 课音频在线播放 — 无需下载，即点即听 📖 三栏对照 — 日语原文 / 罗马音 / 中文译文同屏展示 📝 词汇注释 — 重点词汇一目了然 🌸 文化背景 — 了解日本文化语境 💬 实用对话 — 真实场景对话练习 🗂️ 分类筛选 — 按生活场景快速浏览 📱 响应式设计 — 手机端友好 📊 内容覆盖 | 分类 | 课数 | 分类 | 课数 | ||||| | 家居生活 | 56 | 娱乐休闲 | 21 | | 节日庆典 | 39 | 户外运动 | 15 | | 购物消费 | 23 | 观光旅游 | 12 | | 交通出行 | 12 | 医疗健康 | 7 | | 日常生活 | 6 | 学校生活 | 6 | | 旅行住宿 | 4 | 传统艺能 | 3 | | 职场工作 | 3 | 外貌身体 | 2 | | 其他 | 1 | 合计 | 210 | 适合人群正在系统学习日语的初中级学习者有《生活情境日语图解大百科》实体书，想配合音频学习的读者希望随时随地碎片化练习日语听力的人仅供个人学习与研究使用，请支持正版图书。

Original

DTResearch & learningDTTravel & mobilityDTWeb app

Weekly Submissions

—

一次实验：AI 原生的软件开发生命周期，能否像人类一样"打磨"软件

一次实验：AI 原生的软件开发生命周期，能否像人类一样"打磨"软件再一次测试左移实验初衷最初的目标并不是要构建一个身份认证平台。我想探究一个更根本的问题：用 AI 原生的开发流程，真的能够打磨出合格的应用吗？不是玩具，也不是周末项目。而是一个真正的系统——足够复杂来检验这套方法论，安全要求足够高，"差不多能用"的标准在这里行不通。我选择了 IAM（身份认证与访问管理）作为实验对象。这不是简单的增删改查：多租户数据隔离、OIDC/OAuth2 流程、Token Exchange、层级化 RBAC 权限、Webhook 签名验证、审计日志——这些环环相扣的复杂性意味着，一个错误决策会引发十几个隐蔽的 bug。在这里，安全不是锦上添花，而是系统存在的根本意义。最终成果是 Auth9，一个自托管的 Auth0 的替代方案，基于 Rust、React Router 7、TiDB 和 Keycloak 构建。你可以在 auth9.c9r.io 亲自体验一下。这个项目中几乎所有的代码都由 AI 生成，几乎所有步骤都由 skills 驱动——从后端 Rust 服务到前端 React 组件，从测试用例到部署脚本。但 Auth9 只是产出物，实验的真正主角是这套开发流水线本身。管理后台——多租户概览、最近活动、RBAC 入口真正的挑战：可验证性 AI 编码工具确实让写代码更快了。GitHub Copilot、Cursor、Claude Code——它们都兑现了这个承诺。但写代码从来不是真正的难点。难点在于如何知道代码是否正确——而且要足够快、足够自动化，不能让验证本身成为瓶颈。 AI写了一堆代码，看起来很好，但也可能一测试就报错，或者是缺依赖，或者是lint不过关。当AI犯错误时给它一个prompt也挺烦人的，但是没关系，让AI自己写完代码自己去测试就好了。 AI 原生的开发流程不是要消除验证工作，而是要让验证足够系统化、足够自动化，跟上 AI 生成代码的速度。如果 AI 写代码快了 10 倍，但验证还是手动操作，那你只是制造了一个 10 倍大的 QA 积压。测试左移先说清楚：测试没有消失，反而变得更加重要了。变化的是形式。传统的自动化测试——单元测试、集成测试、端到端测试——在代码库中依然存在。cargo test 跑得很快，而且不依赖外部服务。Playwright 驱动端到端流程。Vitest 覆盖前端。这些技术手段依然有效，依然必要。当然，它们都是 AI 自动生成的。我们在代码级测试之前增加了一层：QA 测试文档。这些是结构化的规格说明，描述要测什么、怎么测、如何在数据层验证正确性。AI 生成这些文档，人类审查和批准。然后 AI 执行测试——包括浏览器自动化、API 调用、数据库查询和 gRPC 验证。实际上它更接近于传统的手动测试，但却是自动化的。当然，它暂时还不能完全代替手动测试。这就是测试左移到文档的实践。测试计划不再是功能上线后才补的事后工作。它是在功能规划后产生的第一个产物，驱动后续所有工作：写什么代码、验证什么、出问题时捕获什么。