DevTrendsDeveloper trends
Accent color

DEV TRENDS / DAILY DISCOVERIES

May 31, 2026 · What developers are building

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

nihaixia:花了一周把 100GB+ 倪海厦课程视频蒸馏成中医学习的 Agent Skill

很多人对中医感兴趣,但真正开始自学时,很容易被长视频课程劝退。我爸也在自学中医,我自己复习时也遇到同样的问题:不是完全没学过,而是“明明记得老师讲过,但就是找不到在哪一课”。 我爸在学习倪海厦课程时就遇到这个问题:小柴胡汤的加减、某个穴位在哪一节课讲过、某张板书到底出现在什么时间点,靠人工翻视频太慢了。 所以我花了一周左右,利用 AI 的整理和检索效率,把 100GB+ 倪海厦课程视频和相关学习资料做了蒸馏,开源成了一个 Agent Skill:nihaixia。 它的目标不是做“AI 中医问诊”,而是帮助像我爸这样对中医感兴趣的人更快学习、温习和索引课程资料。安装到 agent 后,可以用自然语言或关键词检索: 方剂、方证、穴位; 课程模块和课次; 板书/PPT/实操截图证据; 伤寒论、金匮、针灸、黄帝内经、神农本草等课程内容。 目前项目里整理了 41 个参考文件,接入了 2,986 条截图证据索引,也提供了命令行检索脚本 我觉得它可能对两类人有用: 1. 对中医感兴趣、想更快复习倪海厦课程的人; 2. 想要使用Agent Skill / 来做中医垂直领域知识管理。 安全边界: 项目只用于课程学习和中医理论整理,不用于个人诊断、处方、剂量或治疗建议。 这是一个把大体量视频课程资料整理成可检索、可追溯、带安全边界的开源学习工具。对中医爱好者,它能降低长视频自学的时间成本;对开发者,它也可以作为“如何用 AI 整理垂直领域知识并做成 Agent Skill”的实际案例。 下面是一些实际使用案例,得到了我爸非常好的反馈!所以想要分享出来!

Original
DTResearch & learningDTSoftware developmentDTAgent extension
—

Meigen AI:可编辑的 AI 图片/视频 Prompt Gallery 与生成器

Meigen AI Meigen AI 是一个 AI 图片/视频创作工具,主要功能是把 Prompt Gallery 做成可编辑的创作工作流,而不是单纯的提示词列表。 很多 AI prompt 网站只是给用户一段文字,用户复制后还需要自己去其他工具里调试。Meigen AI 的思路是:用户看到喜欢的图片风格后,可以直接打开提示词,修改主体、产品、风格、颜色、构图等字段,然后继续生成自己的版本。 主要功能: 1. AI Prompt Gallery 浏览不同风格的 AI 图片提示词,适合找海报、产品广告、人物写真、室内设计、社交媒体图片等创作灵感。 2. 可编辑 Prompt 用户不只是复制 prompt,而是可以把 prompt 当成模板,修改 subject、style、composition、color、product 等部分,再生成自己的图片。 3. Reference Image Generator 支持上传参考图,用参考图控制风格、构图或主体方向,再结合文字 prompt 生成类似图片。 4. Image to Prompt 可以从图片反推出可编辑提示词,适合把一张参考图转成可复用的 prompt 结构。 5. 视频模型入口 正在加入 Gemini Omni Video / Prompt to Video 工作流,把静态图片 prompt 扩展成带镜头运动、场景描述和输出格式的视频 prompt。 适合用户: 设计师:快速生成海报、UI mockup、视觉参考图 独立开发者:为产品页、广告图、社交媒体生成素材 电商卖家:生成产品广告图和商品视觉 内容创作者:从 prompt gallery 找灵感,并生成自己的版本 项目特点: 不只是 prompt 文本库,而是可编辑、可生成的 prompt workflow 支持图片生成、参考图生成、图片转 prompt、视频 prompt 适合把已有视觉风格复用到自己的产品、品牌或内容场景里 这个项目目前还在持续迭代,希望能获得大家的反馈,尤其是 prompt 编辑流程、参考图生成流程和视频 prompt 工作流是否足够清楚。

