每月被 Datadog 和 Elasticsearch 的账单背刺？告别这种昂贵烦恼的工具来了。 GitHub 上这个叫 OpenObserve 的项目直接火爆圈子。它是一个基于 Rust 开发的下一代全栈可观测平台，专门用来干掉昂贵的商业日志运维软件。目前在 GitHub 已经狂揽 2.0 万颗 Star，采用 AGPL-3.0 开源协议，支持单文件直接部署，几分钟就能跑起来。 存储成本暴降 140 倍：底层搞定 Parquet+S3 架构，存储占用小到夸张。 一套搞定所有监控：日志、指标、链路追踪、前端 RUM 外加大模型 LLM 监控全打包。 极其丝滑的查询：写 SQL 或 PromQL 就能查数据，完全不用重新学奇奇怪怪的自研语法。 零门槛极速部署：单个二进制文件就能扛起 TB 级数据，告别庞大笨重的集群维护。 🔗 项目链接：

【AI訓練】DeepSeek測試更高效、更安全的AI代理訓練方法 DeepSeek發文詳細介紹了一種訓練AI代理的新方法「DeepSeek Elastic Compute」（簡稱DSec），有望在提高訓練效率的同時，減少近年來引發全球擔憂的AI代理異常行為。該文發佈在通常刊登未經同行評審論文的網站arXiv上。

Creator Chain 是一条为创作者、游戏和虚拟世界量身打造的全新 Layer 2 区块链，基于 Elastic 生态构建，核心目标只有一个：让创作者在链上创作、分发和变现这件事，变得真正顺畅。 1 月，Elastic 生态将正式迎来这条专为娱乐和创作者经济打造的新链，@oncreator_的定位很明确，它不是通用型 L2，而是把娱乐、内容和虚拟世界作为第一优先级来设计的基础设施，也被视为 Web3 娱乐领域的核心阵地。 Creator Chain 的 TGE 将在 1 月正式启动，代币为 $CRTR 。它不是单纯的治理代币，而是整个生态运转的关键燃料，直接服务于创作者工具、粉丝经济和应用增长。 这条链最大的底气，来自真实的用户基础。 Creator Chain 将深度连接 ZEPETO 生态。ZEPETO 本身拥有超过 5 亿用户和 500 万以上的 KOL，再加上其加密版本 $ZTX ，这意味着主流创作者和粉丝，会被自然地引入 $CRTR 体系，而不是从零教育。 Creator Chain 上的应用，会第一次把大量 Web2 用户带进链上娱乐和 memecoin 逻辑。比如粉丝代币 Launchpad，创作者可以围绕自己的影响力发行代币，粉丝直接参与，而 $CRTR 将作为这些 Launchpad 的核心燃料。同时， $ZTX 也会作为 ZEPETO KOL 相关 memecoin 的重要支撑资产。 Creator Chain 还将承载 ZTX Live，也就是 ZEPETO Live 的加密版本。这是一个已经跑出数据的虚拟形象直播平台，当前日活超过 10 万，月交易额超过 100 万美元，并且在 10 月测试阶段就实现了超过 10% 的月度交易增长。 在 Matter Labs 的深度参与和定制化区块链支持下，这些虚拟娱乐和创作者应用，不只是上线那么简单，而是有条件实现更大规模的增长。 从参与角度看，获取 $CRTR 的核心方式非常明确： 质押 $ZTX ，是目前最直接、也是最被看好的路径。 整体来看，Creator Chain 做的不是讲故事，而是把一条为创作者而生的链，真正推到主流娱乐和虚拟世界面前。

最近 GRVT 这类“受监管 + 自主托管”的交易平台开始越来越受关注。 传统 DEX 的优势是资产掌握在自己手里，但很多人在意交易体验和合规问题；CEX 用起来方便，却需要把资金交给平台托管。GRVT 想做的，就是把两边的优势尽量结合起来：资产存放在智能合约中，由用户自己掌控，同时又引入受监管的交易框架。 项目基于 Matter Labs 的 Elastic Chain 运行，也算是最近比较有代表性的链上交易基础设施之一。对于越来越看重资产安全、透明度和交易体验的用户来说，这个方向确实值得继续观察。 目前 WEEX 已开启 GRVT 现货 0 手续费活动，总奖池 50,000 USDT，新老用户都有机会参与。奖励只限前 1,000 名，本来就在关注 GRVT 的可以顺手把活动一起做了。 活动时间：7月30日22:30—8月6日22:30（UTC+8） #WEEX# #GRVT# #DEX# #空投# 想参与的点击:

