—
DEV TRENDS / DAILY DISCOVERIES
Jul 14, 2026 · What developers are building
Daily discoveries from developer communities, independent makers, and open source.
TrendingAI
海外技术热点中文情报站，AI 每日从 GitHub Trending、Hacker News、Product Hunt 精选并深度解读，支持 App、网页、邮件和 RSS 订阅 - 查看仓库
Original—
—
—
Agent Island
免费、MIT 开源的原生 AI 编程伴侣，统一支持 Claude Code、Codex、Antigravity、Grok 与 Cursor，提供本地会话状态、轮到你提醒和服务商用量视图；无需 Agent Island 账号，无产品遥测 - 查看仓库
Original—
—
—
—
—
—
—
Oh My HuggingFace —— 支持断点续传、缓存管理的 Hugging Face 桌面客户端
Oh My HuggingFace 是一个非官方的开源桌面客户端，用来浏览、下载和管理 Hugging Face Hub 上的模型、数据集、Spaces 和 Daily Papers，支持 macOS / Windows / Linux。 做这个的原因很直接：用浏览器下几十 GB 的模型权重体验很差——不支持断点续传、没有下载队列、不能限速；本地 HF 缓存目录会不知不觉吃掉几百 GB 硬盘却没地方查看和清理；关注的组织和 Daily Papers 更新也只能靠手动刷网页。 主要特点： 下载管理器：断点续传、多线程并行、队列、限速、SHA256 校验，文件落在标准 HF 缓存目录结构里，和 transformers、huggingfacecli 等工具无缝兼容 缓存可视化：按仓库查看磁盘占用，一键清理过期 revision 三栏浏览：模型 / 数据集 / Spaces / Daily Papers，键盘优先（Cmd/Ctrl+K 命令面板），文件树 + 文件预览 关注用户 / 组织 / / 论文并接收系统通知 一键导出模型到 Ollama、LM Studio、ComfyUI 支持自定义 Hub 地址（如 hfmirror.com）和代理设置 零遥测，HF token 用系统钥匙串加密存储，应用数据全部保存在本地 SQLite Apache2.0 协议，目前是早期版本（v0.0.8），欢迎试用和反馈。
Original
—
TurboOCR，用 C++ 和 TensorRT 写的 GPU 文档解析服务器
自荐一个自己写的开源项目：TurboOCR，一个 GPU 文档解析服务器。 官网： 整个流水线是 C++/CUDA/TensorRT 实现的，OCR、版面分析、表格转 HTML、公式转 LaTeX、PDF 转 Markdown 都在本地跑，不用调云 API，对外提供 HTTP 和 gRPC 接口，MIT 协议。 做这个的原因是嫌现有方案太慢。VLM 类的文档解析大概每秒一页，传统引擎速度也一般。TurboOCR 在一张 5090 上整页 OCR 能跑到每秒五百多张，完整的结构化解析每秒二十页左右。识别用的是 PPOCRv6，精度和 PaddleOCR 官方基本一致，中文日文拉丁文一个模型全包，中英混排文档开箱即用。除了中日英，还保留了阿拉伯文、西里尔文、韩文、泰文、希腊文的识别器，换个环境变量就能切。 接口方面，除了基本的 /ocr 和 /ocr/raw，还有 /ocr/pdf（整本 PDF，加 ?markdown=1 直接出 Markdown）、/ocr/batch 批量、/infer 结构化输出。表格和公式是按请求开关的，加 ?tables=1&formulas=1 就行，不开不占资源。服务自带健康检查和 Prometheus 指标，放到 k8s 里也好管理。 部署就一行 docker： bash docker run gpus all p 8000:8000 p 50051:50051 \ v trtcache:/home/ocr/.cache/turboocr \ ghcr.io/aiptimizer/turboocr:latest 需要 Linux 和 N 卡，20 系以上，纯文本 4G 显存左右，全流水线 8G。TensorRT 引擎第一次启动自动构建，之后有缓存就是秒起。第一次构建在 5090 上大概一分半钟，老卡会慢不少，可以设 TRTOPTLEVEL=3 把构建时间压下来。 模型来自 PaddleOCR 全家桶，感谢百度开源，推理和服务层是我重新用 C++ 写的。适合要本地化、大批量处理、数据不能出内网的场景。后面还打算继续优化 CPU 推理和补充更多语言支持，想法都放在仓库的 issue 里了。 欢迎试用，有问题提 issue。
Original—
