很多人手里有老书、论文扫描件，能看却很难用：不能顺手检索，复制出来一团乱，想转成电子书或翻译更麻烦。PDF Craft就是冲着这件事来的。它面向扫描版书籍、研究论文和技术文档，核心能力是把PDF转成可编辑的 Markdown，或更适合阅读器打开的 EPUB；在此基础上，还能继续做翻译，生成双语 EPUB，甚至把译文重新写回原始 PDF 页面。它不只做普通 OCR，而是尽量识别正文、目录、脚注、表格

写作不是记录结果，而是拓展心智的思考过程。正如纸笔让有限自动机跃升为图灵机，动笔才能突破大脑算力瓶颈。在AI时代，写作是防止思维退化、保持独立思考的核心壁垒。实践方法在于：放开写粗稿、冷酷删改重构、保持极简，并将其定点纳入日程。

地址：edoliberty.com/algorithms-in-large-language-models/ 本课程涵盖了现代LLM各部分的算法层面内容，重点关注有理论基础的思路。课程主要会介绍理论/形式计算框架，在这些框架中，人们可以推导特定问题的最优算法。课程的大部分内容将用于对算法进行数学分析。 LLM是由一系列阶段组成的流水线构建而成：数据收集与过滤、分词、检索、Tr

地址：www.nabo.dev/blogs/kernel-primer Nabil Omi 写的长文。作者为了解决 LLM 强化学习中的训练/推理解耦损耗与精度问题，花了十个月用 JAX 从零构建了一套高性能框架 Jam。 文章完整串联了数据类型（FP8/BF16 编码与累加）、GPU 存储分层与 Warp 调度机制、Roofline 模型，以及大模型 Prefill/Decode

地址：ai.katestange.net/course/llm-course/ 本课程向数学专业研究生受众描述大型语言模型的数学结构。附带了一个自行构建mini GPT的项目

Polyfork 是一个低多边形 3D 素材库，适合做网页 3D 场景、游戏原型和交互演示。它把素材按主题整理成套件，同一套里的部件采用统一的配色和比例，放进场景后更容易搭在一起。 挑素材时可以先在浏览器里旋转、缩放，看看轮廓和细节。标有 Remixable 的模型还可以在线改：拖动滑杆，模型会跟着重新生成。能改哪些属性取决于具体素材，常见的有颜色、比例和部件数量。 接入方式按

BenchUp 是一款面向木工、家具制作和 DIY 玩家 的免费开源 3D 建模工具，主打一个够直接：不用账号，浏览器就能开工，也提供 Windows、macOS 和 Linux 桌面版。它不是泛用型大而全软件那一路，而是围绕“先把尺寸、结构和装配关系想明白”来设计流程：先用线条、矩形、圆和自由轮廓起形，再用 Push/Pull 拉出厚度，配合移动、缩放、偏移、上色，很快就能把层板、桌子、柜体、工

Astryx 是 Meta 刚放出的开源设计系统，定位很清楚：不是只给设计师看样式，也不是只给前端拼组件，而是把“人和 AI 一起开发”这件事当成默认前提来设计。它已经在 Meta 内部服务了 13000 多个应用，如今以 Beta 形式开放，核心是一套 150 多个可访问组件，配合品牌级主题、暗色模式、现成模板和 CLI 工具，尽量把设计规范、开发体验和交付效率拧成一套系统。它有几个地方很有意思

Pinky 是 DIYgod 做的一套开源工具，想解决的不是“让 AI 操作手机”本身，而是“怎么让它在可控前提下操作手机”。它通过 MCP 把 Claude Code、Codex、Cursor 这类智能体接到真机上，支持 macOS、Windows、Linux 控制 Android 和 iPhone，电脑端可实时旁观、随时接管，支付、转账、删除、发消息这类高风险动作默认要你点头，拦截规则跑在 P

Jane Street 把自家的 AI tutor skill 开源到了 GitHub，仓库名就叫 agent_skills，MIT 许可，目前放出的核心内容是 socratic-tutor。它不是那种直接把结论塞给你的“陪聊老师”，而是按苏格拉底式教学来带你学：先判断你已经懂多少，再给出一张 0 到 5 级的能力地图，然后一次只问一个问题，逼着你自己推理、暴露盲点，再按节奏复习，最后做一次总结性

