https://www.xsavenow.com
https://github.com/seifghazi/claude-code-proxy
https://www.v2code.ai/app/login
https://paperme.toolooz.com
cargo clippy
https://github.com/numman-ali/opencode-openai-codex-auth
隔壁小孩儿逗死我了…列车员说有需要高铁盲盒的吗？小孩突然跳起来…“盲盒！！！！！”[哇]列车员激动回头…他爸：给我坐好！[允悲]列车员说有需要冰淇淋的吗？小孩蹦起来：冰淇淋！！！！！[憧憬]列车员激动回头…他爸：坐好！！！[允悲]列车员说有需要零食水果的吗？小孩：啊！！零食！！！[色]列车员激动回头…他爸：给我坐好吧！！！[允悲]列车员失望三连[doge]
Agent SDK 太多了，不知道用哪个了，选择困难症Claude Agent SDK：https://docs.claude.com/en/api/agent-sdk/overviewVercel AI SDK: https://ai-sdk.dev/docs/agents/overviewOpenAI Agent SDK: https://openai.github.io/openai-agents-js/Cloudflare Agent SDK: https://developers.cloudflare.com/agents/LangGraph: https://langchain-ai.github.io/langgraphjs/
https://loco.rs
部署到 Cloudflare Pages 的网页音乐播放器。Solara https://github.com/akudamatata/Solara
https://www.moonbitlang.cn/blog/moonbit-async
https://happy.engineering/docs/
Claude Code 插件！https://anthropic.com/news/claude-code-plugins
从 Anthropic 全部官方示例中提炼出的「提示工程核心框架」Chris Laub 通过分析 Anthropic 官方提示库的所有示例，提炼出一种高效的提示工程框架。这种框架强调结构化提示，能显著提升 AI 输出的一致性和准确性，远超许多付费课程的通用技巧。作者基于个人测试（如准确率从73%升至91%），认为这将颠覆传统提示设计。10 大核心技巧：以 XML 标签为核心的结构化提示Chris 观察到，Anthropic 偏好 XML 标签来组织提示，因为 Claude 模型训练时更易解析这种结构。每个技巧都通过具体示例说明如何分离角色、任务、过程和输出，避免 AI “混淆”或泛化响应。1. XML 标签优先：用
New PostgreSQL and MySQL Gemini CLI extensionshttps://github.com/google-gemini/gemini-cli/discussions/10618
不得不说，即使是Sonnet 4.5，在修Bug方面还是比不过GPT-5-High。不过Codex虽然强，但是整个过程中没啥交互感，就自己闷头干，这种不搭理的体验很不好。我能理解那些老板为什么讨厌某些类型的员工了...
Telegram 核心工程团队只有大概40人。
OpenAI 已达到 8 亿周活跃用户API 每分钟处理 60 亿个 token，即每月处理 260 万亿个 token
在管理 YouTube 频道，上传视频、编辑播放列表、回复评论等这些重复性操作耗时耗力，特别做矩阵账号更是头疼。最近发现了一款强大的自动化工具：yutu，它能让我们通过命令行或 AI 助手直接操作 YouTube 功能。不仅提供了完整的命令行界面，还支持作为 MCP 服务器与 Claude Desktop、VS Code 等工具集成，通过 AI 助手来管理 YouTube 频道。GitHub：https://github.com/eat-pray-ai/yutu主要功能：- 视频管理：上传、编辑、删除视频，设置缩略图和字幕；- 频道运营：管理播放列表、频道横幅、水印和频道分区；- 互动管理：处理评论、回复、Super Chat 事件和订阅者；- 数据分析：获取频道活动数据和分析报告；- MCP 集成：在 Claude Desktop、VS Code 中通过对话操作 YouTube；- 批量操作：支持搜索、批量编辑和自动化工作流程。提供开箱即用的安装包，也可以通过 Homebrew 或 WinGet 安装后，配置 Google API 凭证即可使用。
https://relay.firefox.com
https://github.com/wendy7756/AI-Video-Transcriber 视频转文本