如果我要在90天内找到一份20万美元的AI工程师工作，我不会去读学位。 我会精通这10个GitHub仓库。 1. awesome-llm-apps 生产级AI指南。RAG、智能体、多模态应用，附完整代码。10.6万+ stars。 仓库 → 2. LangChain 基础框架。被Klarna、Replit、Elastic及2026年大多数AI创业公司用于生产环境。 仓库 → 3. LangGraph 驱动生产智能体的编排层。资深AI工程师岗位描述中的必备技能。 仓库 → 4. CrewAI 多智能体协调。财富500强团队首选框架。 仓库 → 5. Ollama 在自己机器上运行任何开源LLM。学习模型工作原理的最快方式。 仓库 → 6. awesome-mcp-servers MCP是2026年所有主流AI实验室采用的标准。掌握它让你领先99%的工程师。 仓库 → 7. Qdrant 大规模生产RAG使用的向量数据库。嵌入和语义搜索是AI岗位的必需技能。 仓库 → 8. AI-Agents-for-Beginners 微软免费12课程，教建立智能体。真实代码、真实练习、真实面试准备。 仓库 → 9. system-design-primer 生产级AI就是系统设计。FAANG工程师用来面试准备的仓库。 仓库 → 10. awesome-claude-code 这个工具的使用指南，现被FAANG、OpenAI、Anthropic及大多数YC创业公司内部使用。 仓库 →

AI Agent 的记忆通常是黑盒——你不知道它记了什么、存在哪、能不能直接改——EverOS，10300 个 Star，把这件事做成了一堆你能打开的 .md 文件，本地跑，不依赖任何托管服务。 一句话：给 AI Agent 装一个本地优先的持久记忆层，存的是 Markdown 文件，能读、能改、能 git diff，pip 一条命令装好。 先说两个真实在用的场景： 场景一：Claude Code / Cursor 跨会话记住你的项目 你用 Claude Code 做项目，每次开新对话它就失忆了——项目用什么技术栈、之前踩过什么坑、哪些决定是故意这样设计的，全部要重新交代。 接上 evermemos-mcp（官方生态的 MCP 集成包），EverOS 把这些上下文存成本地 .md 文件，下次打开直接继续，不用重复交代背景。 场景二：多个 AI Agent 共享一套记忆 Hive Orchestrator（官方生态项目）让 Claude Code、Codex、Gemini CLI 同时作为真实进程跑，通过 EverOS 共享同一套记忆——Agent A 做完一件事，Agent B 知道，不重复踩坑，不互相打架。 为什么 .md 文件做记忆这件事值得说： （1）Markdown 是唯一真相——所有记忆都存在 ~/.everos/ 里，用任何文本编辑器打开就能看，想删、想改直接动文件，系统自动同步索引 （2）本地三件套，断网也能跑——Markdown 原文 + SQLite 存状态 + LanceDB 做向量/BM25 混合检索，不需要 MongoDB / Redis / Elasticsearch （3）用户和 Agent 分开管——用户有自己的 episodes/profile，Agent 有 cases/skills，两套独立；检索时按 user_id / agent_id / app_id / project_id 任意维度过滤 （4）Reflection（会话间自我进化）——后台自动把零散记忆合并归类，精炼 profile 和技能库，下次召回比上次准，不是纯存取的静态记忆 （5）OpenAI 兼容接口——本地起服务后 API 格式和 OpenAI 一样，现有工具直接接，不用改调用代码 装法： pip install everos everos demo      # 先跑可视化演示，不需要 API Key# everos init      # 配 OpenRouter #+ DeepInfra 的 Key everos server start 做 AI 产品、跑多 Agent 工作流、用 Claude Code 做长期项目的兄弟，这个记忆层值得接进来试试。 好东西转给需要的兄弟。🚀 #AI# Agent #开源工具# #老杨啊分享#

