ScreenKite
macOS 原生屏幕录制工具，支持全屏、窗口或区域录制，并可同时叠加摄像头画面，自动识别鼠标点击和键盘操作位置，实时触发智能自动缩放效果，内置编辑器支持裁剪、删除、调整播放速度、应用缩放效果、基础转场、自定义视频背景、阴影样式和圆角效果等，所有处理均在本地完成，免费使用。
https://www.screenkite.com/zh-CN
Font.icu
免费字体搜索与下载服务，收录了全网大量中英文字体，且每一款字体都提供官方/开源链接，支持实时预览字体样式，点击即可直接下载，完全免费，无需注册。
https://font.icu
GitHub Store
面向 GitHub Releases 的应用商店，可发现各种二进制文件（如 APK、EXE、DMG、DEB、RPM、AppImage 等）仓库，并一站式完成下载安装与跟踪更新，支持热门、最新与最近更新的分类，以及自动获取最新版本与变更日志详情，包括 README 渲染、星标数量、问题与分支信息等，免费开源，适用于 Android 与 Windows、macOS、Linux 系统。
https://github.com/rainxchzed/Github-Store
自建Claude API中转服务
一站式开源中转服务，让 Claude、OpenAI、Gemini 订阅统一接入，支持“拼车”式团队共享，更高效分摊成本，原生工具无缝使用。
https://pincc.ai/
tail 有可能是 AI 时代用到最多的命令行工具。
在 vibe coding 的时候，Token 就是钱。为了节省 Token，Coding Agent 在执行一些命令的时候，会只取前几行或者只取后几行。一般取后几行比较多，因为重要的信息都在最后几行，比如测试，构建之类查看最后几行就可以知道是否报错，报了啥错，这样可以最大限度地节省 Token。
现在有一个命令行工具叫 RTK，它号称可以节省 80% 左右的 Token 使用量。它的使用非常简单方便，在常用命令之前加一个 rtk 就可以。
它的原理是将以前命令行输出的信息进行压缩，忽略掉一些对人有用但对 AI 没用的信息，只展示一些有意义的内容，而不需要考虑 Human-readable。
在 vibe coding 的时候，Token 就是钱。为了节省 Token，Coding Agent 在执行一些命令的时候，会只取前几行或者只取后几行。一般取后几行比较多，因为重要的信息都在最后几行，比如测试，构建之类查看最后几行就可以知道是否报错，报了啥错，这样可以最大限度地节省 Token。
现在有一个命令行工具叫 RTK，它号称可以节省 80% 左右的 Token 使用量。它的使用非常简单方便，在常用命令之前加一个 rtk 就可以。
它的原理是将以前命令行输出的信息进行压缩，忽略掉一些对人有用但对 AI 没用的信息，只展示一些有意义的内容，而不需要考虑 Human-readable。
刚看了 OpenClaw 的源码，如果 Agent 要加一个定时任务功能，怎么设计？
（把这个作为你面试 AI Agent 全栈工程师的面试题）
AI Agent 非常常用的功能就是定时任务。
比如你安排它在某个时间做什么事情。
那这种功能这么实现呢？
Agent 架构里一般会把它封装成 tool，这个 tool 接收要做的事情的文本，用 corn 之类的来定时。
时间到了之后，它会调用 model 来解析这个文本，执行。
这个文本里会调用其他的 tool，比如联网搜索的 tool、增删改查数据库的 tool、发送邮件的 tool
比如：每天 8 点定时去搜索网上 ai 相关的新闻，生成一个精美 html，发送到我的邮箱，并且把发送记录保存到数据库。
你就给 ai 这么一段文本，它会做什么事情呢？
它会调用定时任务的 tool，把后面要做的事情的文本给它。
定时任务到期后，会调用模型来处理这个文本，然后就触发了别的 tool call，循环执行，直到没有新的 tool call，这个任务就完成了。
然后下一次定时任务到期继续这样。
并且还要让 agent 把定时任务也用操作数据库的 tool 存到表里，这样可以做任务列表，可以取消。
这就是 Agent 架构下定时任务的实现方案。
当然 OpenClaw 里并不是直接把定时任务封装成 tool，它是一个独立的服务，但它有执行命令的 tool，所以你让他跑定时任务，他会执行命令来跑定时任务，绕了一层，但本质一样。
我刚又看了 nanobot 的源码（简易版 openclaw），他是直接把定时任务封装成 tool，然后执行的时候也是一个 agent loop
有同学问我为啥不讲 skill？
