#GitHub情报
HelloGitHub：面向入门爱好者的开源项目月刊，近日更新第 121 期
🔗：官网 | GitHub | 投稿
✏️ 第 121 期 已经发布
• systeminformer：免安装的 Windows 监控工具
• KillerPDF：免费开源的 PDF 编辑器
• OrcaSlicer：支持多品牌 3D 打印机的开源切片软件
• OpenTickly：开源的时间追踪与管理工具
• ACGTI：二次元版 MBTI 测试网站
• animal-island-ui：动物森友会风格的 React 组件库
• MicYou：把 Android 手机变成无线麦克风
• abtop：像 top 一样监控 AI 编程助手的工具
• cc-switch：一键切换 AI 渠道配置的工具
• caveman：让 AI 编程助手少说废话
• huashu-design：一句话生成能交付的设计稿
• BetterCapture：免费开源的 macOS 原生录屏工具
• PhoneClaw：运行在 iPhone 上的本地 AI Agent
• paseo：随时随地管理多个 AI 编程助手的平台
频道：@NewlearnerChannel
HelloGitHub：面向入门爱好者的开源项目月刊，近日更新第 121 期
🔗：官网 | GitHub | 投稿
✏️ 第 121 期 已经发布
• systeminformer：免安装的 Windows 监控工具
• KillerPDF：免费开源的 PDF 编辑器
• OrcaSlicer：支持多品牌 3D 打印机的开源切片软件
• OpenTickly：开源的时间追踪与管理工具
• ACGTI：二次元版 MBTI 测试网站
• animal-island-ui：动物森友会风格的 React 组件库
• MicYou：把 Android 手机变成无线麦克风
• abtop：像 top 一样监控 AI 编程助手的工具
• cc-switch：一键切换 AI 渠道配置的工具
• caveman：让 AI 编程助手少说废话
• huashu-design：一句话生成能交付的设计稿
• BetterCapture：免费开源的 macOS 原生录屏工具
• PhoneClaw：运行在 iPhone 上的本地 AI Agent
• paseo：随时随地管理多个 AI 编程助手的平台
频道：@NewlearnerChannel
👍6❤1
#App #Github
😁 Happycapy: 在浏览器里跑 Claude Code 的「Agent 原生电脑」
🔗：官网 | 文档 | Github
把 Claude Code/OpenClaw 装进浏览器沙盒，给非开发者一个看得见、点得动、能托管的 AI 工作台。
✨ 特点
• Claude Code/OpenClaw 直接在浏览器里跑：不装客户端、不配 API Key、不学命令行，打开网页就能用 Claude Sonnet 4.6 / Opus，Minimax
• GUI 取代 CLI：能看到 Agent 在屏幕上点哪里、改哪个文件，过程可视化、随时介入。
• 每个用户独立云沙盒：Pro 给 2 核 / 4 GB / 50 GB，Max 给 4 核 / 8 GB / 200 GB，文件不会碰本地系统。
• Skills 即软件：内置 40+ Claude Code 兼容 Skills，覆盖 PDF、设计、视频、爬虫、社交发布，可调用 150+ AI 模型。
• Capymail 异步交付：长任务跑完结果发到邮箱，回邮件继续派活，像跟一个远程同事协作。
• Agent Teams（Max plan）：多 Agent 团队带 GUI 协作，目前 Research Preview 阶段。
⚙️ 机制
Happycapy 把 Claude Code/OpenClaw 部署在云端隔离容器里，每个登录用户拿到一个带持久化的文件系统。前端实时把 Agent 的步骤投到浏览器，用户用自然语言操作，Agent 在沙盒里调用 Skills 完成任务，结果可以直接展示也可以通过 Capymail 邮件送达。
开源仓库 Happycapy-skills（MIT，85 星，16 fork，7 位贡献者）以收录和适配上游 Skills 为主，自研代码不多；核心沙盒和路由层闭源。
👨🏻💻 使用场景
• 非技术同事做内容生产：市场同学描述「给我做一份 8 页产品发布 PPT，配封面图」，Agent 在沙盒里调 pptx 和 canvas-design Skills，30 分钟跑完发回邮箱。
• 个人开发者快速搭原型：开发者把 PRD 丢进去，Agent 调 next-best-practices Skill，写完代码直接在沙盒里跑前后端服务，不占本地端口。
• 研究员处理大批量数据：把一份 50 MB 的 CSV 上传，让 Agent 用 Python 清洗、画图、生成报告，结果以 PDF 邮件发回。
• 小团队跑日常自动化：把每周一抓竞品价格、整理成飞书表设为 定时任务，Agent 在沙盒里定时执行。
• 创作者多平台分发：用 happycapy-social-publisher Skill 一键把同一条内容改写后投到 13+ 社交平台。
🛣️ 路线图
• IOS App 公测：目前 Max plan 早鸟可用，预计 2026 年中开放给 Pro 用户。
• Agent Teams 正式发布：当前为 Research Preview，需要解决多 Agent 协作时的成本和稳定性。
• 更多 Skills 收录：开放外部贡献，Happycapy-skills 仓库持续合并社区 PR
• 企业版 / Team 计划：目前只有个人版，社区呼声较高的方向是协作沙盒和 SSO。
• 本地文件桥接：用户最常吐槽沙盒访问不了我电脑里的文件。
💬 社区评价
Happycapy 于 2026 年 2 月 11 日上线 Product Hunt，当天拿下 #1 Product of the Day。上线 20 天 ARR 突破 100 万美元，背后公司 Trickle 在 2025 年第四季度完成 1000 万美元以上融资。
> 我们正在从跟 AI 聊天走向用 AI 操作，赢家会是那些能把自动化做到可复用、可观测、默认安全的平台。Skills as the new software 这件事 Happycapy 押对了
> Happycapy 解决的是本地跑 Agent 的摩擦力。不用配 server、不用管 API Key、不用学 CLI，打开浏览器就开始。
> Claude 4 Sonnet 4.6 + 长期记忆 + 50+ Skills，每月 17 美元，目前 AI 订阅市场里性价比最高的方案，最接近真正的 AI 同事。
社区整体评价正面。最受欢迎的是先验证后执行机制（先读文件再改、先看目录再建）和可视化沙盒。主要改进建议集中在本地文件桥接、移动端覆盖、credit 用量透明度上。
🖊️ 作者背景
👤 Jarod Xu - Co-founder & CEO
• 教育：北京大学 MBA；南京邮电大学 通信工程 学士
• 职业经历：Trickle Co-founder & CEO（2018 至今，连续创业，做过 5+ 产品）；Ericsson Consulting Manager（2013–2017）；Ericsson Integration Engineer（2010–2013）
• 背景：早期 3 年烧掉 300 万美元做了 5 个失败产品后，2024 年 12 月把 Trickle 重做成「自然语言 → 全栈应用编译器」上线 Product Hunt，再用 14 天做出 Happycapy 第一版。
👤 Victoria Wu - Co-founder & Designer
• 教育：北京大学 MBA（2016–2018）
• 职业经历：Trickle 联合创始人 / Design 负责人（2018 至今）；Happycapy 联合创始人 / Designer
• 背景：主导产品视觉与交互，Capybara 形象和「Happycapy, HappyYou」品牌主张出自她手。
💰 定价
• Free：$0，有限 credits、Claude Code、MiniMax M2.7、150+ 模型、基础沙盒、自定义 Skill。
• Pro：$17/月（年付）或 $20/月，2000 credits、沙盒 2 核 / 4 GB / 50 GB、自动任务执行、Capymail。
• Max：$167/月（年付）或 $200/月，模型不限量（每周刷新 credits）、4 核 / 8 GB / 200 GB、iOS App 早鸟、Agent Teams（Research Preview）、优先客服。
定价对标 ChatGPT Plus 和 Claude Pro ，但拿到的是带沙盒的 Agent 而不是 Chat。
频道：@NewlearnerChannel
🔗：官网 | 文档 | Github
把 Claude Code/OpenClaw 装进浏览器沙盒，给非开发者一个看得见、点得动、能托管的 AI 工作台。
✨ 特点
• Claude Code/OpenClaw 直接在浏览器里跑：不装客户端、不配 API Key、不学命令行，打开网页就能用 Claude Sonnet 4.6 / Opus，Minimax
• GUI 取代 CLI：能看到 Agent 在屏幕上点哪里、改哪个文件，过程可视化、随时介入。
• 每个用户独立云沙盒：Pro 给 2 核 / 4 GB / 50 GB，Max 给 4 核 / 8 GB / 200 GB，文件不会碰本地系统。
• Skills 即软件：内置 40+ Claude Code 兼容 Skills，覆盖 PDF、设计、视频、爬虫、社交发布，可调用 150+ AI 模型。
• Capymail 异步交付：长任务跑完结果发到邮箱，回邮件继续派活，像跟一个远程同事协作。
• Agent Teams（Max plan）：多 Agent 团队带 GUI 协作，目前 Research Preview 阶段。
⚙️ 机制
Happycapy 把 Claude Code/OpenClaw 部署在云端隔离容器里，每个登录用户拿到一个带持久化的文件系统。前端实时把 Agent 的步骤投到浏览器，用户用自然语言操作，Agent 在沙盒里调用 Skills 完成任务，结果可以直接展示也可以通过 Capymail 邮件送达。
开源仓库 Happycapy-skills（MIT，85 星，16 fork，7 位贡献者）以收录和适配上游 Skills 为主，自研代码不多；核心沙盒和路由层闭源。
👨🏻💻 使用场景
• 非技术同事做内容生产：市场同学描述「给我做一份 8 页产品发布 PPT，配封面图」，Agent 在沙盒里调 pptx 和 canvas-design Skills，30 分钟跑完发回邮箱。
• 个人开发者快速搭原型：开发者把 PRD 丢进去，Agent 调 next-best-practices Skill，写完代码直接在沙盒里跑前后端服务，不占本地端口。
• 研究员处理大批量数据：把一份 50 MB 的 CSV 上传，让 Agent 用 Python 清洗、画图、生成报告，结果以 PDF 邮件发回。
• 小团队跑日常自动化：把每周一抓竞品价格、整理成飞书表设为 定时任务，Agent 在沙盒里定时执行。
• 创作者多平台分发：用 happycapy-social-publisher Skill 一键把同一条内容改写后投到 13+ 社交平台。
🛣️ 路线图
• IOS App 公测：目前 Max plan 早鸟可用，预计 2026 年中开放给 Pro 用户。
• Agent Teams 正式发布：当前为 Research Preview，需要解决多 Agent 协作时的成本和稳定性。
• 更多 Skills 收录：开放外部贡献，Happycapy-skills 仓库持续合并社区 PR
• 企业版 / Team 计划：目前只有个人版，社区呼声较高的方向是协作沙盒和 SSO。
• 本地文件桥接：用户最常吐槽沙盒访问不了我电脑里的文件。
💬 社区评价
Happycapy 于 2026 年 2 月 11 日上线 Product Hunt，当天拿下 #1 Product of the Day。上线 20 天 ARR 突破 100 万美元，背后公司 Trickle 在 2025 年第四季度完成 1000 万美元以上融资。
> 我们正在从跟 AI 聊天走向用 AI 操作，赢家会是那些能把自动化做到可复用、可观测、默认安全的平台。Skills as the new software 这件事 Happycapy 押对了
> Happycapy 解决的是本地跑 Agent 的摩擦力。不用配 server、不用管 API Key、不用学 CLI，打开浏览器就开始。
> Claude 4 Sonnet 4.6 + 长期记忆 + 50+ Skills，每月 17 美元，目前 AI 订阅市场里性价比最高的方案，最接近真正的 AI 同事。
社区整体评价正面。最受欢迎的是先验证后执行机制（先读文件再改、先看目录再建）和可视化沙盒。主要改进建议集中在本地文件桥接、移动端覆盖、credit 用量透明度上。
🖊️ 作者背景
