徐伦

@noahduck283 睡啥觉，你这个年纪怎么睡得着的？

@Jolyne_AI 行动派，还不睡呢

卧槽，真长见识了 我刚刚才知道，有个软件上全是女高

@ando_w 还是得合理的进行评估啊！

@Stanleysobest 完了，这下天塌了

年轻人的第一课！

@wsl8297 @grok 你来回答下

正确答案是什么？

@ma_zhenyuan 怕啥，就是干

这还能去面试，小心被噶腰子

@lixinbao_X 墙外全是巨人🌚

昨天徒步的时候，有一个小姐姐问我怎么翻墙啊？ 我说：“你翻墙来想干嘛呀？” 她说：“我就想看看墙外面到底是什么样子。” 我说，我也不知道呢🤦‍♂️

@ai_xiaomu 何意味，没必要吧

这是在炫富吗🤣

@wadezone 为啥这么说🤔

给广大女同胞说个秘密 找对象千万不要找爱健身的 中看不中用。

@Nicebabycat 原来如此啊

冷知识:在字节上班不用vpn 连上公司wifi就能畅游海内外

@weiyux2021 想点菲菲了

现在的台球助教都按分钟收费了吗

@Li665508Li 呜呜呜😭

这14亿的庞大市场 为什么让我赚不到钱😡

@AdrianPunk115 一去不复返了

乔布斯还在的时候 买苹果送这么多东西🫪

@rwayne 无敌好用🤙

@Jolyne_AI 好东西

GitHub 上有个开源项目 LLM Wiki，把文档自动整理成一个持久化、互联的知识库，很适合做个人知识管理。 它不是传统 RAG 那种每次查询都重新检索的模式，而是让 LLM 增量式地构建和维护一个结构化 Wiki，知识只编译一次，后续持续更新。 GitHub：github.com/nashsu/llm_wiki 核心功能： 两步思维链处理：LLM 先分析文档，再生成 Wiki 页面，支持源追溯和增量缓存 四信号知识图谱：基于直接链接、源重叠、Adamic-Adar 和类型亲和性构建关联模型 Louvain 社区检测：自动发现知识簇，用内聚度评分标记松散集群 图谱洞察：识别意外连接和知识空白，一键触发深度研究 向量语义搜索：基于 LanceDB 做嵌入检索，支持任意 OpenAI 兼容端点 持久化任务队列：串行处理带崩溃恢复，支持取消、重试和进度可视化 文件夹导入：递归导入保留目录结构，文件夹路径作为 LLM 分类提示 Chrome 网页剪藏：一键抓取网页并自动纳入知识库 整个项目基于 Andrej Karpathy 的 LLM Wiki 模式论文做了完整实现，并做了大量增强。支持跨平台桌面应用，三栏布局（知识树 + 对话 + 预览），兼容 Obsidian。 生成的 Wiki 用 Markdown + YAML frontmatter + [[wikilink]] 语法，支持人工编辑，LLM 负责维护结构。 适合想构建个人知识库、研究笔记系统的用户。

GitHub 开源 CUDA 系统教程：LeetCUDA（从入门到进阶，一站打通） 200+ 个循序渐进的 CUDA Kernel 实战题，配套 HGEMM 库性能可达 cuBLAS 的 98%～100%。另有 100+ 篇高性能计算技术博客，专讲关键技巧与优化方法，帮你从“能写”进阶到“写得又快又稳”。 GitHub： github.com/xlite-dev/Leet… 面向初学者精心设计，结合 PyTorch 梳理清晰路线：写对 → 写快 → 逼近库级性能。 适合系统掌握 CUDA 的开发者，也适合作为大模型推理优化的 AI 工程师参考与进阶路径。

抽象概念想讲透，光靠 ppt 和板书总差点劲：学生看得吃力，你讲得也费劲。 我最近在 GitHub 挖到一个开源工具：AetherViz Master。只要输入教学主题，它就能自动生成一整套 3D 交互式教学网页，浏览器打开就能直接上课。 它用 Three.js + SVG 混合渲染，能自动识别学科类型，配好更合适的配色和可视化方式，把“难讲的”直接变成“看得懂、能上手”的演示。 GitHub：github.com/andyhuo520/aet… 覆盖物理、化学、生物、数学、天文、编程等多个方向，比如： - 输入「牛顿第二定律」：自动生成 3D 小球运动模拟 - 输入「三角函数」：自动生成可交互的函数波形图 每个页面还自带学习目标、原理讲解、公式渲染和小测验；支持滑块调速、单步演示，也对触摸设备友好。 不管你是老师想把课讲得更直观、更有说服力，还是学生想把知识点“立体化”理解，这个工具都值得试试。

大模型算法岗面试最窒息的一幕：面试官递来一支笔，让你在白板上徒手写 Attention / Transformer。 平时靠 PyTorch 封装 API 写得飞起，一离开框架就容易当场掉线：公式还记得，细节全没了；思路能讲清，实现却写不对。 TorchCode 是我在 GitHub 挖到的开源刷题平台，专为 PyTorch 面试场景设计，把“手写深度学习算子”做成 LeetCode 式训练：写得出来，才算真的会。 基于 Jupyter，精选 40 道高频题，覆盖基础算子、注意力机制、完整架构、训练与优化等核心内容。 GitHub：github.com/duoan/TorchCode 每题自带自动评测：输出是否正确、梯度是否能回传、数值稳定性是否达标，一次跑完直接给彩色通过/失败反馈，哪里炸了立刻定位。 卡住有提示；做完可对照参考实现学更优写法；还带进度追踪，刷到哪、短板在哪一目了然。 部署也很省心：Docker 一键启动；支持 Hugging Face Spaces 在线跑；每题可一键在 Google Colab 打开，不用折腾环境。 想把大模型底层真正啃透，或正在冲刺 AI 面试，这套题库值得从头刷到尾。

想买 Mac，但没用过 macOS，担心买回家不适应？ 先别急着下单。用开源的 OSX-PROXMOX，你可以在任意 AMD 或 Intel 电脑上直接跑 macOS：先体验，再决定。 一行命令自动完成全套配置，覆盖从 macOS High Sierra 到最新 Sequoia。内置 OpenCore 1.0.4，引导更稳，兼容性与安全性更扎实；既能本机折腾，也支持部署到云服务器。 还提供完整的故障排除指南和硬件兼容性检查：装好 Proxmox VE，执行一行命令即可开跑。 GitHub：github.com/luchina-gabrie…

爱看动漫的人大概都踩过同一个坑：资源忽好忽坏，画质不稳、链接失效，想找个靠谱入口，常常要翻半天。 如果你想要一个省心的「一站式目录」，GitHub 上的 Wotaku 可以直接收藏——把常用、优质的动漫相关资源集中整理好，打开就能用。 它收录的不只是动漫网站，还覆盖漫画、音乐、小说、游戏等内容，同时整理了各平台软件推荐和日语学习资源。 GitHub：github.com/wotakumoe/wota… 更实用的是，连周边商品与汉化相关内容也一并归档，基本就是动漫爱好者的全能索引。 项目持续更新，并且筛选标准清晰：优先开源、免费、可用的资源，尽量减少无效链接和踩雷成本。