—
DEV TRENDS / DAILY DISCOVERIES
May 30, 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，通过自然对话即可完全控制物理规律、角色和环境。
Original—
awesome claude workflows：专收"真在生产里跑过"的 Claude Code Dynamic Workflows 精选目录
概况 Awesome Claude Workflows 是一个社区精选目录，专门收录基于 Claude Code Dynamic Workflows 的、真在生产里跑过的多 Agent 工作流。 Dynamic Workflows 是 Claude Code 在 20260528 随 Claude Opus 4.8 一起发布的新功能（目前 research preview，需 Claude Code v2.1.154+）：用一段 JavaScript 脚本，把几十到上百个子 Agent 按确定性的控制流（并行 fanout、顺序、循环、条件）编排成一条流水线，脚本由 Claude 自动写好、在后台运行，最后只把最终结果交回对话。脚本存进 ~/.claude/workflows/ 就自动变成一个 slash command——不用写 plugin、不用 manifest、不用注册。 我的判断是：这之后会涌现一大批"基于 Agent 之间互相协调"的大规模工作流——研究合成、代码审查、500 文件迁移、bug 扫荡、风控分析……每一个都值得被复用，而不是各自从零再搭一遍。所以开了这个目录把它们收起来。 旗舰范例：Trading Agents 目录里第一个完整范例叫 Trading Agents。在 Claude Code 里敲一条命令： /tradingagents 美光科技 接下来：一组分析师 Agent 并行铺开各自取数 → 结果汇总后进入一场看多/看空的多轮 Debate → 再交给一个评审 Panel 独立打分 → 按风险分档给出仓位层面的建议。全程一条命令触发。（仅研究用途，不构成投资建议。） 它是"用 Dynamic Workflows 做 Agent 间协调"的一个具体样例：并行分析、顺序辩论、独立评审这种结构，用 parallel（并行、等齐）和 pipeline（流水、不互相等）这两个原语表达起来很顺手；确定性控制流意味着流程可复现；还能结构化输出、断点续跑（改一处只重跑那一处，省 token）。 怎么用 README 里有安装说明，把工作流脚本放到 ~/.claude/workflows/ 后即成 /<name 命令，本地一条命令就能跑。 现状 还很早：完整旗舰就 Trading Agents 一个，其他分类基本还空着。我更想用"真有人在用的"工作流慢慢把它填厚，所以也欢迎来提 PR——你如果做过/在跑某个多 Agent 工作流，哪怕只是偶尔用一次的，都欢迎收录。 MIT 协议，完全免费。欢迎拍砖 ⭐
Original
—
AtomMQTT：Rust语言实现的轻量级高性能MQtt服务器
AtomMQTT：Rust语言实现的轻量级高性能MQtt服务器 1. 2. 它解决了什么问题？ 目前流行的一些开源MQTT代理服务器如mosquitto,EMQX或rabbitMQ,要么功能简单，连Web管理界面都没有。要么功能复杂，安装部署繁琐。 而AtomMQTT是一个使用Rust语言开发的轻量级高性能的MQTT服务器，充分利用了Rust语言的优势，单机支持1W+的并发连接，且通信延时在毫秒级别。且自带Web管理客户端，部署超级简单，一个二进制可执行文件+config.toml配置文件总共不到10M大小的体积。 3.核心功能与特性 ✅ SQLite 持久化存储 — 会话、订阅、保留消息、遗嘱消息自动持久化到本地数据库，重启后自动恢复 ✅ 双协议支持 — 同时支持 MQTT 3.1.1 和 MQTT 5.0 ✅ 主题订阅树 — 基于 Trie 树的高效主题匹配（支持 + / 通配符） ✅ 消息路由 — PUBLISH 消息自动转发给所有匹配订阅者 ✅ QoS 0/1/2 — 完整的服务质量支持 ✅ 保留消息 — 支持 Retained Message 存储与分发 ✅ 遗嘱消息 — 支持 Will Message（异常断开时自动发布） ✅ Web 管理界面 — 内置 ActixWeb 仪表盘，实时监控 Broker 指标 ✅ WebSocket 订阅 — 浏览器可直接订阅 MQTT 主题，接收实时消息 ✅ REST API — 提供完整的 HTTP API 用于发布消息、管理客户端 ✅ 匿名/文件认证 — 支持无认证和基于文件的密码认证 ✅ ACL Topic 访问控制 — 基于文件的 publish/subscribe/readwrite 权限管理 ✅ Web 管理界面认证 — HTTP Basic Auth + JSON 登录页面双重认证 ✅ CLI 客户端 — 内置 mqttclient 工具，支持发布/订阅/交互式 Shell ✅ 性能指标 — 内置计数器（连接数、消息数、字节数、包数等） 4.