小米开源训练看板，Postgres查询提速81%
window-sweaters 给 macOS 窗口织毛衣
一个只做一件事的菜单栏小工具:把系统窗口边框换成手绘风格的针织纹理,热度却冲到了 428。
亮点 不是主题美化包,而是常驻菜单栏、按窗口实时渲染边框,不改变窗口内容布局,纯视觉装饰。
做什么 解决 macOS 原生窗口边框过于冷淡的问题,给每个窗口套一圈像毛线织出来的边框,属于「无实际功能但看着舒服」的桌面玩具。
上手 按仓库 README 安装,入口见原文链接。
适合谁 喜欢折腾桌面外观、对 macOS 菜单栏小工具感兴趣的开发者。
提醒 装饰类项目,不提供窗口管理能力;渲染开销和与其它窗口增强工具的兼容性需要实测。
类型: 应用/工具 · ★ 428 · 可直接上手 · saragordic/window-sweaters (C) · 打开仓库
黑客论坛目录项目收录情报入口
把散落在各处的攻击者交流站点整理成一份可检索清单,直接对准威胁情报的采集源头。
亮点 定位是「目录」而非工具,收录的是论坛入口本身,对做威胁情报溯源和暗网监测的团队省去大量手工搜集。
做什么 汇总公开可访问的黑客论坛地址,解决情报人员「去哪找线索」的问题,核心价值在清单的持续维护而非代码实现。
上手 按仓库 README 安装,入口见原文链接。
适合谁 做威胁情报、反欺诈和安全运营的安全工程师。
提醒 清单准确性依赖维护者更新,站点存活率天然不稳定;仅用于合法的安全研究用途。
类型: 库 · ★ 330 · 可直接上手 · FSECDEV/Threat-Intelligence-Hackers-Forums (?) · 打开仓库
awesome-cloudflare-selfhosted 自建替代 SaaS
一份专挑「能跑在自己 Cloudflare 账号里」的开源应用清单,把自托管方案和免费额度绑在一起。
亮点 收录标准明确:必须能部署在个人 Cloudflare 账户内,覆盖了 SaaS 产品的自建替代方案,和泛泛的 self-hosted 列表区分开。
做什么 解决想摆脱订阅制、又不愿自己维护服务器的问题,把应用跑在 Cloudflare 的边缘资源上,省掉运维和部分成本。
上手 按仓库 README 安装,入口见原文链接。
适合谁 独立开发者和小团队里负责选型、控制基础设施成本的人。
提醒 强绑定 Cloudflare 平台,迁移成本高;部分应用受免费额度限制,生产环境需核对用量。
类型: 应用/工具 · ★ 273 · 可直接上手 · theoephraim/awesome-cloudflare-selfhosted (JavaScript) · 打开仓库
小技巧比大重构更能提升编程效率
一篇讲「微小编程习惯」的文章在 Hacker News 拿到 385 热度,说明大家更缺的是一用就见效的小手法。
亮点 主题不是架构和模式,而是日常写代码中容易被忽略的细节技巧,单个改动成本低、见效快,读完当天就能用上。
做什么 回答「为什么有些人的代码写起来就是更快更顺」,把那些不成体系但反复奏效的经验整理成可复用的做法。
上手 直接读原文,入口在发布的来源链接里。
适合谁 已经能独立写业务代码、想再提高日常编码效率的中级开发者。
提醒 属于经验型内容,技巧的有效性依赖语言和场景;作者观点需结合自己技术栈判断。
★ 385 · Small programming tricks · 查看原文
4B 小模型生成查询计划,比 Postgres 快 81%
用 4B 参数的小模型来生成 SQL 查询计划,报告的加速幅度达到 81%,把模型能力直接压到数据库最核心的环节。
亮点 不是问答或补全,而是让模型输出查询执行计划;4B 这个量级意味着单机可部署,和动辄百亿参数的方案路径完全不同。
做什么 解决数据库优化器在复杂查询上选择次优计划的问题,用模型学到的经验替代或辅助传统代价估算。
上手 按作者原文的说明复现,入口见原文链接。
适合谁 做数据库内核、查询优化或想把模型塞进数据链路的后端工程师。
提醒 81% 是在特定查询负载下测出的结果,换数据集和硬件未必复现;把模型放进查询路径还要考虑延迟和稳定性。
★ 381 · Training a 4B model to produce 81% faster query plans than Postgres · 查看原文
小米公开强化学习训练看板
小米把 Mimo 的强化学习训练过程做成了实时看板并对外公开,训练中间态第一次变得可以围观。
亮点 训练过程实时可见,而不是等论文里的最终曲线;对做强化学习的人来说,这种中间态的展示比结果数字更有参考价值。
做什么 把强化学习训练中的指标变化实时呈现出来,让外部能观察模型在训练各阶段的表现,减少「黑箱训练」的不确定感。
上手 打开原文的看板地址即可,入口见原文链接。
适合谁 做大模型训练、关注强化学习调参的算法工程师。
提醒 看板展示的是既定训练任务,指标口径和细节需要结合官方说明理解,不宜直接横向对比其它模型。
★ 230 · Xiaomi Mimo 2.6 live post-training dashboard · 查看原文
今日观察
今天两条最硬的素材指向同一个方向:模型正在往数据库优化、训练过程可视化这类「基础设施内部」下沉,而不是停留在应用层的对话。这个趋势值得跟进。理由是小参数模型一旦能在查询计划这种高度结构化的任务上拿到两位数加速,它的部署成本和收益比就成立,离生产环境只差工程化。对开发者的实际含义是:选型时开始把「模型能否嵌进现有链路」当作评估项,而不是只问它对话好不好用。