打造复古氛围的个人摄影网站框架,融合自动对焦、光圈、胶片与记忆的理念,助力摄影师高效管理与展示作品。

• 基于 React + TypeScript,采用最新 React 19 和 Vite 构建,保证性能与开发体验。
• 高性能 WebGL 渲染引擎,实现流畅缩放和平移体验🖼
• 响应式 Masonry 布局,兼容多终端屏幕尺寸,视觉统一且美观。
• 自动增量同步,支持多种存储源(S3、GitHub仓库等),智能识别新增/修改照片⚡️
• 支持 HEIC、TIFF 格式自动转换,配合多尺寸智能缩略图,优化加载速度。
• 丰富 EXIF 信息展示,含相机型号、光圈、焦距等,深度还原拍摄细节。
• 支持 iPhone Live Photos、HDR 图像显示,提升作品表现力🌈
• 内建富功能:富士胶片模拟配方读取、全屏手势浏览、文件系统自动标签、地图交互展现。
• 架构设计优雅,支持多线程并发处理和多语言国际化,满足专业场景需求。
• 完整 Docker 部署方案,支持 CI 增量构建,配置灵活,拓展性强。

Afilmory 不仅关注照片展示,更通过技术手段实现影像管理与体验的本质升级,强调“记忆”的数字化表达与高效访问路径。适合摄影爱好者、专业创作者及技术团队搭建个性化作品集与影像库。

Afilmory | #框架
微信读书 MCP Server:打造专属大语言模型辅助阅读环境

• 提取微信读书书架信息,支持书籍搜索及模糊匹配,精准定位目标图书
• 获取包括笔记、划线在内的结构化阅读数据,按章节细致组织,方便深入分析
• 调取热门书评,支持分页和多维度筛选,助力全面了解书籍评价
• 与支持MCP协议的主流大语言模型客户端(如Cursor、Claude Desktop)无缝对接,实现智能交互
• 支持CookieCloud自动同步Cookie,提升稳定性,减少频繁登录烦恼
• 基于Node.js,MIT开源许可,易安装部署,适合打造私人数字图书馆与知识管理系统
• 深度方法论:通过MCP协议标准化书籍数据接口,解放阅读笔记的孤立价值,赋能大语言模型高效利用个人知识资产

打通阅读与AI助理的壁垒,助力用户实现知识沉淀与智能应用的无缝衔接,开启个性化阅读辅助新时代。
量化交易岗位面试备考全指南,助你从校园迈向顶级交易团队。

• 面向计算机与数学专业毕业生,覆盖数学、概率、市场理论、脑筋急转弯等核心题型
• 系统梳理面试流程,提供行业顶尖量化公司列表及实战练习资源
• 内置市场模拟与赌博类量化游戏,强化实战思维与策略制定能力🎲
• 深入解析交易基础、心理学与策略构建,助力打造全面量化交易知识体系
• 开源项目持续更新,社区支持,适合零基础到进阶者长期参考与实战演练
• 由行业内资深开发者打造,填补市面缺乏系统备考资料的空白,提高面试通过率

Quant Trading Interview Questions | #指南
Enriched Capabilities:.NET Extensions 库集合,专为生产级应用打造,源自微软高可用服务实践,助力构建更高效、健壮、易维护的系统。

• AI 支持:提供生成式 AI 模型与服务的抽象和中间件,简化智能集成。
• 合规管理:内置数据注释框架、审计报告与遥测脱敏,保障隐私合规。
• 诊断能力:丰富 API 实现服务健康状况收集与上报,提升故障响应速度。
• 上下文选项:扩展 .NET 配置模型,支持生产环境实验与动态调整。
• 弹性设计:基于 Polly 实现复杂的容错策略,抵御瞬时故障。
• 遥测系统:强化日志、计量、追踪和延迟测量,助力性能优化。
• AspNetCore 扩展:多种中间件与扩展,打造高性能、高可用 Web 服务。
• 静态分析:精选规则提升代码质量与安全性。
• 测试简化:优化 ILogger 和 TimeProvider 等抽象的测试流程。

通过模块化、可扩展的设计理念, .NET Extensions 解决方案强调生产环境的可维护性和弹性,融合诊断与遥测实现闭环运维,推动从代码到运行时的全面质量提升,是构建企业级应用的核心基石。
PHOCR:面向多语种场景的高性能开源OCR工具包,专注突破文本识别精度瓶颈,实现行业级识别率提升。

• 自研识别模型PH-OCRv1,文档环境下字符错误率低至0.x%,英文识别误差率0.0x%,远超主流开源方案
• 支持中文、英文、日文、韩文、俄文、越南语、泰语等多语言,覆盖丰富词汇库,满足复杂文本识别需求
• 基于ONNX Runtime优化推理,支持CPU和CUDA加速,兼具高效与跨平台部署能力
• 简洁Python API,快速集成,方便科研与产品应用落地
• 完整评测体系,多语言多场景下表现优异,CER较百度、阿里及PP-OCRv5平均提升数倍
• 支持PyTorch CUDA版本KV缓存机制,提升批量处理速度和模型扩展性
• 持续迭代优化训练语料标准化和文本检测框架,具备长期技术演进潜力

