真是众人拾材火焰高，开源真的带给人们无限惊喜和期待！
今天还有一个《明日方舟》游戏的助手工具，我家那货回来整天窝在房间，玩得就是这个，去上海也是参加这个的活动，令人抓狂……我是装作没看见呢，还是等他回来就发给他跪舔一下呢？让我先纠结几天……
仓库：xM4ddy/OFGB
点评： 一个图形用户界面工具，用来清除掉 Windows 11 中的各种广告。
话说M$的吃相也太难看了，Windows 11 系统现在相当多的都是新电脑随机带的、用户自己花钱买的正版，它居然还大量投放广告……难怪最新的统计显示：目前市场占有率最多的还是Win10，占70%，而Win11不升反降，下降到不到26%，该！
根据流量监测机构 StatCounter 最新的统计数据，将于明年终止支持 (EOS) 的 Windows 10—— 其市场份额在 2024 年 4 月增长了 0.96 个百分点，突破 70% 的市场份额。
反观同期的 Windows 11，其市场份额不升反降，从之前的 26.62% 下降至 25.65%，下降了 0.97 个百分点。
最新的绿色单文件 EXE 文件已经帮下好了，关注本公众号后，在公众号里发送如下消息获取：Win11无广告
170MB的大文件是包含了 .NET 8.0 运行时的，小的200多KB的是不包含的。可以先试下小的，不行（机器上没装.NET 8.0的）的话，再去下载大文件。
仓库：karpathy/llm.c
点评： 这个开源仓库提供了一个用C/CUDA编写的大型语言模型（LLM）训练框架。它的优势在于不需要庞大的PyTorch或cPython库，使得代码更加简洁高效。以GPT-2为例，其CPU版本的训练代码仅有约1000行，且能够快速编译运行，并与PyTorch的参考实现相匹配。
目前，作者正在开发直接的CUDA实现以提高速度，并尝试通过SIMD指令集（如x86的AVX2或ARM的NEON）来加速CPU版本。同时，也在探索更现代的架构，如Llama2、Gemma等。
项目旨在提供一些干净、简单的参考实现，同时开发出更加优化的版本，以接近PyTorch的性能，但代码量和依赖项大幅减少。项目还包括快速开始指南、教程、CUDA端口的进展以及讨论和贡献的社区链接。此外，还提供了简单的单元测试来确保C代码与PyTorch代码的一致性。
仓库：Blealtan/efficient-kan
点评： 前脚KAN刚发布没几天，后脚KAN的高效纯PyTorch实现就出炉了！
这个仓库提供了一个高效的Kolmogorov-Arnold网络（KAN）实现。原始实现存在性能问题，主要是因为它需要展开所有中间变量来执行不同的激活函数。通过将激活函数视为固定基函数（B样条）的线性组合，我们可以重构计算过程，显著降低内存成本，简化为矩阵乘法，同时适用于前向和后向传播。
本仓库还解决了原始实现中的稀疏化问题，提出了一种新的L1正则化方法，与网络重构兼容。此外，原始实现中的可学习激活函数（B样条）和可学习缩放因子，这里提供了一个选项来启用或禁用独立缩放样条，以提高效率或优化结果。
2024年5月4日最新更新：对base_weight和spline_scaler矩阵的初始化方式进行了改进，以提高在MNIST数据集上的性能。
仓库：lmstudio-ai/lms
点评： LM Studio CLI是一个命令行工具，用于与LM Studio进行交互。LM Studio是一个开源的本地AI大模型工具。它从LM Studio 0.2.22版本开始内置，可以通过运行bootstrap命令来安装和配置。使用lms命令可以执行多种操作，如检查状态、启动或停止本地API服务器、列出下载的模型、加载模型进行推理、创建新项目以及查看日志等。具体命令可以通过lms --help查看，或者对某个子命令使用lms <子命令> --help获取详细信息。
仓库：solana-labs/solana
点评： 这是一个关于Solana区块链项目的开源仓库。Solana是一个高性能的区块链，旨在支持去中心化应用和加密货币。仓库提供了如何构建和测试Solana核心组件的指南，包括安装Rust语言环境、下载源代码、构建项目、运行测试套件以及启动本地测试网络的步骤。此外，还介绍了如何进行性能基准测试和代码覆盖率统计。最后，仓库强调了遵守适用法律和规定的重要性，并声明了免责声明，提醒用户验证项目内容的准确性，以及不要违反出口控制或制裁法律。
对于这类区块链项目，起码对我而言，大概率是用来割韭菜的。别违反法律，少看少动为好。