skill 只是封装好的 prompt + tool，prompt 放到 system message 里，tool 可插拔，卸载 skill 就去掉了这些 tool
是封装出来的概念，后面做 agent 可以实现 skill 系统，但它不是底层知识，是可选实现的应用层功能
（把这个作为你面试 AI Agent 全栈工程师的面试题）
AI Agent 非常常用的功能就是定时任务。
比如你安排它在某个时间做什么事情。
那这种功能这么实现呢？
Agent 架构里一般会把它封装成 tool，这个 tool 接收要做的事情的文本，用 corn 之类的来定时。
时间到了之后，它会调用 model 来解析这个文本，执行。
这个文本里会调用其他的 tool，比如联网搜索的 tool、增删改查数据库的 tool、发送邮件的 tool
比如：每天 8 点定时去搜索网上 ai 相关的新闻，生成一个精美 html，发送到我的邮箱，并且把发送记录保存到数据库。
你就给 ai 这么一段文本，它会做什么事情呢？
它会调用定时任务的 tool，把后面要做的事情的文本给它。
定时任务到期后，会调用模型来处理这个文本，然后就触发了别的 tool call，循环执行，直到没有新的 tool call，这个任务就完成了。
然后下一次定时任务到期继续这样。
并且还要让 agent 把定时任务也用操作数据库的 tool 存到表里，这样可以做任务列表，可以取消。
这就是 Agent 架构下定时任务的实现方案。
当然 OpenClaw 里并不是直接把定时任务封装成 tool，它是一个独立的服务，但它有执行命令的 tool，所以你让他跑定时任务，他会执行命令来跑定时任务，绕了一层，但本质一样。
我刚又看了 nanobot 的源码（简易版 openclaw），他是直接把定时任务封装成 tool，然后执行的时候也是一个 agent loop
有同学问我为啥不讲 skill？
skill 只是封装好的 prompt + tool，prompt 放到 system message 里，tool 可插拔，卸载 skill 就去掉了这些 tool
是封装出来的概念，后面做 agent 可以实现 skill 系统，但它不是底层知识，是可选实现的应用层功能
#AI
相对同一个模型来说，AlCoding就是token消耗、时间消耗、Coding质量的不可能三角
同样是Sonnet4.6:
-口喷需求后直接开发最快、最省token，但质量不稳定-用PlanMode先规划再执行，多耗token，速度慢点，执行更稳定-使用SDD，代码执行前还要生成proposal、spec、design、tasks这4个md,耗费token、时间翻番，但流程可控且留痕(数据可归档)-使用TDD+SDD，传统的SDD直接基于tasks开发，TDD将每个task拆分为红->绿>重构3个步骤，token、时间再翻个番，但好处是:
1.由于所有实现都是基于测试case来的，所以AI不会多此一举写出冗余代码
2.测试全过，更有交付信心
时间差距有多大呢，口喷需求如果5分钟完成，TDD+SDD可能会跑1个小时。为了减少时间消耗，可以多Agent并行跑不同的TDD+SDD需求，这样总时间消耗下来了，token消耗又得翻N(N=并行数)倍。
相对同一个模型来说，AlCoding就是token消耗、时间消耗、Coding质量的不可能三角
同样是Sonnet4.6:
-口喷需求后直接开发最快、最省token，但质量不稳定-用PlanMode先规划再执行，多耗token，速度慢点，执行更稳定-使用SDD，代码执行前还要生成proposal、spec、design、tasks这4个md,耗费token、时间翻番，但流程可控且留痕(数据可归档)-使用TDD+SDD，传统的SDD直接基于tasks开发，TDD将每个task拆分为红->绿>重构3个步骤，token、时间再翻个番，但好处是:
1.由于所有实现都是基于测试case来的，所以AI不会多此一举写出冗余代码
2.测试全过，更有交付信心
时间差距有多大呢，口喷需求如果5分钟完成，TDD+SDD可能会跑1个小时。为了减少时间消耗，可以多Agent并行跑不同的TDD+SDD需求，这样总时间消耗下来了，token消耗又得翻N(N=并行数)倍。
朱雀AI检测助手
腾讯推出的 AI 生成内容检测工具，可快速分析文本和图像文件，并在数秒内输出详细的检测报告，包括
AI 生成概率、具体可疑段落或区域标注及内容特征提示，支持 GPT、Claude、DeepSeek、混元、豆包、千问、即梦、MJ、SD、GAN 等常见模型的识别，免费使用，有次数限制，登录后可享更多次数。
https://matrix.tencent.com/ai-detect/
Windows 11 Classic Context Menu
