RoomDecorFinds
家居装饰参考和房间规划网站，提供风格指南、配色参考、房间灵感和实用尺寸/布局工具
—
DEV TRENDS / DAILY DISCOVERIES
2026年5月30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。
MeowOut
macOS 原生菜单栏健康应用，通过系统级活跃度监测与灵动的像素宠物，引导用户规律休息、补水及正念呼吸
—
Gemini Omni
AI 视频生成工具，支持文本/图片/对话生成带原生同步音效的 4K 电影级短视频，提供多模态参考、角色一致性锁定和对话式编辑，通过自然对话即可完全控制物理规律、角色和环境。
—
awesome claude workflows：专收"真在生产里跑过"的 Claude Code Dynamic Workflows 精选目录
概况 Awesome Claude Workflows 是一个社区精选目录，专门收录基于 Claude Code Dynamic Workflows 的、真在生产里跑过的多 Agent 工作流。 Dynamic Workflows 是 Claude Code 在 20260528 随 Claude Opus 4.8 一起发布的新功能（目前 research preview，需 Claude Code v2.1.154+）：用一段 JavaScript 脚本，把几十到上百个子 Agent 按确定性的控制流（并行 fanout、顺序、循环、条件）编排成一条流水线，脚本由 Claude 自动写好、在后台运行，最后只把最终结果交回对话。脚本存进 ~/.claude/workflows/ 就自动变成一个 slash command——不用写 plugin、不用 manifest、不用注册。 我的判断是：这之后会涌现一大批"基于 Agent 之间互相协调"的大规模工作流——研究合成、代码审查、500 文件迁移、bug 扫荡、风控分析……每一个都值得被复用，而不是各自从零再搭一遍。所以开了这个目录把它们收起来。 旗舰范例：Trading Agents 目录里第一个完整范例叫 Trading Agents。在 Claude Code 里敲一条命令： /tradingagents 美光科技 接下来：一组分析师 Agent 并行铺开各自取数 → 结果汇总后进入一场看多/看空的多轮 Debate → 再交给一个评审 Panel 独立打分 → 按风险分档给出仓位层面的建议。全程一条命令触发。（仅研究用途，不构成投资建议。） 它是"用 Dynamic Workflows 做 Agent 间协调"的一个具体样例：并行分析、顺序辩论、独立评审这种结构，用 parallel（并行、等齐）和 pipeline（流水、不互相等）这两个原语表达起来很顺手；确定性控制流意味着流程可复现；还能结构化输出、断点续跑（改一处只重跑那一处，省 token）。 怎么用 README 里有安装说明，把工作流脚本放到 ~/.claude/workflows/ 后即成 /<name 命令，本地一条命令就能跑。 现状 还很早：完整旗舰就 Trading Agents 一个，其他分类基本还空着。我更想用"真有人在用的"工作流慢慢把它填厚，所以也欢迎来提 PR——你如果做过/在跑某个多 Agent 工作流，哪怕只是偶尔用一次的，都欢迎收录。 MIT 协议，完全免费。欢迎拍砖 ⭐
—
AtomMQTT：Rust语言实现的轻量级高性能MQtt服务器
AtomMQTT：Rust语言实现的轻量级高性能MQtt服务器 1. 2. 它解决了什么问题？ 目前流行的一些开源MQTT代理服务器如mosquitto,EMQX或rabbitMQ,要么功能简单，连Web管理界面都没有。要么功能复杂，安装部署繁琐。 而AtomMQTT是一个使用Rust语言开发的轻量级高性能的MQTT服务器，充分利用了Rust语言的优势，单机支持1W+的并发连接，且通信延时在毫秒级别。且自带Web管理客户端，部署超级简单，一个二进制可执行文件+config.toml配置文件总共不到10M大小的体积。 3.