2026年6月4日大家都在做什么

—

ScrollShot

通过录屏自动生成像素级完美超长图的滚动截图工具 -

DTWeb 应用DTWeb

—

ChronosTimetable

面向国际教育行业的分析型 Timetable 管理系统

DT研究与学习

—

Smart Match AI

自定义条件和精度来匹配两列不同的数据，更加自由的 Excel lookup/vlookup

—

Pilipala

音乐播放器，支持本地音频，直连网盘，WebDAV等音源。支持iOS，Android，MacOS，Windows，Linux平台，自定义歌单，离线优先，多端同步。

DT生活与娱乐DTmacOSDTWindows

—

Heron —— 从网络流量被动重建 Agent 调用链的可观测性工具（Rust）

推荐一个自己参与的开源项目 Heron（Apache2.0，Rust）：主页：它把 LLM / Agent 的可观测性做在网络层：不改 SDK、不做代理、不进请求路径，直接从 TLS 终结后的明文 HTTP 流量里，把多步 Agent 交互（planner → tool → planner …）重建成一个完整的 turn。支持 OpenAI / Anthropic / Gemini，自动折叠多级代理跳数，识别 vLLM / SGLang / Ollama 后端；对 Claude Code、Codex、Hermes 等 agent 有专门的 turn profile。单文件二进制、内置控制台，pcapfile capture.pcap 回放 30 秒即可体验。

DT数据与运维DT软件开发DTAgent 管理与编排

—

代码定义结构，权重存储知识：一个例子看懂大模型推理

为什么模型代码只有几十 KB，权重却动辄几十 GB？这篇文章用一个只有 3 个参数的天气模型，把“模型结构、权重、加载、显存、推理”完整串起来。看完你会明白：代码只是蓝图，权重才是模型真正的记忆；推理也没有玄学，本质就是输入数据穿过这些被训练出来的数字。

DT软件开发

—

一个用大模型API驱动的五子棋的小游戏，AI之间斗蛐蛐，娱乐一下

LLM vs LLM / Human vs LLM 五子棋对战平台。让大模型在棋盘上对决，或者亲自挑战 AI。 AI vs AI — 两个 LLM 自动对弈，旁观 AI 的棋力与策略 Human vs AI — 你和 LLM 下一盘，每一步 AI 实时响应截图配置模型对战每一步的决策以及和大模型交互的请求

DT生活与娱乐

—

Polywise：Notebooklm/ima 的开源替代（超集）

Github: 想法来自于年初时的一个想法——“人脑的记忆机制能否和 AI 结合，让 Agent 变得 Agency”，能否模拟神经网络把 Graph RAG 的知识结点和边作为神经结点和神经连接。为 Agent 提供“自进化”的演化环境，同时我发现有许多同学使用 Obsidian+Claude 来做知识管理（需大量配置，而且体验是比较割裂的，不够 ai native ，而 Notebooklm/ima 做的比较偏“传统”，不够 ainative ）。于是我萌生出了一个想法，能不能做一个端侧就能够使用的带“自学习”能力的知识库应用，代替 Notebooklm （有许多涉及到工作的知识放 Notebooklm/ima 不合规也不安全，放 Obsidian 又经常需要整理目录和双向链接，即便用 ai 辅助整理也不够 ainative ）。在 vibe coding 调研实践了一个月（探索纯 vibe coding 能力边界的同时，验证实现路径），证实技术路径是没问题的，而适逢卡帕西的 llmwiki 概念火了，这也印证了用户需求。于是就有了 Polywise ，它以 Agent 为单位，代替 Notebooklm/ima 中的“笔记本”的概念，同时给 Agent 自己创建 skill 、tool ，自学习 Graph RAG 的能力，让 agent 自己演化出 agency 的智能。 Agent Group Linkcase Project

