DevTrendsDeveloper trends
Accent color

DEV TRENDS / DAILY DISCOVERIES

May 14, 2026 · What developers are building

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

Kooky

专为 AI coding 设计的 terminal,支持一键启动 Claude Code/Codex 等各种 agent,Vertical tabs + split pane,多 Workspace 管理+分屏并行,Agent 状态展示,Git 分支/变化,Node/Python/Proxy 等各环境展示以及一键切换,本地运行,无云服务和功能,基于 libghostty GPU 渲染,丝滑使用

Original
DTData & operationsDTSoftware developmentDTAgent orchestration
—

在线云朵识别

上传天空照片,用 AI 即时完成云识别与云分类,了解积云、层云、卷云等常见云型及典型天气、出现高度与形成过程,适合学生、摄影爱好者与天气科普学习。

Original
DTResearch & learning
—

全屏守门员

浏览器休息提醒插件,全屏沉浸式宠物互动定时提醒休息可自定义视频图片,免费无广告、无注册、零AI

Original
DTSkill / plugin
—

Katamino Tower 百变方块立体塔 3D 拼图求解器(MRV 回溯 + 3D 交互可视化)

玩过这款 Puzzle 的人都知道,包装上的「6岁+」多少有点挑衅的意味。 15 块异形积木,绕中心立柱填满 5 层圆柱,每层 12 列。规则很简单,拼接过程就有多折磨人。 第一步,写 C 求解器。 搜索空间约 250 万种环配置。用 MRV 回溯算法每次挑候选最少的格子下手,10~200 次尝试就能找到一个解。顺便加了 OpenMP 多线程,a 参数一键穷举所有解。 第二步,做 3D 可视化。 光有答案还不够直观,最好是能可视化拼接结果。用 Three.js 做了个交互页面,拖拽旋转视角、R 键翻转,自动求解。 bash gcc o kataminotowersolver kataminotowersolver.c && ./kataminotowersolver open kataminotowersolver.html

Original
DTLinux
—

DataFlow:工业级自动化数据清洗、合成系统,用于模型训练、RAG 搭建

新增 Skills 功能: DataFlow:一站式 LLM 训练数据准备系统 数据清洗 · 数据合成 · 可视化 pipeline · Skill 调用 🌟 DataFlow 是一个专门为从嘈杂来源(PDF、纯文本、低质量 QA)中生成、精炼、评估和过滤高质量 AI 数据而设计的数据准备和训练系统,从而通过针对性训练(预训练、指令微调 SFT、强化学习训练 RL)或 RAG 系统,提升大语言模型 (LLM) 在医疗、金融、法律和学术研究等特定领域的性能。通过“基于算子 (operatorbased)”的设计,DataFlow 将整个数据清洗工作流转化为可重现、可重用且可共享的“流水线 (pipeline)”,为以数据为中心的 AI 社区提供核心基础设施。此外,我们开发了智能化的 DataFlowagent,能够根据需求通过重新组合现有算子或创建新算子来动态组装新的“流水线”。 近期,DataFlow 将自身能力与工程约束统一为 Agent 可使用的结构化规则——DataFlowSkills,并集成至 WebUI 界面中。通过对话交互,即可直接编写数据处理流水线,或修改现有流水线,节省人力与时间成本,实现数据工作流的自动化高效构建。 项目团队:北京大学 DCAI 团队,专注于大模型数据系统研究与 DataCentric AI 基础设施建设,开源 DataFlow、DataFlex、OneEval、OpenWorldLib 等多个项目。

