有人用过ForgeCode没有，据说体验甚至强于cc 1 个帖子 - 1 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 前言 最近在看外国课程，但奈何本人英语水平有限，机翻的字幕又简直灾难，于是参考各种方法做了一个还不错的工具，安装使用都很清晰（详见README.md），欢迎各位佬友品鉴 效果图： 正文 流程： 视频 / 音频 → 语音转录 → 智能分段 → 字幕翻译 → 质量评估 → 硬烧字幕 / 软封装字幕 核心特点 Rust CLI，跨平台（目前只验证过Linux），支持Linux/macOS/Windows 本地 faster-whisper 转录，支持 GPU SaT 分段，尽量改善字幕断句 支持 Google / Bing / LLM 翻译 支持术语、翻译记忆、质量评估和低分重翻 FFmpeg 硬烧字幕，也可软封 常用的命令只有一条 subforge process video.mp4 只想生成字幕，不烧录可以 subforge translate video.mp4 项目地址： github.com GitHub - deusjin/subforge: Rust CLI for AI subtitle workflows: transcribe,... Rust CLI for AI subtitle workflows: transcribe, segment, translate, evaluate, and burn or mux subtitles. 9 个帖子 - 5 位参与者 阅读完整话题
FlowForge Crypto：一款开源的可视化、节点式的现代密码学/加密解密工作台 平时在搞逆向分析、协议抓包或者 CTF 的时候，大家肯定没少跟各种加密算法打交道。为了验证一段数据是 AES 、RSA 还是单纯的 Base64 ，我们往往需要在各种在线工具、本地小插件，甚至写 Python 脚本之间来回切换，有时候步骤一多，自己都绕晕了。 为了解决这个痛点，我开发了一款 完全开源、纯前端运行 的可视化加密解密工作台 —— FlowForge Crypto 。 只需像连线游戏一样拖拽节点，就能直观地构建和测试复杂的加密工作流，执行过程所见即所得。今天开源分享给大家，希望能成为大家手边实用的辅助利器！ 🌟 核心亮点 ⚡ 可视化工作流 ：告别繁琐的代码和独立的转换工具。通过连线的方式组合各个算法节点，数据流向清晰可见，非常适合分析复杂的嵌套加密协议。 🛠️ 丰富的算法支持 ： 对称加密 ：AES (GCM/CBC), ChaCha20-Poly1305 等 非对称加密 ：RSA, ECC (椭圆曲线) 哈希算法 ：SHA-256, SHA-3, MD5 等 编码转换 ：Base64, Hex, Base58, Base32, UTF-8 衍生与认证 ：PBKDF2, Argon2, HMAC, JWT 解析, OTP 等 ⏱️ 实时执行反馈 ：修改任意节点的参数或数据，整个工作流会瞬间自动重新计算。 📝 详细日志追踪 ：内置执行日志，每一步转换的耗时和结果一目了然，方便定位错误。 🛡️ 安全隐私 ：纯前端（ React 19 + Vite ）实现，核心基于 WebCrypto 及成熟库，所有数据计算都在浏览器本地完成， 不会上传任何数据 ，分析敏感协议时绝对安全。 📸 运行界面截图 🌐 访问与下载 本项目目前提供在线 Web 版（免安装直接用），同时也完全开源。 👉 **在线体验 (Live Demo)**： https://flowforge-crypto.pages.dev/ 💻 GitHub 开源地址 ： https://github.com/marlkiller/flowforge-crypto 🚀 进阶玩法：一键导入工业级加密流 为了让大家快速上手，页面内置一些生成好的配置文件。在页面左侧菜单点击 [Demo] 按钮，即可一键加载完整的加解密/签名/验证流程 这个流程展示了： 多级派生 ：从同一个密码派生出不同的加密密钥和签名密钥。 安全打包 ：版本号 + 随机盐 + IV + 密文 + HMAC 签名的完整构造逻辑。 实时校验 ：修改左侧任何输入，右侧解密链路实时联动，非常适合深入理解加密协议结构。 💡 后续计划 目前项目还在持续迭代中，后续计划加入： 更多小众逆向算法支持。 常用加密特征的自动识别节点。 工作流的本地导入导出功能。 欢迎各位大佬体验、拍砖、提 Bug 。如果觉得这个工具对你的分析工作有帮助，去 GitHub 给个 Star ⭐ 就更感激不尽啦！