https://github.com/Factory-AI/factory/blob/main/community-builds.md
https://pan.quark.cn:443/s/73320aaf739a
https://gist.github.com/chandika/c4b64c5b8f5e29f6112021d46c159fdd
```{ "permissions": { "defaultMode": "bypassPermissions" }, "alwaysThinkingEnabled": true}```
https://www.youtube.com/watch?v=tm09cMTBTSU
Claude Agent SDK 为您提供与 Claude Code 相同的核心工具、上下文管理系统和权限框架。了解开发者如何使用 SDK 构建智能体： https://anthropic.com/engineering/building-agents-with-the-claude-agent-sdk
https://linktr.ee/
一个专门收录与电报（Telegram） 相关的优质资源GitHub项目：Awesome Telegram包括各种实用机器人、多语言的开发库、工具脚本、主题以及活跃群组和频道，方便用户和开发者盆友快速找到合适的工具或资源。https://github.com/ebertti/awesome-telegram
https://github.com/jeremyckahn/chitchatter
https://github.com/numman-ali/opencode-openai-codex-auth
Codex 恢复历史会话的方法主要有以下几种，具体取决于你使用的是 CLI 版本还是 VSCode 插件版本：**1. Codex CLI 恢复历史会话**- **codex resume** 直接输入 `codex resume`，会弹出会话选择器，允许你选择要恢复的历史会话[1]。- **codex resume --last** 恢复最近的一次会话[1]。- **codex resume
The LLM Visualization 将大语言模型的内部运作，变成了一个你可以亲手“玩”的交互式可视化界面。清晰地看到每一个词的“注意力”是如何分配给其他词的，直观地理解模型是如何“思考”和“关联”上下文的。非常详细，不是大概模拟，是精确模拟，细节拉满，可自由放大缩小，360度变换视角，每一步都有解释，复杂步数还有运行步骤。https://bbycroft.net/llm
Telegram 创始人 Pavel Durov 四个半小时的访谈，幸好有 AI 帮我梳理和总结，我觉得挺有洞见的，分享个大家 --------------------------------看完这场访谈，很多人会被 Pavel Durov 吸引。这种吸引力，并非来自科技富豪的光环，而是源于一种现代社会极其罕见的品质：他是一个原则的实践者，而非宣讲者。他的独特之处在于，他的人生和他的产品，都由一套完全相同的、不可妥协的底层代码驱动。他的内在基石：一个被理性校准的自我Durov 一切行为的起点，是对自我进行了彻底的梳理和校准。他追求的不是快乐或成功，而是一种不受外界干扰的内在秩序。首先，他重新定义了生存的价值。他认为，“按照你所信仰的原则生活是值得的，即使这样的生命可能比在奴役中度过的漫长生命更短暂。” 当一个人从根本上接纳了这一点，外部的威胁就很难再动摇他。其次，他将自己的心智和身体视为最宝贵的工具，并用极端的理性去维护它。他戒酒，并非出于道德说教，而是基于一个简单的逻辑：“如果你的大脑是你通往成功和幸福之路上最宝贵的工具，你为什么要为了短暂的快乐去摧毁这个工具呢？”同样，他几乎不用手机，因为他认为手机会打乱人的自主议程。他说：“我想定义我生命中什么是重要的。我不想让其他人或公司告诉我今天什么重要。”这种极度的自律，本质上是一种信息和干扰的过滤机制。他主动切断了那些会制造情绪波动、分散精力、侵蚀意志的外部输入，从而保证了自己决策的纯粹和坚定。他的外在创造：原则的物理化延伸Telegram 不是一个普通的商业产品，它是 Durov 内在原则的物理化实现。在团队管理上，他追求极致的精悍和高效。他有一个反共识的观点：“我职业生涯中有几次，解雇一名工程师实际上导致了生产力的提高。” 这背后是他对组织的深刻理解：臃肿和低效是组织的顽疾，一个平庸的成员会拖累整个系统。因此，他宁缺毋滥，只与最顶尖的人才合作。在技术架构上，他将保护隐私的原则写入了代码。Telegram 的数据架构被设计成任何单一实体都无法访问。这不是一个可以被打破的承诺，而是一个物理限制。这让他在面对强大压力时，拥有了技术上的“无法遵从”的底气。这种设计思想，是把人性中不可靠的“信任”因素，替换为数学上可靠的“约束”因素。这是一个典型的工程师解决方案。