自用推荐—8 个超强 GitHub 开源项目，免费替代大量付费服务 以下这些明星GitHub 开源项目都是高星、实用且强大的工具，能免费替代大量常用付费 SaaS 服务，覆盖视频下载、AI 智能（文本、图像、语音）、笔记协作、UI 设计、密码管理、网站分析等多个高频使用场景，总有你能用得上的👇 1. yt-dlp (165k stars)
支持从 YouTube、X、TikTok、Instagram 等几乎所有平台下载视频，功能远超 YouTube Premium
 2. Ollama (172k stars)
在本地电脑运行 GEMMA级别的大模型，完全离线，无需支付 API 费用
 3. Fooocus (48.8k stars)
本地运行 Midjourney 级别的 AI 图像生成，无限次免费使用
 4. Whisper (100k stars)
OpenAI 开源的语音转文字模型，支持 99 种语言，本地运行，效果优秀
 5. Plausible Analytics (26.4k stars)
隐私优先的 Google Analytics 替代品，轻量、自托管，完全免费
 6. AppFlowy (71.1k stars)
开源的 Notion 替代品，可自托管，支持无限用户和团队
 7. Penpot (48.2k stars)
开源的 Figma 替代品，自托管设计协作工具，功能接近付费版
 8. Bitwarden (12.9k stars)
开源密码管理器，无限设备和用户免费使用，是 1Password 的最佳替代
 这些工具都是真正免费分享给还在为类似服务付月费的朋友😎

分享一个最近开发的 Claude Code 的效率工具 👇 🔔 cc-remote-approval — 让 Claude Code 长任务不再因为「等审批」空转。 【😩 痛点】 让 Claude Code 跑一个几十分钟的长任务，转头做点别的事，回来一看：agent 停在「请审批这个 Bash」/「请选择这个选项」/「MCP 表单还没填」—— 中间那二十分钟什么都没推进。 Claude Code 每一个审批点都是一堵墙： - Bash / Edit / Write 权限 - AskUserQuestion 选项 - MCP Elicitation 表单 - 每轮对话结束的空闲等待 只要你不在屏幕前，agent 就罢工。 【✨ 解决方案】 cc-remote-approval 是一个 Claude Code 插件。当 Claude 需要审批或提问时： 1. 本地原生对话框照常弹（不替换、不劫持） 2. 同时后台 hook 起计时，默认 20 秒 3. 本地没响应 → 请求自动转发到 Telegram，带完整上下文和按钮 4. 你手机上点 ✅ Allow / ❌ Deny / ⭐ Always，或输入选项 5. 两边谁先响应谁生效，另一边自动同步状态 📱 地铁上、会议间隙、睡前刷手机 —— 你离开屏幕，agent 照常推进。 【🛠 特性】 - 纯 Python stdlib，零第三方依赖 - 本地优先：除了 Telegram API，没有任何外部调用 - 多 session 并发安全：flock + pending 队列，多个 agent 同时审批不会串消息 - Hook 级集成，CLI / 桌面端 插件全覆盖 - 📖 Full context 按钮：一键展开最近 N 轮完整对话，截断预览不够时看全量 - SessionStart 提示注入：引导 Claude 用 AskUserQuestion 工具，问题以按钮形式出现而不是让你手打编号 【🔒 安全】 - 100% 本地运行：数据只在你的机器 ↔ Telegram 之间直连，没有自建服务器、没有云端中转、没有任何 analytics / 遥测 - 纯 Python stdlib，零第三方依赖，供应链面最小化 - bot token 全程在进程内存，不入 ps、不写日志；转发前敏感内容（API key、密码、token 等）自动 mask 【🤔 官方已经有方案，为什么再做一个？】 