🔥 开源热榜

一个围绕对比式语言模型（Contrastive LM）的 Python 仓库，作者没写任何简介。从命名看，它想探索的是把对比学习目标引入语言模型训练：让模型在一堆候选文本里学会区分真正匹配的续写与干扰项，从而得到更可分的语义表示，或在生成时更准地排序候选。这类工程通常包含数据构造、负样本采样、损失函数与训练脚本，可能还带评测代码。因为缺少文档和说明，具体方法、依赖和是否可复现都需要自己读源码确认，别先入为主地当成成熟框架。

磁盘告急却不知道是谁占的，是每个开发者的日常痛点。disktree 把整个磁盘画成一张矩形树图：文件和目录按占用体积决定面积大小，谁大谁刺眼，一眼就能锁定元凶，然后直接在界面里删掉。它用 Rust 配合 GPUI 构建，是原生 GPU 加速的桌面应用，因此响应快、不卡顿。项目明确面向 Omarchy——一个基于 Arch 与 Hyprland 的桌面发行版，属于那种为特定工作流量身打造、但思路人人可借鉴的小工具。

这不是用剪辑软件拼出来的视频，而是一支完全由程序生成的音乐 MV，配曲是那首关于 AI 末日概率的 I'm Upping My P(doom)。画面里的动画、文字排版、节奏切换全部写在 TypeScript 代码里，逐帧绘制后合成成片。它存在的意义更像一次创意编程的行为艺术：把能不能用代码做视觉叙事这件事推到极致，顺便证明程序化动画在节奏与视觉密度上并不输手工剪辑，同时也是一份可读的动画管线实现。

编码 Agent 通常被绑死在自己的模型上，想换就得改环境变量、翻配置文件。magpie 把这个动作变成点几下：它常驻 macOS 菜单栏，把各家模型供应商统一到一个配置面板，通过本地转发让 Codex 跑 DeepSeek、让 Claude Code 跑 Kimi 这类组合随手可切。核心是一层本地代理加菜单栏开关，Go 写的，轻量、无侵入，不需要改动 Agent 本身的代码，也不用记一堆 API 参数。

grep 只能搜字符串，前提是你得先知道变量名怎么写。jevgrep 让你直接问这个功能在哪实现——比如退款重试逻辑藏在哪个文件——然后返回相关文件和上下文。它是专门为编码 Agent 设计的 CLI，底层借助 Jev 做代码索引与语义匹配，把结果整理成 Agent 能直接消费的上下文格式，减少模型在仓库里瞎猜文件、反复读无关代码的浪费。本质是给 Agent 补上一层语义检索的入口。

想在本地跑大模型，显卡却只有 8GB，通常只能乖乖用小模型。Strata 的思路是吃透 MoE 架构的特性：模型虽然庞大，但每次只激活一小部分专家，于是它把大量权重留在内存或磁盘上按需加载，让小显存也能驱动百 B 级别的模型。项目提供 Windows 与 Linux 的一键安装，跑起来后在 localhost 暴露兼容 OpenAI 与 Anthropic 协议的接口，已有客户端和 Agent 不用改一行代码就能接入，还支持可选的图片输入。

现在 Agent 能帮你把产品写出来，可上线这一步依然是泥潭：买域名、开数据库、接支付、配邮件，每一步都要注册平台、啃文档。golive-skill 是一个开源的 Agent Skill 加零依赖 Node CLI，把这套流程交给 Agent 跑：先探测项目类型，生成一份上线计划，等你批准后执行部署，最后验证是否真的跑通。它坚持用你自己的云账号操作，不需要注册任何中间服务，没有后端、没有遥测。

一个跑在浏览器里的应用，你把一首歌的歌词丢进去，它自动排布时间轴，把歌词逐字逐句做成动画演出，产出接近日式文字 PV 的成品。它解决的是手工做歌词视频极度费时的问题——在剪辑或动效软件里逐句打关键帧、调字效，几个小时就没了。JIZURA 把歌词、时间点和文字动效用模板化方式自动组合，纯前端运行，不用装软件，也不用把素材上传到别人的服务器。