核心功能与特性 ✅ SQLite 持久化存储 — 会话、订阅、保留消息、遗嘱消息自动持久化到本地数据库，重启后自动恢复 ✅ 双协议支持 — 同时支持 MQTT 3.1.1 和 MQTT 5.0 ✅ 主题订阅树 — 基于 Trie 树的高效主题匹配（支持 + / 通配符） ✅ 消息路由 — PUBLISH 消息自动转发给所有匹配订阅者 ✅ QoS 0/1/2 — 完整的服务质量支持 ✅ 保留消息 — 支持 Retained Message 存储与分发 ✅ 遗嘱消息 — 支持 Will Message（异常断开时自动发布） ✅ Web 管理界面 — 内置 ActixWeb 仪表盘，实时监控 Broker 指标 ✅ WebSocket 订阅 — 浏览器可直接订阅 MQTT 主题，接收实时消息 ✅ REST API — 提供完整的 HTTP API 用于发布消息、管理客户端 ✅ 匿名/文件认证 — 支持无认证和基于文件的密码认证 ✅ ACL Topic 访问控制 — 基于文件的 publish/subscribe/readwrite 权限管理 ✅ Web 管理界面认证 — HTTP Basic Auth + JSON 登录页面双重认证 ✅ CLI 客户端 — 内置 mqttclient 工具，支持发布/订阅/交互式 Shell ✅ 性能指标 — 内置计数器（连接数、消息数、字节数、包数等） 4.推荐理由 AtomMQTT Broker 是一个纯 Rust 实现的 MQTT 3.1.1/5.0 消息代理，核心目标是在高性能与数据安全之间取得平衡。 整个软件只有一个mqttweb.exe二进制可执行程序，小巧但性能强大。所有消息路由、订阅匹配在内存中完成，无锁竞争，零拷贝与异步 I/O — 利用 Tokio 运行时和 BytesMut 实现高效网络处理。 内存安全 整个项目使用 确保零 unsafe Rust 代码。这意味着所有内存安全由 Rust 编译器保证——没有空指针解引用、缓冲区溢出或释放后使用。 单元测试 为了保证功能的稳定性，本项目已做了充分的单元测试。 项目根目录 test/ 下提供了基于 Python 的集成测试脚本，覆盖认证、发布/订阅、保留消息、ACL 权限和离线消息队列等核心功能。 在当下物联网时代，能有一个比肩mosquitto但功能更丰富的轻量级MQTT Broker,将极大的方便MQTT物联网设备的开发调试和使用。
—
TerAgent：一个编译器风格的AI Agent中间件
AI Agent 是 2026 年的技术热点之一。当前的 Agent 框架普遍存在两个问题：一是每换一个模型就要重写一套 Prompt，二是安全机制往往后置。 TerAgent 是我发布的一个开源库，核心定位是为 AI Agent 提供类似编译器的中间层。用一句话概括：用户只需要定义一个 5 字段的数据结构（TAPRequest），剩下的 Compiler 负责把它转成模型需要的 Prompt 格式，Adapter 负责发 HTTP 请求并收响应。 一、TAP IR TAP 全称 TerAgent Protocol，定位是内存中的中间表示（IR），类似 LLVM IR。它只包含 5 个字段：meta（元信息）、context（上下文）、instruction（核心指令）、constraints（硬约束）、outputformathint（输出提示）。描述的是“你想让 AI 做什么”，但不关心“怎么组织成 Prompt”。 TAPRequest → Compiler → CompiledPrompt → Adapter → Model API，中间经过编译和发送两层解耦。 二、Compiler / Adapter 正交解耦 这是项目的核心设计。Compiler 管编译策略（例如 GLM 近因效应 / Claude XML / DeepSeek 极简），Adapter 管 HTTP 协议（OpenAI 兼容 / Anthropic 原生 / Mock）。 4 个 Compiler 乘 3 个 Adapter，一共 12 种组合，零额外代码。新增一个 Compiler 只需要加一个文件一行注册，Adapter 同理。这个扩展能力在有多模型需求的场景下很实用。 三、安全与可靠性模块 AI 在幻觉状态下可能执行危险操作（例如说清理日志却执行了 rm rf）。TerAgent 内置了多个防御机制： 7 层权限解析：用户级规则优先级最高（100），系统级最低，同优先级下默认拒绝优先于允许。 3 级沙箱隔离：依次为进程级（黑名单 + rlimit）、Docker 容器、Firecracker 微型 VM。 2PC 原子文件写入：先验证写后读契约，再写临时文件，最后原子替换，失败则自动回滚并备份。 4 种熔断器：Token 预算监控、连续失败冷却、延迟滚动告警、进度停滞检测。 GLM5.1 在独立评估中称其“本质是一个防 AI 自毁系统”。 四、开发方式 TerAgent 的设计是与 AI 协作完成的，代码不是手写的。整体流程是：设计（我与 AI 讨论）→ 规划（AI 拆解任务）→ 编码（AI 逐模块生成）→ 审查（AI 进行语法/依赖/可运行性检查），我在每一关做决策。 GLM5.1 对项目做了独立评估，给出综合评分 7.4/10（架构设计 9.0，防幻觉安全 7.5，工程规范 6.5）。评估报告存在仓库的 docs 目录下。 五、技术指标 源码约 22,207 行 Python（14 个子模块，83 个源文件） 测试约 15,071 行（44 个测试文件），测试/源码比 67.9% 0% 空壳（714 个函数全部实现） 版本 0.0.1 Alpha，许可证 Apache 2.0 六、相关链接 GitHub: PyPI: pip install teragent 开发者（GitHub）: @Kiruvex