推荐理由 AtomMQTT Broker 是一个纯 Rust 实现的 MQTT 3.1.1/5.0 消息代理，核心目标是在高性能与数据安全之间取得平衡。 整个软件只有一个mqttweb.exe二进制可执行程序，小巧但性能强大。所有消息路由、订阅匹配在内存中完成，无锁竞争，零拷贝与异步 I/O — 利用 Tokio 运行时和 BytesMut 实现高效网络处理。 内存安全 整个项目使用 确保零 unsafe Rust 代码。这意味着所有内存安全由 Rust 编译器保证——没有空指针解引用、缓冲区溢出或释放后使用。 单元测试 为了保证功能的稳定性，本项目已做了充分的单元测试。 项目根目录 test/ 下提供了基于 Python 的集成测试脚本，覆盖认证、发布/订阅、保留消息、ACL 权限和离线消息队列等核心功能。 在当下物联网时代，能有一个比肩mosquitto但功能更丰富的轻量级MQTT Broker,将极大的方便MQTT物联网设备的开发调试和使用。
Original—
TerAgent：一个编译器风格的AI Agent中间件
AI Agent 是 2026 年的技术热点之一。当前的 Agent 框架普遍存在两个问题：一是每换一个模型就要重写一套 Prompt，二是安全机制往往后置。 TerAgent 是我发布的一个开源库，核心定位是为 AI Agent 提供类似编译器的中间层。用一句话概括：用户只需要定义一个 5 字段的数据结构（TAPRequest），剩下的 Compiler 负责把它转成模型需要的 Prompt 格式，Adapter 负责发 HTTP 请求并收响应。 一、TAP IR TAP 全称 TerAgent Protocol，定位是内存中的中间表示（IR），类似 LLVM IR。它只包含 5 个字段：meta（元信息）、context（上下文）、instruction（核心指令）、constraints（硬约束）、outputformathint（输出提示）。描述的是“你想让 AI 做什么”，但不关心“怎么组织成 Prompt”。 TAPRequest → Compiler → CompiledPrompt → Adapter → Model API，中间经过编译和发送两层解耦。 二、Compiler / Adapter 正交解耦 这是项目的核心设计。Compiler 管编译策略（例如 GLM 近因效应 / Claude XML / DeepSeek 极简），Adapter 管 HTTP 协议（OpenAI 兼容 / Anthropic 原生 / Mock）。 4 个 Compiler 乘 3 个 Adapter，一共 12 种组合，零额外代码。新增一个 Compiler 只需要加一个文件一行注册，Adapter 同理。这个扩展能力在有多模型需求的场景下很实用。 三、安全与可靠性模块 AI 在幻觉状态下可能执行危险操作（例如说清理日志却执行了 rm rf）。TerAgent 内置了多个防御机制： 7 层权限解析：用户级规则优先级最高（100），系统级最低，同优先级下默认拒绝优先于允许。 3 级沙箱隔离：依次为进程级（黑名单 + rlimit）、Docker 容器、Firecracker 微型 VM。 2PC 原子文件写入：先验证写后读契约，再写临时文件，最后原子替换，失败则自动回滚并备份。 4 种熔断器：Token 预算监控、连续失败冷却、延迟滚动告警、进度停滞检测。 GLM5.1 在独立评估中称其“本质是一个防 AI 自毁系统”。 四、开发方式 TerAgent 的设计是与 AI 协作完成的，代码不是手写的。整体流程是：设计（我与 AI 讨论）→ 规划（AI 拆解任务）→ 编码（AI 逐模块生成）→ 审查（AI 进行语法/依赖/可运行性检查），我在每一关做决策。 GLM5.1 对项目做了独立评估，给出综合评分 7.4/10（架构设计 9.0，防幻觉安全 7.5，工程规范 6.5）。评估报告存在仓库的 docs 目录下。 五、技术指标 源码约 22,207 行 Python（14 个子模块，83 个源文件） 测试约 15,071 行（44 个测试文件），测试/源码比 67.9% 0% 空壳（714 个函数全部实现） 版本 0.0.1 Alpha，许可证 Apache 2.0 六、相关链接 GitHub: PyPI: pip install teragent 开发者（GitHub）: @Kiruvex
Original—
峰哥桌面宠物——二次元峰哥，常驻你的桌面。