• 教育：北京大学 MBA；南京邮电大学 通信工程 学士
• 职业经历：Trickle Co-founder & CEO（2018 至今，连续创业，做过 5+ 产品）；Ericsson Consulting Manager（2013–2017）；Ericsson Integration Engineer（2010–2013）
• 背景：早期 3 年烧掉 300 万美元做了 5 个失败产品后，2024 年 12 月把 Trickle 重做成「自然语言 → 全栈应用编译器」上线 Product Hunt，再用 14 天做出 Happycapy 第一版。
• 教育：北京大学 MBA（2016–2018）
• 职业经历：Trickle 联合创始人 / Design 负责人（2018 至今）；Happycapy 联合创始人 / Designer
• 背景：主导产品视觉与交互，Capybara 形象和「Happycapy, HappyYou」品牌主张出自她手。
💰 定价
• Free：$0，有限 credits、Claude Code、MiniMax M2.7、150+ 模型、基础沙盒、自定义 Skill。
• Pro：$17/月（年付）或 $20/月，2000 credits、沙盒 2 核 / 4 GB / 50 GB、自动任务执行、Capymail。
• Max：$167/月（年付）或 $200/月，模型不限量（每周刷新 credits）、4 核 / 8 GB / 200 GB、iOS App 早鸟、Agent Teams（Research Preview）、优先客服。
定价对标 ChatGPT Plus 和 Claude Pro ，但拿到的是带沙盒的 Agent 而不是 Chat。
频道：@NewlearnerChannel
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤11👍1
#GitHub情报 #AI #telegram #bots
📩 接读者来稿，他向我们介绍了自己开发的 AI 股票分析机器人项目
📈 TradingAgents-Telegram：基于 AI 股票分析的 Telegram 助手
🔗：GitHub
⭐️ Features
• 基于 TradingAgents 框架
• 支持通过Telegraph输出股票分析、市场情绪总结与观点
• 可以直接通过 Docker Compose 部署
🧠 最开始是因为我在体验挺火的 TradingAgents 时，发现它原本主要运行在 Terminal 里，虽然功能很强，但日常使用和交互并不是特别方便。所以我尝试把它做成 Telegram Bot，让整个过程更像聊天：你可以直接把股票代码发给 Bot，然后看不同 AI 如何分析、讨论和补充观点。相比传统命令行，这种方式会更轻量，也更接近日常使用习惯。它并不是传统意义上的量化系统，也不是自动交易工具，而更像一个「AI 投资讨论Bot」。
👨🏻💻 这个项目本身也是一次很有意思的 Vibe Coding 体验。整个开发过程里，我大量使用了 Claude Code 做协作开发，从需求描述、架构设计到代码生成，很多部分都是通过自然语言一步步完成的。某种程度上，它也是我对「Vibe Coding」方式的一次实践。
⚠️ Disclaimer
这个项目仅用于技术交流与 AI 能力探索，不构成任何投资建议。
AI 输出可能存在错误、幻觉、信息滞后或分析偏差，不应作为实际投资决策依据。投资本身存在风险，请务必独立判断并自行承担风险。
❤️ 欢迎提 Issue 或者给个 Star！
频道：@NewlearnerChannel
📩 接读者来稿，他向我们介绍了自己开发的 AI 股票分析机器人项目
📈 TradingAgents-Telegram：基于 AI 股票分析的 Telegram 助手
🔗：GitHub
⭐️ Features
• 基于 TradingAgents 框架
• 支持通过Telegraph输出股票分析、市场情绪总结与观点
• 可以直接通过 Docker Compose 部署
🧠 最开始是因为我在体验挺火的 TradingAgents 时，发现它原本主要运行在 Terminal 里，虽然功能很强，但日常使用和交互并不是特别方便。所以我尝试把它做成 Telegram Bot，让整个过程更像聊天：你可以直接把股票代码发给 Bot，然后看不同 AI 如何分析、讨论和补充观点。相比传统命令行，这种方式会更轻量，也更接近日常使用习惯。它并不是传统意义上的量化系统，也不是自动交易工具，而更像一个「AI 投资讨论Bot」。
👨🏻💻 这个项目本身也是一次很有意思的 Vibe Coding 体验。整个开发过程里，我大量使用了 Claude Code 做协作开发，从需求描述、架构设计到代码生成，很多部分都是通过自然语言一步步完成的。某种程度上，它也是我对「Vibe Coding」方式的一次实践。
⚠️ Disclaimer
这个项目仅用于技术交流与 AI 能力探索，不构成任何投资建议。
AI 输出可能存在错误、幻觉、信息滞后或分析偏差，不应作为实际投资决策依据。投资本身存在风险，请务必独立判断并自行承担风险。
❤️ 欢迎提 Issue 或者给个 Star！
频道：@NewlearnerChannel
❤13👍2
#App #Github
🖥 Warp：用 Rust 重写的 Agentic 开发环境，从智能终端一路进化到「人类 + Agent 协作」的开放编程平台
🔗：官网 | GitHub
2026 年 4 月 28 日，Warp 把整个客户端在 AGPLv3 + MIT 双协议下开源，OpenAI 作为首位赞助方加入，标志着 Agentic Development Environment（ADE）赛道第一次出现完整开源的成熟产品。
✨ 特点
- 完整客户端开源：48,000+ 星的 Rust 终端客户端代码全量放出，UI 框架走 MIT、其他部分走 AGPLv3，是当下唯一开放的 ADE 完整实现
- Agent 优先的贡献模型：社区不再只是提 PR，而是提 Issue → 由 Oz 编排的 GPT 模型自动 Spec、写代码、跑测试，人类负责定方向和验收
- 多模型 + 多 Agent 框架内嵌：原生支持 Claude Code、Codex、Gemini CLI、OpenCode，并新增 Kimi、MiniMax、Qwen 等开源模型，以及 auto (open) 路由
- 块状终端 + GPU 渲染：以 Block 为单位组织命令、输出和 Agent 对话，配合 GPU 渲染实现现代化交互体验
- 公开路线图：GitHub Issues 成为产品 Roadmap 唯一来源，所有产品讨论搬到公开仓库，可在 build.warp.dev 查看实时 Agent 工作状态
⚙️ 机制
Warp 的核心是一个用 Rust 写的、围绕「Block」抽象构建的桌面客户端。终端输出不再是字符流，而是带类型的 Block 列表，存放在 SumTree 数据结构中，由 GPU 后端渲染。开源之后，Agent 对话和命令块共用同一份 Block 模型，Oz 在云端编排多 Agent 并行执行任务，再把结果以 Block 的形式回流到客户端。
主要依赖：Rust（占比 98%）、Tokio 异步运行时、Alacritty 终端基线、NuShell 解析、Hyper HTTP、FontKit 字体渲染、Fig Completion Specs 自动补全。
👨🏻💻 使用场景
- 重度终端用户：每天在命令行里花 4 小时以上的 SRE、DevOps、后端工程师，可以用 Warp 替代 iTerm2、Alacritty 等老牌终端，获得块化交互、命令搜索和 AI 补全
- 多 Agent 协作开发者：同时在跑 Claude Code、Codex、Gemini CLI 的工程师，可在 Warp 里通过 Vertical Tabs 同屏管理多个 Agent 会话，统一通知和代码审查
- 企业 AI 工程团队：需要把多个 Agent 部署到云端、又关心可观测性和 Build vs Buy 决策的团队，可直接参考 Oz 编排平台和 build.warp.dev 公开仪表盘
🛣 路线图
- GitHub Issues 作为单一事实来源：产品 Roadmap 和 Bug 讨论全部公开，Issues 当前有 3,241 条 Open
- 开源模型路由扩展：继 Kimi、MiniMax、Qwen 之后，预计会持续接入更多开源模型，并扩展 auto (open) 路由的策略
- 可定制化的 ADE 形态：官方明确表示要从「纯终端」、「带 Diff 视图和文件树的轻量 ADE」、到「完整 ADE」做形态分层
💬 社区评价
Warp 于 2026 年 4 月 28 日开源，截至 5 月中旬，GitHub 仓库已获得 48,439 颗星标、3,123 次 Fork、40 位贡献者参与，仓库累计 Open Issue 3,241 条，社区 Slack 专设 #oss-contributors 频道，最近一次代码推送为 2026 年 4 月 30 日。
“开源，本质上是出于我们打造一家成功公司的愿望。我们正在与其他资金雄厚的闭源竞争对手竞争，而我们认为，通过开源并为社区提供改进 Warp 的资源，是一种能够加速产品开发的聪明方式。”
—— Zach Lloyd，Warp 创始人兼 CEO
“长期以来，开源一直是开发者学习、构建以及推动整个行业前进的核心方式。我们很高兴支持这些实验，探索 AI 如何帮助维护者和贡献者以更高效的方式进行大规模协作。”
—— Thibault Sottiaux，OpenAI 工程负责人
🖊 作者背景
Zach Lloyd - Founder & CEO
职业经历：
- Warp，Founder & CEO（2020 年 6 月至今，融资 $73M，团队约 70 人）
- TIME 杂志，Interim CTO（2019 年 5 月至 2020 年 5 月）
- SelfMade，Co-Founder & CTO（2015 至 2019，AI 驱动的营销创作公司，累计融资 $24M）
- Google，Principal Engineer（2007 至 2014，担任 Google Sheets 和 Google Docs 套件的整体工程负责人，长达 7.5 年）
- 早年还在 NASA JPL、Amazon 实习
Warp
- 融资：累计 $73M，2 轮披露，由 GV、Neo、BoxGroup、Sequoia 等机构支持，2026 年开源时引入 OpenAI 作为开源仓库的 Founding Sponsor
- 团队规模：约 70 人
- 产品线：Warp Terminal、Warp Agent、Warp Code、Warp Drive、Oz Orchestration、build.warp.dev
- 愿景：把「开发者和 Agent 协作建造软件」做成行业标杆
频道：@NewlearnerChannel
🖥 Warp：用 Rust 重写的 Agentic 开发环境，从智能终端一路进化到「人类 + Agent 协作」的开放编程平台
🔗：官网 | GitHub
2026 年 4 月 28 日，Warp 把整个客户端在 AGPLv3 + MIT 双协议下开源，OpenAI 作为首位赞助方加入，标志着 Agentic Development Environment（ADE）赛道第一次出现完整开源的成熟产品。
✨ 特点
- 完整客户端开源：48,000+ 星的 Rust 终端客户端代码全量放出，UI 框架走 MIT、其他部分走 AGPLv3，是当下唯一开放的 ADE 完整实现
- Agent 优先的贡献模型：社区不再只是提 PR，而是提 Issue → 由 Oz 编排的 GPT 模型自动 Spec、写代码、跑测试，人类负责定方向和验收
- 多模型 + 多 Agent 框架内嵌：原生支持 Claude Code、Codex、Gemini CLI、OpenCode，并新增 Kimi、MiniMax、Qwen 等开源模型，以及 auto (open) 路由
- 块状终端 + GPU 渲染：以 Block 为单位组织命令、输出和 Agent 对话，配合 GPU 渲染实现现代化交互体验
- 公开路线图：GitHub Issues 成为产品 Roadmap 唯一来源，所有产品讨论搬到公开仓库，可在 build.warp.dev 查看实时 Agent 工作状态
⚙️ 机制
Warp 的核心是一个用 Rust 写的、围绕「Block」抽象构建的桌面客户端。终端输出不再是字符流，而是带类型的 Block 列表，存放在 SumTree 数据结构中，由 GPU 后端渲染。开源之后，Agent 对话和命令块共用同一份 Block 模型，Oz 在云端编排多 Agent 并行执行任务，再把结果以 Block 的形式回流到客户端。
主要依赖：Rust（占比 98%）、Tokio 异步运行时、Alacritty 终端基线、NuShell 解析、Hyper HTTP、FontKit 字体渲染、Fig Completion Specs 自动补全。
👨🏻💻 使用场景
- 重度终端用户：每天在命令行里花 4 小时以上的 SRE、DevOps、后端工程师，可以用 Warp 替代 iTerm2、Alacritty 等老牌终端，获得块化交互、命令搜索和 AI 补全