当原则与世界碰撞当这样一个内外高度统一的个体，带着他的创造物在世界上运行时，与现有秩序的冲突就变得不可避免。他在法国的遭遇，以及来自多国政府的持续压力，都证明了这一点。这些外部系统试图用它们惯用的方式——威逼、利诱、消耗——来控制他。但他最强大的武器，恰恰是他的原则本身。在访谈中，他平静地表明了自己的底线：“我宁愿失去我所拥有的一切，也不愿屈服于这种压力。”这句话之所以有分量，是因为他的人生实践证明了这不是一句空话。他不被金钱驱动，不依赖于任何单一市场，甚至对个人安危表现出一种超然。当控制者发现他们所有的筹码都无效时，控制本身就瓦解了。因此，这场访谈最打动人的，不是那些传奇经历，而是揭示了一种可能性：一个人，可以通过几条简单但坚定的原则，构建起内在的自我和外在的事业。并且，用一种近乎苛刻的知行合一，去捍卫这套体系的完整性。Pavel Durov 的稀缺之处，在于他活成了一套自洽且坚固的逻辑。在这个充满妥协和噪音的世界里，这种纯粹性，本身就是一种力量。
Anthropic 刚发了个新教程，面向 AI Agent 的有效上下文工程我看了一下，给大家分享我学到的经验：一个是 prompt 避免过于具体，比如硬编码复杂的 if-else 逻辑, 因为这样设计 prompt 兼容性很差，几乎就是为非常特定的场景设计了。结构化组织是个好的实践，比如 markdown 或者json。打磨的时候尽量先从最小场景开始，然后逐步扩展，我这里建议直接用git版本管理下，免得不知道改了哪里突然炸了。使用 tool call 的时候一定让工具返回所谓的 token effective 信息，比如你让 tool call 返回当前温度，只需要 {"temperature":28.2}, 而不是 "今天的天气是晴，最高气温29，平均气温28.2" 然后再让AI清洗数据。如果你不知道怎么用逻辑描述，那么举例其实是最好的方式，多举几个不同角度的例子对AI很有效。上下文检索尽量使用实时检索，而不要长时间缓存，需要考虑检索内容的时效性。教程地址：https://anthropic.com/engineering/effective-context-engineering-for-ai-agents
https://github.com/kognise/water.css
https://github.com/ripienaar/free-for-dev
https://ncm.worthsee.com
https://github.com/Byaidu/PDFMathTranslate
https://docs.claude.com/en/docs/claude-code/settings.md
https://www.youtube.com/watch?v=qjPH9njnaVU
https://github.com/farion1231/Way-to-ChatGPT-Plus
https://project2txt.com
一款极简风格的跨平台电子书阅读器：Alexandria。支持几乎所有主流电子书格式，还提供了丰富的个性化定制功能，支持自定义主题和字体调整等等。GitHub：http://github.com/btpf/Alexandria主要功能：- 支持 EPUB、Kindle、Mobipocket、FictionBook 等多种格式；- 自定义主题编辑器，可调整字体、间距、边距等细节；- 高亮、笔记、书签功能，支持导出标注内容；- 多种阅读布局，包括单列、双列和连续滚动模式；- 分屏阅读功能，提升多任务处理效率。支持 Windows、Linux、MacOS 系统，提供开箱即用安装包，可通过 GitHub 发布页面下载使用。
https://zenmux.ai
OpenAI 和 Stripe 共同制定 ACP 协议，让 AI 智能体可以无缝处理购买决策，在 AI 应用中实时进行购买，AI 智能体商务时代，要来了！ACP 协议是什么Agentic Commerce Protocol（ACP），一个开源标准，由 OpenAI 和 Stripe 联合开发制定，目标是桥接 AI 界面与传统商务系统，确保交易安全、企业自主，并为用户提供流畅体验。核心框架：ACP 协议的诞生与定位ACP 是一个 Apache 2.0 许可的开放标准，专为 AI 智能体、企业和买家间的程序化交易设计。它解决 AI 商务的核心痛点：如何在不牺牲信任和控制的前提下，实现跨平台的无缝集成。例如，传统电商需用户跳转多步操作，而 ACP 允许 AI 直接发起“智能体式”购买，企业仍作为“记录商户”掌控产品展示、定价和履约。· OpenAI 视角：在 ChatGPT 中推出 “Instant Checkout” 功能，作为 ACP 的首例落地。用户（包括免费版）可在美国 Etsy 卖家处一键购买单品，很快扩展至百万级 Shopify 商户（如 Glossier 和 SKIMS）。