IT之家 5 月 27 日消息，面壁智能今日联合清华大学、OpenBMB 开源社区正式发布 ForgeTrain—— 全球首个完全由 AI 编写、零人类代码介入的生产级大模型训练框架 。 面壁智能使用 ForgeTrain 在 华为昇腾 芯片上成功完成了面壁智能新一代「小钢炮」 MiniCPM5-1B 模型的预训练。评测结果显示，MiniCPM5-1B 的综合性能在全球同尺寸模型中处于领先水平，在 AA 榜单上位列 2B 规模以下 Top 1。 官方表示，这标志着「AI 写的框架 → 在国产芯片上运行 → 训出领先的 AI 模型」这一完整闭环被成功打通。 ForgeTrain 完全开源，同步发布 ForgeTrain 框架代码（完整的预训练框架）和 Agent Harness（制造 ForgeTrain 的完整工具链，包含评测标准、测试规约和智能体编排方案。任何团队都可以用它复现从逐比特对齐到性能反超的全过程）。 IT之家附开源链接如下： Github ： https://github.com/OpenBMB/ForgeTrain
https://github.com/PeterTerpe/UnionBan-Reforged 项目刚刚起草，目前只有一个尚未完善的开发文档。 和已有的联合封禁插件有很大区别吗？- 主要功能上并没有，可能有一些实现思路上的不同。 特点： 不是插件/MOD ，是独立运行的软件，我希望通过适配器来兼容所有服务器核心。 基于证书的节点身份，所有封禁条目可溯源。 在 Friend-To-Friend 的信任网络上分享，但也借助 DHT 来发现更多节点。 节点可以给其连接的每个 MC 服务器单独配置封禁规则。 给不同的节点设置不同的可信度，配合封禁规则达到更细腻的控制。 通过证书签名来推测未知节点的可信度。 被动式查询封禁列表，阻碍恶意列表的扩散。 在玩家加入服务器后，后台查询封禁信息，若匹配封禁规则便踢出服务器，完全不影响连接速度。
https://github.com/PeterTerpe/UnionBan-Reforged 项目刚刚起草，目前只有一个尚未完善的开发文档。 和已有的联合封禁插件有很大区别吗？- 主要功能上并没有，可能有一些实现思路上的不同。 特点： 不是插件/MOD ，是独立运行的软件，我希望通过适配器来兼容所有服务器核心。 基于证书的节点身份，所有封禁条目可溯源。 在 Friend-To-Friend 的信任网络上分享，但也借助 DHT 来发现更多节点。 节点可以给其连接的每个 MC 服务器单独配置封禁规则。 给不同的节点设置不同的可信度，配合封禁规则达到更细腻的控制。 通过证书签名来推测未知节点的可信度。 被动式查询封禁列表，阻碍恶意列表的扩散。 在玩家加入服务器后，后台查询封禁信息，若匹配封禁规则便踢出服务器，完全不影响连接速度。
https://github.com/PeterTerpe/UnionBan-Reforged 项目刚刚起草，目前只有一个尚未完善的开发文档。 和已有的联合封禁插件有很大区别吗？- 主要功能上并没有，可能有一些实现思路上的不同。 特点： 不是插件/MOD ，是独立运行的软件，我希望通过适配器来兼容所有服务器核心。 基于证书的节点身份，所有封禁条目可溯源。 在 Friend-To-Friend 的信任网络上分享，但也借助 DHT 来发现更多节点。 节点可以给其连接的每个 MC 服务器单独配置封禁规则。 给不同的节点设置不同的可信度，配合封禁规则达到更细腻的控制。 通过证书签名来推测未知节点的可信度。 被动式查询封禁列表，阻碍恶意列表的扩散。 在玩家加入服务器后，后台查询封禁信息，若匹配封禁规则便踢出服务器，完全不影响连接速度。
