DEV TRENDS / DAILY DISCOVERIES

2026年7月14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

Aural

开源 AI 面试平台，支持语音、聊天和视频面试，提供自适应追问、结构化评分、面试练习与自托管 - 查看仓库

中文独立开发者

—

TrendingAI

海外技术热点中文情报站，AI 每日从 GitHub Trending、Hacker News、Product Hunt 精选并深度解读，支持 App、网页、邮件和 RSS 订阅 - 查看仓库

DTWeb 应用DTWeb

中文独立开发者

—

Tono

极简 Android 待办与笔记 App，打开即记，想法和任务一处捕捉、永不丢失

DTAndroid

中文独立开发者

—

Text Tray

原生 macOS 临时文本托盘，无需打开完整文本编辑器即可快速查看、编辑、清理、统计、翻译、复制和保存临时文本，并可修复从 PDF 复制产生的断行 - 更多介绍

DT桌面应用DTmacOS

中文独立开发者

—

Agent Island

免费、MIT 开源的原生 AI 编程伴侣，统一支持 Claude Code、Codex、Antigravity、Grok 与 Cursor，提供本地会话状态、轮到你提醒和服务商用量视图；无需 Agent Island 账号，无产品遥测 - 查看仓库

DT软件开发DTAgent 可观测性DTClaude Code

中文独立开发者

—

claude-i18n

Claude.ai 网页端简体中文 / 繁體中文语言包，提供接近原生的语言切换与国际化体验，并为新语言包贡献提供完整加载支持 - 查看仓库

DTWeb 应用DTWeb

中文独立开发者

—

Beancount-Trans

上传账单，自动转换为可审计的 Beancount 复式记账数据，并在几分钟内查看财务报表

DT安全与测试DT商业与增长

中文独立开发者

—

Atomi

AI 工具与数字服务的验证交易市场——沙箱执行，回执为凭，验后放款

中文独立开发者

—

MarkIt

在网页上圈选元素、截图并写需求，生成含页面位置、元素信息和验收标准的结构化反馈

DTWeb 应用DTWeb

中文独立开发者

—

AgentCeres

给独立开发者和出海产品的 AI 增长团队，自动做竞品研究、起草 SEO 文章与社媒帖子，所有对外发布由你审批，14 天免费试用无需绑卡

DT研究与学习DT商业与增长

中文独立开发者

—

Oh My HuggingFace —— 支持断点续传、缓存管理的 Hugging Face 桌面客户端

Oh My HuggingFace 是一个非官方的开源桌面客户端，用来浏览、下载和管理 Hugging Face Hub 上的模型、数据集、Spaces 和 Daily Papers，支持 macOS / Windows / Linux。做这个的原因很直接：用浏览器下几十 GB 的模型权重体验很差——不支持断点续传、没有下载队列、不能限速；本地 HF 缓存目录会不知不觉吃掉几百 GB 硬盘却没地方查看和清理；关注的组织和 Daily Papers 更新也只能靠手动刷网页。主要特点：下载管理器：断点续传、多线程并行、队列、限速、SHA256 校验，文件落在标准 HF 缓存目录结构里，和 transformers、huggingfacecli 等工具无缝兼容缓存可视化：按仓库查看磁盘占用，一键清理过期 revision 三栏浏览：模型 / 数据集 / Spaces / Daily Papers，键盘优先（Cmd/Ctrl+K 命令面板），文件树 + 文件预览关注用户 / 组织 / / 论文并接收系统通知一键导出模型到 Ollama、LM Studio、ComfyUI 支持自定义 Hub 地址（如 hfmirror.com）和代理设置零遥测，HF token 用系统钥匙串加密存储，应用数据全部保存在本地 SQLite Apache2.0 协议，目前是早期版本（v0.0.8），欢迎试用和反馈。

