DEV TRENDS / DAILY DISCOVERIES

Jun 28, 2026 · What developers are building

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

Snaptium

面向深度写作与知识管理的 Markdown 智能工作空间，本地优先架构，融合 AI 辅助写作、知识库智能体与端到端加密同步，支持 Windows/macOS/Linux

Original

DTContent creationDTAgent orchestrationDTVertical agent

Chinese Indie Developers

—

TimedSubs

免费字幕检查工具，上传 SRT/VTT 后在浏览器本地检查时间轴、重叠、行长和阅读速度，并安全修复长行换行，无需注册、不上传文件

Original

Chinese Indie Developers

—

蜂壳云安卓手机自注册设备功能正在内测（随时远程使用您在家中的安卓设备）

现在可以把自己的 Android 手机接入 Phones Cloud：在手机上安装设备端 APK，登录账号并添加本机后，就能在 Web 控制台或 iOS 客户端远程打开这台手机。适合备用 Android 远程管理、移动应用测试、工作/测试环境分开管理、团队共享自有设备，或者出门不带手机时临时远程使用。 Android 11+ 可用无线调试配对：保持系统配对码窗口打开，在客户端输入六位配对码即可，不需要手动填 IP/端口，也不需要执行 adb tcpip 5555。也可以用 USB 连接电脑，执行一次 adb tcpip 5555 后回到客户端刷新。内测期间，自注册设备可以一直免费续期使用。部分机型和系统版本可能有兼容差异，欢迎体验反馈。说明页：使用教程：设备端 APK：

Original

DTResearch & learningDTSoftware developmentDTMobile app

Weekly Submissions

—

WeRead Vault：微信读书的本地数据库 + 带 AI Skill 的 CLI

WeRead Vault 把微信读书的书架、划线、想法、阅读统计一次性归档进本机的一个 SQLite 文件——可查询、可视化、可导出，AI 直接读，数据不上传。一句话：它是「微信读书的本地数据库」，外加一个带 Agent Skill 的命令行。 GitHub: 主页 / 下载: （macOS .dmg、Windows 安装包，或 pipx install wereadvault）为什么做它：微信读书官方的 Agent Skill 是 17 个无状态、「按单本书查」的接口，想搜遍所有划线、做跨书统计都得逐本调几百次。WeRead Vault 把数据归档进本地 SQLite，「按书查」变成「随便查」——一条 SQL 全文检索毫秒级搜遍全部划线，一条 GROUP BY 做跨书聚合。几个特点：本地优先：数据只存本机一个 SQLite 文件，可备份、迁移、离线，永不上传；本地网页只监听 127.0.0.1。完整书架 + 阅读统计：同步整个书架（含无笔记的书），周/月/年/全部切换的看板、GitHub 式划线热力图、读得最多排行等。 AI 原生：query（只读 SQL）/ stats（统计 JSON）/ api（直连微信读书接口）+ 自带 Skill，Claude Code、Codex、OpenClaw 一条命令就能查、能荐书；还能 wereadvault open 三体直接唤起微信读书 App 打开某本书。导出到知识库：Markdown（带封面、可合并他人热门划线去重）、Obsidian、flomo、Notion。每天自动同步：一句命令注册系统定时器，到点自动同步，不常驻后台。纯 Python 标准库 + SQLite，零第三方依赖，MIT 开源。截图 Dashboard（本地书架）它是怎么工作的阅读统计书籍详情（含相关推荐）

Original

DTResearch & learningDTData & operationsDTAgent extension

Weekly Submissions

—

支持邮箱订阅，每日AI前沿信息。开源趋势、社区热议、AI 动态

Agently.top 每日 AI / 开源 / 科技信息聚合 · 中文智能摘要 · 卡片式资讯流 · 微信公众号自动发布线上地址：它是什么 Agently.top 每天自动抓取 9 个信息源的中英文科技与 AI 资讯，通过 AI 生成中文摘要，以卡片流形式呈现，并支持邮件订阅与微信公众号自动发布。主要特性每日自动采集：9 大源独立容错，单一源失败不影响整体输出 AI 中文摘要：聚焦 AI / 软件工程师关注点邮件推送与订阅：按调度时间自动发送每日摘要，访客可订阅微信公众号自动发布：每日精选自动入库草稿箱 Web + API：Vue 3 卡片流前端，FastAPI 只读接口，RSS 输出访问统计：内置轻量统计，UV/PV 自查