Original
DTResearch & learningDTData & operationsDTAgent extension
—

stock-sdk:浏览器前端和 Node.js 都能直接调用的股票行情 SDK,零依赖、TypeScript 全类型、单测覆盖

官方文档: 在线 Playground: NPM: 看板 一句话:给前端工程师的股票行情 SDK —— 不写 Python、不搭后端、不开代理,浏览器里就能直接拉 A 股 / 港股 / 美股 / 基金 / 期货 / 期权 的实时行情和 K 线。 背景 股票行情工具几乎都活在 Python 生态里(AkShare、tushare、baostock 一统天下)。前端做个看板、写个 、跑个量化原型,要么得搭一层 Python 后端,要么得自己去戳腾讯/东方财富/雪球的接口、踩 GBK 编码、CORS、JSONP、并发限流的所有坑。 stocksdk 把这些活全干完了:浏览器端用 Script Tag Injection(JSONP)跨域,Node.js 端走标准 fetch,同一份 API 两端跑。 亮点 🌐 浏览器 + Node.js 双端:同一份代码,浏览器里靠 JSONP 直连数据源,没有 CORS,不用配代理 📦 零依赖、轻量:发布包 gzip 后 ~27 KB,ESM + CJS 双格式 🧠 完整 TypeScript 类型:所有接口、字段、错误码都有类型,IDE 自动补全 📈 覆盖面广:A 股、港股、美股、公募基金的实时行情;日/周/月 K 线和 1/5/15/30/60 分钟 K 线;当日分时 🔢 14 个内置技术指标:MA / MACD / BOLL / KDJ / RSI / WR / BIAS / CCI / ATR / OBV / ROC / DMI / SAR / KC 🏛️ 专业数据:龙虎榜、北向资金、资金流向、盘口大单、涨停池、大宗交易、融资融券、期货库存 🛡️ 请求治理:内置重试、限流、熔断、批量并发控制,可按 provider 维度覆盖 🤖 AI / MCP 就绪:配套 stocksdkmcp,一行 npx 即可接入 Cursor / Claude Desktop / Gemini / Codex / OpenClaw,内置技术分析、智能选股、市场概览、实时监控 4 个 Skills 使用示例 ts import { StockSDK } from 'stocksdk'; const sdk = new StockSDK(); // 浏览器也可直接调用 await sdk.getSimpleQuotes(['sh600519']); // A 股 await sdk.getHKQuotes(['hk00700']); // 港股 await sdk.getUSQuotes(['usAAPL.O']); // 美股 await sdk.getKLine('sh600519', 'day'); // K 线 await sdk.getNorthboundFlow(); // 北向资金 await sdk.getDragonTigerList(); // 龙虎榜 await sdk.getAllAShareQuotes(); // 全市场 5000+ 只一次拉 14 个技术指标(MA / MACD / BOLL / KDJ / RSI / ATR / DMI / SAR / KC …)和期货、期权、融资融券都有。完整 TypeScript 类型,发布包 gzip 27 KB。

Original
DTSoftware developmentDTAgent extensionDTAgent orchestration
—

:大模型30讲《Machine-Learning-Q-and-AI》中文翻译版、中文批注

本项目是系统性学习大模型技术要点的教程,基于原始的 《30 Essential Questions and Answers on Machine Learning and AI》 ,基于最先进的 AI 工具翻译,逐行校正添加中文批注,增强可读性。 1.你将收获什么? 1. 系统性学习:大模型技术要点的教程 2. 熟悉核心的术语(英文 + 中文) 3. 共同维护,中文批注,增强可读性,贡献给开源社区 2.迭代计划 1. 首版:中文批注: ✅ 2. 导出 pdf 文件: ✅ 3. 同步到多个开源社区: TODO 3.在线阅读 gitHub <div align="center" <p 在线阅读: <a href=" target="blank"《大模型技术30讲》</a ,pdf 文件: <a href=")LLM30EssentialLecturesAI.pdf" target="blank"《大模型技术30讲PDF版本》</a </p </p <p<em深入理解 LLM 核心原理,直击要点</em</p </div <div align='center' </div 4.如何贡献 我们欢迎任何形式的贡献! 🐛 报告 Bug 发现问题请提交 Issue 💡 功能建议 有好想法就告诉我们 📝 内容完善 帮助改进教程内容 Note: 后续资料会附上贡献者名单.

Original
DTResearch & learningDTContent / resource
—

完全开源,去中心化的Holyshit期刊。

网站地址: 开源代码: 我复活了shit期刊 之前shit期刊火爆全网,但是因为种种原因停更了。我萌生了这个开发这个Holyshit期刊的想法,作为精神继承者。网站完全开源,而且无需注册登录,点击即可随时投稿投票。高度去中心化,没有评审团,ai打分和网友投票是入选的唯一标准。 欢迎大家来投稿自己的论文

