写自动化测试脚本或者写爬虫时，用传统的 Playwright 往往需要频繁维护各种元素选择器。 一旦目标网页的结构发生微调，原有的脚本就容易直接报错罢工，维护起来颇为费神。 最近在 GitHub 上看到到 HyperAgent 这个开源项目，巧妙地将... Playwright 与大模型结合在了一起。 通过自然语言就能控制浏览器，完成复杂的自动化任务，不用再写一堆脆弱的选择器代码。 GitHub： 支持单步操作，速度快成本低，以及能处理多步骤复杂任务，支持视觉理解和自适应调整。 还内置动作缓存功能，录制一次工作流后可以反复回放，不需要每次都调用大语言模型。 底层直接使用 Chrome 开发者工具协议，动作执行更精确，自动过滤广告框架，支持深层嵌套的 iframe 操作。 同时支持云端扩展，可以通过 Hyperbrowser 快速扩展到数百个会话，还能连接 MCP 工具实现完整工作流。 如果你正在用 Playwright 做自动化测试或数据采集，又厌倦了频繁维护选择器代码，这个项目值得一试。show more

在 GitHub 上发现一个开源项目：Memvid，颠覆传统的向量数据库处理方式，直接将文本数据编码成视频文件。 通过将数百万文本块压缩到单个 MP4 文件中，不仅实现了 10 倍的存储压缩率，还能在亚秒级时间内完成语义搜索，完全无需数据库服务器。 GitHub：... 并且内置对话功能，可与知识库进行上下文感知的对话，同时支持直接导入 PDF 文档并自动索引处理。 可完全离线工作，视频生成后无需网络连接。正在构建大型知识库的 AI 开发者不妨看下这个项目。show more

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI... 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。show more

用 Codex 加 ChatCut，我终于能用自然语言丝滑剪辑我的视频了！ 最近一直在研究这个 ChatCut 的 CodeX 插件... 他们在自然语言视频作这个层面，绝对是第一梯队 最牛逼的几个点在于： 1. 全自然语言操控 可以用自然语言操作整个剪辑过程 你不需要去手动操作复杂的剪辑轨道，只需要把你的需求用大白话讲给它，它就会自动去调用工具进行剪辑 2. 剪辑与生成无缝集成 它把视频剪辑和生成功能全部集成到了同一个工具里 如果你在剪辑过程中需要某些素材，它会自动帮你去找，或者直接生成对应的素材 整个体验非常顺畅，效果挺屌的 3. 优秀的可视化交互 这是目前我见过交互体验最好的自然语言剪辑工具 安装好之后，左边是你跟 Codex 对话的区域，右边就是它的整个工作区 你可以实时、可视化地看到 Codex 是如何操作你的视频素材进行剪辑的 更爽的是，你还可以直接在右边的工作区里，对刚刚剪辑的视频进行精细化的微调和修改 这种交互方式真的已经非常接近我理想中自然语言剪辑了 不过他们目前也确实存在一些问题， 比如整体的处理速度还是比较慢，以及 Token 的消耗比较大 这也是现阶段的一个局限性，但我觉得未来一定会越来越好 如果对自然语言视频制作感兴趣的兄弟们，一定要去试一下这个插件！ 官网链接如下：show more

有时想在 Obsidian 笔记里直接和 AI 对话，又不想来回切换窗口，或者担心隐私问题不想用在线服务。 最近在 GitHub 上看到 ChatGPT... MD 这个插件，能把 ChatGPT、OpenRouter 和本地大语言模型无缝集成到 Obsidian 中。 支持在任何笔记里直接发起对话，还能引用其他笔记作为上下文，对话内容完全保存在本地，不经过第三方服务器。 GitHub： 除了支持 OpenAI，还能接入 OpenRouter 平台的 Claude、Gemini、DeepSeek 等模型，或者通过 Ollama 和 LM Studio 使用本地模型，完全离线运行。 每个笔记都能单独配置模型参数，支持 Markdown 渲染、自动生成标题、模板复用等功能。 如果你想在 Obsidian 里高效使用 AI，又希望对话记录和笔记保持一致，这个插件值得一试。show more

平时浏览到一篇比较好的国外文章时，常常会想着让 AI 翻译或总结整理笔记，若直接复制会带有乱七八糟的 HTML 标签。 面对这个问题，在 GitHub 上发现了一款浏览器插件：cpdown，可一键复制网页内容并转换为 Markdown... 格式。 GitHub： 主要功能： - 一键复制任何网页内容为干净的 Markdown 格式 - 支持 YouTube 视频字幕提取和转换 - 自动去除广告、导航栏等无用 HTML 元素 - 显示内容的 token 数量，方便给 LLM 使用 - 支持键盘快捷键操作，提高工作效率 目前已上架到 Chrome 应用商店，可直接安装，其他浏览器，可手动下载代码本地加载使用。show more