https://github.com/PeterTerpe/UnionBan-Reforged 项目刚刚起草，目前只有一个尚未完善的开发文档。 和已有的联合封禁插件有很大区别吗？- 主要功能上并没有，可能有一些实现思路上的不同。 特点： 不是插件/MOD ，是独立运行的软件，我希望通过适配器来兼容所有服务器核心。 基于证书的节点身份，所有封禁条目可溯源。 在 Friend-To-Friend 的信任网络上分享，但也借助 DHT 来发现更多节点。 节点可以给其连接的每个 MC 服务器单独配置封禁规则。 给不同的节点设置不同的可信度，配合封禁规则达到更细腻的控制。 通过证书签名来推测未知节点的可信度。 被动式查询封禁列表，阻碍恶意列表的扩散。 在玩家加入服务器后，后台查询封禁信息，若匹配封禁规则便踢出服务器，完全不影响连接速度。
https://github.com/PeterTerpe/UnionBan-Reforged 项目刚刚起草，目前只有一个尚未完善的开发文档。 和已有的联合封禁插件有很大区别吗？- 主要功能上并没有，可能有一些实现思路上的不同。 特点： 不是插件/MOD ，是独立运行的软件，我希望通过适配器来兼容所有服务器核心。 基于证书的节点身份，所有封禁条目可溯源。 在 Friend-To-Friend 的信任网络上分享，但也借助 DHT 来发现更多节点。 节点可以给其连接的每个 MC 服务器单独配置封禁规则。 给不同的节点设置不同的可信度，配合封禁规则达到更细腻的控制。 通过证书签名来推测未知节点的可信度。 被动式查询封禁列表，阻碍恶意列表的扩散。 在玩家加入服务器后，后台查询封禁信息，若匹配封禁规则便踢出服务器，完全不影响连接速度。
https://github.com/PeterTerpe/UnionBan-Reforged 项目刚刚起草，目前只有一个尚未完善的开发文档。 和已有的联合封禁插件有很大区别吗？- 主要功能上并没有，可能有一些实现思路上的不同。 特点： 不是插件/MOD ，是独立运行的软件，我希望通过适配器来兼容所有服务器核心。 基于证书的节点身份，所有封禁条目可溯源。 在 Friend-To-Friend 的信任网络上分享，但也借助 DHT 来发现更多节点。 节点可以给其连接的每个 MC 服务器单独配置封禁规则。 给不同的节点设置不同的可信度，配合封禁规则达到更细腻的控制。 通过证书签名来推测未知节点的可信度。 被动式查询封禁列表，阻碍恶意列表的扩散。 在玩家加入服务器后，后台查询封禁信息，若匹配封禁规则便踢出服务器，完全不影响连接速度。
Causal Forge 开源项目介绍 最近自己做了个开源项目，叫 Causal Forge ，核心目标是解决因果分析中「决策不可靠」的痛点。 一、项目背景：为什么做这个工具？ 我们平时接触的「因果关系」，大多来自两个孤立的维度，最终导致决策靠“拍脑袋”： 文本侧：政策文件、研究报告、分析文章中提出的因果判断（比如“调降利率会带动工业生产回升”），有语义、可解释，但主观、不可证伪。 数据侧：时间序列等数据中挖掘出的影响关系，客观、可量化，但天生不区分「因果」和「相关」，缺乏业务语义。 写报告的人讲一套，跑数据的人看一套，到底哪些因果链条可信，没有统一标准——这就是 Causal Forge 要解决的核心问题。 二、核心思路：把“文本因果”和“数据因果”放进同一条流水线 不追求“自动生成厉害的因果图”，而是聚焦更朴素、更实用的目标：让因果结论可验证、可追溯、可复盘，具体流程如下： 从文本中抽取结构化的因果关系 从数据中挖掘候选因果边 将文本侧与数据侧的结果双向对撞、对齐 通过多轮严格验证，只保留真正站得住脚的因果链条 三、适用场景 目前更适合偏研究、审计类的场景，尤其适配： 宏观 / 政策传导分析 基本面研究（如投研、行业分析） 风险归因与复盘 研究结论复核（验证研报/报告中的因果逻辑） 四、核心技术栈 不重复造轮子，基于成熟工具组合，聚焦“流水线编排+证据管理”，核心技术包括： LLM + 结构化抽取：将文本中的因果关系抽成 Decision/Callback/Link 等结构化对象，避免模型自由发挥，确保输出规范。 因果工具链组合：底层复用 causal-learn 、Tigramite 、DoWhy 、EconML 等成熟库，负责因果发现、估计、反驳与验证。 时间序列因果验证：不止看相关性，重点校验时序方向、反向因果可能性、跨窗口稳定性。 强类型 Schema 设计：将因果链、证据、验证结果均封装为可追溯的数据结构，避免散乱脚本。 可复现实验流水线：配置、运行产物、验证报告、失败原因全部沉淀，支持重复复现，拒绝一次性分析。 