—
DEV TRENDS / DAILY DISCOVERIES
May 3, 2026 · What developers are building
Daily discoveries from developer communities, independent makers, and open source.
—
—
一个可以播放微博视频的播放器
微听 偶然发现微博视频有一些有声书资源还挺不错的，但是睡觉的时候听微博视频，微博官方客户端有一个致命的缺点就是不能设置睡眠时间。常常半夜被吵醒，或者手机一直响到没电。 于是，就做了一个可以解析微博视频的播放器，可以设置睡眠时间，还可以断点续播。使用方法很简单，复制微博视频链接，粘贴就能播放了。 同时，也选了一些有声书推荐给大家。
Original
—
一个模拟真实日历的chrome插件
SeeDays 一个模拟真实日历的日历工具，和其他日历应用不同的是，这个日历不会自动翻页更新，需要你每天打开亲手撕掉昨天（已经逝去的日子）。想让你在撕掉日历的时刻感受时间的流逝，而不用去买一个真实的日历（环保）。 作为一个日历它还显示了年度和月度倒计时，如果你想设置一个人生倒计时的话，这个日历也提供了一个人生倒计时功能。 另外，这个日历还可以让你快速记录自己今天要做的事，形成一个待办事项。 最后，值得一提的是这个插件的界面非常简洁。（本来还想做一个撕掉日历，揉成一个纸团扔向屏幕的动画效果，但是AI目前实现的效果不好就去掉了，如果有大佬有兴趣可以一起完善）
Original—
AKM：智能体在执行任务前先把用户画像挖出来（含 SSRN 论文与可复现实测）
AKM (Active Knowledge Modeling) 是一套面向 AI 智能体的上游方法：在智能体执行任务之前，先主动挖掘用户的目标、约束、偏好、风险边界、决策风格，整理成结构化用户画像，再沉淀到智能体的上下文承载面（USER.md / SOUL.md / Custom Instructions / Memory）供任意下游智能体反复加载。 中文 README： 为什么做 AKM 现在大多数智能体平台（GPTs、Gems、Claude Project、OpenClaw）都已经提供了上下文承载面——instructions、memory、profile、AGENTS.md。但用户面对一个空白的 instruction 框时，其实并不知道应该写什么。 最后常见的结果是：写一堆性格描述、塞几条偏好、复制一段提示词模板，用了一阵发现智能体还是给"提升核心竞争力""注意基础款""每周练五天加有氧"这种正确但无用的建议。 问题不是"模型不强"，也不是"提示词不够长"，而是根本没人系统地把用户挖清楚过。 AKM 想补的是这一步：承载面有了，方法论缺位。 AKM 的两步架构 第一步：画像挖掘 一段标准化的挖掘对话，把用户的目标、硬约束、偏好、资产、风险边界、决策风格系统问清楚，产出结构化用户画像（不是建议）。 第二步：画像复用 画像写进 USER.md / SOUL.md / Custom Instructions / 自建智能体的 system prompt。之后任意下游智能体在执行具体任务前都会先加载这份画像。挖一次，多个智能体反复使用，跨会话有效。 这是 AKM 和"会先反问几句的 GPT"的根本差别：后者每次新会话重问，画像不沉淀；前者画像作为基础设施被反复调用。 三个落地分支 DaE（DialogueasElicitation）：个人顾问场景，AKM 的第一个完整实现。论文已在 SSRN 发表：《Reducing Alignment Debt in AI Advisory: The DialogueasElicitation Approach》 Fitness：训练与恢复决策，处理伤病、可用时间、器械等真实约束 Fashion：衣橱、场景与采购决策，处理身材、资产、预算等真实约束 每个分支都附 skill 包，可直接装到 Claude / OpenClaw。 可复现实测工具包 仓库内附 AKMBenchmarkToolkit，开源所有代码、提示词、合成画像、评分规则，本地可复现： 在 10 个合成用户画像上对比四组条件（无画像 / 自然语言碎片 / AKM 结构化画像 / AKM 挖掘后画像），AKM 组在约束命中、风险控制、取舍意识等维度稳定高于其他组。这不是临床实验，只说明在结构化输入条件下，智能体对硬约束和风险的处理显著改善。 当前状态 母方法、母论文、三个分支落地、可复现 benchmark 工具包、双语 README 全部就绪 后续会扩到 30 个合成画像规模并加入第二个 judge 模型 欢迎 builder 拿去做对比实验，或基于自己的场景建分支 License: Apache 2.0
Original—
桌面端图片水印工具，支持平铺/居中/角落三种布局，拖拽调位，无损导出。
TraceMark（溯痕）—— 一个简单的桌面端图片水印工具，支持平铺/居中/角落三种布局，拖拽调位，无损导出。 AI生成的图片尤其是聊天记录截图等越来越逼真，所以用AI搞了一个加水印工具，在发布AI图片之前可以自己添加水印。 大一学生刚刚入门计科，用opencode加deepseek v4模型全程体验了一次Vibe Coding，全程 AI 辅助完成。
Original—
ast-outline v0.4.0 发布：真正的公共 API 提取 + 语义搜索