DT研究与学习DT桌面效率DTWeb 应用

科技爱好者周刊投稿

—

TurboOCR，用 C++ 和 TensorRT 写的 GPU 文档解析服务器

自荐一个自己写的开源项目：TurboOCR，一个 GPU 文档解析服务器。官网：整个流水线是 C++/CUDA/TensorRT 实现的，OCR、版面分析、表格转 HTML、公式转 LaTeX、PDF 转 Markdown 都在本地跑，不用调云 API，对外提供 HTTP 和 gRPC 接口，MIT 协议。做这个的原因是嫌现有方案太慢。VLM 类的文档解析大概每秒一页，传统引擎速度也一般。TurboOCR 在一张 5090 上整页 OCR 能跑到每秒五百多张，完整的结构化解析每秒二十页左右。识别用的是 PPOCRv6，精度和 PaddleOCR 官方基本一致，中文日文拉丁文一个模型全包，中英混排文档开箱即用。除了中日英，还保留了阿拉伯文、西里尔文、韩文、泰文、希腊文的识别器，换个环境变量就能切。接口方面，除了基本的 /ocr 和 /ocr/raw，还有 /ocr/pdf（整本 PDF，加 ?markdown=1 直接出 Markdown）、/ocr/batch 批量、/infer 结构化输出。表格和公式是按请求开关的，加 ?tables=1&formulas=1 就行，不开不占资源。服务自带健康检查和 Prometheus 指标，放到 k8s 里也好管理。部署就一行 docker： bash docker run gpus all p 8000:8000 p 50051:50051 \ v trtcache:/home/ocr/.cache/turboocr \ ghcr.io/aiptimizer/turboocr:latest 需要 Linux 和 N 卡，20 系以上，纯文本 4G 显存左右，全流水线 8G。TensorRT 引擎第一次启动自动构建，之后有缓存就是秒起。第一次构建在 5090 上大概一分半钟，老卡会慢不少，可以设 TRTOPTLEVEL=3 把构建时间压下来。模型来自 PaddleOCR 全家桶，感谢百度开源，推理和服务层是我重新用 C++ 写的。适合要本地化、大批量处理、数据不能出内网的场景。后面还打算继续优化 CPU 推理和补充更多语言支持，想法都放在仓库的 issue 里了。欢迎试用，有问题提 issue。

DT数据与运维DT生活与娱乐DTLinux

科技爱好者周刊投稿

—

VThreads：基于 Next.js 的轻量、无广告全网视频解析与下载工具

VThreads 网站在线体验：一句话简介 VThreads 是一个主打清爽、免安装、用完即走的轻量化全网视频解析与下载工具，旨在为自媒体剪辑师、开发者和素材收集者提供最高清、最纯净的流媒体直链剥离服务。 🚀 核心特性与支持平台项目采用 “专项优化 + 全网通” 双驱动引擎，完美应对各种流媒体防盗链与反爬机制：专项深度优化（极速、最高清原画）：国内平台：抖音、Bilibili (B站)、小红书、微博、快手。国际顶流：YouTube (支持 1080P 及以上高清音画分离视频在服务器端自动合成)、TikTok、X (Twitter)、Instagram、Facebook、Threads、Reddit 等。全网通用支持：内置通用的万能解析引擎，支持 AcFun、CCTV 等全球数千个大大小小的视频门户网站。只要是网页上能公开发布的视频链接，直接粘贴即可解析。 🛠️ 技术栈与架构思考前端：采用 Next.js + Tailwind CSS，追求极简的 Dashboard 视觉风格，并利用 SSR/SSG 保证极致的首屏加载速度与 SEO 表现。后端部署：采用前后端解耦架构，前端托管于全局 CDN 平台确保海内外访问体验；后端解析引擎独立部署于多节点 VPS 集群，通过轻量级负载均衡动态分发流量，有效绕过部分海外平台的 IP 区域限制。用爱发电：为了保护用户体验，国内流量完全无广告，仅在海外结算页面低调接入了 Polar 的打赏卡片以补贴高昂的跨境服务器和带宽成本。 💡 为什么做这个项目？市面上绝大多数视频下载工具套路太深，要么牛皮癣广告满天飞，要么强行要求关注公众号或下载全家桶客户端。作为一个独立开发者，我想做个纯粹、干净、用完即走的工具。欢迎大家体验，如果在 Next.js 建站、流媒体后端节点运维或者解析报错方面有任何问题，非常欢迎在评论区或邮件交流探讨！

