「22MB里塞下一整套视觉能力，Mirage想把端侧感知重新做一遍」Cactus Compute发布的 Mirage，是一款面向手机、可穿戴设备和机器人等消费级硬件的小型视觉模型：参数量 5130 万，借助 2-bit 量化后体积约 22MB，却能在一趟推理里同时完成图像描述、目标检测、OCR、实例分割、空间关系理解、简单推断和表单式决策，在 Galaxy S26 上端到端可做到 NPU 74ms

BUI 是个很少见的项目：它不是给 Blender 写插件，而是把 Blender 那套界面绘制、交互规则和主题风格拆成了独立 UI 库，让 Python、Rust、JavaScript、React、C、C++ 甚至 Dear ImGui 都能直接调用。它最有意思的地方，不只是“像 Blender”，而是把那套高响应、低占用的桌面 UI 经验带出了原工程：空闲时几乎不吃 CPU，只重绘变化区域，可

一些值得学习的极简机器学习开源项目： \- micrograd：从零实现自动微分和反向传播，理解神经网络的底层原理。 github.com/karpathy/micrograd \- nanoGPT：通过精简代码理解 GPT 模型的训练流程。 github.com/karpathy/nanoGPT \- minGPT：以最少的代码抽象理解 Transforme

用大白话跟 agent 说想要什么游戏，比如「做一个 3D 小游戏：小熊猫在竹林里收集竹笋，躲开野猪」。它会从模板出发把游戏做出来，自己试玩一遍确认能玩，然后放进侧栏，你马上就能玩。 需要画图时可调用 OpenAI 图像接口或本机 Codex CLI 给每个槽位生成带编号的候选~图。

LearnHarness 的思路是使用多个 AI Agent 扮演诊断者、教师和练习指导者，先测量学习者的知识水平，再根据先修知识关系制定个性化教学路径，并持续更新学习者的知识图谱。 具体要学什么，和本项目无关，只要是LLM会的都能教~ 它采用闭环式四阶段教学工作流： 探测边界（Measure）：在正式讲解前，Agent 会针对目标概念所依赖的前置知识点进行摸底。它不仅看你的答案

caldoai 这个 untangle-codebase 技能，目标很直接：把一次次零碎修补，变成面向整体结构的彻底重构。它先不急着改代码，而是先把问题分成几类看清楚：哪些模块其实必须一起变化，却在代码里彼此割裂；哪些地方被不必要地绑在一起，导致改一处牵一片；哪些包装层、配置、死代码本身就没有存在价值；再把各种 if 特判、吞异常、重试、sleep、为某个调用者硬塞的参数，当作系统设计没覆盖真实需

VoiceKey 是一个跨 macOS、Windows、iOS、Android 的语音输入项目，核心不是单纯“把话转成字”，而是尽量贴近高频输入场景：桌面端支持按住说话和点按说话，能边说边上屏，也能在结束后统一修正；iPhone 端做成带语音能力的中文键盘；Android 则不替换输入法，而是通过无障碍把结果直接写进当前输入框。它的亮点在于多渠道并行识别，接入豆包、微信、千问、百度、搜狗、讯飞等方

anomalyco 开源的 Rune，是一个面向 macOS、Windows、Linux 和 Web 的原生 GPU 渲染 Rust UI 框架。它不依赖现成的渲染层，渲染、文本、布局、弹簧动效这些基础能力都是自己做的，目标很明确：既要有原生界面的性能和控制力，也要让构建方式更适合今天的 AI 编程流程。它有个很特别的地方，就是每个应用都能无头运行，也就是不打开窗口也能渲染 PNG、导出元素树、用

Nouride主打的是“在小硬件上本地跑多智能体运行时”：面向树莓派、香橙派和各类64位Linux SBC，安装后就是一个独立守护进程，下载体积约40MB，官方给出的实测内存门槛是64MB、空闲时单核CPU占用约0.7%，不依赖GPU，也不需要额外搭Postgres、Redis或向量数据库，目标很明确——让AI代理能在家里、实验室和轻量边缘设备上7×24小时稳定待命。它的亮点不只是“能跑”，而是把

如果你在用 dsh，又不想在零散仓库和帖子里反复检索，这个仓库的价值就很直接：它不是做某一个插件，而是把 DeepSeek Harness 的插件生态整理成一份可持续维护的精选清单。awesome-dsh-plugin.com

简历改了 10 遍，面试还是被问穿，9 个入口从找项目到模拟面试全包了。 它解决的是求职准备散成一地的问题：简历、面经、投递记录各管各，改一处就得处处返工。 9 个入口把开源贡献、证据复盘、简历、面试、Offer 串成一条线；/job-apply 只填表，核对后停在提交前，投不投由你点。 适合找工作的应届生和转行人，尤其缺可验证项目经历的；不适合批量海投。简历每句话都要有证据链撑着，没证据的

一段看似普通的浏览器指纹识别脚本，暗藏针对 AI 分析的提示词攻击，并可能执行系统侦察、远程载荷下载、信息收集与持久化。它提醒我们：恶意代码不仅攻击系统，也可能试图操纵分析它的 AI。

文章梳理了DEC公司PDP计算机的演进，揭示其催生的黑客文化分野：资源受限的小型机（PDP-7/11）孕育了极简实用的Unix与C语言（新泽西流派）；硬件充裕的大型机（PDP-10）则催生了功能完备的Emacs与Lisp（MIT风格）。

开源字体收集网站：drxie.github.io/OSFCC/ 中文开源字体集合。 这里的字体都是开源的（可以基于已有字体继续做自己的衍生字体）。如果只是要找免费字体，类似猫啃网等地方收录的会更多。

推荐一个电路教学站点 electronics-101-six.vercel.app 支持中文 作者 x.com/DilumSanjaya 赛博菩萨越来越多了。。。 AI 万岁

一个迷你版d DeepSeek Harness，一千来行 TypeScript，看懂 DSH「一切皆插件」的架构。 DeepSeek Harness（DSH）有一百多万行代码，直接读源码很吃力。但它的骨架其实很清楚：最底下是一块叫 Cordis 的插件「主板」，模型、工具、会话、提示词，连 Agent 循环本身，都是插在上面的卡。 这个项目把这套骨架按原样缩小了一遍： 迷你版

Joseph Zhou 开源的 iPhone AI Agent 项目，目标是让 AI 像真人一样直接操作 iPhone。 传统的 iOS 自动化通常依赖 XCUITest、WebDriverAgent 或屏幕镜像，配置相对复杂。Poki 的核心改进是利用 Rust 原生桥接、Apple 设备通信协议和 iOS Accessibility（无障碍）接口，读取手机界面结构，再通过原生触控事

The Ultimate MoE Training Handbook（终极 MoE 训练手册） 地址：huggingface.co/spaces/huggingface/moe-blogpost 这篇新手册比较像大规模 MoE 训练的工程实验报告与操作手册，不仅告诉读者有哪些技术，还尝试回答“为什么使用这个配置、如何衡量收益、失败时应该检查什么”。 与 DeepSeek、Kimi

技术博文：深度解析 Codex Harness 架构及其全新上下文压缩记忆体系的设计思路 网页链接 “近期 Codex 的开源项目也频繁更新了许多新特性，其中比较重要、也是我们本次会重点去讲的，就是关于 Memory 和上下文压缩的一个新机制。 相比前段时间发布的Dee