Loading video...

Video Failed to Load

Go Home

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。

GitHub_Daily's profile picture

GitHubDaily

82,356 subscribers

57,673 views • 1 year ago •via X (Twitter)

Science & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

在 GitHub 上发现了一个 Notion 和 Slack 的开源平替方案：Colanode，本地优先，数据隐私安全。 作为开源协作平台，功能颇为全面，集实时聊天、文档编辑、数据库管理和文件存储于一体。 GitHub： 主要功能： - 实时聊天系统类似 Slack，支持团队和个人即时通讯 - 富文本页面编辑器，类似 Notion 的文档和笔记功能 - 可自定义数据库，支持表格、看板、日历等多种视图 - 文件管理系统，在安全工作空间内存储和分享文件 - 离线工作支持，网络中断时仍可正常使用 提供 Web 应用和桌面应用两种使用方式，同时支持 Docker 和 Kubernetes 自部署。
0:13

在 GitHub 上发现了一个 Notion 和 Slack 的开源平替方案：Colanode，本地优先，数据隐私安全。 作为开源协作平台，功能颇为全面，集实时聊天、文档编辑、数据库管理和文件存储于一体。 GitHub： 主要功能： - 实时聊天系统类似 Slack，支持团队和个人即时通讯 - 富文本页面编辑器，类似 Notion 的文档和笔记功能 - 可自定义数据库，支持表格、看板、日历等多种视图 - 文件管理系统，在安全工作空间内存储和分享文件 - 离线工作支持，网络中断时仍可正常使用 提供 Web 应用和桌面应用两种使用方式，同时支持 Docker 和 Kubernetes 自部署。

GitHubDaily

27,276 views • 1 year ago

在 GitHub 上发现一款完全本地运行的开源 AI 助手：Eclaire，集成了超多 AI 功能。 支持文档、图片、笔记、书签等数据类型的统一管理，并通过本地 LLM 模型提供问答对话。 同时内置强大的文档处理能力，支持 PDF、Docx、PNG 等多种格式。 GitHub： 除此之外，还有 OCR 文字识别、批量格式转换等 AI 功能。 通过 Docker 一键部署使用，支持 macOS、Linux、Windows 系统，并提供 API 接口，兼容 OpenAI 标准格式。
0:13

在 GitHub 上发现一款完全本地运行的开源 AI 助手：Eclaire，集成了超多 AI 功能。 支持文档、图片、笔记、书签等数据类型的统一管理，并通过本地 LLM 模型提供问答对话。 同时内置强大的文档处理能力，支持 PDF、Docx、PNG 等多种格式。 GitHub： 除此之外，还有 OCR 文字识别、批量格式转换等 AI 功能。 通过 Docker 一键部署使用，支持 macOS、Linux、Windows 系统，并提供 API 接口，兼容 OpenAI 标准格式。

GitHubDaily

26,221 views • 10 months ago

分享 GitHub 上一款能自动生成 Cursor 高质量的 MDC 规则文件开源工具：MDC Rules Generator。 利用 Exa 语义搜索和 LLM 技术，自动收集各种库的最佳实践并生成结构化内容，还支持并行处理和进度跟踪，简化 Cursor 规则创建过程。 GitHub： 主要功能： - 为各种库自动生成全面的 MDC 规则文件； - 使用 Exa 语义搜索智能收集最佳实践指南； - 利用 LLM 创建详细、结构化的内容； - 支持并行处理多个库，大幅提高效率； - 智能跟踪进度，允许随时恢复中断的任务。 通过克隆代码到本地，安装依赖并配置 API 密钥即可使用，正在使用 Cursor 同学可以看下。
0:14