人类的角色：审查每份生成的测试文档，检查完整性、边界情况，以及 AI 可能遗漏的安全考量；观察 agent 的自动测试，检查它的测试行为是否符合预期，或者说是否存在作弊。AI 的角色：生成文档、执行测试、报告失败、修复力所能及的问题。而 QA 测试文档，则反映了用户故事本身。关于 Spec 驱动开发的一个暴论：QA 测试文档就是 spec。现在很多人热衷于用 design doc 作为 spec 来驱动 AI 开发。但 design doc 描述的是你想要什么——它无法告诉你是否得到了。QA 测试文档两者兼具：它定义了预期行为，同时可以对运行中的系统进行自动验证。Design doc 会悄无声息地腐化；QA 文档在现实偏离 spec 的那一刻就会大声报错。如果你的 spec 不可执行，那它只是一个愿望。闭环流水线整个流水线将 16 个 Agent Skills 串联起来，每个阶段的输出都是下一个阶段的输入：人类 + AI ──► 规划功能 │ ▼ ┌─ 生成 QA / 安全 / UIUX 测试文档 │ (qadocgen) ▼ ┌─ 自动执行测试 │ 浏览器自动化、API 测试、 │ 数据库验证、gRPC 回归测试、 │ 性能基准测试 ▼ ┌─ 失败？创建结构化工单 │ (docs/ticket/) ▼ ┌─ AI 读取工单 → 验证问题 → │ 修复代码 → 重置环境 → │ 重新运行测试 → 关闭工单 │ (ticketfix) ▼ ┌─ 定期审计文档质量 │ (qadocgovernance) ▼ ┌─ 重构后对齐测试 │ (aligntests, testcoverage) ▼ ┌─ 部署到 Kubernetes │ (deployghk8s) └───────────────────────── 每个 skill 都是一个独立的 Agent Skill 定义——一个 Markdown 文件，包含指令、工作流步骤和工具脚本： | 阶段 | Skills | 职责 | |||| | 规划 | projectbootstrap | 从零开始搭建新项目脚手架 | | 编码 | rustconventions, keycloaktheme | 编码规范、主题开发 | | 测试文档 | qadocgen, qadocgovernance | 生成和管理测试文档 | | 执行测试 | qatesting, e2etesting, performancetesting, auth9grpcregression | QA、端到端、压力测试、gRPC 测试 | | 修复 | ticketfix, aligntests | 自动修复工单、重构后对齐测试 | | 覆盖率 | testcoverage | 确保所有层 =90% 覆盖率 | | 部署 | deployghk8s | GitHub Actions 门禁 → K8s 部署 → 健康检查 | | 运维 | ops, resetlocalenv | 日志、故障排查、环境重置 | 关键洞察：Agent Skills 可以组合使用。功能规划完成后，qadocgen 生成测试文档；qatesting 执行测试；失败变成 docs/ticket/ 里的工单；ticketfix 读取工单、修复代码、重置环境、重新运行测试、关闭工单；qadocgovernance 定期审计所有内容，防止文档腐化。文档就是可执行的规格说明这套方法能够跑通，核心原因是测试文档的结构化——既给人看，也能被 AI 解析。以下是租户 CRUD 测试套件中的一个真实场景：场景 1：租户管理入口可见性与创建租户初始状态用户已登录管理后台数据库中无同名或同 slug 的租户测试操作流程 1. 在管理后台左侧导航确认存在「租户管理」菜单入口 2. 点击「租户管理」菜单进入租户列表 3. 点击「创建租户」按钮 4. 填写表单：租户名称：测试公司 Slug：testcompany Logo URL： 5. 点击「创建」按钮预期结果显示创建成功提示侧边栏入口可见且可点击进入租户出现在列表中，状态为「Active」预期数据状态 sql SELECT id, name, slug, logourl, status FROM tenants WHERE slug = 'testcompany'; 预期: 存在一条记录，status = 'active' SELECT action, resourcetype FROM auditlogs WHERE resourcetype = 'tenant' ORDER BY createdat DESC LIMIT 1; 预期: action = 'tenant.create' SQL 验证是关键。