DEV TRENDS / DAILY DISCOVERIES

2026年7月11日大家都在做什么

每天发现开发者社区的新项目、新产品与开源趋势。

分类

Vivify AI实时换脸

在Vivify在线体验AI实时换脸、实时换装和实时风格重绘。上传人脸、服装或风格参考图，用摄像头画面预览实时AI变换效果。

VibeCafé

—

AI YouTube Transcript

无需注册的 YouTube 转录工具，可搜索 transcript、跳转时间戳，并导出 TXT、SRT、VTT

中文独立开发者

—

LLMGraph — 无代码可视化 LLM 工作流构建平台

网站： LLMGraph 是一个无代码的可视化 LLM 工作流构建平台。用户在拖拽画布上（也可以直接用对话描述需求）搭建 RAG 聊天机器人和 AI 智能体，然后一键部署为 REST API 或可嵌入网页的聊天组件，全程无需管理任何服务器等基础设施。适合想快速把 LLM 应用落地、又不想写代码或做运维的开发者和小团队。产品为付费订阅，各档位均提供 14 天免费试用。欢迎试用，欢迎提意见。

DT数据与运维DT软件开发DTAgent 管理与编排

科技爱好者周刊投稿

—

ParticlePair：把 128 位配对密钥藏进动态粒子星系

ParticlePair 一句话简介 ParticlePair 将 128 位配对秘密编码进一片动态粒子星系：人眼看到鲜亮、旋转和飘散的粒子云，手机摄像头则能从另一台设备的连续画面中恢复经过纠错保护的光学数据。预览 ParticlePair 是 OrbitaCero 推出的实验性光学配对项目，完全运行在浏览器中，不依赖数据库、浏览器插件或原生应用。它可以让手机直接扫描电脑、平板或另一部手机网页中显示的动态粒子画面，并从摄像头捕获的真实画面中恢复配对秘密。发送端和接收端都只是普通网页，因此可以在 Windows、macOS、iOS 和 Android 等设备之间使用。页面上显示的是一片由 1,050 颗蓝色、紫罗兰色和洋红色粒子组成的三臂旋转星系。在视觉场景背后，系统同时渲染了一个 18×18 光学网格。一个以绿色分量为主的青色载波，每隔 300 毫秒在两个相反相位之间切换。接收端调用手机或电脑摄像头，比较带有时间戳的连续画面，通过绿色通道帧差分提取信号，同时搜索合适的画面位置、缩放比例和方向。在完成同步、方向恢复、Hamming 纠错和 CRC16 校验之后，系统才会释放恢复出的秘密。完整流程如下： text 128 位配对秘密 → 21 字节协议数据帧 → Hamming(12,8) 纠错编码 → 252 个光学数据位 → 18×18 光学网格 → 相反相位调制 → 摄像头绿色通道帧差分 → 位置、比例与方向恢复 → Hamming 纠错 → CRC16 完整性校验 → 恢复配对秘密如何使用一个最直观的使用方式，是用手机扫描电脑浏览器中的 ParticlePair 粒子星系： 1. 在电脑上打开在线体验页面。 2. 在发送端生成一个新的 128 位配对秘密，并显示动态粒子画面。 3. 在手机上打开同一个网站，进入摄像头扫描模式。 4. 允许浏览器访问手机摄像头。 5. 将电脑屏幕中的完整粒子方形区域放进手机扫描框内。 6. 保持画面完整、距离适中，尽量避免强烈反光和大幅晃动。 7. 手机会持续搜索粒子区域的位置、比例和方向，并跨多个画面累积解码证据。 8. 只有当 Hamming 纠错完成且 CRC16 校验通过后，页面才会显示恢复出的秘密。接收端网页需要通过 HTTPS 打开，因为移动浏览器通常只允许安全页面调用摄像头。项目还提供浏览器内协议闭环和渲染像素恢复测试，方便在只有一台设备时验证编码、动画渲染和解码流程。不过，真正的跨设备实验仍然建议使用手机摄像头扫描另一块屏幕。一个具体的使用例子假设用户希望让手机与电脑建立一次临时配对： text 电脑生成配对秘密 → 将秘密编码为动态粒子星系 → 手机打开网页摄像头 → 扫描电脑屏幕上的粒子画面 → 手机恢复并校验秘密 → 双方使用该秘密继续完成后续认证或密钥交换 ParticlePair 负责的是“通过可见但机器可解码的动态画面传递配对数据”这一环节。在实际产品中，恢复出的秘密还应该与会话标识、有效期、设备身份和经过认证的密钥交换协议结合，并在成功使用后立即失效。可能的应用场景手机与电脑、平板、电视或网页终端之间的设备配对用手机扫描电脑网页，完成网页登录或登录确认大屏设备与个人设备之间的临时授权局域网设备首次配置时传递连接信息无法使用二维码时的动态光学数据通道空气隔离环境中的短距离、低带宽数据传递实验展览、数字艺术和互动装置中的隐藏机器信息游戏、现场活动和跨屏互动体验研究屏幕到摄像头通信、纠错和视觉同步算法将一次性挑战值传递给另一个受信任设备技术实现 ParticlePair 使用浏览器原生技术完成整个流程： Canvas 2D 渲染动态粒子星系和光学载波 Web Crypto 生成随机配对秘密 getUserMedia() 获取真实摄像头画面绿色通道帧差分提取相反相位信号多尺度、多偏移位置搜索旋转和镜像方向恢复 Hamming(12,8) 前向纠错 CRC16 完整性验证英文、西班牙文和中文界面无数据库、无服务器端识别、无原生应用依赖项目定位 ParticlePair 目前是一个实验性光学带外配对通道，不应被描述为加密算法，也尚未经过生产级安全审计。如果用于真实身份认证或设备配对，还需要在应用层加入：秘密有效期会话绑定防重放机制一次性消费设备身份认证经过认证的密钥交换安全密钥存储独立安全审计项目希望探索的问题是：除了传统二维码之外，网页是否可以把动态视觉艺术、跨设备交互和机器可恢复的数据通道结合在一起，让配对过程既有功能性，也具有更自然、更浪漫的视觉表达。