分享 GitHub 上一款能自动生成 Cursor 高质量的 MDC 规则文件开源工具：MDC Rules Generator。 利用 Exa 语义搜索和 LLM 技术，自动收集各种库的最佳实践并生成结构化内容，还支持并行处理和进度跟踪，简化 Cursor 规则创建过程。 GitHub： 主要功能： - 为各种库自动生成全面的 MDC 规则文件； - 使用 Exa 语义搜索智能收集最佳实践指南； - 利用 LLM 创建详细、结构化的内容； - 支持并行处理多个库，大幅提高效率； - 智能跟踪进度，允许随时恢复中断的任务。 通过克隆代码到本地，安装依赖并配置 API 密钥即可使用，正在使用 Cursor 同学可以看下。

GitHubDaily

28,985 views • 1 year ago

Codex 5.6 必装 Obsidian，直接给 AI 装上安全免费的本地永久记忆库！ 很多人想给 AI 增加长期记忆，但又担心云端 Memory 成本、隐私和数据安全问题 今天我找到了正确的解决方法：让 Obsidian 成为 Codex 的外部知识中枢，让Codex 根据当前需求检索相关知识；完成任务后，再把新的经验、结论和变化同步回知识库。 检索知识 → 执行任务 → 沉淀经验 → 优化知识库 直接用下面这段prompt（提示词）： “请将当前 Obsidian 知识库作为我的跨项目长期记忆系统，为所有项目建立统一索引和知识结构。持续整理并维护项目背景、长期偏好、关键决策、已完成内容、当前进度、失败方案、踩坑记录、技术方案和下一步计划。 每次开始新任务前，先检索 Obsidian 中与当前任务相关的笔记，补充必要上下文后再执行任务；任务完成后，将新增的结论、重要决策、代码变更记录和项目进度同步更新到对应文档。 只保留未来有价值的信息，避免记录无关对话、重复内容或临时信息；不要保存密码、api Key、token 等敏感信息。” 还可以创建个自动化流程： “每次完成重要任务后，让 Codex 自动提取本次开发中的关键经验，包括技术决策、解决方案、踩坑原因和可复用方法，沉淀回 Obsidian，持续完善项目知识库。” 随着项目不断推进，Obsidian 不只是存储文件，将逐渐成为属于你的 AI 知识库大脑。
0:17

Codex 5.6 必装 Obsidian，直接给 AI 装上安全免费的本地永久记忆库！ 很多人想给 AI 增加长期记忆，但又担心云端 Memory 成本、隐私和数据安全问题 今天我找到了正确的解决方法：让 Obsidian 成为 Codex 的外部知识中枢，让Codex 根据当前需求检索相关知识；完成任务后，再把新的经验、结论和变化同步回知识库。 检索知识 → 执行任务 → 沉淀经验 → 优化知识库 直接用下面这段prompt（提示词）： “请将当前 Obsidian 知识库作为我的跨项目长期记忆系统，为所有项目建立统一索引和知识结构。持续整理并维护项目背景、长期偏好、关键决策、已完成内容、当前进度、失败方案、踩坑记录、技术方案和下一步计划。 每次开始新任务前，先检索 Obsidian 中与当前任务相关的笔记，补充必要上下文后再执行任务；任务完成后，将新增的结论、重要决策、代码变更记录和项目进度同步更新到对应文档。 只保留未来有价值的信息，避免记录无关对话、重复内容或临时信息；不要保存密码、api Key、token 等敏感信息。” 还可以创建个自动化流程： “每次完成重要任务后，让 Codex 自动提取本次开发中的关键经验，包括技术决策、解决方案、踩坑原因和可复用方法，沉淀回 Obsidian，持续完善项目知识库。” 随着项目不断推进，Obsidian 不只是存储文件，将逐渐成为属于你的 AI 知识库大脑。

govin.eth | G哥

115,934 views • 2 days ago

🔥 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！🚀👇 #AI
0:13

🔥 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！🚀👇 #AI

AI搞钱Hacker

20,567 views • 2 months ago

做自媒体之后，我的下载文件夹，基本长期失控。 素材、品牌资料、截图、PDF 全堆在一起。 今天要交付内容时，我打开文件夹—— 80 个文件，完全炸了 于是，让 AI 接管了我的电脑 80 个文件， 3 分钟， 1 句话整理完成。 没有插件。 没有脚本。 没有写一行代码。 我只做了这一件事： 打开 EasyClaw 👉 输入一句话： 「“整理我的下载文件夹，按类型分类、重命名、删除重复文件，并生成整理报告”」 然后它开始自己工作： ✔ 自动识别文件类型 ✔ 读取创建时间 ✔ 批量重命名 ✔ 自动建文件夹 ✔ 清理重复文件 我没有拖动一个文件。 这不是“文件整理”。 这是—— AI 直接接管操作系统。 2026 年， 不会写代码的人， 也可以做自动化。
0:11

