项目精选。
一个 Rust 开源项目，基于 PGM-Index 算法，用分段线性模型预测数据位置再做局部精确查找，无需神经网络训练和 GPU。材料称其 Benchmark 在百万级数据下相比 Rust BTreeMap 构建速度提升约 22 倍、命中查询提升约 3 倍，索引元数据占几 KB 到几十 KB，并提到可能适合时序数据库、日志检索、RocksDB SSTable 等大规模有序、读多写少场景，同时注明项目仍处于研究型阶段、不适合生产环境。适合对索引结构、存储引擎和 Rust 高性能实现感兴趣的人了解。
这是一个 GitHub 仓库（op7418/guizang-product-video-skill），内容为一套提示词，用于让 Grok bot 在其云端虚拟机上搭建“AI 早报 + 讲解视频”流程：每天整理前一天的 AI 资讯生成文字简报，再制作约 90 秒的中文讲解视频。提示词涵盖在 ~/.claude/skills/ 下克隆三个 skill 仓库并安装 Node、Playwright/Chromium、FFmpeg、Python、edge-tts 等依赖，按时区采集 X 收藏与推文等来源，将内容归为 5–7 条主线并附原推链接、核对数字，按 Product Video skill 流程做 60–90 秒横屏 1080p 视频并做交付检查，最后附上建立每天 9 点定时任务的步骤。
vLLM 官方项目，提供基于 vLLM 构建生产级推理服务栈的参考实现，README 有中文版本。材料列出的能力包括：不改业务应用代码即可从单实例扩展到分布式集群、Web 可视化监控面板、智能请求路由与 KV Cache 卸载；教程涵盖 Kubernetes 环境安装、在 AWS/GCP/Lambda Labs/Azure 等云平台部署、搭建最小化栈、自定义 vLLM 配置、加载模型权重、在栈中启动多个不同模型，以及结合 LMCache 开启 KV Cache 卸载。适合需要以 vLLM 部署生产推理服务的工程师阅读。
Show HN: A language model that lives in a boot sector
一个 GitHub 项目，把完整的推理引擎压进 510 字节的 MBR，权重、词表和字符串放在后续扇区，用一个字符级小型神经网络生成虚假硬件的 Linux 启动日志；作者还说明了 train.py 与汇编代码采用相同整数运算，以及在 idiv 与指针寄存器冲突等调试中发现的问题。适合对引导扇区 demo、汇编和极简神经网络推理感兴趣的人看。
Show HN: A working Nintendo in ~1GB of Qwen weights
一个 GitHub 项目，把 NES 的 6502 CPU、2KB 工作内存和卡带 ROM 编译进标准 Qwen3.5 检查点权重中，游玩时模型逐个 token 预测 CPU 执行日志，宿主程序负责画面、手柄和 vblank 中断；项目基于 Qwenputer 的编译器和“Gated DeltaNet 状态即机器内存”的做法，并说明自带测试游戏的每帧输出与常规 6502 模拟器一致。适合对模型权重内嵌计算、模拟器实现感兴趣的人看。
一个 Android 端的端侧 AI 助理项目，定位为替用户操作 App、上网并完成任务，使用 Kotlin 与 Jetpack Compose 构建，涉及 accessibility、automation、llm、mobile-agent 等主题。材料显示支持 Android 12 及以上，采用 Apache-2.0 许可。适合关注安卓端手机 Agent 与无障碍自动化实现的开发者参考。
一个面向 Claude Code 的 MCP 服务器项目，思路是用 Opus 做规划、由廉价模型逐行写代码、由测试决定是否交付，以降低 $20 套餐的用量消耗；仓库标签涉及 agentic-coding、claude-code-hooks/plugin/skill、deepseek、openrouter 等，并给出项目主页 cheapag.com。适合在 Claude Code 上做代理式开发、关注成本优化的开发者关注。
一个中文教程型仓库，主题是从零手写 GPT-2，用 PyTorch 逐步实现 attention、transformer 等组件，讲解大模型的工作过程。仓库标注面向零基础读者入门 LLM，配有图文教程站点 namiai.tech，代码采用 MIT 许可、文档采用 CC BY-NC 4.0 许可。适合刚开始学习大模型原理、想通过手写代码理解 GPT 结构的人阅读。
一个 Android 应用项目，让用户在免 ROOT、免 Termux 的情况下通过单个 APK 在手机上运行 DeepSeek Harness（dsh），引擎内嵌于 App 进程。功能包括读屏操作 App、修改系统设置、定时或条件自动化，可选使用 Shizuku；材料中列出的使用场景有发微信、抓取小红书内容、在招聘平台投递、在淘宝下单等，并支持 Android 14 以上的“不打扰模式”。适合想在安卓手机上部署手机端 AI Agent 的用户和开发者了解。
Show HN: I Turned DOOM into a Transformer
一个 GitHub 项目，作者用 DOOM 游戏机制和 voodoo doll 实现 Transformer 所需的数学运算，做出一个比 NumPy 慢约 65000 倍的替代实现，命名为 DOOMFORMER；它可分类手写 MNIST 数字（即使画在地图里）、勉强对话、以及在 DOOM 地图中做决策。适合对 DOOM、动手玩梗式机器学习实验感兴趣的人看。
MemTensor/MemT-1.0
MemT-1.0 的官方仓库，项目自述为新一代记忆基础模型，把持久且可动态演化的记忆作为模型计算的内在部分。它整合动态局部记忆与可训练的超记忆（hyper memory），在推理时不访问原始上下文即可利用历史信息；持久状态大小恒定，据称在 128K 历史下比完整上下文 KV 缓存节省约 66 倍存储。仓库提供 HuggingFace 模型集合与技术报告链接，并附中文版说明。
Show HN: Hob - Open-source, on device alternative to Claude Cowork and ChatGPT
作者在 Hacker News 上介绍的 MIT 许可开源桌面应用，支持 Mac、Windows 和 Linux，以本地运行的开放权重模型（目前为 Gemma 4 和 gpt-oss）处理用户文件，聊天与文件不出本机。功能包括首次安装时按硬件自动选择模型、沙箱内运行 Python 代码、内置 SearXNG 网络搜索、MCP 支持、图像识别、本地文件增删改查及完全离线运行。作者在文中说明了开发前试用各类本地 AI 应用时所遇到的问题。适合关注本地部署 AI 桌面工具的开发者了解。