现代Linux系统的资源监控工具往往功能复杂且难以上手，而below提供了一款简洁高效的解决方案。

below 是一个开源的时间旅行资源监控工具，支持实时查看和录制历史系统数据，包括硬件资源利用率、cgroup层级和进程信息、压力停滞指标（PSI）等。 | #工具

它不仅支持实时模式监控系统状态，还能录制数据以便回放分析，方便排查历史性能问题。通过dump命令还能导出JSON、CSV、OpenMetrics格式数据，方便与Prometheus和Grafana等监控系统集成。

主要功能包括：

- 实时监控系统资源使用情况；
- 支持cgroup和进程信息展示；
- 压力停滞信息（PSI）监控；
- 录制和回放系统历史数据；
- 脚本友好的数据导出接口；
- 支持与Prometheus/Grafana集成。

支持Fedora、Alpine、Gentoo等多种Linux发行版，安装简单，且提供Docker镜像方便快速部署。适合系统管理员和运维工程师使用。

苹果悄然推出“App Store迷你应用合作伙伴计划”，这背后蕴藏的影响远超表面，或将重塑未来软件生态。| 文章

1. 苹果正式承认“超级应用”模式将成西方趋势。
过去中国有微信小程序，印度有PhonePe Switch，而西方市场缺少类似模式。苹果此次允许开发者在原生大应用内嵌入HTML/JS迷你应用，并对合格内购给予85%的分成支持，这意味着超级应用时代在西方迈出关键一步。

2. 分发“套利”再现。
无需再说服用户下载独立应用，开发者只需与主应用合作，嵌入迷你应用即可获得用户流量。这对初创者是“捷径”，比如旅行APP嵌套细分工具、健身APP内置迷你训练、市场类APP整合微型实用工具。

3. 苹果创造了新经济层级：“嵌入式SaaS”。
想象一下，CRM迷你应用嵌入垂直工具，数学解题器嵌入教育APP，日历功能内嵌于生产力工具……无需独立安装，工具即服务的市场正快速垂直扩张。

4. 85%收益分成激励开发者。
苹果主动降低分成率，显示其对该生态成长的重视。每当苹果降低抽成，都预示着平台战略的重大转变。

5. AI驱动下，迷你应用价值爆发。
大型语言模型（LLM）催生的小型应用如计算器、规划器、智能助理，天然适合迷你应用模式。苹果为AI原生微型工具铺设了商业化通路。

6. 主应用成为“分发房东”。
拥有用户流量的大应用即成平台，可以承载迷你应用，赚取分成，打造开发者生态，开辟新型变现模式。

7. 带来大量二阶机会。
包括帮助主应用搭建迷你应用平台的服务商、迷你应用开发工作室、迷你应用电商工具、性能分析与发现引擎等产业链新角色。

苹果正在将高流量应用变身超级应用，将独立开发者转变为生态合作伙伴。App Store未来将更加模块化、组合化，消费者应用将不再是孤立产品，而是由大量迷你应用互联共生的生态系统。这是近年来最重要的分发创新之一。

Meta推出REFRAG，彻底解决了RAG（检索增强生成）系统的最大痛点：大量无用信息浪费计算资源。传统RAG会检索上百个文本块，导致模型处理成千上万无关token，成本高且效率低。| 帖子

REFRAG创新地在embedding层面进行压缩和筛选：

- 每个文本块先压缩成单个embedding向量
- 通过强化学习策略对embedding进行相关性评分
- 只展开最相关的文本块送入LLM，其他保持压缩或被过滤
- 这样LLM只处理真正重要的信息，显著降低token数量

结果惊人：

- 首个token响应速度提升30倍以上
- 支持16倍更大的上下文窗口
- 处理token数量减少2到4倍
- 在16个RAG基准测试中超越LLaMA表现

工作流程简单高效：

1. 编码文档并存入向量数据库
2. 查询时检索相关embedding块
3. 强化学习策略筛选最优embedding
4. 展开选中块为完整token向量
5. 其余保持压缩状态
6. 所有信息一并输入LLM处理

这不仅极大提升了速度和规模，还保证了准确性零损失。REFRAG用“压缩-筛选-展开”的方法，优雅解决了RAG中“token膨胀”的隐藏成本。

这一突破彰显了向量空间和强化学习结合在大模型优化中的巨大潜力，也暗示未来检索系统将越来越依赖智能筛选策略，而非盲目堆积信息。它让我们思考：真正的效率，不是无尽扩容，而是精准提炼。

开发者经常需要快速搭建现代化的 React 应用，但从零开始实现网站克隆和重构费时费力。

Open Lovable 是一个开源项目，可以秒级克隆并重建任何网站为现代 React 应用。它集成了 AI 辅助聊天，帮助你快速生成和修改 React 代码，极大提高开发效率。