做自媒体之后，我的下载文件夹，基本长期失控。 素材、品牌资料、截图、PDF 全堆在一起。 今天要交付内容时，我打开文件夹—— 80 个文件，完全炸了 于是，让 AI 接管了我的电脑 80 个文件， 3 分钟， 1 句话整理完成。 没有插件。 没有脚本。 没有写一行代码。 我只做了这一件事： 打开 EasyClaw 👉 输入一句话： 「“整理我的下载文件夹，按类型分类、重命名、删除重复文件，并生成整理报告”」 然后它开始自己工作： ✔ 自动识别文件类型 ✔ 读取创建时间 ✔ 批量重命名 ✔ 自动建文件夹 ✔ 清理重复文件 我没有拖动一个文件。 这不是“文件整理”。 这是—— AI 直接接管操作系统。 2026 年， 不会写代码的人， 也可以做自动化。

暖暖爱AI

41,471 views • 5 months ago

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。 你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。 《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。 这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。 目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。 下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：
0:16

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。 你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。 《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。 这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。 目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。 下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：

Barret李靖

124,227 views • 2 years ago

一款强大且易用的在线数据库设计工具及 SQL 生成器：DrawDB。 只需轻松点击几下即可创建图表，导出 SQL 脚本，以及自定义编辑器等。 GitHub： 目前已支持大部分主流数据库，如 MySQL、PostgreSQL 以及 SQLite 等。 而且完全开源免费，无需注册账户即可体验。
0:19

一款强大且易用的在线数据库设计工具及 SQL 生成器：DrawDB。 只需轻松点击几下即可创建图表，导出 SQL 脚本，以及自定义编辑器等。 GitHub： 目前已支持大部分主流数据库，如 MySQL、PostgreSQL 以及 SQLite 等。 而且完全开源免费，无需注册账户即可体验。

GitHubDaily

29,999 views • 1 year ago

又在 GitHub 上发现一个专为快速构建 Web 应用的强大 AI 编程助手：Claudable。 将本地 CLI 终端编程 Agent，如 Claude Code、Gemini CLI、Qwen Coder、Cursor 等，与 Lovable 结合。 只需使用自然语言简单描述一下想法，就能瞬间生成完整的 Next.js 应用，并且可在编辑器里实时预览效果。 GitHub： 主要功能： - 支持多种 AI 编程 Agent，包括 Claude Code、Cursor CLI、Gemini CLI 等 - 自然语言描述想法，即可生成生产级 Next.js 应用 - 实时预览功能，改动代码可实时查看结果 - 具备自动错误检测和修复，提升开发效率 - 集成 Supabase 数据库，支持用户认证和数据存储 - 生成的 Web 应用，支持一键部署到 Vercel，无需复杂配置 目前工具仅支持通过本地安装部署使用，提供了详细的步骤说明，感兴趣的开发者可以看一下。
0:13

又在 GitHub 上发现一个专为快速构建 Web 应用的强大 AI 编程助手：Claudable。 将本地 CLI 终端编程 Agent，如 Claude Code、Gemini CLI、Qwen Coder、Cursor 等，与 Lovable 结合。 只需使用自然语言简单描述一下想法，就能瞬间生成完整的 Next.js 应用，并且可在编辑器里实时预览效果。 GitHub： 主要功能： - 支持多种 AI 编程 Agent，包括 Claude Code、Cursor CLI、Gemini CLI 等 - 自然语言描述想法，即可生成生产级 Next.js 应用 - 实时预览功能，改动代码可实时查看结果 - 具备自动错误检测和修复，提升开发效率 - 集成 Supabase 数据库，支持用户认证和数据存储 - 生成的 Web 应用，支持一键部署到 Vercel，无需复杂配置 目前工具仅支持通过本地安装部署使用，提供了详细的步骤说明，感兴趣的开发者可以看一下。

