📄 又发现一个论文神器，能把英文 PDF 直接变成中英对照版，排版一点不乱 GitHub 已经揽获 9K stars 读英文论文最烦的不是看不懂，是来回切窗口。复制一段粘到翻译软件，公式变乱码，表格散架，图注跟正文对不上，读三页光切窗口就切了几十次。 BabelDOC 直接输出一份双语 PDF：可以左右并排，也可以原文一页、译文一页交替排，公式表格图形都留在原来的位置。碰到扫描件还能走 OCR，长文档会自动拆开翻完再合回去。 还能挂一份 CSV 术语表，把领域黑话统一成你认的译法，专业名词不会这一页叫「注意力机制」下一页叫「关注力机制」。 读文献的效率能直接翻倍。 GitHub：

日读论文 Prompt 技巧中的「角色扮演法」，有效，但为啥会有效呢？这篇论文给了一个解释，有意思。 ──────── The Granularity Axis: A Micro-to-Macro Latent Direction for Social Roles in LLMs 扮演非格，实是刻度 ──────── 你跟 GPT 说「你是一位忧心的家长，孩子最近沉迷手机怎么办」，它给你的答案带着具体家长的那股焦虑——「试试把手机放客厅」「和孩子聊聊他刷的都是啥」。然后你换一句：「你是世界银行行长，怎么看青少年屏幕成瘾这个全球公共健康问题」——同一个模型，瞬间换了一套口吻：跨国数据、政策杠杆、长期 GDP 影响。 这个换台的丝滑感，所有用过大模型的人都体会过。但模型脑子里究竟发生了什么？过去研究者的默认假设是：模型记住了"家长该怎么说""行长该怎么说"——每个角色对应一组语言风格的模板。如果你打开模型，应该能看到几百个角色，对应几百个独立的小堆。「扮演」就是个表面活儿——本质是模板匹配。 但 Qin 这群人翻出来的发现完全不一样。他们让模型分别"扮演"75 个角色（从最微观的"忧心的家长"到最宏观的"世界银行行长"），把每次回答时模型内部的隐藏向量都记下来，再做几何分析。结果：这 75 个角色不是几百个孤立的点——*它们排在一根直线上*。从微观到宏观，每个角色都是这根线上的一个刻度。换角色不是换一套风格模板，是沿着一把"视野远近"的尺子挪一个位置。 ──────── *"角色"不是模型的属性，是这根轴上的一个坐标。所谓"扮演谁"，本质是"挪到哪一格刻度"。* 这个洞见超出 LLM。 你在生活里"扮演角色"——CEO、父亲、咨询顾问、学生家长——之间的切换，可能也不是几百个独立模板，而是同一个你沿着几根类似的轴（粒度、时间尺度、利他度、风险偏好）调位置。模型把这件事做得这么干净，可能不是因为它特别简单，是因为它继承了人类语言里就编码了的这种结构——*我们的语言对"视野远近"这件事，本身就是个连续刻度*。

Reddit问答版：你读过的最牛逼的句子有哪些？ - 「我们看到的世界并非它原本的样子，而是我们感知到的结果。」 - 道格拉斯·亚当斯写的：「我们居住在一个深重力井的底部，生活在一颗表面被气体覆盖、绕着九千万英里外的核火球运转的行星上，却认为这很正常，这显然表明了我们的视角有多么偏颇。」 - 「人们必须想象西西弗是幸福的。」 - 「凡事适度，包括适度本身。」 - 为什么没人提赫胥黎：「人类从历史中学到的唯一教训，就是他们从未真正从历史中学到任何东西。」 - 「有时你会赢，有时你会学到东西。」 - 罗斯福说的，「对比，会偷走快乐。」 - 马其顿的腓力二世决定入侵斯巴达时，写信威胁：「如果我赢了，我将摧毁你们的农田，杀光你们的人民，夷平你们的城市，使之永不复兴。」而斯巴达的回应只有一个词：「如果。」 - 「不要把应该归因于无能的错误归因为有人害你。」 - 「有权去做一件事，和做那件事是对的，完全不是一回事。」 - 「世界上大部分工作是由那些感觉不太好的人完成的。」我不知道丘吉尔说这话时的具体语境，但独立理解的话，它在很大程度上解释了人类的处境，对许多人来说，生活就是在承受大量精神、情感和身体痛苦的同时继续前行。 - 「待售：婴儿鞋，没有穿过。」海明威是个天才。 - 几年前「卫报」办过一个比赛，让大家用六个词来写自传，有个作品让我记到现在：「离婚、破产、脊柱肿瘤。其他都好。」 - 「每一个世界都在痛苦中旋转。」科幻作家普拉切特笔下角色意识到邪恶被嵌入到宇宙结构里，整个段落对我的冲击巨大：「我正在溪流边散步，看到一只水獭妈妈和她的幼崽们，那景象非常讨人喜欢，水獭妈妈潜入水中，带出了一条肥硕的鲑鱼，并把它拖到树桩上吃——当然，那条鲑鱼还活着——鱼体裂开，我至今记得它的鱼籽溢出的那种粉红而甘甜的颜色，这让小水獭们欣喜若狂，它们争先恐后的爬过去啃食这珍馐。大自然的奇观之一，诸位。母亲与孩子正在以母亲与孩子为食。就在那时我第一次学会了什么是邪恶。它植根于宇宙的本性之中。每一个世界都在痛苦中旋转。如果真有某种造物主的存在，我对自己说，我们所有人就有责任成为比他更高尚的道德存在。」 - 必须是我女朋友发的那条短信啊：「我爸妈明天下午才回，所以如果你现在想过来，可以。」 - 「这是我父亲强加给我的，而我选择不强加给任何人。」它刻在1057年的一个阿拉伯诗人的墓碑上，阐述自己拒绝生育后代的决定。 - 「地狱空荡荡，魔鬼在人间。」 - 圣埃克苏佩里对于创作的看法：「完美不是在加无可加时达成，而是在无可再删时实现。」 - 「乔治·萨姆萨从不安的梦中醒来，发现自己已变成一只巨大的昆虫。」 - 「文明就是，一个人种下树木，即便他知道自己注定活不到坐在树荫下的那一天。」 - 「如果我们做的一切都无关紧要，那么唯有我们所做的才至关重要。」从存在主义走向乐观虚无主义的一句台词，这个世界上没有那么多设计好的回报等着你，也不会有一块计分板给你统计分数，你的所作所为并不重要，所以重要的是你在此时、此刻、在这一辈子里做了什么。 - 「党叫你去否认眼睛见到和耳朵听到的一切。这是他们最后的、最重要的命令。」来自乔治·奥威尔。 - 某个老哥之前发贴分享一次差点让自己死掉的车祸，其中有句话让我怎么都忘不掉：「当我捡回一条命开车下山时，我的屁眼像是章鱼触手上的吸盘那样死死黏在座位上，我真是太高兴回到主路了。」 - 「上班让越来越多的人觉得，他们当初选择从树上下来是一个巨大的错误。」 source:r/AskReddit/comments/1up7i3a/what_is_the_greatest_sentence_ever_written_in/

身弱之人，切记：求印不求财，一旦破局，即是巅峰。 我有个朋友，做电商的。上次见面吓我一跳，三十出头的人，看着像四十多。 他说自己每天一睁眼就是数据、流量、推广费，闭眼就是库存、账期、现金流。像个陀螺，被一根看不见的鞭子抽着，停不下来。 他问我：“我创业是为了赚钱，怎么现在赚的钱全变成了库存和下个月的推广费？自己能花的，还没上班时候多。” 我说：“那你别干了呗。” 他苦笑：“停下来公司就倒了。” 我说：“你这就是典型的——越努力，越没钱。” 古人早就说过：身弱不担财。 不是身体弱，而是你的内核——能量、心性、底子还太薄。 一棵小树苗，根都没扎稳，就想扛狂风暴雨，结果不是长得快，而是连根拔起。 很多人突然抓到风口，一夜暴富，然后迅速迷失，德不配位，最后连本带利还回去，还背一屁股债。 为什么？因为你的CPU带不动那么大的软件，一运行就死机。 所以，身弱的人，别急着求财。先求印。 印是什么？说白了就三样：身体、认知、心性。这些是给你“充电”的，而不是消耗你的。 你花一年时间读一百本书，一分钱不赚，但脑子变了； 每天早睡早起、好好吃饭，业绩没涨，但身体变了； 每天静坐半小时，不刷手机，心定了。 这些东西短期内看不到钱，但它们是地基。没有地基，你盖多高的楼，倒得多快。 我给那个做电商的朋友开了三个方子： ① 养身体，关掉熬夜模式 把所有功能饮料和咖啡扔掉。晚上11点前必须躺下，早上起来第一件事不是看手机，而是去户外走一小时。自己做饭，停掉外卖。 身体是你唯一的本钱，你把它折腾垮了，财神来了也进不了门。 ② 洗认知，取关所有“教你赚钱”的大V 把手机里所有讲引流、爆款、快速变现的账号全取关，吹水群也全部退出。 