仓库：pydantic/logfire
点评： Pydantic Logfire 是一个开源的可观测性平台（我理解是一种类似：Log日志 + Profiling + 监控的综合功能），由 Pydantic 旗下的团队开发。它号称“不复杂”，在简化工具使用的同时提供强大的功能。Logfire 的特点包括：
简单而强大：界面简洁，功能强大，确保整个工程团队都愿意使用。
Python 为中心的洞察：提供 Python 对象的丰富展示，事件循环遥测，Python 代码和数据库查询分析。
SQL：使用标准 SQL 查询数据，易于控制，学习成本低。
OpenTelemetry 集成：作为 OpenTelemetry 的封装，支持多种 Python 包的现有工具和基础设施。
Pydantic 集成：理解 Pydantic 模型中的数据流动，并提供内置的验证分析。
Logfire 提供 Python SDK 和文档，而记录和展示数据的服务器应用是闭源的。使用 Logfire 的基本步骤包括安装、认证和手动追踪或集成流行包，如 FastAPI。下面的截图展示了如何查看代码的运行情况，包括代码执行时间、输出等都一览无余，看上去设计得还是比较优雅的。
手动记录方式的代码及截图：
from datetime import dateimport logfirefrom pydantic import BaseModelclass User(BaseModel):
name: str
country_code: str
dob: date
user = User(name='Anne', country_code='USA', dob='2000-01-01')
logfire.info('user processed: {user!r}', user=user)自动记录方式的代码及截图：
from datetime import dateimport logfirefrom pydantic import BaseModel logfire.configure(pydantic_plugin=logfire.PydanticPlugin(record='all')) class User(BaseModel): name: str country_code: str dob: date User(name='Anne', country_code='USA', dob='2000-01-01') User(name='Ben', country_code='USA', dob='2000-02-02') User(name='Charlie', country_code='GBR', dob='1990-03-03')
仓库：wandb/openui
点评： OpenUI 是一个可以让你用想象力描述用户界面，然后马上能看到实时渲染的AI工具，它的目标是简化用户界面（UI）组件构建的开发。它通过激发用户的想象力来描述 UI，并实时渲染出效果，使得设计和修改 UI 变得更加快捷和灵活。它支持将 HTML 转换为 React、Svelte、Web Components 等格式，类似于 v0 (v0.dev)，但作为开源项目，它的完成度可能不如后者。该项目由 W&B(wandb.com) 使用，用于设计和测试基于 LLM的下一代工具。
用户可以通过 openui.fly.dev 来在线体验 OpenUI 的功能。也可以在本地运行 OpenUI，但需要先安装 Ollama，然后克隆 OpenUI 的代码库，并安装相关依赖。设置好 OpenAI 的 API 密钥后，即可启动服务。
GIF太大就不放上来了，看个截图吧，通过自然语言可以方便地调整UI，感觉前端工程师压力要越来越大了：
仓库：HVision-NKU/StoryDiffusion
点评： StoryDiffusion是一个由南开大学和字节跳动开源的、可以用来创造神奇故事的开源项目，用于长距离(long-range)图像和视频生成的一致自注意力(Consistent Self-Attention)。它有两个主要特点：一是能够生成连贯的图像序列，二是能够预测并生成长距离视频。用户至少需要提供3个文本提示来生成连贯的自注意力模块图像，推荐5-6个文本提示以获得更好的布局。此外，它还包含一个运动预测器，可以在压缩的图像语义空间中预测条件图像之间的运动，实现更大的运动预测。该项目提供了漫画生成和图像到视频生成的示例，并提供了Jupyter笔记本和本地Gradio演示的使用方式。开发者强调，用户在使用时应遵守当地法律并负责任地使用该工具。