DT研究与学习DT数据与运维DTAgent 能力扩展

—

见了十几个投资人，我总结了他们最关心的几个问题

【见了十几个投资人，我总结了投资人最关心的几个问题】先说一下我们的基本情况，我们的项目到现在做了2个多月了，做的是一个A2A的应用叫“连连AI”，核心的功能是让你的Agent去帮你找人并自动进行沟通，这样能够在找工作、兼职等过程中节省大量的时间和精力成本。创业到现在，见了十几个投资人，发现其实投资人的很多问题都是很共性的，如果你没有准备好这些问题的话，大概率见了也是白见。 1.技术壁垒。说实话，我真的不太懂为什么在现在这种AI时代了，投资人还很纠结于技术壁垒这件事情，特别是我们还是做AI应用，做软件的。你说做硬件你可能有自研的什么什么，但是做软件的大部分企业我真的想破头也不知道有什么技术壁垒。我感觉现在大多数的初创，根本就没有任何的技术壁垒啊，但没办法，VC们就是爱问这个问题。因为VC们其实也很担心，也需要一点心理安慰，他们需要有人告诉他们说你投的这个东西是很特别的，不然就为什么投你，不投别人呢。但感觉真的挺难评的； 2.团队背景，特别是团队怎么认识的。大家应该都听过说，风投其实就是投人，但其实感觉这句话就是扯淡的，就你除非真的是那种特别厉害的大牛，不然根本就不是投人的逻辑。但是人这个事情，是一个及格线，相当于说如果你人不行直接out，人行了再看项目怎么样，所以很多VC都会看你的团队背景。然后他们特别喜欢看的一点，就是你团队怎么认识的，我觉得可能是因为他们怕如果大家认识的时间太短，创业没干多久就分崩离析了，他们投的钱就打水漂了哈哈哈哈； 3.商业模式。企业要赚钱和退出，这个很好理解，并不是所有的VC都会说愿意陪你慢慢变老。如果你没有自己造血的能力，这时候投起来就是无底洞了感觉； 4.竞品。我觉得竞品这件事情上，真的有点让我无大语。有竞品存在，OK那肯定要说一下你和竞品的区别；但我很不能理解的一点就是，如果有很多竞品存在并且好像做的还可以，你要面对的挑战就是你为什么能做得过这些人、你的独特优势是什么；如果没有很多竞品，你做的东西可能是一个比较新的东西，那可能面临的质疑就是，你这个需求是不是真实存在的、为什么没人做你这个东西； 5.解决的问题。这个必须开宗明义，并且极为直白、明显，如果你解决的问题需要很多句话来解释、说明的话，那应该不是一个很痛的需求，那你可能会比较危险。因为如果一个很痛的需求，那一定会是大家有明显体感的，能够一句话说清楚的东西。总体看来，投资人关心的问题其实都是比较共性的东西，在很多问题没有得到解答之前，去见投资人其实并没什么什么太大的作用。作为一个创始人，我觉得更需要先把自己的产品打磨好，让人见到之后能够有一眼惊艳的感觉。我始终认为，好的产品自己会说话，这是毋庸置疑的东西。产品有解决的问题、产品有好的体验并且还有不错的用户数据，如果你三项都具备的话，投资人会自己把钱送来给你。