Original
DTResearch & learningDTSoftware developmentDTWeb app
—

Zephyr — 基于 Rust + Tauri v2 的安全 Mihomo 代理客户端

Zephyr 是一款以安全为第一设计原则的跨平台 Mihomo(Clash Meta)桌面代理客户端,采用 Rust 后端 + 原生 JavaScript 前端架构,基于 Tauri v2 框架构建。 GitHub 为什么值得关注 1. 安全架构(13 层纵深防御) 这是 Zephyr 最大的差异化特点。项目实施了完整的纵深防御策略(Defense in Depth),覆盖全攻击面: CSP 内容安全策略:前端禁止 eval 和内联脚本,网络连接严格限制为本地 Mihomo 内核通信,前端无法直连外网 Tauri v2 最小权限模型:明确拒绝授予文件系统、命令执行、网络请求、剪贴板等高危权限 SSRF 完整防护链:协议白名单 + DNS Pinning + 私有 IP 拦截(IPv4/IPv6)+ 重定向链全链路复检 AES256GCM 加密存储:敏感数据加密,密钥与机器指纹绑定 CI/CD 安全流水线:集成 cargo audit、semgrep、dependencyreview 等 10 项自动化安全检查 详细安全文档: 2. 技术选型 相比 Electron 方案,Zephyr 选择 Tauri v2 + Rust: 不嵌入 Node.js 运行时,攻击面大幅缩小 内存占用更低,安装包体积更小 Rust 后端提供编译期内存安全保证 3. UI 设计 极简设计理念,无边框窗口 + 系统托盘,界面清爽优雅。 项目数据 ⭐ 200+ GitHub Stars 📦 600+ 下载量 🔧 10 个 Release 版本 💻 支持 Windows / macOS(Intel & Apple Silicon)/ Linux 📄 MIT 适合谁 对代理客户端安全性有要求的用户 Rust / Tauri 技术栈的学习参考 追求轻量、美观桌面工具的用户

Original
DTSecurity & testingDTResearch & learningDTDesktop app
—

用 vibecoding 做产品的实战指南,零编程基础到独立开发 SaaS,完整方法论 + 真实案例拆解 + 动手实践

教程地址: 本教程能帮你: ✅ 掌握用 AI 做产品的方法论 ✅ 学会从 0 到 1 做 SaaS 产品 ✅ 获得真实的开发经验 本教程不能让你: ❌ 2 小时搭建完整网站 ❌ 零代码纯自然语言开发 ❌ 不学习就能做出产品 如果期待速成,本教程不适合你。 核心方法论(14 步) 从想法到上线的完整流程: 1、发现问题 如何找到值得做的问题 2、需求验证 验证是否有人需要 3、定义 MVP 最小可行产品 4、技术栈科普 前端/后端/数据库是什么 5、技术决策 选什么技术栈 6、环境搭建 AI 帮你配置开发环境 7、AI 协作 如何高效与 AI 配合 8、理解代码 看懂 AI 写的代码 9、测试策略 保证代码质量 10、架构设计 系统怎么设计 11、部署指南 域名、服务器、HTTPS 12、问题解决 上线后遇到问题怎么办 13、Git 和开源 版本管理和开源实践 14、迭代方法 如何持续优化