Windows 11 恢复经典右键菜单工具，可以避免每次右键都要点击「显示更多选项」的情况，通过封装注册表切换逻辑，无需手动编辑注册表，即可一键启用或还原经典菜单样式，重启文件资源管理器后方可生效，免费易用，绿色免安装。
https://www.sordum.org/14479/windows-11-classic-context-menu-v1-2/
CodeWiki
Google 推出的 AI 原生代码文档自动化平台，只需提交 GitHub 仓库地址，即可结合 Gemini 生成连贯一致的维基式文档，实时更新超链接索引、架构图、调用关系图等内容，每个 CodeWiki 页面还嵌入了 Gemini 聊天助手，可用自然语言提问获取与该代码库上下文相关的解释、示例或路径导航，可显著提升新成员入职、遗留代码理解与审计效率，什么上古项目、屎山代码统统都不是问题了。
https://codewiki.google
#网易云 #音乐 #客户端 #开源
毛绒音乐
网易云桌面版第三方播放器，特点是极简设计和专注于竖屏交互体验，去除了无用繁杂元素，将重点放在音乐浏览、歌曲播放与列表管理上，支持本地登录网易云账号获取歌单、搜索音乐库、播放与暂停控制、切歌与循环模式切换等常见操作，免费开源，适用于 Windows / Linux / MacOS 系统。
🐙 GitHub
毛绒音乐
网易云桌面版第三方播放器，特点是极简设计和专注于竖屏交互体验，去除了无用繁杂元素，将重点放在音乐浏览、歌曲播放与列表管理上，支持本地登录网易云账号获取歌单、搜索音乐库、播放与暂停控制、切歌与循环模式切换等常见操作，免费开源，适用于 Windows / Linux / MacOS 系统。
🐙 GitHub
GitHub
GitHub - LangYa466/FurMusic: 毛绒音乐 - 极简UI的网易云第三方播放器 || 专注于竖屏 || 支持 Windows / Linux / MacOS
毛绒音乐 - 极简UI的网易云第三方播放器 || 专注于竖屏 || 支持 Windows / Linux / MacOS - LangYa466/FurMusic
#剪贴板 #开源
剪存
专为 macOS 设计的剪贴板历史管理工具，能够自动保存剪贴板中的文本、图片、链接及文件，并通过本地 SQLite 数据库进行存储，支持实时搜索和过滤历史记录，链接自动解析并以表格方式展示 URL 参数，图片支持预览、放大及二维码识别，还可配置密码保护、自动清理策略与自定义快捷键，免费开源。
📱App Store 🐙GitHub
剪存
专为 macOS 设计的剪贴板历史管理工具，能够自动保存剪贴板中的文本、图片、链接及文件，并通过本地 SQLite 数据库进行存储，支持实时搜索和过滤历史记录，链接自动解析并以表格方式展示 URL 参数，图片支持预览、放大及二维码识别，还可配置密码保护、自动清理策略与自定义快捷键，免费开源。
📱App Store 🐙GitHub
GitHub
GitHub - snsogbl/clip-save: 剪存-剪贴板历史管理工具
剪存-剪贴板历史管理工具. Contribute to snsogbl/clip-save development by creating an account on GitHub.
或许每个项目都应该又一个类似的 UI Skill 来约束项目的设计风格
https://www.ui-skills.com/
核心系统
⭕️Skills：包含 109 个自然语言触发的工具，涵盖文件操作、代码分析、记忆调用等。
⭕️Agents ：32 个专用代理，拥有独立的角色和职责，通过“元技能”进行编排。
⭕️Hooks：30 个钩子用于维护状态、拦截工具调用并注入上下文，确保系统行为符合预期。
⭕️TLDR Code Analysis：一个智能的代码阅读和索引工具，能够进行语义搜索、死代码检测和架构分析，避免盲目读取大量代码。
⭕️Memory System：
会话结束后自动后台提取“思考块（thinking blocks）”中的推理过程。
支持自然语言的记忆存取（如“记住 auth 使用 JWT”）。
使用向量数据库进行相关性检索。
⭕️Continuity System：确保工作流在不同会话间无缝衔接，通过 YAML 文件管理状态交接。
这个项目试图让 AI 编程助手不仅仅是一个一次性的问答工具，而是一个能像人类开发者一样“记住”项目细节、历史决策并持续进化的长期合作伙伴。
macOS 剪贴板管理工具，可自动捕获文本、链接、图片、文件、颜色等类型内容，双击即可快速复制，写入系统剪贴板，支持纯文本粘贴、内容收藏分组、横向列表/网格布局，可按关键词 + 类型/来源应用进行过滤，输入即搜，毫秒响应，免费开源，适用于 macOS 系统。
🐙 GitHub