我给他推荐了三本书：《道德经》《曾国藩家书》《毛选》。每天读三个小时，一个字一个字读。 这些不教你怎么赚钱，但教你什么是规律、什么是人性、什么是真正的长期主义。当你脑子里装的是“道”，心就定了。你不追风口，风自然会来找你。 ③ 修心性，每天给自己一小时“发呆时间” 关掉手机，不看书，不听音乐，就静静坐着。观察自己的念头，看那些焦虑、恐惧、嫉妒、着急是怎么冒出来的。 当你能看着情绪起来，而不被它带着跑，你就赢了。这份定力，是你最值钱的护身符。 朋友半信半疑，还是照做了。他把公司交给副手，自己退下来半年。 头一个月他特别痛苦，像废人一样想看数据，但他忍住了。 一个月后，睡眠好了，吃饭香了。 三个月后，他说能看进去《道德经》了，发现里面全是做生意的智慧。 半年后回公司，所有人都说他变了：不急了，不吼了，更沉稳了。 他砍掉80%的产品线，只留几款利润最高、复购最好的。把省下来的推广费全砸到产品研发和客户服务上。 一年后，销售额没暴涨，但利润率翻了三倍，现金流健康得要命。他自己每天下午三点就下班，回家喝茶、看书、陪家人。赚的钱比以前多，却轻松了一百倍。 他从一个被事业拖着走的“陀螺”，变成了驾驭事业的人。他破局了。 这个时代，所有人都催你快、催你抓风口、催你马上变现。 很少有人告诉你：要慢下来，先把自己养成一个能量具足的人。 竹子用了好几年，只在地底下长根。一旦破土，几天就能蹿成参天大树。 你花在“求印”上的所有时间，都不会浪费。你在给自己修一个越来越深、越来越大的能量水库。 当水库蓄满了水，你破局的时刻就到了。 以前你求着别人合作，以后别人排着队来找你； 以前你做什么都觉得累，以后你有用不完的精力； 以前你总怕错过风口，以后你自己就是风口。 这个时候，财不是你去追的，而是它来追你。 你不再需要追逐光，因为你本身，就可以发光。 愿你也能耐得住寂寞，把自己养“强”。 然后，一击破局。

让 Claude 真正"看"一段视频，不只是读字幕——claude-real-video，上过 Hacker News 首页（硅谷最大的程序员技术社区），本地跑一行命令，把视频转成 Claude 真正能看懂的格式：只抽有变化的帧、自动去重、带时间戳转录，粘进去直接问。 一句话：本地提取视频里"真正有变化的帧"+ 自动去重 + 转文字，生成一个文件夹，粘进 Claude / ChatGPT / Gemini 就能真正分析视频内容，不依赖任何云服务。 为什么"固定帧率"这件事是个坑： 一段 58 秒的视频，每秒取一帧 = 58 张图，里面大量是重复或近似画面，白白占 token；快剪 Reel 里两帧之间 0.3 秒一个画面切换，1fps 完全漏掉。这个工具的逻辑不一样： （1）场景变化检测，不是固定帧率——只在画面真正发生变化时抓帧，一段静态讲解视频可能整段只抽 1 帧，一段 Reel 快剪则每个镜头都抓到 （2）滑动窗口去重——A-B-A 式剪辑（镜头切走再切回来）不会把同一个画面发两遍，同一个 shot 只出现一次 （3）--grid 把帧打包成接触页——9 帧一张，用 3 张接触页代替 26 张散图，token 更省，AI 读的是连续序列不是散图 （4）Whisper 转录——有字幕文件就用字幕，没有就跑 Whisper，支持自动语言检测，transcript 带时间戳 （5）完全本地运行——处理全部在你机器上，你决定把哪些内容粘到 LLM，没有任何东西自动上传 （6）支持 URL 直接输入——YouTube、Instagram Reel、TikTok、本地文件都行，背后是 yt-dlp，带 --cookies 支持需要登录的内容 一行命令跑起来： pip install claude-real-video crv "" # → crv-out#/frames/*.jpg + transcript.txt + MANIFEST.txt 把 frames 文件夹 + MANIFEST.txt 拖进 Claude / ChatGPT / Gemini，直接问。 不想用命令行也有 Web UI：crv-web 打开本地页面，粘链接点分析。 想用 Claude Code 直接分析视频——装进去当 Skill，对话里粘个链接就行： mkdir -p ~/.claude/skills && cp -r skills/claude-real-video ~/.claude/skills/ 经常需要让 AI 分析视频内容、拆解别人 Reel 的拍摄方式、或者提取视频里关键画面的兄弟，这个工具值得装一下。 好东西转给需要的兄弟。🚀 #Claude代码# #AI工具# #老杨啊分享#