—
峰哥桌面宠物——二次元峰哥，常驻你的桌面。
<div align="center" </div ✨ 功能 9 种动画状态随机轮播（站立 / 发呆 / 抱臂 / 摸胡子 / 自拍 / 投降 / 向左跑 / 向右跑 / 奔跑） 点击角色触发反应动画，必出语录气泡 空闲时随机冒语录，包含峰哥经典名言 拖拽移动位置，自动记忆上次位置 开机自启动 右键菜单 → 编辑语录，保存即生效，无需重启 右键菜单 → 关闭宠物 📦 安装 下载 Release（推荐） 前往项目主页下载对应版本的 .zip，解压后双击 fenggepet.app 即可。 | 文件 | 适用机型 | ||| | fenggepet1.1.0arm64mac.zip | Apple Silicon（M1 / M2 / M3 / M4） | | fenggepet1.1.0mac.zip | Intel 芯片 | ⚠️ 首次打开提示"无法验证开发者"？ 在终端执行以下命令后即可正常打开（每台 Mac 只需执行一次）： bash xattr cr fenggepet.app 本地运行 bash git clone cd fenggepet npm install npm start 🖥️ 系统要求 macOS（Apple Silicon / Intel 均支持） Node.js 18+（仅本地运行时需要）
—
WebAutoForm —— JSON驱动的浏览器自动化工具
我是 WebAutoForm 的作者，这是一个轻量级的浏览器自动化工具，只需要写 JSON 配置就能完成填表、提交、数据提取等任务，完全不需要写代码。 🔗 GitHub ✨ 核心功能 13 种动作类型 填写、点击、选择、数据提取等 零代码 用 JSON ，引擎自动执行 内置 PII 脱敏 自动屏蔽邮箱、手机号、身份证 条件分支 支持 if/else，应对复杂场景 AI Agent 友好 自带 JSON 工具格式 选择器容错 主选择器 + 备选链，不怕页面变化 💡 和同类工具有什么不同？ Playwright、Selenium 这类工具都需要编程基础。WebAutoForm 专注在 表单自动化 这一个场景上：批量填表、数据录入、测试、CI 流水线。100% 确定性执行（不会像 LLM 那样出现幻觉），本地运行完全免费。 🚀 一行命令就能体验 bash pip install webautoform playwright install chromium ❤️ 需要大家的帮助 ⭐ 觉得有用的话，给个 Star 吧 📣 推荐给 需要表单自动化的朋友或团队 🐛 遇到问题随时提 Issue ✏️ 欢迎对文档或功能提任何 建议
—
Iris —— 开源 Chrome 隐私检测插件，实时显示追踪器 + AI 引用可信度
网站名称：Iris 网站链接： 开源 Chrome 浏览器扩展，帮助用户看清网页背后发生了什么。主要功能： 1. 实时显示当前页面加载的第三方追踪器（广告、分析、指纹采集） 2. 在 Perplexity / ChatGPT / Kimi 等 AI 搜索页面，自动分析引用来源是否来自内容农场、阴谋论站或假新闻站 3. 检测订阅陷阱话术（支持中文和日文） 4. 识别 Cookie 同意暗模式 5. 本地历史记录，每周生成「追踪器最多的网站」「AI 引用质量最差的平台」等洞察 所有检测本地完成，不上报任何数据，GPL3.0 开源。已上架 Chrome Web Store，500+ 安装量。
—
arrow game：免费在线玩解谜箭头小游戏
大家好，我是一名独立开发者，最近做了一个浏览器小游戏：Arrows escape。 游戏地址： 这是一个规则简单的小游戏,用户需要点击没有被其他线阻拦的箭头从而通关至下一关,总共有100关可玩。 搭配上魔性的8bit音乐,不用复杂的学习、注册登录点开即玩,闲暇之余来上一两盘解解压是很好的。 推荐使用手机浏览器打开 体验会比较好。 欢迎试玩，也欢迎反馈何处需要修正。
—
Aura Tab - 高颜值新标签页扩展