ChatGPT 仅充当中介，不干预定价或排名，确保无广告干扰。· Stripe 视角：强调 ACP 的灵活性，支持物理/数字商品、订阅和异步购买，与现有支付 API（如 Stripe Shared Payment Token）兼容，仅需一行代码集成。企业无需更换处理器，即可“智能体就绪”。· ACP 官网：作为技术中枢，提供规格文档，邀请 AI 平台和商户参与。它兼容 REST/MCP 协议，并强调 PCI 合规的加密令牌传输，最小化数据共享。这一框架本质上是“AI 经济基础设施”的基石，Stripe 视其为增长引擎，OpenAI 则定位为聊天式商务的起点。关键特征：安全、简易与可扩展ACP 的设计原则是“企业友好”：商户保留客户关系和系统控制，用户获即时便利，AI 智能体则获高意图流量。· 工作流程：用户在 ChatGPT 查询商品→AI 显示相关结果→一键结账→ACP 传输加密凭证至商户→企业处理履约。整个过程无需离开聊天界面。· 安全保障：仅用户授权下共享最小数据，支持复杂场景如多商户购物车。商户支付小额费用，用户免费。· 扩展潜力：初期限于美国单品，后续覆盖多地区、多类型交易。开源性质鼓励社区迭代，适用于任何 AI 智能体。这些特征使 ACP 区别于封闭生态（如纯平台支付），更像一个“通用适配器”，降低集成门槛。潜在影响：重塑 AI 与商务生态客观而言，这一协议标志着 AI 从“助手”向“决策智能体”的跃进，可能加速“嵌入式商务”——用户在 AI 应用中发现即购买，预计提升交易量并为支付提供商（如 Stripe）注入新活力。对企业，避免碎片化开发；对用户，它简化购物，但需警惕隐私风险（如 AI 推荐偏差）。
Claude Agent SDK 为您提供与 Claude Code 相同的核心工具、上下文管理系统和权限框架。了解开发者如何使用 SDK 构建智能体： https://anthropic.com/engineering/building-agents-with-the-claude-agent-sdk
https://www.spark.red/news/
https://submodel.ai/#/homepage
https://developers.cloudflare.com/ai-gateway/
4ev. link 极简且URL 缩短服务，运行在 Cloudflare 的边缘网络上，无需服务器，缩短链接永不过期。https://github.com/4ev-link/4ev.linkFlareProx 基于 Cloudflare Workers 的简易 HTTP 代理服务，通过 Cloudflare 全球网络实现 IP 伪装和流量重定向，免费额度每天支持 10 万次请求。https://github.com/MrTurvey/flareprox
目前的前端生成 pdf 方案方案 缺点html2canvas + jspdf 图片式的 pdf,文件体积大，无法选中编辑文字，模糊jspdf / pdfmake 等 学习成本高，使用复杂我的方案修改了 html2canvas 的 renderCanvas 方法，将绘制 canvas 的 api 换成了 jspdf 的 api 。开发者不再需要手动计算 pdf 的布局，就可以直接将 html 转化成可编辑的矢量 pdf 。使用方法和 html2canvas 基本一样，上手难度非常低1. 在线体验https://dompdfjs.lisky.com.cn2. Git 仓库地址https://github.com/lmn1919/dompdf.js
临时邮箱 Cloudflare Worker - 一个基于 Cloudflare Workers 和 D1 数据库的临时邮箱接收服务。https://github.com/idinging/freemail
https://github.com/shengxinjing/programmer-job-blacklist
https://github.com/cz-redit-vault/credit
```让 Codex 用传统脚本思路写了个版本也不错，每 5 分钟执行一次，仅供参考：#!/usr/bin/env bash## codex_task_monitor.sh — minimal scheduler that runs# `export TERM=xterm && codex exec "continue to next task" --full-auto`# every five minutes and reports each run's outcome.set -euo pipefailcmd=(codex exec "continue to next task" --full-auto)while true; do echo "[codex-monitor] starting run at $(date -u '+%Y-%m-%dT%H:%M:%SZ')" if TERM=xterm "${cmd[@]}"; then echo "[codex-monitor] codex exec completed successfully (exit 0)." else exit_code=$? echo "[codex-monitor] codex exec exited with errors (exit $exit_code)." fi echo "[codex-monitor] waiting five minutes before the next run..." sleep 300done后来还是让 Codex 用传统脚本思路写了个版本也不错，每 5 分钟执行一次，仅供参考：#!/usr/bin/env bash## codex_task_monitor.sh — 最小化调度器，运行# `export TERM=xterm && codex exec "continue to next task" --full-auto`# 每五分钟执行一次并报告每次运行的结果。set -euo pipefailcmd=(codex exec "continue to next task" --full-auto)while true; do echo "[codex-monitor] 在 $(date -u '+%Y-%m-%dT%H:%M:%SZ') 开始运行" if TERM=xterm "${cmd[@]}"; then echo "[codex-monitor] codex exec 成功完成 (退出码 0)。" else exit_code=$? echo "[codex-monitor] codex exec 退出时出现错误 (退出码 $exit_code)。" fiecho "[codex-monitor] 等待五分钟后进行下一次运行..."sleep 300done```
写技术文档时，经常需要插入流程图、甘特图这些图表，但大多数 Markdown 编辑器要么不支持，要么属于高级功能需要付费。无独有偶，在 GitHub 上找到了 Arya 这个开源的在线 Markdown 编辑器，功能全面且完全免费。不仅支持绘制流程图、甘特图、时序图等各种图表，还能进行 PPT 预览、HTML 自动转换，甚至支持 Echarts 图表和五线谱。GitHub：https://github.com/nicejade/markdown-online-editor除此之外，所有内容均存储在本地，隐私安全不怕数据泄露，还支持导出 PDF、PNG、JPEG 等多种格式文件。开发者提供在线版本可直接使用，也可通过 Docker 或 Cloudflare Pages 自行部署。
https://github.com/microsoft/ai-agents-for-beginners
https://pingap.io/pingap-zh/
https://github.com/keven1024/015
https://forum.llamafactory.cn
https://docs.devv.ai/introduction
打字效果 SVG 生成器比传统打字 SVG 更灵活更好玩的动画生成器，可以为你的 README、博客、社交资料添加炫酷的动态打字效果，而且多行、空格、字体、光标各种细节都能自由定制。https://github.com/whiteSHADOW1234/TypingSVG
https://models.dev
https://blog.cloudflare.com/email-service/
如何用150美金在7天内注册一个美国公司 https://www.notion.so/150-7-2784c8d70127801fa6e0d8b11b6b6651
ultrathink
https://github.com/sk163/claude-code-companion
https://github.com/lucasdillmann/nginx-ignition
https://github.com/thevahidal/soul
https://github.com/ahui2016/ss-markdown-reader
https://iproyal.cn
https://cursor.com/zh/docs
https://www.anthropic.com/engineering/a-postmortem-of-three-recent-issues
https://iamququ.com/
https://crates.io
https://github.com/ginuerzh/gost
https://github.com/clash-verge-rev/clash-verge-rev