Original
DTContent creationDTLifestyle & entertainmentDTWeb app
—

Kaloscope:一款支持工作流编排的本地媒体库管理工具

Kaloscope 是一款基于可视化工作流引擎的本地媒体库管理/自动追番工具,其资源搜索与元数据刮削等能力均由可编辑的工作流驱动,可灵活对接任意资源站点与元数据来源。 相比传统媒体库管理软件通过插件扩展的方式,具有迭代更快、定制门槛更低、可模块化复用等优势。此外还支持接入自定义弹幕服务器,尤其适合自动追番场景。 应用场景 NAS 或家庭媒体服务器 自动搜索、下载、整理番剧资源 接入私有站点或定制刮削逻辑 界面截图 工作流编辑 媒体详情 核心功能 基于节点的可视化工作流编排,内置 HTTP 请求、Python 脚本、循环控制等多种节点类型 支持从 GitHub 导入社区工作流模板,支持配置定时任务自动执行工作流 支持多索引器资源搜索,可按关键词和自定义筛选条件检索,视频支持在线预览 兼容 aria2、qBittorrent、Transmission,支持自定义下载器,支持手动添加下载任务 支持下载计划,可按关键词和过滤规则自动抓取并下载资源 支持媒体库扫描与实时监控,自动识别新增媒体文件,支持解析 NFO 元数据 内置支持弹幕的视频播放器,支持 CSS 横屏播放,支持自动/手动匹配弹幕库 支持自定义 HTTP 代理与 DNS 解析规则 支持多用户管理、权限控制、个人偏好设置 支持 PWA 安装,兼容桌面端与移动端 GitHub: 官网&文档:

Original
DTDesktop appDTSkill / plugin
—

Tactical-Lag / 装死:一款让电脑学会“人情世故”的 Windows 工具

有时候,不是你想拒绝。 是你的电脑,突然很懂事。 我做了一个小工具:TacticalLag / 装死。 它不会真把电脑搞坏,但可以让电脑在关键时刻进入一种非常有说服力的状态: ”我不是不配合,但电脑好像卡住了。” 它能模拟 CPU 负载、画面假冻结、网络变慢,还带一个 WebView2 控制台,可以调强度、开关模块、改快捷键。 默认快捷键也很有仪式感: Ctrl + Alt + Shift + L:开始装死 Ctrl + Alt + Shift + R:原地复活 适用场景包括但不限于: 朋友或同事想要你帮忙,但你又不好意思拒绝 会议已经结束了,但领导的灵感还没结束 远程协助逐渐演变成免费加班 孩子的电脑使用时间需要一点“技术性刹车” 演示高负载、UI 卡顿、弱网状态 你负责体面,电脑负责表演。 你负责沉默,它负责风扇起飞。 它不是故障制造机,而是一枚可恢复、可控制、懂分寸的数字烟雾弹。 运行截图:

Original
DTData & operationsDTDesktop productivityDTWindows
—

谁在招人?(2026年6月)

这里是免费的程序员招聘服务。 如果你们团队正在招人,欢迎把招聘信息发在这个帖子里面。请简要描述,岗位名称、工作地点、岗位要求、团队简介、联系方式等等。 发帖规则 请遵守以下规则,违者(很可能)被拉黑。 1. 同一团队招聘多个岗位,请写在一起,不要分成多个部分张贴。 2. 必须披露招聘公司的名称,禁止匿名招聘。 3. 谢绝中介和猎头发帖。 4. 不得发布与招聘无关的内容,且不得对公司或岗位进行评论或抱怨。 有意应聘的读者,请直接与发帖人联系。 历史帖 程序员的招聘往往长期有效,大家别忘了查看上月的岗位。 2026年:5月,4月,3月,2月,1月 2025年:12月,11月,10月,9月,8月,7月,6月,5月,4月,3月,2月,1月 2024年:12月,11月,10月,9月, 8月,7月,6月,5月,4月,3月,2月,1月 2023年:12月,11月,10月,9月,8月,7月,6月,5月,4月,3月,1月~2月 2022年:12月,11月,10月,9月,8月,7月,6月,5月,4月,3月,2月,1月 2021年:12月,11月,10月,9月,8月,7月,6月,5月,4月,3月,2月,1月 2020年:12月,11月,9月10月,7月8月,5月6月,4月,3月, 1月2月 2019年:12月,9月11月,8月

