註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 2,Star
2,Star 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 2,Star 的搜尋結果
推荐体验:开源一个元Skill,就是生成 Skill 的 Skill。 虽然 Anthropic 官方也有skill-creator,但功能不够强大。 skill初始版由我搭档姚老师,用今年泄露的claude code源码分析后创作,并研究整合了OpenAI、Gemini等官方Skill的最佳实践。 无论触发率、准确性、格式校验都青出于蓝。 我在此skill基础上迭代,增加了 生成skill时会先搜索这些网站的热门skill,站在巨人肩膀,经测试,生成的skill质量很不错。 同时支持发布到Github,生成npx安装指令,API泄露检查,一个skill搞定生成、分享工作。 安装指令: npx skills add joeseesun/qiaomu-meta-skill 开源地址: 姚老师原版(已有2.2 star): 建议fork按自己想法修改使用,这更符合skill的理念与哲学。
顯示更多
0
34
397
85
轉發到社區
Aster 昨天最高暴涨20%,现在又回落了 详细梳理一下Aster 的暴涨事件 1/ 起因是有KOL 翻出了CZ之前的一段采访视频。 CZ当时说:“Hyperliquid的发明很棒,占据了Binance无法竞争的利基(无KYC、去中心化),我不会做他们做的事,因为我经历过监管 Star Xu直接引用这段视频开撕 2/ Star 的主帖核心内容:“Is CZ lying to the public again?他自己都说清楚了监管风险有多大,结果却搞出来一个叫@Aster_DEX的壳公司,几乎完全照@HyperliquidX 的模式。 3/ Aster DEX官方回应(同日):Aster CEO @Leonard_Aster直接在Star帖下回复: CZ是Aster的公开顾问,多次公开说过,没有任何隐瞒。 Aster是独立运营的DEX,在公开市场公平竞争,不是抄袭。 他们有自己的独特功能,比如链上隐私、其他平台没有的市场。 最后一句:鼓励大家亲自去产品里体验,同时还推出了拉人大赛,这个大赛有10万美金的奖励,并且不要去IP,没有任何限制 4/ 同时,Binance方面迅速反击 @heyibinance 何一直接发帖:“Star bought 8M impressions on X all just to warm up the audience for Aster. 由于老徐的帖子不知道是谁买了推广,并被人截图,一姐调侃,Star买了8M推广给Aster,你们这……? 意思很明显:Star 买了800万推广来送流量了,你们一定要接住了 5/ 在一姐发话后,Aster 顺势公布了自己销毁的新方案,99%的手续费回购与销毁 要知道hype 的回购都只是97%,hype 的99%真的是很胆大了 我还顺便查了下,Aster 要销毁50亿流通盘需要多久,到时候Aster 的价格是多少? 结果显示是熊市状态下需要4年左右,如果用户爆发只需要2年,并且销毁完成后ASTER 的价格会涨到最少3美金 6/ 在star,一姐,ASTER CEO 的轮番流量+销毁利好的情况下,Aster 直接暴涨20%,冲到0.8的位置 可惜,还差0.15刀,cz就回本了 最后说一说我对aster 的看法,我准备买100万个压压惊 🤣🤣🤣
顯示更多
0
77
39
6
轉發到社區
GitHub 2.6w+ Star 的开源项目OpenHuman 这不就是很多人想要的个人 AI 操作系统吗? 它不是普通聊天机器人,是想把你的 Gmail、Notion、GitHub、Slack、日历、Drive 等信息接进来,整理成一棵长期记忆树。 AI 不再只是临时回答你一句,它能慢慢记住:你在做什么项目、关注什么方向、常用哪些工具、过去做过哪些判断。 这对我这种每天研究 AI 项目、写推文、整理资料的人来说,就是刚需。 现在大部分 AI 助手最大的问题,不是不够聪明,是每次都像失忆。 OpenHuman 还在 Early Beta,肯定有坑,这个方向我很看好:未来真正有价值的 AI 助手,一定不是更会聊天,而是更懂你。 项目:
顯示更多
0
44
45
0
轉發到社區
吴说获悉,以太坊 Layer 2 网络 Starknet 宣布上线隐私框架 STRK20,支持用户对任意资产进行隐私处理,开发者可通过 SDK 和钱包 API 接入。用户进入隐私池前需接受审查,池内活动保持加密;只有在收到有效合法请求并经过独立评估后,才会披露指定用户、转账或时间范围内的信息。Starknet 称,该机制可用于资金来源审计和被盗资产调查,同时避免暴露无关用户的数据。
顯示更多
不到 4 个月拿下近 1.2 万 Star:Archify 把 AI 画架构图做到了极致~ Archify 是一个把复杂的代码关系整理成漂亮、可交互的架构图、流程图、时序图、数据流图等,方便理解项目、做技术评审或写文档。 让 AI 读代码,再把系统怎么运行画清楚。 PS:这个仓库对于有架构图需求的同学不能太友好了,可以收藏。 Github地址见评论区👇👇👇