DT安全与测试DT研究与学习DTWeb 应用

科技爱好者周刊投稿

—

VeryCapture 2.0发布： 5 年前做的的截图工具，这次大版本升级了什么？

2.0 — 软件界面与功能概览图注：VeryCapture 2.0 正式发布 — 5 年 · 2.5 万+ 用户（2026 上半年）· 基础版免费 2021 年初，VeryCapture 从一个很小的念头开始：不想登录聊天工具去截图，不想读外文时反复切换翻译。我们把截图、长截图、OCR、翻译、录屏整合到一起——只为一种体验：留在手头的事里，不被打断。五年迭代，2.5 万+ 用户验证（2026 上半年数据），VeryCapture 2.0 正式发布。共鸣：这些场景，你可能也遇到过开发 / 运营：给同事报 Bug，先截图，再打开标注工具画箭头，又要录一段 GIF 说明点击位置——三步操作，上下文早忘了。学生 / 跨境办公：浏览外文资料，选中一段想翻译，复制、切换、粘贴、再切回来；遇到图片里的文字，普通 OCR 往往只认中英文——法语、日语截图里的内容，还得另找工具。教师 / 博主 / 上班族：网页太长、聊天记录太多，普通截图截不全；截完想贴屏对照写文档，又得找别的工具。它们的共同点不是「缺一个截图功能」，而是：一件小事，被登录、切换、等待拖成一连串打断。你本来在处理 A，工具却强行把你拽到 B。如果上面有一条说中了你的日常——VeryCapture 最初就是为此做的，2.0.8 则是把这条路线走得更加完整。解法：一条链路，留在当前工作里 VeryCapture 2.0 想解决的核心问题很简单：屏幕上的信息，从「看到」到「截下来、改清楚、发出去、抄下来」，尽量不离开手头的事。所以它不是「又一个截图软件」，而是一套连贯的工作流：截图 — 矩形、任意形状、延时、全屏；截完直接标注，箭头、文字、马赛克、取色，不用另开编辑器 <! 配图 06 | 解法 · 截图标注截图编辑器 — 截完即进入标注，工具栏内置图注：截完即改 — 标注是截图的一部分，不是事后补丁长截图 — 网页、文档、聊天记录，滚动内容一次截全 <! 配图 07 | 解法 · 竖直长截图 — 网页内容向下滚动一次截全图注：竖直长截图 — 滚动内容一次截全 <! 配图 08 | 解法 · 水平长截图（2.0 亮点） — 宽页面/多列内容向右滚动一次截全图注：【更新 1】水平长截图 — 宽表格一次截全，2.0.8 新增 OCR + 翻译 — 覆盖中文（简体）、日文，以及 50 种拉丁语系文字（英语、法语、德语、西班牙语、葡萄牙语、意大利语、俄语等）；图片文字截图即提取、复制、翻译，读外文不必来回切窗口 <! 配图 09 | 解法 · OCR 东亚文字 + 翻译 — 英文截图识别文本并翻译为中文图注：东亚文字：简中 / 日文，截图即识 GIF / 视频录制 — 教程、演示、Bug 反馈，支持鼠标点击效果，观众看得懂你在点哪里贴图 — 截图钉在屏幕上，写文档、对代码时当参考层绿色免安装，解压即用；官方渠道不捆绑任何第三方软件；基础版免费、无广告，日常办公开箱即用；重度用户可按需升级专业版。一句话：按一下快捷键，留在你正在做的事里——这就是「不被打扰」。证据：5 年积累，2.0 焕新时间本身就是证据。 2021 年上线至今，VeryCapture 持续迭代 5 年+——不是蹭热度的新工具，而是被长期使用、反复验证过的成熟方案。仅 2026 上半年，活跃用户已达 2.5 万+、累计事件 327 万次。 2026 上半年数据 — 活跃用户 2.5 万+，事件数 327 万图注：2026 上半年（1 月至今）数据口径——活跃用户 2.5 万+，环比增长 20% 2.0 这次具体升级了什么？【更新 1】长截图支持竖直方向和水平方向拼接，拼接算法更智能【更新 2】 OCR 升级：50 种拉丁语系 + 中/日，外文截图识别更稳【更新 3】录屏功能升级，画中画，系统声音和麦克风混音【更新 4】稳定性修复与 UI 细节打磨几个被老用户反复提到的能力： OCR 双体系覆盖 —— 东亚文字：简中、日文；拉丁语系：50 种（英法德西葡意俄等）。一张截图，不只认英文，跨境阅读、论文资料不用找在线 OCR 截完即改 —— 诞生之初就是因为现有工具二次编辑体验差；标注是截图的一部分，不是事后补丁录 GIF 带点击效果 —— 讲清楚一个操作，比十张静态图省事便携、不捆绑 —— 公司电脑、临时环境，U 盘带走就能用一体化截图工具今天已经不少，说明需求是真实的。VeryCapture 属于较早做这一类集成的那一批——选它的理由，是 5 年成熟度和 2.0 大升级，而不是谁功能清单更长。

DT研究与学习DT商业与增长DTWeb 应用

科技爱好者周刊投稿

—

recording-inbox：录音上传后自动生成飞书智能纪要

recordinginbox 项目简介：一套开源、可自部署的 AI 录音工作流。用户把 iPhone、Android 或电脑录音上传到飞书云盘，Mac/Windows 自动用 FunASR / SenseVoice 在本地转写，再生成带摘要、待办、章节和文字记录的智能会议纪要，归档到飞书并发送通知。它主要解决大量长录音的持续整理问题：本地转写不消耗飞书妙记分钟数；每条录音有独立状态，电脑关机或处理中断后可以继续；会议、访谈、课程、项目沟通模板和提示词都能自行修改。仓库提供 macOS、Windows 10/11 安装向导、AI Agent 部署手册、脱敏结果示例、验证矩阵和跨平台 CI。项目页：

