DevTrendsDeveloper trends
Accent color

DEV TRENDS / DAILY DISCOVERIES

Jun 22, 2026 · What developers are building

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

DigiCakey

免费制作个性化数字蛋糕,自定义糖霜、水果、蜡烛和卡片,通过一个链接将礼物送给朋友

Original
—

Toolaunch

AI、SaaS 和工具项目导航站,助力独立开发者和创业者展示自己的产品获得曝光

Original
DTSoftware developmentDTContent / resource
—

SmartAutoFill —— SmartAutoFill 是一个 AI 表单自动填写 Chrome 扩展, BYOK

SmartAutoFill SmartAutoFill 是一个 AI 表单自动填写 Chrome 扩展,用来辅助填写重复性的网页表单,比如求职申请、Google Forms、CRM 表单、问卷、内部工具表单等。 它不是“自动提交机器人”,而是一个 reviewfirst 的表单填写助手:先扫描页面上的可见字段、标签、选项和上下文,再根据用户保存的资料生成填写草稿,最后由用户自己检查、修改和提交。 Chrome 扩展: 测试页面: GitHub: 核心功能与特点 现在很多网页表单并不是简单的姓名、邮箱、电话,而是会问很多需要上下文的问题,比如: 求职申请里的工作经历、项目经验、LinkedIn、GitHub、作品集链接 Google Forms 里的部门、角色、项目说明、常用问卷答案 CRM 或内部系统里的客户信息、公司简介、跟进备注 QA / 测试环境里需要反复填写的测试数据 SmartAutoFill 想解决的就是这类“浏览器自带自动填充不够用”的场景。 主要特点: 1. AI 理解表单上下文 会读取可见字段、label、placeholder、select 选项、页面标题和附近文本,尽量理解每个字段真正要填什么。 2. 支持多种使用场景 适合求职申请、Google Forms、CRM 数据录入、问卷、内部工具、QA 测试表单等重复填写场景。 3. Reviewfirst,不自动提交 工具只负责生成和填写草稿,不会自动点击提交按钮。用户可以先检查、修改,再手动提交,避免误填重要表单。 4. 对敏感字段更保守 对密码、支付、验证码、身份信息、法律确认、同意勾选等敏感字段,会尽量避免自动填写或提醒用户人工处理。 5. 提供测试页面 官网有一个 AI form filler test page,可以先在模拟表单上测试扩展效果,再用于真实工作流。 为什么推荐它? 很多人现在已经习惯用 AI 写简历、整理资料、生成回答,但真正填网页表单时,还是要在不同页面之间反复复制粘贴。尤其是海外求职、CRM 录入、Google Forms、内部后台这些场景,字段很多、格式不统一,非常消耗时间。 SmartAutoFill 的思路不是替用户“盲目自动提交”,而是把 AI 用在更安全的位置:理解表单、生成草稿、辅助填写,然后让用户自己最终确认。 如果你经常填写求职申请、问卷、客户资料、内部系统表单,或者需要在测试环境反复填表,这个工具可以节省不少重复输入的时间。

Original
DTBusiness & growthDTSoftware developmentDTWeb app
—

庖丁.skill —— 你收藏了 100 个 AI Skill,说得出任何一个为什么好用吗?

