Ren
@Ryrenz
🇺🇸 美国全栈程序员 💻
⚙️ 整理小白能懂的优质 AI 教程 📚
📢 持续挖掘实用的 AI 提效方式 🤖
💰 分享我关于投资、副业、职场的思考 🧠
📝 开源我所有的内容创作与 AI 变现经验 📈
672 正在關注 8.3K 粉絲
📑 兄弟们，这个扩展能把技术文章整篇导出成 Markdown
GitHub 上 4.1K stars
看到一篇好文章想存进自己的知识库，复制粘贴过来格式全乱：代码块变成纯文本，图片只剩个链接，标题层级全丢。收藏夹一存了之，等于没存。
CodeBox 是个浏览器扩展，把文章整篇导出成 HTML、Markdown 或者 PDF。覆盖的站点是国内技术圈常去的那批：微信、掘金、CSDN、知乎、简书、博客园、51CTO、脚本之家、PHP 中文网。
顺带解决了另一个烦人的事：很多站点的代码块要么禁止复制，要么折叠起来只显示几行。它把代码复制、代码块展开都做了，还能自定义 CSS 和批量下载图片。
Chrome、Edge、Firefox 和 360 都有版本。
存下来能读的才叫收藏。
GitHub：
顯示更多
🎬 我去，用一句话就能从几小时素材里找出想要的片段
MIT 协议，Whisper 转录加大模型分析
剪长视频最痛苦的一步是找素材。几个小时的录像，想找出所有讲到某个话题的片段，只能拖时间轴一段段试听，一下午就耗在这上面。
PreenCut 把这件事变成搜索：先用 Whisper 把音频转成文字，再让大模型分析、分段、总结，之后你直接用自然语言检索，找到的片段能导出也能合并，还能出 SRT 字幕。批量处理和重新分析都支持。
格式吃得挺全，mp4、avi、mov、mkv、ts、mxf 这些视频，加上 mp3、wav、flac 音频，底层靠 FFmpeg。界面给了 Gradio 网页版，也留了 REST API 方便接进自己的流程。
素材能被搜索之后，剪辑才算进入现代。
GitHub：
顯示更多
🖌️ 百度把自家的文生图模型开源了，权重直接放出来
80 亿参数的单流扩散 Transformer，GenEval 总分 0.8856
国内能拿到开放权重的文生图模型本来就不多，能把中文长文本渲染好的更少。想在图里放一句中文标语，出来经常是缺笔画的字符。
ERNIE-Image 在这块的成绩不错，LongTextBench 中英文平均分拿到 0.9733。它放了两个版本：标准版推理 50 步、CFG 4.0，追求质量；Turbo 版经过 DMD 和强化学习优化，8 步、CFG 1.0 就能出图，快得多。
生态接得也够全：Diffusers 和 SGLang 支持调用部署，ComfyUI 有 Turbo 版工作流模板，Unsloth 能构建 GGUF 权重，AI-Toolkit 支持微调。Apache 2.0 协议。
模型开源这件事上，权重放出来才算数。
GitHub：
顯示更多
🧩 真香，7 个能直接抄的界面实验，附一套 shadcn 模板
GitHub 上 1.4K stars
做后台或者工具类界面，最耗时间的往往不是写逻辑，是纠结布局：这个日历该怎么排，这张 K 线图配什么控件，聊天界面的消息流怎么组织。从零想设计，一天就没了。
这个仓库放的是七个成品级的界面实验：Schema Visualizer、Event Calendar、Candlestick Chart、Crypto Wallet、SaaS Dashboard、AI Chat 和 Dark Table。都是按时间顺序排的，能看到作者的思路演进。
配套还给了一个基于 shadcn/ui 的 monorepo 模板，用 pnpm 和 shadcn CLI 初始化，组件放在 packages/ui/src/components 里通过 @workspace/ui 导入，拿来就能起项目。
有个前提要说清楚：个人和商业项目都能用，但不允许整体或部分重新分发、转售。
设计这事，看过好的才做得出好的。
GitHub：
顯示更多
📖 让 AI 逐页读完一本 PDF，边读边攒知识库