GitHubDaily

11,926 views • 11 months ago

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。
0:16

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。

GitHubDaily

17,999 views • 4 months ago

Qrs 二维码传输文件的小工具有了重大更新：传输速度大幅提升！ 用了 Luby Transform 编码。它是喷泉码（Fountain Codes）的一种。基本原理是将原始数据分成多个小块，然后通过编码生成无限数量的编码块。接收方只需收到足够多的编码块（通常比原始块稍多）就可以重建原始数据。
0:16

Qrs 二维码传输文件的小工具有了重大更新：传输速度大幅提升！ 用了 Luby Transform 编码。它是喷泉码（Fountain Codes）的一种。基本原理是将原始数据分成多个小块，然后通过编码生成无限数量的编码块。接收方只需收到足够多的编码块（通常比原始块稍多）就可以重建原始数据。

绚香音 Rizumu

168,841 views • 1 year ago

来个本地 RAG 框架 Lobe Chat，这个框架在 Github 上已经有59K Star了。 Lobe Chat 上常用的本地AI功能都有，包括各个服务商的接口，文件上传、知识管理、 RAG、多模态、生成动态 SVG 图形、构建并渲染交互式 HTML 页面、生成多种格式的文档等等 地址：
0:13

来个本地 RAG 框架 Lobe Chat，这个框架在 Github 上已经有59K Star了。 Lobe Chat 上常用的本地AI功能都有，包括各个服务商的接口，文件上传、知识管理、 RAG、多模态、生成动态 SVG 图形、构建并渲染交互式 HTML 页面、生成多种格式的文档等等 地址：

karminski-牙医

23,518 views • 1 year ago

我去！国外已经刷屏了，国内好像还没啥人聊🔥 PewDiePie pewdiepie 搞了个本地版 ChatGPT / Claude：Odysseus。 GitHub 5 月 31 日晚上才建，短短 2 天现在已经冲到 2 万星左右，涨得非常猛。 Odysseus 是什么？ 本地 / 自托管 AI 工作空间——运行在你自己的电脑或服务器上，也可以按需接 API。无云端强依赖、无账号绑定、无遥测追踪，数据尽量留在自己手里。 包含 Agent——不是只能聊天的那种，而是能执行真实任务的代理，比如网页浏览、文件编辑、文档处理、研究报告、邮件分类 / 自动回复等等。 功能——聊天界面、记忆、Deep Research、图像生成 / 编辑、MCP 支持、图库、资料库、文件工具、Shell、Web 工具等等。基本就是把他自己定制的“ChatOS”，慢慢做成了一个完整的 AI 生产力套件。 他之所以构建它，是因为他厌倦了不稳定的自托管设置以及将数据交给大科技公司。 项目地址：
0:18

我去！国外已经刷屏了，国内好像还没啥人聊🔥 PewDiePie pewdiepie 搞了个本地版 ChatGPT / Claude：Odysseus。 GitHub 5 月 31 日晚上才建，短短 2 天现在已经冲到 2 万星左右，涨得非常猛。 Odysseus 是什么？ 本地 / 自托管 AI 工作空间——运行在你自己的电脑或服务器上，也可以按需接 API。无云端强依赖、无账号绑定、无遥测追踪，数据尽量留在自己手里。 包含 Agent——不是只能聊天的那种，而是能执行真实任务的代理，比如网页浏览、文件编辑、文档处理、研究报告、邮件分类 / 自动回复等等。 功能——聊天界面、记忆、Deep Research、图像生成 / 编辑、MCP 支持、图库、资料库、文件工具、Shell、Web 工具等等。基本就是把他自己定制的“ChatOS”，慢慢做成了一个完整的 AI 生产力套件。 他之所以构建它，是因为他厌倦了不稳定的自托管设置以及将数据交给大科技公司。 项目地址：