DT内容创作DT数据与运维DTWeb 应用

科技爱好者周刊投稿

—

拉片笔记：把一部电影变成 AI 辅助的拉片笔记，本地抽帧 / 剧情泳道时间轴 / 情绪曲线

「拉片」是影视行业逐段精读电影的学习方法。这个工具把一部电影变成一份可编辑的拉片笔记： 1. 导入影片后本地抽帧（1 秒 1 帧），自动读取或搜索字幕，格式不兼容会自动本地转码 2. 一键把截图、字幕、剧情资料打包成 ZIP，发给 ChatGPT 等任意 AI 分析，不绑定服务商，无需 API Key 3. 把 AI 返回的 JSON 导回来，自动生成剧情泳道时间轴、结构树和观众情绪曲线 4. 任意段落可单独打包深拆到场与镜头级，笔记里的时间点可一键跳转播放全程本地运行，影片和笔记数据不上传任何服务器。React + Vite，MIT 协议，Windows 和 macOS 双击脚本即可启动，无需配置环境。适合想系统学习电影叙事的创作者、影视专业学生和电影爱好者。

DT研究与学习DTmacOSDTWindows

科技爱好者周刊投稿

—

copy-web-page 下载网页，完整复制网页样式

copywebpage 在线官网：该产品是我原本计划参考mintlify文档部分样式，手动获取dome样式非常低效，于是计划开发一款工具帮助我快速实现我的需求。产品特点 1. 完整资源捕获 HTML、CSS、JavaScript、图片、字体等所有静态资源 2. 智能路径重写自动转换为相对路径，确保离线可用 3. 多级深度爬取支持跟踪站内链接，批量克隆多个页面（为了控制线上环境的资源，只支持一层） 4. 实时进度反馈基于 SSE 的实时进度推送 5. ZIP 打包下载一键打包，可直接部署快速开始 npm install npm run dev // 启动 npm run build // 构建产品演示 DEMO效果仅供技术研究与授权测试使用

DT研究与学习DT数据与运维DTWeb 应用

科技爱好者周刊投稿

—

### 🏛️ 华夏地名谱 TopoScholar：一个可溯源的中国地名知识库

大家好，我做了一个中国地名知识库项目：华夏地名谱 TopoScholar。它的目标不仅仅是整理“有哪些地名、在哪里”，而是更进一步，尝试回答：这个地名为什么这么叫？比如：武汉为什么叫武汉，和武昌、汉口、汉阳是什么关系？全国有多少个“和平村”“团结村”，它们分别分布在哪里？一个地名经历过哪些合并、更名、撤销和重设？ AI Agent 在回答地名问题时，如何避免同名误判和编造由来？目前，项目已经整理了一个覆盖省、市、县、乡镇/街道、村/社区的五级中国地名底座，并提供了别名索引、同名消歧、地名由来查询等能力。 📊 当前规模基础地名： 665,276 条行政层级关系： 665,245 条别名索引： 2,981,225 条地名由来知识： 3,158 条采集进度：已补齐省级和可采集地级行政区的地名由来，县级也已完成大部分采集。 🔍 结构化与可溯源项目非常关注数据的结构化和可溯源性。每条地名由来都会尽量保存来源标题、来源 URL、证据摘要和置信度，旨在避免 AI 在没有来源时“编造”解释。 🤖 面向 Agent / RAG 的设计它也面向 Agent / RAG 使用场景，提供了 JSON CLI，并预留了 MCP Server 工具，例如：地名解析别名解析行政下级查询同名地名对比本地地名由来查询地名由来按需补齐已缓存知识全文检索 💻 示例命令 bash 地名解析 python toposcholarcli.py resolve 武汉市 province 湖北省 city 武汉市 limit 1 同名地名查询 python toposcholarcli.py samename 和平村委会 limit 20 地名由来查询 python toposcholarcli.py origin 南高村 province 山东省 city 东营市 county 广饶县 limit 1 我希望它后续可以成为一个可查询、可消歧、可溯源、可扩展的中文地名知识系统，用于地名研究、地方文化整理、地理教育、文旅内容生成，以及中文 RAG / Agent 的知识底座。

