DEV TRENDS / DAILY DISCOVERIES
每天发现开发者社区的新项目、新产品与开源趋势。
将鼠标组合映射为键盘快捷键，单手完成高频操作👋。 全局助记浮窗 + 触发音效，提供游戏金手指版的使用体验。 项目平台：macOS 13+ 核心特点 🧙 无限按键组合：支持任意的鼠标组合序列，全部快捷键集于一手。 🧠 全局助记浮窗：照着点、不用记。动态呈现，可自定义展示位置/跟随鼠标 ⛔️ 生效应用限定：支持 所有/包含/排除 三类限定模式，相同组合不同映射。 🎵 乐趣触发音效：支持自定义触发音效，强化肌肉记忆。 👀 可视化配置：鼠标组合、键盘快捷键、应用限定、助记浮窗位置，全部可视化配置。 截图 | 主界面 | 助记浮窗 | 设置界面 | | :: | :: | :: | | | | |
=================================================== aidiagram.org 这是一个用 AI 生成图表的网站，主要想解决“有想法，但画图太麻烦”的问题。 =================================================== 用户只需要输入自然语言，AI 就可以生成流程图、架构图、结构图等内容，也支持继续通过对话修改。 目前支持的场景包括： 一句话生成流程图、示意图、结构图 生成 AWS / GCP / Azure 等云架构图 上传图片后复刻成可编辑图表 上传 PDF / 文本后提取内容并自动成图 对生成结果继续对话修改、补充和优化 比较适合产品设计、系统设计、技术方案整理、学习笔记可视化这些场景。 如果你也经常需要画图，欢迎体验，也欢迎提建议。 网站：
各位周刊读者好： 推荐一个我自己最近开发的业余小项目：ApologyLetter.Online。 主要功能： 一个免登录、免费使用的 AI 情感辅助工具，帮助用户在几秒钟内生成一封真诚、具体且高度个性化的英文道歉信。 开发初衷： 在人际关系中，搞砸事情后不知道“该怎么开口”是很多人的痛点。干巴巴的“I'm sorry”往往无济于事，而深刻的道歉需要具体的情境和情绪价值。我本身是一个 19 岁的在校生，专业是跨境电商，平时对 AI 应用出海非常感兴趣。为了把想法快速落地，我把这个项目当成了一次“AI + 极简出海变现”的完整微实操，跑通了从 Prompt 调优到全球支付的整个流程。 技术与产品亮点： 极简技术栈与“粗暴”的频率限制： 使用 Next.js 15 (App Router) + Tailwind CSS + Vercel 部署。为了极致追求轻量化，我没有引入任何数据库。为了防止 API 被滥用，我直接在 Serverless 实例中用 Map 写了一个基于内存的 IP 频率限制器。虽然冷启动会重置，但对于验证期的 V1 版本完全够用。 反套路化的 Prompt 工程： 为了避免 AI 写出浓浓“机翻味”或假大空的信件，我在系统提示词中强制加入了“不找借口、承诺具体改变、不要有任何 AI 痕迹的废话前缀”等指令，并让用户自选语气（真诚、浪漫、谦卑等），大幅提升了文本的“人情味”。 “免费 + $0.99 微支付”的商业闭环： 核心的生成和文本复制功能完全免费（有利于 SEO 和口碑传播）。但我接入了 PayPal（@paypal/reactpaypaljs），如果用户想要下载一份排版精美、可直接打印的 PDF 版本，需要支付 0.99 美元。这算是我将跨境电商思维用在数字产品上的一次有趣尝试。 总结： 这是一个非常典型的“用最无聊的栈，做最实在的工具”的 Build in Public 实践。代码不复杂，但完整经历了一个独立开发产品从构思、防刷、SEO 配置（Sitemap/结构化数据）到支付变现的全过程。 希望能给想要尝试独立开发或微型出海项目的同学提供一点参考！ Enlish: Hi everyone, I'd like to share a side project I recently shipped: ApologyLetter.Online. URL: What it does: A free, nologin AI tool that helps people generate sincere, specific, and highly personalized apology letters in seconds. Why I built it: Knowing what to say when you've messed up is a universal struggle. A generic "I'm sorry" rarely fixes things; a real apology needs context and emotional intelligence. As a 19yearold student majoring in crossborder ecommerce, I wanted to combine this everyday problem with a handson experiment in global micromonetization, taking a product from prompt tuning all the way to international payments. Tech & Product Highlights: Minimalist Stack & "Brute Force" Rate Limiting: Built with Next.js 15 (App Router), Tailwind CSS, and hosted on Vercel. To keep it as lightweight as possible, I didn't use a database. To prevent API abuse, I just wrote an inmemory IP rate limiter using a Map within the Serverless instance. It resets on cold starts, but it’s completely sufficient for a V1 validation phase. AntiRobotic Prompt Engineering: To prevent the AI from sounding like a generic corporate bot, I engineered the system prompt with strict constraints: "take full responsibility, no excuses, promise concrete change, and NO robotic AI preambles." Letting users select the tone (Sincere, Romantic, Humble, Gentle) drastically improved the "human touch." The "Free + $0.99" Monetization Loop: Generating and copying the text is 100% free (which is great for SEO and wordofmouth). However, I integrated PayPal (@paypal/reactpaypaljs), so if a user wants to download a beautifully formatted, printready PDF, it costs $0.99. It’s a fun way to apply ecommerce thinking to a digital microtool. Takeaway: This is a classic example of using a "boring" tech stack to solve a real human problem. The code isn't overly complex, but it completes the full indie hacking cycle: ideation, prompt engineering, antiabuse measures, SEO setup, and payment integration. Hopefully, this provides some inspiration for anyone looking to build and monetize a lightweight microSaaS!