爱吃折耳根的Ace

531,562 views • 2 months ago

TinyShip 的下一个基础服务功能已经开发完毕，存储服务集成完毕，使用 Unified 的云存储接口，目前接入 - 阿里云 OSS - AWS S3 - Cloudflare R2 可以轻松切换不同服务商 目前支持的功能： - 文件上传/下载 - 签名 URL 生成 - 元数据管理 - 目录列表 现在进度比我预想的要快。 关于几个人咨询的 Cloudflare Workers 部署问题：目前暂时不支持，因为 OpenNext 目前不支持 Node.js Middleware，而我们的 middleware 使用了 Node.js runtime，我不想推翻现在的设计，所以要等 OpenNext 支持 Node.js Middleware 即可支持 我看了一下是比较高的优先级，应该也是不远了。
0:14

TinyShip 的下一个基础服务功能已经开发完毕，存储服务集成完毕，使用 Unified 的云存储接口，目前接入 - 阿里云 OSS - AWS S3 - Cloudflare R2 可以轻松切换不同服务商 目前支持的功能： - 文件上传/下载 - 签名 URL 生成 - 元数据管理 - 目录列表 现在进度比我预想的要快。 关于几个人咨询的 Cloudflare Workers 部署问题：目前暂时不支持，因为 OpenNext 目前不支持 Node.js Middleware，而我们的 middleware 使用了 Node.js runtime，我不想推翻现在的设计，所以要等 OpenNext 支持 Node.js Middleware 即可支持 我看了一下是比较高的优先级，应该也是不远了。

Viking

14,311 views • 7 months ago

做RAG的朋友一定要看看 Google 这个新论文——MUVERA：让多向量检索与单向量搜索一样快 大家在RAG的检索内容过程都会遇到这种情况，如果用传统搜索（例如ElasticSearch），文档 = 1 个向量 → 快速但不准确。如果用向量数据库，现代多向量搜索：文档 = 数百个向量 → 准确但极其缓慢。 于是谷歌提出了 DFEs (固定维度编码) 将多个向量转换为单个固定长度的向量，同时保留相似性关系。其神奇之处在于，两个 FDE 向量之间的点积近似于多向量集合之间的原始 Chamfer 相似度。(Chamfer 相似度是啥详见文尾的文章) MUVERA 的一个关键优势是 FDE 变换是无数据的。这意味着它不依赖于特定的数据集，使其既能够抵抗数据分布的变化，又适合流式应用。此外，与模型产生的单向量不同，FDE 保证在指定的误差范围内近似真实的 Chamfer 相似度。因此，在重排序阶段之后，MUVERA 保证能够找到最相似的多向量表示。 所以这个新方法能有效地提升RAG检索阶段的效率，现阶段连Python库都有了，需要的同学可以试试。 论文地址： Chamfer 相似度： python库：
0:18

做RAG的朋友一定要看看 Google 这个新论文——MUVERA：让多向量检索与单向量搜索一样快 大家在RAG的检索内容过程都会遇到这种情况，如果用传统搜索（例如ElasticSearch），文档 = 1 个向量 → 快速但不准确。如果用向量数据库，现代多向量搜索：文档 = 数百个向量 → 准确但极其缓慢。 于是谷歌提出了 DFEs (固定维度编码) 将多个向量转换为单个固定长度的向量，同时保留相似性关系。其神奇之处在于，两个 FDE 向量之间的点积近似于多向量集合之间的原始 Chamfer 相似度。(Chamfer 相似度是啥详见文尾的文章) MUVERA 的一个关键优势是 FDE 变换是无数据的。这意味着它不依赖于特定的数据集，使其既能够抵抗数据分布的变化，又适合流式应用。此外，与模型产生的单向量不同，FDE 保证在指定的误差范围内近似真实的 Chamfer 相似度。因此，在重排序阶段之后，MUVERA 保证能够找到最相似的多向量表示。 所以这个新方法能有效地提升RAG检索阶段的效率，现阶段连Python库都有了，需要的同学可以试试。 论文地址： Chamfer 相似度： python库：