留学生发明「报吃」黑话骗过 AI，结果把全行业大模型都整崩溃了 莎士比亚它能逐行解析，却读不懂一句“几乎可以媲美我高中食堂”里，那点咬牙切齿的嘲讽。 —— 与龙共弈 最近，自然语言处理（NLP）圈被一篇论文轻轻将了一军。宾夕法尼亚大学和华盛顿大学的研究者发现：在评估主流大模型对中文在线评论的理解能力时，只要用户稍微用暗号，用一套只有圈内人才懂的编码语言写差评，几乎所有模型都瞬间瞎了。 这篇论文已被ACL 2026收录，它是计算语言学的顶级会议，能被它收，说明这事不是段子，是真问题。 更扎心的是这些模型能写代码、能翻译古籍、能在律师资格考试里吊打人类，却在这饭到底好不好吃这种问题上栽了跟头。 当差评可以被删除：一套黑话的诞生 故事要从谷歌地图的一个机制说起。在海外，谷歌地图的商家评论区长期存在差评可删的灰色空间，只要评论触发某些规则，商家或平台就可能把它移除。 于是，一群在海外生活的中国留学生，想出了一个朴素又聪明的办法：把差评用正面内容包起来，再用只有中国人能懂的暗号传递真实态度。 英文写Newspaper eat（字面：报纸吃），对应中文谐音报吃，意思就是这饭不好吃。 有人用藏头诗写好评：每句首字连起来，才是真正的差评。 还有人更硬核：用米粒在桌上摆出字，拍照配五星，图里的字才是真心话。 表面是五星、是夸赞、是报纸吃这样莫名其妙的句子，背后，是一群人对一套不公机制的集体幽默反抗。 这不是孤例，论文团队在真实评论里捞到大量这类编码语言，它们共用一个特征：字面意思与真实意图完全相反，且高度依赖社群共识。 7744 条评论实测：大模型全军覆没 光有轶事不够，研究者做了硬核实验，他们收集了7744 条真实中文评论，其中900 条属于各类编码语言（黑话、谐音、藏头、反讽）。 然后，他们把这些评论喂给一众主流大模型，让模型判断评论的真实情感倾向（正面 / 负面）。 结果，用论文作者的话说，是断崖式下跌，在普通评论上还能打八、九十分的大模型，一旦遇到编码语言，准确率直接跳水。 核心结论：大模型并不是变笨了，是它从未真正学过这套语言。当真实意图被藏进字面相反的表述里，依赖统计规律的模型就只能举手投降。 病根在哪：Transformer 的阿喀琉斯之踵 为什么连 GPT 级别的大模型都会翻车？论文把矛头指向了几个结构性原因。 局部语义强，跨句整合弱 Transformer 的核心机制是注意力（attention），它对单个词、相邻几个词的关系把握得很好。但一旦真实意思散落在字面是五星 + 图片里一行米粒字 + 评论区的社群语境之间，模型就拼不出完整拼图。它看得见每一块碎片，却读不懂整幅画。 训练数据里，黑话占比极低 大模型的世界观来自训练语料。而像报吃米粒摆字这类活在日常、长在社群的表达，几乎没有进入高质量训练集。模型没见过，自然不懂。 最棘手的映射关系动态演化 Newspaper eat → 报吃 → 不好吃这样的对应关系，不是字典里固定的，是网民实时共创、随时改写的。今天报吃是暗号，明天可能就换了说法。对靠静态语料训练的模型来说，这是一道追不上的移动靶。 模型读得懂词典，却读不懂人间。语言不是死的符号，是活的关系。 当机器学会了读书，却读不懂人 这篇论文最值得玩味的地方，不在于AI 又翻车了，翻车年年有。它真正提醒我们的，是人工智能的理解，和人类的理解，根本不是一回事。 我们读懂报吃，靠的是共情、社群经验，是知道一个人不会无缘无故夸一家难吃的店。而模型读懂一句话，靠的是它见过的千万次统计。当真实世界比训练集更复杂、更狡黠、更有人味，差距就暴露了。 人之聪明，多失于浮炫。——《金史》　 再聪明的系统，一旦困在字面的浮光里，也会在真正的深意面前失语。 所以，下次看到 AI 妙笔生花，不妨想起那句：几乎可以媲美我高中食堂。它写得越漂亮，越提醒我们：真正的理解，从来不只是读懂字，更是读懂字背后那个人。 #AI# #AIAgent# @grok @xai