0.1.0自荐： 一句话： 给 LLM Coding Agent 准备的“代码骨架”提取器 —— 只看类/函数/签名，不看函数体，还能自动解析 pub use、all、export from 等重导出图，给你真实可调用的公共 API。加上内置的语义搜索（BM25 + 代码 embedding），AI 理解代码库时 Token 成本再降一个数量级。 🚀 新版本亮点 1. astoutline surface —— 真·公共 API 面 问题：digest 会列出文件里每一个 pub fn，哪怕它根本不是 crate 根能访问到的内部实现。 解决：surface 从包入口（Cargo.toml 的 [lib]、init.py、package.json 的 exports、顶层 .scala 文件）出发，沿着 pub use / export / all 重导出图行走，最终输出下游用户真正能调用的符号。 bash 输出 flat 列表（默认） astoutline surface . 按模块树状分组 astoutline surface . tree JSON 输出（可被 MCP 工具直接消费） astoutline surface . json 显示每个符号的完整重导出链（从哪个文件的哪一行来的） astoutline surface . includechain 为什么 surface ≠ digest？ | digest | surface | ||| | 列出每个文件里的所有非私有声明 | 从包入口开始，只列出通过重导出链可达的符号 | | 适合“这个代码库里有什么” | 适合“这个包的用户能看到什么 API” | | 对 Rust pub use net:: 会展开所有内部函数 | 看到的是 net::Client（如果入口重导出了它） | | 忽略 Python 的 all | 严格遵循 all，并拦截 from X import Y 泄露 | | 把 TypeScript 的 export from 平铺成实体 | 按模块边界聚合，不把内部实现暴露出去 | 各语言支持的“真公开 API”规则 Rust：pub use foo::Bar，pub use foo::，跨 crate 重导出链，super::/self::/crate:: 前缀解析，方法提升到类型下（mycrate::Client::connect），循环断链。 Python：尊重 all（同时拦截 from mod import 的泄露），下划线约定作为 fallback，子包递归 from .sub import 。 TypeScript / JavaScript：export class/function/const/type/interface/enum，export { X, Y as Z } from './foo'，export as ns，export default。模块解析 .ts → .tsx → .d.ts → .js，且优先取 .js 对应的 .ts 。 package.json exports：完整条件解析（types typescript import module default node require browser），支持子路径映射和数组回退。 Scala 3：export foo.Bar，export foo.{A, B as C}，export foo.，相对路径解析，方法提升到 object/class/trait，过滤 private/private[...]。 Java / C / Go / Kotlin：虽然没有重导出概念，但 surface 会给出包限定名，作用和 digest noprivate 一致。 2. 语义搜索 + 代码关联发现 三个新子命令，把 astoutline 从“结构阅读器”升级为“代码探索工具包”。 astoutline search "<query" 混合 BM25 + 密集向量语义搜索（基于 minishlab/potioncode16M 模型，CPU 微秒级推理）： bash 符号查询（高 BM25 权重） astoutline search "HandlerStack" 自然语言描述（两者平衡） astoutline search "how does login work" JSON 输出，供 MCP 工具使用 astoutline search "authentication" json 排名融合策略：RRF（k=60）→ 文件内聚增强 → 定义位置 3 倍提权 → 语义匹配增强 → 测试文件 / .d.ts / init.py 降权。 astoutline findrelated <FILE:<LINE 以给定代码位置为锚点，找出语义相似的其它位置（自动排除自身）： bash astoutline findrelated src/auth/oauth.rs:142 输出：“还有以下 6 个地方看起来做着类似的事情……” astoutline index 显式构建/刷新索引。索引懒加载，但你可以手工控制： bash astoutline index rebuild 强制重建 astoutline index stats 查看 chunk 数量、模型名、构建耗时 索引存储：.astoutline/index/（自动加入 .gitignore），包含 meta.json、bincode 序列化的 chunks/BM25/files，以及裸 embeddings.f32 矩阵。增量更新基于 (mtime, size) + xxhash3，未变动的文件不重算。 企业与内网友好：模型下载首试 HuggingFace，失败时自动 fallback 到 hfmirror.com。默认关闭 TLS 校验（可通过 ASTOUTLINETLSSTRICT=1 重新开启），并写入 SHA‑256 清单防篡改 —— 专为银行、大型企业等 MITM 代理环境设计。 3. MCP 工具（Model Context Protocol） 注册了 8 个工具：原有的 outline / digest / show / implements，加上新的 surface / search / findrelated / index。