用AI生成Logo往往创意不错，但矢量细节一放大就经不起推敲。开源项目 logo-design-skill 让 Claude、Gemini 等智能体掌握了成熟的标志设计流程。它涵盖需求梳理、几何构图、视错觉修正与生产级 SVG 输出，还收录了1400多个真实标志的分类参考库。工作流中它会在输出三套概念时主动暂停，配合16像素缩小测试与结构审查脚本给出选型建议，待你确认后再生成整套色彩体系、图标包与

面对杂乱的3D点云，如何直接还原出规整的室内空间？SpatialLM把大语言模型引入三维场景理解。无需专用采集设备，无论是手机单目视频生成的点云、RGB-D扫描还是激光雷达数据，它都能直接解析出墙体、门窗等建筑骨架，并输出带语义类别的三维物体包围框。最新1.1版本换装了Sonata点云编码器，不仅分辨率翻倍，还支持按需指定类别进行目标检测。模型基于Llama-1B与Qwen-0.5B打造，轻量高效

看生成的一些demo非常精美。https://skills.wheresryan.sh/anatomy

AI写代码确实快，但项目一旦膨胀，理清内部脉络往往很费劲。开源工具 oh-my-mermaid 刚好能补齐这个短板。它能配合 Claude Code、Cursor 等编程工具，通过扫描代码自动梳理出多视角的 Mermaid 架构图与文档。工具会递归拆解复杂模块，把整体结构、数据流和依赖关系整理成可逐层展开的层级树，每个节点还附带设计约束、上下文及待办等说明，支持本地交互预览与云端分享，省去了手动翻

多数AI课程往往局限于提示词工程或纯上层应用，哈佛这门《现代AI系统》则选择纵向贯通软硬件全栈。课程不设期末考试，全靠实操驱动：从体验Claude Code、构建多智能体协作循环，一路延伸到底层推理服务中的批处理调度、前缀缓存复用、量化以及推测解码。依托充足的GPU算力，学生通过五轮大作业亲手搭建并调优整套系统栈。无论做模型服务基建还是智能体落地，这份公开的教学大纲与前沿阅读清单都很值得翻阅。cs

如果你平时既琢磨界面视觉又关心前端落地，Designeer 很适合放进收藏夹。它专注于为设计师、开发者与创作者筛选实用资源，不仅收录了微交互拆解、交互动效、优质 SaaS 落地页等审美在线的灵感站点，也囊括了实用的组件系统与 AI 界面工具。网站还梳理了从排版法则、CSS 进阶到交互心理学的优质读物与教程，整体收录克制且重质感。平时做产品找参考、构思交互细节或是寻找好用的轻量工具，都能在这里随时找到灵感。

MIT的公开课 微型机器学习与高效 AI 计算 26年秋季版更新了。还会学习如何在笔记本电脑上部署和运行大语言模型 地址：hanlab.mit.edu/courses/2026-fall-65940 本课程主要聚焦于高效机器学习（Efficient Machine Learning）与机器学习系统（ML Systems）。 这是一个至关重要的研究领域，因为深度神经网络需要消耗极其庞大的计算资源，

地址：rea.tools/blog/touhou-reconstruction/ 作者 N0zoM1z0 通过使用 AI Agent 重建三款《东方 Project》游戏的经历，探讨 AI 如何从根本上改变逆向工程的工作方式。逆向工程正在从依赖个人经验的手工业，转向由 AI Agent 自主探索、自动化验证工具把关、代码仓库持续积累知识的工业化生产模式。

OpenUUYC 是用 Rust 编写的 UU 远程第三方 Windows 客户端，支持主控、被控和远程协助。

受够了提示词生成的一堆带阴影的圆角方块？这款面向 Claude Code、Codex 等开发助手的开源技能，专为高质量图表排版而生。它包含架构图、时序图、桑基图等 42 种类型，输出均为零依赖、即开即用的独立 HTML 与 SVG。整体设计遵循严谨的 4 像素网格，没有杂乱渐变，同时支持一键抓取官网色调与字体生成专属风格，或将 Mermaid、draw.io 与 Excalidraw 草图重绘为适