Original

DTWeb

Weekly Submissions

—

Job Bro v0.5.0 集成免 API 密钥的 Qwen 智能体后端

项目地址：传送门：【开源自荐】Job Bro v0.3.0 AI Agent 架构升级：评估器可联网搜索，结果实时流式返回一个 AI 驱动的求职副驾驶 Chrome 扩展，能一键提取、评估 LinkedIn 与 Greenhouse 职位并自动生成定制简历。支持云端 API、本地 Chrome AI (Gemini Nano) 以及免 API Key 的 Qwen (通义千问) 网页版双向/三向后端。 🚀 v0.5.0 & v0.4.0 双版本重磅更新自 v0.3.0 发布以来，我连续完成了两次核心架构大升级，将 Job Bro 塑造成了一个真正的多平台、全自动、零成本的求职副驾驶工具。 1. 🏗️ 重构多站点提取：支持 Greenhouse 招聘平台 (v0.5.0) 问题：旧版本完全硬编码支持 LinkedIn 页面。但现实中，大量优质的科技公司（如 Anthropic 等）直接在 Greenhouse 上发布职位。解决：我抽象出了一套多站点适配器架构 (src/extractor/site.ts)：无缝路由：扩展能智能感知当前活动的标签页，动态分发至特定的解析模块 (linkedin.ts 或 greenhouse.ts)，仅在需要时注入内容脚本。防止 ID 冲突：LinkedIn 和 Greenhouse 均采用纯数字表示 Job ID。我在数据库存储层引入了命名空间前缀 (gh:4593216008 vs. 纯数字)，避免跨站数据相互覆盖。安全防抖：MutationObserver 监听挂载目标增加了 document.documentElement 兜底，防止脚本极早期执行导致 document.body === null 崩溃。 2. 🛠️ 深度兼容 LinkedIn 搜索面板与多 DOM 渲染 (v0.5.0) 问题：LinkedIn 的职位展现有两套完全不同的 DOM。直接访问链接 (/jobs/view/) 渲染在 lazycolumn 内；而在搜索列表页 (/jobs/search/) 或推荐页中，职位被渲染在右侧的 unifiedtopcard 面板中。旧版在搜索页提取经常失败。解决：多 DOM 分支适配：解析器现在会自动嗅探当前呈现的布局（lazycolumn 或 unifiedtopcard）并执行不同的字段提取分支。解决内容截断：LinkedIn 搜索页右侧面板展示的会被 CSS 截断，旧版基于文本 H2 节点游走只能抓到 200 字的摘要。新版改为优先锁定 jobdetails 及 .jobsdescriptioncontent 容器，确保抓取 100% 完整的职位描述供 LLM 分析。 3. 📦 IndexedDB v4 安全数据迁移 (v0.5.0) 问题：早期版本在处理带有职位名称的 Slug 风格 LinkedIn URL（如 /jobs/view/softwareengineeratopenai4417162348/）时存在正则缺陷，解析出的 jobid 为 undefined。这导致分析生成了历史记录，但从未成功持久化到 sessions 存储层，导致 reopened 侧边栏时一片空白。解决：我将数据库升级至 v4。在首次加载时自动执行安全幂等的数据修复：提取受影响的历史记录，通过修复后的正则从 URL 中重新纠正并写回 jobid 为这些记录无损合成缺失的 sessions 字段整个迁移通过 existingSessionIds.has(jobId) 严密校验，绝不覆盖或混淆用户任何现存的自定义会话或简历修改数据。 🧠 4. 零成本天花板：集成 Qwen Chat (通义千问) 网页智能体后端 (v0.4.0) 问题：很多用户想要使用业内最顶尖的推理模型（如 Qwen3.7 Max）进行深度职位匹配与简历生成，但苦于没有云端 API Key，或者不想承担高昂的 Token 费用。