DEV TRENDS / DAILY DISCOVERIES

Aug 18, 2026 · What developers are building

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

AgentPod：可自部署的多租户 AI Agent 服务，内置沙箱隔离与对话式 UI

AgentPod 一句话介绍：可自部署（selfhostable）的多租户 AI Agent(基于PI Agent) 服务，基于 Linux 命名空间实现沙箱代码执行隔离，附带完整的对话式 Web UI。主要特性多租户隔离 — 存储层强制用户级 session / memory / workspace 隔离，静态分析 + 运行时双重保障沙箱代码执行 — 每个执行槽位拥有独立 Linux 命名空间（PID / mount / network / uts / ipc）+ cgroup，租户之间零共享对话式 UI — 内置聊天界面，支持 SSE 流式输出、项目管理、会话历史、斜杠命令 Artifacts 系统 — 模型生成的代码/网页/文档保存为独立版本化文件集，浏览器端编译 Vue + mermaid，完全离线预览，CSP 沙箱隔离分享与市场 — 一键生成无需登录即可访问的分享链接；支持公开发布到 Artifact 市场长期记忆 — 跨会话事实以人类可读的 MEMORY.md 形式存储，用户和模型均可编辑定时任务 — 5 字段 cron 表达式 + IANA 时区支持，模型可在对话中直接创建零冷启动 — 固定沙箱槽位池预建命名空间，执行 = 在已运行的槽位中 spawn Docker 一键部署 — PI Agent + Worker + Manager 三镜像，docker compose up d 即可运行技术栈 Node.js (ESM) · Vue 3 + Vite · Linux namespaces + cgroups · MySQL · Redis · Docker 截图/演示适用场景团队/个人自建 AI 编程助手服务需要安全沙箱执行环境的 AI Agent 平台多用户共享的 AI 对话服务（支持用量统计、配额管理、模型分组）

Original

DTData & operationsDTSoftware developmentDTAgent extension

Weekly Submissions

—

没有Harness才是Agent的终极目标？用SEED打造一个最小Agent

众所周知，现在的 AI 技术概念名词层出不穷，从上下文管理到 Harness ，这些工程上的演变都只有一个目的，为了让 AI 更好地“工作”。然而，如果 AI 发展到了一定程度，是否还真的需要这么多花里胡哨的概念来约束呢？ Bash is all you need ，那么基于这个概念，SEED 出现了，只需要粘贴一段代码到终端中，你就能获得一个完全自由的“Agent”，没有权限控制，没有计划模式，没有花里胡哨的额外 harness 概念，AI 得到只有 bash 工具，想试试在这种情况下，AI 还能发挥出多少能力吗？打开 SEED ，输入你本来想在 Codex/Claude Code/Cursor 里想让 AI 做的事，然后你就得到了一个最小的 Agent 。我尝试使用 Deepseek Flash /GLM 5.2 api 进行了一些简单任务，它们都完成得很好，当然大型任务我还没有试过，我的想法是看看模型在执行过程中能否自发地实现子代理、记忆管理、上下文压缩这些东西，就像《疑犯追踪》里面的 The Machine ，管理员只给了一天的记忆，那它就能造个公司把自己每天的记忆一遍遍打印出来当作自己的硬盘一样。本项目受Deepseek Harness启发，在“一切皆插件”的理念上更激进了一点，如果AI能自行修改自己的Harness，那何必还需要给它规定一个“协议”，全部交给AI自己来写不是更符合这个理念吗？项目开源地址：