VThreads：基于 Next.js 的轻量、无广告全网视频解析与下载工具
VThreads 网站在线体验： 一句话简介 VThreads 是一个主打清爽、免安装、用完即走的轻量化全网视频解析与下载工具，旨在为自媒体剪辑师、开发者和素材收集者提供最高清、最纯净的流媒体直链剥离服务。 🚀 核心特性与支持平台 项目采用 “专项优化 + 全网通” 双驱动引擎，完美应对各种流媒体防盗链与反爬机制： 专项深度优化（极速、最高清原画）： 国内平台：抖音、Bilibili (B站)、小红书、微博、快手。 国际顶流：YouTube (支持 1080P 及以上高清音画分离视频在服务器端自动合成)、TikTok、X (Twitter)、Instagram、Facebook、Threads、Reddit 等。 全网通用支持：内置通用的万能解析引擎，支持 AcFun、CCTV 等全球数千个大大小小的视频门户网站。只要是网页上能公开发布的视频链接，直接粘贴即可解析。 🛠️ 技术栈与架构思考 前端：采用 Next.js + Tailwind CSS，追求极简的 Dashboard 视觉风格，并利用 SSR/SSG 保证极致的首屏加载速度与 SEO 表现。 后端部署：采用前后端解耦架构，前端托管于全局 CDN 平台确保海内外访问体验；后端解析引擎独立部署于多节点 VPS 集群，通过轻量级负载均衡动态分发流量，有效绕过部分海外平台的 IP 区域限制。 用爱发电：为了保护用户体验，国内流量完全无广告，仅在海外结算页面低调接入了 Polar 的打赏卡片以补贴高昂的跨境服务器和带宽成本。 💡 为什么做这个项目？ 市面上绝大多数视频下载工具套路太深，要么牛皮癣广告满天飞，要么强行要求关注公众号或下载全家桶客户端。作为一个独立开发者，我想做个纯粹、干净、用完即走的工具。 欢迎大家体验，如果在 Next.js 建站、流媒体后端节点运维或者解析报错方面有任何问题，非常欢迎在评论区或邮件交流探讨！
Original—
拉片笔记：把一部电影变成 AI 辅助的拉片笔记，本地抽帧 / 剧情泳道时间轴 / 情绪曲线
「拉片」是影视行业逐段精读电影的学习方法。这个工具把一部电影变成一份可编辑的拉片笔记： 1. 导入影片后本地抽帧（1 秒 1 帧），自动读取或搜索字幕，格式不兼容会自动本地转码 2. 一键把截图、字幕、剧情资料打包成 ZIP，发给 ChatGPT 等任意 AI 分析，不绑定服务商，无需 API Key 3. 把 AI 返回的 JSON 导回来，自动生成剧情泳道时间轴、结构树和观众情绪曲线 4. 任意段落可单独打包深拆到场与镜头级，笔记里的时间点可一键跳转播放 全程本地运行，影片和笔记数据不上传任何服务器。React + Vite，MIT 协议，Windows 和 macOS 双击脚本即可启动，无需配置环境。 适合想系统学习电影叙事的创作者、影视专业学生和电影爱好者。
Original—
copy-web-page 下载网页，完整复制网页样式
copywebpage 在线官网： 该产品是我原本计划参考mintlify文档部分样式，手动获取dome样式非常低效，于是计划开发一款工具帮助我快速实现我的需求。 产品特点 1. 完整资源捕获 HTML、CSS、JavaScript、图片、字体等所有静态资源 2. 智能路径重写 自动转换为相对路径，确保离线可用 3. 多级深度爬取 支持跟踪站内链接，批量克隆多个页面（为了控制线上环境的资源，只支持一层） 4. 实时进度反馈 基于 SSE 的实时进度推送 5. ZIP 打包下载 一键打包，可直接部署 快速开始 npm install npm run dev // 启动 npm run build // 构建 产品演示 DEMO效果 仅供技术研究与授权测试使用
Original—
### 🏛️ 华夏地名谱 TopoScholar：一个可溯源的中国地名知识库
大家好，我做了一个中国地名知识库项目：华夏地名谱 TopoScholar。 它的目标不仅仅是整理“有哪些地名、在哪里”，而是更进一步，尝试回答：这个地名为什么这么叫？ 比如： 武汉为什么叫武汉，和武昌、汉口、汉阳是什么关系？ 全国有多少个“和平村”“团结村”，它们分别分布在哪里？ 一个地名经历过哪些合并、更名、撤销和重设？ AI Agent 在回答地名问题时，如何避免同名误判和编造由来？ 目前，项目已经整理了一个覆盖省、市、县、乡镇/街道、村/社区的五级中国地名底座，并提供了别名索引、同名消歧、地名由来查询等能力。 📊 当前规模 基础地名： 665,276 条 行政层级关系： 665,245 条 别名索引： 2,981,225 条 地名由来知识： 3,158 条 采集进度： 已补齐省级和可采集地级行政区的地名由来，县级也已完成大部分采集。 🔍 结构化与可溯源 项目非常关注数据的结构化和可溯源性。每条地名由来都会尽量保存来源标题、来源 URL、证据摘要和置信度，旨在避免 AI 在没有来源时“编造”解释。 