解决：我将 Job Bro 变成了 Qwen 网页智能体的桥接客户端： BYOK 终结者：只要你的浏览器登录了 chat.qwen.ai，Job Bro 就可以直接 proxy 你的浏览器会话来发送分析和会话指令。完全免费、无限额度、开箱即用。抗封禁与伪装：在 Background 层面通过 declarativeNetRequest 动态欺骗劫持请求的 Origin 和 Referer 头。同时我们本地逆向并实现了 Qwen 反爬虫所需的 ssxmoditna / ssxmoditna2 安全指纹 LZW 压缩 cookie 算法，每 10 秒向 Service Worker 发送 keepalive ping 保证长会话不被中断。 Qwen 智能体赋能：Qwen 3.7 Max 网页端是一个高度自治的 Agent，会自行进行搜索、思考并输出。这使得该后端下的职位分析质量甚至超越了很多付费的云端 API（Gemini/Claude 等在分析时容易出现因预训练数据偏见带来的偏袒，而 Qwen 在各大科技大厂职位评估上展现出了惊人的中立与客观）。 🛡️ 5. 自研 Provide Verdict 结构化输出通道 (v0.4.0) 问题：各大云端模型（如 OpenAI 兼容端）在启用 Tool Calls（联网搜索等工具）时，通常与 Strict JSON Schema（结构化输出）是互斥的。模型很容易在调用完搜索后输出不合规的 JSON，导致客户端解析崩溃。解决：我设计了一套自研的拦截机制。在需要返回 JSON Verdict 时，我向模型伪造并声明一个名为 provideverdict 的虚拟 Function Tool，将其参数定义为我们期望的 JSON Schema。Agent 循环在检测到模型发起该调用时，直接将其 Arguments 截获为最终的合规数据并提前终止循环。该机制在 OpenAI 兼容云端架构下极其稳定。 📦 核心功能一览 1. 深度求职五维 AI 评估薪资评估：结合公开数据、地点、年限等，智能推算职位的合理薪资范围，与你填写的期望相比对。技能匹配：精准标出你简历中匹配的亮点、缺失的技术栈，以及职位的溢出要求。偏好匹配：评估远程/混合办公、公司规模、特定黑名单行业及一票否决项的合规度。风险检测：全网检索该企业近期的裁员历史、招聘热度以及职位替代性。成长评估：分析该职位能带给你的核心竞争力、技能树提升路径与潜在天花板。 2. 简历智能多版本润色与修改在完成职位分析后，可一键将你的原始简历、当前的职位要求及 AI 的匹配评估报告合并，自动为你生成一份高度契合该岗位的定制化简历（Markdown 格式）。你可以在编辑区输入意见进行交互式追问，简历会自动更新迭代，并沉淀累计更新日志。 🧗 使用方式 1. 安装：git clone + bun install && bun dev（开发模式），或直接在 chrome://extensions 载入编译后的 .output/chromemv3。 2. 体验： LinkedIn：打开任意职位详情页或搜索列表页，打开侧边栏 Job Bro 点击「提取并分析」。 Greenhouse：打开如 Anthropic 招聘详情页 (jobboards.greenhouse.io/<org/jobs/...)，直接点击侧边栏进行无缝提取。 3. Qwen 免 Key 配置：在设置面板中选择 Qwen Chat 模式，确保浏览器已登录 chat.qwen.ai 即可。 🙏 致谢 & 交流项目完全开源，欢迎国内的小伙伴一起提 Issue 或 PR 来适配更多国内外的招聘平台（如 Boss 直聘、拉勾、Glassdoor、Indeed 等均在未来规划中）。欢迎留下你的 Star ⭐️，让我们的求职之路少踩坑，让选择像打开一个网页一样清晰。