所有 JSON 输出格式与 CLI 完全一致，让 Claude Desktop、Continue 等 MCP 客户端可以直接操作代码库。 4. 跨命令统一的文件过滤（5 层管线） outline / digest / surface / search / show / implements / findrelated / index 全部共用同一套忽略规则： 1. .gitignore + 全局 gitignore + .git/info/exclude 2. 硬编码忽略名单（nodemodules、target、dist、.venv、pycache、.idea、.gradle、.cache……） 3. .astoutlineignore（新增，gitignore 语法，项目级逃逸出口） 4. 扩展名白名单（仅处理能解析的语言，搜索则允许更广：bash、cpp、css、dart、elixir、haskell、lua、php、ruby、swift、yaml、markdown 等 ~25 种） 5. 文件守卫（大小上限、生成代码启发式） 5. TypeScript 适配器增强 现在完美支持 .d.ts 文件：识别 ambientdeclaration 和 functionsignature（无函数体的声明形式）。效果：发布到 npm 的 .d.ts 包可以被 surface / digest 正确解析，不再输出空结果。 📦 安装 bash Homebrew (macOS / Linux) brew install aeroxy/astoutline/astoutline 或通过 cargo cargo install astoutline 🧠 典型使用场景（给 AI 编程助手） 1. 先看公共 API bash astoutline surface . tree → AI 知道这个包“对外长什么样”。 2. 再语义搜索某个概念 bash astoutline search "websocket handshake" json → 直接定位到相关函数位置，不用读整个目录。 3. 最后精确提取方法体 bash astoutline show src/handshake.rs parserequest → 只把必要的那几十行代码喂给 LLM。 整体效果：相比把整个文件直接喂进去，Token 节省 20 倍，而且不会把内部实现误当作公开 API。 🙏 致谢与生态 基于 astgrep（@HerringtonDarkholme）和 treesitter（@maxbrunsfeld） 语义模型：minishlab/potioncode16M 欢迎 Star、提 Issue、贡献新语言适配。让 AI 读代码更聪明，而不是更暴力。
Original—
chrome-devtools-cli v0.1.2 发布：轻量级Chrome浏览器自动化，无需MCP，Token成本直降
一句话： 给 LLM Coding Agent 准备的Chrome浏览器控制工具 —— 直接通过CDP协议连接现有Chrome，无需MCP中间层，一个命令一次操作，输出轻量结果。加上智能页面锁定和持久化守护进程，Token消耗仅为传统方案的百分之一。 🚀 亮点 1. 真正为 AI Agent 设计的工作流 问题：MCP 式的浏览器工具会把每一次交互的完整协议载荷都塞进上下文，一个截图能吃掉几千 token，且每次都要重新连接。 解决：chromedevtools 直接与 Chrome 的 DevTools 协议对话，一次连接（守护进程保持），一条命令输出一条结果。没有多余的中间层，没有重复的握手开销。 bash 第一次导航，拿到友好锁定名 chromedevtools navigate [target:redsnake] 后续所有操作通过 target 永久锁定该标签页 chromedevtools target redsnake snapshot chromedevtools target redsnake fill "email" "user@example.com" chromedevtools target redsnake click "submit" 为什么比 MCP / Puppeteer 更省 Token？ | 方案 | 每次操作 Token 开销 | 连接方式 | 页面锁定 | ||||| | chromedevtoolscli | 仅命令+结果文本（~100 token） | 持久化守护进程 | 确定性 word‑pair | | MCP Server | 完整 CDP JSON‑RPC 封装（~2000+ token） | 每命令建立新 WS | 需维护会话状态 | | Puppeteer/Playwright | 启动独立浏览器 + 协议日志（~5000+ token） | 每脚本新实例 | 依赖代码变量 | 2. 守护进程 —— 零打扰、自动恢复 智能启动：第一次调用自动拉起后台守护进程，通过 Unix Socket 通信，后续命令无感复用。 绕过 macOS 防火墙弹窗：守护进程先绑定 socket，再惰性连接 Chrome —— 用户不会在每次启动时看到“允许传入连接”对话框。 崩溃自愈：若 Chrome 崩溃或 WebSocket 关闭，守护进程自动退出，下次调用重新建立，无需手动干预。 空闲退出：5 分钟无命令自动清理退出，不留僵尸进程。 3. 更稳健的表单交互 原生支持 <select 下拉框：fill 命令可直接按显示文本或 value 选中选项。 原生支持 checkbox / radio：传 "true" / "false" 字符串即可切换状态。 全局弹窗拦截：检测到 JavaScript 的 alert/confirm/prompt 未处理时，命令会立即失败并给出明确错误，避免永久挂起。evaluate 子命令新增 dialogaction accept/dismiss/text 用于自动处理弹窗。 