I Built a Free AI Background Remover Using Cloudflare Workers + D1 I spent my weekend building an AI background remover website, with both frontend and backend deployed on Cloudflare, costing almost nothing. Here's my development journey and some lessons learned. 🌟 Project URL 🔧 Tech Stack Frontend: Static HTML + JavaScript (Cloudflare Pages) Backend: Cloudflare Workers Database: Cloudflare D1 AI Background Removal: Remove.bg API Payment: PayPal 🚀 Features 1. Free to Use: 3 free uses per day, no login required 2. Google Login: Crossdevice sync after login 3. Credit Packs: Purchase credits via PayPal 4. Membership: Monthly/Yearly unlimited plans 💡 Key Highlights 1. Benefits of D1 Database Previously I used localStorage, so users would lose their data when switching devices. After switching to D1, once a user logs in, their credits and membership sync across all devices. sql User table structure CREATE TABLE users ( id INTEGER PRIMARY KEY, googleid TEXT UNIQUE, email TEXT, credits INTEGER DEFAULT 0, membership TEXT, membershipexpire TEXT, totalused INTEGER DEFAULT 0 ); 2. Interesting Uses of Workers Workers aren't just for APIs they can also serve HTML pages directly. One Worker handles all routes: javascript // Home page if (path === '/') { return new Response(HOMEPAGE, { headers: { 'ContentType': 'text/html' } }) } // Pricing page if (path === '/pro') { return new Response(PROPAGE, {...}) } // API endpoint if (path === '/purchase' && method === 'POST') { return handlePurchase(request, env) } 3. PayPal Integration Lessons Sandbox and production have different API addresses, and sandbox testing sometimes has weird CORS issues. The final solution was to provide a manual payment confirmation as a fallback, in case the automatic flow fails after user pays. 📊 Cost Estimate | Service | Free Tier | Overage | |||| | Workers | 100,000 req/day | $0.50/million | | D1 | 5GB storage | $1/GB/month | | Pages | 500MB | Free | | Remove.bg | | $0.07/image | Currently with a few hundred visits per day, everything is within the free tier. 🔜 Future Plans [ ] Add more AI features (background replacement, resize) [ ] Batch processing support [ ] Open API for developers 🤔 Reflection This project made me rethink Cloudflare's product capabilities. The Workers + D1 + Pages combo is amazing for small to medium web applications easy deployment, global CDN, and extremely low cost. If you have similar ideas, try this stack! Feel free to ask questions in the comments! Feel free to try and leave your feedback in the comments!