Original

DTData & operationsDTBusiness & growthDTAgent extension

Weekly Submissions

—

gsearch-cli v0.2.1 免 API Key 的终端谷歌搜索 CLI，基于 Gemini Grounding

项目地址：传送门：【开源自荐】终端里的 Gemini 联网搜索：gsearchcli 一个基于 Rust 的极速终端 Google 搜索工具，通过 Gemini API 的 Grounding 能力返回带有内联引用和来源链接的搜索结果。自带完整 OAuth 流程，零配置、即装即用。 🚀 v0.2.1 — 从逆向工程到独立的 Antigravity OAuth 客户端自 v0.1.0 初始版本以来，项目经历了一次完整的架构升级，从脆弱的凭据依赖方案演进为了一个具备完整 Antigravity 协议实现能力的独立 OAuth 客户端。 1. 🔐 Antigravity OAuth 协议实现问题：v0.1.0 依赖于从 geminicli 的 oauthcreds.json 中直接读取现成的 Access Token。一旦用户先退出或令牌过期，搜索立即失效——而且无法自动刷新，用户需要手动重新登录 geminicli 才能恢复。解决：我逆向并完整实现了 Google Antigravity OAuth 协议：完整授权码流程：内置基于 TCP Loopback 的本机 OAuth 服务器，自动打开浏览器完成 Google 授权，接收回调并交换令牌，全程无需用户手动复制粘贴任何东西。令牌自动刷新：TokenManager 会检测令牌是否过期（含 60 秒缓冲窗口），自动通过 Refresh Token 获取新的 Access Token，用户无需关心底层认证状态。手动模式保底：支持 nobrowser 手动登录模式，适用于服务器环境或没有图形浏览器的场景。项目自动预配：通过 loadCodeAssist + onboardUser 两个 Antigravity 内部 RPC 自动发现或创建 Google Cloud Project，无需用户手动前往 GCP 控制台。 2. 🏢 企业代理深度兼容问题：很多在企业网络（如 Zscaler）中的开发者在使用 CLI 工具时会遇到 SSL 证书拦截导致的 TLS 握手失败。大多数 Open Source CLI 完全不考虑这类场景。解决：所有 reqwest 客户端构建（包括 OAuth 流程和 API 调用）均检测 HTTPSPROXY 环境变量并自动设置 .dangeracceptinvalidcerts(true)，确保企业代理环境下也能正常完成认证和搜索。这是一行看似简单但在实际企业环境中救命的代码。 3. 🧠 Grounded Search — 带引用的 AI 摘要搜索问题：传统 grep + 浏览器的工作流效率低下，而市面上很多 AI 搜索工具要么需要 API Key，要么不透明——你不知道结果是否被模型幻觉污染。解决：直接调用 Gemini API 的 googleSearch Grounding 能力：模型实时联网搜索，返回的结果附带精确到段落的 Grounding Chunks 引用标记。 formatresponse 将每个 GroundingSupport 映射为 [1]、[2] 等脚注标记，直接在文字段落中标注来源位置，末尾列出所有来源链接。终端渲染使用 termimad 库，在交互式终端下呈现丰富的 Markdown 格式化效果，同时管道输出时自动退化为纯文本。 4. 📦 Homebrew + Cargo 双通道分发问题：Rust 项目分发门槛高，用户需要安装 Rust 工具链才能编译运行。解决： Homebrew Tap：已发布至 aeroxy/tap/gsearch，macOS 用户可一键安装。 crates.io：cargo install gsearchcli 全局安装，适合已有 Rust 环境的用户。 Autoupdate Formula：发布流程已将 Homebrew Formula 的 SHA256 和 URL 更新集成进 Makefile，一次构建自动完成所有分发渠道的同步。 📦 核心功能一览 1. 零配置即用安装后直接 gsearch singapore weather 即可搜索。如果尚未登录，自动触发 OAuth 流程并打开浏览器完成授权，全程不需要配置任何 API Key。 2. Grounded 搜索结果每次搜索返回 AI 摘要 + 精确到段落的来源引用。文中以 [1]、[2] 标记标注来源，末尾列出所有来源的标题和链接，确保结果可溯源、可验证。 3. 企业代理友好自动检测 HTTPSPROXY / httpsproxy 环境变量，跳过 SSL 证书验证以兼容 Zscaler 等企业 SSL 拦截代理。 4. 令牌自动管理 OAuth Token 持久化至 ~/.config/gsearch/antigravity.json，自动刷新，永不过期（只要 Refresh Token 有效）。 5. 即搜即得的终端体验交互式终端下使用 termimad 渲染 Markdown，结果一目了然；非交互式终端（管道输出）自动退化为纯文本，适合与 grep、jq 等工具链配合使用。 🧗 使用方式 bash 安装（macOS） brew install aeroxy/tap/gsearch 或通过 Cargo cargo install gsearchcli 使用：直接输入搜索词 gsearch singapore weather 搜索更长的问题（无需引号） gsearch latest news about rust programming 2025 手动触发登录 gsearch login 🙏 致谢 & 交流项目完全开源 MIT 协议，欢迎 Star ⭐️、Issue 和 PR。如果你在公司网络下使用遇到问题，欢迎提 Issue 反馈你的代理环境，我会尽力兼容。