庖丁.skill 庖丁.skill 是一个 Claude Code skill,用来把任何 AI skill 包(SKILL.md / prompt workflow / agent playbook)解成一本可以在浏览器里翻的解剖手册。 你收藏了 100 个 skill,说不出其中任何一个为什么好用。软件工程时代你还能钻进源码——但 skill 没有源码可读。skill 的「源码」,是它对模型默认行为的改变。庖丁读的就是这个。 为什么推荐它? 现在 AI skill / prompt engineering 的生态有一个奇怪的现象:好的 skill 越来越多,但「学会写好 skill」的路径几乎不存在。你能找到几百个 awesomeprompts 列表,但没有一个能告诉你「这条规则为什么不能删」「这个中间产物选这个格式而不是那个格式,背后的洞察是什么」。 传统软件有源码可读、有设计文档可查,但 skill 的核心是自然语言规则对模型行为的约束——它的「源码」不在代码里,在它对默认行为的改变里。这层东西,不拆开对比,看不见。 庖丁的思路不是「给你一个功能清单」,而是「带你走一遍,让你自己看见」——先看没有这个 skill 时 AI 会怎么坏,再看它用什么机制防住,最后标出哪些招能搬进你自己的项目。每个论断标证据等级,是猜的标猜,不确定的标不确定。 如果你在写自己的 AI skill、在学习别人的 prompt workflow、或者想搞懂「为什么这个 agent 的效果比默认好这么多」,庖丁能帮你把黑箱拆成白箱。 GitHub: 核心功能与特点 现在越来越多人用 Claude Code skill、prompt workflow、agent playbook 来控制 AI 的行为。但 skill 的学习曲线很陡:一个好的 skill 包可能有几千行规则、十几个引用文件、自定义脚本——光读一遍都费劲,更别说搞懂「为什么这条规则不能删」「这个中间产物为什么要存成这个格式」。 庖丁想解决的就是「看不懂好 skill 为什么好」的问题。 主要特点: 不读功能,读反事实 对包里的每条规则、每个脚本、每个中间产物,过三问:去掉它第一个坏掉的产物是什么?这个坏结果对基线是默认发生还是小概率?凭什么相信?——每个论断都带证据等级(实测 / 作者证词 / 结构推断 / 假设),是猜的标猜。 七维度难点扫描 + 六镜头带走点 难点按来源分七个维度(任务难、执行者不可靠、规模超上下文、品味说不清、输入残缺、环境怪癖),归不进的进残渣清单。然后再换六个镜头(痛点 / 知识 / 概念 / 话术 / 验法 / 产物形状)扫一遍,把「读者明天干活就能直接拿走的东西」挑出来,在正文的机制现场用「📌 可带走」标注。 手册不是摘要,是沉浸式走查 手册主体以 AI 的第一人称带你把 skill 从头跑一遍——每一站先看拿到了什么、默认会怎么坏、让你先猜怎么防,然后才贴出 skill 的原文。猜错一次比听懂十次记得牢,这条是构建层硬约束,缺了直接构建失败。 机器强制的质量门禁 症状缺证据标记 → 构建拒绝;有难点的站缺预测点 → 拒绝;术语缺实例 → 拒绝;场景再现没有实物片段 → 拒绝。凡是只写在规格里、没进 gate 的教学规则,第二本手册就全丢了——没进 gate 的规则必然退化,这是庖丁自己的命题在自己身上的验证。 三种输出模式,按需取用 快速评审:直接给 keep/cut 建议,哪些该删该留 模式提取:把可迁移的 skill 设计模式提出来 完整手册:六章 + 三附录的 Web 解剖手册(Overview / 实战走查 / 中间产物与数据流 / 源包导读 / 难点档案 / Apply It + 术语表 / 带走工具箱 / 源码附录) 脚本必跑铁律 源包里的脚本,只要有合法输入,必须逐个真跑。解女娲 skill 时,跑它自带的 qualitycheck.py,发现出厂示例跑不过出厂检查器——光读代码只敢说「实现较脆」,跑两条命令之后,它成了整本手册里最硬的发现。