Original
DTBusiness & growth
—

「爆款」 baokuan.app 你的好时光,值得去分享——极致设计美学的全场景图文制作工具

工具名称:爆款 工具地址: 工具介绍:你的好时光,值得去分享。“爆款”是一款全场景图文制作工具,让你的朋友圈更好看、让你的小红书更精致,还可以做旅游攻略、做读书笔记,也可以做数据分析、做产品测评。 工具亮点:排版级极致设计美学,全场景图文需求, AI 增强自动排版,本地工作隐私良好,一键导出高清大图,单图组图满足更多需求。 自荐理由:类似这样的制图工具很多,现在 AI 生图也很普遍,但是很多用起来比较重,有些图片质量不太高,或者比较繁琐。 “爆款”最大的特点是在设计上极尽克制内敛,不管是网站设计还是模板选择,都具有较高的设计水平。另外加入 AI 功能,用户复制粘贴任意文字,自动匹配图片模板。还有就是让不同好友试用,在流程及功能上做了大量工作。最后就是个人主观上的理解了,比如使用了大量充满温情或者人味的文字表述,比如“你的好时光,值得去分享”、“你的生活底色,世界的美丽源泉”、“极致美学、专业设计,只为美好的你”。 下一步,一是等中文版成熟后,逐步开发英文版;二是继续拓展 AI 功能,比如加入 AI 文案功能等。 最后,套个近乎。 一是关注了微信公众号“阮一峰的网络日志”,《科技爱好者周刊》几乎每期都看。周刊除了有经过筛选、高质量的信息外,最难得是在互联网背景下的一个长久坚守,仔细打磨、娓娓道来。这种节奏太珍贵。 二是 2010 年前后,那会儿经常关注谷歌等资讯,开始搞独立博客,关注博主也是很久了。gmail 这些我们都是好友。 三是有趣的是,我是个纯纯的文科生、新闻学专业。因为穷大学网吧打工接触做网站,随着 AI 编程工具的普遍,做了不少网站,比如说域名就注册了 300 个。「爆款」 算是这两天有动力推广的,感觉还算满意,再就是几乎可以覆盖每一个上网的人。

Original
DTContent creationDTData & operationsDTWeb app
—

终端斗地主游戏

QQ斗地主通过控牌来影响玩家的胜率,新手和回归玩家牌面非常硬,而老玩家则经常拿到烂牌。为了让这个游戏重新回归本质,我用Go开发了终端斗地主,界面如下。 快速开始 客户端安装命令如下: macOS/Linux:curl fsSL | bash Windows:irm | iex 安装完成后使用 ddz 即可开玩! 项目特色 DouZero智能机器人:该模型相比LLM具有更好的表现,LLM经常会出非法牌型,而该模型则具有拆牌、顶牌、垫牌等高级出牌策略,在自由出牌时也可以打出顺子、飞机等复杂牌型,表现非常好。 游戏音效:完备的经典斗地主音效,畅玩游戏体验 大厅互动:游戏大厅可与玩家交流沟通 欢迎大家体验,也欢迎提交 Issue 和 PR,欢迎 Star~

Original
DTLifestyle & entertainmentDTSoftware developmentDTmacOS
—

基于 WinUI 3 的原生 Windows 高性能代理客户端

C 高性能+轻量的网络代理工具 XrayUI 一款Windows 11风格的原生高性能客户端,基于xray内核。主打极低资源占用和原生级的美观,后台常驻内存 ~15MB,程序目录总容量 ~80MB,使用winui3+AOT编译冷启动极快。 亮点 因为目前大部分代理软件都是基于Tauri or electron 这种跨平台框架进行开发,相比于winui3,显得隆肿,占用内存大。这个项目使用了现代化的c winui3框架的使得该项目在windows电脑能同时拥有原生级别的美观以及高优化的内存占用+AOT编译后达到高速冷启动 markdown 截图或演示视频 浅色模式: 深色模式: 个性化设置: mini窗口模式: 最小化到托盘后内存占用显示:

Original
DTData & operationsDTSoftware developmentDTLibrary / SDK
—

FunASR — 工业级语音识别工具包(16K+ stars)

项目信息 FunASR 项目描述: 工业级开源语音识别工具包,支持 50+ 语种,一行代码部署 OpenAI 兼容 API 服务器 编程语言: Python Stars: 16,000+ License: MIT FunASR 是一个面向工业应用的语音识别工具包,由通义实验室开源。与 OpenAI Whisper 相比: 1. 速度极快:SenseVoice 模型(非自回归架构)比 Whisper 快约 10 倍 2. 功能完整:内置 VAD、标点恢复、说话人识别、情绪检测 3. 一键部署:pip install 后即可启动 OpenAI 兼容 API 服务 4. 50+ 语种:中英日韩等主流语种全覆盖 5. MCP 集成:内置 MCP Server,可直接在 Claude Code、Cursor 中使用 bash 3 行代码启动语音识别服务 pip install funasr funasrserver device cuda 访问 生态项目丰富:45+ 开源项目已集成 FunASR,包括 GPTSoVITS(58K stars)、Dify(143K stars)等。 非常适合作为 HelloGitHub ,帮助更多开发者了解这个强大的国产开源语音识别工具。

Original
DTData & operationsDTSoftware developmentDTAgent extension
—

Clipto

Fully local, natural language search over terabytes of media

DTContent / resource
523

DEV TRENDS / COMMUNITY

Discuss this edition

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

Open discussions ↗