DT研究与学习DT数据与运维DT垂直 Agent

科技爱好者周刊投稿

—

pi-auto-approval：一个给 Pi Coding Agent 用的自动审批扩展

使用 AI 编程助手时，每次执行命令、修改文件或调用工具都弹出确认，会频繁打断工作流；但如果直接放开权限，又可能让误操作、越权操作或风险命令在无人注意时执行。这个项目要解决的，就是这对效率与安全之间的矛盾。它借鉴了 Claude Code automode 的设计思路：让低风险、明确可控的操作尽量自动通过，把需要谨慎判断的操作保留给更严格的审核或人工确认。与此同时，也参考了 Codex Autoreview 的审批边界理念，为 Pi 提供一层更细粒度的自动审批机制。当 Pi 请求调用工具时，piautoapproval 会结合当前任务和操作上下文进行判断。已知低风险的操作可快速放行；其他操作交给 AI 分类器审核。若分类器拒绝、超时、出错或无法明确判断，系统会根据当前模式回退到人工确认，或直接阻止执行，避免“判断不清也先放行”。核心特点安全与效率兼顾：不是简单地“自动同意”或“全部确认”。项目只让已知低风险操作走快速通道，其余操作仍进入 AI 审核或人工确认，在减少打断的同时保留安全边界。分层审批机制：受信任的只读工具、工作区内写入、显式允许的安全命令，以及当前会话中已精确批准的操作，可减少重复确认；其他操作交由 AI 分类器结合任务上下文判断。默认拒绝，不确定不放行：分类器拒绝、超时、异常、无法判断，或命中必须人工处理的工具时，不会自动执行。fallback 模式交给用户确认；auto 模式则直接阻止。连续拒绝熔断：在自动拒绝路径中，连续多次被分类器拒绝后会触发熔断提示（默认阈值为 3 次），要求停下并向用户确认，避免 Agent 在同类风险操作上反复尝试。严格的本地安全边界：快速通道不会靠工具名称猜测安全性，而是依赖明确的只读元数据、严格解析的安全命令规则和工作区路径校验，降低误放行风险。模型可选、审计可追溯：可使用当前 Pi 会话模型，或从选择器指定审批模型；审批结果可写入本地 JSONL 日志，便于排查、复盘和调优。

DT安全与测试DT软件开发DTAgent 能力扩展

科技爱好者周刊投稿

—

CompressMP4 - 浏览器本地压缩视频，可按目标 MB 输出

我做了一个免费的在线视频压缩工具 CompressMP4：它主要解决视频太大，无法通过邮件、Discord、WhatsApp 或上传表单发送的问题。可以直接输入目标 MB，也可以按百分比压缩，完成后下载较小的 MP4。与常见的云端压缩工具不同，所选视频在浏览器本地处理，不需要先上传到服务器，也不要求注册账号。支持 MP4、MOV、WebM、M4V 和 MKV 输入，输出为兼容性较好的 MP4。目前还做了 Discord、Gmail、WhatsApp 等具体场景页面，以及视频文件大小计算器。浏览器本地处理会受设备性能影响，目标设置得太小时画质也会下降。

科技爱好者周刊投稿

—

Build a Hooper：用 13 位传奇球员，拼出你的梦幻篮球巨星

项目自荐：Build a Hooper 大家好，我做了一个篮球主题的网页小游戏：Build a Hooper。它的玩法是：你可以通过 13 轮选秀，从不同历史球队中抽取传奇球员，并从每位球员身上“偷取”一项能力，最终组合成一个属于自己的篮球运动员。完成构建后，系统会模拟一个 82 场赛季，生成战绩、比赛直播、赛季排名，并支持提交排行榜和分享结果。主要功能：从历史球队中随机抽取球员为自定义球员组合 13 项篮球能力模拟完整 82 场赛季查看单场比赛直播过程提交赛季成绩到排行榜生成并分享自己的球员结果这个项目主要面向喜欢篮球、NBA 历史球员和模拟经营玩法的用户。它不是严肃的数据分析工具，更像是一个轻量的篮球幻想模拟器：如果你把不同年代球星的能力组合到一个人身上，这名球员能打出怎样的赛季？项目是独立粉丝作品，不隶属于 NBA 或 NBA 2K。 Project Recommendation: Build a Hooper Hi, I built a basketballthemed web game called Build a Hooper. The idea is simple: build your dream basketball player by going through 13 draft rounds. In each round, you spin a historic team, pick a legendary player, and steal one skill from that player. Once your custom hooper is complete, the site simulates an 82game season with records, live game logs, standings, leaderboard submission, and shareable results. Project link: Main features: Spin historic teams and draft legendary players Combine 13 skills into one custom player Simulate a full 82game season Watch livestyle playbyplay game logs Submit your season record to the leaderboard Share your final build and result The project is for basketball fans who enjoy playerbuilding, NBA history, and lightweight simulation games. It is not a serious analytics product, but more of a fantasy basketball simulator: what kind of season would your custom player have if you could combine skills from different legends? This is an independent fan project and is not affiliated with the NBA or NBA 2K.

