不截图、不猜坐标:Vercel 让 agent 直接读懂桌面 UI
agent-desktop 从系统无障碍树读应用真实结构:快照给每个元素稳定引用,动作打在引用上,STALE_REF 防误点,重试只在协议允许时进行。Rust 写的 56 条命令跨三平台,5.6 千星 Apache-2.0。

发现 AI Agent、开发工具、开源项目与效率软件,跟上每日科技与工程实践。
编辑精选
不量化、不蒸馏、不剪枝,AirLLM 用逐层流式加载把万亿参数模型的推理显存压到个位数 GB;Kimi K3 只需 3.72GB,DeepSeek-V3 约 12GB,还支持 LoRA 训练。Apache 2.0,38.3k 星。

最新精选
agent-desktop 从系统无障碍树读应用真实结构:快照给每个元素稳定引用,动作打在引用上,STALE_REF 防误点,重试只在协议允许时进行。Rust 写的 56 条命令跨三平台,5.6 千星 Apache-2.0。

红果短剧没有官方 TV 版,610 星的第三方仓库补齐了 Android TV、macOS、Windows、Linux 和 LG webOS 五个平台。v0.2.137 换 Media3 优先播放,扫码登录、整集预下载、播放诊断都就位,用前风险须知也在文中。

MacYT 是 SwiftUI 写的 yt-dlp 图形界面:粘贴链接选画质直接导出,SponsorBlock、字幕转换、章节拆分、元数据嵌入全都就位。MIT 免费开源,无账号无遥测纯本地,10 星小仓库值得收藏。

reanimate 是三天 599 星的 Claude Code 技能:录下原网站动画、写成规格、用你的技术栈复刻,再录一遍逐帧对比,修到 80 毫秒或 2% 像素差异内。连 WebGL 着色器和随机数播种都能逆向。

字节笔记本发布了 Zest 1.1.0,一款用 Swift 写成的 macOS 菜单栏监控。菜单栏看 CPU、内存、磁盘和网速,面板按应用看进程,网络窗口看连接从哪来、24 小时流量和局域网设备。历史留在本机,支持 macOS 13 及以上。

Pi-hole 级 DNS 去广告跑在 2 美元的 ESP32-C3 上:53.7 万个域名以 40 位 FNV-1a 哈希存 flash 二分查找,只用约 50KB 内存,10 毫秒判定。被 Tom’s Hardware 和 XDA 报道,本文拆解省内存秘诀与上手全程。

ffmpeg-skill 给编码 agent 一套本地剪辑:42 个结构化工具加 MCP 服务器,probe 到编辑到验证的固定工作流,FFmpeg 5.1 到 9 全测过。3.6 千星、MIT、无云无密钥,一条 npx 装进 Claude Code。

iCloud Mail 与 Calendar 插件上线 ChatGPT:搜邮件、总结往来、发回复、查冲突改日程,10 月 27 日起全档位可用含免费版。开启需 Apple 账户双重认证加应用专用密码,Gmail 和 Outlook 不在覆盖内。

Copilot Code 经 Frontier 计划推送:一句话生成应用、追踪器和仪表盘,Work IQ 从邮件会议文档补全上下文,进阶可改代码、连 GitHub 出草稿 PR。与 GitHub Copilot 同源不同人群,价格未公布。

Claude Duet 是主动式 agent:早晨简报、全天监控、代办会议与预测,跑在独立虚拟机关机不中断;发消息、付款、签文件、删内容仍需批准。研究预览开放中,美国 Pro 和 Max 用户可排候补。

Ollama 0.40.11 起在 Mac 支持 Phonon 语音模型:Zoey、Hugh 等四种音色本地生成,首句即播,M5 Max 上比官方运行时快 35%。英语 Apache 2.0 可商用,不联网、不订阅、提示词不存储。

M6 是苹果首款 2nm 芯片:CPU 12 核、图形最高快 30%、AI 提速 25%,但机身、屏幕、续航原封未动,起售价从 M5 的 1599 一路涨到 1999 美元。本文把芯片账、价格账算完,给 M5 用户一个明确结论:先别动。

FFmpeg 是多媒体处理的底层集合:libavcodec 到 libswscale 七个库加三件工具,6.6 万星、9.0.2、LGPL 为主。本文讲 agent 用好它的姿势,并为 20 个开源工具的出片流水线系列收官。

faster-whisper 用 CTranslate2 重实现 Whisper:2.6 万星、MIT,同精度最高快 4 倍,int8 加批量后 13 分钟音频 GPU 仅需 17 秒。PyAV 内置 FFmpeg 库,pip 装完即用,字幕环节的提速担当。

Tone.js 是浏览器里的 Web Audio 框架:1.5 万星、MIT、v15。全局 transport 加预置合成器效果器,音乐人记谱、程序员写链式调用各取所需。程序化 BGM 和转场音效都能现做。

Resemble AI 的 Chatterbox 已成开源 TTS 家族:2.7 万星、MIT,Multilingual V3 覆盖 23 种以上语言,Turbo 支持 [laugh] 副语言标签,Nano 能在 CPU 跑出 3 倍实时。声音克隆只需 10 秒参考音频。
