Karpathy的nanochat：用$15复刻GPT-2能力的极速训练框架 | karpathy/nanochat
2019年OpenAI训练GPT-2（1.6B参数）用了168小时，账单43,000美元。现在你拿一个8×H100 GPU节点跑nanochat，最快1.65小时就能拿到比原版更高的DCLM CORE分数（0.2626 vs 0.2565）。按需实例成本约48美元，用抢占式实例能压到15美元。这不是...
BentoPDF：浏览器内的隐私优先 PDF 工具箱 | alam00000/bentopdf
13492 Star 的隐私优先 PDF 工具集：BentoPDF 自托管实战 年前帮客户搭一个内部文档处理平台，需求很简单：合并几个 PDF、加个水印、再压缩一下。试了一圈在线工具，要么上传文件到别人的服务器（安全不放心），要么要求用户注册，要么免费版限制次数。后来看到 BentoPDF，它的 R...
Beads：基于Dolt的分布式图结构AI编程记忆系统 | gastownhall/beads
markdown托管任务列表的三个致命缺陷 我见过几个团队让AI代理协作改同一个项目。每人一份TODO.md，几小时内就出乱子。 格式不统一。 代理A写“- [x] 登录完成”，代理B改成“- [ ] 登录模块还需测试”。AI需要猜这两条是否同一个任务。多数模型猜不准。 并发覆盖。 两个代理同时编辑...
OpenScreen：免费开源的屏幕录制与后期编辑工具 | siddharthvaddem/openscreen
项目现状：主仓库只读，社区分支接手 OpenScreen 的 GitHub 主仓库 siddharthvaddem/openscreen 已经归档，页面上方的黄色横幅写着“now archived and no longer maintained”。3.7 万星挂在一个不再更新的页面上。开发者早在档...
Nagi-ovo/gemini-voyager：为 Gemini 与 AI Studio 构建的全能增强套件 | Nagi-ovo/gemini-voyager
📌 项目地址：Nagi-ovo/gemini-voyager | ⭐ 18,414 颗星 | 🔧 TypeScript | 📜 GPL-3.0 Voyager解决什么问题 同时用多个AI平台的人都会遇到：对话列表一长就找不到东西；想复用提示词得反复粘贴；换台电脑历史全部丢失。Voyager是一个浏览...
Shannon：一款能自动执行真实漏洞利用的白盒AI渗透测试工具 | KeygraphHQ/shannon
一句话告诉你它是什么 Shannon 是一个自主运行的白盒 AI 渗透测试工具，专门针对 Web 应用和 API。它先读你的源码找出攻击路径，然后对正在运行的应用发起真实攻击。只有利用成功的漏洞才写入报告 —— 这意味着每一条输出都是可复现的 PoC，不是“疑似风险”。 项目由 Keygraph 开...
A2UI：让智能体用 JSON “说话”的界面协议 | google/A2UI
问题：远程Agent能生成文本，但不能安全生成UI LLM输出文本和代码已经常见。但当一个远程Agent（比如运行在云端的对话系统）想给用户展示一张表单、一个确认对话框或一组卡片时，事情就变复杂了。直接让Agent生成HTML/JS，等于把前端安全大门敞开——XSS、恶意脚本、外部资源加载防不胜防。...
Page Agent：用自然语言直接操作网页的内嵌GUI智能体 | alibaba/page-agent
它解决什么问题 很多网页操作重复且繁琐，比如每天要在后台系统里填表单、点按钮、翻页面。传统方案要么用 Puppeteer/Playwright 写脚本，要么装浏览器扩展，都需要额外的运行时和权限。Page Agent 选择了一条更轻的路：一个 JavaScript 脚本，直接放在网页里，用自然语言指...
Mole：终端下的 All-in-one Mac 系统维护工具 | tw93/Mole
为什么54378个星？ Mole把CleanMyMac、AppCleaner、DaisyDisk、iStat Menus四个图形工具的核心功能塞进一个Shell二进制文件，然后靠 mo 子命令暴露出来。它不收费、不开广告、每个破坏操作都强制要求你先预览。对终端用户来说，这比在一堆GUI工具之间切换省...
VoxCPM2：基于扩散自回归架构的无分词器语音合成 | OpenBMB/VoxCPM
这不是又一个TTS，它跳过了最笨的那一步 大多数TTS模型第一步是把声音切碎成几千个离散token，然后像语言模型一样预测下一个token。切的时候信息就丢了——语气里微弱的犹豫、换气时气流的变化、音色边缘那些不规则的细节，都被量化的网格压平了。VoxCPM2不干这事，它直接输出连续的声音表示，用扩...
PAI v5.0：一个将AI深度融入个人目标管理的生命操作系统 | danielmiessler/Personal_AI_Infrastructure
起手式：它不猜你的想法 过去一年多，我见过几十个自称“AI 助手”的项目。套路差不多：你把日历、邮件、笔记丢进去，大模型读完自动得出“你是个产品经理，正在赶deadline”，然后帮你整理待办、写周报。 Daniel Miessler 的 Personal AI Infrastructure（PAI...
微软开源VibeVoice：支持60分钟长音频的语音识别与实时合成框架 | microsoft/VibeVoice
仓库现状：TTS已移除，剩下两个可用的模型 2025年9月，微软移除了VibeVoice-TTS代码，理由是“工具被用在不符合初衷的地方”。现在这个47.5k星的仓库里能直接用的只有两个模型： VibeVoice-ASR（2026年1月开源）：单模型处理60分钟长音频，同时输出说话人、时间戳和文本。...