DEV TRENDS / DAILY DISCOVERIES

May 23, 2026 · What developers are building

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

Gemini Omni

AI 视频生成工具，支持文本/图片/对话生成带原生同步音效的 4K 电影级短视频，提供多模态参考、角色一致性锁定和对话式编辑

Original

—

AI 音频降噪在线工具

100% 浏览器本地运行。支持视频直接提取降噪，除了 MP3/WAV 音频，还支持直接拖入 MP4/MOV 等视频。工具会自动在本地解码视频音轨并进行降噪。实时麦克风降噪。直观的视觉对比内置了精心绘制的 Original / Denoised 双通道声谱图（ Spectrogram ）与波形图，降噪效果不仅能听到，还能直观看到。无额度限制、无需注册，打开即用。

Original

Weekly Submissions

—

diving-rs —— Rust 编写的 Docker 镜像深度分析工具,无需 docker 客户端,跨 Linux / macOS / Windows 运行

项目简介分层文件树可视化,支持 TUI 与 Web 双模式跨层重复文件检测(blake3)+ 浪费空间识别智能优化建议:包管理器缓存、构建工具、敏感文件、版本劣化 OpenAI 兼容 AI 分析,带历史对比识别镜像膨胀支持 registry / 本地 docker / tar 文件三种数据源命令行模式 bash diving redis \ lang=zh \ aibaseurl \ aimodel=anthropic/claudeopus4.7\ aiapikey skorv1 正在分析 redis… 正在向认证… 正在获取 manifest… 7 层 | 50.9 MiB（压缩后）已缓存 sha256:bba8bc9f2a56（826 B） ...部分日志省略正在请求 AI 分析优化要点… AI 优化分析报告： 🚨 核心异常与劣化痛点以 root 运行：Dockerfile 已在 L2 创建 redis:999 用户却未设 USER redis，容器默认 root 启动，运行时提权风险。 L7 残留运行时垃圾共 ~210 KiB：构建/编译阶段产生的 var/log/apt/（term.log 47KB、history.log 11KB、eipp.log.xz 11KB）、var/log/dpkg.log 129.5KB、var/log/alternatives.log 5.1KB、tmp/rustixtestcancompile、root/.wgethsts、var/cache/ldconfig/auxcache 未在同层清理，已固化进镜像。基础镜像固化冗余 1.7 MiB：var/cache/debconf/templates.dat (763KB)、templates.datold (724KB) 等浪费空间全部位于 L1 基础层（L7 仅是 whiteout 删除标记，无法回收），属 debian:13 基底原生冗余。 /usr/local/bin/redischeckaof、redischeckrdb、redissentinel 权限异常：0:0 ?rwxrwxrwx 0B 文件（应为符号链接但 size 为 0 且 777 全开），worldwritable 二进制路径存在风险。 🛠️ 必须执行的修复代码 1. 切换非 root（紧贴 CMD 前） USER redis 2. 在编译那条大 RUN 末尾追加清理（同层删除才有效） RUN ... \ && aptget purge y autoremove o APT::AutoRemove::RecommendsImportant=false \ && rm rf /var/cache/debconf/ /var/lib/apt/lists/ /var/cache/apt/archives/ \ /var/log/ /tmp/ /root/.wgethsts /var/cache/ldconfig/auxcache 关于 L1 基础层 1.7 MiB debconf 冗余：源自 debian:13 基底，跨层 rm 无效，可接受或切换 debian:13slim / alpine 基底（注意 jemalloc/glibc 依赖需重新验证）。关于 11 个 setuid 二进制：均来自基础镜像 utillinux/passwd 包，redis 运行时不需要 mount/passwd/chsh，建议同层追加 find / xdev perm /6000 type f exec chmod as {} +。

Original

DTSoftware developmentDTCLIDTContent / resource

Weekly Submissions

—

WizardAlchemyCode.com：面向 Roblox 玩家的一页式 Wizard Alchemy 兑换码查询站

阮老师好，推荐一个刚上线的小工具站： Wizard Alchemy Codes 这是一个面向 Roblox 游戏 Wizard Alchemy 玩家的一页式兑换码查询站。它不是官方站点，定位是 fanmade resource，主要解决玩家查兑换码时常见的几个问题：先显示当前列出的 working codes，减少在长文章里查找的成本；每个 code 旁边提供复制按钮；单独列出 needsreview code，避免把来源冲突的内容直接写成确定可用；保留 expired codes、redeem steps 和 update history；页面上明确写明 not affiliated with Roblox / Wizard Alchemy / developers。这个站点也是一个独立开发小实验：用 Next.js 15 + TypeScript + Tailwind 构建，部署在 Cloudflare Workers 上，不登录、不收费，主要观察长尾 SEO 内容站如何做 answerfirst 信息结构和合规边界。如果适合周刊的工具/资源栏目，欢迎收录；不合适也没关系。