Original

DTData & operationsDTSoftware developmentDTCLI

Weekly Submissions

—

Goink - 中文长篇写作的自主 AI Agent

Goink 是一个真正自主的 AI 写作 Agent。采用 ReAct 循环架构，31 个工具全部由 AI 自主决策调用——你下指令，它自己查角色状态、搜全书伏笔、读前一章、生成正文、出 Diff 等你审批，写完自动检查角色变化、标记伏笔回收、推进弧线节点、刷新读者认知。整条链全自主跑通。底层是六维结构化记忆引擎：角色有向关系图、伏笔智能追踪、弧线泳道、地点层级拓扑、读者认知控制面板——全部持久化在 SQLite，Agent 自己查库而非靠上下文窗口硬背。12 个内置创作方法论 Skill 常驻注入，支持独立审稿子 Agent 二次审查。 UI/UX：全链路实时流式渲染，工具调用具备 selected→executing→awaitingapproval→completed/failed/loopdetected 六阶段精细化状态渲染，G6 力导向图/拓扑图/泳道图六套可视化面板，Monaco Editor Diff 并排审批，深色模式。技术栈：Wails v2（Go + React 19）+ Tailwind CSS 4 + ONNX Runtime 本地语义搜索 + Git 全版本管理 + 7 个国产大模型开箱即用 + EPUB 一键导出。安装包 <60MB，零依赖，全平台，MIT 开源。

Original

DTContent creationDTSoftware developmentDTAgent extension

Weekly Submissions

—

10xagent 10行代码实现一个超级自进化 Agent Harness

10xagent 10行代码实现一个超级自进化 Agent Harness 10行 JavaScript 代码实现的可自进化迭代的 Harness Agent。可用于展示 LLM 智能以及 Harness Agent 核心原理。 10行可读代码极简实现可运行、可迭代升级。实战需要先安装 Bun： bash curl fsSL | bash .env(bun 自动加载): bash OPENAIBASEURL= OPENAIAPIKEY=skxxx OPENAIMODEL=gpt5.5 shell for i in {1..30}; do echo "=== 第 $i 次 ==="; bun 10xagent.js "你正在将 10xagent.js 从一个极简 Agent 原型，持续优化为一个更完整、更可靠、更安全、更智能的 AI Agent。当前是第 $i/30 轮。每轮只做一个独立、自洽、可独立验证的改进。修改后必须使用 bun 10xagent.js <prompt 做一次真实端到端验证，验证 prompt 由你根据本轮改动自主设计，必须覆盖本轮改动影响的能力，并确认能正常调用 LLM、使用必要工具、及时返回结果；不要只验证语法或帮助信息，必须验证一个真实任务；如果端到端跑不通或明显卡住，必须回滚本轮改动。"; done 稍微改动 for in 循环提示词将获得不一样的体验可以加提示词让 Agent 每轮提交 git 记录本轮改动以观察 LLM 的优化思路自进化水平、迭代轮次跟 LLM 智能直接挂钩 ⚠️ 只用于演示核心原理，权限全权交给LLM，确保 LLM provider 合法可靠，运行风险需要自己把握

