#GitHub #Web

📺 强大的视频嗅探下载服务 —— cobalt

🔍 cobalt 是一个简洁高效的在线视频/音频解析工具，支持从多个主流平台提取和下载媒体内容。它的界面极简，操作便捷，适合快速粘贴链接并获取资源。

🧙 特性

▶ 自动识别链接：粘贴视频链接后自动解析；
▶ 音频提取：可选择仅下载音频部分；
▶ 静音处理：可对视频进行静音处理
▶ Remux：可能支持无损封装转换（如 MP4/MKV）；
▶ 多参数设置：支持对音频、视频等做格式、质量、编码等进行设置；
▶ 隐私保护：支持自部署、社区实例、关闭匿名流量分析和创建隧道等方式来保护使用者隐私。

🪄 支持的网站和服务有：Bilibili、Bluesky、Dailymotion、Facebook、Instagram、Loom、OK.ru、Pinterest、Reddit、Rutube、Snapchat、SoundCloud、Streamable、TikTok、Tumblr、Twitch、Twitter、Vimeo、VK、小红书、YouTube。

你可以使用开发者部署的实例，也可以前往 GitHub 了解更多项目信息。

#GitHub #AI

🌐 雇一个免费的 GitHub 「懂王」 —— DeepWiki

🧠 DeepWiki 是一款由 Cognition AI 团队（也是 AI 编程助手 Devin 的开发者）开发的创新工具。它的核心功能是自动分析和解读 GitHub 上的公开代码仓库，将复杂的代码和结构转化为清晰易懂的文档、交互式图表，并配备智能问答助手，极大地方便了开发者和开源爱好者理解和使用代码。

🧙 特性

▶ AI 生成文档：DeepWiki 会自动分析仓库中的代码、README 和配置文件，生成详细且易读的文档，解释代码结构、关键函数、模块和依赖关系。
▶ 交互式图表：平台会自动生成可点击的结构图、依赖关系图、流程图等，帮助用户直观了解代码之间的联系。
▶ AI 聊天助手：内置 Devin AI 助手，用户可以高亮任何文本并提问，比如某个函数的作用、如何参与贡献等，AI 会结合代码内容给出清晰解答。
▶ 深度分析查询：支持高级分析，比如自动发现潜在 bug、优化建议、与其他仓库对比等，相当于随时有一位资深工程师为你答疑解惑。
▶ 免费且无需注册：对所有公开仓库完全免费，无需登录即可使用（私有仓库需登录 Devin 账号）。

🪄 如何使用

DeepWiki 官网已经提前收录索引了一些比较受欢迎的 repo，可以直接前往查看，如果在这里找不到你想要的，还可以自己动手：

➊ 找到你感兴趣的 GitHub 仓库，比如：https://github.com/RSSNext/Folo；
➋ 将网址中的「github」替换为「deepwiki」，变成 https://deepwiki.com/RSSNext/Folo；
➌ 打开后即可看到自动生成的文档、结构图和 AI 助手界面，随时提问或深入探索代码。

🎮 应用场景

其实你可以把 DeepWiki 看作是一个非常了解 GitHub 项目的助手，让它来帮你做很多项目上手、检索信息的事情，例如：

▶ 新手开发者快速了解大型开源项目
▶ 资深开发者查找关键模块、分析依赖关系
▶ 教育者用真实代码作为教学材料
▶ 维护者自动生成和更新文档，提升协作效率

#AI #GitHub

📻 做你电脑的黑匣子 —— Screenpipe

🤔 最近发现一个叫做 Screenpipe 的项目，很像是在 AI 时代来临前早些年间的那个「Rewind」，不过当年它还没用上 AI 能力，现在想想此时此刻应该也是它发力的最好时机了吧。

😂 说回 Screenpipe，它是由 mediar-ai 团队开发的开源项目，主打「AI 应用商店」理念。它通过 24 小时不间断地本地记录你的桌面屏幕和麦克风内容，将这些数据索引为 API，供 AI 应用调用，实现更智能、更个性化的桌面自动化和助手功能。

💡 用通俗易懂点的话来说，Screenpipe 很像是一个安装在你电脑里的「黑匣子」，它会在后台持续记录你的屏幕内容和麦克风声音（比如你在看什么、打什么字、开了哪些软件、说了什么话），但所有数据都只保存在你自己电脑里，不会上传到云端。等到有需要调取相应时间轴或者时间点相应动作的 App 出现，它会以 API 的形式输出「上下文摘要」或「结构化信息」（并不是记录的原始的隐私信息）。

