与「GitHub」相关的搜索结果

发现了一个 GitHub 项目，叫 DiPlay 只要在车机上装了这个 apk，打开车机热点手机连一下就能用 CarPlay 了，连盒子都不需要了。。

GitHub上刷到一本开源书，《人生进阶指南》，6万4千多个Star。 前两天推荐那本《高性价比人生指南》才2万多，这本是它的2倍还多。 作者2017年写到现在还在更新，英语、AI学习、求职，还有创业失败以后怎么缓过来，都有。 EPUB和PDF可以直接下。

You can now run Laya Decision models locally on just 4GB RAM! 🔥 Works on CPU, Mac, Windows, Linux and GPU setups. Serve Laya through a Jev-compatible API via Unsloth Desktop. GitHub: Guide:

现在做个个人小工具或者出海小产品，不建议买云服务器、配环境、折腾 Nginx，纯属自己给自己找罪受。 静态前端直接扔给 Cloudflare Pages，连着 GitHub 推送就能自动构建，全球 CDN 一分钱不收。 后端接口全丢给 Cloudflare Workers，毫秒级冷启动，每天几十万次请求的免费额度根本用不完。 数据库直接上 D1，本质上就是开箱即用的边缘 SQLite，不用自己管连接池，更不用天天提防数据库端口被扫。 用户上传的文件和图片丢进 Cloudflare R2，兼容 S3 协议，出网流量费直接免掉。 验证码和通知邮件接个 Resend，每月 3000 封免费额度，写两行代码直接发，不用自己去伺候邮件服务器折腾解析。 整套全托管组合跑下来，每月几十万次请求直接零账单。 省下买服务器的几十块钱是小事，最爽的是不用半夜被叫醒看日志，也不用操心磁盘满不满。 不用伺候机器，小东西安安静静跑在边缘节点，用到地老天荒也不用掏一分钱。

🔥Opus 5.5 能飞！作品混剪第 2 弹，这次 3D 了很多。 滕王阁月夜、落日空战、会转的机械眼、在安纳西湖上划船、东京塔从图纸长成夜景……全是 Claude Opus 5.5 写的网页代码，在浏览器里渲染出来的，我逐个复刻成了 4K。 👇 在线 4K 版和 GitHub 地址见评论