Original

DTData & operationsDTBusiness & growthDTWeb app

Weekly Submissions

—

内空

Original

Weekly Submissions

—

像素风的aiyumk日卡，如果你想赶论文、快速做个MVP并且使用顶尖模型，又不想订阅，可以试试这个

风靡流行的像素风日卡Vibe coding 网站 AIyumk Coding像素世界

Original

DTResearch & learningDTSoftware developmentDTWeb app

Weekly Submissions

—

DataLens - 一个会自己找网页、采集、清洗和分析数据的爬虫 Agent

〖工具自荐〗DataLens 一个会自己找网页、采集、清洗和分析数据的爬虫 Agent DataLens 是一个面向网页数据工作的 AI 爬虫 Agent。用户不需要先打开目标网页，也不需要写爬虫脚本，只需要描述自己想要的数据结果，例如“帮我整理一份国内 AI 视频生成工具清单，包含官网、定价、核心功能和适用人群”。 DataLens 会根据需求拆解任务，寻找合适的数据来源，规划采集路径，识别网页结构，抓取公开网页数据，并继续完成数据清洗、合并、分析和导出。它的目标不是做一个“网页上点一下就抓取”的插件，而是做一个可以从需求出发，把网页数据整理成可用数据集的 AI 数据 Agent。 Chrome 扩展：核心流程 1. 用自然语言描述数据需求用户只需要描述想要的数据，例如：帮我整理一份海外 AI 编程工具列表，包含官网、定价、适用场景和融资信息收集某个城市 50 家适合团建的场地，包含地址、价格、评分和联系方式追踪 20 个竞品网站的最新产品更新、价格变化和招聘动态整理某个行业的公司名录，包含公司名称、所在地区和联系入口收集某类商品在多个电商平台上的价格、库存、规格和评价数量 DataLens 会把这个需求转成可执行的数据任务，而不是要求用户自己先找页面、写规则、配字段。 2. Agent 自动寻找和判断数据来源收到需求后，DataLens 会尝试找到合适的公开网页来源，比如：搜索结果页官网页面产品目录公司名录电商列表招聘网站评论页面行业榜单文档和公开资料页 Agent 会判断哪些来源更适合采集，哪些页面能提供结构化字段，哪些信息需要跨页面补全。 3. 自动规划采集路径 DataLens 不只是访问单个网页，而是会围绕数据目标规划采集流程，包括：应该访问哪些网站每个网站要采哪些字段是否需要分页是否需要进入详情页是否需要滚动加载更多内容如何合并多个来源的数据如何保留每条数据的来源链接这个流程类似一个数据研究员先做计划，再执行采集。 4. 自动识别网页结构并采集数据当 Agent 进入目标网页后，会自动识别页面里的列表、表格、卡片、详情页、分页和可展开内容。支持的采集能力包括：表格识别列表识别字段分析分页分析下钻采集自动滚动详情页补全页面结构对齐最终把网页内容整理成结构化数据。 5. 数据清洗与合并网页数据通常不能直接使用。DataLens 会继续处理采集结果，例如：去重字段标准化多来源合并空值检查链接规范化名称归一时间、价格、地区等字段格式化保留来源页面和采集证据它的目标是交付一个能继续使用的数据集，而不是只给用户一堆原始抓取结果。 6. 数据分析与质量检查采集和清洗完成后，DataLens 会进一步分析数据，例如：总结关键发现统计数量分布标记缺失字段检查重复记录对比不同来源的信息生成质量报告说明数据可信度和限制用户可以看到数据从哪里来、清洗了什么、哪些地方可能还需要人工确认。 7. 导出可交付结果最终结果可以导出为： Excel CSV JSON 分析报告可继续迭代的数据工作区这些结果可以用于市场调研、销售线索、竞品分析、招聘研究、电商监控、投资研究等工作。适用场景市场调研销售线索整理竞品监控电商价格与库存监控招聘岗位采集投资与行业研究公司名录整理公开网页资料结构化多来源网页数据汇总分析技术特点 DataLens 由多个模块组成： AI Agent 工作流：从自然语言需求拆解数据任务浏览器采集执行层：访问网页、识别结构、执行采集 DOM 分析核心库：处理网页结构、选择器和树分析 AI 后端：负责字段分析、分页分析、模板和任务规划 Data Workspace：保存采集结果、清洗结果、分析结果和导出文件 MCP Server：把采集、页面操作和数据处理能力开放给外部 AI Agent 平台优势用户只需要描述数据需求不需要先打开目标网页不需要写爬虫代码不需要手动配置选择器 Agent 自动寻找网页来源 Agent 自动规划采集路径支持网页结构识别、分页、滚动和详情页补全支持数据清洗、合并、去重和标准化支持数据分析和质量检查支持 Excel、CSV、JSON 和报告导出支持 MCP，可接入更大的 AI Agent 工作流网站名称：DataLens 网站网址： Chrome 扩展：产品定位：从自然语言需求出发，自动完成网页数据采集、清洗、分析和交付的 AI 爬虫 Agent