—

[招募] 七牛云 XEngineer 暑期实训营 · 真实开源项目 + CEO 带教 + 阶梯式津贴

七牛云 XEngineer 暑期实训营 · 招募 2025–2029 届不是培训班，不是改 bug 打杂的实习。是把七牛云正在跑的真实业务拆给在校生从 0 到 1 做，过程全部走公开仓库、PR、commit。为什么发到 GitHub 因为这个营本身就长在开源上。首期议题之一直接对接七牛云开源项目 XBuilder（AI 生图 / 2D 游戏素材生成方向）评审看的就是 GitHub 受众的语言：公开仓库 + README + 持续 PR + commit 历史 + 视频每个 PR 只做一件事，PR 描述要写清楚改了什么、为什么、怎么验证 —— 也就是说，结营后你简历上那行"主导设计"，面试官可以一行一行翻你的 commit 验证带教阵容总带教：许式伟（七牛云创始人 / CEO、Go 语言早期国内布道者、Go+ 作者）资深导师团 + 助教 1v1 带教议题方向（AI 应用，非纯算法）已发布 / 在发布中的议题包括： AI 生图能力接入 XBuilder（2D 游戏素材生成）语音输入法（课堂录音 → 文字 → 要点 → 笔记）后续还有新批次议题滚动放出，错过首期不用慌阶梯式回报（不是"干两个月赌一个 Offer"） | 阶段 | 周期 | 你能拿到 | |||| | ① 72 小时议题挑战 | 3 天 | 一等奖 ¥2000 ×1 / 二等 ¥1000 ×5 / 三等 ¥800 ×10 / 优秀 ¥500 ×20 | | ② 入营实战 | 暑期 2 个月 | 日津贴 ¥300 + 七牛云官方实习证明 | | ③ 结营评优 | | 共享 20W+ 奖金池 + 100+ 张七牛云 2027 校招 Offer 直通卡（绿色通道直通终面） | 每一步都有真金白银落地，赌不赌 Offer 是最后一步才决定的事招谁 2026–2029 届高校毕业生及在校生，不限学历、不限专业开放方向：产品架构师向：产品经理 / 后端 / 前端 / 全栈商业架构师向：技术销售 / 解决方案 / 交付 / 技术支持岗位地点：上海（请提前确认时间和地点能对上）怎么报名 1. 报名入口：hr.qiniu.com 2. 或者扫下方二维码直达报名页 ↓ <p align="left" <br/ <sub扫码报名 · 七牛云 × XEngineer 暑期实训营</sub </p 3. 报名后，议题发布会通过短信 / 邮件 / 群消息通知 4. 收到议题后 24 小时内提交代码仓库地址，72 小时内完成作品 5. 提交三件套：公开仓库 + README + 视频报名全程免费，零费用。一句话不是 Coder，是 Builder。 Talk is cheap. Show me what you build.

DT商业与增长DT生活与娱乐

—

ScrollShot - 滚动截长图 & 拼接长图

软件名称 ScrollShot 滚动截图 & 拼接长图应用平台 iOS 16或以上版本应用介绍大家好，我是ScrollShot的开发者。给大家带来了我新开发的app ScrollShot: 它采用先进的视频抽帧与视觉识别算法，为您带来 iOS 原生般的滚动截图体验。只需录制一段屏幕，剩下的交给 ScrollShot 自动完成，瞬间生成像素级完美的超长图。主要功能 ■ 核心功能：录屏即长图：无需手动截取数十张图片，通过系统录屏即可一键捕获完整页面。智能无缝缝合：自动识别重合部分，精准像素级对齐，生成的长图自然无痕。灵活截图拼接：除了录屏自动合成，也支持手动选择多张截图进行高精度拼接。全场景覆盖：完美支持微信聊天记录、网页、小红书、微博、知乎等长内容保存。极简审美：专为 iOS 设计，界面清新直观，没有任何上手门槛。隐私至上：所有图片处理均在设备本地完成，无需上传云端，严密保护您的隐私安全。 ■ 为什么选择 ScrollShot？不同于传统的图片拼接 App，ScrollShot 解决了“截图漏掉”或“位置对不准”的问题。利用视频捕捉的连贯性，确保每一帧画面都完美衔接，是您整理工作文档、保存重要回忆的得力助手。 ■ 隐私与使用条款：隐私政策：使用条款 (EULA)： App Store & App Store: ScrollShot 滚动截图 & 拼接长图 scrollshot.work

DT软件开发DTWeb 应用DTWeb

—

VidCompress —— 便捷的视频压缩工具，浏览器本地视频压缩，无须上传

工具名称：VidCompress 分类：工具一句话描述：一个免费的在线视频压缩工具，全部压缩都在浏览器本地完成，视频不上传服务器。 VidCompress 最大的特点是「0 字节上传」——视频文件始终留在你的设备上，压缩在浏览器里本地完成，服务器收不到任何内容，适合处理含隐私的视频。可以按目标大小一键压缩，内置 Discord（10MB）、邮件附件（25MB）、 WhatsApp、社交平台等常用预设，也支持自定义目标体积。支持 MP4 / MOV / WebM / AVI / MKV / WMV，单个文件最大 300MB。技术上最近改用了 WebCodecs 做帧级转码，速度不再受视频时长限制（不是过去那种「边播放边录制」的 1 倍速实时压缩），20 分钟的视频几分钟就能压完。完全免费、无需注册、无水印。（说明：本人开发，自荐投稿。）

