eBPF高质量项目推荐： Linux内核网络包的函数调用跟踪利器 ，由清华大学的学霸团队研发。

SRE工程师经常遇到网络故障，比如内核中莫名其妙发了RST，大量的网络通讯中，想定位它极其困难。 常见方式是tcpdump抓一段时间包，再逐个分析找RST包。

现在不用了，可以直接指定RST包的相关函数进行HOOK， 精确捕获这些包。并且，还有这个函数的调用堆栈，可以更快的确定业务的问题。

面向对象设计模式：使用C语言、在操作系统内核开发中应用面向对象的设计模式。

Sidequest：面向 Node.js 的现代化、可扩展后台任务处理器，专为生产环境设计，支持多数据库后端与全栈监控。

• 性能卓越：基于 worker threads 实现非阻塞任务处理，提升并发效率🚀
• 多数据库支持：内置 SQLite、PostgreSQL、MySQL 驱动，灵活适配不同场景🗄
• 完全兼容 ESM 与 CJS，原生支持 TypeScript，适配 Node.js 24 及以上版本
• 直观的 Web Dashboard：响应式界面，实时监控任务队列及状态📊
• 细粒度队列管理：多队列、多优先级配置，支持任务重试、延迟、失败机制
• 任务调度：支持定时任务，确保关键操作按时执行⏰
• 任务唯一性保障：防止重复任务，避免资源浪费🔒
• CLI 工具：数据库迁移与管理一体化，简化运维流程
• 模块化 Monorepo 架构，便于扩展和维护

Local voice agents on macOS with Pipecat：Pipecat 实现 macOS 本地化语音 AI 代理，打造低延迟高效语音交互环境。

• 全开源、供应商中立框架，支持实时语音（及视频）AI 应用开发。
• 在 M 系列 Mac 上，语音到语音延迟低于 800ms，模型性能强劲。
• 内置关键模型：Silero VAD（语音活动检测）、smart-turn v2（对话管理）、MLX Whisper（语音识别）、Gemma3 12B（大语言模型）、Kokoro TTS（文本转语音）。
• 模型和流水线高度可定制，可替换任意组件，支持工具调用、MCP 服务器集成、异步推理、多任务处理和自定义中断逻辑。
• 采用本地无服务器 WebRTC 连接，实现极低延迟通信，且支持切换其他 Pipecat 传输协议。
• 依赖本地 OpenAI 兼容 LLM 服务器（推荐 LM Studio），完整本地化运行，保障隐私与响应速度。
• 一键部署：Python 虚拟环境安装依赖，启动 server/bot.py 即可运行核心代理；React Web 客户端基于 voice-ui-kit，支持即时连接调试。

Pipecat 以灵活架构和本地高性能模型，突破传统云端依赖，适合追求隐私和低延迟的语音 AI 场景，具备极高的扩展潜力和实用价值。

tiny-tpu：一款极简版 TPU，重塑 Google TPU V1/V2 架构，开源硬件设计的入门与进阶利器。

• 采用 2×2 起步的 Systolic Array 架构，PE（Processing Element）每周期执行乘加，数据水平流动，部分和垂直传递，权重固定，矩阵旋转与错位预处理确保计算准确。
• 集成 Vector Processing Unit（VPU），实现偏置加法、Leaky ReLU 激活及其导数、均方误差损失等流水线计算，模块选择动态适配计算阶段。
• Unified Buffer（双端口存储）管理输入、权重、偏置、激活值及反向传播所需中间数据，支持多通道读写及转置操作。
• 94 位宽指令集精细控制子模块，直接驱动 TPU 计算流程，支持系统开关、内存读写、数据路径选择及激活函数参数调节。
• 项目自带详尽测试机制及波形查看支持，方便验证设计并观察信号，支持 MacOS/Linux 环境，依赖 cocotb、iverilog、gtkwave 等工具。
• 设计团队无硬件背景，从零摸索构建，旨在降低芯片加速器设计门槛，适合高校、开源社区和硬件爱好者系统学习芯片架构与加速器实现。