AI 不只是检查 UI 是否显示"成功"——它会直接查询数据库，确认数据确实正确落库。这样能抓到一整类 bug：前端显示成功，但后端静默失败。我们有 156 份这样的文档：96 份 QA、48 份安全、12 份 UI/UX——每一份都是可执行的规格说明，由 AI 生成、人类审查。我们选择文件系统作为信息交换的媒介（例如 docs/qa、docs/ticket 目录），原因也很简单——因为 Agent 很擅长于 bash 操作，对于文件系统的读写既自然又精准高效。这种基于文件的工作流让整个验证过程变得透明且可追溯。自愈循环：AI 如何"打磨"软件 ticketfix skill 是流水线中最有意思的部分，也是 AI "打磨"软件的核心机制。测试失败后，系统创建结构化工单，然后： 1. 读取工单并验证 — 解析场景、步骤、预期/实际结果、环境信息、SQL 检查。 2. 复现 — 对当前实现运行失败的测试。 3. 修复（如需要） — 实现最小范围的代码修复。 4. 重置环境 — 必须的。运行 ./scripts/resetdocker.sh 确保干净状态。 5. 重新运行 QA 步骤 — 按照工单的精确步骤和 SQL 验证执行，采集证据。 6. 误报分析 — 这是让整套系统真正跑起来的关键细节。 7. 关闭工单 — 删除工单文件，总结结果。误报分析不是每个失败的测试都是真正的 bug。ticketfix skill 显式处理误报——由测试流程缺陷而非代码缺陷导致的失败：测试命令缺少必要的认证头（如 HMAC 签名）前置条件不完整或有歧义（"webhook 必须存在"但没给创建步骤）环境假设与 Docker 默认配置不匹配测试数据引用不存在的实体，没有兜底处理确认误报后，skill 不只是关闭工单——它会更新 QA 文档，防止同样的误报再次出现。把隐式要求改为显式、确保示例命令开箱即用、添加常见失败模式的排障表。这意味着每次测试失败都会让测试套件变得更好，不管失败是真正的 bug 还是测试本身的问题。这正是"打磨"的本质——通过反复的验证和修正，让软件和测试文档都变得更加完善。文档治理测试文档会腐化。路由变了，API 演进了，权限体系重构了——突然间一半的测试套件在测试不存在的行为。由于所有 QA 测试文档会由 agent 反复执行，如果文档过时，我们会注意到大量的伪阳性工单报告。让文档保持更新的最好策略就是不断使用它。 qadocgovernance skill 进行定期审计，按严重等级分类： P0：导航不通或测试流程不可用（缺少 checklist、误导性的认证步骤、索引偏移） P1：治理偏移（单文件超过 5 个场景、UI 相关文档缺少入口可见性说明） P2：风格一致性（命名对齐、措辞规范化）工作流：全量 lint → 分级分类 → 按优先级修复 → 同步索引和 manifest → 验证并生成报告。可以在任意新功能或重构后运行，也可以定期执行（如每周一次），大版本发布前运行一次，事故后运行一次。一条硬性规则：每份文档必须包含回归测试 checklist。没有例外。即使文档其他部分漂移了，checklist 仍提供最低可用的验证路径。跨文档影响分析一个功能变更不只影响一份测试文档。qadocgen skill 包含强制性的跨文档影响分析，扫描全部 156 份文档，查找：路由变更（/dashboard、/tenant/select、/auth/callback） Token 模型变更（idtoken、tenant token、token exchange）权限/认证变更（401、403、scope、audience、role） UI 导航文案和预期重定向路径对每份受影响的文档，分类处理： 1. 需要修补 — 更新步骤、预期结果或安全断言 2. 需要备注 — 添加前置条件说明或分支路径说明，避免测试者困惑 3. 无需变更 — 显式记录为什么不受影响核心规则：永远不要只创建新文档而忽略已过时的旧文档。人类到底在做什么这是人机协作，不是替代。以下是我日常实际做的事情：规划：决定做什么、定义验收标准、选择架构权衡。AI 搭脚手架，我掌方向。