- 多 Agent 协作开发者：同时在跑 Claude Code、Codex、Gemini CLI 的工程师，可在 Warp 里通过 Vertical Tabs 同屏管理多个 Agent 会话，统一通知和代码审查
- 企业 AI 工程团队：需要把多个 Agent 部署到云端、又关心可观测性和 Build vs Buy 决策的团队，可直接参考 Oz 编排平台和 build.warp.dev 公开仪表盘
🛣 路线图
- GitHub Issues 作为单一事实来源：产品 Roadmap 和 Bug 讨论全部公开，Issues 当前有 3,241 条 Open
- 开源模型路由扩展：继 Kimi、MiniMax、Qwen 之后，预计会持续接入更多开源模型，并扩展 auto (open) 路由的策略
- 可定制化的 ADE 形态：官方明确表示要从「纯终端」、「带 Diff 视图和文件树的轻量 ADE」、到「完整 ADE」做形态分层
💬 社区评价
Warp 于 2026 年 4 月 28 日开源，截至 5 月中旬，GitHub 仓库已获得 48,439 颗星标、3,123 次 Fork、40 位贡献者参与，仓库累计 Open Issue 3,241 条，社区 Slack 专设 #oss-contributors 频道，最近一次代码推送为 2026 年 4 月 30 日。
“开源，本质上是出于我们打造一家成功公司的愿望。我们正在与其他资金雄厚的闭源竞争对手竞争，而我们认为，通过开源并为社区提供改进 Warp 的资源，是一种能够加速产品开发的聪明方式。”
—— Zach Lloyd，Warp 创始人兼 CEO
“长期以来，开源一直是开发者学习、构建以及推动整个行业前进的核心方式。我们很高兴支持这些实验，探索 AI 如何帮助维护者和贡献者以更高效的方式进行大规模协作。”
—— Thibault Sottiaux，OpenAI 工程负责人
🖊 作者背景
Zach Lloyd - Founder & CEO
职业经历：
- Warp，Founder & CEO（2020 年 6 月至今，融资 $73M，团队约 70 人）
- TIME 杂志，Interim CTO（2019 年 5 月至 2020 年 5 月）
- SelfMade，Co-Founder & CTO（2015 至 2019，AI 驱动的营销创作公司，累计融资 $24M）
- Google，Principal Engineer（2007 至 2014，担任 Google Sheets 和 Google Docs 套件的整体工程负责人，长达 7.5 年）
- 早年还在 NASA JPL、Amazon 实习
Warp
- 融资：累计 $73M，2 轮披露，由 GV、Neo、BoxGroup、Sequoia 等机构支持，2026 年开源时引入 OpenAI 作为开源仓库的 Founding Sponsor
- 团队规模：约 70 人
- 产品线：Warp Terminal、Warp Agent、Warp Code、Warp Drive、Oz Orchestration、build.warp.dev
- 愿景：把「开发者和 Agent 协作建造软件」做成行业标杆
频道：@NewlearnerChannel
❤6
#APP #macOS #GitHub情报 #Tools
📩 接读者来稿，TA 向我们推荐了自己开发的 macOS 代理客户端
⚡ ClashBar：原生轻量的 macOS 菜单栏代理客户端
🔗：Web | GitHub
⭐️ Features:
• Swift 原生开发，轻量、低内存占用
• 在菜单栏中快速切换全局 / 规则 / 直连模式
• 支持节点切换、系统代理开关和实时上传 / 下载速率显示
• 支持本地 / 远程订阅导入，可手动编辑配置
• 支持开机自启和全局快捷键
Clash 系客户端这些年已经不少了。很多客户端功能很全，窗口也很大，订阅、节点、规则、日志、Dashboard 全都塞在一起；当然这很适合重度用户，但对只是想日常切一下节点、看一下速率、开关一下系统代理的人来说，多少有点杀鸡用牛刀。ClashBar 实现了代理客户端里最基础的功能，比如切换全局 / 规则 / 直连模式、选择节点、开关系统代理、查看实时上传下载速率，以及导入本地配置或远程订阅。ClashBar 使用 Swift 原生开发，目标是比 Electron 客户端更轻、更省电，也更贴近 macOS 的系统体验。
ClashBar 是作者通过 AI vibe coding 做出来的项目。现在越来越多非程序员也能借助 AI 写出可用的软件，AI 确实让很多原本只停留在脑子里的想法有了落地的机会。但另一方面，网络代理工具不是普通记事本，它涉及系统代理、网络流量、后台权限和配置解析，代码可靠性、异常处理和长期维护都需要经得起更多考验。AI 可以把“做出来”的门槛降得很低，但“长期稳定地做好”仍然需要工程判断、测试和持续修补。这大概也是接下来几年我们会反复遇到的问题：当写代码变得越来越容易，真正重要的可能就不只是“谁会写代码”，而是谁能判断代码是否可靠、是否安全、是否值得长期依赖。
频道：@NewlearnerChannel
📩 接读者来稿，TA 向我们推荐了自己开发的 macOS 代理客户端
⚡ ClashBar：原生轻量的 macOS 菜单栏代理客户端
🔗：Web | GitHub
⭐️ Features:
• Swift 原生开发，轻量、低内存占用
• 在菜单栏中快速切换全局 / 规则 / 直连模式
• 支持节点切换、系统代理开关和实时上传 / 下载速率显示
• 支持本地 / 远程订阅导入，可手动编辑配置
• 支持开机自启和全局快捷键
Clash 系客户端这些年已经不少了。很多客户端功能很全，窗口也很大，订阅、节点、规则、日志、Dashboard 全都塞在一起；当然这很适合重度用户，但对只是想日常切一下节点、看一下速率、开关一下系统代理的人来说，多少有点杀鸡用牛刀。ClashBar 实现了代理客户端里最基础的功能，比如切换全局 / 规则 / 直连模式、选择节点、开关系统代理、查看实时上传下载速率，以及导入本地配置或远程订阅。ClashBar 使用 Swift 原生开发，目标是比 Electron 客户端更轻、更省电，也更贴近 macOS 的系统体验。
ClashBar 是作者通过 AI vibe coding 做出来的项目。现在越来越多非程序员也能借助 AI 写出可用的软件，AI 确实让很多原本只停留在脑子里的想法有了落地的机会。但另一方面，网络代理工具不是普通记事本，它涉及系统代理、网络流量、后台权限和配置解析，代码可靠性、异常处理和长期维护都需要经得起更多考验。AI 可以把“做出来”的门槛降得很低，但“长期稳定地做好”仍然需要工程判断、测试和持续修补。这大概也是接下来几年我们会反复遇到的问题：当写代码变得越来越容易，真正重要的可能就不只是“谁会写代码”，而是谁能判断代码是否可靠、是否安全、是否值得长期依赖。
频道：@NewlearnerChannel
👍16🥰4🦄2❤1
This media is not supported in your browser
VIEW IN TELEGRAM
#GitHub情报 #APP #Tools #AI
📩 接读者来稿，他向我们介绍了一个有趣的 AI 代理可视化项目
🧩 ascii-agents：把你的 Claude Code 装进一个像素风办公室
🔗：GitHub
👉 Features
- 为每段会话设置办公桌，多出的将会展示在地板和沙发
- 为每段会话代表的人物设置丰富的动作和表情
- 通过颜色快速识别状态，并加入多种天气情况
- Office Cat 陪伴左右
- 在人物身上悬停可看到会话详细信息
- 支持 Claude Code 和 Antigravity CLI，未来计划更多平台
👀 看到这个项目，第一反应是想到了令人舒适的 室内白噪音 以及灵感买家俱乐部推出的线上「野乌咖啡馆」。在后者之中，你依然可以化身为一个可视化的个人，在其中听音乐、自习、开会、聊天，做自己想做的事。很好的想法！
🧑🏻💻 开发者的话
现在的状态：每个 session 是一个小人，显示器会根据当前在用什么工具自动变色，空闲的趴桌睡觉，闲久了自己走去茶水间。窗外有阴天、刮风、日落的天气变化，内置 Cyberpunk、Catppuccin、Gruvbox、Dracula、Tokyo Night 等 6 种主题。🐱 还有只办公室的猫。
起因是日常工作开始大量用 Claude Code，经常同时跑好几个 session 在不同的项目里。但一个 session 当下到底是在打字、还是在等我点权限、还是早就跑完了我没注意,光看终端输出很难一眼分清。
这时候在 GitHub 上刷到 pixel-agents（VS Code 网页版）和 clawd-on-desk（macOS 桌宠版）两个项目，觉得这种「把 Agent 拟人化」的方向很有意思。但自己日常其实更常在终端和 SSH 里干活，所以就想做个纯终端版本。
项目本身是周末用 Rust 慢慢搭起来的，之前没怎么写过 Rust，顺便当练手了。TUI 用的是 ratatui，像素感来自 24-bit RGB 的半字符块渲染（▀）。Agent 闲下来会用 A* 在办公室里乱走，整个过程也算重度使用了 Claude Code，某种意义上「用 AI Agent 给 AI Agent 盖房子」。
频道：@NewlearnerChannel
📩 接读者来稿，他向我们介绍了一个有趣的 AI 代理可视化项目
🧩 ascii-agents：把你的 Claude Code 装进一个像素风办公室
🔗：GitHub
👉 Features
- 为每段会话设置办公桌，多出的将会展示在地板和沙发
- 为每段会话代表的人物设置丰富的动作和表情
- 通过颜色快速识别状态，并加入多种天气情况
- Office Cat 陪伴左右
- 在人物身上悬停可看到会话详细信息
- 支持 Claude Code 和 Antigravity CLI，未来计划更多平台
👀 看到这个项目，第一反应是想到了令人舒适的 室内白噪音 以及灵感买家俱乐部推出的线上「野乌咖啡馆」。在后者之中，你依然可以化身为一个可视化的个人，在其中听音乐、自习、开会、聊天，做自己想做的事。很好的想法！
🧑🏻💻 开发者的话
现在的状态：每个 session 是一个小人，显示器会根据当前在用什么工具自动变色，空闲的趴桌睡觉，闲久了自己走去茶水间。窗外有阴天、刮风、日落的天气变化，内置 Cyberpunk、Catppuccin、Gruvbox、Dracula、Tokyo Night 等 6 种主题。🐱 还有只办公室的猫。
起因是日常工作开始大量用 Claude Code，经常同时跑好几个 session 在不同的项目里。但一个 session 当下到底是在打字、还是在等我点权限、还是早就跑完了我没注意,光看终端输出很难一眼分清。
这时候在 GitHub 上刷到 pixel-agents（VS Code 网页版）和 clawd-on-desk（macOS 桌宠版）两个项目，觉得这种「把 Agent 拟人化」的方向很有意思。但自己日常其实更常在终端和 SSH 里干活，所以就想做个纯终端版本。
项目本身是周末用 Rust 慢慢搭起来的，之前没怎么写过 Rust，顺便当练手了。TUI 用的是 ratatui，像素感来自 24-bit RGB 的半字符块渲染（▀）。Agent 闲下来会用 A* 在办公室里乱走，整个过程也算重度使用了 Claude Code，某种意义上「用 AI Agent 给 AI Agent 盖房子」。
频道：@NewlearnerChannel
👾7❤3
#Photos #GitHub情报 #Tools
🎞 NegativeCutter-135：Lightroom 135 胶片扫描自动裁剪插件
🔗：GitHub
👉 Features
- 自动帧检测：识别胶片帧之间的间隙，无需手动标记
- 批量处理：同时处理多张照片，适合整卷胶片 Workflow
- 虚拟副本：为每帧创建独立虚拟副本，保留原始扫描文件
- 精确裁剪：基于图像分析生成像素级精确的裁剪框
- 边界清理：0.3% 微小内收，消除扫描脏边和 bleed
📷 上次聊到，自己买了一台 Olympus OM-1 胶片相机，并且拍了一卷 5219 电影卷送去冲洗。由于除碳和 ECN-2 的工艺比较麻烦，为了保证最终质量，索性上了一台哈苏 X5 扫描仪以获得最高后期宽容度。但冲扫店为了图省事，直接发来了 12 张 135mm 照片为一个合集的大文件，也就意味着他们后期去色罩也是一大张照片一起的，这让我感到很恼火
❓ 如果你想避免这种情况，最好找那些愿意拆分照片再分别去色罩的商家。一个更为现实的问题是，我如何快速把这个接近 1GB、含有 12 张照片的大图像进行切分？在咨询群友后，他给了我一份 JSX 脚本，现在看来就是 FilmCrop 项目的再开发。意外得还算好用，基本上把 6x2 的照片都拆分出来了，边框还需要再进行细致的调整