DT研究与学习DTAgent 能力扩展DT命令行工具

科技爱好者周刊投稿

—

jkey —— 纯 Python 密码管理与 TOTP 验证工具

jkey —— 纯 Python 密码管理与 TOTP 验证工具它的定位不只是存密码，而是尝试做到：密码、2FA、恢复码一体化管理 + 全加密。比如：你可以用 jkey 2fa add qrcode.png 扫一张 GitHub 的 2FA 二维码，之后用 jkey 2fa ls github 随时查看 30 秒刷新的验证码——不需要掏出手机打开 Authenticator；用 jkey pm get L 24 生成一个 24 位随机强密码，然后直接 jkey pm add mysite 存进去；用 jkey pv encrypt secret.pdf 加密任意文件，得到一个 .jkey 文件，用 jkey pv decrypt 还原；哪天想迁移数据，jkey pv export all o backup/ 一键导出所有 TOTP、密码、恢复码和二维码图片。 📊 当前能力 TOTP 两步验证：从二维码图片导入、实时查看滚动验证码、删除管理密码管理：随机密码生成（CSPRNG，可配置长度与字符集）、增删改查、浏览器 CSV 导入（自动编码检测 + 20+ 列名别名匹配 + 三种重名策略）恢复码管理：从文件导入、列表检索、删除（删除 2FA 账户时联动提示删除匹配的恢复码）文件加解密：任意文件加密为 .jkey 格式，或反向解密数据导出：支持 TOTP → JSON、密码 → CSV、恢复码 → TXT、二维码 → 图片、全量一键导出 Session 机制：类似 sudo 的时间戳缓存，解锁后 5 分钟内无需重复输入主密码（超时可配） 🔐 自研加密，零外部依赖这是 jkey 最特别的地方——它没有依赖 OpenSSL、libsodium 或任何第三方密码库。AES256CBC + HMACSHA256 是用纯 Python 从头实现的，包括 SBox 查表、密钥扩展、GF(2⁸) 伽罗瓦域运算、PKCS7 填充、EncryptthenMAC 等全部手写。密钥派生使用 PBKDF2HMACSHA256（60 万次迭代）。为什么这么做？一方面是为了零依赖安装（uv tool install jkey 即装即用，QR 码扫描是唯一的可选依赖）；另一方面，当你不知道一个二进制 crypto 库里到底做了什么时，自己写的 Python 代码每一行都可审计，反而更安心。数据存储在 ~/.config/jkey/ 下，每个数据类型（TOTP / 密码 / 恢复码）一个 .jkey 文件，文件写入采用原子替换（os.replace）+ fcntl 排他锁，文件权限 600。 📦 轻量与兼容核心零依赖，唯一可选依赖是 opencvpythonheadless（QR 码扫描）支持 Python 3.10–3.14 跨平台（Linux / macOS / Windows，Windows 下 fcntl 自动降级）约 4000 行 Python，31 个源文件，结构清晰 CI 自动 lint + 多版本测试，PyPI 一键发布 💻 命令一览 bash 初始化保险库 jkey pv init 扫二维码添加 2FA jkey 2fa add githubqr.png 查看 TOTP 验证码（支持关键字过滤） jkey 2fa ls 全部列出 jkey 2fa ls github 只看含 "github" 的生成随机密码 jkey pm get L 24 nosymbols 存储 / 查看 / 编辑 / 删除密码 jkey pm add mybank jkey pm ls jkey pm edit mybank jkey pm rm mybank 从浏览器导出的 CSV 导入密码 jkey pm import chromepasswords.csv d skip 加密 / 解密任意文件 jkey pv encrypt report.pdf jkey pv decrypt report.pdf.jkey o report.pdf 导出数据（会二次验证主密码） jkey pv export all o backup/ 修改主密码 jkey pv setpw 锁定保险库 jkey pv lock 环境变量 JKEYPASS 可跳过交互式密码输入，适合脚本调用。Session 超时可通过 JKEYSESSIONTIMEOUT 配置。 🎯 适合谁习惯命令行操作、不想在多个 App 之间切换的开发者需要一个轻量、可审计、无后门的本地密码管理方案对加密实现感兴趣、想学习 AES 实际代码的读者（代码有清晰注释）想在脚本中集成密码管理和文件加解密能力的自动化场景 🗺️ 未来方向支持更多 2FA 导入方式（截图、URI 字符串 otpauth://）密码强度审计（弱密码 / 重复密码检测）可选的 Git 备份集成 MCP Server 接口，让 AI Agent 可以安全查询 TOTP 码和密码