😊 其实，我感觉这个事情的理念非常不错，但是为时太早。更何况，收集用户隐私这种事情非常敏感，虽然 Screenpipe 团队一而再再二三的所有数据都存储在本地，但是第三方来做这个事情难免会让用户膈应。感觉是 Apple、Microsoft 这种系统厂商级别来做会更天然一点。

🧠 由于数据都留存在本地做分析，所以 Screenpipe 在本地部署了轻量的 LLM，当然也支持自己下载更多大模型，如 Llama、Mistral、Gemma、Whisper 等开源大模型（前提是你的电脑硬件性能足够）。

💻 目前已有少量的 App 接入到了 Screenpipe 的这个 AI 应用商店中，取用它输出的用户结构化的行为数据。这次推荐并不是说让大家都用起来，而是分享一个还不错的趋势方向，相信未来会有更多的类似的中间件服务出现，或许 Apple 也会下场（or 收购其他一家）来做。

🌐 Screenpipe 也将项目开源在 GitHub 上，可以前往项目页面了解更多详情。

⚠️ 本文更多只是分享理念，笔者感觉用通过本地收集并通过本地大模型分析再接入到下游的 App 使用到用户场景中，这条路还有很长。

#GitHub #App

🐈‍⬛ 在桌面养一只可爱的小猫 —— BongoCat

🐱 BongoCat 是由开发者 ayangweb 开发并开源在 GitHub 上的桌面宠物应用。

💡 它的灵感来源于 MMmmmoko 的 Bongo Cat Mver 项目。原版仅支持 Windows，ayangweb 作为 macOS 用户，希望能在自己的设备上也体验到这只可爱的猫咪，于是开发了支持多平台的新版本。

🧙 特性

▶ 响应式桌宠：BongoCat 会在你的桌面上以可爱的动画形象出现，并能根据你的键盘和鼠标操作做出反应（这与其说是养猫，倒不如说是搞一个自己的猫身镜像了）；
▶ 多平台支持：BongoCat 利用 Tauri 框架实现了跨平台支持，支持Windows（32 位、64 位、ARM64）、macOS（Apple Silicon 和 Intel 芯片）、Linux（Debian/Ubuntu、Fedora/RHEL、通用 AppImage）；

🦸 技术特点

▶ 使用 Live2D 、Live2D Cubism 技术实现猫咪的动画和互动；
▶ 前端采用 Vue3（由 React 迁移而来），后端部分用 Rust 实现；
▶ 利用 pixi-live2d-display 加载 Live2D 模型，监听键盘和鼠标事件用 rdev；
▶ 开源，遵循 MIT 许可证。

🗣开发者在 V2EX 上发表了一个帖子详细介绍了开发始末、技术选型思考和未来的迭代方向，算是很细致具体了。具体的项目细节也可以查看 GitHub 的项目详情页面。

#GitHub #Telegram #Web #Blog

✍️ 把 Telegram Channel 变成博客 —— BroadcastChannel

🎙️ BroadcastChannel 是一个开源工具，核心目标是让任何人都能将自己的 Telegram 频道快速转变为一个结构化、可订阅、可搜索的微型博客网站。它适合内容创作者、社区运营者、媒体人等，极大降低了内容分发和管理的门槛。

🧙 特性

▶ SEO 友好。自动生成 /sitemap.xml，便于搜索引擎收录；
▶ RSS 支持。自动生成 ‎/rss.xml 和 ‎/rss.json，方便订阅和聚合；
▶ 多参数可拓展。支持配置自定义导航栏、外链、评论区、多语言和时区，适配更多场景；
▶ 轻量友好。前端页面 0 JavaScript，加载快、隐私友好；
▶ 极简部署。支持 Cloudflare、Netlify、Vercel 等主流 Serverless 平台，也可用 Docker 或 VPS 部署。

💡 最近我自己也用 Cloudflare 部署了一个不求甚解的 Telegram Channel Blog，效果不错。

🤔 如果你有自己 Telegram Channel，可以快速部署一个来获得另外一个展示的维度。换个角度来看，其实你可以使用拥有一个免费的博客，日常维护更新的后台就是 Telegram Channel 的编辑界面。这样以来，无论是从 Telegram Channel 拓展成博客，还是想要创建一个博客而使用 Telegram Channel，这两者的界限也变得模糊起来了。

🌐 BroadcastChannel 是一个开源项目，项目开源在 GitHub 上，更多项目详情和部署实例可以访问 项目主页 进行查看。