DT生活与娱乐DTWeb 应用DTSkill / 插件

科技爱好者周刊投稿

—

nika — 把重复的 AI 任务写成可检查、可审计的 YAML 工作流（Rust · 本地优先）

项目介绍： nika 是一个用 Rust 写的 AI 工作流引擎：把重复的 AI 任务写成一个纯文本 .nika.yaml 文件（一个小型 DAG），像代码一样可以 review、diff、复用。它的特别之处在于「先检查、后执行、留凭证」： nika check 在花费任何 token 之前静态审计整个工作流——DAG 结构、类型、哪个密钥流向哪一步、诚实的成本下限（无法定价的部分明确标注，绝不显示 $0）付费模型运行有硬性预算上限（maxcostusd）每次运行写入哈希链审计日志，nika trace verify 返回 0 或指出第一个被篡改的位置——凭证来自运行器，而不是模型的自述完全本地可用：mock 和 Ollama 路径零 API key、零云依赖；llama.cpp / vLLM 走同样的 OpenAI 兼容路线单个静态二进制文件，同时内置 MCP 服务器（只读预检）、GitHub Action、VS Code 扩展（YAML 实时渲染为 DAG 图）。两条命令离线试用： bash brew install supernovaest/tap/nika nika examples run 01hello model mock/echo 引擎 AGPL3.0，语言规范 Apache2.0。目前 0.9x（语言格式已冻结，周边仍在打磨），每周发版。利益声明：我是作者。

