GitHubDaily @[email protected]
Bot
微信公众号「GitHubDaily」
微博自动同步bot，原则上不搬运广告内容呢，如果自动搬运了广告内容麻烦帮忙点一下举报
Joined Aug 2020
吴恩达老师新推出一门免费 MCP 学习短课程：《MCP: Build Rich-Context AI Apps with Anthropic》
由 Anthropic 技术教育负责人 Elie Schoppik 主讲，将教我们如何使用 MCP 标准化 LLM 与外部工具、数据、提示词的连接方式。
通过实践项目强化学习，包括构建 MCP 聊天助手、创建 MCP 服务器、连接第三方参考服务器等，帮助我们掌握这一标准化协议的应用能力。
课程地址: https:// 网页链接
课程共分 11 节课，提供 7 个代码示例，总时长约 90 分钟，课程大纲如下：
-
为什么选择 MCP
-
MCP 架构
-
聊天机器人示例
-
创建 MCP 服务器
-
创建 MCP 客户端
-
将 MCP 聊天机器人连接到参考服务器
-
添加提示和资源功能
-
为 Claude Desktop 配置 MCP 服务器
-
创建和部署远程服务器
-
总结
-
附录 - 技巧和帮助
适合具备一定 Python 编程基础以及对 MCP 感兴趣的开发者学习。
在 GitHub 上发现一款极方便下载中小学电子课本的开源免费工具：tchMaterial-parser。
它能帮助我们从智慧教育平台一键下载电子课本 PDF 文件，支持多本教材同时下载，自动用教材名称命名文件，还能显示实时下载进度，操作非常简单。
GitHub: https://github.com/happycola233/tchMaterial-parser
主要特性：
- 持 Access Token 登录，轻松获取受保护资源；
- 支持批量下载多个电子课本 PDF 文件；
- 自动使用教材名称作为文件名，方便管理；
- 优化 UI 以适配高分辨率屏幕，避免界面模糊；
- 实时显示下载进度，支持暂停/恢复操作；
- 支持 Windows、Linux、macOS 等多种操作系统。
提供 Windows 和 Linux 系统安装包，安装完设置 Access Token 即可使用，在 README 文件有详细说明。
一款简单易用的 B 站会员购辅助开源工具：biliTickerBuy，大大提高成功率，低调收藏使用。
通过可视化界面让我们提前设置好所有信息，包括收获地址和购买人资料，还能自动识别并通过 B 站的滑块验证码，以极快速度完成下单流程。
GitHub: https://github.com/mikumifa/biliTickerBuy
主要功能：
- 图形化操作界面，简单直观不需要技术背景；
- 自动识别并完成 B 站滑块验证码，提高抢购速度；
- 支持提前设置收货地址和购买人信息，减少操作时间；
- 支持定时自动开始抢购，无需守在电脑前；
- 验证码练习模式，可提前熟悉抢票流程。
项目完全开源免费，在 GitHub 发布页面下载运行程序，支持 Windows、macOS 和 Linux 系统，通过浏览器访问本地地址即可开始使用。
发现 GitHub 上 Graphiti 这款强大的开源框架，专为动态环境中的 AI 代理打造时间感知的知识图谱，给需要实时处理变化数据的 AI 开发者提供开源解决方案。
通过连续整合用户互动、企业数据和外部信息到一个可查询的图谱中，实现增量更新、高效检索和精确的历史查询，而且不需要重新计算整个图谱。
更值得一提的是，它还提供了 MCP 服务器支持，让 Claude、Cursor 等 AI 助手拥有知识图谱能力。
GitHub: https://github.com/getzep/graphiti
主要功能：
- 实时增量更新，无需批处理重新计算；
- 双时态数据模型，精确追踪事件发生和数据摄取时间；
- 高效混合检索，结合语义、关键词和图遍历方法；
- 通过简单的 Pydantic 模型支持自定义实体；
- MCP 服务器支持，让 Claude 等 AI 助手拥有图谱能力；
- 并行处理优化，适合处理大型数据集。
只需连接 Neo4j 数据库并设置 API 密钥，即可开始构建智能记忆系统。
如果我们开发工作依然在使用 IntelliJ IDEA 代码编辑器，AutoDev 这款开源插件 AI 开发得力助手，可以安装一试。