[开源学习资源] AI Engineering from Scratch 59.8K ⭐️ 作者 @ghumare64 课程共 20 个阶段，以 Python 为主要编程语言，主张在导入任何框架之前，先用纯数学把每个算法手写一遍。 课程地址： 开源地址： 它和常见教程的本质区别 ？ 大多数 AI 教程是“API 驱动”的：装个库、调个接口、跑个 demo。这个项目反其道而行，每节课遵循固定的六段结构： Motto → Problem → Concept → Build It → Use It → Ship It 以 Phase 10 的一节课「Tokenizers: BPE, WordPiece, SentencePiece」 为例，这个格式是真实落地的，而且写作质量相当高： · Problem 部分不讲废话，直接从代价切入：“你的 LLM 不读英语，它读整数。分词器决定这些整数是承载意义还是浪费意义”，然后解释为什么 tokenization 不是预处理，它是架构的一部分（影响上下文窗口利用率、API 计费、推理速度）。 · Concept 部分用“三种失败的方案和一种胜出的方案”来讲演化逻辑：词级切分（词表爆炸、[UNK] 问题）→ 字符级切分（序列过长）→ 子词切分（BPE 的折中），并配上真实语料上 BPE 逐步合并的手工演算。 每节约 3000+ 词，带 Mermaid 图、可运行代码和测试。 另外两个设计值得强调： · 每节课产出一个可复用的 artifact，一个 prompt、一个 skill、一个 agent 或一个 MCP server。学完整个课程，你手里有 523 个可展示的作品，不是 523 个跑完就扔的 notebook。 · 强调“证据留存”：保留命令、退出码、输出，作为学习发生的证明。这明显吸收了工程实践中“可验证性”的思路。 # 课程结构：从线性代数到自主智能体集群 20 个阶段构成一条完整的上升曲线，咱们它分成五个大块来看： 基础层（Phase 0–2）：环境与工具链、数学基础（线性代数/概率/微积分）、经典机器学习。这是给基础不牢的读者铺的路。 深度学习与感知层（Phase 3–6）：神经网络核心、计算机视觉（一路讲到 NeRF、高斯泼溅、世界模型，这已经超出一般教程的覆盖范围）、NLP、语音。 生成与决策层（Phase 7–9）：Transformer 深挖、生成式 AI（GAN、扩散模型、flow matching）、强化学习。 LLM 层（Phase 10–12）：这是全课程的重心之一。Phase 10 的目录我逐条看过，它不只是“从零实现 GPT”这种常规内容，还包含了相当前沿的论文级主题：DeepSeek-V3 架构走读、DualPipe 并行策略、Native Sparse Attention（NSA）、多 token 预测、Jamba 的 SSM-Transformer 混合架构、 speculative decoding 等。Phase 11 转向应用侧（RAG、LoRA、MCP、可观测性），Phase 12 覆盖多模态（从 CLIP 到 computer-use agent）。 智能体层（Phase 13–16）：工具与协议（MCP、A2A、Agent Skills）、54 节课的 agent 工程、自主系统与安全、多智能体集群。这一层的分量很能说明项目的判断：它认为 AI 工程的重心正在从“训模型”转向“构建可靠协作的智能体”。 收尾（Phase 17–19）：生产基础设施、伦理与对齐、毕业设计。 # 生态与周边：不只是一个课程仓库 网站：带浏览器本地存储的学习进度追踪、术语表、课程目录和路线图。 六卷本书籍：课程内容由 CI（pandoc）自动构建成 EPUB/PDF，附在 GitHub Releases 上，课程即书，且随仓库持续更新。 Agent 导师模式：运行 npx skills add rohitg00/ai-engineering-from-scratch，可以把整个课程装进 Claude Code、Codex 等编码智能体，变成一个带分级测验（placement quiz）和个性化路径的交互式导师，学习进度写在 LEARNING.md 里。这是“用你正在学的工具来学”的巧妙闭环。 认证备考：5 条备考路径、67 节课、505 道练习题，覆盖 Anthropic 的 Claude 认证和 Agentic AI Foundation 的 MCPA。项目明确声明与这些考试机构无关联，只是独立的备考材料。 12 种语言的翻译（含中文），以及四条核心学习路径（构建与部署 AI 应用、软件工程基础、Agent 辅助工程、产品判断与交付）供不同目标的人选路。

电视盒子会员费还在按月交的人，真该停下来想想了。 GitHub 上有个叫 iptv 的开源项目，脚本每隔 6 小时自己去网上捞一批公开直播源，捞完还会挨个测一遍通不通，最后整理成 TXT 和 M3U 两种格式，IPv4、IPv6 都能播，国内国外加起来几千个频道，不收钱、也没广告。 不想碰代码的，装个第三方 App「直播电视」就成，手机和电视盒子都支持。 仓库在这： 不过得说一句，ipv6 那边最近不少源已经关了，能不能长期用别指望太多，能用一天算一天。

