#GitHub

2周前
在 GitHub 这个全球最大的开发者社区里,除了那些改变世界的明星项目,还隐藏着许多充满趣味和奇思妙想的宝藏。它们或许不那么“实用”,却以独特的创意吸引了大量关注,比如下面这几个: 1、Nocode (代码之源):一个空项目,完美诠释“没有代码就没有Bug”的哲学。其讨论区充满了各种有趣的哲学思辨。 Star 数量:63k+ 链接: 2、HowToCook (程序员在家做饭指南):用程序员的严谨思维来写菜谱,将“少许”、“适量”等模糊描述替换为精确到克的指令,让做饭像执行代码一样简单。 Star 数量:88k+ 链接: 3、thefuck:当你在终端输错命令时,只需输入 fuck,它就能神奇地帮你自动纠正。 Star 数量:92k+ 链接: 4、wenyan-lang (文言文编程):允许你用文言文的“之乎者也”来编写程序,让代码充满古典韵味,还拥有自己的IDE。 Star 数量:20k+ 链接: 5、dongbei (东北话编程):用“老铁没毛病”的东北话来编程,将方言词汇作为编程语法,让写代码充满乡土气息和欢乐。 Star 数量:2k+ 链接: 6、HumanSystemOptimization (活到150岁指南):一份硬核的“人体系统优化”指南,基于大量科学论文,教你如何像优化代码一样优化自己的身体。 Star 数量:16k+ 链接: 7、logoly:一个风格微妙且有趣的Logo生成器,可以快速创造一些在开发者圈子里会心一笑的幽默图标。 Star 数量:7.5k+ 链接: 8、genact (摸鱼神器):在你的屏幕上生成以假乱真的程序运行动画,让你在办公室看起来非常忙碌,是“摸鱼”时的绝佳掩护。 Star 数量:10k+ 链接: 9、The Most Dangerous Writing App:对抗拖延症的终极利器。一旦开始写作就不能停笔,否则之前的所有心血都会烟消云散,用“危险”激发生产力。 Star 数量:1.8k+ 链接: 10、桌面宠物 (Desktop Pets):在桌面上养一只数字萌宠。RunCat 在任务栏奔跑,用跑速反映CPU繁忙度;BongoCat 则会模仿你的键鼠操作,陪你工作和游戏。 Star 数量:6.5k+ 链接:
3周前
Cursor 正式宣布发布 1.0 版本!以下是视频介绍翻译: 软件开发不仅仅是写代码 我们知道,软件工程师的日常工作远不止在代码编辑器里敲代码,还有大量的时间用在审查代码、查找和修复 bug 上。因此,我们特别推出了全新功能——Bugbot: * 它能自动在 GitHub 的 Pull Request 中发现潜在的 bug。 * 一键即可在 Cursor 中快速修复这些问题。 新功能抢先体验:记忆(Memories)功能的 Beta 版本 记忆功能是 Cursor 从你的交互中逐渐学习和积累的知识或代码库规则。未来,我们希望 Cursor 能通过使用习惯越来越聪明,甚至实现团队内知识共享——一名团队成员的工作经验可以帮助其他成员快速成长。 一键安装 MCP,让扩展更简单 看到社区对于 MCP(模型扩展插件)的热情,我们非常兴奋。但我们也意识到安装、设置和发现 MCP 并不简单。因此,我们新增了一键安装功能: * 点一下就能轻松安装任何你喜欢的 MCP 扩展插件。 * 让每个人都能快速享受到 Cursor 丰富的扩展能力。 后台智能体正式上线,整合 Slack 与 Jupyter 支持 在上个版本,我们首次尝试了异步后台智能体(Background Agent),这段时间我们进行了大量优化,今天宣布正式上线: * 后台智能体现在能与 Slack 无缝整合。你只需在 Slack 中标记 Cursor,它便能后台帮你完成代码修改。 * 同时,我们还为研究人员和数据科学家提供了 Jupyter Notebooks 支持,让 Cursor 在数据领域更具实用性和强大功能。 更多优化升级,提升使用体验 我们还带来了众多额外的优化升级,包括: * 并行工具调用:Cursor 现在能同时编辑多个不同位置。 * 更丰富的聊天交互体验:比如 Markdown 支持的 Mermaid 流程图、表格等。 * 更友好的设置和管理后台界面。 这些新功能和改进,已在团队内部获得了积极反馈,我们迫不及待地想让大家也能赶快体验起来!
4周前
Google 最近有点疯。I/O 刚甩出一堆 AI… 结果这两天,我在 GitHub 看到它又丢了个狠东西: Gemini Fullstack LangGraph Quickstart 我原本以为是那种“又一个 AI demo 项目”,结果一跑…靠,这套结构直接能改成一个 Perplexity mini。 从提问 → 拆 query → 多轮搜索 → 反思 → 再查 → 带引用输出,整个 agent 流程都封装好了。 Google 又开始搞开源慈善卷行业了,连“智能体该怎么搭”都明牌教学了。 1️⃣ Google 一贯的严谨做派,这次不是 demo,是开箱即用的智能体原型系统 你打开项目,会看到它把整个 fullstack 都搞定了: •React + Tailwind + Shadcn 前端,页面是能用的,不是糊的 •FastAPI + LangGraph 后端,整合 Gemini 2.5 •一键 make dev 起飞,Docker Compose 打包也顺 •自带 UI,整个 agent 的“思考过程”能 trace、能 stream、能调 这种项目不是跟最近看到的 openxxx 类项目一样给你看个思路,你照着能跑。 2️⃣ 很典型的 Agent 流程,查资料、思考和总结 你提个问题 → 它拆几个搜索关键词 → 查 → 看信息够不够 → 不够就再查一轮 → 然后整理、生成、引用都给你带上 基于 LangGraph 搞了一个结构化思考流程落地。 3️⃣ 整套配得非常舒服,能上产品原型的那种 做了一整套: •UI 是现成的,查完结果也展示得明白 •回答里每条 citation 是 traceable 的 •开发体验很丝滑,前后端热更新都有 •Agent 逻辑清晰,graph. py 里面节点你一看就懂 这就属于你改个 search API、换套 prompt,几天就能变成一个 vertical agent demo 拿去 pitch。 4️⃣ 当然它也有边界,但不影响当范本看 毕竟是个 quick start,比如: •只接了 Google Search,没知识库整合 •Reflection 是 prompt 层搞的,不是 policy 控制 •Loop 是写死的 max_round,不够聪明但足够控制 但这些反而是好事儿。因为你想改的地方都能改,想替换的接口都开着。不像很多项目写得很花但你根本下不了手。 5️⃣ 如果你是这几类人,我建议你现在就 fork: •想做 research agent,但又不想从头糊起的人 •想理解 LangGraph 到底怎么 orchestrate 的开发者 •做 AI 项目但每次写完 prompt 总觉得 agent 是假的 你想做 AI 工程,就应该研究这种结构通顺、流程稳定、代码能复用的项目。 自己动手跑一遍,比看十篇如何构建智能体的帖子都值。算是站在巨人的肩膀上 vibe 了。