主要特点：

- 支持通过 AI 聊天即时生成 React 应用代码；
- 简单克隆任意网站，快速重现页面结构和样式；
- 多种 AI 模型接入，灵活选择适合自己的接口；
- 开源免费，MIT 许可，适合个人和企业使用；
- 支持本地快速启动，开发调试便捷。

安装只需克隆项目、安装依赖（pnpm、npm 或 yarn），配置 API Key 即可开始开发。对想要借助 AI 提升前端开发效率的工程师来说，Open Lovable 是不可多得的利器。

AutoHedge 是一款开源的多智能体量化交易系统，利用群体智能和 AI 代理，实现市场分析、风险管理和交易执行的全自动化。

它集成了策略生成、技术分析、风险评估和交易执行四大智能代理，实时接入市场数据，提供结构化交易建议和详尽日志，帮助你快速搭建属于自己的自动对冲基金。

主要功能：

- 多智能体架构，覆盖策略、量化分析、风险管理及交易执行；
- 实时市场分析，支持多股票组合；
- 风险优先的仓位管理，自动调整交易规模；
- JSON 格式输出，方便二次开发和集成；
- 完善的日志系统，支持调试和回溯；
- 支持自定义扩展，灵活适配各种交易策略。

支持 Python 3.8+，pip 安装即可快速部署，适合量化交易爱好者和金融科技开发者。

在信息安全和OSINT（开源情报）领域，调查数据往往分散且难以整合。Flowsint 是一个开源图谱探索工具，专为可视化和灵活的图形调查设计，帮助用户通过实体关系图进行深入侦查和分析。| #工具

它支持丰富的自动转换模块，覆盖域名解析、IP信息、ASN查询、社交媒体账号搜索、电子邮件泄露检测、加密货币交易追踪等多类数据源，极大提升调查效率。

所有数据均存储在本地，保护隐私安全。项目基于Docker和Make构建，支持快速部署和灵活扩展，适合安全研究人员、记者、执法机构和企业风险分析使用。

主要功能包括：

- 图形化界面展示实体及其关系，支持动态探索和自动转换；
- 域名、IP、ASN、CIDR等网络基础信息全面查询；
- 社交媒体用户名、邮箱、电话号码的跨平台泄露和关联检测；
- 组织信息与加密货币钱包的深度挖掘；
- 高性能前端，支持海量节点无卡顿操作；
- 本地数据存储，确保调查隐私和安全；
- 模块化代码结构，方便定制和二次开发。

Flowsint为OSINT调查提供了一站式工具，推动透明、合规和高效的情报分析。

ElevenLabs最新推出的Scribe v2 Realtime，是迄今最精准的实时语音转文字模型。它专为语音助手、会议记录和直播应用打造，支持90多种语言，响应速度快至150毫秒，涵盖英语、法语、德语、意大利语、西班牙语、葡萄牙语、印地语和日语等。

这款模型不仅在低延迟自动语音识别（ASR）领域树立新标杆，更在嘈杂环境和复杂语义下表现卓越，远超其他竞品。

核心优势包括：
- 顶尖的识别准确率
- 全面覆盖多语言需求
- 符合SOC 2、ISO27001、PCI DSS L1、HIPAA、GDPR等多项安全合规标准
- 支持欧盟和印度数据驻留
- 零数据保留模式，保障隐私安全

Scribe v2 Realtime可通过API调用，也集成于ElevenLabs Agents中，助力打造更自然流畅的客服、销售及产品内语音体验。开发者和企业可即刻开始构建，推动语音技术的实时应用迈入新纪元。

1:21

Media is too big

VIEW IN TELEGRAM

卡内基梅隆大学春季开设一门“现代人工智能导论（Intro to Modern AI）”课程，聚焦如何用PyTorch从零构建聊天机器人。课程定位直击核心：让学生亲手理解“大家日常见到的AI”到底如何运作——其实远比想象中简单。理解越多，未来越有力量。| 帖子

课程计划公开大量教学资源，包括作业、自动评分系统，甚至希望录制并分享视频讲座，力求成为AI学习的宝贵开放资源。虽为首次开课，难免挑战，但这正是创新与成长的过程。

课程设计巧妙结合作业与闭卷小测，强化实践与概念理解。这种模式能激发学生主动探索，真正掌握AI底层逻辑，而非停留在表面。

评论中，不少AI爱好者和教育者期待远程参与，热切盼望公开材料，甚至提出用AI辅助评分的新思路，体现出这门课引发的广泛共鸣与深远影响。

这门课程不仅是技术训练，更是一次实践与思考的启蒙：AI不是神秘黑盒，而是人人可触及的工艺。掌握它，意味着拥有解读未来的钥匙。