Aura Tab 是一个面向 Chrome / Edge 的新标签页扩展，主打高颜值、低打扰和高可定制性。它把智能背景、macOS 风格 Dock / 启动台、快捷链接管理、书签导入、沉浸式图片查看、WebDAV 备份等能力整合到一个新标签页里。 项目比较重视性能与隐私：支持首屏优化、背景缓存、多语言、自定义搜索引擎，不采集用户数据。 Chrome 商店： 截图： README 里有更多截图和功能说明，欢迎试用并提出反馈。
—
album-assetizer：用大模型给本地相册生成结构化语义描述
说明： 一个本地运行的命令行工具，扫描个人相册，调用 OpenAI 兼容 API（推荐小米 MiMo，可以将赠送的token转换为个人数据资产）为每张图片生成结构化描述，结果保存在本地 SQLite，可导出 JSONL / CSV。 输出字段包括：短描述、长描述、场景分类、语义标签、OCR 文字、人数、置信度等，同时生成 embeddingtext 供后续向量检索使用。数据完全归用户本地所有，不依赖任何云服务。 支持 HEIC / DNG / CR3 / Apple Live Photo 等格式，断点续跑，并发处理。
—
SPNED-Preview (Static-Proof Native Execution of Decoders)
SPNEDPreview (StaticProof Native Execution of Decoders) 一个基于“区间域抽象解释”的零开销安全 JIT 编译器架构，在绝对吞吐量上全面击败 WebAssembly 和 eBPF 沙箱。 详细推荐理由 现代分析型数据库在集成第三方数据解码器时，往往需要在原生的极致性能与动态沙箱（如 WebAssembly 或 eBPF）的安全性之间妥协。这种沙箱机制不仅会带来单核上下文切换的性能惩罚，更会在高并发下引发灾难性的系统级内存隔离锁竞争。 SPNED 提出了一种全新的“验证后编译 (VerifythenCompile)”架构： 通过高度受限的领域特定语言 (DSL) 和纯 C++ 的区间抽象解释引擎，在微秒级（约 17.1 μs）内完成内存绝对安全性和程序终止的数学证明。验证通过后，直接通过 LLVM ORC JIT 将其降级为无限制的本地机器码。 在 64 核物理硬件的严苛评估中，SPNED 展现了打破“沙箱税”的终极性能： 逼近原生上限： 在复杂的选择性分析负载中，吞吐量达到 937.34 MT/s，成功捕获了激进优化的不安全 C++ 代码 97.9% 的物理性能上限。 亚纳秒级延迟： 彻底剥离运行时边界检查后，单条元组处理延迟低至 0.54 ns，展现了完美的 CPU 缓存亲和性。 无锁线性扩展： 凭借无锁的 64 位寄存器传参 ABI，在 64 线程下实现了惊人的 4396.95 MT/s 近线性并发吞吐，并保持了 0.0% 的错误拒绝率 (FRR)。 非常适合关注底层系统架构、编译器优化以及高性能数据库引擎的开发者参考交流。
—
格图X ImgGroupX：多文件夹图片分组浏览器，集中浏览和管理大量图片
Rust 多文件夹图片分组浏览器，集中浏览和管理大量图片 基于Tauri v2 + Vue 3 + Rust 的 windows 多文件夹图片浏览器，可以在一个视图中浏览管理多个文件夹及子文件夹中的图片。具有紧凑模式、虚拟分组、彩虹层级、五级标记、对比矩阵功能。 亮点 1. 多文件夹视图，方便浏览管理 2. 彩虹层级，层级关系一目了然 3. 五级标记，方便选择整理 4. 对比矩阵，支持28图两两对比 markdown 截图或演示视频
—
Vibe Coding Guide：把 AI Coding 从随手 prompt 变成工程工作流
Vibe Coding Guide GitHub: Website: 一份中英文双语的 AI Coding / Vibe Coding 实战指南，目标是把“随手 prompt 让 AI 写代码”变成可审查、可回滚、可复用的工程工作流。 很多开发者已经在使用 Codex、Claude Code、Cursor、Aider 等 AI Coding 工具，但真正困难的不是让 AI 生成代码，而是： 如何写清楚 spec，让 Agent 知道边界； 如何维护 AGENTS.md / CLAUDE.md，把项目知识长期沉淀下来； 如何管理上下文窗口、压缩、交接和重启； 如何使用 subagent、workflow、worktree 做并行协作； 如何用 diff review、测试和 CI 管住 Agent 写出来的代码； 如何识别常见反模式，避免 AI Coding 变成不可维护的“爽感编程”。 这个项目不是 prompt 大全，而是面向真实工程场景的工作流指南。 