DT生活与娱乐DT软件开发

—

Dusty：安全的 macOS 菜单栏磁盘清理工具

Swift 安全的 macOS 菜单栏磁盘清理工具 Dusty 是一款用 SwiftUI 开发的开源 macOS 磁盘清理工具，运行在菜单栏，可清理缓存、日志、Xcode 垃圾和包管理器缓存。它采用白名单删除策略，不上传遥测数据，适合想学习安全文件清理、菜单栏 App 和 macOS 工具开发的用户。亮点 1. 白名单清理策略，只处理明确支持的缓存、日志和开发工具目录，降低误删风险； 2. 支持 Xcode、Homebrew、npm、CocoaPods 等开发者常见缓存场景； 3. SwiftUI 原生菜单栏体验，代码结构适合学习 macOS 小工具和安全删除流程； 4. MIT 协议、无遥测，README 中提供安装、功能说明和安全设计文档。 markdown 截图或演示视频

DT研究与学习DT桌面效率DT桌面应用

—

从源码静态分析出程序完整的数据流向图谱

JS 从源码静态分析出程序完整的数据流向图谱可视化分析代码库中的数据流向和依赖、影响关系在线预览 imsureanalyzer 亮点这个图谱表达了程序完整的功能/业务逻辑，它们都含在数据流向里面。可以根据关联节点查看数据的来龙去脉。 markdown 截图或演示视频

DT软件开发

—

GOD：可观察可干预的 AI Agent 社会实验控制台

人工智能可观察可干预的 AI Agent 社会实验控制台 GOD 是一个本地优先的 AI Agent 社会实验控制台，能在像素小镇中实时观察、提问、干预和回放多智能体行为，适合做可复现实验、Agent 演示和人机协作研究。亮点 1. 把 Agent 的位置、动作、社交、状态和时间线放进同一个像素地图，比只看日志更直观。 2. 运行中可以向单个 Agent、群组或全镇提问，也能给下一步注入干预指令，直接观察社会反馈。 3. 支持暂停、继续、逐步运行、倍速推进和完整 replay，实验结束后可以复盘每个 step。 4. 内置浏览器配置向导：配置 OpenAI 兼容模型、选择默认实验或用自然语言创建新实验，不需要先写代码。 5. Localfirst：控制台、FastAPI 后端、runtime bridge、实验文件和 replay store 都在本机运行，API key 保存在本地。 6. 已内置 The Ville 日常小镇和 PKU Trump Visit 等可运行实验，也支持地图包、Agent 包和自定义实验扩展。 bash git clone cd GOD ./scripts/god.sh start Windows PowerShell： powershell .\scripts\god.cmd start 截图或演示视频项目介绍页：开发者文档： hero 控制台实验配置向导

DT研究与学习DT生活与娱乐DTAgent 能力扩展

—

Agent Beacon：macOS 菜单栏里的 AI Agent 状态灯

C macOS 菜单栏里的 AI Agent 状态灯 Agent Beacon 是一款本地优先的 macOS 菜单栏工具，用四个状态灯展示 Codex、Claude Code、Cursor、Gemini CLI 和本地脚本的运行、完成、待处理、失败状态，并支持点击回到对应应用。亮点 1. 解决多 AI 编程工具并行时的注意力问题：不用反复切回每个窗口确认任务是否跑完。 2. 本地优先，不需要云服务，不展示聊天正文、终端输出、prompt、模型回复或日志。 3. 支持本地 shim、显式 status.json、Codex 本地 session 元数据和 Cursor 本地 composer 元数据。 4. 自带 AgentBeaconStatus 和 agentbeaconrun，第三方脚本或普通命令也能接入状态灯。 5. Swift / SwiftUI / AppKit 实现，适合学习 macOS 菜单栏应用、本地 CLI 集成和隐私边界设计。 markdown AgentBeaconStatus id tests name "Run tests" status running app Terminal AgentBeaconStatus id tests name "Run tests" status completed app Terminal 截图或演示视频演示 GIF： Beacon Release 下载：

DT研究与学习DT桌面效率DTAgent 能力扩展