坐标级点击：clickat <x <y 用于 Canvas 或无选择器场景。 4. Agent 辅助提示（节省调试 Token） 当你在 evaluate 中写了低效的 DOM 脚本（如长链 document.querySelector(...).querySelector(...)）或触发了 JavaScript 异常，CLI 会动态提示你改用更 token 友好的 snapshot / click / fill 原生命令。 效果：AI 不会在“猜选择器 报错 再猜”的循环里浪费大量上下文。 5. 完整的功能覆盖 | | 命令 | ||| | 导航 | navigate <url、back/forward/reload、newpage、closepage、selectpage、listpages | | 检查 | screenshot [fullpage]、evaluate、snapshot（可访问性树 dump） | | 交互 | click、clickat、fill、typetext [submitkey]、presskey、hover | | 视口 | resize、waitfor <text | 所有命令支持 json 输出，可被 MCP 工具或脚本直接消费。 📦 安装 bash Homebrew (macOS / Linux) brew tap aeroxy/chromedevtoolscli brew install chromedevtools 或者通过 Cargo cargo install chromedevtoolscli 前提：Chrome 需开启远程调试 —— 打开 chrome://inspect/remotedebugging 并启用开关。 🧠 典型使用场景（给 AI 编程助手） 1. 打开页面并锁定 bash chromedevtools navigate 记住输出的 [target:goldenfox] 2. 获取可访问性树（极省 token） bash chromedevtools target goldenfox snapshot → AI 获得页面结构的纯文本描述，比 HTML 或截图 token 少 20 倍。 3. 执行动作 + 提取结果 bash chromedevtools target goldenfox fill "loginfield" "myuser" chromedevtools target goldenfox fill "password" "mypass" chromedevtools target goldenfox click "input[name=commit]" chromedevtools target goldenfox evaluate "document.title" 整体效果：对比把一个 2MB 的 HAR 或 MCP 会话日志给 LLM，这里每次交互仅消耗几十到几百 token，且不会丢失页面定位。 🙏 致谢与生态 灵感来源于 chromedevtoolsmcp（官方 MCP server），但走出了不同的轻量路线。 协议层基于 Rust 异步 WebSocket 和 serdejson。 欢迎 Star、提 Issue、贡献新命令。让 AI 控制浏览器像调用 curl 一样简单便宜。
Original—
觅影 OmniPlay - mac、win双平台海报墙播放器
觅影 OmniPlay 觅影 OmniPlay 是一款原生开发的海报墙播放器，支持mac、win双系统。mac采用swift开发，win采用C + .net + Avalonia UI。底层播放器核心为 MPVKitGPL / libmpv / FFmpeg 相关组件。 ios版正在开发中。 软件截图 功能特色 UI UI简洁且美观，海报墙没有做过多的分类功能，只有搜索、排序功能。 海报墙媒体库 支持海报墙和分集剧照 采用TMDB刮削，增加了更宽松的刮削规则和自定义编辑功能。避免重命名和硬链接。
Original—
ScanRead.ai - 免费OCR文字提取工具
工具自荐 工具名称: ScanRead.ai URL: ScanRead.ai 是一个免费的OCR文字提取工具，可以从任何图片、PDF、截图或手写文档中提取可编辑的文字。 特点: 100+语言支持 无需注册，免费使用 22种专业OCR工具（图片转文字、PDF转Word、手写识别、收据OCR、数学公式转LaTeX等） 支持批量处理 基于PPOCRv5和PaddleOCRVL模型 定价: 免费版20页/天，Pro版/月
Original—
Mockin 2.0
Ultimate career toolkit for UX/UI & Product designers
290
PandaProbe
open source agent engineering platform
339
Huddle01 VMs
Virtual Machines for Your Agents
438
Rosentic
Catch when coding agents break each other before merge
182
Radar
The missing open-source Kubernetes UI
398
Aximote In-Car App
The fitness tracker for your car
151
No matching projects
Try another keyword or category.
DEV TRENDS / COMMUNITY
Discuss this edition
Sign in with GitHub to share a thought, question, or useful follow-up.