🤖 面向 Agent / RAG 的设计 它也面向 Agent / RAG 使用场景，提供了 JSON CLI，并预留了 MCP Server 工具，例如： 地名解析 别名解析 行政下级查询 同名地名对比 本地地名由来查询 地名由来按需补齐 已缓存知识全文检索 💻 示例命令 bash 地名解析 python toposcholarcli.py resolve 武汉市 province 湖北省 city 武汉市 limit 1 同名地名查询 python toposcholarcli.py samename 和平村委会 limit 20 地名由来查询 python toposcholarcli.py origin 南高村 province 山东省 city 东营市 county 广饶县 limit 1 我希望它后续可以成为一个可查询、可消歧、可溯源、可扩展的中文地名知识系统，用于地名研究、地方文化整理、地理教育、文旅内容生成，以及中文 RAG / Agent 的知识底座。
Original—
jkey —— 纯 Python 密码管理与 TOTP 验证工具
jkey —— 纯 Python 密码管理与 TOTP 验证工具 它的定位不只是存密码，而是尝试做到：密码、2FA、恢复码一体化管理 + 全加密。 比如： 你可以用 jkey 2fa add qrcode.png 扫一张 GitHub 的 2FA 二维码，之后用 jkey 2fa ls github 随时查看 30 秒刷新的验证码——不需要掏出手机打开 Authenticator； 用 jkey pm get L 24 生成一个 24 位随机强密码，然后直接 jkey pm add mysite 存进去； 用 jkey pv encrypt secret.pdf 加密任意文件，得到一个 .jkey 文件，用 jkey pv decrypt 还原； 哪天想迁移数据，jkey pv export all o backup/ 一键导出所有 TOTP、密码、恢复码和二维码图片。 📊 当前能力 TOTP 两步验证：从二维码图片导入、实时查看滚动验证码、删除管理 密码管理：随机密码生成（CSPRNG，可配置长度与字符集）、增删改查、浏览器 CSV 导入（自动编码检测 + 20+ 列名别名匹配 + 三种重名策略） 恢复码管理：从文件导入、列表检索、删除（删除 2FA 账户时联动提示删除匹配的恢复码） 文件加解密：任意文件加密为 .jkey 格式，或反向解密 数据导出：支持 TOTP → JSON、密码 → CSV、恢复码 → TXT、二维码 → 图片、全量一键导出 Session 机制：类似 sudo 的时间戳缓存，解锁后 5 分钟内无需重复输入主密码（超时可配） 🔐 自研加密，零外部依赖 这是 jkey 最特别的地方——它没有依赖 OpenSSL、libsodium 或任何第三方密码库。AES256CBC + HMACSHA256 是用纯 Python 从头实现的，包括 SBox 查表、密钥扩展、GF(2⁸) 伽罗瓦域运算、PKCS7 填充、EncryptthenMAC 等全部手写。密钥派生使用 PBKDF2HMACSHA256（60 万次迭代）。 为什么这么做？一方面是为了零依赖安装（uv tool install jkey 即装即用，QR 码扫描是唯一的可选依赖）；另一方面，当你不知道一个二进制 crypto 库里到底做了什么时，自己写的 Python 代码每一行都可审计，反而更安心。 数据存储在 ~/.config/jkey/ 下，每个数据类型（TOTP / 密码 / 恢复码）一个 .jkey 文件，文件写入采用原子替换（os.replace）+ fcntl 排他锁，文件权限 600。 📦 轻量与兼容 核心零依赖，唯一可选依赖是 opencvpythonheadless（QR 码扫描） 支持 Python 3.10–3.14 跨平台（Linux / macOS / Windows，Windows 下 fcntl 自动降级） 约 4000 行 Python，31 个源文件，结构清晰 CI 自动 lint + 多版本测试，PyPI 一键发布 💻 命令一览 bash 初始化保险库 jkey pv init 扫二维码添加 2FA jkey 2fa add githubqr.png 查看 TOTP 验证码（支持关键字过滤） jkey 2fa ls 全部列出 jkey 2fa ls github 只看含 "github" 的 生成随机密码 jkey pm get L 24 nosymbols 存储 / 查看 / 编辑 / 删除密码 jkey pm add mybank jkey pm ls jkey pm edit mybank jkey pm rm mybank 从浏览器导出的 CSV 导入密码 jkey pm import chromepasswords.csv d skip 加密 / 解密任意文件 jkey pv encrypt report.pdf jkey pv decrypt report.pdf.jkey o report.pdf 导出数据（会二次验证主密码） jkey pv export all o backup/ 修改主密码 jkey pv setpw 锁定保险库 jkey pv lock 环境变量 JKEYPASS 可跳过交互式密码输入，适合脚本调用。