顯示更多
0
20
248
45
轉發到社區
马斯克牛逼,Grok build开源了,目前有2.2k Star。 交给 Codex 学习,看能不能挖到有趣的东西。
0
53
637
87
轉發到社區
⛰️ 太惊艳了,微软的 TRELLIS.2 能把一张平面图直接变成能上手用的 3D 资产。 GitHub 上 1.2 万 star,一千四百多个 fork,背后有论文(arXiv 2512.14692),40 亿参数的模型权重和在线演示都放了出来。 做 3D 的朋友最清楚,以前拿一张参考图起模型,要先建基础形体,再手动缝拓扑、补 UV,最后一张张贴材质,一个道具磨一天不稀奇。TRELLIS.2 用的是一种叫 O-Voxel 的稀疏体素结构,开放表面、非 manifold 的几何、内部封闭结构都能直接生成,不用先做有损转换;出来的东西带完整 PBR 材质,粗糙度、金属度、透明度都在里面,渲染出来有透明效果也不用返工。 速度写得很实在:在 H100 上 512³ 分辨率约 3 秒,1024³ 约 17 秒,1536³ 约 60 秒。门槛也没藏着,目前只在 Linux 上测过,显卡至少要 24GB 显存,A100 和 H100 上验证过。 模型和代码按 MIT 许可放出来,这种大方程度不多见。 GitHub:
顯示更多
0
8
580
84
轉發到社區
🔒 真香,把录音丢进去直接出笔记,全程不联网 GitHub 上 2.2K stars 听两小时的播客或者网课,真正想留下的可能就那几段。手动记要暂停回放,用在线转写工具又得把音频传上去,涉及公司会议或者私人内容时就不太敢用。 AudioNotes 整套跑在本机。上传音频或视频,它先出文字稿,再整理成 Markdown 笔记,之后还能就着内容直接提问,对话历史也存着。浏览器录音、领域热词这些都支持,专业名词转错的问题能靠热词修掉。 之所以能全本地,是因为语音识别用 FunASR,语言模型走 Ollama,默认配置是 FunAudioLLM/Fun-ASR-Nano-2512 加 qwen3.5:2b。音视频、文字稿、笔记和对话历史默认全部留在本机,网页服务也只监听本地地址。 部署给了 Docker 和 Python 3.12 源码两条路,默认端口 15433,Docker 版初始账号密码都是 admin,装完记得先改。首次使用需要联网下载镜像和模型,语音模型约 2.15GB。 能本地跑的工具,才敢拿来处理真正重要的东西。 GitHub:
顯示更多
0
13
475
112
轉發到社區
淘到一个狠项目。 Godot,一个 11.2 万 stars 的开源游戏引擎,MIT 协议,全免费。 Unity 一年订阅费够你雇一个程序员,但这玩意儿直接全免。它表面看是个免费游戏引擎,说白了就是 Unity 的平替。 但免费只是表面。 Godot 的 2D 引擎是它最硬的底牌。专属 2D 渲染,像素坐标直接控制,不套 3D 管线模拟。 做 2D 游戏的都懂, Unity 那套 2D 是 3D 引擎上盖了层薄皮。Godot 反过来,2D 引擎从根上就是 2D 的。节点架构也干净。场景树组织一切,一个节点一个职责。 没拿投资没收版税,纯靠社区捐赠活了 12 年。stars 货真价实,开发者都用脚投票的。 ai 时代对普通人来说,这事儿很简单:你想做游戏,以前得先凑一笔引擎钱。现在不用了。 下一个安装包,几十兆,双击打开,建项目直接开干。 官方文档里有个 Your first 2D game 教程,跟着走,30 分钟就能跑通一个会动的小角色了,看我做的小视频,在 mac 电脑运行,非常出色。而且,做出来的游戏全是你的,没人抽成,没人管你赚了多少。 别只收藏。今晚下一个编辑器,跑一遍入门教程。30 分钟你就能判断这玩意儿适不适合你的下一个项目。
顯示更多
0
50
652
98
轉發到社區
📕 扫描版的老书,能整本转成 Markdown 或 EPUB GitHub 上 6.2K stars 手上有一堆扫描版的旧书和资料,问题是它们本质上是一叠图片:搜不了、复制不了、在手机上看要不停放大挪位置。想转成电子书,普通 OCR 一碰到表格就散、遇到公式就废,转出来还得手工修半天。 PDF Craft 专门冲着扫描书籍去的。它基于 DeepSeek OCR 做识别,表格和公式都在处理范围内。转 Markdown 或 EPUB 时,封面、脚注、目录识别、表格渲染和公式渲染都能配置。EPUB 这边给的选项很细:表格可以用 HTML 也可以直接裁原图,公式可以走 MathML、SVG 或者原图裁剪,识别不准的时候至少还能保留原样。 OCR 有本地和云端两条路,本地跑需要支持 CUDA 的 PyTorch 环境,模型从 Hugging Face 下载,支持自定义缓存目录和离线加载;不想折腾环境就接兼容 OpenAI 接口的云端服务。PDF 解析和渲染默认依赖 Poppler 和 pdf2image。 版本上有个变化要注意:v1.0.0 起移除了 LLM 文本纠错,改用 DeepSeek OCR,还想要旧版纠错功能的话用 v0.2.8。MIT 协议。 书数字化了才算真正属于你。 GitHub:
顯示更多