karminski-牙医

30,081 views • 1 year ago

卧槽，这个仓库思路我是挺佩服的～ 能把任意公开的 GitHub 仓库逆向工程成“原始自然语言提示（prompt）”。 简单说就是： 你输入一个 GitHub 仓库链接，它就会自动抓取仓库的结构、README、文件树等信息，用 AI（比如 Gemini）帮你生成一个完整、自然的提示词。 把这个提示词直接丢给 Claude、Cursor、Windsurf 等 AI 编程工具，AI 就能更好的理解。 主要用处： 快速学习一个项目的“构建思路”和提示风格（不用一行一行读代码） 复制/重现别人用 AI 写的项目（学习提示词） 仓库&体验地址👇👇👇
0:19

卧槽，这个仓库思路我是挺佩服的～ 能把任意公开的 GitHub 仓库逆向工程成“原始自然语言提示（prompt）”。 简单说就是： 你输入一个 GitHub 仓库链接，它就会自动抓取仓库的结构、README、文件树等信息，用 AI（比如 Gemini）帮你生成一个完整、自然的提示词。 把这个提示词直接丢给 Claude、Cursor、Windsurf 等 AI 编程工具，AI 就能更好的理解。 主要用处： 快速学习一个项目的“构建思路”和提示风格（不用一行一行读代码） 复制/重现别人用 AI 写的项目（学习提示词） 仓库&体验地址👇👇👇

比特币橙子Trader

78,523 views • 4 months ago

平时跟朋友分享大文件时，各种软件文件大小、格式限制，用网盘又要注册登录，甚是头疼。 最近发现 PocketChest 这个开源项目，用最简单的方式安全分享任何文件，解决了这个文件分享难题。 支持高达 200GB 的大文件上传，每个文件包会生成一个 6 位字符的取件码，就像快递取件一样简单方便。 GitHub： 主要功能： - 支持文件和文本内容上传，无需注册直接使用 - 大文件友好支持，最大可上传 200GB 单个文件 - 自动过期机制，可设置 1/3/7/15 天后自动删除 - 6 位取件码分享，比长链接更容易记忆和传播 - 可选 TOTP 双重认证，保护敏感文件安全访问 - 响应式设计，手机电脑都能流畅使用 通过 Cloudflare Workers 部署即可使用，并提供详细的部署使用教程。
0:15

平时跟朋友分享大文件时，各种软件文件大小、格式限制，用网盘又要注册登录，甚是头疼。 最近发现 PocketChest 这个开源项目，用最简单的方式安全分享任何文件，解决了这个文件分享难题。 支持高达 200GB 的大文件上传，每个文件包会生成一个 6 位字符的取件码，就像快递取件一样简单方便。 GitHub： 主要功能： - 支持文件和文本内容上传，无需注册直接使用 - 大文件友好支持，最大可上传 200GB 单个文件 - 自动过期机制，可设置 1/3/7/15 天后自动删除 - 6 位取件码分享，比长链接更容易记忆和传播 - 可选 TOTP 双重认证，保护敏感文件安全访问 - 响应式设计，手机电脑都能流畅使用 通过 Cloudflare Workers 部署即可使用，并提供详细的部署使用教程。

GitHubDaily

32,003 views • 1 year ago

推荐一个非常炸裂的 Chrome 浏览器插件军火库。 项目叫 ChromeAppHeroes，在 GitHub 上已经收获 23K+ Star。 它把 100+ 个 Chrome 插件和实用资源整理成一个开源工具库，装完基本可以把浏览器变成生产力神器。 核心资源非常硬核： - 通过 Cookies 下载 YouTube 视频 - 直达全球电子书库 Z-Library - 截取 Netflix 视频画面（绕过黑屏） - 双字幕看视频学英语 同时还收录很多效率插件，比如： - VideoScreenshot：视频截图神器 - Immersive Translate：沉浸式翻译 - Language Learning：流媒体学英语 而且每个插件都有 完整中文教程，开源、持续更新。 这个项目几乎把 Chrome 能玩的效率插件，全打包好了。
0:16