Session 超时可通过 JKEYSESSIONTIMEOUT 配置。 🎯 适合谁 习惯命令行操作、不想在多个 App 之间切换的开发者 需要一个轻量、可审计、无后门的本地密码管理方案 对加密实现感兴趣、想学习 AES 实际代码的读者（代码有清晰注释） 想在脚本中集成密码管理和文件加解密能力的自动化场景 🗺️ 未来方向 支持更多 2FA 导入方式（截图、URI 字符串 otpauth://） 密码强度审计（弱密码 / 重复密码检测） 可选的 Git 备份集成 MCP Server 接口，让 AI Agent 可以安全查询 TOTP 码和密码
Original—
light-ocr：运行时无需 Python 的跨平台离线 OCR（Node.js / C++）
npm： lightocr 是一个面向 Node.js 和原生应用的跨平台离线 OCR 库，基于 PPOCRv6 Small，直接在应用进程内完成文字识别，不需要上传图片，也不需要额外部署 Python 服务。 为什么做这个项目 云端 OCR 会带来图片上传、网络依赖、持续费用和隐私边界；PaddleOCR 的常见部署方式又需要维护 Python 环境或独立服务。 lightocr 希望把 OCR 变成可以直接嵌入应用的本地能力：应用传入已经解码的图像像素，即可获得按阅读顺序排列的文字、置信度和四边形坐标。 核心特点 完全本地运行，识别过程不访问网络、不启动子进程 npm 包自带固定版本的 PPOCRv6 Small 模型和预编译原生运行时 安装时不需要现场编译，首次运行也不需要再下载模型 支持中文、英文以及 CJK/拉丁字符混排识别 返回文字、置信度和四点坐标，可保留旋转、透视文字的位置 支持 GRAY8、RGB8、BGR8 和 RGBA8 像素输入 Node.js 推理不会阻塞 JavaScript 主线程，并支持有界队列、取消和生命周期管理 针对大图控制检测尺寸，并逐批执行文字识别，减少内存峰值 macOS、Linux 和 Windows 使用同一套模型与结果格式 Apache License 2.0 开源 快速使用 bash npm install @arcships/lightocr ts import { createEngine } from "@arcships/lightocr"; const engine = await createEngine(); const result = await engine.recognize({ data: pixels, width, height, stride, pixelFormat: "rgba8", }); console.log(result.lines); await engine.close(); 适用场景 桌面应用中的截图 OCR、框选识别和剪贴板文字提取 本地优先、重视隐私的笔记和文档工具 图片搜索、文字复制、画面标注和无障碍功能 内网、边缘设备、自助终端等无法依赖云服务的环境 希望集成 PaddleOCR，但不想单独维护 Python 服务的 Node.js 或 C++ 项目 技术栈与平台 C++17、ONNX Runtime、CMake、NodeAPI 模型：PPOCRv6 Small Node.js：22 / 24 平台：macOS arm64/x64、Linux x64 glibc、Windows x64 项目目前仍在积极开发，欢迎试用、反馈实际使用场景或参与贡献。
Original—
飞鱼小铺：数字产品交易与自动交付系统
阮老师好，推荐一个我们刚刚整理开源的项目：飞鱼小铺（Flyfish Shop）。 在线预览： AGPL3.0only 飞鱼小铺是一个面向独立开发者、小团队和数字产品业务的开源交易与自动交付系统。它把商品展示、下单支付、交付履约和售后管理放在同一套可私有化部署的系统里，适合销售源码仓库、授权文件、数字资料和开发者服务。 主要特点： 完整交易闭环：支持商品分组、SKU、多语言内容、人民币/美元定价、优惠券、合同确认、Stripe/H5 支付、订单、工单和 WebSocket 客服。 自动交付与故障恢复：可开通 GitHub、Gitea、Gitee ，也可交付数字文件或接入自有授权系统；每个交付任务都有独立状态和失败原因，修复问题后可以按任务重试，成功后自动继续剩余流程。 认证与业务解耦：Auth、Shop 和低代码最小实例拆成三个独立 Spring Boot 应用，共用 JWT 登录态和一套 Vue 3 前端；支持邮箱 Magic Link、GitHub/Gitee/Gitea、Google、Microsoft 和微信公众号登录。 