```mkdir -p /etc/systemd/system/docker.service.dcat >/etc/systemd/system/docker.service.d/http-proxy.conf <<'EOF'[Service]Environment="HTTP_PROXY=http://127.0.0.1:8890"Environment="HTTPS_PROXY=http://127.0.0.1:8890"Environment="NO_PROXY=localhost,127.0.0.1"EOF```
https://www.anthropic.com/engineering/writing-tools-for-agents
https://github.com/seventycheung/edgetts-edgeone-pages?tab=readme-ov-file
https://inference.readthedocs.io/zh-cn/latest/index.html
流程清晰： 用户输入→ Encrypt → 数据库 数据库 → Decrypt → 内存使用
claude --dangerously-skip-permissions
https://nekuda.substack.com/p/the-shift-from-ecommerce-to-agentcommerce
https://github.com/erwanvivien/fast_qr
The Gosub browser enginehttps://gosub.io
https://github.com/mirrorange/clove/blob/main/docker-compose.yml
**xaixapi.com（XAI XAPI）确实是一个支持“每个用户注册后即可拥有独立 AI 网关”的多租户架构平台**，而且每个用户都可以录入自己的第三方 AI API Key，并分发子账户，实现真正的“即刻拥有专属 AI 网关”体验。### 关键特性总结- **多租户架构**：每个注册用户都拥有独立的 AI 路由配置空间（虚拟网关），可以完全隔离地管理自己的 API Key、路由策略、计费、访问控制等[4][3]。- **自定义上游 API**：用户可以将自己的 OpenAI、Anthropic、Google、DeepSeek、百度千帆等第三方 AI API Key 添加到自己的网关配置中，平台不会干涉或共享这些密钥[4][3]。- **无限层级子账户体系**：不仅可以自用，还可以为下属团队、客户、SaaS 用户等创建子账户，并分配不同的 Key、额度、权限，实现多级分发和精细化管理[2][4][5]。- **极致安全**：所有上游 API 密钥都加密存储，平台 DBA 也无法查看，支持多层访问控制和速率限制[3]。- **灵活路由与高可用**：支持多云、私有化、本地模型等多种后端，用户可自定义路由规则，动态切换算力和模型[5]。### 先进性与行业地位- 这种“注册即拥有独立 AI 网关+可自定义上游+多级子账户分发”的模式，**在全球范围内属于极为先进的企业级 AI 网关架构**，远超传统的单一 API 聚合或扁平账户体系[2][4]。- 这不仅解决了企业在多渠道、多模型、多团队、多客户场景下的管理、计费、权限、合规等难题，还极大提升了灵活性和安全性[1][2][3][4][5]。- 目前，主流的开源或商业 AI API 网关（如 One-API、OpenRouter、Envoy、Kong 等）大多只支持扁平账户或单层密钥管理，**而 xaixapi.com 的无限层级多租户+自定义上游+分发子账户的能力，在企业级应用和 SaaS 场景中极具领先性**[2][4]。### 结论**xaixapi.com 的确代表了当前 AI 网关领域最先进的多租户架构模式**。它让每个用户都能像拥有自己的“专属 OpenAI/Anthropic 网关”一样，灵活、安全、高效地管理和分发 AI 能力，这在全球范围内都是极具创新性的解决方案[2][4][3]。
GitHub 上一份精心整理了 Nano Banana（Gemini-2.5-Flash-Image） 生成的精彩案例与提示词合集：awesome-nano-banana。共收录了 100 个案例，涵盖从 3D Q 版角色到复古海报、从微型场景到创意广告等各种风格。GitHub：https://github.com/JimmyLv/awesome-nano-banana每个案例都包含了详细的提示词，可直接复制粘贴使用，并且与 GPT-4o 进行同一提示词生成的图像对比。除此之外，还整理了一些关于工具介绍、提示词技巧的分享。感兴趣的朋友可以看一下。