原文人工智能 Memory Palace：让你的 AI Agent 拥有跨会话持久记忆的 memory system 「开源自荐」Memory Palace — 让 AI Agent 拥有跨会话持久记忆的开源 Memory System Memory Palace GitHub 主语言：Python（后端） + JavaScript/React（前端 Dashboard） License：MIT 分类建议：Python 项目 / AI 工具 📌 Memory Palace 为 AI Agent（Claude Code / Codex / Gemini CLI / OpenCode 等）提供持久化、可检索、可审计的跨会话记忆系统，通过统一的 MCP (Model Context Protocol) 协议接入，让你的 AI 助手不再每次对话都"失忆"。 "Every conversation leaves a trace. Every trace becomes memory." 💡 它解决什么问题？ 用 AI 编程助手时，你一定遇到过这些痛点： | 痛点 | Memory Palace 怎么解决 | ||| | 🔄 每次新对话 Agent 都失忆 | 持久化记忆存储（SQLite 单文件），跨会话保留所有上下文 | | 🔍 找不到之前讨论过的内容 | 混合检索引擎（关键词 + 语义 + 重排序），支持四种意图分类自动路由检索策略 | | 🚫 不知道记忆写了什么、写得对不对 | 写入守卫（Write Guard）预检每次写入，拒绝重复/无用信息 + 快照支持一键 Diff 回滚 | | 🧩 不同 AI 客户端各自为政 | 统一 MCP 协议，一套集成覆盖 8 个主流客户端 | | 📊 无法观测记忆系统的运行状态 | 内置 React Dashboard，四大视图实时可观测 | ✨ 项目核心亮点 1️⃣ Skills + MCP 双层架构 这是 Memory Palace 区别于其他 MCP 记忆方案的核心设计。MCP 工具层负责确定性执行（读/写/搜索/压缩），Skills 策略层负责策略与时机（何时读、何时写、何时压缩）。这意味着 AI 不是被动地调用工具，而是按照最佳实践自主决策记忆操作。 2️⃣ 可审计的写入管线 每次记忆写入都经过严格管线：写入守卫预检 → 快照创建 → 异步索引重建。 写入守卫不是简单地把所有信息无脑存入，而是先判断："这条信息值不值得记？有没有重复？应该新增还是更新？" — 支持规则引擎 + LLM 辅助判断 快照系统在每次修改前自动留存旧版本，Dashboard 的 Review 页面支持 Diff 对比和一键回滚 3️⃣ 意图感知的混合检索 不只是简单的关键词匹配。搜索引擎会先分类查询意图（事实型 / 探索型 / 时间型 / 因果型），然后应用对应的检索策略模板。升级到 Profile C/D 后还有 API 级 Embedding + Reranker 加持，SQuAD v2 数据集上 C/D 档达到了 HR@10 = 1.0 的完美召回。 4️⃣ 四档部署适配各种场景 | 档位 | 检索模式 | 外部依赖 | 适合场景 | ||||| | A | 纯关键词 | 无 | 最小验证 | | B ⭐ 默认 | 混合（本地哈希） | 无 | 3 分钟开箱即用 | | C 💪 推荐 | 混合（API） | 本地 Ollama/LM Studio | 日常使用最佳质量 | | D | 混合（API） | 远程 API | 生产环境 | 5️⃣ 内置可观测 Dashboard React 18 + Vite + Tailwind CSS + Framer Motion 打造的四视图仪表盘： 记忆浏览器：树形结构浏览/编辑所有记忆节点 审查回滚：Diff 对比 + 一键回滚任意历史版本 维护清理：活力衰减管理 + 孤儿节点清理 可观测控制台：检索质量实时监控 + 任务状态追踪 支持中英双语自动适配。 6️⃣ 8 客户端全覆盖 | 类型 | 客户端 | 接入方式 | |||| | CLI | Claude Code / Codex / Gemini CLI / OpenCode | Skill + MCP（推荐） | | IDE | Cursor / Windsurf / VSCode / Antigravity | AGENTS.md + MCP 片段 | 7️⃣ AI 引导式安装 提供独立的安装引导仓库 memorypalacesetup，直接把一段话发给 AI 助手，它会自动识别你的客户端和操作系统，引导完成全部安装配置。 🏗️ 技术栈 | 层 | 技术 | ||| | 后端 | Python 3.10+ · FastAPI · SQLAlchemy 2.0 · SQLite · MCP (FastMCP) · Pydantic | | 前端 | React 18 · Vite 7 · Tailwind CSS · Framer Motion · React Router · Axios | | 部署 | Docker · Docker Compose · GHCR 预构建镜像 · 一键部署脚本（macOS/Linux/Windows） | | 协议 | MCP (Model Context Protocol) — stdio + SSE 双传输层 | 📊 项目数据 | 指标 | 数据 | ||| | ⭐ Star | 214+ | | 🔀 Fork | 18 | | 📝 Commits | 134+ | | 🧪 后端测试 | 809 passed（66 个测试文件），前端 