Original

DTSoftware developmentDTAgent extensionDTAgent orchestration

Weekly Submissions

—

PortPilot：让 localhost 服务直接给其他设备访问

自荐一个最近做的 Windows 开源小工具：PortPilot。我最开始做它，是为了测试 Godot Web 游戏：构建后的网页文件在电脑上，希望直接用手机或另一台电脑访问，又不想每次单独搭 Web Server。后来类似需求越来越多，比如把本机的 Ollama、ComfyUI 提供给另一台电脑使用，但原服务继续保持 localhost；或者临时通过 IPv6、Tailscale、HTTPS、公网入口访问本地服务。所以做了 PortPilot。它的思路是：原来的服务继续保持 localhost，由 PortPilot 负责创建合适的访问入口。主要支持：直接发布静态网站目录，适合 Godot Web、前端构建产物等，不需要额外启动 Web Server。代理已有 HTTP / HTTPS 服务，例如 Ollama、ComfyUI 或其他本地 Web 服务，原服务继续监听 localhost 即可。 IPv6 Direct：有公网 IPv6 时直接访问，路径短、额外依赖少。 Tailscale Direct：通过 Tailnet 直接访问本机服务。 Tailscale Serve：把本地服务发布为 Tailnet 内可访问的 HTTPS 。 Tailscale Funnel：需要时临时把本地服务开放到互联网。 Remote Bridge：把远程电脑上的服务桥接成当前电脑自己的 localhost，适合依赖 localhost、Host 或 Origin 的 Web 应用。 PortPilot 不替代 Tailscale，而是把 Tailscale Direct / Serve / Funnel 这些原本分散的访问方式统一到一个桌面界面里。已经安装 Tailscale 的用户，可以直接选择适合当前场景的方式；没有 Tailscale 时，也可以使用 IPv6 Direct。 Remote Bridge 来自另一个实际需求：我把 DeepSeek Harness 跑在另一台电脑上，但希望当前电脑仍然能够通过真正的 localhost 使用它，而不是直接访问远端 IP。PortPilot 可以在两台机器之间建立桥接，最后在本机得到一个正常的 localhost 。多个服务可以放在一个界面中统一管理，分别启动、停止、重启，并直接复制对应的访问地址。 PortPilot 是 Windows x64 单文件程序，无需安装。配置、日志等运行数据统一保存在： text %LOCALAPPDATA%\BeyondXinXin\PortPilot\ 不会写入 EXE 所在目录。

Original

DTLifestyle & entertainmentDTSoftware developmentDTAgent orchestration

Weekly Submissions

—

RenomeeAI：用 AI 根据文件内容批量重命名文件

工具名称 RenomeeAI 网站工具简介 RenomeeAI 是一个 AI 批量文件重命名工具，可以根据 PDF、图片、文档等文件的实际内容，自动生成更有意义的文件名。比如下载了一批电子书、论文、发票、课程资料或工作文档，文件名可能是： text download839201.pdf IMG20260812102938.jpg finalv32.pdf document12345.pdf RenomeeAI 可以读取文件内容，然后根据内容自动生成类似： text 《The Psychology of Money》.pdf 20260812项目会议纪要.jpg Q2市场分析报告.pdf 主要特点 AI 内容识别：根据文件内容，而不只是原来的文件名进行命名。批量处理：可以一次处理大量文件，适合整理下载目录、资料库和工作文件。支持多种文件类型：PDF、图片、文档、音频等。自然语言规则：可以告诉 AI 希望文件名包含哪些信息，并按照规则批量生成。适合整理历史文件：尤其适合已经积累了大量杂乱文件名的文件夹。 Windows 版本目前支持高速批量处理，例如一次重命名 1000 个文件。适用场景比较适合这些场景： 1. 下载了大量 PDF 电子书、论文或资料，需要按照标题重新命名。 2. 手机/相机导出大量图片，希望根据图片内容自动生成文件名。 3. 工作中积累了大量 document.pdf、finalv2.pdf 之类的文件。 4. 整理长期积累的资料库，希望让文件名更容易搜索和管理。 5. 有大量文件需要按照统一的命名规则重新整理。使用地址欢迎大家试用，也欢迎反馈 AI 自动命名在实际文件整理中的效果。

Original

DTResearch & learningDTWeb appDTContent / resource

Weekly Submissions

—

GEOKit - 免费开源的生成式引擎优化 (GEO) 与 AI SEO 站长工具箱

GEOKit 免费、纯前端、免登录的 Generative Engine Optimization (GEO) 与 AI SEO 站长工具箱随着 ChatGPT Search、Perplexity、Claude 等生成式 AI 搜索逐步重塑流量分发，GEO（生成式引擎优化 / AI 搜索优化）正在成为出海独立开发者和站长的核心技能。 GEOKit 专为解决现代网站在 AI 时代的收录与引用痛点而生，提供 20+ 款完全免费、无广告、纯前端运行的极客工具： 🤖 llms.txt 生成与校验器：一键生成规范的 \/llms.txt\ 格式，为 LLM 提供结构化 Markdown 索引； 🛡️ AI Robots.txt 生成器：针对 GPTBot、PerplexityBot、ClaudeBot 等 15+ 国际 AI 爬虫精细化配置引流与训练权限； 📊 AI 搜索就绪度评分器 (AI Readiness Grader)：自动检测网站语义标题、结构化数据和 AI 爬虫可达性并给出 0100 分综合报告； 🏷️ AI 知识图谱 Schema 生成器：可视化生成 FAQPage、SoftwareApplication 等大模型最爱的 JSONLD 结构化数据； ⚡ 开发者开源 CLI：支持终端直接运行 \ px geokitcli audit 快速诊断。 🌐 📦 开源 CLI： (以及 npm 官方包: \geokitcli\) 📚 开源 GEO 资源库：