💡 最近偶然看到有网友分享了自己在用的 135mm 胶片裁剪脚本，刚好适配 Lightroom，于是和大家分享一下。开发者提供了一键安装脚本，根据 README 引导安装即可。使用起来也很方便，你可以选择让脚本自动检测帧，也可以指定裁剪帧数。项目采用 NumPy 和 Pillow 检测和处理图像，对于单列 135mm 胶片条来讲，效果还是不错的，但边缘依然需要再处理一下
👀 目前唯一的问题就是脚本并不支持 2 列或多列的大文件自动裁剪，依然会在最中间的位置寻找帧，从而导致输出结果混乱。针对这个问题，我也向开发者提出了 Issue，希望后续得到更好的优化和解决
* 实际上，胶片上扫描仪的时候，一般都是将一卷拆分成若干段（一段常见 6 张）再进行扫描，以上提到的裁剪是冲扫店日常需要处理的事情
📘 关联阅读：记一次奥林巴斯胶片相机的购买与使用（以 Olympus OM-1 及其配件为主）
频道：@NewlearnerChannel
🎞 NegativeCutter-135：Lightroom 135 胶片扫描自动裁剪插件
🔗：GitHub
👉 Features
- 自动帧检测：识别胶片帧之间的间隙，无需手动标记
- 批量处理：同时处理多张照片，适合整卷胶片 Workflow
- 虚拟副本：为每帧创建独立虚拟副本，保留原始扫描文件
- 精确裁剪：基于图像分析生成像素级精确的裁剪框
- 边界清理：0.3% 微小内收，消除扫描脏边和 bleed
📷 上次聊到，自己买了一台 Olympus OM-1 胶片相机，并且拍了一卷 5219 电影卷送去冲洗。由于除碳和 ECN-2 的工艺比较麻烦，为了保证最终质量，索性上了一台哈苏 X5 扫描仪以获得最高后期宽容度。但冲扫店为了图省事，直接发来了 12 张 135mm 照片为一个合集的大文件，也就意味着他们后期去色罩也是一大张照片一起的，这让我感到很恼火
❓ 如果你想避免这种情况，最好找那些愿意拆分照片再分别去色罩的商家。一个更为现实的问题是，我如何快速把这个接近 1GB、含有 12 张照片的大图像进行切分？在咨询群友后，他给了我一份 JSX 脚本，现在看来就是 FilmCrop 项目的再开发。意外得还算好用，基本上把 6x2 的照片都拆分出来了，边框还需要再进行细致的调整
💡 最近偶然看到有网友分享了自己在用的 135mm 胶片裁剪脚本，刚好适配 Lightroom，于是和大家分享一下。开发者提供了一键安装脚本，根据 README 引导安装即可。使用起来也很方便，你可以选择让脚本自动检测帧，也可以指定裁剪帧数。项目采用 NumPy 和 Pillow 检测和处理图像，对于单列 135mm 胶片条来讲，效果还是不错的，但边缘依然需要再处理一下
👀 目前唯一的问题就是脚本并不支持 2 列或多列的大文件自动裁剪，依然会在最中间的位置寻找帧，从而导致输出结果混乱。针对这个问题，我也向开发者提出了 Issue，希望后续得到更好的优化和解决
* 实际上，胶片上扫描仪的时候，一般都是将一卷拆分成若干段（一段常见 6 张）再进行扫描，以上提到的裁剪是冲扫店日常需要处理的事情
📘 关联阅读：记一次奥林巴斯胶片相机的购买与使用（以 Olympus OM-1 及其配件为主）
频道：@NewlearnerChannel
❤6🥰1
#App #Github
⌨️ Raycast 2.0：键盘党最爱的 macOS 启动器，重写之后第一次跑上 Windows
官网 | 技术深度解析
Raycast 把整个应用底层从 Swift 原生重写为 Swift / C# / Rust / Node / React + TypeScript 的四层混合架构，换来了一份能同时跑在 macOS 与 Windows 的代码库，以及一次完整的产品现代化。
✨ 特点
- 跨平台同源：macOS 与 Windows 共用同一份 React 前端代码，但各自保留原生外壳（AppKit / WPF），保证系统调用与外观一致。
- Rust 文件索引：自研索引器在 Windows 上直接读取 NTFS Master File Table，整盘扫描可以在几秒内完成，不再依赖 Spotlight。
- AI Chat with Memory：新版 AI 会自动从历史对话中沉淀长期记忆，识别项目、偏好与目标，跨会话延续上下文。
- WebKit 文本渲染：Markdown、代码高亮、长对话滚动用 WebKit 渲染，复杂排版比 v1 的 TextKit 明显更顺。
- 多窗口产品形态：启动器、AI Chat、Notes、Settings 拆成独立窗口，每个窗口都是单独的原生面板浮在桌面上。
- 类型化 IPC：四个 runtime 之间通过自动生成的 typed stdio 协议通信，编译期就能捕捉跨层调用的接口错误。
⚙️ 机制
Raycast 2.0 的核心是一个明确分层的混合架构：底部的原生宿主负责窗口、输入法、托盘等系统集成；中层的 Web 前端用 React + TypeScript 渲染所有 UI；Node.js 后端承担业务逻辑、数据库与扩展运行时；性能敏感的部分（文件索引、数据层、云同步）下沉到 Rust。团队明确否定了 Electron 与早期 Tauri 方案——前者要在 macOS 上额外捆绑 Chromium，后者当时还不够成熟，无法满足他们对原生控制力的要求。
主要依赖：Swift / AppKit（macOS）、C# / .NET 8 / WPF（Windows）、React、TypeScript、Node.js、Rust、WebKit、WebView2。扩展 API 沿用 React + TypeScript，开发者只需 Web 技能即可上手。
代码质量：Raycast App 本体闭源，但扩展仓库 raycast/extensions 完全开源，是观察其工程实践最直接的窗口。团队在 WebKit 内部细节上做了大量工作——禁用 occlusion detection、用 requestAnimationFrame 同步绘制、覆写 NSWindow.setFrame 接入 Core Animation 防止抖动、预热 emoji 字体；在 Windows 端则单独处理 acrylic 模糊与白屏初始化问题。这种愿意啃原生底层细节的工程取向，让混合栈在体验上仍然贴近纯原生应用。
性能与代价：v1 闲置内存 200 ～ 300 MB，v2 上升到 350 ～ 450 MB（WebContent 120 ～ 200 MB、Node 150 ～ 200 MB、原生外壳约 40 MB）。团队承认这是真实的代价，但强调它是 "bounded and measurable"，并把内存优化列为 beta 期间的持续工作。
🛣 路线图
官方在技术博客与 v2 公测说明里给出的方向：
内存与冷启动持续优化：把闲置占用压回更接近 v1 的水平，并为低频窗口设计 "grace periods" 减少冷启动延迟。
Windows 体验补齐：IME、可访问性、拖拽等原生细节继续打磨，覆盖更多 Windows 版本、显示器与硬件组合。
iOS 与云同步深化：iOS App 共用同一份 Rust 数据层与同步 schema，未来会有更多功能在三端拉齐。
AI 能力扩展：以 Memory 为基础，继续围绕 AI Chat、AI Commands、Quick AI 增加上下文与工具调用能力。
Linux 仍未官方化：社区维护 raycast-linux 分支，HN 上有用户呼吁官方合作，但目前官方尚未承诺时间表。
🖊 作者背景
Raycast 由 Thomas Paul Mann（CEO）与 Petr Nikolaev（CTO）于 2020 年在伦敦联合创立。
Thomas Paul Mann：前 Facebook / Meta 工程师，毕业于德国 TH Aschaffenburg 应用技术大学，2020 年离开 Meta 后创办 Raycast，常驻伦敦。
Petr Nikolaev：联合创始人兼 CTO，与 Thomas 一起在伦敦带队。
团队：约 30 人，其中 75% 是工程师，团队完全分布在欧洲。
融资情况：累计融资 4780 万美元。
2020 年 10 月：种子轮 270 万美元，Accel 领投，Y Combinator 参与。
2021 年 11 月：A 轮 1500 万美元，Accel 与 Coatue 共同领投。
2024 年 9 月：B 轮 3000 万美元，用于把产品拓展到 Windows 与 iOS。
知名天使：GitHub CEO Thomas Dohmke、Shopify CEO Tobi Lütke、Vercel CEO Guillermo Rauch。
💰 定价
Raycast 主体免费可用，付费的 Raycast Pro 主要面向需要 AI、云同步与高级主题的用户。
Free：启动器、扩展、Clipboard、Snippets、Notes、窗口管理等核心功能全部可用。
Pro：年付 8 美元 / 月（96 美元 / 年）或月付 10 美元 / 月。包含无限基础 AI 对话（GPT-4o-mini、Claude Haiku 3.5、Llama 3.3）、AI Commands、AI Presets、自定义 Prompt、Quick AI、Cloud Sync 与自定义主题。
Advanced AI 加购：在 Pro 之上再加 8 美元 / 月（合计 16 美元 / 月），解锁 GPT-5、Claude 3.7 Sonnet、o3、o3-mini、Gemini 2.5 Pro 等前沿模型。
频道：@NewlearnerChannel
⌨️ Raycast 2.0：键盘党最爱的 macOS 启动器，重写之后第一次跑上 Windows
官网 | 技术深度解析
Raycast 把整个应用底层从 Swift 原生重写为 Swift / C# / Rust / Node / React + TypeScript 的四层混合架构，换来了一份能同时跑在 macOS 与 Windows 的代码库，以及一次完整的产品现代化。
✨ 特点
- 跨平台同源：macOS 与 Windows 共用同一份 React 前端代码，但各自保留原生外壳（AppKit / WPF），保证系统调用与外观一致。
- Rust 文件索引：自研索引器在 Windows 上直接读取 NTFS Master File Table，整盘扫描可以在几秒内完成，不再依赖 Spotlight。
- AI Chat with Memory：新版 AI 会自动从历史对话中沉淀长期记忆，识别项目、偏好与目标，跨会话延续上下文。
- WebKit 文本渲染：Markdown、代码高亮、长对话滚动用 WebKit 渲染，复杂排版比 v1 的 TextKit 明显更顺。
- 多窗口产品形态：启动器、AI Chat、Notes、Settings 拆成独立窗口，每个窗口都是单独的原生面板浮在桌面上。
- 类型化 IPC：四个 runtime 之间通过自动生成的 typed stdio 协议通信，编译期就能捕捉跨层调用的接口错误。
⚙️ 机制
Raycast 2.0 的核心是一个明确分层的混合架构：底部的原生宿主负责窗口、输入法、托盘等系统集成；中层的 Web 前端用 React + TypeScript 渲染所有 UI；Node.js 后端承担业务逻辑、数据库与扩展运行时；性能敏感的部分（文件索引、数据层、云同步）下沉到 Rust。团队明确否定了 Electron 与早期 Tauri 方案——前者要在 macOS 上额外捆绑 Chromium，后者当时还不够成熟，无法满足他们对原生控制力的要求。
主要依赖：Swift / AppKit（macOS）、C# / .NET 8 / WPF（Windows）、React、TypeScript、Node.js、Rust、WebKit、WebView2。扩展 API 沿用 React + TypeScript，开发者只需 Web 技能即可上手。
代码质量：Raycast App 本体闭源，但扩展仓库 raycast/extensions 完全开源，是观察其工程实践最直接的窗口。团队在 WebKit 内部细节上做了大量工作——禁用 occlusion detection、用 requestAnimationFrame 同步绘制、覆写 NSWindow.setFrame 接入 Core Animation 防止抖动、预热 emoji 字体；在 Windows 端则单独处理 acrylic 模糊与白屏初始化问题。这种愿意啃原生底层细节的工程取向，让混合栈在体验上仍然贴近纯原生应用。
性能与代价：v1 闲置内存 200 ～ 300 MB，v2 上升到 350 ～ 450 MB（WebContent 120 ～ 200 MB、Node 150 ～ 200 MB、原生外壳约 40 MB）。团队承认这是真实的代价，但强调它是 "bounded and measurable"，并把内存优化列为 beta 期间的持续工作。
🛣 路线图
官方在技术博客与 v2 公测说明里给出的方向：
内存与冷启动持续优化：把闲置占用压回更接近 v1 的水平，并为低频窗口设计 "grace periods" 减少冷启动延迟。
Windows 体验补齐：IME、可访问性、拖拽等原生细节继续打磨，覆盖更多 Windows 版本、显示器与硬件组合。
iOS 与云同步深化：iOS App 共用同一份 Rust 数据层与同步 schema，未来会有更多功能在三端拉齐。