图灵奖得主 Yann LeCun 前几天转载的「登上月球去探索」的长篇漫画就是用它生成的，感觉AI喂饭、喂视频的日子已经越来越近了：
仓库：mlc-ai/web-llm
点评： WebLLM是一个开源的JavaScript包，它允许用户在网页浏览器中直接使用大语言模型进行聊天，同时支持硬件加速。一切都在浏览器内运行，而无需服务器支持。这个项目完全兼容OpenAI API，可以在本地使用任何开源模型，并且具备JSON模式、函数调用、流式处理等功能。WebLLM旨在为每个人构建AI助手提供乐趣，同时保护隐私并利用GPU加速。用户可以通过npm包使用WebLLM，并根据提供的文档构建自己的网页应用。此外，WebLLM还支持Web Worker，允许将生成过程挂钩到单独的工作线程中，以免计算过程干扰用户界面。项目还提供了构建聊天应用和Chrome扩展的示例。WebLLM是MLC LLM项目的伴侣项目，后者在iPhone和其他本地环境中本地运行大型语言模型（LLMs）。
仓库：huggingface/candle
点评： Candle（蜡烛，取自“星星之火可以燎原”之意么？）是一个为Rust语言设计的极简主义机器学习框架，注重性能（包括GPU支持）和易用性。它提供了在线演示，如语音识别、文本生成、图像分割等，并支持通过简单的Rust代码进行矩阵乘法等操作。Candle还提供了丰富的示例和外部资源，帮助用户更好地理解和使用该框架。其特点包括简单的语法、多种后端支持（CPU、GPU和WebAssembly）、包含多种模型等。Candle旨在实现轻量级部署，去除Python在生产环境中的开销，并利用Rust的优势。
Candle提供了多种在线演示和命令行示例，涵盖了从语音识别到图像字幕的多种应用。此外，还有一系列有用的外部资源，如详细的教程、优化器集合、以及其他与Candle相关的库和工具。特性如下：
类似PyTorch的简洁语法。
支持模型训练和自定义操作/内核。
提供CPU和GPU后端，以及在浏览器中运行模型的WebAssembly支持。
包含多种模型，如语言模型、文本到图像模型、图像到文本模型、音频模型和计算机视觉模型。
支持多种文件格式，便于模型的保存和加载。
适用于无服务器环境，部署快速且体积小。
支持量化，使用llama.cpp的量化技术。
A rusty robot holding a fire torch in its hand, 由 Stable Diffusion XL 使用 Rust 和Candle生成。
仓库：MaaAssistantArknights/MaaAssistantArknights
点评： 《明日方舟》游戏小助手，全日常一键长草！| Arknights 日常任务的一键工具，支持所有客户。使用 C++ 20 语言编写，支持 Windows、Linux 和 macOS 平台。它利用图像识别技术帮助玩家自动完成日常任务，如刷理智、智能基建换班、自动公招等。此外，它还支持多种编程语言的接口，方便开发者集成和自定义功能。项目活跃更新中，欢迎社区贡献和反馈。
仓库：Universidade-Livre/ciencia-da-computacao
点评： 自学计算机科学教育之路！
巴西自由大学（Universidade Brasileira Livre）提供的计算机科学课程是一个基于线上资源和巴西葡萄牙语材料的完整计算机科学教育。该课程不仅涵盖计算机科学的基础知识，还提供结构化的学习内容，旨在培养具有自律、承诺和良好学习习惯的学生。课程内容包括数字电路、离散数学、编程语言、Python入门、解析几何等，遵循巴西计算机科学课程的指导方针，并提供推荐阅读材料。所有课程均可免费完成，但某些课程可能有额外的付费证书或活动。学生可以通过GitHub分享他们的学习项目，展示他们的学习进展和成就。此外，还有社区支持，如Discord服务器和LinkedIn讨论。
仓库：tokio-rs/axum
点评： axum 是一个用Rust编写的，采用 Tokio、Tower 和 Hyper 构建的，符合人体工程学的模块化Web框架。
核心特性
使用无宏 API 路由请求到处理器。
通过提取器声明式解析请求。
简单且可预测的错误处理模型。
最小化样板代码生成响应。
充分利用 tower 和 tower-http 生态系统中的中间件、服务和工具。