DT安全与测试DT研究与学习DTAgent 能力扩展

科技爱好者周刊投稿

—

light-ocr：运行时无需 Python 的跨平台离线 OCR（Node.js / C++）

npm： lightocr 是一个面向 Node.js 和原生应用的跨平台离线 OCR 库，基于 PPOCRv6 Small，直接在应用进程内完成文字识别，不需要上传图片，也不需要额外部署 Python 服务。为什么做这个项目云端 OCR 会带来图片上传、网络依赖、持续费用和隐私边界；PaddleOCR 的常见部署方式又需要维护 Python 环境或独立服务。 lightocr 希望把 OCR 变成可以直接嵌入应用的本地能力：应用传入已经解码的图像像素，即可获得按阅读顺序排列的文字、置信度和四边形坐标。核心特点完全本地运行，识别过程不访问网络、不启动子进程 npm 包自带固定版本的 PPOCRv6 Small 模型和预编译原生运行时安装时不需要现场编译，首次运行也不需要再下载模型支持中文、英文以及 CJK/拉丁字符混排识别返回文字、置信度和四点坐标，可保留旋转、透视文字的位置支持 GRAY8、RGB8、BGR8 和 RGBA8 像素输入 Node.js 推理不会阻塞 JavaScript 主线程，并支持有界队列、取消和生命周期管理针对大图控制检测尺寸，并逐批执行文字识别，减少内存峰值 macOS、Linux 和 Windows 使用同一套模型与结果格式 Apache License 2.0 开源快速使用 bash npm install @arcships/lightocr ts import { createEngine } from "@arcships/lightocr"; const engine = await createEngine(); const result = await engine.recognize({ data: pixels, width, height, stride, pixelFormat: "rgba8", }); console.log(result.lines); await engine.close(); 适用场景桌面应用中的截图 OCR、框选识别和剪贴板文字提取本地优先、重视隐私的笔记和文档工具图片搜索、文字复制、画面标注和无障碍功能内网、边缘设备、自助终端等无法依赖云服务的环境希望集成 PaddleOCR，但不想单独维护 Python 服务的 Node.js 或 C++ 项目技术栈与平台 C++17、ONNX Runtime、CMake、NodeAPI 模型：PPOCRv6 Small Node.js：22 / 24 平台：macOS arm64/x64、Linux x64 glibc、Windows x64 项目目前仍在积极开发，欢迎试用、反馈实际使用场景或参与贡献。

DT数据与运维DT桌面效率DT桌面应用

科技爱好者周刊投稿

—

飞鱼小铺：数字产品交易与自动交付系统

阮老师好，推荐一个我们刚刚整理开源的项目：飞鱼小铺（Flyfish Shop）。在线预览： AGPL3.0only 飞鱼小铺是一个面向独立开发者、小团队和数字产品业务的开源交易与自动交付系统。它把商品展示、下单支付、交付履约和售后管理放在同一套可私有化部署的系统里，适合销售源码仓库、授权文件、数字资料和开发者服务。主要特点：完整交易闭环：支持商品分组、SKU、多语言内容、人民币/美元定价、优惠券、合同确认、Stripe/H5 支付、订单、工单和 WebSocket 客服。自动交付与故障恢复：可开通 GitHub、Gitea、Gitee ，也可交付数字文件或接入自有授权系统；每个交付任务都有独立状态和失败原因，修复问题后可以按任务重试，成功后自动继续剩余流程。认证与业务解耦：Auth、Shop 和低代码最小实例拆成三个独立 Spring Boot 应用，共用 JWT 登录态和一套 Vue 3 前端；支持邮箱 Magic Link、GitHub/Gitee/Gitea、Google、Microsoft 和微信公众号登录。 Docker Native 一键体验：提供 GraalVM Native + Docker Compose 部署模式，一条命令构建并启动 MySQL、三个 native 后端服务和 Nginx 前端，适合本地体验和轻量服务器部署。面向真实运营场景：包含管理工作台、商品与订单管理、仓库配置、交付记录、失败重试、合同、通知和移动端适配，不只是一个商品展示页面。明确的开源边界：公开通用交易和交付编排，商业授权签发通过扩展接口接入，不包含任何私有签发算法、根密钥或生产配置。一键启动： bash ./scripts/dockernativeup.sh 完成后访问 Java 21、Spring Boot 4、R2DBC、Vue 3、MySQL/H2 和 GraalVM Native，README 中整理了完整中文截图、架构说明、上线物料和部署指引。欢迎大家试用，也欢迎提交 issue 或 PR。