它集成了一系列智能交互界面，比如实时代码编辑区、代码对比工具和智能终端窗口，还能帮我们自动生成代码、测试和文档，实现由 AI 驱动的开发流程。
GitHub: https://github.com/unit-mesh/auto-dev
主要功能：
- 多功能智能工作区：实时代码编辑、差异对比、终端交互等多种视图功能；
- AI 辅助开发：根据上下文自动生成 SQL、React 页面及单元测试代码；
- 智能 Copilot 模式：帮我们查找 bug、解释代码、跟踪异常并生成提交信息；
- 灵活的模型选择：内置 DeepSeek 6.7B 优化编程模型，支持自定义 LLM 服务器；
- 自定义 AI 代理：支持可执行的 DevIns AI 代理语言和团队级别的提示词定制；
- 多语言支持：Java、Python、Go、Kotlin、JS/TS 等多种编程语言；
- SDLC 全流程支持：从代码审查到智能重构，再到 CI/CD 配置生成。
有需要的同学，可在 IntelliJ IDEA 插件市场搜索 “AutoDev” 安装使用。
GitHub 上一份精心整理了指令引导下图像编辑的学术资源列表：Awesome Instruction Editing。
包含了详细的论文分类、代码实现链接、常用数据集和评估指标说明，甚至还提供了具有公式的评估方法解析。
GitHub: https://github.com/tamlhp/awesome-instruction-editing
包括以下主要内容：
- 超过70篇最新指令引导图像编辑研究论文及代码链接；
- 按类型分类的多种数据集资源（通用、图像描述、美学编辑等）；
- 完整的评估指标说明，包括公式和使用场景；
- 提供可视化的技术路线图，帮助理解整个研究领域；
- 提供可排序的在线版本，便于快速查找特定资源。
目前仍在持续更新中，并提供了在线网站可通过搜索筛选，快速了解最新研究资料和发展趋势。
撰写论文时，在 Overleaf 中添加引用，需要频繁切换到 DBLP 或 Google Scholar 搜索文献，然后复制粘贴 BibTeX 条目，这个重复操作既耗时又麻烦。
跟大家分享一个开源插件：Overleaf-Bib-Helper，能帮助我们直接在 Overleaf 界面中搜索并获取学术文献的 BibTeX 引用信息。
同时支持从 DBLP 和 Google Scholar 这两大学术搜索引擎获取标准格式的引用数据，省去了手动复制粘贴的繁琐步骤。
GitHub: https://github.com/Arvid-pku/Overleaf-Bib-Helper
主要功能：
- 直接从 Overleaf 界面搜索 DBLP 和 Google Scholar 的学术文献；
- 一键获取标准格式的 BibTeX 引用信息并插入编辑器；
- 支持通过论文标题、作者或关键词进行精确搜索；
- 自动处理特殊字符，避免引用格式错误；
- 支持批量导入多篇文献的引用信息。
项目完全开源免费，可以通过篡改猴安装使用，适合需要经常写论文的学者。
GitHub 上一款好用稳定的全平台通用换源工具与框架：chsrc。
仅需一行命令实现自动切换到可用镜像源，内置 60+ 源地址，确保能切换到可用源。
GitHub: https://github.com/RubyMetric/chsrc
支持 Linux、Windows、macOS、BSD 等众多操作系统环境。
还支持测速、项目级换源等功能，适用于优化下载速度或解决源受限的场景。
分享 GitHub 上一款功能全面且好用的跨平台日记应用：Moodiary。
不仅支持丰富的记录形式（文字、图片、音频甚至绘画），还提供了本地 AI 分析功能，确保我们的隐私数据不会被上传到第三方服务器。
GitHub: https://github.com/ZhuJHua/moodiary
主要特性：
- 全平台支持，覆盖 Android、iOS、Windows、MacOS、Linux；
- 多种编辑器，支持 Markdown、纯文本和富文本编辑；
- 丰富媒体附件，可添加图片、音频、视频和绘画；
- 数据安全，支持密码保护和生物识别解锁；
- 智能助手，支持本地 NLP 和第三方大模型接入；
- 足迹地图，在地图上查看你的生活轨迹。
可通过下载 Release 中的安装包直接安装，也支持手动编译，适合注重隐私且希望跨设备记录生活的同学使用。