AI 能力扩展：以 Memory 为基础，继续围绕 AI Chat、AI Commands、Quick AI 增加上下文与工具调用能力。
Linux 仍未官方化：社区维护 raycast-linux 分支，HN 上有用户呼吁官方合作，但目前官方尚未承诺时间表。
🖊 作者背景
Raycast 由 Thomas Paul Mann（CEO）与 Petr Nikolaev（CTO）于 2020 年在伦敦联合创立。
Thomas Paul Mann：前 Facebook / Meta 工程师，毕业于德国 TH Aschaffenburg 应用技术大学，2020 年离开 Meta 后创办 Raycast，常驻伦敦。
Petr Nikolaev：联合创始人兼 CTO，与 Thomas 一起在伦敦带队。
团队：约 30 人，其中 75% 是工程师，团队完全分布在欧洲。
融资情况：累计融资 4780 万美元。
2020 年 10 月：种子轮 270 万美元，Accel 领投，Y Combinator 参与。
2021 年 11 月：A 轮 1500 万美元，Accel 与 Coatue 共同领投。
2024 年 9 月：B 轮 3000 万美元，用于把产品拓展到 Windows 与 iOS。
知名天使：GitHub CEO Thomas Dohmke、Shopify CEO Tobi Lütke、Vercel CEO Guillermo Rauch。
💰 定价
Raycast 主体免费可用，付费的 Raycast Pro 主要面向需要 AI、云同步与高级主题的用户。
Free：启动器、扩展、Clipboard、Snippets、Notes、窗口管理等核心功能全部可用。
Pro：年付 8 美元 / 月（96 美元 / 年）或月付 10 美元 / 月。包含无限基础 AI 对话（GPT-4o-mini、Claude Haiku 3.5、Llama 3.3）、AI Commands、AI Presets、自定义 Prompt、Quick AI、Cloud Sync 与自定义主题。
Advanced AI 加购：在 Pro 之上再加 8 美元 / 月（合计 16 美元 / 月），解锁 GPT-5、Claude 3.7 Sonnet、o3、o3-mini、Gemini 2.5 Pro 等前沿模型。
频道：@NewlearnerChannel
❤12👍3
#GitHub情报
HelloGitHub：面向入门爱好者的开源项目月刊，近日更新第 122 期
🔗：官网 | GitHub | 投稿
✏️ 第 122 期 已经发布
• FluentFlyout：更好看的 Windows 媒体控制弹窗
• termshot：一条命令生成终端截图
• Recordly：支持自动缩放和光标特效的屏幕录制工具
• bleachbit：免费开源的磁盘清理工具
• Kami：让 AI 生成的文档值得被打印出来
• health-tick-release：macOS 菜单栏久坐提醒工具
• whatcable：这根 USB-C 线到底能干啥
• codeburn：AI 编程助手 Token 用量分析工具
• open-design：Claude Design 的开源替代品
• Clawdmeter：展示 Claude 用量的桌面小屏
• agentmemory：AI 编程助手跨会话记忆系统
频道：@NewlearnerChannel
HelloGitHub：面向入门爱好者的开源项目月刊，近日更新第 122 期
🔗：官网 | GitHub | 投稿
✏️ 第 122 期 已经发布
• FluentFlyout：更好看的 Windows 媒体控制弹窗
• termshot：一条命令生成终端截图
• Recordly：支持自动缩放和光标特效的屏幕录制工具
• bleachbit：免费开源的磁盘清理工具
• Kami：让 AI 生成的文档值得被打印出来
• health-tick-release：macOS 菜单栏久坐提醒工具
• whatcable：这根 USB-C 线到底能干啥
• codeburn：AI 编程助手 Token 用量分析工具
• open-design：Claude Design 的开源替代品
• Clawdmeter：展示 Claude 用量的桌面小屏
• agentmemory：AI 编程助手跨会话记忆系统
频道：@NewlearnerChannel
👍9❤1🥰1
#RSS #AI #GitHub情报 #Tools
📰 邸报：把推荐算法重新接回 RSS
🔗：GitHub | 项目介绍
⭐️ Features:
• 导入 OPML 或 RSS 地址
• 根据阅读行为自动学习偏好
• 支持 Docker Compose 部署
• SQLite 单文件存储
• 无需绑定 LLM API，可接入 embedding 服务或本地模型
RSS 的好处是信息源掌握在自己手里，坏处也是信息源容易古板、陈旧、机械的掌握在自己手里。订阅一多，每天几百篇未读文章堆在收件箱里，阅读很容易逐渐变成一种负担。平台推荐当然省心，但代价是信息分发权也一并交给了平台。邸报在两者之间找一个位置，让信源仍然由用户选择，但排序交给算法完成。导入 OPML、添加 RSS 地址之后，就可以在邸报中像普通阅读器一样浏览、收藏和标记文章。与传统 RSS 阅读器不同之处在于，邸报会根据阅读行为逐渐学习用户的偏好，再对订阅池中的内容重新排序。它不会引入新的信息来源，只是在你已经订阅的文章里，把可能更值得先看的内容浮上来。
这个思路非常合理。现在很多“AI 阅读”产品习惯让大模型直接吞掉整条信息流，逐篇总结、筛选和判断，不仅消耗大量 Token，也容易让阅读变成被模型加工过的二手信息。而邸报选择了另外一条路，通过行为数据、embedding 和排序，已经可以解决大部分需求，每篇推荐还会附带理由，不只是扔给用户一个无法理解的黑盒分数。
部署方面，邸报支持 Docker Compose，可以运行在 NAS、VPS 或本地电脑上。数据保存在 SQLite 文件中，备份基本就是复制粘贴。它不依赖中心化服务，也不强制绑定付费 API。接入硅基流动之类的 embedding provider，或者在本地跑一个小模型，就可以获得不错的推荐效果。
👀 开发者将邸报称作“外部嗅觉器官”，我很喜欢这个描述。RSS 阅读器流行于 2000 年前后，推荐算法在十多年前就已经被大规模验证，但直到今天，两者仍然很少被真正结合起来。邸报目前的完成度和推荐效果都需要更多真实使用来检验。如果你的 RSS 收件箱已经长期处于爆炸状态，又不愿意把阅读完全交给平台算法，邸报很值得试试看。
频道：@NewlearnerChannel
📰 邸报：把推荐算法重新接回 RSS
🔗：GitHub | 项目介绍
⭐️ Features:
• 导入 OPML 或 RSS 地址
• 根据阅读行为自动学习偏好
• 支持 Docker Compose 部署
• SQLite 单文件存储
• 无需绑定 LLM API，可接入 embedding 服务或本地模型
RSS 的好处是信息源掌握在自己手里，坏处也是信息源容易古板、陈旧、机械的掌握在自己手里。订阅一多，每天几百篇未读文章堆在收件箱里，阅读很容易逐渐变成一种负担。平台推荐当然省心，但代价是信息分发权也一并交给了平台。邸报在两者之间找一个位置，让信源仍然由用户选择，但排序交给算法完成。导入 OPML、添加 RSS 地址之后，就可以在邸报中像普通阅读器一样浏览、收藏和标记文章。与传统 RSS 阅读器不同之处在于，邸报会根据阅读行为逐渐学习用户的偏好，再对订阅池中的内容重新排序。它不会引入新的信息来源，只是在你已经订阅的文章里，把可能更值得先看的内容浮上来。
这个思路非常合理。现在很多“AI 阅读”产品习惯让大模型直接吞掉整条信息流，逐篇总结、筛选和判断，不仅消耗大量 Token，也容易让阅读变成被模型加工过的二手信息。而邸报选择了另外一条路，通过行为数据、embedding 和排序，已经可以解决大部分需求，每篇推荐还会附带理由，不只是扔给用户一个无法理解的黑盒分数。
部署方面，邸报支持 Docker Compose，可以运行在 NAS、VPS 或本地电脑上。数据保存在 SQLite 文件中，备份基本就是复制粘贴。它不依赖中心化服务，也不强制绑定付费 API。接入硅基流动之类的 embedding provider，或者在本地跑一个小模型，就可以获得不错的推荐效果。
👀 开发者将邸报称作“外部嗅觉器官”，我很喜欢这个描述。RSS 阅读器流行于 2000 年前后，推荐算法在十多年前就已经被大规模验证，但直到今天，两者仍然很少被真正结合起来。邸报目前的完成度和推荐效果都需要更多真实使用来检验。如果你的 RSS 收件箱已经长期处于爆炸状态，又不愿意把阅读完全交给平台算法，邸报很值得试试看。
频道：@NewlearnerChannel
❤7👍3
#Photos #AI #GitHub情报
🎞 X5-Crop：轻量的 X5 扫描长 TIFF 自动裁切工具
🔗：GitHub | Releases
👉 Features
- 兼容绝大部分胶片以及扫描格式：普通 135 / 135 双条片夹 / 半格 / 645 / 66 / 67
- 使用简单：有详细的文档说明，使用方式简洁到只需要双击和回车
- 批处理：一个脚本可以批量处理整个文件夹内的所有 TIFF 图；同时运行多个脚本可以同时处理多个文件夹里的图片，只要电脑内存和硬盘读写足够，上不封顶
- 安全可靠：不对原图作任何修改，输出的裁切图片也严格限制到只做裁切和水平/垂直校准，其余属性绝不修改
- 自动识别与人工审核：能自动识别横图与竖图，只裁切能够被可靠识别的图片，无法可靠识别的情况将会把原图复制粘贴到 needs_review 文件夹以方便人工处理
⏳ 作为一名冲扫店主，处理哈苏 X5 扫描出来的长 TIFF 是一个高频的场景，不过手动裁切是一件费时费力且枯燥疲惫的事。市面上有着各种各样的裁切工具，在亲自尝试过能找到的所有之后，却总是觉得不能完美地解决自己的痛点：偏手动的效率低下，自动的却常常无法正确识别；又或者是掺杂了许多我完全不需要的花里胡哨功能，裁切的入口太深且不能批处理，反而拉低了效率。
💻 为了解决自己的（还有许多与我类似处境的人）的痛点，我只得自己动手，拿起 Codex 学习做一个 Vibe Coder。用 AI 写代码的过程出乎意料的充满乐趣。最初我以为只是一个非常简单的项目，一天之内就能解决。但是反复的调试验证以及扩充测试样本的过程中，我却发现了这是一件比想象中复杂的事。一开始我只是认为写一个脚本，捕捉到长图中两张图片中间黑色间隔的像素，就能很快很好的完成自动的裁切。但验证的结果却很快告诉我没这么容易：欠曝的图片，叠片，不稳定的片距，片头和片尾。
🤔 这些情况混杂在一起造成了非常糟糕的结果：我甚至需要在自动裁切的产出里去挑选真正可用的图片，很难说这到底是在增加效率还是降低效率。于是在几周的迭代和重构里，我加入了除了间隔检测之外的内容判断、几何修正等等各种 Policy。我也从一名初学者，开始逐渐变得有那么一点点 Coder 的思考方式了。做出来的项目也越来越准确和顺手，让我这个创造者有点自豪，也非常开心帮助到了除了我自己以外的其他人。
💡 现在脚本还有一些不足：比如对于 135 之外的格式没有足够的优化识别参数，对于叠片或者片距不稳定之类的高难度场景只能让脚本临时加 Bleed 或者让人工审核，效率仍然不够高：一张长图的分析裁切需要 10 秒。在这分享出来，也是希望得到更多的反馈让我能够优化和改进，非常欢迎在 GitHub 上提 Issue！至于是否做软件级的封装仍在犹豫中，这一点也需要用户的反馈。
📘 关联阅读： NegativeCutter-135 | Lightroom 135 胶片扫描自动裁剪插件
频道：@NewlearnerChannel
🎞 X5-Crop：轻量的 X5 扫描长 TIFF 自动裁切工具
🔗：GitHub | Releases
👉 Features
- 兼容绝大部分胶片以及扫描格式：普通 135 / 135 双条片夹 / 半格 / 645 / 66 / 67
- 使用简单：有详细的文档说明，使用方式简洁到只需要双击和回车
- 批处理：一个脚本可以批量处理整个文件夹内的所有 TIFF 图；同时运行多个脚本可以同时处理多个文件夹里的图片，只要电脑内存和硬盘读写足够，上不封顶
- 安全可靠：不对原图作任何修改，输出的裁切图片也严格限制到只做裁切和水平/垂直校准，其余属性绝不修改
- 自动识别与人工审核：能自动识别横图与竖图，只裁切能够被可靠识别的图片，无法可靠识别的情况将会把原图复制粘贴到 needs_review 文件夹以方便人工处理
⏳ 作为一名冲扫店主，处理哈苏 X5 扫描出来的长 TIFF 是一个高频的场景，不过手动裁切是一件费时费力且枯燥疲惫的事。市面上有着各种各样的裁切工具，在亲自尝试过能找到的所有之后，却总是觉得不能完美地解决自己的痛点：偏手动的效率低下，自动的却常常无法正确识别；又或者是掺杂了许多我完全不需要的花里胡哨功能，裁切的入口太深且不能批处理，反而拉低了效率。