DT数据与运维DT商业与增长DT内容 / 资源

科技爱好者周刊投稿

—

ReadAware —— 免费开源且优雅的全平台阅读器，本地优先 + 阅读自进化 Agent + 优雅体验

官网: 这是什么 ReadAware 是一个免费开源(MIT)的跨平台阅读器,macOS / Windows / Linux / Android / iOS 都能用。做它的起因很简单:好看的阅读器没有 AI,带 AI 的阅读器又把数据锁在云端,我两边都不想妥协。主要特性: 逐句阅读模式:一次只聚焦一句话,注意力不容易跑,对 ADHD 用户很友好完整的标注体系:下划线、高亮、边注,顺手就标,不打断心流;EPUB / MOBI / AZW3 / FB2 / PDF 五种格式共用同一套标注和进度模型,不需要转换 AI 内建但完全可选:选中一段就能问,它知道你在读哪本书哪一章,还会从你的书、划线和笔记里积累出持续记忆;模型端点自己配,不开 AI 它也是个完整的阅读器本地优先:书、笔记、对话、记忆全部存在本地 SQLite,无需注册账号阅读时长统计:每本书的时间、连续天数、一天中的阅读时段分布技术栈:Tauri(Rust 核心 + TypeScript UI)。截图书架: 阅读与标注: 选中即问的上下文助手: 跨设备同步在路线图上。欢迎反馈和 issue,尤其欢迎 Linux 用户帮忙多测。

DTAgent 能力扩展DTmacOSDTWindows

科技爱好者周刊投稿

—

PickySteve：本地优先的编程 Agent Skill 路由器，内置 Prompt 注入防护网关

项目简介：PickySteve 是一个面向编程 Agent 的 skill 路由器和上下文选择器。用一个便宜的本地小模型（默认 Ollama qwen3:8b，离线运行，无需云端 API key）通过混合检索（BM25 + 向量嵌入，RRF 融合）+ 交叉编码器重排 + LLM 裁判，把每条请求路由到合适的 skill，再拼装一个最小化、带 nonce 边界的上下文包交给执行模型。安全设计：内置 Prompt 注入检测网关（ONNX 分类器），对原始请求和每一条检索到的文档都做扫描，失败即拒绝（failclosed）。在 180 条红队测试语料上做到 100% 检出、0 次绕过；在真实 skill 库上 0/43 误报。集成方式：提供 MCP stdio server 和 OpenAI 兼容代理（:8077/v1）两种接入方式，一条安装命令即可接入 Claude Code、Codex、Cursor、Windsurf、Cline、Roo Code、Gemini CLI 等 18 种编程 Agent。现状：MIT 协议开源，v0.1.0 已发布，仓库创建于 20260706，目前约 6 星，欢迎试用和反馈。（说明：本 issue 由项目作者授权的 AI 助手代为提交，内容均为真实数据。）

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

—

coding-discipline —— Claude Code / Codex 的「编程纪律」护栏插件

中文说明： AI 编程助手（Claude Code / Codex）最大的问题往往不是能力，而是纪律：不问清需求直接开写、修 bug 靠瞎试、嘴上说"测试通过了"其实没跑过、上个会话拍板的目标下个会话就忘。 codingdiscipline 是一个「护栏」插件——不接管工作流，平时安静，具名失败模式临近才介入：按需触发的 8 条纪律 skill：设计先行（brainstorming）、红绿重构（tdd）、先根因再修（systematicdebugging）、优先级评审（codereview）、拿证据再说"做完了"（verifybeforedone）、git 流程（gitflow）、上下文卫生（contexthygiene）、spec 同步（specsync）。日常小改动零打扰。 specsync（这个项目自有的一层）：把对话里已确认的目标 / 非目标 / 硬约束 / 验收标准写回项目已有文档，不新增任何制品，下个会话不再把否掉的方案重做一遍。固定注入被 CI 冻结：每会话固定上下文约 1.2k tokens，文案变大直接挂 CI——「轻」是一条会失败的测试，不是口号。跨平台：同一份 SKILL.md 同时服务 Claude Code 和 Codex；hook 纯 bash 无 jq 依赖，Windows / Git Bash 有独立测试。英文为主 + 完整中文 README：v0.8.1 起产品面英文优先（便于全球分发），README.zhCN.md 全文维护。理念致谢英文的 superpowers（MIT）。 MIT 协议。欢迎试用和提 issue——尤其欢迎「该触发没触发 / 不该触发触发了」的反馈。