官方目前有 /remote-control 和 telegram plugin，实际用下来各有一些掣肘： - /remote-control 是网页端，必须一直开着浏览器标签盯着；不是推送通知模式；不支持 Claude Code 桌面端 - telegram plugin 多个 session 并发时会互相抢消息；配置启动流程略繁琐；同样不支持桌面端 【💡 推荐配置：打开 Stop hook，覆盖完整 agent 流程】 把 stop_hook_enabled: true 打开： - agent 每轮即将 idle 前，Telegram 都会收到带 Continue / Dismiss 按钮的消息 - 点 Continue 回复下一条指令，agent 直接接着跑 - 整条 agent 链路——审批、提问、表单、"下一步干嘛"——都能远程完成 - 副作用：每轮结束会阻塞最多 stop_wait_seconds（默认 180s）；在屏幕前不想等，直接在 Claude Code 里按 ESC 跳过即可 GitHub: Manta-Network/cc-remote-approval 安装命令： /plugin marketplace add Manta-Network/cc-remote-approval /plugin install cc-remote-approval@manta 也可以直接把 Github 链接告诉 Cluade Code 来安装。 @claude_code @claudeai @bcherny @victorone111

颇有兴致地翻了PNL analysis，po出来给大家看一看。图里下头说的是2022年1月开始至今我deribit这个账号总共赚到的大饼个数（从说明看甚至还没算上我这一波的）收益），对应当时的账户本金大致是200W刀左右，也就是50个左右的大饼。二饼操作我基本都是复刻，所以收益几乎是一样的状态，我就不放了。

公司真实的业务数据不方便直接丢给在线 AI 🤡 又不想每次查报表都求人写 SQL？ Data-Analysis-Agent ：一个面向商业分析场景的 AI Agent 支持上传 Excel / CSV 或连接 MySQL、PostgreSQL 等数据库 通过自然语言生成 SQL、图表和分析结论 适合中小团队搭建轻量级查数入口

小米今天正式发布了MiMo-V2系列旗舰模型，包括 1.MiMo-V2-Pro：总参数超1T（激活42B），专为Agent场景优化，支持1M超长上下文，全球Artificial Analysis排行榜第8、国内第2。 2.MiMo-V2-Omni：全模态基座模型（文本+图像+视频+音频理解），音频理解能力超Gemini 3 Pro。 3.MiMo-V2-TTS：端到端语音合成模型，支持高保真、多语种、自然情感表达。 （ai语音说话） 相关链接 官方API开放平台（接入、定价、文档）： （MiMo-V2-Pro API定价：256K内输入$1/百万tokens、输出$3；1M内输入$2、输出$6。注册后可立即获取Key。） 在线体验平台（MiMo Studio，含MiMo Claw Agent演示，直接免费试用MiMo-V2-Pro的Agent能力）： （推荐从这里开始玩，网页端就能体验“养龙虾”式的复杂任务，比如自动生成网站、操控工具等。） 初步评测： Artificial Analysis排行榜：MiMo-V2-Pro全球第8（综合智能指数），国内第二 （强调性价比最高之一，尤其在< $0.15/百万tokens价位段霸榜。） OpenClaw标准评测（PinchBench & ClawEval）：MiMo-V2-Pro排名全球顶尖（第三，仅次Claude Sonnet 4.6和Opus 4.6）。在无人工干预下，能完成复杂工作流编排、长程规划、精准工具调用。 1M上下文下支撑真实高强度龙虾应用；早期匿名版“Hunter Alpha”在OpenRouter调用量超1T tokens，多日登顶日榜。 作如何和OpenClaw结合？ MiMo-V2-Pro就是专为OpenClaw这类Agent框架深度优化的！ 小米官方已宣布联合OpenClaw、OpenCode、KiloCode、Blackbox、Cline五大框架团队，提供一周限时免费接口支持（全球开发者都能白嫖）。结合方式：直接用MiMo API替换Claude/OpenAI Key（兼容OpenAI SDK格式），在OpenClaw的Scaffold（脚手架）里接入即可。 模型针对OpenClaw等框架做了深度SFT + RL强化，工具调用、多步推理、长程规划特别稳。 实际表现：在OpenClaw里能一步生成完整网页、自主处理报错/多标签切换、完成选品比价下单、制作短视频等复杂链路，像真人操作浏览器。 小米自己的扩展：他们还出了Xiaomi miclaw（手机端类OpenClaw系统级Agent），基于MiMo系列，能直接“动手操作手机”。 快速上手建议：去 Claw（内置OpenClaw式演示）； 或直接在OpenClaw项目里换API Base为