推荐一个非常炸裂的 Chrome 浏览器插件军火库。 项目叫 ChromeAppHeroes，在 GitHub 上已经收获 23K+ Star。 它把 100+ 个 Chrome 插件和实用资源整理成一个开源工具库，装完基本可以把浏览器变成生产力神器。 核心资源非常硬核： - 通过 Cookies 下载 YouTube 视频 - 直达全球电子书库 Z-Library - 截取 Netflix 视频画面（绕过黑屏） - 双字幕看视频学英语 同时还收录很多效率插件，比如： - VideoScreenshot：视频截图神器 - Immersive Translate：沉浸式翻译 - Language Learning：流媒体学英语 而且每个插件都有 完整中文教程，开源、持续更新。 这个项目几乎把 Chrome 能玩的效率插件，全打包好了。

开发者Hailey

141,450 views • 5 months ago

Codex 5.6 必须养成的习惯：记得给 AI “存档”！节省80%的token 长期vibe coding最怕上下文越来越长，需求、方案、Bug、废弃思路全堆在对话里，AI 不断重复读取和分析历史记录。 大量 Token 都浪费在“回忆过去”，而不是“解决现在”的问题。 正确的做法，直接让 Codex 做一次项目状态压缩，prompt如下，直接拿去用： 「根据当前项目实际状态，检查代码、Git diff、现有 DEV_STATE.md 和测试结果，创建或更新项目根目录下的 DEV_STATE.md。仅记录已确认的信息，不猜测或虚构；用一段简洁、连贯的文字概括当前目标、已完成内容、关键决策、核心文件、测试结果、已知问题、失败方案和下一步任务，删除无效讨论、重复信息和过时内容，不粘贴代码，不记录密码、Token、API Key、私钥、Cookie 等敏感信息，重点让下一次开发能够快速了解“当前做到哪里、为什么这样做、哪些已验证、哪些未完成以及下一步做什么。」 当下一次继续开发时，只需要说这样一句提示词即可： 「读取 DEV_STATE.md文档，继续按照文档中的项目进度进行开发」 这相当于给 Codex 建了一份项目记忆快照。长项目、多人协作、Vibe Coding，必须养成这个习惯。 把上下文压缩成状态文件，省的是 Token，提升的是整个开发循环的速度。
0:18

Codex 5.6 必须养成的习惯：记得给 AI “存档”！节省80%的token 长期vibe coding最怕上下文越来越长，需求、方案、Bug、废弃思路全堆在对话里，AI 不断重复读取和分析历史记录。 大量 Token 都浪费在“回忆过去”，而不是“解决现在”的问题。 正确的做法，直接让 Codex 做一次项目状态压缩，prompt如下，直接拿去用： 「根据当前项目实际状态，检查代码、Git diff、现有 DEV_STATE.md 和测试结果，创建或更新项目根目录下的 DEV_STATE.md。仅记录已确认的信息，不猜测或虚构；用一段简洁、连贯的文字概括当前目标、已完成内容、关键决策、核心文件、测试结果、已知问题、失败方案和下一步任务，删除无效讨论、重复信息和过时内容，不粘贴代码，不记录密码、Token、API Key、私钥、Cookie 等敏感信息，重点让下一次开发能够快速了解“当前做到哪里、为什么这样做、哪些已验证、哪些未完成以及下一步做什么。」 当下一次继续开发时，只需要说这样一句提示词即可： 「读取 DEV_STATE.md文档，继续按照文档中的项目进度进行开发」 这相当于给 Codex 建了一份项目记忆快照。长项目、多人协作、Vibe Coding，必须养成这个习惯。 把上下文压缩成状态文件，省的是 Token，提升的是整个开发循环的速度。

govin.eth | G哥

153,434 views • 3 days ago