审查：我审查生成的测试文档，以及新功能/重构的第一版代码。QA 执行和工单修复循环？交给 AI 自主完成。审查精力集中在最关键的地方——定义正确性的规格，和确定方向的初始实现。纠偏：流水线产生误报时，我审查根因分析。Governance 标记 P0 时，我决定修复方案。架构：领域建模、数据流设计、安全边界——这些需要对系统的判断力，不只是对代码。在这个项目中，我花费了同样的私人时间，却可以得到超过10倍的成果。这不是说我们可以完全放手让 AI 做所有的事情。经过了 20 轮迭代，我们依然可以看到 AI 的测试会产生工单——但比起最初的版本，这些工单越来越少，应用的细节也越来越丰富。这种体验，和人类工程师做的事情很相似：我们通过反复的 QA 不断消除 bug，对软件进行打磨。区别在于，这个打磨循环现在跑得更快了，而且每一轮都有据可查。人类的核心价值在于定义"我们想做什么，不想做什么"，并提供足够好的品味和判断。而 AI 则负责高效地实现这个定义，并通过自动化测试不断验证和修正。这里有一个重要的观察：实际上人类专家的角色变得更加关键了——我们需要构建一个能让 Agent 进行验证的环境，这就要求人类专家不仅要懂开发，还得熟悉基础设施。同时，对 DevOps 和安全问题的关注，能帮助人类专家更全面地审查文档，并持续优化整个流程。说白了，我们需要的是真正的全栈工程师。作为开发者，我一向推崇极限开发。作为techlead，我信任我的组员们，但我会尽可能的用包括测试驱动在内的敏捷开发方法论来做风险管理。所以，对于 AI，我的看法相当开放，我认为几乎所有用于软件开发的风险管理手段，尤其是极限编程实践，都可以用于对 Agent 进行管理。诚实的局限性这套方法不是魔法。以下是目前做得不够好的地方：全新的架构决策 — AI 擅长实现它见过的模式。对于真正新颖的设计选择，人类架构师仍然主导。安全审查 — AI 生成安全测试文档并执行，但威胁模型本身需要人类安全专家。自动化测试能捕捉已知模式，但发现不了新型攻击向量。流程需要项目适配 — 这套流程本身需要对具体项目进行优化。比如有些项目可能不需要 UI 测试，有些项目可能更侧重 API 或数据层验证，需要根据项目特点调整技能组合和测试重点。数字说话 16 个 Agent Skills，覆盖完整开发生命周期 156 份测试文档（96 QA + 48 安全 + 12 UI/UX） 9 个工具脚本，用于 token 生成、API 测试、gRPC 冒烟测试 ~2,300 行 skill 定义 1 个人类为什么选择 IAM？为什么用身份认证平台来测试开发方法论？因为简单问题检验不了方法论。一个 TODO 应用或博客引擎什么都证明不了——领域太简单，任何方法看起来都不错。IAM 逼你面对：不能糊弄的安全 — Token 验证、权限执行、注入防护。48 份安全测试文档的存在是因为"我本地跑通了"在认证领域不可接受。多系统协调 — Keycloak、TiDB、Redis、Rust 后端、React 前端。Token Exchange 流程里的一个 bug 会触达每一层。状态复杂度 — 多租户数据隔离、层级化 RBAC、会话管理。状态空间大到手动测试无法覆盖。如果 AI 原生的开发流程能打磨出一个合格的 IAM 平台，那它对大多数应用都适用。自己试试看想试试看？clone 这个项目，然后在项目下执行 scripts/runqatests.sh，agent 会自动启动环境，然后开始执行 SDLC。当然你可以先 review 一下这个脚本，这是个好习惯。或者，启动 opencode（或者 claudecode），然后告诉你的 agent：执行所有 QA/安全/UIUX 测试——然后你就可以看看 agent 会开始做什么事了。对了，gemini 的效果其实也不错。整条流水线开源：github.com/gpgkd906/auth9 审计日志——每一次登录和 token 交换都有记录这套方法论不是身份认证平台专用的。它是一种思考 AI 主导开发的方式：不要只用 AI 更快地写代码——用它闭合"规划、测试、修复、部署"的循环。 Auth9 是自托管的身份认证和访问管理平台（Auth0 替代方案），基于 Rust、React Router 7、TiDB 和 Keycloak 构建。AI 原生开发流水线使用 Agent Skills 架构配合 16 个自定义技能。