真心觉得学老半天AI的收益，还不如直接买AI资产躺平。 零代码部署了一个Hermes Agent，每天自动推送美股财报解读和盘前简报到Telegram 。持仓纳指、谷歌、英伟达，再也不怕错过行情。🔗 🐂 I built my own AI stock agent in 5 minutes — zero coding required. It sends me daily pre-market briefings, earnings analysis, and personalized portfolio alerts on Telegram. All powered by ClawMama + Hermes Agent. Holding NASDAQ, $GOOGL, $NVDA — now I never miss a move. #AIAgent# #USStocks# #ClawMama# #HermesAgent# #美股# #AI投资#

看完了 Claude Code 主席 Boris 的播客采访，他从去年 11 月起没有手写过一行代码，每天提交 10 到 30 个 PR，同时跑 5 个 agent。 听完 Lenny 对他一个多小时的采访，信息密度很高，分享一些我的收获。 1️⃣ Claude Code 的起源：一个人，两个赞 最初就是 Boris 一个人在 Anthropic Labs 搞的 side project，同期他也做了很多其他的side project，大部分都死掉了。 选了终端是因为一个人开发最简单，在内网发了篇帖子介绍，两个赞，没人觉得一个 CLI 能成事。 但是迄今为止这东西贡献了 GitHub 上 4% 的 commit，如果算上私有仓库，这个比例还会更高，Semi-Analysis 预测年底到 50%。 从两个赞到覆盖 50% 的 commit，中间只隔了不到两年，AI时代的产品进化速度可见一斑。 2️⃣ 核心产品哲学：为六个月后的模型而建 Boris 反复强调这一点，Claude Code 早期只能写 20% 的代码，他自己都不信任它。 但产品架构留好了扩展空间，等 Opus 4 一出来，PMF 瞬间 click。 现在做 AI 产品的人，最大的错误就是按今天的模型能力做产品设计。 你应该赌的是下一代模型。赌对了你起飞，赌错了你也没亏多少。 3️⃣ 委派，而非指示 很多人做 AI 产品的思路是给模型设计死板的 step 1 → step 2 → step 3 workflow，把模型当成一个系统里的函数来调用。 Boris 说一年前你确实需要大量 scaffolding 来兜底，但现在完全不需要了。 给模型工具，给它目标，让它自己想办法。 对于 Agent 开发者来说，这点尤其重要。别太迷信 LangChain、LangGraph、AutoGen 这类框架，别尝试用流程图把模型框住。 Agent 应该为目标负责，而不为流程、中间态、执行路径负责。 这就是 Claude Code 一直强调的：delegate, don't dictate。 4️⃣ 编程已经被解决了，接下来是工具和多模态 Boris 认为 coding 对模型来说已经基本解决了接下来的方向是让模型接入更多工具，让 Agent 能操作的东西变多。浏览器、API、数据库、部署流水线，全都会变成模型的手和脚。 更有意思的是他提到一个现象：提升模型 X 方向的能力通常也会提升 Y 方向。模型能力的增长不是线性叠加，而是能力之间互相加速。 这意味着一旦某个能力突破阈值，其他方向也会跟着跳一级。 5️⃣ 软件工程师这个岗位会消失，Builder 会出现 Boris 的判断：也许今年年底，AI 就能包揽 100% 的代码编写。 传统意义上的软件工程师将不复存在。取而代之的是一个集合了产品、研发、测试、部署的综合岗位，大概叫 Builder。 他观察到 Anthropic 内部已经在发生这种融合。设计师在写代码，PM 在跑 Agent，工程师在做产品决策。三个角色的边界已经开始模糊，50% 的日常工作其实是重叠的。 有个数据很说明问题：Boris 在推特做了个调查，70% 的工程师和设计师表示有 AI 之后更享受工作了。不是因为工作变少了，是因为终于可以把时间花在真正重要的事情上。 6️⃣ 自然语言是新时代的编程语言，编程语言是新时代的汇编 未来编程可能就是和 AI 交互。手写代码会变成和今天写汇编一样的存在：深入底层，写一些计算机能直接看懂的东西，极少数人需要做，大多数人永远不碰。 自然语言会变成新时代的编程语言。编程语言会变成新时代的汇编语言。 怎么理解要不要学编程这件事？Boris 给了一个非常精准的历史类比。