Original

DTResearch & learningDTBusiness & growthDTAgent extension

Weekly Submissions

—

世界杯出线形势计算器，免费在线赛程模拟&跟踪： worldcupcalculator.com

曾经：中国队到底能不能出线？接下来得是什么样的比分，中国队才能避免出局？——这个问题无数次困扰包括我在内的广大中国球迷。今年国足又无了，但是我想到，咱们球迷其实在世界杯里还是有喜欢看的球队球星的，比如法国队、巴西队等传统强队，我想大家在看球的时候应该也会有类似的需求：我支持的球队能不能出线，对手以及我方的比赛结果得是怎样，我的主队才能够出线？于是我做了这款工具网站，通过输入任意比分进球数，实时的看到相应的小组积分榜变化（包括今年的新机制：成绩最好的小组第三名排行榜变化），可以帮助你快速的确定自己的主队的出线形势。之后我还会更新一版，输入任意比分，可以推演出最终淘汰赛的对阵对手、模拟淘汰赛的对战比分功能等等。欢迎前来模拟游玩、查看赛程！也欢迎向我多提宝贵建议~ 网站名称：GoWoC 网站地址：网站简介： GoWoC 是一个面向全球球迷的世界杯计算器。你可以输入尚未开赛的世界杯小组赛比分，系统会自动计算积分、净胜球、排名和出线概率，帮助快速判断各支球队的晋级路径和淘汰风险。网站特点：支持根据比赛结果自动计算积分榜和排名支持对未来小组赛进行情景模拟重点展示出线、同分和净胜球等关键因素在线即可使用，适合观赛期间实时分析适合球迷、体育自媒体、赛事解说和数据分析用户适用场景：预测世界杯小组赛出线形势对比不同比分下的晋级结果快速查看球队在小组中的排名变化为观赛、写作和内容创作提供数据参考