Docker Native 一键体验：提供 GraalVM Native + Docker Compose 部署模式，一条命令构建并启动 MySQL、三个 native 后端服务和 Nginx 前端，适合本地体验和轻量服务器部署。 面向真实运营场景：包含管理工作台、商品与订单管理、仓库配置、交付记录、失败重试、合同、通知和移动端适配，不只是一个商品展示页面。 明确的开源边界：公开通用交易和交付编排，商业授权签发通过扩展接口接入，不包含任何私有签发算法、根密钥或生产配置。 一键启动： bash ./scripts/dockernativeup.sh 完成后访问 Java 21、Spring Boot 4、R2DBC、Vue 3、MySQL/H2 和 GraalVM Native，README 中整理了完整中文截图、架构说明、上线物料和部署指引。 欢迎大家试用，也欢迎提交 issue 或 PR。
Original—
ReadAware —— 免费开源且优雅的全平台阅读器，本地优先 + 阅读自进化 Agent + 优雅体验
官网: 这是什么 ReadAware 是一个免费开源(MIT)的跨平台阅读器,macOS / Windows / Linux / Android / iOS 都能用。做它的起因很简单:好看的阅读器没有 AI,带 AI 的阅读器又把数据锁在云端,我两边都不想妥协。 主要特性: 逐句阅读模式:一次只聚焦一句话,注意力不容易跑,对 ADHD 用户很友好 完整的标注体系:下划线、高亮、边注,顺手就标,不打断心流;EPUB / MOBI / AZW3 / FB2 / PDF 五种格式共用同一套标注和进度模型,不需要转换 AI 内建但完全可选:选中一段就能问,它知道你在读哪本书哪一章,还会从你的书、划线和笔记里积累出持续记忆;模型端点自己配,不开 AI 它也是个完整的阅读器 本地优先:书、笔记、对话、记忆全部存在本地 SQLite,无需注册账号 阅读时长统计:每本书的时间、连续天数、一天中的阅读时段分布 技术栈:Tauri(Rust 核心 + TypeScript UI)。 截图 书架: 阅读与标注: 选中即问的上下文助手: 跨设备同步在路线图上。欢迎反馈和 issue,尤其欢迎 Linux 用户帮忙多测。
Original—
PickySteve：本地优先的编程 Agent Skill 路由器，内置 Prompt 注入防护网关
项目简介：PickySteve 是一个面向编程 Agent 的 skill 路由器和上下文选择器。用一个便宜的本地小模型（默认 Ollama qwen3:8b，离线运行，无需云端 API key）通过混合检索（BM25 + 向量嵌入，RRF 融合）+ 交叉编码器重排 + LLM 裁判，把每条请求路由到合适的 skill，再拼装一个最小化、带 nonce 边界的上下文包交给执行模型。 安全设计：内置 Prompt 注入检测网关（ONNX 分类器），对原始请求和每一条检索到的文档都做扫描，失败即拒绝（failclosed）。在 180 条红队测试语料上做到 100% 检出、0 次绕过；在真实 skill 库上 0/43 误报。 集成方式：提供 MCP stdio server 和 OpenAI 兼容代理（:8077/v1）两种接入方式，一条安装命令即可接入 Claude Code、Codex、Cursor、Windsurf、Cline、Roo Code、Gemini CLI 等 18 种编程 Agent。 现状：MIT 协议开源，v0.1.0 已发布，仓库创建于 20260706，目前约 6 星，欢迎试用和反馈。 （说明：本 issue 由项目作者授权的 AI 助手代为提交，内容均为真实数据。）
Original—
coding-discipline —— Claude Code / Codex 的「编程纪律」护栏插件
中文说明： AI 编程助手（Claude Code / Codex）最大的问题往往不是能力，而是纪律：不问清需求直接开写、修 bug 靠瞎试、嘴上说"测试通过了"其实没跑过、上个会话拍板的目标下个会话就忘。 codingdiscipline 是一个「护栏」插件——不接管工作流，平时安静，具名失败模式临近才介入： 按需触发的 8 条纪律 skill：设计先行（brainstorming）、红绿重构（tdd）、先根因再修（systematicdebugging）、优先级评审（codereview）、拿证据再说"做完了"（verifybeforedone）、git 流程（gitflow）、上下文卫生（contexthygiene）、spec 同步（specsync）。日常小改动零打扰。 specsync（这个项目自有的一层）：把对话里已确认的目标 / 非目标 / 硬约束 / 验收标准写回项目已有文档，不新增任何制品，下个会话不再把否掉的方案重做一遍。 固定注入被 CI 冻结：每会话固定上下文约 1.2k tokens，文案变大直接挂 CI——「轻」是一条会失败的测试，不是口号。 跨平台：同一份 SKILL.md 同时服务 Claude Code 和 Codex；hook 纯 bash 无 jq 依赖，Windows / Git Bash 有独立测试。 英文为主 + 完整中文 README：v0.8.1 起产品面英文优先（便于全球分发），README.zhCN.md 全文维护。理念致谢英文的 superpowers（MIT）。 MIT 协议。欢迎试用和提 issue——尤其欢迎「该触发没触发 / 不该触发触发了」的反馈。