和程序员最像的历史角色是 1400 年代欧洲的抄写员，垄断了所有的读写工作。古腾堡印刷术出来后 50 年，印刷量超过此前 1000 年的总和，价格暴跌 80%，识字率从 1% 飙到 70%，抄写员这个职业直接消失了。 编程正在经历一模一样的过程，你可以觉得这话狂。但说这话的人，曾在 Meta 负责过 Facebook、Instagram、WhatsApp 的代码质量基础设施，是那个时代最顶级的 infra 工程师之一。 他不是不会写代码，他是写了太多代码之后，深刻认识到代码从来都只是手段，build才是目的。 7️⃣ 200% 的提效，到底意味着什么 Anthropic 工程师人均 PR 数提升了 200%。 200% 听着好像还好，但 Boris 之前在 Meta 就是做工程生产力的，负责 Facebook、Instagram、WhatsApp 全线的代码质量基础设施。 在那个体量的公司里，工程效率提升几个百分点都是巨大的飞跃，足够写进年度 OKR 当 两点。 200%，是完全不同量级的事情。 这就是为什么他每天能 ship 10 到 30 个 PR 还觉得很正常，游戏规则已经彻底变了。 8️⃣ 代码现在是真的廉价 这个观点对老工程师的冲击最大。 AI 现在会写大量的即时代码，用完就丢，只是为了完成某一次任务。跑个数据分析、做个格式转换、写个一次性脚本，用完就删，毫不心疼。 之前代码是很贵的。你需要几年的学习成本才能写出能跑的东西，coding 和 debug 的时间成本都很高昂。 所以老一代工程师对代码有一种天然的珍惜感，写出来的东西要 review、要重构、要维护。 但现在代码的边际成本趋近于零。认识到代码很便宜，非常重要。很多老工程师过不了这个心理关，还在用写精品代码的心态对待每一行输出。这就像印刷术时代还在手抄经文。 9️⃣ 给企业的建议：别限制 token，别省钱 Anthropic 内部有些工程师每月 token 花费过十万美元。 Boris 的建议：给工程师无限 token 预算，让他们可以大胆探索落地想法，甚至允许 token 费用超过工程师本身的薪资。 听着疯狂？对比人均产出提升 200% 的数据，这笔账太好算了。真正有创造力的想法往往来自某个人不计成本地试了一个看起来太疯狂的点子，你限制 token 就是在限制创新的上界。 用 Boris 的话说：先别急着衡量 ROI，先让工程师用起来，价值自己会显现。 🔟 成为通才，而不是单一技能点的专家 Boris 给工程师的职业建议：尝试真正成为一个通才。只会一个垂直能力的人未来会越来越吃亏。 未来几年能获得最大回报的那批人，不只是 AI native、拥抱 AI 的人。还要充满好奇心，知识广博。 你还得懂产品、懂设计、懂用户心理、懂商业逻辑。 单点深入的价值在被 AI 快速拉平，广度 × 判断力才是新的护城河。 1️⃣1️⃣ 一些CC的使用建议 Boris 分享了几个 Claude Code 的实战 tips： 1.一直用最强的模型。经济型模型可能因为能力不够强需要多次尝试，最终的 token 成本也许比最强模型更贵。考虑到时间成本更是如此，目前最强的是 Opus 4.6 2.多用 Plan Mode。先让模型理解全局再动手，效果远好于直接开干 3.尝试多种使用形态。终端、桌面应用、移动端，每种形态适合不同场景。Boris 提到 Anthropic 的设计师更多用 Desktop App 里的 Code tab，不需要打开 IDE 就能调用同等能力 他还推荐写好 CLAUDE.md，这跟我之前分享的 Claude Code 最佳实践完全吻合。 最后的彩蛋：味噌哲学 Boris 是乌克兰人，加入 Anthropic 前住在日本中部乡下好几年，是整个城市唯一的工程师和英语使用者。每周骑车去农贸市场，和邻居交换自制食物，学会了做味噌和发酵食品。 主持人问他 AGI 之后的计划？继续做味噌。 一个在日本乡下做味噌的乌克兰人，回到硅谷造了个改变所有工程师工作方式的工具。 编程是建造的方式，味噌也是。工具会变，建造的欲望不会。 这种人你很难不服。

