全部 AI 精选，可按分级、类型、是否付费、收录时间筛选，按关键词搜索。
Catching Bugs Before They Land: JiTTesting’s Human-on-the-Loop Approach at Full Scale
这是 Meta 工程博客的一篇文章，介绍其用大语言模型在代码提交前即时生成测试（Catching JiTTests）的方法从研究原型落地为内部基础设施的过程，并给出五个月部署中减少负载与误报的观察结果。文中还提到论文《Just-in-Time Catching Test Generation at Meta》对首次部署和测试细节的完整记录。适合关注大规模代码库测试、LLM 辅助软件工程的人阅读。
Building a multiplayer game world with autonomous Fable-class models
这是 Simon Willison 博客上的一篇转述，介绍 Jacob Sansbury 讲述的多人游戏环境 Spawn：玩家可通过提示让游戏内 AI 代理 Savi 修改世界，作者本人用手机试过生成城堡和龙。文中称 Spawn 现由一群 Fable 驱动的代理自主开发，每月 token 花费超 300 万美元，约六成工作源自生产错误、Savi 提交的 bug 报告、日志异常或功能请求，改动通常一小时内送达用户。适合对代理式工程、前端模型自动化开发流程感兴趣的人阅读。
Show HN: A proof-of-concept formalization of the IRS federal tax forms
这是一个 GitHub 仓库，作者称其全部由 AI 生成（vibe coded），目标是为美国联邦税表建立可追溯的形式化模型，让用户和维护者能把各项断言与解释回溯到权威原始文档，以解决此类软件可信度依赖维护方的问题。作者明确表示项目目前处于搁置状态，不应作实际用途。适合对税务软件形式化、可验证软件与 AI 生成代码可信度话题感兴趣的人阅读。
这是一个自托管的看板工具，同时是浏览器看板和 MCP 服务器，让人和编码代理在同一批任务上协作；单个约 4 MB 的二进制文件，冷启动约 2 毫秒，无需账号和服务器，整个看板是一个文件夹并通过私有 git 仓库在多台机器间同步。标签包含 Rust、SQLite、local-first、Claude Code、Codex 等。适合用编码代理做任务管理、想要本地自托管看板的人阅读。
这是一个免费开源的本地文件启动器与搜索工具，支持对文件名、文档、代码和截图内容进行全文、OCR 与语义搜索，并可通过 MCP 供代理访问；所有数据不离开本机。README 称搜索 10 万个文件名约需 1 毫秒、占用约 12 MB 内存。标签包含 Rust、Tauri、Windows、隐私等。适合关注本地优先桌面搜索、希望让 AI 代理检索本机文件的人阅读。
这是一个面向 AI 编码代理的威胁建模工具与提示集合，让 Claude Code、Codex 等代理指向你的仓库后按结构化流程审查代码、信任边界、威胁、现有控制措施与缓解方案，并输出可核查的证据。项目提供 36 种架构工作流和 29 种方法与分析提示，采用 MIT 许可，思想源自 Trim Reaper 与 Dread Ledger。适合做应用安全、用编码代理开展威胁建模的人阅读。
这是一个安卓应用项目，可免 ROOT、免 Termux 通过单个 APK 在手机上运行 DeepSeek Harness：引擎内嵌于 App 进程，能读屏操作 App、修改系统设置、执行定时或条件自动化，可选安装 Shizuku。使用需登录 DeepSeek 账号或填 API key，也可在设置中添加其他模型服务商，支持 arm64 与 Android 10 及以上。适合想在安卓手机上布置手机端 AI 代理、做自动化操作的人阅读。
scikit-learn Getting Started
这是 scikit-learn 官方文档的入门页面，介绍这一开源机器学习库的主要功能，包括监督学习与无监督学习，以及模型拟合、数据预处理、模型选择与评估等工具。页面包含拟合与预测的基本示例，如用 fit 方法训练 RandomForestClassifier，并说明了输入样本矩阵的形状约定。页面说明本指南假定读者具备机器学习实践的基础知识，如模型拟合、预测和交叉验证。
Learn Claude Code
该仓库提供一个类似 Claude Code 的“agent harness”最小实现，按“从 0 到 1”的思路构建，README 提供英文、中文、日文版本。内容主张 agent 的“能动性”（感知、推理、行动能力）来自模型训练，而 agent 产品等于模型加 harness，仓库重点讲解如何搭建 harness 这一部分。适合想从工程角度理解 Claude Code 类工具内部结构、打算自己动手实现 agent 框架的开发者阅读。
Visual Information Theory
这是 colah 博客 2015 年 10 月的一篇文章，尝试用可视化方式讲解信息论的核心概念，如不确定性有多大、知道一个问题的答案能在多大程度上说明另一个问题的答案等，并提到这些概念在数据压缩、量子物理和机器学习等领域的应用。文章开篇先介绍如何用图示表示简单概率分布，作为后续内容的基础。适合对信息论概念感兴趣、希望借助图示理解抽象定义的读者。
这是一本中文计算机自学指南网站，作者以自身大学三年的自学经历为背景编写，并作为献给北大信科同学的礼物。内容分为使用指南、一份参考的 CS 学习规划、必学工具、经典书籍推荐以及国内外高质量 CS 课程汇总等部分，课程按数学基础、编程语言、系统、数据库、图形学、机器学习等方向分类，大部分课程配有独立仓库维护资源和作业实现。适合规划计算机方向自学路线的人参考。
MIT 6.S191：Introduction to Deep Learning
MIT 6.S191 深度学习入门课程网站。课程定位为高强度的短期训练营，讲授深度学习基础及其在自然语言处理、计算机视觉、生物等领域的应用，内容包括深度学习算法基础、构建神经网络的实践经验，以及大语言模型和生成式 AI 等前沿话题，并以项目提案竞赛收尾。先修要求假设学习者掌握微积分（求导）和线性代数（矩阵乘法），有 Python 经验有帮助但非必需，也欢迎旁听。页面显示 2026 年课程时间为 2026 年 3 月 30 日至 5 月 25 日每周一美东时间上午 10 点，线上版本每周同步发布，并列出各讲主题与幻灯片、视频、代码实验室的开放安排。