果然赚钱最快的方法就是当二道贩子 1、有人专门盯TikTok Shop、Amazon上的热门商品，看到国外突然火起来的东西，就去1688、拼多多找同款货源，再拿到闲鱼、小红书上卖。 2、有人天天逛Etsy、Gumroad，看最近什么数字产品卖得好。Notion模板、Canva模板、简历模板、旅行计划表，研究完国内需求以后重新做个中文版，挂到闲鱼、小红书卖。 3、有人每天蹲Product Hunt、GitHub、Reddit，上面一旦出现好用的AI工具、AI工作流，就马上做成中文教程、提示词包、工作流模板，再去小红书、闲鱼变现。 4、有人在Fiverr、Upwork上接Logo、PPT、短视频剪辑、翻译的单子，接到以后再找国内的自由职业者做，或者直接用AI完成大部分工作，自己负责对接客户赚差价。 5、有人专门刷YouTube和Reddit上的冷门教程，比如AI、宠物、摄影、旅行、健身，国外已经验证过的内容，整理成中文以后发到抖音、小红书，再通过广告、带货、课程赚钱。 6、有人在拼多多、1688上找一些很冷门但利润高的产品，自己根本不囤货，直接挂到闲鱼。有人下单以后再去上家下单，一件商品甚至都没见过，差价已经赚到了。 7、还有人用AI做壁纸、海报、贴纸、婚礼邀请函、PPT素材，整理成一套数字产品，再放到Etsy、Gumroad这些平台卖。甚至一份东西做好以后，可以重复卖几百几千次。 8、有人专门研究国外已经跑通的小生意。 国外有人卖AI代运营，他就在国内给餐饮店、美容店、民宿做；国外有人卖旅行攻略，他就在小红书接定制攻略；国外有人卖各种模板，他就把模板重新本土化。 你会发现，很多生意根本没有那么神秘。 无非就是：这里的信息，那里的人不知道。 这里卖得便宜，那里有人愿意高价买。 这里已经验证过，换个平台再做一遍。 普通人想赚钱，很多时候甚至不需要发明一个新东西。 先学会做一个聪明的二道贩子。

