terminal

microsoft

C++

Windows Terminal 是微软开发的现代化 Windows 命令行终端应用，用于替代传统控制台界面。它支持多标签、GPU 加速渲染、自定义主题与配色、WSL 和 PowerShell/Command Prompt 多种 shell 集成，并统一管理新终端界面与底层 console host（conhost.exe）组件。基于 C++ 开发，深度适配 Windows 10/11 系统，提供高响应性、无障碍支持和可扩展配置。适用于开发者、系统管理员及命令行重度用户在本地或 WSL 环境中进行高效终端操作。

AReaL

areal-project

Python

AReaL 是一个面向大语言模型（LLM）智能体应用的异步强化学习（RL）基础设施框架。它提供灵活、可扩展的 RL 训练范式，支持黑盒智能体的在线 RL 训练与推理-决策闭环优化，核心特性包括全异步架构、低耦合模块设计（如代理执行、奖励计算、轨迹采集分离）、以及对数学推理、代码生成、搜索和客服等典型 LLM 智能体场景的开箱即用支持。适用于需要将 RL 与 LLM 智能体深度集成的研究者与工程团队，尤其适合大规模、高吞吐、低延迟的智能体训练与部署场景。

Made-With-ML

GokuMohandas

Jupyter Notebook

Made With ML 是一个面向工程实践的机器学习课程项目，系统性地教授如何设计、开发、部署和迭代生产级机器学习应用。项目以 Jupyter Notebook 为载体，覆盖数据工程、MLOps、分布式训练、LLM 应用、模型测试与监控等核心环节，强调软件工程规范（如 CI/CD、模块化设计）与可扩展架构（基于 Ray、PyTorch），所有实现均在 Python 生态内完成。适用于希望将机器学习从实验阶段推进至稳定线上服务的数据科学家、ML 工程师及全栈开发者。

USB-Uncensored-LLM

techjarves

HTML

这是一个可直接从USB或SSD运行的便携式本地大语言模型（LLM）环境，无需安装、不依赖网络、完全离线。核心功能包括：零依赖启动（内置便携Python与Ollama引擎）、跨平台支持（Windows/macOS/Linux共用同一模型文件）、无审查交互（预置Gemma、Qwen、NemoMix等开源GGUF格式模型）、硬件加速（自动适配CPU AVX、NVIDIA CUDA或Apple Metal）及多设备访问UI（局域网内手机/平板可访问）。适用于隐私敏感场景、离线教学、现场演示、安全审计及受限网络环境下的AI应用。

flamegraph

flamegraph-rs

Rust

这是一个为 Rust 项目及任意可执行程序生成火焰图（Flame Graph）的轻量级性能分析工具。它基于纯 Rust 的 Inferno 库，支持 Linux（perf）、macOS（xctrace）和 Windows（blondie/dtrace），无需 Perl 脚本或复杂管道，提供 `cargo flamegraph` 和 `flamegraph -- <binary>` 两种调用方式。核心优势在于跨平台兼容性、零依赖部署和对现代链接器（lld/mold）的适配支持。适用于系统级性能调优、CPU 热点定位、Rust 应用瓶颈分析等场景。

hashsigs-rs

QuipNetwork

Rust

这是一个基于哈希的后量子数字签名库，使用Rust实现WOTS+（Winternitz一次性签名）算法，并提供对Solana区块链程序的原生支持。核心功能包括密钥生成、签名与验签，底层采用Keccak256哈希函数，具备抗量子计算攻击能力；通过模块化设计分离通用签名逻辑与链上合约适配层，支持在Solana虚拟机（SBF）中安全执行。适用于需长期抗量子安全性的区块链身份认证、链上交易签名及零信任环境下的轻量级签名验证场景。

Catch2

catchorg

C++

Catch2 是一个现代化的 C++ 原生测试框架，支持单元测试、测试驱动开发（TDD）和行为驱动开发（BDD）。其核心特性包括零依赖、单头文件（v2.x）或模块化结构（v3）、自然语法的断言（如 REQUIRE/REQUIRE_FALSE）、灵活的测试组织（TEST_CASE/SECTION）、内置微基准测试能力，以及对 C++14/17/20 的原生支持。适用于 C++ 项目在开发、CI/CD 和质量保障阶段进行轻量级、可读性强的自动化测试验证。

debezium

debezium

Java

Debezium 是一个开源的低延迟变更数据捕获（CDC）平台，用于实时捕获多种数据库的行级数据变更并以事件流形式输出。其核心功能包括：基于数据库日志（如 MySQL binlog、PostgreSQL WAL）的无侵入式变更捕获，支持 Kafka Connect 集成，提供统一的事件模型与恰好一次语义保证，并具备断点续传能力。技术特点涵盖多数据库适配（MySQL、PostgreSQL、Oracle 等）、高可靠性、可扩展的连接器架构及 Apache Kafka 原生集成。适用于实时数仓同步、微服务间数据解耦、审计日志构建及事件驱动架构等场景。

gjson

tidwall

Go

GJSON 是一个为 Go 语言设计的高性能 JSON 值提取库，专用于快速、零内存分配地查询 JSON 文档中的指定字段。其核心功能包括支持点号路径语法（如 "user.profile.name"）、通配符匹配（*、?）、数组索引访问、长度查询（#）及 JSON Lines 解析；底层采用无须完整解析的流式查找策略，显著提升读取性能。适用于微服务响应解析、日志结构化提取、API 网关字段裁剪、配置动态读取等对延迟敏感且仅需读取部分字段的场景。

Kazumi

Predidit

Dart

Kazumi 是一款基于自定义规则的跨平台番剧采集与在线观看应用，支持通过简化的 XPath 规则（最多五行）灵活适配各类动漫网站资源。核心功能包括弹幕实时渲染、基于 Anime4K 的实时超分辨率增强、多源播放、追番管理、跨设备同步及无线投屏等。采用 Flutter 开发，原生支持 Android、Windows、macOS、Linux 和 iOS，兼顾桌面与移动端体验。适用于希望自主维护资源源、注重播放质量与本地化控制的动漫爱好者，尤其适合对主流平台未覆盖的小众或地区性番剧站点有访问需求的用户。

async-storage

react-native-async-storage

Kotlin

React Native Async Storage 是一个专为 React Native 应用设计的异步、持久化键值存储库。它基于 SQLite（Android/iOS/macOS/visionOS/Windows）和 IndexedDB（Web）实现，提供与 Web Storage API 兼容的简洁接口，并支持批量操作和多数据库实例。采用 Kotlin 编写核心 Android 实现，具备跨平台一致性与轻量级特性，不加密数据，适用于用户偏好设置、登录态缓存、离线临时数据等轻量持久化场景。

LangAlpha

ginlix-ai

Python

LangAlpha 是一个面向投资决策的AI智能体框架，基于大语言模型构建可持久化、迭代式的研究工作空间。它支持用户按研究主题（如行业轮动、组合再平衡）创建独立工作区，通过多智能体协同完成新闻摘要、市场扫描、配对交易建议等任务，并自动保存分析过程与结果以支持长期贝叶斯式推理。项目采用 LangChain/LangGraph 架构，集成 MCP 协议工具发现机制与程序化工具调用（PTC），提供 Web 界面、TUI 终端及 API 服务。适用于专业投资者、量化研究员及金融分析师开展结构化、可复现的深度投研工作。