Original

DTContent creationDTWeb appDTWeb

Weekly Submissions

—

oh-my-skills一款skill管理工具，npx oh-my-skills即可使用,7w+ skills想装就装

Oh My Skills 开源项目地址中文 | English Oh My Skills 是一个本地运行的 AI Agent Skill 管理工具，用来统一发现、查看、编辑、安装、复制、启用、禁用和删除不同工具里的 skills。它面向经常同时使用 Agents、Codex、Claude、Cursor、OpenCode、Trae 等工具的用户，目标是把分散在各处的 SKILL.md 和规则文件收拢到一个可视化面板里管理。直接使用：npx ohmyskills 推荐全局安装后使用： npm i g ohmyskills oms oms help 技能详情与文件管理查看 skill 的基础信息、来源、分类、路径、大小、更新时间。查看 skill 目录下的所有文件。支持多级目录文件展示。可编辑常见文本文件，例如 md、json、yaml、toml、js、ts、py、sh 等。文件编辑页支持编辑、分屏、预览三种模式。 Markdown 文件支持预览。保存后会有明确反馈。启用、禁用与删除单个 skill 可在列表或详情页启用、禁用。启用/禁用状态会在不同页面同步。删除 skill 前会弹出确认。删除后列表会重新扫描。批量操作在技能列表中可以勾选多个 skill 后批量操作：全选当前结果。反选当前结果。清空选择。批量安装到目标目录。批量启用。批量禁用。批量删除。 SkillHub 安装安装页搜索框默认为空，输入关键词后可回车或点击按钮搜索 SkillHub。支持从 SkillHub 搜索社区 skill。搜索结果会显示作者、来源、下载量、收藏量。如果本机已有匹配的 skill，会显示“已安装”。已安装的 skill 再次安装时会提示先手动删除原 skill，避免覆盖或误装。安装时可以选择目标目录，例如 Agents、Cursor、Claude、OpenCode、Trae、Codex 等全局目录。 Git 仓库安装支持输入 Git URL。自动拉取仓库并识别其中包含 SKILL.md 的 skill 目录。可选择某个 skill 安装到目标目录。手动创建支持输入技能名称。支持直接编写 SKILL.md 内容。可选择目标目录并创建新 skill。项目管理支持手动添加项目路径。支持扫描整台电脑，查找包含指定 skill 目录的项目。显示上次扫描时间、耗时、发现项目数量。可将发现的项目加入跟踪列表。加入跟踪后，首页会同时展示这些项目级 skills。界面能力侧边栏带图标导航。支持侧边栏收起。支持全屏切换。支持中英文切换。默认语言会根据用户电脑/浏览器语言自动设置：中文环境使用中文，其它语言使用英文。用户手动切换语言后会保存偏好。支持多套皮肤：光域、雪白、石墨夜、青瓷。

Original

DTSoftware developmentDTAgent extensionDTAgent orchestration

Weekly Submissions

—

ast-bro v2.2.0 发布：更名 + run 子命令 + 库提取 + 全路径迁移

v2.0 自荐：一句话： AI 编程助手的"代码骨架"工具包，只需一个命令就能看清一个包的公共 API、两个文件间的依赖关系、整个仓库的循环引用、以及按语义找到相似代码段。现在还能用 metavariable 做结构化搜索和代码重写。15 个 MCP 工具，1 个二进制文件。支持 13 种语言。 v2.2.0 重大变更：astoutline 更名为 astbro 项目已从 astoutline 更名为 astbro。原因是功能早已超出"outline"的范畴，现在涵盖依赖图、调用图、语义搜索、结构化搜索/重写引擎。旧名字还跟一个 vscode 插件和一个 npm 包撞名。升级很简单：跑一次 astbro 命令，缓存目录（.astoutline/ → .astbro/）、ignore 文件（.astoutlineignore → .astbroignore）、mcp 配置条目、模型缓存都会自动迁移。旧的 astoutline 二进制仍以代理形式保留，现有脚本不受影响。新增 sb 短别名，少打几个字。 🚀 从 v2.0 到现在的变化 1. run 子命令（v2.2.0 新增）—— AST 感知的结构化搜索和代码重写基于 astgrepcore，支持 metavariable 模式匹配： bash 搜索所有函数调用 astbro run p '$FUNC($$$)' l rust 重写 foo bar（先看 diff） astbro run p 'foo($A)' r 'bar($A)' l py 确认无误后写入磁盘 astbro run p 'foo($A)' r 'bar($A)' write MCP 工具中同样可用，是第 15 个 MCP 工具。搜索上限 1000 条匹配，重写上限 50 个文件（dryrun + write 均受限制）。指定 lang 时预编译模式，跨文件复用，性能更好。 2. 库提取与代理二进制核心逻辑提取到 src/lib.rs（1355 行），从 src/main.rs（3 行）调用。这使得下游项目可以直接依赖 astbro 库，也为代理二进制铺路。新增两个代理二进制： astoutline — 向后兼容，自动转发到 astbro sb — 短别名，少打几个字两者都先在自身目录查找 astbro（适配 ./target/release/），找不到再走 PATH。Windows 上自动处理 .exe 后缀。 3. Hook 重构 Claude Code 和 Gemini 的 PreToolUse hook 提取了共享 I/O 模块（src/hook/io.rs），消除了两个 shim 之间的重复代码。emit 函数现在正确处理序列化和写入错误，不再 unwrap 或静默忽略。 Hook 的文件类型判断从硬编码扩展名列表改为 SupportLang::frompath，自动与适配器注册表同步。 4. 安全性改进原子写入 — run write 使用 crashsafe 的原子替换：写临时文件、fsync、复制权限、rename 覆盖原文件。Unix 上还会 fsync 父目录，确保 rename 的目录条目在崩溃后存活。符号链接会被解析到真实文件，不会被普通文件替换。文件大小上限 — CLI 和 MCP 的 run 都拒绝读取超过 5 MiB 的文件，防止 minified bundle 或数据文件撑爆内存。 MCP 安全上限 — 搜索上限 1000 条匹配，重写上限 50 个文件（dryrun + write 均受限制）。模式校验 — 无效的 lang 或 pattern 在 MCP 和 CLI 中都会立即报错，不会静默返回空结果。 5. 其他改进 CLI run 提示 — 当零文件被处理时（glob/lang/路径配置错误），stderr 输出提示信息 ignore 迁移保护 — migratelegacyignorefile 在传入文件路径（而非目录）时跳过迁移尝试搜索 schema — CLI 和 MCP 的 run JSON 输出都包含 schema: "astbro.run.v1" 字段 Hook 硬化 — emitpassthrough 和 emitsubstitute 不再 unwrap serdejson，序列化失败时返回非零退出码 📦 安装 bash Homebrew (macOS) brew install aeroxy/tap/astbro Cargo cargo install astbro npm npm install g astbro pip pip install astbro Nix nix run github:aeroxy/astbro 🧠 典型使用场景 bash 1. 看包的真正公共 API（解析所有重导出链） astbro surface . tree 2. 重构前看波及范围 astbro reversedeps src/auth.rs 3. 查找循环引用 astbro cycles 4. 语义搜索（BM25 + 密集向量） astbro search "how does login work" 5. 只看结构不看函数体 astbro map src/game.rs 6. 结构化搜索和重写 astbro run p 'console.log($$$)' l ts 7. 配合 AI 编码工具 astbro install all 🙏 致谢基于 astgrep（@HerringtonDarkholme）和 treesitter 语义模型：minishlab/potioncode16M 欢迎 Star、Issue、PR。让 LLM 理解代码时更聪明，而不是更暴力。

