SmolDocling 发布四大全新 OCR 数据集，涵盖 2000 万图像，助力构建超紧凑（256M 参数）全页文档转换视觉语言模型，性能媲美体量大 27 倍的同类模型：

• DoclingMatix：基于 127 万样本的 DocMatix，加入提示式指令，支持图像→指令+结构化文本转换，输出统一的 DocTags 标记格式。
• SynthFormulaNet：645 万公式图像与 LaTeX 对应，涵盖多样字体，提升公式识别精准度。
• SynthCodeNet：930 万代码片段图像-文本对，支持 56 种编程语言，强化代码文档理解。
• SynthChartNet：200 万图表图像（折线、柱状、饼图、堆叠图），附带 OTSL 结构化标注，优化图表信息提取。

SmolDocling 利用这些数据集实现了端到端多模态文档转换的技术突破，具备高效、结构化输出能力。相关论文已发表于 ICCV，模型与数据开放于 Hugging Face 平台，助力研究与应用拓展。

远程团队协作新思路：为每位成员在团队聊天应用中创建专属“ramblings”频道，既是个人日志也是微型博客，轻松分享想法且不干扰群聊。| 推特贴文

• 适合2-10人小团队，成员每周更新1-3次，内容涵盖项目灵感、文章感想、用户反馈、“假如”设想、旅行或兴趣照片、问题“橡皮鸭”法等。
• 频道以成员姓名命名，仅本人可发起主贴，其他人只能回复线程，避免信息混乱。
• 所有ramblings频道统一归类于列表底部“Ramblings”区，默认静音，无需强制他人阅读。
• Obsidian团队两年前开始尝试，替代传统“水冷间”闲聊，帮助成员专注工作同时保持连接，减少会议需求。
• 自由松散的交流方式激发创新，产生功能点子、小型原型和创意解决方案。
• 每年线下聚会一次，ramblings有效维系全年人际关系与团队氛围。

此方法适合追求高效、专注且人际联结感强的远程或混合办公团队。

官方 PyTorch 初学者系列，全面覆盖深度学习入门

• 从基础张量操作、自动微分（autograd）讲起，逐步深入模型构建与训练。
• 8 个详尽教程，系统梳理 PyTorch 全流程，适合零基础友好入门。
• 包含生产环境部署实战，帮助理解理论与应用无缝衔接。
• 教学风格清晰，注重方法论提炼，助力长期掌握 PyTorch 核心技术。
• 课程内容紧贴行业实战，提升开发效率与模型实用性。

PyTorch Beginner Series | #教程

go2rtc：全平台零依赖摄像头终极流媒体解决方案，集成 RTSP、RTMP、WebRTC、HomeKit、FFmpeg 等多协议，支持多源多协议智能协同，极低延迟，解锁摄像头全新玩法。

• 支持 Windows/macOS/Linux/ARM 系统，无需额外配置，开箱即用。
• 多协议接入：RTSP、RTMP、HTTP-FLV、MJPEG、HLS、MSE、MP4、WebRTC、HomeKit 摄像头等，涵盖主流及专业流媒体格式。
• 灵活多源管理：支持多摄像头、多协议混合接入，自动匹配客户端支持的编码，实现多源两路音视频协商。
• 高度兼容：兼容主流智能家居平台（Home Assistant 等），支持插件形式集成与独立部署。
• 先进转码能力：内置 FFmpeg 支持硬件加速转码，动态处理不兼容编码，保障流畅播放体验。
• 双向音频支持：RTSP/ONVIF、Tapo、Hikvision、Roborock 等品牌摄像头实现浏览器端双向语音交互。
• 安全与访问控制：API 可限制访问，支持本地与远程安全访问（ngrok、TURN、STUN）。
• 创新应用场景：浏览器即IP摄像头、WebTorrent流分享、流媒体发布至YouTube/Telegram等。
• 业界首创：全球首个支持 HomeKit 摄像头流媒体代理与转发，无需苹果设备也能使用。
• 丰富开发接口：HTTP API、模块化设计，方便二次开发与自定义界面。

go2rtc 通过多协议融合与智能协商，解决了不同设备和客户端生态间的壁垒，真正实现“摄像头即服务”的理念。零配置、零依赖的设计极大降低了运维门槛，适合长期稳定运行和复杂多样的智能家居及监控场景。其持续活跃的开源社区也保障了创新与安全的稳步推进。

美国科罗拉多大学出品的PhET平台，集合物理、化学、生物、地球科学及数学的高质量互动仿真工具，是理科学习和教学的强大助力。

• 免费在线访问，无需安装，支持多语言界面，覆盖全球用户。
• 丰富的仿真类型：从经典力学、电磁学，到化学反应、生物过程及地理现象，全面支持跨学科教学与自学。
• 交互式设计，操作直观，帮助用户深刻理解抽象概念和复杂原理。
• 教师资源丰富，含教学活动建议及课程集成方案，提升课堂体验与效果。
• 移动端和桌面端兼容，支持离线使用，方便随时随地学习和演示。
• 持续更新与优化，基于教育研究和用户反馈，确保内容科学性与实用性。
理科教育者与学习者的必备工具，助力构建扎实的科学素养和探究能力。

Code Context：为 Claude Code 及多款 AI 编码 agent 提供强语义代码搜索的 MCP 插件，助力深度理解海量代码库。

• 🔍 语义搜索：基于上下文，精确定位功能和代码片段，快速回答复杂查询如“用户认证相关函数”。
• 🧠 深度语境感知：跨百万行代码理解代码间关联，提升大规模项目维护与协作效率。
• ⚡️ 增量索引：利用 Merkle 树仅重建变更文件索引，节省计算资源，提升响应速度。
• 🧩 智能代码切分：基于 AST 解析代码结构，优化碎片化存储和检索。
• 🗄 可扩展架构：无缝集成 Zilliz Cloud 向量数据库，支持任意规模向量化检索。
• 🛠 灵活配置：支持多语言、多文件类型，允许自定义忽略规则和嵌入模型。
• 🚀 多端兼容：支持 Claude Code、Gemini CLI、VSCode 扩展及其他 MCP 客户端，轻松融入现有开发流程。
• 📦 开源生态：核心引擎、VSCode 扩展、MCP 服务端三大模块一体化设计，便于二次开发和社区贡献。

Code Context 打通了语义搜索与代码理解的壁垒，采用增量索引+AST切分+向量数据库相结合的“三位一体”方案，既保证实时性，又兼顾语义深度和规模扩展，极大提升 AI 编码助手的智能水平和开发者效率。