<div align="center" </div ✨ 功能 9 种动画状态随机轮播（站立 / 发呆 / 抱臂 / 摸胡子 / 自拍 / 投降 / 向左跑 / 向右跑 / 奔跑） 点击角色触发反应动画，必出语录气泡 空闲时随机冒语录，包含峰哥经典名言 拖拽移动位置，自动记忆上次位置 开机自启动 右键菜单 → 编辑语录，保存即生效，无需重启 右键菜单 → 关闭宠物 📦 安装 下载 Release（推荐） 前往项目主页下载对应版本的 .zip，解压后双击 fenggepet.app 即可。 | 文件 | 适用机型 | ||| | fenggepet1.1.0arm64mac.zip | Apple Silicon（M1 / M2 / M3 / M4） | | fenggepet1.1.0mac.zip | Intel 芯片 | ⚠️ 首次打开提示"无法验证开发者"？ 在终端执行以下命令后即可正常打开（每台 Mac 只需执行一次）： bash xattr cr fenggepet.app 本地运行 bash git clone cd fenggepet npm install npm start 🖥️ 系统要求 macOS（Apple Silicon / Intel 均支持） Node.js 18+（仅本地运行时需要）
Original—
WebAutoForm —— JSON驱动的浏览器自动化工具
我是 WebAutoForm 的作者，这是一个轻量级的浏览器自动化工具，只需要写 JSON 配置就能完成填表、提交、数据提取等任务，完全不需要写代码。 🔗 GitHub ✨ 核心功能 13 种动作类型 填写、点击、选择、数据提取等 零代码 用 JSON ，引擎自动执行 内置 PII 脱敏 自动屏蔽邮箱、手机号、身份证 条件分支 支持 if/else，应对复杂场景 AI Agent 友好 自带 JSON 工具格式 选择器容错 主选择器 + 备选链，不怕页面变化 💡 和同类工具有什么不同？ Playwright、Selenium 这类工具都需要编程基础。WebAutoForm 专注在 表单自动化 这一个场景上：批量填表、数据录入、测试、CI 流水线。100% 确定性执行（不会像 LLM 那样出现幻觉），本地运行完全免费。 🚀 一行命令就能体验 bash pip install webautoform playwright install chromium ❤️ 需要大家的帮助 ⭐ 觉得有用的话，给个 Star 吧 📣 推荐给 需要表单自动化的朋友或团队 🐛 遇到问题随时提 Issue ✏️ 欢迎对文档或功能提任何 建议
Original—
Iris —— 开源 Chrome 隐私检测插件，实时显示追踪器 + AI 引用可信度
网站名称：Iris 网站链接： 开源 Chrome 浏览器扩展，帮助用户看清网页背后发生了什么。主要功能： 1. 实时显示当前页面加载的第三方追踪器（广告、分析、指纹采集） 2. 在 Perplexity / ChatGPT / Kimi 等 AI 搜索页面，自动分析引用来源是否来自内容农场、阴谋论站或假新闻站 3. 检测订阅陷阱话术（支持中文和日文） 4. 识别 Cookie 同意暗模式 5. 本地历史记录，每周生成「追踪器最多的网站」「AI 引用质量最差的平台」等洞察 所有检测本地完成，不上报任何数据，GPL3.0 开源。已上架 Chrome Web Store，500+ 安装量。
Original—
arrow game：免费在线玩解谜箭头小游戏
大家好，我是一名独立开发者，最近做了一个浏览器小游戏：Arrows escape。 游戏地址： 这是一个规则简单的小游戏,用户需要点击没有被其他线阻拦的箭头从而通关至下一关,总共有100关可玩。 搭配上魔性的8bit音乐,不用复杂的学习、注册登录点开即玩,闲暇之余来上一两盘解解压是很好的。 推荐使用手机浏览器打开 体验会比较好。 欢迎试玩，也欢迎反馈何处需要修正。
Original—
Aura Tab - 高颜值新标签页扩展
Aura Tab 是一个面向 Chrome / Edge 的新标签页扩展，主打高颜值、低打扰和高可定制性。它把智能背景、macOS 风格 Dock / 启动台、快捷链接管理、书签导入、沉浸式图片查看、WebDAV 备份等能力整合到一个新标签页里。 项目比较重视性能与隐私：支持首屏优化、背景缓存、多语言、自定义搜索引擎，不采集用户数据。 Chrome 商店： 截图： README 里有更多截图和功能说明，欢迎试用并提出反馈。
Original—
album-assetizer：用大模型给本地相册生成结构化语义描述
说明： 一个本地运行的命令行工具，扫描个人相册，调用 OpenAI 兼容 API（推荐小米 MiMo，可以将赠送的token转换为个人数据资产）为每张图片生成结构化描述，结果保存在本地 SQLite，可导出 JSONL / CSV。 输出字段包括：短描述、长描述、场景分类、语义标签、OCR 文字、人数、置信度等，同时生成 embeddingtext 供后续向量检索使用。数据完全归用户本地所有，不依赖任何云服务。 支持 HEIC / DNG / CR3 / Apple Live Photo 等格式，断点续跑，并发处理。
Original—
SPNED-Preview (Static-Proof Native Execution of Decoders)