写文档或做分享时，AI生成的图表常充斥着粗糙的通用圆角框和塑料感配色。开源项目 diagram-design 专为 Claude Code、Codex 和 Copilot 等工具设计，提供 42 种图表类型，直接生成独立的 HTML 与 SVG 矢量文件，零依赖且无构建门槛。它遵循克制的排版法则，严格以 4 像素网格对齐，还支持直接抓取你的官网样式同步字体与品牌色，甚至能把现有的 draw.io

运行大模型生成的代码或第三方插件时，安全隔离往往很繁琐。微软开源的 MXC（Microsoft eXecution Container）将沙箱能力封装成了可直接嵌入应用的 SDK，抹平了跨平台差异。它能在 Windows、Linux 与 macOS 上按需调用 ProcessContainer、Bubblewrap、Seatbelt 以及微虚拟机等多种底层后端，并通过 JSON 策略精细管控文件读

它的目标是让一个人也能拥有完整的游戏工作室：从创意策划、美术素材生成、游戏编程，到自动试玩、调试和发布，都尽量在同一个应用中完成。

https://glinscott.github.io/how-machines-learned-precision/ 一篇把机械可视化做的非常精美的文章。 精密制造是如何从零开始的？ 现代工业依赖高精度机床制造精密零件，但这里存在一个循环：制造精密机器需要精密零件，而制造精密零件又需要精密机器。 本文以工业革命为背景，回顾了人类如何从依赖工匠经验和手工加工，逐渐建立起精密加工、测量和标准化体系，

斯坦福大学团队开源了可组合式世界-动作模型框架 OpenWAM。该项目将因果机器人视频预训练、动作策略与正逆动力学建模整合到统一流程中，支持灵活配置联合去噪、先视频后动作等交互模式，并兼容共享架构与双专家模型。框架现已原生适配 LIBERO、RoboTwin、CALVIN 及 LeRobot 等基准数据，同时提供扩展 SDK 便于接入自定义策略、动作解码器与仿真环境，为具身智能与机器人学习研究提供

虽然 AI 正在迅速发展，获取知识、解释概念和解决问题变得越来越方便，但我仍然相信，想要深入学习计算机、在心中建立完整的底层知识框架，系统地读完一部扎实的书籍仍然是一条不可替代的学习路径。对我而言，CSAPP 就是这样一本值得从头读下去、反复思考和实践的书。 在自己的学习过程中，我希望找到覆盖 CSAPP 全部章节、方便在线阅读的中文 Markdown 资料，却没有找到符合这一需求的完整整理。因

我们常见的大模型性价比图表，都是根据API正价测试得出的。可我们日常用的基本都是各类token plan，理论上用足了会比api要便宜很多。 这个项目real-api-pricing就是用token plan的价格来衡量各个套餐的性价比的。

如果你有或者要买DGX Spark ，可以看看这篇文章：The DGX Spark Handbook 地址： https://huggingface.co/blog/exolabs/the-dgx-spark-handbook 一篇面向本地大模型用户的实战手册，作者基于自己从 1 台扩展到 4 台 NVIDIA DGX Spark 的使用经验，讨论它适合什么、不适合什么，以及如何部署、组网、量化和

用类似地铁的形式来展示高铁站。

做平面设计时如果常被AI画面的文字乱码困扰，inclusionAI推出的Ming Image 0.1 Design很值得上手试试。这个模型专门面向图形设计场景，强项是在生成的画面里精准排布清晰可读的文字。它完全基于文字提示词生成，不支持参考图输入，画面尺寸也由模型自主规划，传入自定义比例会直接报错，支持导出PNG、JPEG与WebP格式。目前它已在OpenRouter上开放免费调用，拿来做海报草案