DT内容创作DT安全与测试DTAgent 能力扩展

科技爱好者周刊投稿

—

FB208/OpenBidKit_Yibiao

人工智能 v2.18.3发布：已有方案扩写、导出格式设置、多标段支持最近新增功能 [x] 正式安装包内置智能任务运行组件，无需用户另行安装。 [x] 给智能体更高的权限，并内置常用工具。 [x] 目录生成接入智能修复能力，可在目录提取、评分项对齐或最终校验失败时自主分析并修复。 [x] 生图模型支持设置图片清晰度、尺寸和横竖比例。 [x] 全局支持超长内容分段处理。 [x] 多标段采用AI分析+正则辅助的模式实现，比之前更稳定 [x] 更强大的导出模板功能，几乎全覆盖word格式设置 [x] 智能任务执行时实时显示当前正在进行的操作和处理阶段。 [x] AI 服务返回 HTTP 错误时，可直接查看原始错误内容，便于识别额度、鉴权、限流和服务异常。 [x] Markdown 编辑器和内容预览器支持全屏查看与编辑。 [x] 标书查重升级，提供能多比对项。 [x] 新增html生成图片的能力。同时AI生图、mermaid图片也更可控。更新内容截图 html图片智能体及内置组件图像尺寸及清晰度设置多标段提取强大的导出样式模版 markdown全屏预览新版查重亮点经社区400多人反馈、共建，持续迭代 markdown 截图或演示视频

DT软件开发DTAgent 能力扩展

HelloGitHub 投稿

—

让多个 AI 编程智能体像团队成员一样协作的平台

人工智能让 AI 编程智能体像团队成员一样协作的平台 Multica 是一个可自托管的 AI 编程智能体管理平台。它将 Claude Code、Codex、Cursor Agent、Kimi 等工具接入统一看板，让用户像给同事分配工作一样向智能体指派任务，并实时查看执行进度、阻塞原因和任务状态。项目还支持智能体团队、定时任务、可复用技能及本地运行时，适合需要并行管理多个编程智能体的个人和团队。亮点 Multica 不只是同时启动多个编程智能体，而是把智能体作为真正的团队成员纳入任务流程：它们能够领取任务、汇报进度、提出阻塞并沉淀可复用技能。平台兼容多种主流编程智能体，支持本地运行和自托管，并通过统一任务看板管理智能体的完整工作生命周期。 markdown 截图或演示视频

DT软件开发DTAgent 能力扩展DTAgent 管理与编排

HelloGitHub 投稿

—

碰一下：只限本科生的校园面基工具，位置优先匹配+八字缘分参考

类别JavaScript 项目标题碰一下：只限本科生的校园面基工具，位置优先匹配+八字缘分参考项目描述一个专为大学生设计的开源校园面基平台。和 Soul/探探不同——不看脸、不充会员、不制造焦虑。用地理位置优先匹配，加上基于五行阴阳学的八字缘分参考，让两个距离最近的本科大学生从屏幕走到彼此面前。前端 React + Vite，后端 Node.js + Socket.IO，全栈 ¥0 部署（Vercel + Railway）。亮点1. 反其道而行：所有社交产品都在延长在线时间，这个的目标是让用户尽快「下线见面」2. 八字命理引擎：完整实现天干地支、五行阴阳、纳音五行的四柱推算和缘分分析——不是迷信，是朴素唯物主义经验主义的应用3. Soul 风格 UI：深空梦幻主题，玻璃拟态卡片，月球匹配动画4. ¥0 全栈上线：学号+姓名认证，Vercel + Railway 免费部署，拿来就能用5. 80+ 高校数据库：含校区坐标、见面地点 POI

DT数据与运维DT生活与娱乐

HelloGitHub 投稿

—