Original

DTLifestyle & entertainmentDTSoftware developmentDTAgent extension

Weekly Submissions

—

Awesome Architecture:专注「架构思维」的中文知识库(21 张真实系统架构地图 + 教程)

一句话描述一个只讲「架构」、不讲代码的开源知识库:用 21 张真实系统的架构地图 + 一套教程,帮你在 AI 时代练成「动手前先想清楚系统该长什么样」的判断力。 AI 让写代码越来越廉价,但「在写第一行代码前想清楚系统怎么设计」的判断力反而越来越值钱。这个仓库就是用来练这个的,全中文(也有英文 README)。它分两部分: 教程:8 章,系统讲「怎么像架构师一样思考」——需求→约束→质量属性→取舍的拆解、用 C4 画架构图、十大核心架构模式、数据与状态、从 0 到 1 设计一个系统、用 ADR 记录决策与演进。模板:21 个热门系统的「架构地图」,刻意不讲语言/框架,只讲它在解决什么问题、数据怎么流、关键决策怎么取舍、规模化时第一个会死在哪。既有电商、社交信息流、IM、视频流、支付、搜索引擎、网约车、协同文档等经典系统,也有 5 个 AI 原生系统:AI 网关/中转站、RAG 知识库、AI Agent、模型推理服务、向量数据库。每个模板用统一的 14 段结构(决策权衡 / 瓶颈 / 演进路线是重点),并在末尾附真实开源项目与工程博客/论文链接(如 vLLM、LiteLLM、TigerBeetle、Uber H3、Figma 工程博客等),可以顺藤摸瓜读源码。适合准备系统设计面试,或想从「会写代码」转向「会做架构判断」的人。欢迎拍砖。