Original

DTSoftware developmentDTAgent runtimeDTLinux

Weekly Submissions

—

AI 脉搏：每天 5 分钟，掌握 AI 全局动态

AI 脉搏是一款面向中国 AI 开发者的每日新闻智能聚合页，基于 Claude Code 自动驱动。每天早中晚三次自动采集 30+ 平台和 11 位优秀 AI 博主，覆盖聚合平台、深度媒体、社区论坛、前沿研究、企业官方等七大维度，智能去重、交叉验证、分类、生成精美的 HTML 页面。无需 npm、无需 Python、无需任何外部服务，仅需 Claude Code 和一个终端。 🚀 快速体验 1. 在线访问： 2. RSS 订阅： 3. GitHub 🎯 我们解决了什么问题？ AI 行业每天产生数百条新闻：新模型发布（GPT5、Claude 4、通义千问...）开源工具更新（LangChain、Ollama、vLLM...）政策法规（网信办新规、美国 AI 监管...）企业动态（融资、收购、合作...）但开发者没有时间去逐一筛选。刷朋友圈？全是营销号。刷 Twitter？时间线被算法操控。刷 36 氪？AI 内容淹没在其他新闻里。我们用 AI 技术帮你做这件事：从 30+ 平台智能采集、去重、评分、分类，生成一份 5 分钟可读完的精华摘要。 🤖 AI 原生驱动，零人工干预整个项目基于 Claude Code CLI 构建：定时触发 → Claude 搜索采集 → 智能去重评分 → 生成 HTML → Git 推送 → GitHub Pages 部署全程无人值守。没有编辑的主观偏好，没有算法的商业算计。智能评分机制每条新闻自动评分，高分优先展示：总分 = 热度信号×0.4 + 时效信号×0.3 + 来源质量×0.3 热度信号：多源交叉验证(+5) / 优先信源首发(+3) / 社区讨论热度高(+1) 时效信号：6h内(+5) / 12h内(+3) / 24h内(+1) 来源质量：36氪/VentureBeat/TheVerge(+3) / MIT Tech Review/人民网(+2) / 其他(+1) 自动去重标题相似度 80% 视为重复，保留评分高者。同一事件不同角度报道，合并为一条，标注多来源。七大板块，全覆盖 ⏰ 每日三版，时区友好早间版 (08:00) → 覆盖昨夜海外动态 + arXiv 论文午间版 (12:00) → 增量更新，快速扫读晚间版 (20:00) → 全天汇总 + GitHub 开源 Top 10 往期内容通过日历归档，点击即可回溯历史版本。 🔒 本地优先，隐私友好 100% 本地运行：数据不出户零外部依赖：无需 npm、无需 Python、无需任何后端服务生成的 HTML 零外部请求：无埋点、无追踪、无广告开源透明：代码在 GitHub，MIT 协议 🇨🇳 中国视角优先覆盖：国产大模型动态（通义、豆包、GLM、DeepSeek...）网信办政策法规国内开源项目（魔搭社区、PaddlePaddle...）海外内容：保留关键数据原文（金额、百分比、版本号） 23 句中文摘要标注来源，可追溯 📱 多端适配暗色/亮色双主题：自动跟随系统，或手动切换 PWA 支持：可添加到手机主屏幕，像 App 一样使用 RSS 订阅：支持 feed.xml 订阅，接入你的阅读器响应式设计：桌面/平板/手机全覆盖

Original

DTResearch & learningDTData & operationsDTAgent extension

Weekly Submissions

—

一个方便管理自己star过的项目的浏览器插件

GitHub Stars 过的项目适合收藏,但做不了长期管理。当你的star项目收藏到几百几千个的时候，通过原生list功能难以管理，ai时代，github项目指数级增长，而你又想收藏各种各样的项目，过后又忘记在哪，叫什么名字了，所以有很多难解决的问题: 分页看不到全部stars仓库没有个人打标签系统没有真正的笔记层很难回看当时存了什么、为什么存 Better GitHub Stars Manager 插件让 GitHub Stars 对重度用户真正可管理。功能特性一次管理所有已star项目把你 star 的仓库加载进虚拟化表格。快速搜索与筛选在仓库名、topics、笔记中全文搜索;按语言、标签、未打标签筛选。悬浮按钮一键切换在你自己的Github star页，提供悬浮按钮一键切换到管理面板。自定义标签与笔记加你自己的标签和笔记,让 star 从被动列表变成一个可用的资料库。自动推荐标签一键或批量把仓库的 topics 与语言转成推荐标签。增量同步与全量重扫快速拉取新 star 的仓库;需要时可全量重扫来对账 unstar,同时保留你的批注。页 tag chip 直接在单个 GitHub 仓库页查看和编辑你的标签。跨设备批注同步通过你自己的私有 GitHub Gist 推送/拉取标签与笔记。 Gist 支撑的存储层把批注层放在一个专用 secret Gist 里,可移植、可恢复、跨设备同步,无需后端。截图教程 1. 先从 Chrome Web Store 安装扩展。 2. 打开插件，点击跳转 Options 页,粘贴一个 GitHub personal access token 并验证。 3. 访问你的 GitHub stars 页: 4. 运行 Sync 导入你的 star。 5. 边浏览仓库边搜索、筛选、打标签、加笔记。 6. 想让批注跨设备流转时用 Push 和 Pull。