Original
DTResearch & learningDTSoftware developmentDTAgent extension
—

ModelForge:小团队自己用的 NLP 模型平台,模型生产到 badcase 闭环训练

ModelForge:小团队自己用的 NLP 模型平台 < · 协议 Apache2.0 说实话,很多 NLP 活儿真用不着大模型。情感识别、意图分类、实体识别、句子相似度这些,拿个小 BERT 微调一下,又快又便宜,还能本地离线跑,效果还更稳。 麻烦的是,自己从头搭一套「数据 → 训练 → 评估 → 上线」太碎了,每一步都得拼脚本。于是我做了 ModelForge,把这些揉进一个平台;顺手还加了条大模型 Prompt 盲测评测(这条线只评测、不微调大模型)。 先用一张表看看它都包了啥: | 模块 | 它帮你干的事 | 一句话亮点 | | | | | | 数据集管理 | 上传即版本化,带 checksum | 训练随时能复现 | | 模型训练 | 4 种 NLP 任务一键微调 | 实时进度 + MLflow 看曲线 | | 模型测试 + 导出 | 测试集跑指标、出排行榜 | 每条预测一键导 Excel | | 在线部署 | 满意版本一键上线 | 自动给接口 + curl 示例 | | Badcase 闭环 | 线上坏例回收 → 标注 → 再训 | 自动算修复了多少条 | | Prompt 评测 | 大模型提示词盲测 | 人工 + AI 双指标 | | 权限与用户 | RBAC 多角色、API Key | 谁能干啥管得清 | 进来先是张总览首页,整体长这样: | 系统首页 | 系统架构 | | | | | | | 下面挨个看看。 数据集管理 传数据自动存成版本快照,带 checksum,训练随时能复现。CSV / JSONL / Excel 都能导,还能直接下模板。 | 数据集列表 | 数据集详情 | 上传新版本 | | | | | | | | | 模型训练 四种任务都支持,选基础模型和数据集是联动的,不会选错;训练有实时进度,想看 loss 曲线点一下跳 MLflow。 | 任务类型 | 干啥用 | 典型场景 | | | | | | 文本分类 | 给一段文本打标签 | 情感识别、意图分类 | | NER | 抽出文本里的实体 | 抽人名、地点、订单号 | | 句对相似度 | 判断两句话像不像 | 问答匹配、去重 | | 向量检索 | 把文本变成向量 | 语义搜索、召回 | | 模型列表 | 新建训练 | 训练进度 | | | | | | | | | 模型测试 + 导出 跑一遍测试集自动出指标,同一个测试集横着比就是排行榜。每条预测还能一键导成 Excel,对错一目了然。 | 新建评估 | 测试结果(排行榜) | 导出表格 | | | | | | | | | 在线部署 满意的版本一键上线,自动给你 /predict、/embed、/similarity 接口,还附 curl 示例,复制就能调。 | 部署列表 | 新建部署 | API 页面 | 接口测试 | | | | | | | | | | | Badcase 闭环 线上踩的坑回传进来,在标注台标一标,一键生成训练集再训;再训的时候自动算修复了多少条。 | Badcase 列表 | 数据标注工作台 | 上报规则文档 | | | | | | | | | Prompt 评测(我自己最爱用的) 接上大模型,把提示词做成带版本的模板,然后盲测——界面只给 A / B / C、藏掉版本,免得你先入为主。除了自己评,还能让另一个大模型当裁判自动打分,人工 + AI 两套指标一起看。 | LLM 设置 | Prompt 管理 | 评测列表 | | | | | | | | | | 盲测工作台 | 评测统计(人工 + AI) | | | | | | | 权限与用户 多人用的平台,权限得管清楚。RBAC 多角色、细到权限码,还能签发 API Key 给上报这类机器调用走。 | 登录 | 用户列表 | 角色列表 | 角色授权 | | | | | | | | | | | 技术栈 | 层 | 选型 | | | | | 后端 | FastAPI + Celery | | 前端 | React | | 存储 / 中间件 | PostgreSQL · Redis · MinIO | | 实验追踪 | MLflow | | 协议 | Apache2.0 |

Original
DTData & operationsDTSoftware developmentDTContent / resource
—

agenthatch:把任意 skill 编译成独立可运行的 AI Agent

大家都说 Agent + skill 是最佳实践。我把这个范式反过来了:skill 的最佳实践不是给 Agent 当参考书翻,而是作为超级输入源用来孵化 Agent。 agenthatch 本质是一个超级智能体,吃进去 skill,吐出来新的 Agent。像编译器吃 .java 吐 .class 一样。 三阶段编译管道: 1. 确定性解析(不用 AI,直接拆 frontmatter/body/文件清单) 2. 6 个 AI harness 并行推理(身份提取、意图推理、接口设计、基类检测、装配校验、MCP 检测),每个有自己的 temperature 和模型等级 3. Jinja2 代码生成 → 带 pyproject.toml 的独立 Python 包 编译出来的 Agent 是真正的 Python 包,不是 prompt wrapper。有 Typer CLI、类型安全工具、PlanLayer 六状态机运行时。不依赖任何 AI 平台。 pip install agenthatch agenthatch hatch yourskill agenthatch run yourskill 三条命令从 markdown 到可运行 agent。 GitHub: PyPI: 截图:

Original
DTSecurity & testingDTSoftware developmentDTAgent extension
—

Mediary Scout —— 自部署「媒体获取 agent」,LLM 自动找资源转存进你自己的 115/夸克网盘

一个自部署的「媒体获取 agent」:你说要某部剧 / 电影 / 番,一个 LLM agent 自动找资源、转存进你自己的 115 / 夸克网盘、回读验证落盘,并持续追踪还缺哪几集。 它想解决什么:常见的媒体自动化要么「会搜但不知道你到底缺什么」,要么「会搬但从不验证落没落下」。Mediary Scout 把获取当成一个 状态问题,由 agent 基于「证据 → 事实 → 决策」自主判断,硬规则做成不可绕过的校验器: 多网盘:115 / 夸克,各自独立工作区(一账号多盘,切盘即切落盘目标);转存走秒传 / 分享转存,不下载到本地。 agent 选片:读真实搜索结果,按画质、中文字幕需求、去重来挑,转存后回读验证。 追踪 + 巡检:季级状态机,每日巡检只回来补「还缺集」的剧。 一键自部署:docker compose up d(web + Postgres + 自带 PanSou),软路由 / NAS / 小主机都能跑;外网访问走 Cloudflare Tunnel + Access(无需公网 IP、不开端口)。 免安装在线 demo(只读,不连你网盘、不写任何东西): 技术栈:Next.js(App Router + PPR)+ Postgres + 进程内队列 worker,TDD 700+ 测试 + CI。纯开源、自部署,自带网盘 / LLM / 元数据凭证,不是托管服务 —— 做的就是你本可以在自己网盘里手动完成的那些文件操作。

Original
DTData & operationsDTSoftware developmentDTAgent observability
—

千万不要相信

大家千万不要相信,这个是一个陷进,你用Apple账号登录,他就会马上将手机丢失,然后让你去花钱解锁,妈的,畜生不如的东西。

Original
—

Vibe Creating:把字节官方文生视频提示词范式开源成可一键安装的 Agent Skill

把字节官方随 Seedance 2.0 发布的「Vibe Creating」范式开源整理 / 移植成了一个可一键安装的 Agent Skill。 它做的事很简单:把你「粗糙的想法」或者「过度具体的分镜脚本」改写成模型友好的文生视频提示词。不是无脑堆词,而是 judgmentfirst —— 先判断你的输入到底适不适合这种风格,如果你本来就需要精确控制(逐帧调度、特定运镜参数),它不会把你的提示词「抹平」。 特点: 中英双语(EN / 中文) 单个 SKILL.md,遵循开放的 Agent Skills 标准,可在 Claude Code / Codex / OpenClaw / Hermes 里用,也能直接当 system prompt 支持任意文生视频模型:Seedance 2.0、Kling、Veo、Hailuo、Wan、Vidu MIT 协议 一行安装: npx github:Alisa0808/vibecreatingskill 🤖 Generated with Claude Code