Original

DTResearch & learningDTData & operationsDTVertical agent

Weekly Submissions

—

AI 图片编辑工具 PixelMax

AI 图片编辑工具 PixelMax 注册免费送积分啦主要包含如下AI工具：人像和主体拍摄工具这些工具主要用于改善人像摄影或构建人物与产品构图：人像增强——提高人像照片的清晰度和细节。产品手持——将人物照片和产品图片结合起来，创建实物视觉效果。增强和修复当目标是提升质量而非替换场景时，用户通常会首先使用以下工具：照片增强器和放大器— 使用预设的增强方案锐化和放大图像。图像修复——通过简单的修复流程修复褪色或损坏的图像。重新照明— 应用预设的照明氛围，例如影棚、黄金时段或聚光灯。着色— 使用预设的颜色样式为黑白或褪色的照片添加颜色。背景和画布工作流程当您需要更清晰的构图或新的场景时，这些工具会很有帮助：去除背景——输出透明抠图。替换背景— 根据文本描述生成新的背景。扩展画布——可以扩展画布，并且可以选择使用提示来引导新区域。风格和外观的变化如果您想更改图像的视觉处理方式，PixelMax 目前提供以下功能：风格迁移— 应用内置的艺术和设计预设，例如印象派、动漫、赛博朋克或像素艺术。摄影特效——使用预设效果，例如胶片、复古胶片、散景效果、柔焦、暗角效果和双重曝光。纹理变换— 将可见表面更改为大理石、皮革、木材、金属或织物等材质。视角改变/季节重塑— 使用每个工具自身的控件来重塑视角或季节。使用文本或结构化输入进行创意编辑当您想要更改图像内容时，这些工具非常有用：高级编辑— 使用文本指令，并可选择使用遮罩进行更有针对性的编辑。添加对象/删除对象/替换对象— 根据每个工具中提供的指令字段添加、删除或交换内容。重写文本— 替换图像中可见的文本。草图转图像——将草图或线条图转换为渲染图像。

Original

Weekly Submissions

—

词根词缀学习工具 - Prismise

<img width="1200" height="1600" alt="Image" src=" /

DTResearch & learning

Weekly Submissions

—

NodeLite 由Rust构建的轻量化服务器探针面板

项目文档: 一个用Rust 构建的轻量级服务器监控面板, 使用 ServerAgents 架构, 开箱即用, 安全程度高主要功能实时系统指标统计(包括但不限于 CPU 内存磁盘网络) Web 仪表盘, 支持Basic Auth与 TOTP 双因子认证 Agent Token 生命周期管理(到期自动续期自动轮换) 审计日志连接准入控制全链路速率限制自认为的一些优势资源占用极低, 对低配机器友好安全机制完善, 双因子认证, 限流与 IP 封禁, 防爆破防重放单二进制部署截图技术栈 Rust（tokio + axum + rusqlite + serde），前端原生 HTML + JavaScript，WebSocket 实时通信，rustls（无 OpenSSL 依赖）。

Original

DTSecurity & testingDTData & operationsDTAgent orchestration

Weekly Submissions

—

pi-captcha - 一个功能强大、模块化且高度可定制的 Python 行为式验证码库

Python picaptcha 是功能强大、模块化且高度可定制的 Python 行为式验证码库，支持多种交互式验证码类型：点选（Click）、滑动（Slide）、拖拽（DragDrop）和旋转（Rotate）。 picaptcha 是一个功能强大、模块化且高度可定制的 Python 行为式验证码库，支持多种交互式验证码类型：点选（Click）、滑动（Slide）、拖拽（DragDrop）和旋转（Rotate）。 picaptchat 是 gocaptcha 开源项目的 python 语言版本实现： picaptcha python 语言版本 gocaptcha golang 语言版本 nextcaptcha nodejs 语言版本在线体验入口：亮点亮点：支持点选（Click）、滑动（Slide）、拖拽（DragDrop）和旋转（Rotate）模块化创建，并提供丰富的前端 JavaScript/Vue/React/Angular/Solid/Svelte/FlutterAPP/UniApp 等依赖库接入的支持 markdown 截图或演示视频