Original
DTResearch & learningDTData & operationsDTWeb app
—

Suppr - 面向科研阅读的 AI 文献检索、翻译与深度研究工具

超能文献(Suppr) 让医学文献检索回归"说人话" 🔗 超能文献首页界面 中文自然语言搜PubMed 传统的PubMed检索,你需要先学会布尔逻辑、MeSH主题词、检索字段这些概念。但在超能文献里,你直接用中文描述你的需求就行了。 比如你可以这样搜:"一型糖尿病近三年研究进展",或者"GLP1 最新的临床试验",甚至"JAMA近5年肿瘤相关临床试验研究,IF大于10"。后台的大语言模型会自动把你的中文需求转化成精准的PubMed检索式,时间限定、期刊限定、作者限定、影响因子筛选这些复杂条件都能处理。 我们做了大量的医学领域微调工作,让模型能理解医学术语和检索逻辑。举个例子,当你说"糖尿病和心血管疾病的关系,最近5年,临床试验",模型会生成类似这样的检索式:("Diabetes Mellitus"[MeSH Terms]) AND "Cardiovascular Diseases"[MeSH Terms] AND "Clinical Trial"[PT] AND ("2020"[PDAT] : "2025"[PDAT])。你完全不需要了解这些语法,但能享受到高级检索的精准度。 搜索结果出来后,不只是给你一堆文献列表,还会自动生成中文摘要总结和研究思维导图。思维导图可以一键下载,帮你快速梳理这个领域的研究脉络。文献引用也自动处理好了,支持AMA、APA、MLA、NLM等各种格式,复制粘贴就能用。 数据库方面,目前覆盖PubMed全库4000多万篇医学文献,后续会接入更多数据源。 AI文档翻译,格式完全不乱 做过学术翻译的都知道,PDF翻译最烦的就是格式全乱了。图表挪位、公式变形、页眉页脚错位,翻译完还得花大量时间调格式。 我们在超能文献里专门解决了这个问题。支持PDF、PPT、Word、Excel、ePub这些常见格式,12种语言互译,最关键的是翻译后格式完全保持不变。 技术上我们用了OCR加版面分析加深度学习的组合方案。先识别文档结构,区分出标题、正文、图表、公式这些不同的内容块,然后分块翻译,最后按原布局重组。图表和公式这些非文本内容会保留原样,避免翻译破坏掉原有信息。这个过程在底层做了大量优化,确保翻译后的文档跟原文档在排版上几乎一致。 25分钟生成文献综述 这个功能可能有点"丧心病狂"。输入一个研究主题,AI会自动检索相关文献,筛选高质量研究,提取核心观点,然后生成一篇结构完整的文献综述初稿。整个过程大概25分钟,你就能拿到一篇包含背景、研究现状、争议焦点、未来方向的综述文档。 当然,这不是让你直接拿去当毕业论文交(别想了😂)。这个功能的定位是帮你快速建立对某个领域的全局认知,省掉前期大量文献筛选和阅读的时间。你可以基于这个初稿继续深入,补充细节,调整观点。相当于把原本可能需要一周的工作压缩到半小时,让你更快进入状态。 为什么要做这个工具 说实话,市面上文献工具不少。但我们团队本身就是从医学科研圈出来的,深知痛点在哪。 英文不好的同学,看文献真的很痛苦。每天抱着词典啃论文,效率低不说,还容易误解原意。PubMed虽然强大,但不会用检索式的话,基本就是浪费。读完几十篇文献再写综述,时间成本高到离谱。这些问题一直存在,但一直没有特别好的解决方案。 我们想做的就是把AI的能力真正落到实处,降低医学信息获取的门槛。不管是临床医生、医学生、还是药企研发人员,都能轻松获取到高质量的医学文献,不被语言和工具的复杂度困住。 产品目前处于公测阶段,每天有10次免费查询额度。我们还在快速迭代中,技术团队在深圳,核心成员来自医疗AI和大模型背景。核心技术已经申请了专利(CN118964589B),会持续投入做产品迭代和功能优化。 从公测到现在,用户量在稳定增长。专业术语翻译精度能达到98%以上,综述生成平均25分钟一篇。看到越来越多的医生和研究生在用,还会主动给我们反馈建议,这种感觉挺好的。 开发者生态 除了网页版,我们也在构建更丰富的开发者生态,让超能文献的能力可以集成到更多场景里。 Zotero翻译插件:如果你是Zotero用户,可以安装我们的插件,在文献管理器里直接右键翻译PDF文档。精准翻译,格式保持,无需离开Zotero环境。插件已经在GitHub开源。 👉 API接口:我们提供了完整的API服务,支持文献检索、文档翻译、深度研究等核心功能。如果你在做医学相关的应用或研究平台,可以直接调用我们的API,把这些能力集成进去。具体文档可以在官网查看。 MCP服务:对于需要更深度集成的场景,我们也提供了MCP(Model Context Protocol)服务支持,方便开发者在自己的AI应用中接入超能文献的能力。 这些工具和接口都是为了让超能文献的能力触达更多场景。如果你有集成需求或者合作想法,欢迎联系我们。 如果你也在做医学科研,欢迎试用并给我们反馈。有任何建议或Bug,可以在官网留言,或者给我们发邮件。我们也在寻找医学领域的合作伙伴和早期用户。 产品链接: 🌐 📦 Zotero插件: 🏢 公司官网: 期待你的体验和反馈!🚀 Disclosure: I maintain/am affiliated with this submission. Links are official product/source links only.

Original
DTResearch & learningDTData & operationsDTAgent extension
—

Edit Mind

Search videos like you'd describe to a friend - 100% local

DTContent / resource
115

Sherloq

Know which LinkedIn prospect is warm - right now

DTBusiness & growth
78

PromptScout

Track your brand visibility across AI models

DTSecurity & testingDTBusiness & growth
87

Quietly

Offline AI IDE & local Chat

DTSoftware developmentDTmacOSDTWindows
59

Comie.dev

Production context for AI with logs, DBs, and error tracking

DTData & operationsDTAgent observabilityDTClaude Code
76

DEV TRENDS / COMMUNITY

Discuss this edition

Sign in with GitHub to share a thought, question, or useful follow-up.

Open discussions ↗