Original—
FB208/OpenBidKit_Yibiao
人工智能 v2.18.3发布：已有方案扩写、导出格式设置、多标段支持 最近新增功能 [x] 正式安装包内置智能任务运行组件，无需用户另行安装。 [x] 给智能体更高的权限，并内置常用工具。 [x] 目录生成接入智能修复能力，可在目录提取、评分项对齐或最终校验失败时自主分析并修复。 [x] 生图模型支持设置图片清晰度、尺寸和横竖比例。 [x] 全局支持超长内容分段处理。 [x] 多标段采用AI分析+正则辅助的模式实现，比之前更稳定 [x] 更强大的导出模板功能，几乎全覆盖word格式设置 [x] 智能任务执行时实时显示当前正在进行的操作和处理阶段。 [x] AI 服务返回 HTTP 错误时，可直接查看原始错误内容，便于识别额度、鉴权、限流和服务异常。 [x] Markdown 编辑器和内容预览器支持全屏查看与编辑。 [x] 标书查重升级，提供能多比对项。 [x] 新增html生成图片的能力。同时AI生图、mermaid图片也更可控。 更新内容截图 html图片 智能体及内置组件 图像尺寸及清晰度设置 多标段提取 强大的导出样式模版 markdown全屏预览 新版查重 亮点 经社区400多人反馈、共建，持续迭代 markdown 截图或演示视频
Original
—
让多个 AI 编程智能体像团队成员一样协作的平台
人工智能 让 AI 编程智能体像团队成员一样协作的平台 Multica 是一个可自托管的 AI 编程智能体管理平台。它将 Claude Code、Codex、Cursor Agent、Kimi 等工具接入统一看板，让用户像给同事分配工作一样向智能体指派任务，并实时查看执行进度、阻塞原因和任务状态。项目还支持智能体团队、定时任务、可复用技能及本地运行时，适合需要并行管理多个编程智能体的个人和团队。 亮点 Multica 不只是同时启动多个编程智能体，而是把智能体作为真正的团队成员纳入任务流程：它们能够领取任务、汇报进度、提出阻塞并沉淀可复用技能。平台兼容多种主流编程智能体，支持本地运行和自托管，并通过统一任务看板管理智能体的完整工作生命周期。 markdown 截图或演示视频
Original—
碰一下：只限本科生的校园面基工具，位置优先匹配+八字缘分参考
类别JavaScript 项目标题碰一下：只限本科生的校园面基工具，位置优先匹配+八字缘分参考 项目描述一个专为大学生设计的开源校园面基平台。和 Soul/探探不同——不看脸、不充会员、不制造焦虑。用地理位置优先匹配，加上基于五行阴阳学的八字缘分参考，让两个距离最近的本科大学生从屏幕走到彼此面前。前端 React + Vite，后端 Node.js + Socket.IO，全栈 ¥0 部署（Vercel + Railway）。 亮点1. 反其道而行：所有社交产品都在延长在线时间，这个的目标是让用户尽快「下线见面」2. 八字命理引擎：完整实现天干地支、五行阴阳、纳音五行的四柱推算和缘分分析——不是迷信，是朴素唯物主义经验主义的应用3. Soul 风格 UI：深空梦幻主题，玻璃拟态卡片，月球匹配动画4. ¥0 全栈上线：学号+姓名认证，Vercel + Railway 免费部署，拿来就能用5. 80+ 高校数据库：含校区坐标、见面地点 POI
Original—
—
Pige: Local-first agent-maintained Markdown wiki note app
Pige 是一个本地优先的通用 AI Agent，让你用对话的方式管理个人知识——输入一次，知识自然生长。
Original—
mattpocock / skills
Skills for Real Engineers. Straight from my .claude directory.
170K
penpot / penpot
Penpot: The open-source design platform for Product teams that need scalable collaboration.
56.1K
AIEraDev / Clypra
A modern video editor built with Tauri, React, and TypeScript. Focus on building free capabilities of premium capcut functionalities