Original

DTResearch & learningDTBusiness & growthDTSkill / plugin

Weekly Submissions

—

Seecode：浏览器里的小型 IDE，专治各种“代码碎片“

文件管理，JSON编辑格式化，支持SQL、Java、Python、JavaScript、Markdown语法高亮文件对比功能，支持实时修改对比写代码的人，电脑里多多少少都囤着一堆零散东西：接口返回的 JSON，想格式化看看结构；同事甩来两段配置，要对比一下哪儿不一样；临时想记几行 SQL、Python 片段，又懒得开 VS Code。每次为这点事打开一个重量级编辑器，说实话挺费劲。所以我做了 Seecode——一个常驻在浏览器里的代码小工具，开一下就能用，关掉也不占地方。

Original

DTSoftware development

Weekly Submissions

—

从零学习 ARM Cortex-M0 嵌入式开发：无需硬件，QEMU 模拟 BBC micro:bit (nRF51822)

C 零硬件上手 ARM 嵌入式：从裸机到 FreeRTOS 一套面向初学者的 ARM CortexM0 嵌入式开发教程，使用 QEMU 模拟 BBC micro:bit，无需购买任何硬件。包含 13 个渐进式课程，从裸机启动、手写汇编、C/汇编混合编程，一路讲到中断系统、外设驱动、FreeRTOS 多任务、Bootloader 双固件、看门狗策略、CRC 校验、栈溢出检测等生产级实践。每个课程完全自包含（独立 README + 链接脚本 + 源码），可任意切入。配套 12 篇深度参考文档（工具链 / ELF 格式 / 链接脚本 / ARMv6M 指令集 / NVIC 架构 / FreeRTOS 原理等）。适合所有想真正理解"代码如何在芯片上运行"的开发者。亮点 1. 以"最小指令集"破局——56条指令看清全貌同类嵌入式教程大多从STM32（CortexM3/M4，200+条指令）入手，初学者容易被大量指令淹没。本项目选择ARM家族最精简的CortexM0（仅56条指令，2小时可学完），让学习者极短时间内建立完整心智模型。核心概念（向量表、NVIC、AAPCS、链接脚本）完全可迁移到M3/M4/M7。 2. 彻底零硬件门槛——QEMU仿真 + CI自动化告别"先花15刀买micro:bit再开始学"的痛点。Windows/Linux/macOS装好QEMU就能跑，GitHub Actions自动验证全部13个课程在QEMU上通过。每个课程提供4种CMake运行目标（ELF运行/二进制烧录模拟/GDB暂停调试/GDB动态附着），CLion开箱即用。 3. 远超"点灯"教程——直通工业级生产模式大部分嵌入式入门教程止步于GPIO点灯和串口打印。本项目覆盖：手写启动代码和链接脚本 C/汇编混合编程与临界区 NVIC中断系统与HardFault分析 FreeRTOS多任务与队列通信 Bootloader+Application双固件启动看门狗多点喂狗策略断言系统+栈溢出检测+CRC校验+故障日志。结业即具备工业/汽车/医疗等关键领域的嵌入式基础。 4. 13个课程完全自包含 + 12篇深度文档每个课程是独立CMake项目，学生不必按序学习，可从任意阶段切入。配套文档深入讲解GNU工具链、ELF二进制格式、链接脚本编写、Thumb1约束、newlib移植、FreeRTOS调度器原理等——这些知识在大多数嵌入式课程中被一笔带过，却是实际工程中调试bug的关键。 markdown 截图或演示视频