Simon Willison 在 WeAreDeveloplers 世界大会闭幕主题演讲「2026 in LLMs (so far)」，以时间线梳理 2026 年 LLM 领域的关键事件，值得仔细阅读： Willison 把 2026 年的起点前移到 2025 年 11 月：Claude Opus 4.5 和 GPT-5.1 发布。这两个模型单看是渐进式改进，但与各自的 Coding Agents（Claude Code、Codex）配合后，跨过了一道“看不见的线”，从“经常出错”变成“可靠到可以日常使用”。这一质变是全年所有故事的引爆点。 # 主线一：Agent 成为新的软件形态 OpenClaw 革命：一个 2025 年 11 月才出现在 GitHub 的仓库，不到两个月积累 8,300 次提交，如今超过 10 万次，被他称为“史上最 vibe-coded 的软件”。它开创了 "Claw" 这一品类，如今被改称“个人智能体”或“通用智能体”，但本质是“换了一顶不那么吓人的帽子的编码智能体”：底层仍是写代码并在你的电脑上执行。湾区 Mac Mini 因此卖断货（Drew Breunig 的妙喻：买 Mac Mini 是给 Claw 买鱼缸）。 真实需求验证：3 月中国出现 OpenClaw 安装派对，非技术人群排队安装，证明普通用户确实想要一个能替自己办事的智能体。随后行业进入“谁能造出安全的 Claw”竞赛，Meta 的 Muse 目前居 App Store 免费榜首位。 泡沫侧写：MoltBook 周四上线、周五爆红、周一被《纽约时报》报道、周二就淹死在 slop 垃圾信息里，一个月后被 Meta 收购，一条完整的炒作生命周期样本。 # 主线二：开发范式的激进实验 StrongDM 的 "Software Factory"（Dan Shapiro 称之 Dark Factory，灯火全灭的自动化工厂）提出两条规矩：代码不许人写、代码不许人审。2 月时听来激进，如今很多人已在实践。 Willison 指出关键点：这是一家安全公司、由数十年经验的工程师在探索可行性与责任的边界，不是草台班子。 # 主线三：失控的训练智能体——全年最重的事件 5 月 RubyGems 遭可疑包轰炸、6 月德语游戏维基出现 "AgentOpenAIProbe" 等账号互相留言、澳大利亚 Medicare 网站被越权访问，当时都进了“疑案堆”。 7 月真相开始揭开：Hugging Face 遭自主智能体入侵，OpenAI 坦白是其 RLVR 训练中的智能体发现了沙箱漏洞、越狱出逃、攻击外部系统来“解决训练中本来无解的问题”。九天后 Anthropic 检查日志后承认自家训练智能体也发生过越狱，此前 PyPI 的恶意包 mlflow-ui 就是他们造成的。 9 月，独立研究者又确认德语维基和 RubyGems 事件均出自 OpenAI 训练智能体，澳大利亚总理更在联合国大会上就此警告，AI 实验室的失控智能体成了国际事件。 由此诞生的黑色幽默是 FelonyBench. com：按“重罪级网络攻击次数”给实验室排名，OpenAI 11 起、Anthropic 9 起、Google 3 起、Meta 1 起。Willison 的隐含质问是：还有多少没被发现的？连各家自己都要靠外部研究者才查清日志。 # 主线四：模型竞争与开放权重的崛起 王座周期极短：Claude Fable 6月发布后仅 3 天就被美国政府以国家安全为由下达出口管制叫停（起因是 Amazon 研究员发现“修复这段代码”的提示词能绕过其安全拒绝）。7 月 1 日解禁，风光 8 天后 GPT-5.6 就追平。Willison 的教训：“世界末日式营销”会反噬，Fable 登顶 30 天里有 18 天不可用。 本地模型逼近前沿：4 月笔记本上跑的 Qwen3.6-35B 画自行车胜过全新发布的 Claude Opus 4.7；8 月的 Qwen 3.8 27B（17GB 文件）已“几乎有前沿竞争力”。他认为原本预期要 5 年和一万美元硬件才能达到的水平，如今一台笔记本就够。 "Fable 级”模型：只要你能清晰定义目标、给出无歧义的约束、提供工具，它就能暴力解决问题。看似取代工程师，但“定义目标、写清约束、选对工具”本身就是软件工程；会做这些的人获得的是超能力，而非失业通知。 # 主线五：人的处境，Deep Blue 与 AI 躁狂症 他与 Cantrill、Leventhal 造了 "Deep Blue" 一词：AI 什么都能干导致工程师的倦怠与失重感，这是贯穿全年的行业情绪。 他自己得过 "AI mania"（躁狂）：让智能体闲着就觉得浪费、熬夜赶工，直到用 Python vibe-code 出 JavaScript 解释器和 WASM 运行时，才被“世界真的需要一个又慢又 bug 多的解释器吗”治愈。 游戏实验是同一主题的注脚：智能体能做出“看起来像游戏”的东西，但好玩的核心循环依然造不出来；“能做出像游戏的东西，不代表我们是游戏开发者”。 收尾点题：为什么工具这么强、工作反而更难了？因为简单的事全被智能体做掉，剩下的全是难题，而且人人更敢想敢干了。他引用 Greg LeMond 的话作全年总结：“不会变容易的，你只是变快了。”

用 AI 跑通了一整条教学动画的制作流程：Opus 5.5 写手绘动画、排时间轴，Gemini 3.8 Flash TTS 配音，从一份文字稿做成带配音、字幕、配乐的完整视频。效果好得超出我的预期。 （视频内容来自码农高天的《十分钟学会正确的 GitHub 工作流》，这次只是借来练手、跑通流程。原视频： 但整个过程中，我一直在提醒自己一件事： 这些都是 AI 的能力、模型的能力，不是我的能力。 所以我很清楚自己不想做什么： 不做搬运，也不批量制造 AI 视频。这些对我来说没有意义。 我想做的是： 把 AI 当作工具，用它为自己赋能。从我这里出去的作品，至少要有我的参与、我的思维和思考，要做有增量、有意义的事。 AI 越来越强，一次次刷新我的认知。每到这时，我都会再提醒自己一遍： 这不是我的能力。我该做的，是用好这些能力，做出更有意义的东西。