2.6K
5.8K
HenryNdubuaku / maths-cs-ai-compendium
Become a cracked AI/ML Research Engineer
5.1K
Toi et moi engagement ring
Shine Your Story with KRK Jewels
—
Igniz
AI-native DEX for autonomous, non-custodial trading
—
AI Builder Week by Product School
Free Workshop Series - Build better and faster with AI
—
Birthday and Name Day Reminder
Never forget a birthday, name day or anniversary again
—
InterviewPhodo
AI live Video & Audio interviews for Indian Tech placements
—
Flyout
Rich-text notes that fly out from your Mac's screen edge
—
Portero
Know exactly what's running on every port of your Mac
—
OpzyAI
Finds what your AI-built app leaks — your editor fixes it
—
PandaTalk
Securely chat with strangers in real time
—
Body Audit: Move Every Part Daily
Move you whole body in minutes
—
NinetySix
Traffic court preparation built for officers
—
gift card
Claim your USA Gift Card Reward today and spend instantly.
—
Savvie
AI-powered expense tracker & budget planner 💸
—
ternbook
A web directory for the modern web.
—
MyFrigo
Track your fridge, stop wasting food, cook what you have
—
Mojave Paint
Direct manipulation of static images on the Mac platform
—
Sales Studio
Private studio for live demos on macOS
—
Decidely
Get client approvals on your work in one click. No signups.
—
PinpoinTV
AI picks what to watch on Android TV — by your mood
—
Sorank
Grow organic traffic from Google and AI, on autopilot.
—
No matching projects
Try another keyword or category.
Still trending3 highlights⌄
10 repositories were already featured in the last 3 reports, so they are not repeated in today’s discoveries.
OpenCut-app / OpenCut
The open-source CapCut alternative
+4.3K stars today · seen in 1 of the last 3 reports
Graphify-Labs / graphify
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.
+1.9K stars today · seen in 1 of the last 3 reports
HKUDS/Vibe-Trading
"Vibe-Trading: Your Personal Trading Agent"
+1.3K stars today · seen in 1 of the last 3 reports
DEV TRENDS / COMMUNITY
Discuss this edition
Sign in with GitHub to share a thought, question, or useful follow-up.