DT安全与测试DT软件开发DTAgent 能力扩展

科技爱好者周刊投稿

—

NeuroBook：面向长篇小说创作的多 Agent 写作 IDE。

人工智能把 “软件工程”，“近百年内的写作方法论”，“AI Agent” 做成了一个 IDE AI 能写好一段文字，但写不好一部长篇：写长了就吃书：设定靠模型的对话记忆，越写越漂移——上一卷断掉的手臂，这一卷自己长回来了。挖的坑忘了填：第 3 章埋的伏笔第 200 章还没收；AI 的思路一关对话就蒸发，作者的便签三个月就找不到。一股 AI 味：填充词、机械过渡、公式化排比，读者一眼识破。工具是散的：Word 写正文、Obsidian 管设定、网页聊天框讨论剧情——三个工具，三份数据，互相不认识；AI 的思路一关对话就蒸发。 NeuroBook 把这些当作工程问题来解决——设定、剧情、正文、世界状态都是 workspace 里可见的文件，作者和 Agent 在明确权限内共同维护。亮点四大核心能力 🌍 World Engine：不吃书的世界状态引擎长篇最大的敌人是设定漂移。World Engine 用「时间线 + 切面」做事件溯源：每个重要时间点记录一次状态变更，任意时刻的世界状态都由之前的切面推算得出——角色三个月前受的伤、王国十年前的国库存量，随时可查、不会漂移。补设定就是在合适的时间点插入一个切面，倒叙和回忆天然支持。世界结构自己定义（Zod schema）：人物、门派、王国、大陆都可以是有状态的 subject（主体）。可以获取任何时间的 subject 状态历法自定义：现实公历、简化纪年或完全架空的历法都支持，公元前也能算。每次变更都是带时间戳的可审计记录；他什么时候获得了这把剑完全可以审计出来 Agent 沙箱读写分权：leader 可写、writer 只读，写作时不会误改世界。 🧵 Plot Workbench：剧情工坊——伏笔有账本，决策有存档结构归结构，因果归因果：承载树管故事在哪讲（卷 → 章），因果树管故事为什么发生（剧情线 → 场景）。倒叙、插叙、多线随便排，因果链永远清晰。承诺系统：每个伏笔都是对读者的承诺——埋下、推进、兑现全程记账，节拍挂在场景上随剧情自动更新，写到目标章自动进入写作指令。契诃夫说挂在墙上的枪必须响，NeuroBook 负责提醒你它还没响。不止伏笔——感情线想每隔几章发一次糖？也记上，它会提醒你已经三十章没发糖了。创作决策记录：三个月前为什么让主角黑化？翻回去只有结果、没有理由，想改又不敢改——Decision 记得：决策当场记档，风险必填，推翻也留痕。章节信息控制：读者知道什么、主角知道什么、必须隐瞒什么、只能暗示什么——希区柯克的悬念理论，做成了字段。场景直接锚定世界时间轴、地点和出场角色，剧情规划与世界状态互相咬合。 ✍️ 多 Agent 写作工作室：好马配好鞍 AI 已经是一匹好马，NeuroBook 是那副鞍（NeuroAgentHarness——Harness 本义就是马具），缰绳在你手里。目前的 AI 没有独立写完一本优质小说的能力，但它最擅长的恰恰是：整理资料、查证细节、陪你头脑风暴、给你泼冷水——一个人写作最难熬的不是难，是孤独，现在有搭子了。