💻 为了解决自己的（还有许多与我类似处境的人）的痛点，我只得自己动手，拿起 Codex 学习做一个 Vibe Coder。用 AI 写代码的过程出乎意料的充满乐趣。最初我以为只是一个非常简单的项目，一天之内就能解决。但是反复的调试验证以及扩充测试样本的过程中，我却发现了这是一件比想象中复杂的事。一开始我只是认为写一个脚本，捕捉到长图中两张图片中间黑色间隔的像素，就能很快很好的完成自动的裁切。但验证的结果却很快告诉我没这么容易：欠曝的图片，叠片，不稳定的片距，片头和片尾。
🤔 这些情况混杂在一起造成了非常糟糕的结果：我甚至需要在自动裁切的产出里去挑选真正可用的图片，很难说这到底是在增加效率还是降低效率。于是在几周的迭代和重构里，我加入了除了间隔检测之外的内容判断、几何修正等等各种 Policy。我也从一名初学者，开始逐渐变得有那么一点点 Coder 的思考方式了。做出来的项目也越来越准确和顺手，让我这个创造者有点自豪，也非常开心帮助到了除了我自己以外的其他人。
💡 现在脚本还有一些不足：比如对于 135 之外的格式没有足够的优化识别参数，对于叠片或者片距不稳定之类的高难度场景只能让脚本临时加 Bleed 或者让人工审核，效率仍然不够高：一张长图的分析裁切需要 10 秒。在这分享出来，也是希望得到更多的反馈让我能够优化和改进，非常欢迎在 GitHub 上提 Issue！至于是否做软件级的封装仍在犹豫中，这一点也需要用户的反馈。
📘 关联阅读： NegativeCutter-135 | Lightroom 135 胶片扫描自动裁剪插件
频道：@NewlearnerChannel
❤9🤝1
#Android #GitHub情报 #APP
📱 Pixel-Tailor-CN：一组面向国内 Pixel 用户的开源工具集
🔗：官网 | Github
用「一个工具只解决一个问题」的方式，补齐原生 Android 在来电、短信、网速、定位上的本地化短板。
为不完美的体验，做精细的缝补：在不破坏系统完整性、不上传任何数据的前提下，把国产 ROM 才有的「顺手」搬回原生 Pixel。
✨ 特点
- 单一职责：五个独立 App 各管一摊。Pixel Telo 拦来电、Pixel Text 理短信、Pixel Meter 显网速、Pixel Geo 看方位、Pixel Snooze 跳闹钟，不做臃肿全家桶。
- VPN 网速不再翻倍：Pixel Meter 直接读取物理网卡、过滤 tun0 等虚拟接口，解决开代理后状态栏网速虚高一倍的老毛病，这也是整个系列最受欢迎的功能。
- 端侧大模型识骚扰：Pixel Text 内置 TensorFlow Lite 模型在本地识别骚扰短信，并用本地规则把验证码、12306 票务、银行动账、快递通知转成 Material You 卡片，验证码一键复制。
- 系统级来电拦截：Pixel Telo 基于 CallScreeningService 与 Directory Provider，把骚扰拦截和号码标记直接做进系统拨号器，本地查询 100 毫秒内出结果。
- 隐私零上传：短信解析、号码识别、闹钟判断全部在设备本地完成，除 MMS 下载、号码库更新等必要请求外不联网。
- 纯正 Material You：全系采用 Jetpack Compose 与 Material 3 动态取色，视觉上与 Pixel 原生系统无缝融合。
⚙️ 机制
整个系列共享一套现代 Android 技术底座：Kotlin + Jetpack Compose + Material 3，统一走 MVVM / MVI + Clean Architecture，用 Koin 做依赖注入，Room、DataStore、SharedPreferences 负责本地存储，Coroutines + Flow 处理异步。各 App 的差异主要在系统能力的接入点：Pixel Meter 靠 TrafficStats + ConnectivityManager 拿到单一可信的流量数据源，Pixel Telo 接 CallScreeningService，Pixel Text 跑 TensorFlow Lite 端侧推理，Pixel Snooze 用 NotificationListenerService，而 Pixel Geo 用 Kotlin Multiplatform 实现了 Android / iOS 双端共享。
主要依赖：Kotlin、Jetpack Compose、Material 3、Koin、Room、Coroutines / Flow、Retrofit + OkHttp（Pixel Telo）、TensorFlow Lite（Pixel Text）、Kotlin Multiplatform（Pixel Geo）。
👨🏻💻 使用场景
裸刷 Pixel 的国内用户：刚从国产 ROM 换到原生系统，发现没有骚扰拦截、短信验证码不卡片化、网速显示不准——装上原点系列就能逐项补回，且不用 root。
重度代理 / VPN 用户：长期挂着 VPN 的开发者或外贸从业者，用 Pixel Meter 看到的才是真实物理网卡速度，不再被翻倍的数字误导。
被骚扰短信和验证码困扰的人：Pixel Text 把银行动账、快递、12306 票务自动归类成卡片，端侧模型把营销骚扰短信单独拢进一个会话。
打工人调休党：Pixel Snooze 接入 NateScarlet/holiday-cn 调休日历，法定节假日、大小周、上 x 休 y 都能配，休息日自动跳过工作日闹钟，又不动系统时钟。
户外与测绘爱好者：Pixel Geo 输出未经偏移的 WGS-84 原始坐标和真北方向，适合徒步、探洞这类对方位精度有要求的场景。
🛣 路线图
- 悬浮窗精准定位
- 网速低于阈值自动隐藏
- 设置界面重构
- 多语言与多端
🖊 作者背景
Mystery00（Mystery0 M）：独立开发者
技术方向：Android 开发者 / Go 语言爱好者 / 原生 Android 生态探索者，自述「热衷于在移动端与高效后端服务之间架起桥梁」。
技能栈：Kotlin（Jetpack Compose）、Go、Java，并涉猎 DevOps（Docker / K3s）。
其他作品：TurboIMS（为 Pixel 开启 VoLTE / VoWiFi）、XhuTimetable（西瓜课表）、WhatAnime（动漫识图找番）、go-jasypt、telegram-channel-publisher。
频道：@NewlearnerChannel
📱 Pixel-Tailor-CN：一组面向国内 Pixel 用户的开源工具集
🔗：官网 | Github
用「一个工具只解决一个问题」的方式，补齐原生 Android 在来电、短信、网速、定位上的本地化短板。
为不完美的体验，做精细的缝补：在不破坏系统完整性、不上传任何数据的前提下，把国产 ROM 才有的「顺手」搬回原生 Pixel。
✨ 特点
- 单一职责：五个独立 App 各管一摊。Pixel Telo 拦来电、Pixel Text 理短信、Pixel Meter 显网速、Pixel Geo 看方位、Pixel Snooze 跳闹钟，不做臃肿全家桶。
- VPN 网速不再翻倍：Pixel Meter 直接读取物理网卡、过滤 tun0 等虚拟接口，解决开代理后状态栏网速虚高一倍的老毛病，这也是整个系列最受欢迎的功能。
- 端侧大模型识骚扰：Pixel Text 内置 TensorFlow Lite 模型在本地识别骚扰短信，并用本地规则把验证码、12306 票务、银行动账、快递通知转成 Material You 卡片，验证码一键复制。
- 系统级来电拦截：Pixel Telo 基于 CallScreeningService 与 Directory Provider，把骚扰拦截和号码标记直接做进系统拨号器，本地查询 100 毫秒内出结果。
- 隐私零上传：短信解析、号码识别、闹钟判断全部在设备本地完成，除 MMS 下载、号码库更新等必要请求外不联网。
- 纯正 Material You：全系采用 Jetpack Compose 与 Material 3 动态取色，视觉上与 Pixel 原生系统无缝融合。
⚙️ 机制
整个系列共享一套现代 Android 技术底座：Kotlin + Jetpack Compose + Material 3，统一走 MVVM / MVI + Clean Architecture，用 Koin 做依赖注入，Room、DataStore、SharedPreferences 负责本地存储，Coroutines + Flow 处理异步。各 App 的差异主要在系统能力的接入点：Pixel Meter 靠 TrafficStats + ConnectivityManager 拿到单一可信的流量数据源，Pixel Telo 接 CallScreeningService，Pixel Text 跑 TensorFlow Lite 端侧推理，Pixel Snooze 用 NotificationListenerService，而 Pixel Geo 用 Kotlin Multiplatform 实现了 Android / iOS 双端共享。
主要依赖：Kotlin、Jetpack Compose、Material 3、Koin、Room、Coroutines / Flow、Retrofit + OkHttp（Pixel Telo）、TensorFlow Lite（Pixel Text）、Kotlin Multiplatform（Pixel Geo）。
👨🏻💻 使用场景
裸刷 Pixel 的国内用户：刚从国产 ROM 换到原生系统，发现没有骚扰拦截、短信验证码不卡片化、网速显示不准——装上原点系列就能逐项补回，且不用 root。
重度代理 / VPN 用户：长期挂着 VPN 的开发者或外贸从业者，用 Pixel Meter 看到的才是真实物理网卡速度，不再被翻倍的数字误导。
被骚扰短信和验证码困扰的人：Pixel Text 把银行动账、快递、12306 票务自动归类成卡片，端侧模型把营销骚扰短信单独拢进一个会话。
打工人调休党：Pixel Snooze 接入 NateScarlet/holiday-cn 调休日历，法定节假日、大小周、上 x 休 y 都能配，休息日自动跳过工作日闹钟，又不动系统时钟。
户外与测绘爱好者：Pixel Geo 输出未经偏移的 WGS-84 原始坐标和真北方向，适合徒步、探洞这类对方位精度有要求的场景。
🛣 路线图
- 悬浮窗精准定位
- 网速低于阈值自动隐藏
- 设置界面重构
- 多语言与多端
🖊 作者背景
Mystery00（Mystery0 M）：独立开发者
技术方向：Android 开发者 / Go 语言爱好者 / 原生 Android 生态探索者，自述「热衷于在移动端与高效后端服务之间架起桥梁」。
技能栈：Kotlin（Jetpack Compose）、Go、Java，并涉猎 DevOps（Docker / K3s）。
其他作品：TurboIMS（为 Pixel 开启 VoLTE / VoWiFi）、XhuTimetable（西瓜课表）、WhatAnime（动漫识图找番）、go-jasypt、telegram-channel-publisher。
频道：@NewlearnerChannel
👍27❤11
#macOS #iOS #APP #GitHub情报
📦 Pastel：macOS 中强大的 IPA 下载工具
🔗：GitHub | Releases
👉 Features
- 在不同地区的 App Store 里搜索和查看 App
- 根据 Apple 账户地区自动选择对应商店
- 获取 App 的历史版本 ID ，并下载对应版本 IPA
- 下载完成后可以在 App 内预览 IPA 的图标
- 直接通过 AirDrop 发送到 iPhone / iPad
- 支持简体中文、繁体中文、日语、韩语、泰语
🧑🏻💻 自从 iOS 和 App Store 问世以来，大家就在为了获取和安装 IPA 与 Apple 斗智斗勇。无论是越狱、降级还是进行其他骚操作，都离不开 IPA 这个安装包格式。随着 iOS、iPadOS 和 macOS 软件大融合，终于有人带来了好用的一站式 IPA 获取和安装工具
💡 初次使用需要在「设置 > Apple 账户」里添加账号，登录后会识别 Apple 账户所属地区，并在切换地区时自动选择对应商店。云集了 Apple、Timbrd、Agsy、Bilin 下载源的版本 ID 信息，方便你快速找到对应的版本 ID。下载完成后，可以直接看到已下载的 IPA 文件，并预览 App Icon ，便于筛选无广告 Icon
👀 很多人为了 Bug 等原因需要降级（点名 Telegram）如果你想要将旧版 IPA 导入 iOS，在 macOS 下载好后进行 AirDrop 即可（需要 iOS 18+）。最后，Pastel 需要 macOS 26+ 并且无 Windows 支持计划，看目前 Golden Gate 的状况，秋季正式版应该可以直接冲了（Big Sur 后再次让我能记住名字的 macOS 版本）
📘 关联阅读：Asspp - 轻松管理多个 App Store 账户
频道：@NewlearnerChannel
📦 Pastel：macOS 中强大的 IPA 下载工具
🔗：GitHub | Releases
👉 Features
- 在不同地区的 App Store 里搜索和查看 App