Original

DTSecurity & testingDTBusiness & growthDTWeb app

Weekly Submissions

—

claude code 源码详细分析

共 13 篇，从循环到能够使用 Tool、MCP、Skill、Memory、权限、会话恢复和可观察状态，每篇通过一个例子的执行过程学习 claude code ，了解 Agent 开发的内部细节，cc.windliang.wang

Original

DTResearch & learningDTSoftware developmentDTAgent extension

Weekly Submissions

—

⭐️ Vokie：关于语音助手我有些不一样的思路——把语音输入、语音记录与 Agent 上下文连接起来

同类产品可能很多，但是 vokie 真正把完成度和产品品味做到了 Tier‑one。Vokie 是一款面向 macOS 和 Windows 的 AI 语音助手：它把自然口述整理成可直接使用的文字，也把线上线下会议、本地音视频变成转写、摘要和行动项，并让过去说过的话成为可以继续查询和调用的 Agent 上下文。为什么做 Vokie 在和 Codex、Claude Code 等 Agent 协作时，长段想法往往来得比打字更快。口头表达虽然不够整齐，却能一次性交付大量背景、约束和上下文。我们并不认为语音会替代键盘。更合适的分工是：语音负责展开想法，键盘负责精确收敛。Vokie 希望缩短从“脑子里有个想法”到“这段内容已经可以使用”之间的距离。现有工具大多停在语音转文字；Vokie 更关心转写之后的整理、记忆和再次使用。主要特点把口语整理成可用文字：去掉口癖和重复，接住“周五，不对，改到下周一”这样的自我修正，并自动分段或整理成列表。记住专有词：修正过的人名、产品名和行业术语会进入热词，下次识别更准确。适配不同表达场景：给 Agent 补充上下文、写产品反馈或整理灵感时，可以选择不同的整理方式，而不是套用同一种润色风格。不依赖会议平台：通过快捷键同时记录系统声音和麦克风，适用于腾讯会议、飞书、Zoom 以及线下面谈，会后生成完整转写、摘要和行动项。语音历史可以继续使用：内置“拾忆”AI 对话；用户也可以主动安装 Vokie Skill，让 Agent 只读查询录音、转写和总结，或转写指定的本地音视频。支持记录与实时翻译：把临时讨论、走路时的灵感或跨语言交流统一沉淀下来。跨平台：支持macOS Apple Silicon、macOS Intel 和 Windows x64。（移动端开发中）数据边界 Vokie 的历史记录主要保存在设备上。根据所用功能，部分转写、摘要或模型请求会调用云端服务；Vokie Skill 由用户主动安装或卸载，历史查询为只读。收费计划 Vokie 的语音输入功能计划永久免费。会议转写、摘要等会产生模型用量的功能，目前处于公测阶段；未来将推出相应的 Plan 套餐，以覆盖模型调用成本。适合谁 Vokie 更适合已经把语音当成工作方式的人：经常给 Agent 讲长上下文，需要随手记录会议、灵感和产品反馈，或者希望过去说过的话以后还能继续用得上。 Vokie 目前正在公测，欢迎下载体验并反馈具体问题。、下载与用户交流入口：

Original

DTDesktop productivityDTSoftware developmentDTAgent extension

Weekly Submissions

—

CreateForge AI：一个工作区使用 17 个 AI 图片与视频模型

AI 首页 CreateForge AI 是一个面向图片与视频创作的多模型工作区，把 17 个已通过生产任务验证的 AI 模型、参数配置、任务状态和生成结果放在同一个界面中。为什么做 CreateForge AI 图片和视频模型更新很快，但不同模型往往分散在不同产品里，参数、计费方式和输入要求也不一致。实际创作时，用户不仅要写提示词，还要反复比较模型、切换工具、估算成本，并保存每次生成的结果。 CreateForge 希望把这些步骤收拢成一套清晰的工作流：先根据任务选择模型，提交前确认参数和 credit 报价，生成后跟踪任务状态，并把完成的图片或视频保存在 Library 中。主要特点 17 个图片与视频模型：包括 GPT Image 2、FLUX 2 Pro、Seedream、Nano Banana、Veo 3.1、Seedance、Grok Imagine Video 和 MiniMax H3 等。三类统一入口：支持 AI Image Generator、Image to Image 和 Image to Video，并根据所选模型展示兼容参数。提交前报价：系统根据模型、分辨率、时长、输出数量和参考素材等参数生成 credit 报价，确认后再提交任务。任务状态与结果管理：统一查看生成进度、失败状态和完成结果，成品可以保存在个人 Library 中继续使用。模型选择资料：每个模型都有能力、限制、Prompt 示例、定价说明和相关指南，方便在生成前比较。生产验证：公开模型均经过真实任务闭环验证，页面展示的参数和能力来自同一份模型 Catalog。适合谁适合需要同时使用多个图片或视频模型的创作者、独立开发者和小团队，尤其是希望减少工具切换，并在提交前看清模型能力、输入要求和生成成本的用户。收费与使用说明网站目前使用英文界面。模型目录、工具介绍和创作指南可以公开浏览；实际生成需要登录并购买 CreateForge credits，可选择永久积分包或月度计划。当前没有免费生成额度。项目已经上线，欢迎体验并反馈最希望补充的模型、参数或创作工作流。