在 GitHub 上发现一款创新性的开源自动化 AI 工具：Terminator。 它不像以往通过 OCR 识别屏幕内容，而是直接 “理解”... 电脑上的应用像解析 HTML 网站一样，快速、准确地控制我们电脑上的各种软件。 对比传统 OCR 自动化工具，有如下的特点： - 速度特别快，比传统方法快很多倍； - 即使软件窗口被遮挡或在后台，也能操作； - 非常稳定，不容易因为界面变化而失效。 GitHub： 目前主要支持 Windows 系统，macOS 系统仅支持部分功能。 如果你对让电脑自动完成任务感兴趣，这个项目的原理不妨学习看下。show more

我用Codex从零搓出来的GPT 5.6 Router 版正式开源了！ 无需手动操作，自动帮你根据任务复杂度选择对应5.6模型版本！ 帮你省下不必要的推理时间的同时还能降低Token费用！ 同时，这个项目和原生codex cli 完全隔离，不影响常规使用！... 安装和使用的步骤非常简单 第一步：把这个链接发给你的 CodeX，让它帮你安装 第二步：打开终端工具，输入codex-router 就可以在cli中使用该模型了 欢迎各位老师来试用这个项目，点点star，给给建议～ 关于缓存和记忆优化也在持续进行当中 继续坚持build in public，冲冲冲！show more

字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具 可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。 直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。 提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。 左：原视频，右：口型同步后 提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效果很好。

之前跟大家分享过 Android 系统开源虚拟定位工具 GoGoGo，底下评论不少人在问 iOS 有没有。 无独有偶，今天在 GitHub 上发现了一款支持虚拟定位到全球任意位置的跨平台开源工具：GeoPort。... 不仅支持 iOS 17/18 系统，还可以在 Windows 和 Mac 上运行，无需复杂的 Python 环境配置，直接开箱即用。 GitHub： 主要功能： - 全球任意位置模拟，可随便更换任意城市或地标 - 支持最新 iOS 17 和 iOS 18 系统的位置欺骗 - 一键启用开发者模式，自动处理复杂的权限设置 - 提供直观可视化界面，点几下就能开启虚拟位置 在项目的 GitHub 发布页就提供了安装包下载，有需要的同学可以试下。show more

在使用 AI 编程工具开发前端应用，当预览出现报错时，想让 AI 帮忙分析，需要把报错位置的详细信息发给它，挺麻烦的。 现在，可以装一下 Pointer 这个开源的 MCP... 服务器，它能让 AI 助手拥有能 “看见” 网页元素的能力，提升我们与 AI 沟通的开发效率。 通过快捷键选中页面上任意元素，然后自动获取到元素的完整信息，包括 CSS 属性、HTML 结构、React 组件名等详细数据。 GitHub： 需要搭配一个浏览器插件使用，通过 WebSocket 实现浏览器与 AI 工具之间的实时连接通信。 目前插件已上架到应用商店可直接搜索安装，然后运行一条命令配置 MCP 服务器，即可在 Claude Code 或 Cursor 上使用。show more

Claude Code 桌面板发布本地定时任务功能 设定好任务执行的频率，Claude 会在你电脑开着的时候自动执行，无需你每次手动触发。 比如：每周五下午，汇总本周进度，生成一份 Markdown 报告存到本地 有几个细节值得注意：... 任务第一次跑完之后，Claude 会自动重写你的 Prompt，记住具体该去哪里找文件、用哪些工具，下次会更准 可以开 Git Worktree 模式，每次运行在独立分支里，不会动你的主干代码 如果电脑在任务时间点刚好休眠了，App 重新打开后会自动补跑，并发通知 目前需要 Claude Pro 以上的付费订阅，桌面端专属，网页和手机暂不支持。 怎么用 在侧边栏点击 "Schedule"，再点 "+ New task" 就能创建一个定时任务。 也可以在任意会话里直接描述需求，比如"帮我设置一个每天早上9点执行的代码 review 任务"，Claude 会自动完成配置。show more

Veo 3.1 现在在Gemini中支持模板化生成视频 你可以套用预设模板，再配上自己的图片或文字描述来快速生成视频内容，降低了视频创作的门槛。​​​​​​​​​​​​​​​​ 打开Gemini 应用，在工具菜单里选择”创建视频” 然后从模板库里挑一个模板，再上传一张参考图片和/或写一段描述，就可以生成自己的视频了。

🔥 GitHub现象级项目 Firecrawl！已获13.4万 Stars！ AI开发者必备神器：把任何网站直接变成AI能用的干净数据！ 自动抓取+清洗+结构化输出 Markdown/JSON，支持JS页面。 更牛的是支持AI Agent自主网页交互（点击、滚动、表单）！... RAG、知识库、自动化Agent项目的基础设施。 网站 → Firecrawl → 向量库 → LLM 还在手动处理网页数据？是时候换工具了！ 用过的小伙伴快来评论区分享体验！🚀👇 #AIshow more

这个工具火了，可以用自然语言一键生成安卓和iOS App，Emergent刚上的新功能 以前可以用vibecoding做网页，现在直接出Android / iOS 安装包，比如“帮我做个记账App”即可 另外还上了一个Emergent Pro模式，Agent能力更强，能处理错误、动态调整计划，内置Linux 虚拟机，可访问互联网... 网友反馈Emergent的一键生成体验比较好，输入需求即可获得完整应用，从规划到编程、测试、调试和部署，端到端自动化 #AIagent #Emergent #APP生成工具show more