- 根据 Apple 账户地区自动选择对应商店
- 获取 App 的历史版本 ID ，并下载对应版本 IPA
- 下载完成后可以在 App 内预览 IPA 的图标
- 直接通过 AirDrop 发送到 iPhone / iPad
- 支持简体中文、繁体中文、日语、韩语、泰语
🧑🏻💻 自从 iOS 和 App Store 问世以来，大家就在为了获取和安装 IPA 与 Apple 斗智斗勇。无论是越狱、降级还是进行其他骚操作，都离不开 IPA 这个安装包格式。随着 iOS、iPadOS 和 macOS 软件大融合，终于有人带来了好用的一站式 IPA 获取和安装工具
💡 初次使用需要在「设置 > Apple 账户」里添加账号，登录后会识别 Apple 账户所属地区，并在切换地区时自动选择对应商店。云集了 Apple、Timbrd、Agsy、Bilin 下载源的版本 ID 信息，方便你快速找到对应的版本 ID。下载完成后，可以直接看到已下载的 IPA 文件，并预览 App Icon ，便于筛选无广告 Icon
👀 很多人为了 Bug 等原因需要降级（点名 Telegram）如果你想要将旧版 IPA 导入 iOS，在 macOS 下载好后进行 AirDrop 即可（需要 iOS 18+）。最后，Pastel 需要 macOS 26+ 并且无 Windows 支持计划，看目前 Golden Gate 的状况，秋季正式版应该可以直接冲了（Big Sur 后再次让我能记住名字的 macOS 版本）
📘 关联阅读：Asspp - 轻松管理多个 App Store 账户
频道：@NewlearnerChannel
❤20
#macOS #GitHub情报 #AI
🧠 RegionSpoof：在国行 Mac 上开启完整 Apple 智能（适用于 macOS 27）
🔗：GitHub
相较于用「电子围栏」限制死的 iOS系统，macOS 相对更加开放，也给了我们国行 Mac 使用 Apple Intelligence 的机会。此前 已经介绍对应的解决方案，但 macOS 27 发布后就不再适用，且已经有一段时间不曾更新。近期冲浪的时候看到了另一套方案，和大家分享
👉 Features
- 使用极简内核扩展 kext 修改设备区域码
- 提供一件安装 / 卸载脚本
- 可启用完整的 Apple Intelligence 端侧 + Private Cloud Compute 云端全功能
💡 原理
和之前的项目都有一些不同，RegionSpoof 引入了一个第三方 kext，而不是着手修改合规文件。这几乎从源头使得全系统进程将电脑识别为美版，完美解决了 macOS 27 的 eligibilityd 基于 SwiftData 实时重算的问题
通过开机自启和添加守护进程，能够带来很不错的体验
💻 前置条件
在运行脚本前，我们需要做以下准备工作：
① SIP 关闭 + Permissive 安全模式 + 允许第三方 kext
② AMFI 必须保持开启
③ kext 首次加载需在「系统设置 → 隐私与安全性」里点 Allow 后重启
④ Apple 账户和 macOS 系统语言设置为 Apple Intelligence 支持区域
具体的步骤详见 README，有朋友反馈无法关闭 SIP，是因为 27 引入了一个 bug。为了避免我们需要：要在更新前把系统的安全性等级恢复成 Full Security 再更新，这样更新后才能调整安全等级
同时，关闭 SIP 后通过 App Store 安装的 iOS / iPadOS 软件就无法使用了，需要大家进行取舍后再决定。总之，欢迎有需求的朋友们进行尝试和反馈！
📘 关联阅读：
1️⃣ enableAppleAI：更适合中国宝宝的国行 Mac 开启 Apple Intelligence 方案
2️⃣ 巧用两个开源项目，让你的国行 Mac 使用 Apple Intelligence
3️⃣ 巧用开源项目 misakaX，让你的国行 iPhone 使用 Apple Intelligence
频道：@NewlearnerChannel
🧠 RegionSpoof：在国行 Mac 上开启完整 Apple 智能（适用于 macOS 27）
🔗：GitHub
相较于用「电子围栏」限制死的 iOS系统，macOS 相对更加开放，也给了我们国行 Mac 使用 Apple Intelligence 的机会。此前 已经介绍对应的解决方案，但 macOS 27 发布后就不再适用，且已经有一段时间不曾更新。近期冲浪的时候看到了另一套方案，和大家分享
👉 Features
- 使用极简内核扩展 kext 修改设备区域码
- 提供一件安装 / 卸载脚本
- 可启用完整的 Apple Intelligence 端侧 + Private Cloud Compute 云端全功能
💡 原理
和之前的项目都有一些不同，RegionSpoof 引入了一个第三方 kext，而不是着手修改合规文件。这几乎从源头使得全系统进程将电脑识别为美版，完美解决了 macOS 27 的 eligibilityd 基于 SwiftData 实时重算的问题
通过开机自启和添加守护进程，能够带来很不错的体验
💻 前置条件
在运行脚本前，我们需要做以下准备工作：
① SIP 关闭 + Permissive 安全模式 + 允许第三方 kext
② AMFI 必须保持开启
③ kext 首次加载需在「系统设置 → 隐私与安全性」里点 Allow 后重启
④ Apple 账户和 macOS 系统语言设置为 Apple Intelligence 支持区域
具体的步骤详见 README，有朋友反馈无法关闭 SIP，是因为 27 引入了一个 bug。为了避免我们需要：要在更新前把系统的安全性等级恢复成 Full Security 再更新，这样更新后才能调整安全等级
同时，关闭 SIP 后通过 App Store 安装的 iOS / iPadOS 软件就无法使用了，需要大家进行取舍后再决定。总之，欢迎有需求的朋友们进行尝试和反馈！
📘 关联阅读：
1️⃣ enableAppleAI：更适合中国宝宝的国行 Mac 开启 Apple Intelligence 方案
2️⃣ 巧用两个开源项目，让你的国行 Mac 使用 Apple Intelligence
3️⃣ 巧用开源项目 misakaX，让你的国行 iPhone 使用 Apple Intelligence
频道：@NewlearnerChannel
❤8👍3
#GitHub情报 #macOS #APP
⌨️ LockIME：可以锁定键盘输入源的 macOS 工具
🔗：GitHub | Releases
👉 Features
- 实时锁定 / 切换选择的输入法
- 支持根据不同的 App 锁定 / 切换不同的输入法
- 全局切换快捷键（快速取消、激活锁定）
- 可根据 URL 切换锁定的输入法
- 支持 9 种语言
- 可进行配置备份，可通过 Sparkle 自动更新
- 提供 URL Scheme，自动化玩法多样
🧑🏻💻 虽然是前不久刚刚开源的项目，但开发者更新和维护的速度非常快。LockIME 被开发用于一些令人不快的场景：譬如 macOS 有时候会自动切换某个输入法，譬如使用不同软件或网页时需要频繁变更语言。它和同样开源的 Input Source Pro 解决的核心问题一致，但又有一些自己的想法
💡 LockIME 专注于 App 和网页两大场景，并提供了「锁定」和「切换」两种动作。简单来说，你可以将某个 App / 网页和某种语言锁死，也可以选择打开某个 App / 网页时切换一次输入法，后续的切换由你来手动决定。此外，URL Scheme 的出现可以帮助你配合脚本或快捷指令一起使用，带来更加复杂和精细化的自定义
👀 不过，对于日常需要切换几种语言的朋友来讲（尤其是 IM 软件），这样的软件还不能够做到随用随切。在 macOS 上，无论是地球键还是 Ctrl + 空格，都在给你选择而非确定解。面对这种情况，我们会更建议大家使用 Karabiner-Elements 这样的第三方软件完成映射
📘 关联阅读：Input Source Pro 正式开源，助你自动切换 macOS 输入法
频道：@NewlearnerChannel
⌨️ LockIME：可以锁定键盘输入源的 macOS 工具
🔗：GitHub | Releases
👉 Features
- 实时锁定 / 切换选择的输入法
- 支持根据不同的 App 锁定 / 切换不同的输入法
- 全局切换快捷键（快速取消、激活锁定）
- 可根据 URL 切换锁定的输入法
- 支持 9 种语言
- 可进行配置备份，可通过 Sparkle 自动更新
- 提供 URL Scheme，自动化玩法多样
🧑🏻💻 虽然是前不久刚刚开源的项目，但开发者更新和维护的速度非常快。LockIME 被开发用于一些令人不快的场景：譬如 macOS 有时候会自动切换某个输入法，譬如使用不同软件或网页时需要频繁变更语言。它和同样开源的 Input Source Pro 解决的核心问题一致，但又有一些自己的想法
💡 LockIME 专注于 App 和网页两大场景，并提供了「锁定」和「切换」两种动作。简单来说，你可以将某个 App / 网页和某种语言锁死，也可以选择打开某个 App / 网页时切换一次输入法，后续的切换由你来手动决定。此外，URL Scheme 的出现可以帮助你配合脚本或快捷指令一起使用，带来更加复杂和精细化的自定义
👀 不过，对于日常需要切换几种语言的朋友来讲（尤其是 IM 软件），这样的软件还不能够做到随用随切。在 macOS 上，无论是地球键还是 Ctrl + 空格，都在给你选择而非确定解。面对这种情况，我们会更建议大家使用 Karabiner-Elements 这样的第三方软件完成映射
📘 关联阅读：Input Source Pro 正式开源，助你自动切换 macOS 输入法
频道：@NewlearnerChannel
❤9
#iOS #Privacy #GitHub情报
🔍 Loupe：看看你的 iPhone 暴露了哪些信息
🔗：GitHub | App Store
⭐️ Features:
• 展示 iOS / iPadOS 公开 API 暴露的真实设备信号
• 将信号分为 Passive、Needs Permission 和 Advanced 三类
• 覆盖语言地区、时区、屏幕、电池、联系人、照片、定位等信息
• 演示
• 数据默认只在本机展示，不上传、不同步，除非用户主动导出
• Swift 开发，源码 MIT 许可，免费开源
很多时候我们讨论隐私和追踪，会自然想到姓名、邮箱、手机号、精确定位这些显性的个人信息，但现实更麻烦的地方在于，App 并不一定需要知道你是谁，也能通过一堆看似零散的信号把你重新认出来。Loupe 则把普通 App 可以通过公开 API 看到的设备信息摊开给你看。
Loupe 会读取真实设备上的公开 API 返回值，并把这些信号按照获取成本分成三类。Passive 是不需要任何弹窗授权就能看到的信息，比如地区、时区、屏幕、电池等；Needs Permission 是联系人、照片、位置、日历这类需要系统弹窗确认的内容；Advanced 则是更偏技巧性的侧信道，比如通过
Loupe 把一个原本偏研究、偏安全工程的话题做成了普通用户也能理解的概念。很多隐私科普最大的问题是太容易停留在恐吓式表达上：App 在追踪你、平台在画像你、广告商很可怕。但具体怎么发生，则过于抽象，用户往往感知不到。Loupe 能让用户意识到单个信号可能没什么，但一组合起来，就足够形成稳定的识别线索。
🤔 当然，Loupe 不会也无法帮你一键阻止所有追踪，也不能替代系统权限管理、浏览器防指纹或网络层隐私工具。如果你一直觉得 iOS 的权限弹窗已经足够保护隐私，Loupe 很适合拿来重新校准一下这种安全感。
频道：@NewlearnerChannel
🔍 Loupe：看看你的 iPhone 暴露了哪些信息
🔗：GitHub | App Store
⭐️ Features:
• 展示 iOS / iPadOS 公开 API 暴露的真实设备信号
• 将信号分为 Passive、Needs Permission 和 Advanced 三类
• 覆盖语言地区、时区、屏幕、电池、联系人、照片、定位等信息
• 演示
canOpenURL 探测、Keychain 重装后持久化等进阶识别方式• 数据默认只在本机展示，不上传、不同步，除非用户主动导出
• Swift 开发，源码 MIT 许可，免费开源
很多时候我们讨论隐私和追踪，会自然想到姓名、邮箱、手机号、精确定位这些显性的个人信息，但现实更麻烦的地方在于，App 并不一定需要知道你是谁，也能通过一堆看似零散的信号把你重新认出来。Loupe 则把普通 App 可以通过公开 API 看到的设备信息摊开给你看。
Loupe 会读取真实设备上的公开 API 返回值，并把这些信号按照获取成本分成三类。Passive 是不需要任何弹窗授权就能看到的信息，比如地区、时区、屏幕、电池等；Needs Permission 是联系人、照片、位置、日历这类需要系统弹窗确认的内容；Advanced 则是更偏技巧性的侧信道，比如通过