盛大集团创始人陈天桥近年来在 AI 领域（尤其是“AI长期记忆”和“脑科学与 AI 交叉”方向）进行了深度布局。 他主张通过模拟人类大脑的记忆与认知机制，解决大语言模型（LLM）的“遗忘”和上下文受限问题，使 AI Agents 具备连贯、可进化且个性化的长期记忆。 旗舰开源项目：EverMemOS（智能记忆操作系统） EverMemOS 是由陈天桥旗下的 EverMind 团队推出的一款旗舰级开源、企业级智能记忆系统，被定位为未来 AI Agents 的“数据与记忆基础设施”。 1. 类脑级记忆生命周期（Engram-Inspired） EverMemOS 的设计灵感来源于人类大脑的记忆编码、巩固与提取机制，包含三个核心阶段： 情境痕迹形成（Episodic Trace Formation）：将实时的对话流转化为 MemCells。MemCells 是记忆的原子单元，用于捕获情境线索、事实以及有时效性的预测信号。 语义整合（Semantic Consolidation）：将分散的 MemCells 提炼并组织成更高维度的、具有主题性的语义结构 —— MemScenes。在这个过程中，系统会持续自动演化并更新用户画像（User Profile）。 重构式回忆（Reconstructive Recollection）：在 AI 需要决策时，通过 MemScene 引导的 Agent 检索机制重构上下文，帮助下游模型完成长周期的连贯推理。 2. 五层技术架构 EverMemOS 将长期记忆的读写流程分层管理： 代理层（Agentic Layer）：处理主动的记忆过程，如记忆提取、向量化、检索和重排序。 记忆层（Memory Layer）：管理核心存储和情境记忆，专注于 MemCells 的提取与生存周期管理。 检索层（Retrieval Layer）：负责多模态检索和对检索结果进行重排序，包括 BM25 + 向量检索的混合搜索以及 RRF（倒数排序融合）等。 业务层（Business Layer）：处理上层的业务逻辑与数据操作。 基础设施层（Infrastructure Layer）：兼容 MongoDB、Elasticsearch、Milvus、Redis 等主流数据库与缓存组件。 3. 性能与生态集成 Token 优化：充当智能注意力过滤器，在部分场景中可将上下文窗口的 Token 消耗降低多达 70%，同时在 LoCoMo 等长期记忆基准测试中达到了 SOTA 性能。 开源生态与插件：MCP（Model Context Protocol）支持：提供了 evermemos-mcp 插件，支持将 AI 编码助手（如 Claude Code、Cursor、Cline 等）接入 EverMemOS 记忆库。 Agent 框架集成：支持 OpenClaw 插件，使智能体能够自动捕获对话、调取历史记忆；同时支持 Live2D 虚拟角色记忆交互等应用。 GitHub 地址：

Creator Chain 是一条已经被真实娱乐产品用起来的创作者链，不是讲概念的。 现在这个阶段，大家其实都能感觉到，纯金融叙事已经很难持续拉新了，真正能把人留住的，还是内容、娱乐和社交。@oncreator_ 正好踩在这个时间点上，TGE 时间将在 1 月。 它来自 ZTX，也就是 ZEPETO 的 Web3 版本。而 ZEPETO 是什么量级？ 亚洲版 Roblox，累计 5 亿多用户，上面全是创作者、虚拟世界和小游戏。Creator Chain 做的事很直接：把这套已经被验证过的娱乐模式，搬到链上。 这里要分清楚角色： ZTX 负责好玩、好看、好用——游戏、Avatar、虚拟世界、直播； Creator Chain 负责背后的区块链能力——资产、收益、激励和流动性。 你看到的体验在前台，真正的价值流动在链上。 比如 ZTX Live，很多人叫它“虚拟版 + 打赏经济。已经有人靠观众用 $ZTX 打赏，每周稳定赚到钱，这不是预期，是正在发生的事。 再往大一点看，Creator Chain 在 ZK Elastic 网络里的定位也很清楚： 专注娱乐和内容，不跟其他链抢赛道，反而能共享流动性和资源，属于合作型生态。 为什么 Matter Labs 会亲自下场？原因很现实——娱乐是最容易触达主流用户的入口。Creator Chain 想做的，就是让创作者真正拥有内容和收益，让粉丝不只是流量。 至于 $CRTR ，本质是整个@oncreator_ 生态的核心连接器，目前主要通过质押 $ZTX 、持有 ZTX Genesis NFT、参与生态来获取。 放在现在这个市场环境下看，Creator Chain 更像那种不吵不闹、但一直在把事情做实的项目。 如果 Web3 真要迎来下一波用户，很可能就是从娱乐开始。