GitHub 上 2.3K stars
想让 AI 帮你读一本几百页的书，直接整本丢进去，它大概率给你一段泛泛而谈的概述，细节全糊了。上下文窗口就那么大，塞不下的部分它只能装作读过。
这个脚本换了个笨办法，也是有效的办法：一页一页处理，每页提取出知识点，攒进一个 JSON 知识库；每隔若干页生成一次阶段性摘要，最后再出一份完整摘要，Markdown 存盘。
它还留了几个实用开关：处理页面和生成摘要可以指定不同的模型，中断了能载入已有知识库继续处理，测试时可以只跑前几页看效果。
读书这件事，AI 也得一页一页来。
GitHub：
顯示更多
📝 炸裂，丢个视频链接进去，出来的是整理好的文字稿和摘要
GitHub 上 3K stars
想吸收一个两小时的播客或者长视频，倍速听完还是记不住重点。找现成的字幕，机器转的满篇错别字，还得自己顺一遍。
这个项目的流程是：丢链接进去，它优先扒平台原生字幕，没有字幕就用 Faster-Whisper 转录音频，然后再用大模型把转录文本优化一遍、生成多语言摘要，原文和摘要语言不一致时还顺手翻译。
来源覆盖 YouTube、TikTok、哔哩哔哩、Apple Podcasts、SoundCloud，以及其他 yt-dlp 支持的平台，本地文件也能传，默认单文件上限 200 MB。后端是 FastAPI 配 yt-dlp、FFmpeg 和 Faster-Whisper，本地装、Docker 部署都行。
信息过载的年代，能自动做摘要的工具就是时间机器。
GitHub：
顯示更多
⬇️ 给 yt-dlp 套了个图形界面，不用记命令行参数了
GitHub 上 6.8K stars
yt-dlp 强是真强，但每次用都得翻文档：格式代码怎么写、字幕参数是哪个、要不要加 --merge-output-format。下一个视频而已，先花五分钟拼命令。
Parabolic 就是它的图形前端：yt-dlp 支持的几百个网站照单全收，格式给了 mp4、webm、mp3、opus、flac、wav，元数据和字幕勾一下就带上，还能同时跑多个下载任务。
覆盖面也够广，GNOME 和 Windows WinUI 两套原生界面，另外还做了 Chrome 和 Firefox 扩展。Linux 走 Flathub，Windows 和 macOS 在 GitHub Releases 拿。
好工具配个好界面，能多救活一批用户。
GitHub：
顯示更多
🔊 又挖到一个好东西，能把 epub 电子书转成有声书
GitHub 上 8.3K stars
买了一堆电子书堆在硬盘里没时间看，通勤路上又只能刷手机。市面上的有声书要么没有你想听的那本，要么单本就要几十块。
Audiblez 用 Kokoro-82M 这个语音合成模型，把 EPUB 直接转成 M4B 有声书文件。语速能在 0.5 到 2.0 之间调，还能挑章节单独转。命令行和图形界面都给了，CPU 能跑，有 N 卡的话走 PyTorch CUDA 会快很多。
语言支持得挺全：美式英语、英式英语、西班牙语、法语、印地语、意大利语、日语、巴西葡萄牙语和普通话。
积灰的电子书，换个方式就能重新读起来。
GitHub：
顯示更多
✂️ 截图神器，框完就能直接在图上标注，跨三个系统
GitHub 上 30.6K stars
给同事指一个界面上的问题，标准流程是：系统截图、打开图片编辑器、画个箭头、加行字、导出、再粘贴。六步下来，人已经忘了本来想说什么。
Flameshot 把这些合成一步：框选的同时就能标注，画完直接进剪贴板。延迟截图、全屏截图都有，Windows 上还额外给了个 flameshot-cli.exe 用来输出控制台文本。
隐私上它写得很明白：除非你或者安装它的人明确要求，程序不会向任何联网系统传输信息。想传 Imgur 也支持，但那是你主动选的。
顺手的工具不需要教程，打开就知道怎么用。
GitHub：
顯示更多
🔄 自己设备之间同步文件，不过任何人的云，这个项目做了十几年
GitHub 已经封神，87.5K stars