Original

DTContent creationDTSoftware developmentDTWeb app

Weekly Submissions

—

DSH Marketplace：给 2500+ DeepSeek Harness 插件做实际安装验证

DSH Marketplace GitHub： DSH Marketplace 是一个开源的 DeepSeek Harness 插件市场，目前收录 2500+ 个插件，其中 1800+ 个已经在隔离沙箱中实际执行过安装检查。为什么做这个 DeepSeek Harness 的插件生态增长很快，但现在找插件主要还是靠 GitHub Topic、Awesome List 和社区帖子。实际使用时还有几个问题： README 里的安装命令可能已经失效 package.json 声明的 npm 包不一定真的存在 Fork 项目可能继承上游的包名，导致实际安装的是另一个项目安装报错也不一定代表插件坏了，有时只是需要 build approval，或者并不是 DSH layer 所以除了整理插件，我还做了一套实际安装验证流程。主要特点 2500+ DSH 插件目录：支持中英文、搜索和分类浏览 1800+ 沙箱安装检查：不是只读取 README，而是在一次性容器中真正执行安装区分安装结果：例如 passed、needsapproval、notalayer、failed、timeout 校验 npm 信息：避免不存在的包、Fork 继承上游包名等问题风险提示：展示安装脚本、凭据、Terminal 等相关风险信息多种入口：Web、DSH 内置 Store、CLI、Python SDK 和公共 API 共用同一套数据例如可以直接装到 DSH： bash dsh plugin profile web add dshmarketplaceplugin 也可以直接调用公共 API： bash curl ' 无需 API Key。安装验证测试第三方插件本身也有风险，所以安装任务运行在隔离容器中，不持有生产数据库凭据。这套验证过程中也发现过一个比较有意思的问题：部分仓库虽然声明了 npm package，但实际不存在，或者 Fork 仍然指向上游项目的 package。单纯依赖仓库 metadata 很难发现这些情况。项目目前还在快速迭代，欢迎使用 DeepSeek Harness 的朋友试用和反馈，也欢迎插件作者提交或修正自己的插件信息。网站：

Original

DTData & operationsDTBusiness & growthDTAgent extension

Weekly Submissions

—

🐵 悟空图片转SVG工具 —— 基于 Vecto 引擎的在线图片矢量化工具，上传图片，秒出可编辑 SVG

在线体验：具体介绍：不需要敲命令，选图即转、改参即重转；原图 / 矢量 / 分割视图三合一对比，导出 SVG 或按倍率渲染 PNG。引擎二进制随仓库分发，本地一条命令跑起来，云端托管、打开即用。核心功能：上传即转换：支持 PNG / JPG / BMP / GIF / TGA / TIFF / WebP / PBM / PPM 9 种格式，上传自动矢量化参数与原版 Vecto 完全对齐：调色板（自动/指定颜色数，含色块预览）、风格、细节，改动即时重转拖拽滑块对比：原图 / 矢量 / 分割视图一键切换，导出前先看清效果导出 SVG / PNG：SVG 直接下载，PNG 支持按缩放倍数渲染中英双语界面：语言一键切换实测轻量：单次转换峰值内存 60~490MB，个人/云上使用都无压力技术栈：前端/框架：Streamlit（Python）矢量化核心：Vecto CLI（.NET / C，MIT，subprocess 同步调用）图片解码：SixLabors.ImageSharp（9 种格式自动探测）对比组件：streamlitimagecomparison（JuxtaposeJS）国际化：自研 i18n（locales/ 中英语言包）测试：pytest（42 项，全绿）