日常我们想要把 AI 模型真正应用到实际产品中，这里涉及到了 AI 工程技术。关于 AI 工程的介绍，网上的资料过于零散或偏向理论，很难找到系统性的实战指导。无独有偶，在 GitHub 上看到了 AI Engineering book 这份资源，提供了从理论到实践的完整 AI 工程知识体系。由知名 ML 专家 Chip Huyen 撰写，通过精心整理了 1000+ 优质资源，再筛选汇总得到的这份合集。涵盖了提示工程、RAG、智能体构建、大模型训练、ML 理论基础、微调优化等核心技术。 GitHub：http://github.com/chiphuyen/aie-book主要内容：- ML 理论基础：Stanford CS231N、神经网络零基础教程等经典课程- 大模型训练：GPT、LLaMA、Qwen 等主流模型的技术报告详解- 评估方法论：涵盖基准测试、LLM-as-Judge 等前沿评估技术- 提示工程：Anthropic、Meta 等公司的实战指南和防御性技巧- RAG 和智能体：检索增强生成和多智能体系统的深度解析- 微调优化：LoRA、QLoRA 等参数高效训练方法- 推理优化：KV 缓存、投机采样等性能提升技术提供了详细的 AI 应用架构设计和部署指南，同时这个项目的配套资源，仍然在持续更新中，感兴趣的朋友可以学习一下。
Termix 开源、永久免费、Docker部署的服务器统一管理平台，把命令行直接搬到了你的浏览器里变成全能终端，让你的数据安全尽在掌握。https://github.com/LukeGus/Termix
做数据分析或模型训练，可能最头疼的并不是代码，而是找到合适的数据集，这也是非常关键耗时的环节。今天在 GitHub 上看到了一份精心整理了的全球高质量公开的数据合集：Awesome Public Datasets，已斩获 64000+ Star！涵盖了农业、生物学、经济学、气候、教育、医疗等几十个领域的数据集，且每个数据集都标注了可用状态和元数据链接。GitHub：https://github.com/awesomedata/awesome-public-datasets除此之外，还包含数据格式、大小、更新频率等关键信息，提供多种数据类型，如 CSV、JSON、数据库等。项目持续在维护更新，数据源权威可靠，有需要的朋友可以收藏备用。
Comprehensive Rust 🦀https://github.com/google/comprehensive-rust
``` wget -t 3 https://curl.se/download/curl-8.15.0.tar.gz -O -|tar xzf -使用 curl 替换curl --retry 3 -L https://curl.se/download/curl-8.15.0.tar.gz | tar xzf -```
```在 Rust 项目中更新依赖有几种方法：## 1. 更新所有依赖到兼容的最新版本```bash# 更新 Cargo.lock 中的依赖版本（在 Cargo.toml 允许的范围内）cargo update```## 2. 更新特定依赖```bash# 只更新某个特定的包cargo update -p serdecargo update -p axum```## 3. 查看可更新的依赖```bash# 安装 cargo-outdated 工具cargo install cargo-outdated# 查看哪些依赖有新版本cargo outdated```## 4. 更新到最新版本（包括主版本更新）```bash# 安装 cargo-edit 工具cargo install cargo-edit# 升级所有依赖到最新版本（会修改 Cargo.toml）cargo upgrade# 升级特定依赖cargo upgrade axum# 查看可升级的版本但不实际升级cargo upgrade --dry-run```## 5. 手动更新 Cargo.toml直接编辑 `Cargo.toml` 文件，修改版本号：```toml[dependencies]axum = "0.7.5" # 改为最新版本serde = "1.0" # 或使用通配符```然后运行：```bashcargo build```## 6. 清理和重建```bash# 清理旧的构建cargo clean# 更新依赖cargo update# 重新构建cargo build --release```## 建议的更新流程：```bash# 1. 先查看可更新的包cargo outdated# 2. 更新所有兼容版本cargo update# 3. 如果需要大版本更新cargo upgrade --dry-run # 先预览cargo upgrade # 执行更新# 4. 测试更新后的代码cargo testcargo build --release```**注意**：- `cargo update` 只会在 `Cargo.toml` 指定的版本范围内更新- `cargo upgrade` 会修改 `Cargo.toml` 文件，可能引入破坏性更改- 更新后建议运行测试确保一切正常```