用网盘同步文件这事，一直有个别扭的地方：你的文件先上传到别人的服务器，再下发到你另一台设备。中间那一趟，你既付了钱，也交了隐私。空间不够还得续费。
Syncthing 走的是设备直连：两台或多台机器之间持续同步，不经过中转服务器。它把防止数据丢失放在设计目标的第一位，其次才是抵御窃听和未授权修改。Windows、macOS、Linux 都有图形界面，也能用 Docker 跑。
工程上也够扎实，发布的二进制用 GPG 签名，macOS 和 Windows 版本做了代码签名，内置基于 ECDSA 签名的自动升级，全部代码 MPL 2.0。
自己的文件在自己的设备之间流动，这才是同步该有的样子。
GitHub：
顯示更多
生活在贫困中的人，小学初中毕业就靠出卖劳动力赚钱的人往往非常简单的知识都不懂，审美喜好也多半不入流。
现在的大学生或是白领很容易觉得自己高他们一等。
不过换个角度看，他们才是扛着这个世界的人。
人类生活的必需品都是劳动的产物。
即使是科研，艺术这些高尚工作需要的基础设施，也是他们付出血汗制作的。
那么大学生和白领呢？
都为社会创造了什么价值？
不必多想就知道，大都只是使用者，没有生产任何东西。
为世界生产多过消费与完全不生产只消费的人，到底谁更了不起？
无论在任何领域，创造的人都比消费的人更了不起。
从这个角度看，很多住在豪宅，开着豪车的人其实是没有价值的人。
顯示更多
那些瞧不起农民工的人，
你们看看，不是有这样的人，
国家怎么发展？工程能完成吗？
必须为农民工兄弟们点赞👍🏻👍🏻👍🏻
顯示更多
自己主动投向痛苦，并因为撑过痛苦而感到喜悦，着实是令人佩服的。
痛苦越痛，扛过之后就越感到喜悦，我认为这就是英雄精神。
贯彻英雄精神去死，也比浑浑噩噩度日强。
即使输了，只要贯彻英雄精神就没有输。
即使赢了，如果没有英雄精神，就不算赢。
顯示更多
对我来说，Tailscale 的几个作用：
第一：我可以在沙发上用笔记本屏幕共享我的 pc 办公。
第二：我可以轻松连各种VPS，Windows 电脑，用同一台 mac 管理不同 host 的应用，做本地模型推理训练。
第三，前面两步二合一。
外出的时候直接用笔记本屏幕共享家里的 Mac 管理不同 host 的应用和模型工作
顯示更多
分析了一个 F6 AI 博主三个月的帖子，847 条。
数据摊开挺震撼的。
100 天里他发了 97 天，日均 8.5 条，最多的一天 18 条。
内容里超过七成，是在介绍别人做的东西：新开源项目、新工具、新模型动态、别人做出来的小网站。
AI 博主，本质是个高频运转的信息筛选器。
如何成为高质量的筛选器，如何成为一个有信任度的筛选器，就是 AI 博主的课题。
顯示更多
📋 自托管的粘贴箱，单个可执行文件就能跑起来
GitHub 上 4.5K stars，Rust 写的
给同事传一段配置、发一张截图、临时分享个链接，习惯性就用了公共 pastebin。问题是那些内容留在别人服务器上，什么时候被扫、被索引，你完全不知道。
MicroBin 是自己搭一个：编译出来就是单文件可执行程序，扔服务器上跑起来就完事。功能一点不含糊，服务端和客户端都支持端到端加密，能传文件带多个附件，能出原始文本，能生成二维码，还兼带一个短链接和重定向的功能。
上传的内容可以设成公开或私密、可编辑或锁死、自动过期或者永久保留。数据库 SQLite 和 JSON 都行，轻得很。
有个小细节挺有意思，它用 64 种动物名字来做上传标识符，比一串随机字符好记多了。
自己的东西放自己服务器上，这份踏实感值得折腾一次。
GitHub：
顯示更多
🎧 拿美剧练英语的播放器，悬停查词、单句重复都做好了
GitHub 上 4.1K stars
用美剧学英语的人都经历过这套折腾：播放器放视频，字幕文件另找，遇到生词暂停切到词典 App 查，查完回来发现忘了刚才听到哪，一集看下来学习变成了体力活。
DashPlayer 把这些动作收进一个播放器：双语字幕直接显示，鼠标悬停就查词，一句没听清按键单句重复，退出了还记着上次播到哪。字幕没有也不要紧，它能用 OpenAI 做字幕识别，也能机器翻译字幕，甚至能直接下载视频和切分视频。