Aman's AI Journal – AI Primers 是一个面向 AI 研究者和工程师的开源技术知识库，系统梳理了从机器学习、深度学习到LLM及 AI Agent 的核心理论与工程实践。 网址：aman.ai/primers/ai/ 内容涵盖 Transformer、Attention、MoE、RAG、模型微调、推理优化、强化学习、多模态和模型评估等主题。其特点是兼顾数学原理

整句输入：xiangquzijieshangban 直接出「想去字节上班」；后面跟着句子的前半截，可以先上屏一段，剩下的拼音接着改。 半成品也有词：zhongg 就有「中国」，不用打全。打全了的拼音正好是个词时，它一定排第一。 按错键能认出来：按成相邻键、两个键按反、多按或漏按一个键（zhognguo → 中国）。本来就打对的输入不受影响。 越用越懂你：记住你选过的词和常连着用的词（

Sophon-Realtime v1 是 Adventists AI 放在 Hugging Face 上的一套开源全双工语音模型，核心卖点不是“把文字念出来”，而是尽量把人与人打电话时那种自然节奏做出来：你说话时它一直在听，你一停顿它就接上，你中途插话它也会立刻收住。更特别的是，它不只识别内容，还会捕捉迟疑、强调、讽刺、笑声、叹气这些语气信号，回复时也能带着情绪和非语言声音表达出来。整个系列共三种

WoYun520 开源的 gif-factory，核心不是单纯“生成动图”，而是把常见需求整理成可直接调用的风格入口：像素轻动效、像素完整动作、插画角色动作、真人轻动效、宠物拟人、粘土吉祥物、双状态光栅卡、人物与字体联动、漫画印刷整体融合，还能继续延伸到动态绘本和品牌短片。它适合的场景很具体：给角色做表情包、把照片做成轻动效、做 6 秒循环宣传海报，或者先出一张小样再决定要不要扩展成系列。项目把“

这是一套中文优先、以 C++ 为实现主线的推理引擎工程教程。教程以 TinyLlama 作为默认语言模型基线，连接模型加载、张量、算子、解码器、生成运行时、缓存、调度和服务；每章通过测试、参考结果或性能实验验证实现，并与 llama.cpp、vLLM、SGLang 和 TensorRT-LLM 的工程策略对照。CPU 建立完整推理服务主线，单卡 CUDA 在保持上层语义不变的前提下替换执行后

本教程涵盖常用热门量化格式 Q2~8K、IQ、UD_IQ，以及最新的三值量化 PTQ1和 STQ1。带有 C++/C#/Python 三种代码解释概念，配有 ASCII Art 图表。 GGUF 量化技术之所以成为端侧大模型部署和大模型技术普及的关键基础设施，在于它把原本动辄数十GB、依赖高带宽显存和云端算力的模型权重，压缩到手机、笔记本、嵌入式设备可承受的存储与内存带宽范围

Argus 是一个面向 Windows 的现代任务管理器，底层直接调用 Windows 原生 API，用 Rust 做性能层，界面则基于 Tauri 2 和 SolidJS，不是简单给系统工具换皮，而是把进程、性能、服务、启动项、网络连接和 7 天历史数据整合进一个窗口里。它的亮点在于信息密度高，但不显乱：你可以按应用、进程树或平铺列表查看进程，直接看到 CPU、内存、磁盘、GPU，开启特权服务后

教程：从零构建 C++ LLM 推理引擎 这是一套中文优先、以 C++ 为实现主线的推理引擎工程教程。教程以 TinyLlama 作为默认语言模型基线，连接模型加载、张量、算子、解码器、生成运行时、缓存、调度和服务；每章通过测试、参考结果或性能实验验证实现，并与 llama.cpp、vLLM、SGLang 和 TensorRT-LLM 的工程策略对照。CPU 建立完整推理服务主线，单

Hello GPU：从 AMD GPU 架构、ROCm 工具链到 HIP/Triton 算子优化与单卡推理性能分析的实战教程。 在线阅读：datawhalechina.github.io/hello-gpu/ 本教程以消费级显卡 AMD Radeon RX 9070 XT 为实验平台，带你从理解 GPU 硬件如何执行出发，学会用 benchmark 与 profiling 找到

synchopate 开源的 llama-modchip，核心不是简单做个启动器，而是围绕 llama.cpp 和 ggml 做了一整套面向 MoE 大模型的量化、内核补丁和运行时工具，目标很明确：让 64GB 内存、0 GPU 的机器，也能在 256K 上下文里跑起 DeepSeek-V4-Flash 284B。这件事难点不在“能不能启动”，而在能不能真正装进内存、别被换页拖死、速度还过得去。它