SPNEDPreview (StaticProof Native Execution of Decoders) 一个基于“区间域抽象解释”的零开销安全 JIT 编译器架构，在绝对吞吐量上全面击败 WebAssembly 和 eBPF 沙箱。 详细推荐理由 现代分析型数据库在集成第三方数据解码器时，往往需要在原生的极致性能与动态沙箱（如 WebAssembly 或 eBPF）的安全性之间妥协。这种沙箱机制不仅会带来单核上下文切换的性能惩罚，更会在高并发下引发灾难性的系统级内存隔离锁竞争。 SPNED 提出了一种全新的“验证后编译 (VerifythenCompile)”架构： 通过高度受限的领域特定语言 (DSL) 和纯 C++ 的区间抽象解释引擎，在微秒级（约 17.1 μs）内完成内存绝对安全性和程序终止的数学证明。验证通过后，直接通过 LLVM ORC JIT 将其降级为无限制的本地机器码。 在 64 核物理硬件的严苛评估中，SPNED 展现了打破“沙箱税”的终极性能： 逼近原生上限： 在复杂的选择性分析负载中，吞吐量达到 937.34 MT/s，成功捕获了激进优化的不安全 C++ 代码 97.9% 的物理性能上限。 亚纳秒级延迟： 彻底剥离运行时边界检查后，单条元组处理延迟低至 0.54 ns，展现了完美的 CPU 缓存亲和性。 无锁线性扩展： 凭借无锁的 64 位寄存器传参 ABI，在 64 线程下实现了惊人的 4396.95 MT/s 近线性并发吞吐，并保持了 0.0% 的错误拒绝率 (FRR)。 非常适合关注底层系统架构、编译器优化以及高性能数据库引擎的开发者参考交流。
Original—
格图X ImgGroupX：多文件夹图片分组浏览器，集中浏览和管理大量图片
Rust 多文件夹图片分组浏览器，集中浏览和管理大量图片 基于Tauri v2 + Vue 3 + Rust 的 windows 多文件夹图片浏览器，可以在一个视图中浏览管理多个文件夹及子文件夹中的图片。具有紧凑模式、虚拟分组、彩虹层级、五级标记、对比矩阵功能。 亮点 1. 多文件夹视图，方便浏览管理 2. 彩虹层级，层级关系一目了然 3. 五级标记，方便选择整理 4. 对比矩阵，支持28图两两对比 markdown 截图或演示视频
Original
—
Vibe Coding Guide：把 AI Coding 从随手 prompt 变成工程工作流
Vibe Coding Guide GitHub: Website: 一份中英文双语的 AI Coding / Vibe Coding 实战指南，目标是把“随手 prompt 让 AI 写代码”变成可审查、可回滚、可复用的工程工作流。 很多开发者已经在使用 Codex、Claude Code、Cursor、Aider 等 AI Coding 工具，但真正困难的不是让 AI 生成代码，而是： 如何写清楚 spec，让 Agent 知道边界； 如何维护 AGENTS.md / CLAUDE.md，把项目知识长期沉淀下来； 如何管理上下文窗口、压缩、交接和重启； 如何使用 subagent、workflow、worktree 做并行协作； 如何用 diff review、测试和 CI 管住 Agent 写出来的代码； 如何识别常见反模式，避免 AI Coding 变成不可维护的“爽感编程”。 这个项目不是 prompt 大全，而是面向真实工程场景的工作流指南。 项目亮点 中英文双语：README、完整教程和 PDF 都有中文/英文版本； 有 GitHub Pages 网站版，包含 16 天费曼学习清单； 覆盖 Spec、Context、Agent Plan、Diff Review、Tests/CI、Commit、Docs/Handoff 的完整循环； 适合正在使用 Codex、Claude Code、Cursor、Aider 等工具的开发者； 内容以 Markdown / PDF / Website 形式公开，适合收藏、阅读和二次学习。 适合人群 已经开始用 AI 写代码，但觉得产出不稳定的开发者； 想把 AI Agent 纳入真实开发流程的工程师； 想学习 subagent、worktree、skill、CI guardrails 等 AI Coding 工程实践的人。
Original—
Exstats
Track your browser extensions and competitors in one place
224
Step 3.7 Flash
Flash-speed agents model that can see and act
183
Wandesk
Build Your Own AI Desktop
411
Openstatus MCP Health Checker
Test MCP servers like a real AI client, not just a ping
206
Wingbits AI
AI agents for real-time aircraft monitoring and alerts
265
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.