币安最近发布了一个《无国界金融 Finance Without Frontiers》的报告，读下来最大的感受是：Crypto 真正的主战场，可能不是「炒币」，而是金融入口重构。 核心逻辑是，全球仍有大量人被传统金融系统排除在外。在这些地区，链上金融并不是传统金融的的补充，而是正在成为新的金融基础设施。 世界银行的数据，全球有 13 亿成年人没有银行账户，占全球成年人口的 21%；其中 73% 位于中低收入国家。 而「没有银行账户」只是表层问题，更大的问题是 underbanked：有账户但缺乏信贷、数字支付、有息储蓄、跨境服务等能力。报告中说，有 47 亿成年人缺乏信贷或贷款渠道，36 亿中低收入国家成年人不用数字支付或银行卡，约 14 亿储户没有从存款中获得利息。 这就是报告的第一个洞察：金融普惠的问题，已经不是「有没有银行账户」这么简单，而是有没有真正可用的支付、储蓄、信贷、投资和跨境金融服务。 而链上金融的切入点，正是在这里。 全球无银行账户人群中，约 9 亿人拥有手机，约 5.3 亿人拥有智能手机。也就是说，大量没有被银行覆盖的人，其实已经具备进入自托管钱包和全球加密交易平台的硬件条件。金融服务的瓶颈，正在从「线下网点覆盖」转向「移动端产品体验 + 监管清晰度」 第二个场景是，跨境支付和汇款 传统 SWIFT 跨境转账最低成本约 20 美元，且结算需要数天，这对大量中低收入、小额汇款而言，成本实在太高了。而在高性能区块链上，稳定币转账成本可以低至 0.0001 美元，并且近乎即时结算。这也是为什么，稳定币发行量纷纷发行公链: Artemis 的数据显示，稳定币交易量已经在 2024 年超过 Visa，接近每月 8 万亿美元的规模。 第三个场景是，资本市场准入及机会 全球约有 6.3 亿成年人拥有线上券商账户，但真正能方便接触美国市场的人更少；而美国股票市场约占全球股票市值的一半。优质公司股权上链，可以一定程度缓解这种错配：让更多非美国本土投资者通过 24/7 交易、碎片化持有等方式拥有美股资产。 Altrata 的数据说，美国年收入超过 1 亿美元的公司中，87% 是私营公司；Apollo 数据显示，2024 和 2025 年 IPO 公司的中位年龄已经从 8 年上升到 14 年。这意味着，越来越多价值创造发生在公司 IPO 之前，而普通散户往往等到 IPO 后才有机会接盘。 去年我做了个视频说，我期待链上化 × 合规化两大趋势进行融合，也就是 ICO 的合规化，这也是 Project Crypto 的主旨思路之一 第四个方向，是 AI Agent 与可编程金融 未来每个人都会有多个 AI Agent，这又需要三种链上能力：可编程货币、无许可身份、可组合结算。因为传统卡组织存在成本底线，例如 Visa 小额支付成本约 30 美分，而 USDC 纳米支付可以处理约 0.0001 美元级别交易。 自 2025 年以来已有超过 1.7 万个 Agent 被启动，约 19% 的链上活动已是自动化或 Agentic 活动，76% 的稳定币转账量由 bot 驱动。 币安自身的一些业务数据，也跟这些趋势是一致的： 2020 年，Binance 用户中来自新兴市场的比例是 49%；到 2026 年，这一比例升至 77%。活跃使用两个以上产品的用户占总活跃用户 24%，使用三个以上产品的用户占 14%；而这些多产品用户中，83% 来自新兴市场。 更有意思的是，稳定币正在被当作一种「储蓄工具」使用。在币安，账户余额至少 10 美元的用户中，约 28% 的人至少一半资产配置在稳定币中；这个比例从 2020 年的 4% 上升到 2026 年的 28%。