项目亮点 中英文双语：README、完整教程和 PDF 都有中文/英文版本； 有 GitHub Pages 网站版，包含 16 天费曼学习清单； 覆盖 Spec、Context、Agent Plan、Diff Review、Tests/CI、Commit、Docs/Handoff 的完整循环； 适合正在使用 Codex、Claude Code、Cursor、Aider 等工具的开发者； 内容以 Markdown / PDF / Website 形式公开，适合收藏、阅读和二次学习。 适合人群 已经开始用 AI 写代码，但觉得产出不稳定的开发者； 想把 AI Agent 纳入真实开发流程的工程师； 想学习 subagent、worktree、skill、CI guardrails 等 AI Coding 工程实践的人。
—
Exstats
Exstats unifies browser extension analytics and market research across Chrome, Edge, and Firefox. Track your products, competitors, reviews, rankings, keywords, and store trends in one place, with daily updates, history, exports, and alerts.
原文
224
Step 3.7 Flash
An Apache 2.0 open-weight Flash model for real-world agents. Step 3.7 Flash combines vision, coding, search, tool use, 256K context, ~11B active params, and up to 400 TPS.
原文183
Wandesk
Wandesk is an AI desktop. Build the apps you need just by describing them. Plug in Claude Code, Codex, DeepSeek, OpenAI, Kimi, Qwen — anything OpenAI-compatible. Apps share context. AI remembers you. All local. No signup.
原文411
Openstatus MCP Health Checker
Most monitors just send an HTTP ping. But a 200 OK is useless if the JSON-RPC handshake fails. Our tool is different because it performs a true protocol-level check, acting exactly like a real AI client. Key features: Full Handshake: Executes the spec-defined initialize, ping, and tools/list sequence. Deep Visibility: Inspect exact JSON-RPC payloads and negotiated versions. Smart Auth: Parses RFC 9728 headers on 401s to surface exact token requirements.
原文206
Wingbits AI
Create agents that monitor airspace activity 24/7 - military aircraft in a region, private or government jets, a GPS-jamming spike, or a travelling friend or family member - and get alerts the moment something relevant happens. Or just ask anything about what's flying right now. Powered by our own independent network of 5,600+ antennas across 120 countries. No code, no data engineering, no terabytes to store.
原文265
没有找到相关项目
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。