各司其职：leader 规划剧情与调度，writer 专职正文，retrieval / researcher 查设定查资料——数值不乱编（引擎账上有），资料不瞎猜（researcher 去查）。默认写作主链：灵感探索 → 项目与世界书初始化 → World Engine 建档 → 剧情规划与状态推进 → 章节写作 → 写后回补。三模式：讨论模式只出主意不动稿，计划模式先给完整方案、批准才执行；每次模式切换都要你点头。编辑器内 Inline AI：选中即改、流式预览、不打断主编辑流、不占用主会话。 🧹 llmlint：给文字做 lint，去掉 AI 味像 eslint 检查代码一样检查稿件。340 条规则覆盖填充词、机械过渡、公式化设问、二元对比、空泛总结、节奏单调等典型 AI 写作痕迹；静态规则秒级扫全稿，LLM 规则做语境判断，机械问题支持自动修复。既是编辑器里的润色 Skill，也是独立 CLI：notnotype/llmlint。 | 能力 | AI 聊天框 | 角色扮演工具 | 静态设定库型 | 挂机量产型 | NeuroBook | | | | | | | | | 长篇设定管理 | 靠对话记忆 | 静态词条 | 静态卡片 | 摘要链 | ✅ 随时间演化的世界状态 | | 任意时刻状态推算 | ❌ | ❌ | ❌ | ❌ | ✅ 切面推算，可审计 | | 一致性矛盾检测 | ❌ | ❌ | 有限 | 部分 | ✅ 引擎主动报 issue | | 伏笔登记 / 推进 / 兑现 | ❌ | ❌ | 手工表格 | 部分 | ✅ 承诺账本 | | AI 味检查 | ❌ | ❌ | ❌ | ❌ | ✅ llmlint | | 创作主导权 | 人 | 人 | 人 | 机器 | ✅ 人类主导 + Agent 执行 | | 数据归属 | 云端 | 本地 | 视产品 | 本地 | ✅ 本地文件 + SQLite | markdown 截图或演示视频

DT小说创作DT安全与测试DTAgent 能力扩展

HelloGitHub 投稿

—

usage：Claude Code / Codex 额度监控菜单栏工具

Python 把 Claude Code / Codex 额度钉在 macOS 菜单栏的用量监控工具一个开源（AGPL3.0）的 macOS 菜单栏应用，把 Claude Code 和 Codex 的 5 小时 / 周额度实时显示在屏幕右上角，绿转红一眼看清，并按烧额速度预估几点撞墙，避免写代码写到一半才发现额度用完。所有数字都来自本机文件，完全不调用 Anthropic / OpenAI API。亮点 1. 零 Token 消耗、不碰密钥：不调用任何 LLM API、不读 Keychain，Claude Code 侧靠状态栏 hook 写本地 JSON，Codex 侧直接解析 ~/.codex/sessions 的会话日志； 2. 按当前烧额速度预估几点撞 5 小时 / 周限额； 3. 离线 HTML 深度报告：token 趋势、项目排行、成本估算、年度回顾热力图； 4. 菜单栏一键「省 token 模式」，长对话实测输出省约 40%。一行安装：brew install cask aqua5230/usage/usage 菜单栏与面板

DT桌面效率DT软件开发DTAgent 能力扩展

HelloGitHub 投稿

—