119 passed + build 成功 | | 📚 文档 | 22+ 篇 Markdown 文档（中英双语），涵盖快速开始、部署指南、工具参考、安全隐私、故障排查、Dashboard 用户手册等 | | 📋 License | MIT | | 🔄 最近更新 | 2026 年 3 月（持续活跃维护中） | | 📦 版本 | v3.7.1（当前最新） | 📷 系统架构图 Skills + MCP 多客户端编排 记忆写入与审查时序 Dashboard 记忆浏览器 Dashboard 审查回滚 Dashboard 维护清理 Dashboard 可观测控制台 首次配置向导 🚀 快速体验 最快方式：Docker GHCR 预构建镜像 bash git clone cd MemoryPalace cp .env.example .env.docker bash scripts/applyprofile.sh docker b .env.docker docker compose f dockercompose.ghcr.yml pull docker compose f dockercompose.ghcr.yml up d 3 分钟内即可通过 访问 Dashboard。 AI 引导式安装（推荐） 直接发给你的 AI 编程助手： 请读一下这个仓库的 README 和 SKILL.md，然后一步步帮我安装配置 Memory Palace AI 会自动完成：克隆 → 环境配置 → 服务启动 → Skill 安装 → MCP 接入 → 验证。 📚 文档完善度 项目提供了完整的中英双语文档体系： | 文档类型 | 内容 | ||| | README | 中/英双语 README，涵盖快速开始、技术栈、部署、配置全流程 | | 快速开始指南 | GETTINGSTARTED 中英双语，手把手从零到运行 | | 部署文档 | DEPLOYMENTPROFILES 四档部署详解 + 参数参考 | | 工具参考 | TOOLS 9 个 MCP 工具的完整语义说明 | | Dashboard 指南 | DASHBOARDGUIDE 四视图逐页 Walkthrough | | 安全与隐私 | SECURITYANDPRIVACY 安全边界和隐私保护说明 | | 故障排查 | TROUBLESHOOTING 常见问题和解决方案 | | 性能评估 | EVALUATION 基准测试方法论和结果 | | 变更日志 | changelog/ 目录下的版本发布说明 | | 技术概览 | TECHNICALOVERVIEW 系统设计和架构深度解析 | 🎯 为什么值得推荐？ 对比同类方案的差异化 1. 不只是 MCP 工具集：市面上很多"记忆 MCP"只提供简单的读写接口，Memory Palace 提供完整的记忆生命周期管理（写入守卫 → 版本快照 → 检索优化 → 活力衰减 → 睡眠整合 → 孤儿清理） 2. 写入不是无脑存储：Write Guard 机制主动过滤重复/低价值信息，这在同类项目中几乎没有 3. 可视化可审计：内置 Dashboard 让记忆不再是黑盒，支持 Diff 回滚，这对生产环境至关重要 4. 开箱即用：Profile B 零外部依赖 3 分钟跑起来，不需要配置任何 API Key 或模型服务 实际使用场景 ✅ AI 编程：跨会话保持项目上下文，Agent 不再重复问同样的问题 ✅ 知识管理：将重要决策、技术选型、Debug 记录持久化 ✅ 团队协作：不同 AI 客户端共享同一套记忆，统一项目知识库 ✅ 个人助手：长期积累偏好和习惯，AI 越用越懂你 代码质量 后端 809+ 个测试用例覆盖（66 个测试文件），前端 119 个测试 + 构建验证 完整的 CI 验证流程和质量门禁（Write Guard / Intent / Gist 等多维度质量门禁全部 PASS） 原生 Windows / macOS / Linux / Docker 全平台验证 🔗 相关链接 主仓库： 安装引导仓库： 中文 README： 英文文档： 性能评估报告： 亮点 市面上的 AI 记忆方案（如 mem0、Letta/MemGPT、各类 MCP memory server）大多只做"存取"——把信息丢进去、查出来，Memory Palace 做的是完整的记忆生命周期管理，核心差异有三点： ① 写入不是无脑存储，而是有"守门人"。 Memory Palace 的 Write Guard 会在每次写入前预检：这条信息值不值得记？有没有重复？应该新增还是合并到已有记忆？这在同类项目中几乎没有——大多数方案是"来者不拒"，用久了记忆库就变成垃圾堆。 ② 记忆不是黑盒，而是可审计、可回滚的。 每次写入自动创建快照，内置 React Dashboard 支持 Diff 对比和一键回滚。你能清楚看到 AI 记了什么、改了什么、什么时候改的，这对生产环境和团队协作至关重要。同类项目基本没有提供可视化审查能力。 ③ 零配置即可体验，渐进式升级到生产级。 Profile B 档不需要任何 API Key 或外部模型服务，3 分钟 Docker 一键跑起来。等你准备好了，再升到 C/D 档接入 Embedding + Reranke（强烈推荐档位）r。从玩具到生产，一套系统平滑过渡，不用换方案。 别的方案给 AI 一个记事本，Memory Palace 给 AI 一整套记忆管理系统。 markdown 截图或演示视频
换一个关键词或分类试试。
DEV TRENDS / COMMUNITY
讨论本期日报
使用 GitHub 登录，分享你的看法、问题或补充信息。