Original

DTSoftware development

HelloGitHub Submissions

—

Memorph，无损切换不同的编程助手之间的会话，比如将claude code的会话迁移到codex，opencode等等

Rust 无损切换不同的编程助手之间的会话，管理会话，共享会话，尽可能多的支持所有的编程助手 memorph 是一个会话记忆管理工具，用于在不同 AI 编程 Agent 之间导出和迁移宝贵的会话。可通过 npm、uv、cargo 等渠道快速安装，支持全平台，并保持高强度更新，持续兼容更多编程助手。随着开发模式逐渐转向与 Agent 交互式协作，任何一个编程助手都难以独立解决所有问题。开发中有时候会遇到，使用一个编程助手分析到了一定的程度之后，接下来的工作需要换一个编程助手去解决。而除了项目产物之外，最宝贵的数据，其实是你的会话记录——其中蕴藏着大量我们尚未充分利用的关键上下文。快速体验运行以下命令启动 Web 版本： bash npx memorph web 快速启动一个端口，哪怕在linux服务器上也可以正常使用切换成功之后可以直接进入同时提供相同 UI 的 DMG 桌面版本（已发布）。或使用以下命令体验 TUI 版本： bash npx memorph 目前已支持的 IDE / 编程助手 Claude Code Codex Cursor Kimicli DeepSeektui OpenCode 项目目前支持中文与英文。将持续迭代，支持更多编程助手。四种操作形式 CLI TUI Web 桌面端（DMG 安装包约 5MB，简单轻量）其中，TUI 和 Web 版本最适合大多数用户快速使用，并且可在纯终端环境下运行；CLI 版本则更适合封装为 Skill，让 Agent 自主完成会话切换。本项目将所有编程助手的会话数据统一为一个中间格式的会话数据，从而可以基于 memorph 实现共享会话，无感迁移一个会话在不同的编程助手上附带会话清理功能，通过筛选时间和大小，快速清理或者备份已经无用的会话亮点用于在不同 AI 编程 Agent 之间导出和迁移宝贵的会话，项目将所有编程助手的会话数据统一转换为一个中间格式的会话数据，从而可以基于 memorph 实现共享会话，无感迁移一个会话在不同的编程助手上 markdown 截图或演示视频

Original

DTSoftware developmentDTAgent extensionDTAgent orchestration

HelloGitHub Submissions

—

handsets - 高性能 Android 自动化控制 CLI

Rust 给 LLM agent 写的 Android UI 自动化 CLI，无 root、ms 级延迟 handsets（命令叫 hs）是一个用 Rust 写的 Android UI 自动化 CLI，专为 LLM agent 设计了 verbled 的输出格式。不需要 root、不需要装 APK，单二进制加一个 ~几百 KB 的 jar 通过 adb forward 跑在设备 shell UID 下即可工作。hs ui 输出的是结构化表格而非 XML，Claude/GPT 直接读就能知道下一步该 tap 哪个、fill 哪个，token 占用比传统 accessibility dump 少一个数量级，适合做 LLM 驱动的手机 RPA、UI 测试、agent 。亮点给 LLM 看的 verbled 输出：hs ui 每行直接告诉 agent 该用哪个动词、目标 selector、坐标，比 XML accessibility tree 易读 10 倍： fill EditText "Email" email 540,540 fill EditText "Password" password 540,640 [password] tap Button "Continue" continue 540,860 毫秒级延迟：单次 tap typical ~80ms。最近把 tap 从「注入 MotionEvent」改成走 AccessibilityNodeInfo.ACTIONCLICK，绕开 Android InputDispatcher，p99 从 600ms+ 压到 ~50ms。冷启动 ~8ms。 CSSlike + Playwright 风格 selector：习惯 web 自动化的人零成本迁移，Button:hastext("Sign in")、EditText:below(TextView[text=Email])、Button:near(ImageView, 200) 都能用。无 root、无 APK：daemon 是个 jar，通过 appprocess 跑在 shell UID 下，权限够用，部署只需 adb push。跨语言：Rust 主体 + Python 绑定（pip install handsets），任何能起子进程的语言都能驱动。完整登录流程（演示用，不绑定具体 app）： bash hs use 连设备、起 daemon hs ui 看一眼当前屏幕 hs fill 邮箱 user@example.com 自动找到邮箱 EditText hs fill 密码 hunter2 hs tap 登录自动走 ACTIONCLICK hs wait 欢迎阻塞到目标文本出现 Python 调用： python from handsets import Session with Session.use() as s: s.fill("邮箱", "user@example.com") s.fill("密码", "hunter2") s.tap("登录") s.wait("欢迎") CSSlike selector（与 hs tap "文本" 互补，适合精确控制）： bash hs tap 'EditText[hint~=Email]' visible unique hs fill 'EditText[hint~=Password]' 'hunter2' hs tap 'Button:hastext("Sign in")' visible timeout 5s hs wait "Dashboard" timeout 15s 截图或演示视频文档站：< PyPI：<

Original

DTData & operationsDTSoftware developmentDTCLI

HelloGitHub Submissions

—