在使用 TensorFlow、PyTorch 这类主流机器学习库时，它们像个黑盒子，里面的算法实现和数学原理看不见摸不着，学习起来颇为痛苦。
现在可以通过 SmolML 开源项目学习机器学习，用纯 Python 从零实现各种 ML 算法，通俗易懂地了解机器学习工作原理。
它不依赖 NumPy 等外部库，完全用原生 Python 构建了自动微分引擎、多维数组和各种经典模型，将复杂的黑盒变成了透明的教学工具。
GitHub: https://github.com/rodmarkun/SmolML
主要内容：
- 完全透明的自动微分引擎和多维数组实现；
- 各种预处理工具和优化器的底层原理展示；
- 从零构建神经网络、决策树和 K-Means 等经典模型；
- 专注教育目的，代码注重清晰度而非性能；
- 丰富的教程指导我们理解每个 ML 组件。
提供了详细的图文并茂教程，我们只需要按顺序学习即可，适合想深入理解 ML 原理的同学学习。
在处理视频时经常被各种格式问题搞得头大，一些设备不支持某些格式，或者文件太大传不上云盘，找付费软件又特别贵，免费的又功能太少。
寻找解决方案时，发现了 HandBrake 这款开源视频转码工具，一键将视频转换成各种格式，轻松解决格式兼容问题！
它支持从几乎任何来源（DVD、蓝光、视频文件）转换视频，提供丰富的预设配置适合不同设备，还能通过智能编码算法大幅压缩文件体积同时保持画质。
GitHub: https://github.com/HandBrake/HandBrake
主要功能：
- 支持从 DVD、蓝光和各种视频文件转换视频；
- 为 iPhone、Android、AppleTV 等主流设备提供优化预设；
- 内置多种编码器包括 H.265 和 VP9，支持硬件加速；
- 可调整字幕、章节和视频参数（分辨率、帧率等）；
- 提供强大的视频过滤器（降噪、去交错、裁剪等）；
- 批量转码功能，一次处理多个文件。
在官网或 GitHub 发布页面下载安装包即可使用，兼容 Windows、Linux 和 macOS 系统。
来自麻省理工学院（MIT） 开源的一门免费课程：Flow Matching and Diffusion Model，从零开始带我们构建完整的扩散模型。
通过三个精心设计的实验练习，循序渐进地引导我们实现流匹配和扩散模型，从基础 SDE 到条件图像生成，每一步都有详尽指导和完整代码，让复杂理论简单易懂。
GitHub: https://github.com/eje24/iap-diffusion-labs
主要内容：
- 全面讲解流匹配和扩散模型的数学基础和理论框架；
- 三个循序渐进的实验练习，从零构建完整的图像生成扩散模型；
- 包含详细的课程笔记、幻灯片和操作指南，自学友好；
- 覆盖图像、视频、分子结构等多种数据模态的生成原理；
- 配套 Colab 笔记本环境，无需复杂环境配置。
学习该课程需要基本的线性代数、概率论和 Python 基础，适合想要深入了解生成式 AI 底层原理的开发者。
一款开源免费且超实用的 Windows 小工具：ScreenToGif，轻松录制屏幕、摄像头和内置画板。
提供简洁易用的界面，可以录制屏幕上任意区域，然后用内置编辑器剪裁、添加文字和特效，最终保持为 GIF、视频或其他格式的文件。
GitHub: https://github.com/NickeManarin/ScreenToGif
主要功能：
- 灵活录制屏幕任意区域、摄像头画面或使用内置画板；
- 强大内置编辑器，支持帧控制、特效添加和文字插入；
- 多种导出格式：GIF、APNG、视频、PSD 或 PNG 图像；
- 键盘捕捉功能，可在录制中显示按键操作；
- 可调整帧率和质量设置，优化文件大小。
提供开箱即用安装包，可通过 GitHub 发布页面直接下载，或到微软应用商店搜索安装使用。
在 GitHub 上有位开发者整理了一份国内所有小初高、大学课程的 PDF 教材：ChinaTextbook。
提供了高清无水印的 PDF 文件，可供大家免费下载，旨在杜绝某宝上带有水印的付费资源。
GitHub: https://github.com/TapXWorld/ChinaTextbook
同时也希望海外华人能够让自己的孩子继续了解国内资源，促进义务教育的普及。
Bot
微信公众号「GitHubDaily」
微博自动同步bot，原则上不搬运广告内容呢，如果自动搬运了广告内容麻烦帮忙点一下举报
Joined Aug 2020