Original

DTSoftware developmentDTCLIDTLibrary / SDK

Weekly Submissions

—

UDS 诊断技术书，从望闻问切到动手实现一个诊断协议栈

UDS 诊断技术书，从望闻问切到动手实现一个诊断协议栈 OBD 盒子读出的故障码、4S 店刷的固件、售后远程诊断，背后都是同一个协议：UDS（ISO 142291）。这本书不翻译标准，而是把"诊断"从头讲一遍，然后带着读者亲手实现一个协议栈。全书 48 节分五章：第一章，诊断的起源：从"医生为什么要问诊"这个元问题讲起，中医四诊、OBDII 历史、KWP2000 到 UDS 的继承。第二章，26 个 SID 逐个拆：会话控制、安全访问、读写 DID、读 DTC、上传下载。每个服务一节，写完一个就实现一次，附完整字节流实例和 NRC 分析。第三章，传输层：CAN 多帧传输的流控状态机（ISO 157652），DoIP 封装与路由激活（ISO 13400）。第四章，生产级源码：走进 Arctic Core 的 AUTOSAR DCM（约 1.3 万行 C），看 DSL/DSD/DSP/CanTp 在工业代码里怎么落地。第五章，从零实现：手写 udslite（约 1200 行 C），ECU 模拟器、诊断仪客户端、交互式诊断 shell，一条命令跑通完整诊断闭环。市面上的 UDS 中文资料，大多是 ISO 14229 标准翻译或者零散博客。这本书把"诊断的本质、协议、生产级源码、自己实现"串成一条线，中间没有断层。运行效果：交互式诊断演示 CC BYNCND 4.0（内容），MIT（代码）

Original

DTResearch & learningDTSoftware developmentDTContent / resource

Weekly Submissions

—

双语 3D 史前动物亲子博物馆

JS 双语 3D 史前动物亲子博物馆一个已经上线的双语 Web 3D 史前动物博物馆，面向 2～6 岁孩子和家长，不设置追逐、战斗和闯关。18 个海陆空展项可旋转缩放、按需播放中英文旁白，家长资料附有参考来源。初学者可从源码学习 React 与 Three.js 集成、GLB 模型加载、相机适配、移动端交互和双语内容组织。亮点 1. 同类儿童恐龙产品常用追逐、战斗或闯关推动体验，这个项目把重心放在自主观察和亲子讲解。孩子自行选择动物、观看角度和旁白播放时机，家长可以同步打开资料继续聊。 2. 同类 Three.js 示例常停在单模型展示。项目让 18 个体型和姿态差异很大的展项共用一套查看器，自动适配相机与灯光，也支持触屏、键盘和减少动态效果。 3. 仓库公开了移动端 Web 3D 的加载实现，包括 Meshopt 压缩、按需加载、静态首帧、内存与浏览器缓存、空闲预取，以及模型准备完成后再切换，减少空白和闪烁。 4. 每个展项都在 src/content/animals 下按同一结构组织 TypeScript 内容、GLB、图片、旁白与来源记录。ANIMALAUTHORINGGUIDE.md 写清怎样增加一个展项，初学者可以顺着现有目录从内容数据读到 React 界面、Three.js 渲染与资源处理。 5. 项目已经在线运行，README 同时提供本地启动、项目检查、贡献流程、新增动物指南和许可说明，读者可以边体验边对照源码。 markdown 截图或演示视频

Original

DTResearch & learningDTSoftware developmentDTContent / resource

HelloGitHub Submissions

—

easy-ai18n: 简单, 优雅的 Python3 i18n 库

Python 一个现代化的 Python3 i18n 库目前主流 i18n 方案都有痛点: Python 自带的 gettext 不支持动态选择语言, 在 Bot 等多用户场景下无法按用户偏好实时切换; 第三方库需要手动维护翻译字典, 新增一种语言就要重写一遍文案; 格式化方面普遍不支持 fstring 语法, 用起来不方便不优雅. Easy AI18n 是一款现代化的 Python 3 i18n 库: 支持 AI 翻译; 原生支持多用户语言偏好, 按需动态切换; 完整支持 fstring 风格格式化, 让项目全球化变得更加优雅自然亮点使用简单支持 AI 翻译支持运行时动态选择语言完整支持 Python 字符串格式化语法 /i18n.py python from easyai18n import EasyAI18n i18n = EasyAI18n("en") = i18n.i18n() if name == "main": i18n.build(tolocales=["ja"]) /main.py python from i18n import print(("Hello, world!")['ja']) 截图或演示视频

Original

DTContent creationDTSoftware development

HelloGitHub Submissions

—