五、独特功能（核心优势） 文本与数据因果双向验证（核心） 区别于“只做文本抽取”或“只做数据因果发现”的项目，强制让两边结果对撞，只有双方都支持的候选，才进入后续验证。 失败也留档，不只展示成功结论 每条因果链若未通过验证，会详细记录“卡在哪一步”“失败原因”（如时序不成立、稳定性不足），为复盘和迭代提供依据。 五道闸门式严格验证 验证不止一步，需依次通过：必要性、充分性、时序性、不可逆性、跨周期稳定性，全部通过才认定为可信因果链。 因果链条全链路可追溯 最终结论不是“模型认为 A 导致 B”，而是能回查到对应的原始文本段落、数据切片、验证参数和过程，确保可信。 偏研究/审计，而非黑盒预测器 核心价值不是“给答案”，而是“说明答案为什么可信”，适配研究、复核等需要严谨证据的场景。 六、核心模块说明 模块 职责 关键依赖 schema/ 所有数据契约（ Decision / Callback / CausalLink / CausalChain / Evidence ） Pydantic v2 topdown/ 文本 → 结构化 Decision/Callback 候选 LLM via instructor, spaCy, CauseNet bottomup/ 数据 → 候选因果边集（静态 + 时序） causal-learn, Tigramite, DoWhy, EconML crosscheck/ 语义对齐 + 双向取交集 + 冲突标注 sentence-transformers, networkx validate/ 五道闸门串联校验 + 失败原因记录 DoWhy, statsmodels, scipy chain/ Link 拼 DAG + 剪枝 + 综合置信度评分 networkx store/ 结果沉淀（ JSONL/Parquet/GraphML/Neo4j ） — utils/ 时间轴对齐、随机种子、日志、配置加载 loguru, rich, OmegaConf 七、项目价值总结 比纯 LLM 抽取更可靠：多了数据侧的验证，避免“只讲故事不落地”； 比纯数据因果发现更可解释：有文本语义锚点，让数据结论能对应业务逻辑； 比普通分析流程更可复盘：失败链条、验证过程全部保存，便于追溯问题； 比单次研究报告更可积累：最终沉淀为因果链仓库，让组织记住因果，而非依赖个人记忆。 八、项目地址 如果你对「把文本因果叙事和数据因果验证结合」有兴趣，欢迎查看完整文档： https://github.com/zjhong/causal-forge/blob/main/README.zh-CN.md
github.com GitHub - RhythmicWave/NovelForge: AI辅助长篇小说创作，卡片式创作，支持基于 JSON Schema的结构化 AI... AI辅助长篇小说创作，卡片式创作，支持基于 JSON Schema的结构化 AI 生成与上下文引用，可扩展性强。 一直在想可不可以用AI写小说来弄个饭钱。有没有尝试过的大佬。 目前也尝试了 inkos ,感觉BUG有点多，还在快速迭代中 佬友的开源项目也试了一下，感觉也不是很满意 https://linux.do/t/topic/1799708 目前想问下大家，有用AI写小说搞到钱吗？在哪个平台，你们有什么推荐的开源项目吗？ 4 个帖子 - 4 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI 生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI 生成、润色内容已使用截图方式发出 为什么又造一个工具箱 我电脑上常年开着浏览器收藏夹的一堆在线小工具：JSON 格式化、Plist 解析、MMKV 解析、ProtoBuf、cURL 转 Python、JWT 解析、Hash 计算… 所以我想做一个离线优化 + 统一外壳 + 轻量 + 可扩展的小桌面端工具 已开源，地址： github.com GitHub - xiaoxu123195/tool_forge: 跨平台桌面工具箱·36+ 工具·AI Chat/翻译/Provider... 跨平台桌面工具箱·36+ 工具·AI Chat/翻译/Provider 切换/Claude·Codex 用量洞察·剪贴板/HTTP 调试/取证/编解码/加密。