在新兴市场，这一比例达到 36%；全球稳定币储蓄型用户中，73% 来自新兴市场。 上面这些趋势和数据中，就是新的创业机会、投资方向： 第一，稳定币支付、跨境汇款的基础设施，这个不懂多说，稳定币的优势太大了。 第二，面向新兴市场的移动端金融入口。那几十亿无银行账户的人，关注的并不是哪个币能涨 10 倍，而是能有基础的金融工具 (储蓄 + 支付)。 第三，Pre-IPO 公司的股权上链。核心逻辑是：全球最大可投资资产集中在少数市场，但潜在需求分布在全球；而且公司上市越来越晚，普通投资者越来希望参与早期价值创造。我之前介绍过的 Jarsy ( 和 Tessera ( 等公司都是在这个领域创业。 第四，AI Agent 支付与身份基础设施。 报告已经把 AI Agent 视为一种新的经济参与者，而链上系统提供了纳米支付、身份验证和可组合结算能力。 这个过程中，也会有超级 app 的涌现，比如新兴市场用户更倾向于把 Binance 这类平台作为「储蓄 + 支付 + 投资」的综合金融栈，而不是单纯的交易所。 也许未来山寨币暴富的机会变少了，但区块链这个技术会更多维度地改变新兴市场用户的生活，尤其是在支付、储蓄、投资、私募市场和 AI Agent 经济方面，重新被打包成一种全球可访问的金融基础设施。

还在苦哈哈地看美剧学英语，遇到听不懂的句子疯狂狂按左方向键倒退、为了查个生词来回切词典切到心态崩溃？或者只是被动地开着双语字幕当背景音，看完除了剧情啥也没记住？赶紧把那种自欺欺人的“被动式”英语学习法连夜送进碎纸机！ ⚰️ 推荐一款专为硬核外语学习者和极客老哥量身定制的点读式外挂神器：SubTap（字幕点读器）！直接把传统的“看视频”变成高能的“哪里不会点哪里”。 🚀 让你听力词汇狂飙的硬核大招： 🎧 指尖精准爆破，句子级点读：只需载入你的音视频和字幕文件，点击屏幕上的任意一句外文字幕，视频就会精准跳过去只播放这一句！ 🌈 内置分级词库，生词智能着色：自带了硬核的分级词库！它会自动扫描整篇字幕，并按照难度给生词进行高亮着色。 🧠 逆向重塑“主动学习”回路：摒弃掉被动灌输。它的核心逻辑是让你“先读句，再点听” 🪶 单 HTML 文件，离线即插即用：不需要安装任何服务端 开源轻量。想要甩掉中文翻译拐杖、把手里的每一份音视频素材都无情榨干学习价值的老哥们，赶紧去把它狠狠焊死在你的浏览器里👇 🔗 在线体验直达： 🔗 开源仓库直达： #SubTap# #英语学习# #点读机# #开源# #GitHub# #单文件# #前端黑科技# #效率工具# #自学利器#

🔤 翻译圈的外挂来了！这个开源神器让你在任何软件里划词就能翻译——Pot GitHub 狂揽 19K star，完全免费开源。 平时看英文文档、读论文、逛外网，遇到不懂的词就得复制、切到翻译网站、粘贴、再切回来，一套动作打断好几次思路。Pot 直接常驻后台，你在哪个软件里划中一段字，翻译结果立刻弹出来；连图片和截图里的文字也能 OCR 出来再翻，PDF 里选不中的字终于有救了。 它最狠的是能同时接入 OpenAI、Gemini、DeepL、Google、百度等一堆引擎并行出结果，一屏对比谁翻得准；生词还能一键导出到 Anki、欧路词典。 划词翻译用顺了，再也回不去复制粘贴的日子。 GitHub：

📰 兄弟们，发现一个能把全网热点聚到一个页面的开源神器——NewsNow GitHub 已经狂揽 21K star，热度一直没下来。 以前想知道今天大家都在聊什么，得挨个刷十几个 App 和网站，来回切换看完半小时过去了。NewsNow 把各大平台的实时热榜抓进一个干净页面，按国内、国际、科技、财经分类排好，打开一眼扫完就知道今天的风向。 它默认每 30 分钟更新一次，登录后还能手动强刷；更妙的是支持 MCP 接入，意味着你可以让 Claude 这类 AI 直接来读这些实时热点，不用自己复制粘贴。 信息过载的时代，能一屏看完全网热点本身就是效率。 GitHub：