Original

DTContent creationDTSecurity & testingDTAgent extension

Weekly Submissions

—

DeepRead - 用AI阅读wordpress博客

工具介绍 DeepRead 是一款下载wordpress博客文章并进行RAG技术进行AI问答的工具。欢迎免费试用。快速入门智慧谷软件下载智慧谷适合的场景当你在网上看到某个wordpress博主的站点后，发现里面全是高质量的文章，但是量太大了，而且有可能是用繁体中文或者英语写的，如果你对特定语种里的词汇用法并不熟悉的话，检索将非常困难。核心价值自动下载wordpress的文章到本地自动创建索引并做好embedding和rerank AI问答，支持用简体、繁体、英文询问原始语言是前面任何一语言的问题。支持Windows、macOS、Linux。

Original

DTResearch & learningDTContent / resourceDTmacOS

Weekly Submissions

—

🚀 工具推荐：ImageToSketch AI（图片转手绘素描）

最近发现一个还不错的 AI 工具，可以把图片快速转换成素描风格，感觉对设计和开发都有点用，分享一下： 👉 🔧 功能简介这个工具可以把普通图片转换成多种素描风格，比如：铅笔素描线稿（line art）动漫风格艺术风绘图 ⚡ 特点操作简单（上传图片即可）生成速度很快（几秒）支持多种风格切换输出质量还不错 💡 适用场景 UI/设计草图制作游戏素材初稿 AI项目图像预处理内容创作配图如果你们有类似工具也可以推荐下 👍

Original

DTContent creationDTLifestyle & entertainment

Weekly Submissions

—

OpResume: 高颜值、免费、数据安全的在线简历制作工具

<div align="center" OpResume 免登录、高颜值的在线简历生成器 — 数据仅本地存储，无泄漏风险，随时导出 💼 👉 即刻开始 </div ✨ 核心特性 🎨 专业的排版引擎多维度外观控制：页边距、模块间距、行间距自由滑动调节，告别 Word 排版地狱。多套经典模板：内置 4+ 套经过严格筛选的行业经典模板（涵盖大厂 ATS 风格、外企单栏风等），一键无缝切换。主题配色定制：8+ 款精心调配的预设主题色，适应不同行业的视觉调性。自动智能分页：内容超出 A4 纸范围时自动视觉分页，并带有现代化的悬浮页码指示器。 🚀 极致的用户体验所见即所得：侧边栏抽屉式表单编辑，主画布实时渲染预览。隐私保护模式：一键开启“打码模式”，自动隐藏姓名、手机、邮箱等敏感信息，方便简历在社区分享与 Review。丝滑拖拽排序：基于 @dndkit，工作经历、项目描述等模块内的条目均可自由拖拽调整顺序。富文本与智能推算：基于 Tiptap 的富文本编辑器支持加粗、列表与链接；系统还会根据生日和入职时间自动推算年龄与工作年限。 🔒 数据安全与导出免登录零上传：所有数据仅存储在浏览器 localStorage 中，无后端、无数据库，隐私完全由你掌控。 JSON 导入/导出：一键导出完整简历配置为 JSON 文件，方便备份、迁移或跨设备使用；支持导入已有配置快速恢复。原生 PDF 导出：基于浏览器原生 window.print() 实现高保真导出，文字可选中复制，ATS 友好。 🏗️ 技术栈 | | 选型 | ||| | 基础框架 | React 18 + Vite 5 + TS 5 | | UI 与样式 | Tailwind CSS 3 + shadcn/ui | | 状态管理 | Zustand 5 | | 富文本编辑 | Tiptap 3 | | 拖拽交互 | @dndkit | | 国际化 | reacti18next | 💼 v1.0.0 版本中加入了AI功能，支持用户导入PDF简历AI识别后续还会加入更多的AI功能，欢迎使用！在线使用

Original

DTData & operationsDTLibrary / SDK

Weekly Submissions

—

TokenTracker — macOS menu-bar dashboard for AI token usage & cost across 8 CLIs

If you use multiple AI coding CLIs — Claude Code, Codex, Cursor, Gemini CLI, etc. — you probably have no idea how much you actually spent this month, which model burns the most tokens, or how close you are to hitting your weekly quota. Every tool has its own dashboard (or none at all). TokenTracker is a macOS menubar app + web dashboard that autoaggregates token usage across 8 AI CLIs from local logs. No API keys, no prompts uploaded, one command to start. What it does 8 AI CLIs supported — Claude Code, Codex, Cursor, Gemini CLI, OpenCode, OpenClaw, Every Code, Kiro. Autodetects which ones you have installed and wires up hooks. Live menubar token count — single click for a popover, double click to open the full dashboard (WKWebView with native glass chrome). Quota tracking — session/weekly limits for Claude Pro/Max, Codex Plus/Pro, Cursor, Gemini, with reset countdowns. Cost analytics — pricing table for 70+ models, day/week/month/custom ranges, permodel breakdowns. GitHubstyle activity heatmap + optin global leaderboard. Annual report + shareable cards — oneclick neonstyle recap image. Privacyfirst — only token counts, never prompt content. Data lives locally first; cloud sync is optin. How it compares | | TokenTracker | ccusage | Agenton | ||||| | AI CLI coverage | 8 | 1 (Claude) | 2 | | Menubar resident | ✅ | ❌ | ❌ (standalone window) | | Platform | macOS | Any | Windows | | Leaderboard / social | ✅ | ❌ | ❌ | | Open source | ✅ MIT | ✅ | ❌ | Install bash Option 1: npm (crossplatform CLI) npx tokentrackercli Option 2: macOS menubar app brew install cask mm7894215/tokentracker/tokentracker First run walks through a short wizard: detect CLIs → install hooks → open Links GitHub: npm: Live MIT licensed. Stars / issues / PRs all welcome — feedback in this thread too 🙏

