Mediabunny：纯 TypeScript 实现的高性能浏览器端音视频处理工具，零依赖、极致轻量，专为现代 Web 应用设计。| #工具

• 支持 MP4、MOV、WebM、MKV、WAVE、MP3、Ogg、ADTS 等多种容器格式的读写与转换
• 内置 25+ 视频、音频及字幕编解码器，利用 WebCodecs API 硬件加速，性能媲美 FFmpeg
• 精度微秒级，支持转码、转封装、裁剪、旋转、重采样、尺寸调整等多样化转换操作
• 流式读写大文件，内存占用极低，适合处理任意大小的媒体数据
• 极致树摇优化，只打包所需功能，压缩后可小至 5KB，提升加载速度和性能
• 支持浏览器和 Node.js 跨平台环境，覆盖更多使用场景
• 完全开源，MPL-2.0 许可，允许商业闭源使用，且要求修改公开，推动社区共建

Mediabunny 从底层多路复用与解复用模块重构，结合 WebCodecs，打造了极具竞争力的浏览器端媒体框架，适合开发者打造下一代轻量且高效的音视频应用。

线性代数的核心理论被传统教材繁复矩阵计算掩盖，却本质简单且极具力量。

《The Little Book of Linear Algebra》是一部精炼、易懂且系统的入门指南，涵盖从向量、矩阵基础到特征值、正交分解、PCA 等核心内容，适合初学者及进阶者长期参考。

• 内容结构清晰：从标量、向量定义，到矩阵运算、线性变换，再到正交性、特征值与特征向量，逐步深入，配合丰富例题与练习，理论与实操兼备。
• 直观几何诠释：每个抽象概念均辅以几何意义，如向量的空间位置、矩阵的线性变换、特征向量对应变换不变方向，帮助构建直觉认知。
• 涵盖现代应用：详解PCA、最小二乘法、Markov链、图论、机器学习中的线性代数，理论与现实问题紧密结合。
• 多种格式支持：提供PDF打印版、EPUB电子书、LaTeX源码，方便不同使用场景。
• 开源项目，活跃社区：GitHub上有超过1200星标，持续更新维护，适合自主学习和深入研究。

真正理解线性代数，远不仅是掌握公式，更是洞察其如何统一代数与几何、如何支撑现代科学计算与数据科学。这本书以简驭繁，帮助你构建坚实基础和长远视野。

ManiUniCon：一站式机器人操作控制框架，针对多机器人臂与多传感器环境设计，实现高频实时控制与灵活算法部署。

• 模块化架构，支持即插即用，轻松集成UR5、XArm6及更多机械臂
• 多进程共享内存实现毫秒级控制响应，满足实时操作需求
• 一键切换数据采集与策略执行，提升开发效率
• 兼容Intel RealSense摄像头、多种遥控设备（Meta Quest、SpaceMouse、键盘）
• 基于Hydra的配置管理，快速调整机器人、传感器及策略参数
• 支持PyTorch模型定制，方便集成最新学习算法，算法无关设计开放扩展
• 提供紧急停止、错误处理、安全复位等完备安全机制
• 内置3D Meshcat可视化，便于状态监控与调试
• 完善工具链涵盖演示数据录制、处理、回放及摄像头标定
• 开源MIT协议，鼓励社区贡献与快速迭代

ManiUniCon不仅简化了复杂机器人系统的操作流程，更通过统一接口打破设备和算法壁垒，助力科研与工业应用高效协同发展。适合多机器人多任务场景，兼顾实时性与灵活性，是实现智能操控的关键枢纽。

Open-dLLM：首个全开源扩散式大语言模型全栈项目，覆盖预训练、评测、推理与权重发布，刷新了扩散 LLM 的开放透明度标准。

• 集成 Open-dCoder 代码生成模型，参数仅0.5B，却在代码补全和填充任务上超越多款7-8B级别扩散模型。
• 全流程开源：从原始数据、训练代码、评测脚本到推理代码及模型权重一应俱全，确保结果可复现。
• 评测覆盖 HumanEval、MBPP、Infilling 等多维度代码生成与填充指标，Open-dCoder代码填充准确率高达77.4%。
• 采用 Masked Diffusion Model (MDM) 训练目标，创新地通过不同比例掩码实现代码片段重建，提升模型生成质量。
• 预训练基于 Hugging Face 发布的 FineCode 高质量代码数据集，且继承 Qwen2.5-Coder 转扩散架构，兼顾效率与性能。
• 配套详尽安装与推理示例，支持 CUDA 12.3、FlashAttention 等最新硬件加速技术，方便快速上手。
• 对比目前主流扩散 LLM（LLaDA、Dream等）仅开放推理+权重，Open-dLLM全面开放训练与评估，真正做到透明与可控。

Xorq：面向多引擎计算的声明式表达式管理框架，助力构建可复用、跨 Python 与 SQL 的机器学习流水线。| #框架

• 统一 pandas 风格和 Ibis 语法，支持 DuckDB、Snowflake、DataFusion 等多引擎无缝切换。
• 以 YAML 格式定义表达式，实现计算流程可版本化、可复现、易共享。
• 支持可移植的 UDF/UDAF，自动序列化，避免引擎锁定。
• 内置基于表达式哈希的缓存机制，最大限度减少重复计算，提升效率。
• 提供列级血缘追踪与可视化，便于调试与审计。
• 编译时校验数据模式和关系完整性，降低运行时错误风险。
• 输出完整表达式图、元数据及 SQL 文件，方便持续集成与审查。
• 基于 Apache Arrow 零拷贝数据传输，底层集成 Ibis 与 DataFusion，保障高性能。

Xorq 正处于快速迭代的 beta 阶段，适合追求流水线一致性与跨平台灵活性的团队提前布局。