Original

DTResearch & learningDTSoftware developmentDTContent / resource

HelloGitHub Submissions

—

TaiyiForge：AI 研发九阶段工作流引擎，四端通用

JS TaiyiForge：AI 研发九阶段工作流引擎，四端通用一个用状态机强制AI按工程纪律推进的研发工作流引擎。九阶段流水线含人类门控，AI不能跳过需求分析和方案设计直接写代码。同一套命令在Claude/Codex/Cursor/OpenCode四端通用，支持一键从README生成全栈骨架。亮点 1. 九阶段硬约束：change→requirement→design→task→dev→test→review→integration，AI 无法跳步 2. 人类门控：change/design/review 三个阶段需 approver 审批才能推进 3. 四端通用：Claude Code / Codex / Cursor / OpenCode 同一套命令和 Skill 4. 一键生成：/taiyi:plan auto 从 README 自动拆解模块并生成全栈代码骨架（FastAPI + 前端 + 测试 + Docker） 5. 8 种 profile：从 nano(2阶段) 到 full(9阶段) 按需选择 6. 质量门禁：151 个测试文件、1170 个测试、0 失败适合所有用 AI 写代码但苦于 AI「跳过设计直接实现」的开发者。经过 30+ 个预发布迭代才发布 v1.0.0 正式版，工程纪律扎实。MIT 开源。截图项目 README 中有完整的中英文架构图（4K 分辨率）和终端使用演示 GIF。

Original

DTSoftware developmentDTAgent extensionDTSkill / plugin

HelloGitHub Submissions

—

一个方便管理自己star过的项目的浏览器插件

JS 一个方便管理自己star过的项目的浏览器插件 GitHub Stars 过的项目适合收藏,但做不了长期管理。当你的star项目收藏到几百几千个的时候，通过原生list功能难以管理，ai时代，github项目指数级增长，而你又想收藏各种各样的项目，过后又忘记在哪，叫什么名字了，所以有很多难解决的问题: 分页看不到全部stars仓库没有个人打标签系统没有真正的笔记层很难回看当时存了什么、为什么存 Better GitHub Stars Manager 插件让 GitHub Stars 对重度用户真正可管理。功能特性一次管理所有已star项目把你 star 的仓库加载进虚拟化表格。快速搜索与筛选在仓库名、topics、笔记中全文搜索;按语言、标签、未打标签筛选。悬浮按钮一键切换在你自己的Github star页，提供悬浮按钮一键切换到管理面板。自定义标签与笔记加你自己的标签和笔记,让 star 从被动列表变成一个可用的资料库。自动推荐标签一键或批量把仓库的 topics 与语言转成推荐标签。增量同步与全量重扫快速拉取新 star 的仓库;需要时可全量重扫来对账 unstar,同时保留你的批注。页 tag chip 直接在单个 GitHub 仓库页查看和编辑你的标签。跨设备批注同步通过你自己的私有 GitHub Gist 推送/拉取标签与笔记。 Gist 支撑的存储层把批注层放在一个专用 secret Gist 里,可移植、可恢复、跨设备同步,无需后端。截图教程 1. 先从 Chrome Web Store 安装扩展。 2. 打开插件，点击跳转 Options 页,粘贴一个 GitHub personal access token 并验证。 3. 访问你的 GitHub stars 页: 4. 运行 Sync 导入你的 star。 5. 边浏览仓库边搜索、筛选、打标签、加笔记。 6. 想让批注跨设备流转时用 Push 和 Pull。亮点一个为重度 GitHub 用户打造的 Chrome 扩展 —— 本地优先、零服务端、个人专属。它把变成一个可搜索、可打标签、可筛选、可批注的快速工作台,管理成千上万个 star，而不必离开 GitHub。 markdown 截图或演示视频

Original

DTResearch & learningDTBusiness & growthDTSkill / plugin

HelloGitHub Submissions

—

张小龙饭否日记

优雅地阅读张小龙的饭否思考

Original

VibeCafé

—

VideoGrab

一个轻量的 macOS 菜单栏小工具，粘贴链接即可下载 B站、新片场、YouTube 视频。. Contribute to aright8-sys/VideoGrab development by c

Original

DTDesktop productivityDTDesktop appDTmacOS

VibeCafé

—

ClaudeMeater

一个轻量的 macOS 菜单栏小工具，让你随时看到 Claude 订阅额度还剩多少。. Contribute to aright8-sys/ClaudeMeter development by cre

Original

DTDesktop productivityDTDesktop appDTmacOS

VibeCafé

—

Robbyant / lingbot-map

A feed-forward 3D foundation model for reconstructing scenes from streaming data

LanguagePython

GitHub Trending

8.1K

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

GitHub Trending

19.1K