Wails + Go + React + TS AI 对话目前支持多供应商 + 文件附件 + 思考折叠，下一步会给部分工具接入 AI (例如粘贴的 Json 格式问题无法序列化，可以一键 AI 修复) AI 相关截图 （点击了解更多详细信息） Claude / Codex 用量洞察 工具会扫描本地～/.claude/ ~/.codex 目录，统计你的总会话数、消息数、Token 用量、24 小时活跃度热力图、近 26 周活跃日历，完全离线，数据不上传任何地方。 Claude / Codex 用量 （点击了解更多详细信息） 提供会话记录查询以及相关配置文件的预览与修改，会话记录支持工具链查看与折叠 提供类似 CC-Switch 的本地 API 切换功能 mmkv 解析器支持解析加密的 mmkv 文件，以及多种类型预览 mmkv 解析器 （点击了解更多详细信息） 剪切板 - 支持捕获文本、图片和链接，可以在个人中心配置历史存储上限及图片大小上限 剪切板 （点击了解更多详细信息） 内置 Minimal / Nebula / Ocean / Forest 4 套主题，跟随系统 / 强制深浅色都行 Style （点击了解更多详细信息） 技术栈 桌面框架：Wails v2.11 后端：Go 1.24 前端：React 18 + TypeScript 5 + Vite 5 UI:Tailwind + shadcn/ui 风格 编辑器：CodeMirror 6 凭据:zalando/go-keyring 这里没有选择使用 Electron 而是使用了 Wails，是因为 Wails 用系统自带的 WebView，无论是打包还是内存占据都比较小，代价是要求 Windows 10+ /macOS 较新版本 (都自带 WebView2/WKWebView) 下载 到 Release 页拿安装包: Window 推荐便携版 ToolForge.exe ，由于本人无 MacOS，所以暂时没编译 Mac 版本，编译 Mac 时可能部分工具不兼容，欢迎在 Issue 里点菜 最后 第一次开源，代码肯定有不少糙的地方，欢迎拍砖。 谢谢看到这里 11 个帖子 - 5 位参与者 阅读完整话题
目前主要面向科研/学术的 skill 黄页 受 Spring Initializr 启发，做了一个面向科研/学术工作的 AI Skill 黄页： https://hughyau.com/AcademicForge/ 把常用科研任务拆成可直接调用的 skill ，按需检索、组合使用。 包括： 论文写作 / Review / Rebuttal 文献调研 / 总结 / 对比 Research Ideation Coding / Debug / 实验分析 Figure / Poster / Presentation
AcademicForge：点开即用，github 900⭐ 目前主要面向科研/学术的 skill 黄页 受 Spring Initializr 启发，我做了一个面向科研/学术工作的 AI Skill 黄页： https://hughyau.com/AcademicForge/ 把常用科研任务拆成可直接调用的 skill ，按需检索、组合使用。 包括： 论文写作 / Review / Rebuttal 文献调研 / 总结 / 对比 Research Ideation Coding / Debug / 实验分析 Figure / Poster / Presentation
IT之家 4 月 17 日消息，微星 (MSI) 现已在官网上线 FORGE GM340 WIRELESS 鼠标。其采用对称模具，底部打孔，重 57g，支持三模连接，续航 82 小时。 IT之家了解到，FORGE GM340 WIRELESS 采用对称式设计，三维 122×61.5×38 (mm)，搭载原相 PAW3311 光学传感器和 50M 耐久微动，轮询率 1kHz，延迟 1ms， 提供 White、Pink、Sky、Navy、Black 五种配色选择 。
Anthropic在Forge Global等未上市企业股权交易平台上的估值已升至1万亿美元左右，超过OpenAI的8800亿美元。据悉，由于买家正在竞相抢购Anthropic日益减少的二级市场股票，使得这家人工智能初创公司的估值迅速攀升。（财联社）