Original
DTAgent extensionDTSkill / pluginDTClaude Code
—

Codex Quota:把 Codex 用量放到菜单栏

介绍文章: 它是一个本地 Tauri 桌面应用,用来把 Codex 用量显示在 macOS 菜单栏或 Windows 系统托盘里。 macOS 上会显示类似: text Codex 5h 96% | Weekly 36% Quota macOS 菜单栏截图 为什么做 Codex 已经越来越像一个长期挂在日常开发流程里的工具。用量状态也从“偶尔看一眼”,变成需要持续感知的信息。 官方页面能看额度,但路径偏长:打开浏览器、进入设置页、等页面加载、再回到编辑器。 我想要的是一个低摩擦的小工具:不打扰,需要时一眼看到。 解决什么问题 5 小时窗口还剩多少额度 周额度还剩多少 什么时候重置 最近一次刷新是否成功 当前显示是不是过期数据 它解决的不是“看数据”,而是减少上下文切换。 主要特点 macOS 菜单栏显示 quota 摘要 Windows 系统托盘显示状态,详情放在菜单和 tooltip 支持后台刷新 支持复制脱敏 summary Debug details 可查看本地排查信息 刷新失败时保留最后一次成功快照,并标记 stale 无服务端,不上传使用量 MIT 协议开源 安全边界 Codex Quota 不需要 API key,不要求粘贴 cookie,不要求输入 bearer token,也不收集登录凭据。 它打开本地 Tauri WebView,让用户在 ChatGPT 页面正常登录,然后在已认证的页面运行时里请求用量接口。 访问令牌只用于当前请求: 不返回给 Rust 侧 不写入本地存储 不显示在 Debug 窗口 不记录日志 复制 JSON 时会隐藏账号 ID,并遮罩邮箱。 技术栈 Tauri v2 Rust TypeScript React Vite pnpm 支持 macOS 和 Windows。构建产物目前未签名,无自动更新。 适合谁 适合高频使用 Codex,并且希望随时知道额度状态的人。 我的目标很简单:把一个需要反复打开网页确认的状态,变成桌面上一眼能看到的信息。 少一点切换,少一点打断。

Original
DTDesktop productivityDTSoftware developmentDTAgent extension
—

Irori:一个本地优先的桌面角色陪伴助手

Irori 是一个本地优先的桌面角色陪伴应用,基于 Pi codingagent SDK 构建。它把 agent 会话包装成更有角色感的陪伴体验:每个角色都有自己的角色卡、人设、工作风格、记忆上下文、模型设置和协作能力,可以陪你聊天,也可以帮你写作、写代码、规划任务、整理结论。 特色 角色陪伴。 使用内置角色,或者创建你自己的角色卡。角色可以拥有不同的语气、人设、故事背景、头像和工作方式。 专业协作能力。 角色能理解任务背景,拆解需求、跟进进度、整理结论,像专业搭档一样推进工作。 本地记忆与上下文。 偏好、项目重点、协作习惯等信息可以保存在本地,后续沟通可持续引用,减少重复说明。 模型供应商预设。 欢迎流程和设置页复用了模型供应商预设,也支持填写 OpenAI 兼容的 Base URL、模型名和 API Key。 桌面优先体验。 使用 Tauri + React 构建,包含本地 sidecar runtime、安全确认门、角色 UI 和多语言欢迎流程。 自由角色卡。 角色卡可以自由更换和创作:用你喜欢的角色、人物或原创设定,打造专属陪伴。 网站:

Original
DTContent creationDTSoftware developmentDTAgent extension
—

ego lite:让 Codex/Claude Code 复用真实浏览器登录态跑网页任务

官网/下载: 使用文档: ego lite 是一个给人类和 AI Agent 共用的的 Chromium 浏览器。 我们做它的原因来源于自身的痛点:现在用 Codex、Claude Code、Cursor 这类 Agent 做网页任务时,经常会遇到几个麻烦:临时浏览器没有登录态、Cookie/插件/SSO 迁移麻烦,遇到验证码或后台系统时容易卡住;同时 Agent 操作浏览器时,也容易和我们正在使用的标签页互相打扰。 ego lite 想解决的是这个问题:让人和 Agent 使用同一个浏览器环境,但在不同的 Space 里工作。你可以继续正常浏览网页,Agent 则在自己的独立 Space 里打开网页、读取页面、点击、填写表单、抓取信息或完成重复性网页任务。 几个特点: 通过 egobrowser skill 接入 Codex、Claude Code、Cursor 等 Agent,不绑定特定模型或内置 Agent。 可以迁移 Chrome 的登录态、Cookie、扩展、书签和 Profile,让 Agent 直接处理需要登录的网站。 每个任务可以运行在独立 Space 中,适合并行处理多个网页任务,也不会抢走当前标签页。 针对 Agent 提供语义化页面 Snapshot,并支持在页面内一次执行多步操作,减少传统「一步一工具调用」带来的等待和 token 消耗。 适合处理邮箱、CRM、SaaS 后台、社媒、招聘、订票、表单填写、内部系统等 API 不完整但网页可操作的场景。 浏览数据保留在本机,历史记录、Cookie、密码和页面内容不会上传云端。 目前 ego lite 支持 macOS,Windows / Linux 正在路上,ego lite 浏览器可以免费下载使用。 我自己最常用的场景是:让 Codex 打开多个网页做信息比对,进入已登录的 SaaS 后台拉取数据,或者批量处理一些原本只能手动点网页完成的流程。 如果周刊读者正在尝试把 Codex、Claude Code 这类 Agent 用到真实网页工作流里,希望 ego lite 能省掉「登录态迁移」和「Agent 抢标签页」这两个很烦的小问题。

Original
DTBusiness & growthDTAgent extensionDTWeb app
—

我爱南京 - 李志黑胶唱机

一个复古风格的在线黑胶唱片播放器,收录李志完整音乐作品集,支持 Cover Flow 专辑浏览和沉浸式黑胶播放体验

Original
DTLifestyle & entertainment
—

calesthio / OpenMontage

World's first open-source, agentic video production system. 12 pipelines, 52 tools, 500+ agent skills. Turn your AI coding assistant into a full video production studio.

LanguagePythonDTSoftware developmentDTAgent extensionDTSkill / plugin
11.1K

mukul975 / Anthropic-Cybersecurity-Skills

754 structured cybersecurity skills for AI agents · Mapped to 5 frameworks: MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND & NIST AI RMF · agentskills.io standard · Works with Claude Code, GitHub Copilot, Codex CLI, Cursor, Gemini CLI & 20+ platforms · 26 security domains · Apache 2.0

LanguagePythonDTSecurity & testingDTAgent extensionDTAgent evaluation & safety
18.4K

garrytan / gstack

Use Garry Tan's exact Claude Code setup: 23 opinionated tools that serve as CEO, Designer, Eng Manager, Release Manager, Doc Engineer, and QA

LanguageTypeScriptDTAgent orchestrationDTClaude Code
112.9K

bytedance / deer-flow

An open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.

LanguagePythonDTSkill / plugin
73.1K

DeusData / codebase-memory-mcp

High-performance code intelligence MCP server. Indexes codebases into a persistent knowledge graph — average in milliseconds. 158 languages, sub-ms queries, 99% fewer tokens. Single static binary, zero dependencies.

LanguageCDTAgent extensionDTMCP service
11.2K

ZhuLinsen / daily_stock_analysis

LLM 驱动的多市场股票智能分析系统:多源行情、实时新闻、决策看板与自动推送,支持零成本定时运行。 LLM-powered multi-market stock analysis system with multi-source market data, real-time news, decision dashboard, automated notifications, and cost-free scheduled runs.

Original
LanguagePython
45.6K

FlowNavi

In-app guides to take your users from signup to power user

DTContent / resource
—

Styka

Don't build a website. Search for it.

DTWeb appDTContent / resourceDTWeb
—

Revisite

Turn Google Maps reviews into a complete multi-page website

DTBusiness & growthDTWeb appDTWeb
—

Loodfun

Turn your events & content into 3D game

DTResearch & learningDTLifestyle & entertainmentDTContent / resource
—

PromptCache

Version your prompts. Ship faster with your team.

DTSoftware developmentDTLibrary / SDK
—

Warid

Record your voice. Warid does the rest.

DTDesktop productivityDTDesktop appDTmacOS
—

DEV TRENDS / COMMUNITY

Discuss this edition

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

Open discussions ↗