PHOCR突破传统token预测敏感性瓶颈,推动字符错误率从百分比级降至千分比级,体现了识别模型对海量文本处理的本质提升,适合追求极致准确率的科研及工业应用。
Heximal:面向未来的动态交互式 HTML 扩展方案,助力构建更强大、声明式、可编程的网页文档与应用。

• 支持变量(<h-var>)、词法作用域和信号机制,实现响应式数据更新
• 强化 <template>,内置数据绑定、条件控制和循环,提升模板灵活度
• 通过 <h-define-element> 声明式定义可复用组件,轻松打造自定义元素
• 提供丰富表达式语言,支持函数调用、属性访问,表达力媲美简化版 JavaScript
• 集成动态文档元素:<h-out> 渲染表达式结果,<h-include> 和 <h-fetch> 实现模块化与网络资源加载
• 支持数字格式化 (<h-num>) 和本地化,未来持续扩展更多标准化功能
• 完全基于 Web 标准,兼容现代浏览器,无需额外构建步骤,适配各种框架和静态环境
• 目标打造面向数据驱动文档和交互应用的声明式文件格式,推动未来动态 HTML 标准
• 正在积极开发中,部分功能仍在完善,适合探索者和早期用户尝试

Heximal 深刻体现了“开放文档格式”“贴近标准”“分离渲染与编辑”三大核心原则,为未来交互式文档和可组合 Web 应用提供了坚实基础。它不仅是技术创新,更是对现有文档生态的长远战略布局。
Claude Code Action:面向 GitHub PR 和 Issue 的通用智能代码助理,集成 Anthropic Claude,支持多平台认证,提升代码协作效率。

🤖 智能交互:即时回答代码、架构及编程相关问题
🔍 代码审查:自动分析 PR 变更,提供优化建议
代码实现:支持简单修复、重构及新增功能
💬 深度集成:通过评论触发,支持 PR 及 Issue 无缝调用
🛠 灵活工具:访问 GitHub API、文件操作,支持自定义扩展工具
📋 进度反馈:动态更新任务进度,实时掌握执行状态
🏃 本地运行:所有操作均在用户自有 GitHub Runner 执行,数据安全可控
🔐 多认证方案:支持 Anthropic API、AWS Bedrock、Google Vertex AI 三种身份验证方式
⚙️ 高度可配置:自定义触发词、权限、环境变量及模型,适配多场景需求
🔄 自动化支持:可实现自动文档更新、作者特定审核等定制化工作流
🔑 安全规范:严格依赖 GitHub Secrets 管理密钥,支持提交签名保障代码可信
🔧 适用广泛:适合团队自动化代码审查、快速迭代及持续集成

通过深度上下文理解和多轮交互限制,Claude Code Action 实现智能代码辅助的可控性和高效性,既保障代码质量,又降低人力成本,助力构建长期稳定的开发协作体系。
本地安全 AI 助理 Klee,集成 RAG 知识库与 Markdown 笔记,保障隐私无依赖网络。

• 完全离线运行,保护数据安全,避免云端泄露风险
• 内置 Ollama 本地 LLM 引擎,响应速度快且资源占用低
• 采用 LlamaIndex 构建知识框架,实现高效语义检索与管理
• 支持 Markdown 笔记,方便信息结构化和长期积累
• 开源 MIT 许可,社区活跃,持续迭代功能与体验优化
• 灵活配置本地或远程模式,满足多场景需求
• 基于 Electron + React + TypeScript 开发,跨平台兼容性佳
• 提供完整开发文档与贡献指南,助力开发者深度参与

Klee 本质是将“知识管理+本地 AI”结合,打造隐私优先的智能桌面助手,适合对数据安全有高要求的个人和组织长期依赖。
uvws:专注于 Python 包管理的轻量级 uv 工作空间,提供类似 Conda 基础环境的便捷体验,适合只需 Python 包管理的开发者。

• 轻量安装:通过官方脚本快速安装 uv,保持环境最新,保证稳定性与性能。
• 环境同步:支持跨机器环境一致性,使用 uv add 命令安装并自动更新 `pyproject.toml`,实现多设备包管理同步。
• 开发友好:支持编辑安装模式,自动克隆并管理多个仓库,方便并行开发与调试。
• 自动化脚本:提供状态查看(`status.sh`)、批量更新(`update.sh`)及环境重置方案,提升维护效率。
• Conda 替代方案:专注于 Python 包的简单管理,不支持 CUDA 环境切换,适合轻量需求。想要更高级切换功能,可结合 warner-benjamin/uv-tools。
• 纯开源,便于自定义与扩展,适合追求极简环境管理的 Python 开发者和团队。

从根本上简化 Python 包管理,提升跨设备开发一致性,uvws 是轻量级环境管理的实用方案。
Back to Top