细节还挺讲究的，8BitDo 的蓝牙小手柄能通过键盘模式映射成快捷键，等于躺着看剧也能操作。
要提醒一句，应用没做代码签名，安装时系统可能会弹安全警告。
学语言这事，工具顺手了才能坚持下去。
GitHub：
顯示更多
🖼️ 一块能生图也能生视频的无限画布，本地就能跑
GitHub 上 6.5K stars，Windows 和 macOS 都有安装包
做视觉内容的人电脑里通常开着一堆窗口：一个生图，一个剪视频，一个拼故事板，来回导出导入，创作的连贯感全断在切窗口上。
Jaaz 把这些收进同一块无限画布：图像生成、视频生成、视觉故事板、实时协作都在里面，想到哪画到哪。模型这块给了很大自由度，可以接本地的 ComfyUI，也可以调云端的 GPT-4o、Midjourney、Veo 3、Kling、Seedance，还能用 Ollama 组一套离线或者混合的环境。
企业场景它也留了口子：多用户私有部署、Docker 镜像交付和源码交付都有。
创作最怕的不是没工具，是工具太多。
GitHub：
顯示更多
📈 专门做 A 股港股美股的多智能体分析框架，中文的
GitHub 已经冲到 30.9K stars
大部分开源量化项目是给美股写的，拿回来分析 A 股，数据源接不上，财报格式对不上，最后光是清洗数据就得写一周。
TradingAgents-CN 是把 TauricResearch 那套多智能体分析搬成了中文版：数据源直接集成了 Tushare、AkShare、BaoStock 这些国内常用的，A 股、港股、美股都能分析，跑完能导出 Markdown、Word 和 PDF 的报告。大模型供应商支持好几家，最新版还加了火山方舟。
后端 FastAPI，前端 Vue 3，配 MongoDB 和 Redis，Docker 多架构镜像直接拉。
要说明的是它明确声明只用于数据分析、学习和研究，不提供实盘交易指令，也不构成投资建议。另外 app 和 frontend 两个目录是需要商业授权的，其余部分才是 Apache 2.0。
工具能帮你把功课做扎实，但按下买入键的永远是你自己。
GitHub：
顯示更多
🎮 一句话生成一个能玩的网页游戏，港中文实验室开源的
GitHub 已经 2.7K stars，背后有正经论文（arXiv 2604.18394）
作者团队来自香港中文大学 MMLab，通讯作者是 Xiangyu Yue。做游戏这件事以前的门槛是：想法有了，得会引擎、会美术、会调试，一个人从零做个小游戏要耗掉几个周末。
OpenGame 的做法是命令行里丢一句提示词，它自己选引擎和模板搭好项目结构，再自己检测运行报错、控制台异常和交互问题，一路调到能跑。团队还专门训了个叫 GameCoder-27B 的代码模型，经过持续预训练、监督微调和基于执行反馈的强化学习。
公开的演示已经有六个能玩的：横版动作、卡牌战斗、双人问答格斗、塔防、俯视角射击、生存反应。
做游戏的门槛，正在从「会不会」变成「想不想得出来」。
GitHub：
顯示更多
🧾 我去，有人把一整套 AI 记账应用的源码全开源了，拍张小票自动记账
Swift 写的，MIT 协议，客户端到后端整套代码全公开
记账之所以坚持不下来，就是因为每笔都要手动输：金额、商家、分类、时间，一顿饭吃完记三分钟，两周就放弃了。
SpendSmart 的做法是拍照识别：相机、相册、文件、语音四种方式录入，小票拍进去，商家、金额、商品明细自动提取，多页小票还能拼接批量扫。后面配了支出图表和商家位置地图，甚至能直接问它这个月在咖啡上花了多少。
技术上它用 Gemini 2.5 Flash 做验证解析，Mistral OCR 抽文本，客户端 SwiftUI 加 MVVM，后端 Express 部署在 Vercel。
想学一个完整 iOS AI 应用怎么从前端串到后端的，这是份很实在的样本。要提醒的是作者已经停止积极开发了，当参考项目读更合适。
GitHub：
顯示更多