canOpenURL 推测你装了哪些 App，或者利用 Keychain 在卸载重装后仍然保留某些状态。Loupe 把一个原本偏研究、偏安全工程的话题做成了普通用户也能理解的概念。很多隐私科普最大的问题是太容易停留在恐吓式表达上：App 在追踪你、平台在画像你、广告商很可怕。但具体怎么发生，则过于抽象，用户往往感知不到。Loupe 能让用户意识到单个信号可能没什么，但一组合起来，就足够形成稳定的识别线索。
🤔 当然，Loupe 不会也无法帮你一键阻止所有追踪，也不能替代系统权限管理、浏览器防指纹或网络层隐私工具。如果你一直觉得 iOS 的权限弹窗已经足够保护隐私，Loupe 很适合拿来重新校准一下这种安全感。
频道：@NewlearnerChannel
❤6👍2
#macOS #APP #AI #GitHub情报
🗣 Type4Me：AI 驱动的 macOS 语音输入法
🔗：GitHub | Releases
👉 Features
- 内置本地识别引擎，支持多家云端引擎厂商
- 支持流式识别、边说边出字，说完无需等待、快速输入
- 内置润色、Prompt 优化、翻译功能，可自定义添加任意处理模版
- 支持主流厂商 API 接入；文本处理支持使用 Ollama 接本地模型
- 支持热词、映射词
- 存储所有历史识别记录，支持导出 CSV
- 通过配套 Skill，打造只属于你的输入法
🧠 步入 AI 大爆炸时代，常常觉得打字速度跟不上脑子里天马行空的想法。各大厂商在加紧布局智能对话助手的同时，也有诸如 Typeless 这样的工具崭露头角，更有许多人为它配备了 DJI Mic 以便随时随地对话输入
💡 但每个人都有他自己的想法和说话习惯，Type4Me 就是为了高自由度和自定义度而打造的新语音输入法。它支持本地模型，也可以接入云端大模型，同时能够根据你的需要进行高度自定义，使用起来比较流畅。无论是生成结果 AI 再润色，还是支持历史导出，都紧贴当下 AI 时代需求
👀 当然了，有的朋友不想折腾太多，想要开箱即用，最后再介绍几个商业项目。Typeless 不再赘述，近期看到国人开发的同类项目 Voilà，需要一次性买断（支持一个月试用）。此外，许多网友反馈豆包输入法也不错，大家可以根据自己的需求进行试用
📘 关联阅读：
1️⃣ Typeless：用 AI 重新定义语音听写
2️⃣ MemoAI：好用的语音转文字工具
3️⃣ 精准转写：利用 Whisper 处理音视频转文字不完全指南
频道：@NewlearnerChannel
🗣 Type4Me：AI 驱动的 macOS 语音输入法
🔗：GitHub | Releases
👉 Features
- 内置本地识别引擎，支持多家云端引擎厂商
- 支持流式识别、边说边出字，说完无需等待、快速输入
- 内置润色、Prompt 优化、翻译功能，可自定义添加任意处理模版
- 支持主流厂商 API 接入；文本处理支持使用 Ollama 接本地模型
- 支持热词、映射词
- 存储所有历史识别记录，支持导出 CSV
- 通过配套 Skill，打造只属于你的输入法
🧠 步入 AI 大爆炸时代，常常觉得打字速度跟不上脑子里天马行空的想法。各大厂商在加紧布局智能对话助手的同时，也有诸如 Typeless 这样的工具崭露头角，更有许多人为它配备了 DJI Mic 以便随时随地对话输入
💡 但每个人都有他自己的想法和说话习惯，Type4Me 就是为了高自由度和自定义度而打造的新语音输入法。它支持本地模型，也可以接入云端大模型，同时能够根据你的需要进行高度自定义，使用起来比较流畅。无论是生成结果 AI 再润色，还是支持历史导出，都紧贴当下 AI 时代需求
👀 当然了，有的朋友不想折腾太多，想要开箱即用，最后再介绍几个商业项目。Typeless 不再赘述，近期看到国人开发的同类项目 Voilà，需要一次性买断（支持一个月试用）。此外，许多网友反馈豆包输入法也不错，大家可以根据自己的需求进行试用
📘 关联阅读：
1️⃣ Typeless：用 AI 重新定义语音听写
2️⃣ MemoAI：好用的语音转文字工具
3️⃣ 精准转写：利用 Whisper 处理音视频转文字不完全指南
频道：@NewlearnerChannel
❤9👍1
#GitHub情报
HelloGitHub：面向入门爱好者的开源项目月刊，近日更新第 123 期
🔗：官网 | GitHub | 投稿
✏️ 第 123 期 已经发布
• PaperTodo：极简的 Windows 桌面便签工具
• SpeedyNote：为低成本设备优化的跨平台手写笔记应用
• gopass：专为团队设计的命令行密码管理器
• r2-web：纯前端的在线文件管理平台
• tolaria：基于 Git 的本地 Markdown 知识库工具
• winpodx：把 Windows 应用“嵌”进 Linux 桌面的工具
• Atoll：把 MacBook 刘海变成灵动岛的应用
• MacTools：住在菜单栏里的 macOS 工具集合
• CapsWriter-Offline：超低延迟的离线语音输入工具
• micro-radar：放在桌上的迷你航班雷达
• optocamzero：树莓派自制的口袋数码相机
频道：@NewlearnerChannel
HelloGitHub：面向入门爱好者的开源项目月刊，近日更新第 123 期
🔗：官网 | GitHub | 投稿
✏️ 第 123 期 已经发布
• PaperTodo：极简的 Windows 桌面便签工具
• SpeedyNote：为低成本设备优化的跨平台手写笔记应用
• gopass：专为团队设计的命令行密码管理器
• r2-web：纯前端的在线文件管理平台
• tolaria：基于 Git 的本地 Markdown 知识库工具
• winpodx：把 Windows 应用“嵌”进 Linux 桌面的工具
• Atoll：把 MacBook 刘海变成灵动岛的应用
• MacTools：住在菜单栏里的 macOS 工具集合
• CapsWriter-Offline：超低延迟的离线语音输入工具
• micro-radar：放在桌上的迷你航班雷达
• optocamzero：树莓派自制的口袋数码相机
频道：@NewlearnerChannel
👍7
#GitHub情报 #APP #Tools #macOS
📩 接读者来稿，TA 向我们推荐了自己开发的 macOS 窗口卷帘工具
🪟 WindowShade：把经典 Mac OS 的窗口卷帘带回 macOS
🔗：GitHub | 演示视频
👉 Features
• 支持 ⌃⌘C 折叠 / 展开当前窗口
• 支持双击窗口标题栏，将窗口内容原地卷起
• 折叠后保留一条标题栏式卷帘条，不把窗口送进 Dock
• 菜单栏显示已折叠窗口数量，并可快速恢复
• 支持 ⌃⌘1 到 ⌃⌘9 展开对应窗口
• 支持原貌卷帘和标准标题栏两种样式
• 支持悬停预览、卷帘条整理、置顶、半透明和音效设置
• 针对快速预览、便笺、微信、Adobe 全家桶等应用做了兼容处理
💡 WindowShade 想解决的是一个很小但很真实的问题：有时你只是想临时看一眼后面的窗口，不想关闭、不想隐藏应用，也不想把窗口最小化到 Dock 再找回来。
它的做法是用 Accessibility API 找到当前窗口，用 ScreenCaptureKit 截取窗口顶部，再生成一条 AppKit 覆盖层作为“卷帘条”。真实窗口会被移到屏幕外、隐藏或最小化，但在用户看来，这个窗口只是被原地卷起来了。
👀 这个项目更像是把经典 Mac OS 时代的 WindowShade，用现代 macOS 能接受的方式重新做了一遍。它不是完整窗口管理器，而是补上“展开”和“离开桌面”之间的中间态：窗口内容先退场，标题、位置和恢复入口还留在原处。
频道：@NewlearnerChannel
📩 接读者来稿，TA 向我们推荐了自己开发的 macOS 窗口卷帘工具
🪟 WindowShade：把经典 Mac OS 的窗口卷帘带回 macOS
🔗：GitHub | 演示视频
👉 Features
• 支持 ⌃⌘C 折叠 / 展开当前窗口
• 支持双击窗口标题栏，将窗口内容原地卷起
• 折叠后保留一条标题栏式卷帘条，不把窗口送进 Dock
• 菜单栏显示已折叠窗口数量，并可快速恢复
• 支持 ⌃⌘1 到 ⌃⌘9 展开对应窗口
• 支持原貌卷帘和标准标题栏两种样式
• 支持悬停预览、卷帘条整理、置顶、半透明和音效设置
• 针对快速预览、便笺、微信、Adobe 全家桶等应用做了兼容处理
💡 WindowShade 想解决的是一个很小但很真实的问题：有时你只是想临时看一眼后面的窗口，不想关闭、不想隐藏应用，也不想把窗口最小化到 Dock 再找回来。
它的做法是用 Accessibility API 找到当前窗口，用 ScreenCaptureKit 截取窗口顶部，再生成一条 AppKit 覆盖层作为“卷帘条”。真实窗口会被移到屏幕外、隐藏或最小化，但在用户看来，这个窗口只是被原地卷起来了。
👀 这个项目更像是把经典 Mac OS 时代的 WindowShade，用现代 macOS 能接受的方式重新做了一遍。它不是完整窗口管理器，而是补上“展开”和“离开桌面”之间的中间态：窗口内容先退场，标题、位置和恢复入口还留在原处。
频道：@NewlearnerChannel
❤13
#AI #Tools #GitHub情报
🧠 Tolaria：更 Git-first 的 Obsidian 替代品
🔗：Web | GitHub
⭐️ Features:
• MD + YAML 本地保存，无私有格式
• Git-first
• 支持块编辑器
• 原生支持多种 AI agent
• 无账号、无订阅、无云依赖，离线可用
• 支持 macOS / Windows / Linux，开源
和大火的 Obsidian 一样，Tolaria 也是一个本地文件优先的笔记软件。每条笔记都是 Markdown 文件，用 YAML frontmatter 存结构信息，Wikilinks、关系、白板、媒体预览这些能力也都在熟悉的 PKM 语境里。两者的区别在于 Obsidian 更像一个高度可扩展的个人知识工作台，很多能力依赖插件补齐，用户也很容易陷入到无限的美化和插件折腾的怪圈里；Tolaria 则固定了一系列的笔记工具如块编辑、Slash Command、Git 提交、历史浏览和推送同步，用户开箱就能用到这些核心能力，并且原生集成 AI agent。
在同步功能上，Tolaria 把每个 vault 当成 Git 仓库，在应用内即可提交、推送、查看历史，以及对单篇笔记浏览版本变化。这个设计可能偏极客，但是对于接触过 Git 的用户可能非常有用，因为知识库本来就应该是可以溯源的。
🤔 虽然 Tolaria 经常被拿出来同 Obsidian 对比，但 Tolaria 不一定是给所有 Obsidian 用户的替代品。如果已经深度依赖 Obsidian 的插件生态、移动端体验和长期打磨出的工作流，Tolaria 目前肯定不能直接替换。可以把 Tolaria 看作是 AI 时代里被打上 Mod 的 Obsidian，Git 同步和 AI 接入更原生、更少折腾。当然目前 Tolaria 还处于早期且迭代非常积极的开发阶段，功能可能频繁变化，也可能有 bug，使用时应当注意备份。
频道：@NewlearnerChannel
🧠 Tolaria：更 Git-first 的 Obsidian 替代品
🔗：Web | GitHub
⭐️ Features:
• MD + YAML 本地保存，无私有格式
• Git-first
• 支持块编辑器
• 原生支持多种 AI agent
• 无账号、无订阅、无云依赖，离线可用
• 支持 macOS / Windows / Linux，开源
和大火的 Obsidian 一样，Tolaria 也是一个本地文件优先的笔记软件。每条笔记都是 Markdown 文件，用 YAML frontmatter 存结构信息，Wikilinks、关系、白板、媒体预览这些能力也都在熟悉的 PKM 语境里。两者的区别在于 Obsidian 更像一个高度可扩展的个人知识工作台，很多能力依赖插件补齐，用户也很容易陷入到无限的美化和插件折腾的怪圈里；Tolaria 则固定了一系列的笔记工具如块编辑、Slash Command、Git 提交、历史浏览和推送同步，用户开箱就能用到这些核心能力，并且原生集成 AI agent。
在同步功能上，Tolaria 把每个 vault 当成 Git 仓库，在应用内即可提交、推送、查看历史，以及对单篇笔记浏览版本变化。这个设计可能偏极客，但是对于接触过 Git 的用户可能非常有用，因为知识库本来就应该是可以溯源的。
🤔 虽然 Tolaria 经常被拿出来同 Obsidian 对比，但 Tolaria 不一定是给所有 Obsidian 用户的替代品。如果已经深度依赖 Obsidian 的插件生态、移动端体验和长期打磨出的工作流，Tolaria 目前肯定不能直接替换。可以把 Tolaria 看作是 AI 时代里被打上 Mod 的 Obsidian，Git 同步和 AI 接入更原生、更少折腾。当然目前 Tolaria 还处于早期且迭代非常积极的开发阶段，功能可能频繁变化，也可能有 bug，使用时应当注意备份。
频道：@NewlearnerChannel
❤5🥰1