DTDesktop productivityDTLifestyle & entertainmentDTAgent extension

Weekly Submissions

—

免费在线PDF工具，纯前端实现，保护用户隐私

阮老师好 :) 简介：一款完全免费的在线 PDF 工具箱，无需登录、无使用限制，批量处理文件，用完即走。核心特点： 🔒 纯前端实现：所有文件都在浏览器本地处理，数据不会离开用户设备，隐私绝对安全 📱 全平台支持：电脑和手机浏览器都能使用，响应式设计 ⚡ 高效便捷：支持批量处理，处理完成后可选择其他工具继续操作 🎯 多种实用功能：基础编辑：拆分、合并、删除页面格式转换：PDF ↔ 图片、图片↔ PDF 文件优化：PDF 压缩高级功能：添加水印、页码、整理页面等

Original

Weekly Submissions

—

免费在线webdown复刻(克隆) 网站克隆整站下载

WebDown：把网页装进你的电脑里有没有遇到这种情况：看到一篇好文章、一个实用教程、一个完整资料页，担心它哪天失效，却又不知道怎么完整保存？ WebDown 就是为这个场景而生。它不是简单截图，也不是只存一页文本，而是把网页内容和相关资源一起打包，让你在离线状态下也能随时查看。它能做什么：网页下载：一键抓取当前页面内容离线归档：断网也能打开保存结果整站抓取：按需延展抓取更多关联页面页面保存：保留结构，不止是图片资源打包：把页面资源统一整理 ZIP 导出：方便备份、分享、迁移 Chrome 扩展：装上即可用，操作直接对内容创作者来说，它是资料库助手。对研究学习者来说，它是稳定的知识备份。对日常用户来说，它是“看到就能留住”的网页工具。 WebDown，不追求花哨，只做一件事：让有价值的网页，不再因为时间和网络而丢失。大家可以试试安装扩展尝试欢迎提issue

Original

DTContent creationDTResearch & learningDTWeb app

Weekly Submissions

—

SpeechCue 跟随语义的智能提词器

SpeechCue.pro 上台演讲或者录制口播视频的时候，一激动就容易忘词。用电子稿还得手动翻页，完全没法和观众眼神交流。提词器可以帮助解决这类问题，但大多数提词器，要么匀速滚动，人必须去配合机器，稍微发挥两句，字就跑没影了。要么是检测语音速度，其实还是个伪跟随，想随意发挥还是不行。也有能监测语义的，但多数要联网，价格也不菲。 SpeechCue（中文名：随声提词）核心亮点，直击痛点：根据所读语义自动跟随，你停它就停：屏幕高亮你正在读的部分。读快读慢它都能跟上，你中途发挥几句停顿一下，它也会乖乖等你。 100% 本地离线识别：告别断网、弱网焦虑，所有音频处理都在你手机本地完成，保护隐私。没做任何花里胡哨的社区或广告，功能追求极简和克制。免费版本也可以无限量智能提词。

Original

Weekly Submissions

—

MiniMaxBar — macOS 菜单栏上的 MiniMax API 使用量监控

内容： GitHub: MiniMaxBar 是一款简洁的 macOS 菜单栏应用，帮助用户实时监控 MiniMax API 的使用情况。核心功能: 菜单栏实时显示日/周使用量百分比动态图标颜色指示使用状态（绿/黄/红）左键点击打开详情弹窗，右键菜单快速操作 Token 配置与管理 Sparkle 自动更新解决的问题: 使用 MiniMax API 的开发者常需登录网页后台查看用量，既麻烦又容易遗忘。MiniMaxBar 将使用量直接显示在菜单栏，一目了然，再也不用担心用量超限。技术栈: Swift + SwiftUI + AppKit + Sparkle 系统要求: macOS 14.0+

Original

DTDesktop productivityDTSoftware developmentDTWeb app

Weekly Submissions

—

Rezi Resume MCP

Manage your resume with your favorite agent

DTAgent extensionDTMCP serviceDTCodex

Apr 14, 2026 · What developers are building

No matching projects

Discuss this edition