周末行研：EUV Mask Inspection --- EUV最难的问题之一 DUV时代的mask，更像“透明玻璃上的图案”。光穿过去，再投射到wafer上。很多问题集中在表面颗粒、划痕、断线等二维缺陷。 但EUV完全不同。13.5nm EUV会被绝大多数材料吸收，因此EUV mask变成了反射式结构。它本质上是由40~50层Mo/Si multilayer组成的纳米级布拉格反射镜。重要的是，EUV mask已经变成一套极其复杂的三维纳米光学系统。 这会导致问题集中在 buried defect（埋藏缺陷）。 例如某一层Mo/Si之间出现0.5nm级别的小隆起、空洞或颗粒，表面可能完全看不出来，但却会改变EUV光的相位与干涉行为，最终在wafer上形成CD偏移、图形变形甚至随机缺陷。 这类问题在DUV时代并不突出，但在EUV时代会直接影响良率。 很多缺陷在可见光下看不到，在DUV下也不明显，但到了13.5nm下却会变成灾难。因此最理想的方法，是用真正的13.5nm EUV去检测EUV mask，也就是所谓的 Actinic Inspection。但问题在于，Actinic Inspection本身几乎等于“再造一台小型EUV光刻机”。它同样需要EUV光源、超高真空、多层膜反射镜、极低振动、极高稳定性以及超高灵敏度探测器。 重要的是，inspection tool的要求很多时候甚至比曝光机更苛刻。因为曝光机追求的是稳定曝光，而inspection追求的是发现极微弱异常。尤其EUV时代大量缺陷已经变成 phase defect。很多缺陷并不一定有明显高度差，却会改变光的相位与干涉结果。这已经变成光学、相位、散射、干涉的综合问题。 与此同时，EUV mask本身还是典型的3D结构，会出现shadowing、absorber sidewall effect、3D scattering与angle dependency。同一个缺陷，在不同角度下，影响可能完全不同。重要的是，EUV inspection已经需要模拟完整的EUV成像行为。 缺陷会不会真正印到wafer上，也就是业内所谓的 Printable Defect Analysis，这背后需要 computational lithography、光学仿真、wafer correlation、AI defect classification 与 OPC补偿共同完成。 EUV光学系统在13.5nm波长下，传统透镜已经完全失效。EUV系统只能使用反射式光学。这意味着整个系统必须依赖超高精度的Mo/Si multilayer mirror。这些mirror已经接近原子级精度的纳米工程结构，其表面粗糙度甚至要求达到picometer级。在EUV波长下，哪怕0.05nm级别误差，都可能影响最终成像。 因此，检测系统的光学部分也长期高度依赖 Zeiss。 随着High-NA EUV、2nm、1.4nm、更高mask复杂度以及更严重的stochastic defect推进后，mask defect对良率的影响会指数级扩大。过去很多问题还能依靠OPC补偿、process window与冗余设计容忍，未来则越来越困难。 因此整个行业对actinic inspection、mask review、pellicle inspection以及printable defect analysis的需求都会快速增长。这也是为什么有euv检测能力的公司价值都可能会进一步增长的原因。 它们是EUV时代良率控制的核心基础设施。 本文非投资建议dyor

能帮助你启动并优化 Polymarket 交易机器人的 5 个 GitHub 仓库 这些仓库将把你的基础机器人转变为一个完整的、专业的交易系统。它们涵盖了从实时监控、警报到回测、性能分析以及持续改进的所有环节。1. skharchikov/polymarket-bot 生产级监控栈，包含 Prometheus + Grafana 仪表盘。内置盈亏 (PnL)、回撤、胜率、交易次数和机器人健康状况的指标。非常适合实现 24/7 全天候可视化监控。GitHub: 2. ent0n29/polybot 深度监控与逆向工程工具包。对每个策略决策进行卓越的日志记录 + Alertmanager 警报。 帮助你快速理解机器人为何做出某些决策。GitHub: 3. buddies2705/polymarket-dashboard 简洁的实时 Next.js 仪表盘。以美观的界面展示实时市场、你的持仓、持有者及整体统计数据。GitHub: 4. evan-kolberg/prediction-market-backtesting 专门为 Polymarket 构建的强大回测框架。让你在实盘运行前，可以在历史数据上测试策略。GitHub: 5. Jon-Becker/prediction-market-analysis 最大的 Polymarket + Kalshi 公开数据集，附带即插即用的分析工具。非常适合研究市场并寻找新模式以改进你的机器人。 GitHub: 借助这五个仓库，你将实现从“我有一个机器人”到“我拥有一个稳定、透明且不断进化的交易系统”的蜕变。