跨栏目检索
搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。
Saikrishna0327/Interview-intel · Interview Intelligence platform: auto-records recruiting calls and generates HR scorecards with AI.
Interview Intelligence 平台，能够自动录制招聘通话，并借助 AI 生成 HR 记分卡。项目基于 TypeScript 与 Next.js 构建。README 主要为 Next.js 脚手架的默认说明，未提供 AI 模型、成本或部署细节。
DeibyGS/applyr · CLI job application tracker designed for AI coding agents
applyr 是一个为 AI 编程 Agent 设计的 CLI 求职申请跟踪器，充当存储层，由 AI Agent 负责分析。它支持粘贴职位描述后生成加权的 0–100 兼容性评分、APPLY/MAYBE/LOW MATCH 推荐、技能差距分析，以及定制化的 ATS 安全简历。项目本地优先，使用 SQLite 存储，无需 API 密钥。
esaba12/recruiting-tool · Zero-touch recruiting OS: Notion hub + React dashboard + AI email/call pipelines for an internship search
Recruiting OS 是一个面向学生和早期职业者的求职操作系统，集轻量 CRM、申请追踪、职位聚合与 AI 辅助于一体，前端为 React 仪表盘。它支持联系人管理、申请阶段漏斗、社交联络追踪、基于 Exa 的公司与人脉发现、GitHub 实习列表聚合与去重、AI 匹配分析与截止日期提取，以及通过 Google Apps Script 监控 Gmail 的 AI 邮件解析管道和日历事件创建。采用多租户 BYOK 架构，用户自带 Anthropic/OpenAI/Exa/GitHub API 密钥，数据存储于各自的 Supabase 账户并由行级安全策略保护。
Kyaw-Min-Thant/plux · Plux: AI-powered filetree that lets you grab files with one click and save insights in a built-in notepad. Reduce copy-paste friction, boost productivity. 🐙
Plux 是一个基于文件树的桌面工具，将可点击的文件树、一键把文件推送给 AI 对话的加号按钮、用于记录洞察的内置魔法笔记本，以及用于连接 AI 模型的 MCP 系统整合在一个工作区中，旨在减少复制粘贴操作、提升 AI 辅助工作效率。它支持多种大语言模型和本地推理引擎，可跨 Windows、macOS、Linux 运行。
dynatrace-oss/dynatrace-kirocrew-app
这是 Dynatrace 的看板式控制塔应用，提供只读视图，按生命周期泳道（New、Ongoing、Under maintenance、Recently closed）对 problems 进行分诊，并按健康状态（Unhealthy、Watch、Healthy）分组展示 services 和 applications。默认的 Smart 排序由 KiroCrew agent（dynatrace-smart-rank cron，每 15 分钟运行）根据类别权重、影响范围、根因存在性、持续时间、复发情况以及环境记忆对活跃问题卡片按分诊紧急度排序，并在卡片上展示排名与一行理由；同时也提供按严重程度、最新、影响最多、运行最久等确定性排序。应用本身只读，不会关闭问题或改变 Dynatrace 状态，需要执行的动作会跳转到 Dynatrace 或交给 KiroCrew agent。
Datadog 推出 RUM 远程配置功能，让开发者可以直接在 Datadog 界面里修改浏览器、iOS 和 Android 端 RUM SDK 的采样率、隐私设置和数据采集范围，不用改代码重新发版。过去这些设置写在应用代码里，改动必须发新版本，移动端还得等应用商店审核和用户慢慢升级，遇到故障想多采数据时来不及。现在只需在初始化代码里加一个远程配置 ID，SDK 下次启动时就会拉取最新设置。新应用默认开启，老应用手动接入即可。
Datadog 推出了一项叫 Tap to Parse 的 AI 辅助功能，用来解决日志里有用信息被埋在一整句话里、难以筛选和统计的问题。以前想从日志里提取状态码、耗时这类字段，得自己写复杂的正则或 Grok 规则，遇到不归自己管的服务或第三方系统就更麻烦。现在只要点一下某条日志并选择 Tap to Parse，Datadog 就会分析样例、自动生成解析规则，并让你先预览再应用，提取出的字段就能用来筛选、分组和画图。它能在 Log Explorer 里查询时用、在 Log Pipelines 里对以后新进的日志用，也能在 Observability Pipelines 里让日志离开你的环境前先结构化。目前 Log Explorer 和 Log Pipelines 中已正式可用，Observability Pipelines 中需申请开通。
传统代码扫描器只能靠规则匹配找已知模式，而大语言模型能顺着程序逻辑追踪攻击者可控的输入是否真的能到达危险位置，因此能发现规则没覆盖的漏洞。但模型本身不稳定：同一份没变的代码扫两次，结果可能不同，耗时和花费也难预测，没法直接用在每次提交都跑的自动化扫描上。Harness 的 Security Test Orchestration（STO）在模型外面加了一层编排：控制扫描什么时候触发、只扫改动范围、每步怎么约束、结果怎么统一，变成可比较、可信任的扫描。用 GPT-5.5 对三个故意留漏洞的测试应用跑基准，增量扫描比全量扫描最高省约 83% 费用、快约 72%，且没有漏掉全量扫描找到的问题；连续跑 10 次时增量方案比全量便宜约 75%。目前该能力基于 OpenAI Codex Security，配合 Mythos 代理插件，以安全扫描技能方式调用，具体开放范围和价格原文未说明。
Harness 发布了一篇博客，解释漏洞“修复”和“缓解”的区别：修复是打补丁或升级，彻底消除漏洞；缓解则是隔离、封堵或关闭功能，让漏洞难以被利用，但漏洞本身还在。博客说，当补丁还没有、修复需要停机窗口，或攻击路径本来就不通时，可以先选缓解；但每个缓解措施都要有负责人和到期日，否则临时措施会变成永久隐患。对开发团队来说，这能帮助决定什么时候必须真正修、什么时候可以先顶住，而不是把风险一直存着。文中还提到 Harness 的安全测试编排可对接 40 多个合作扫描器，并引用调查称：最频繁使用 AI 编程工具的人群中，50% 表示采用后漏洞和安全事件变多了。
这篇文章讲的是作者 Chintan Tank 如何把多租户 SaaS 产品放在 Cloudflare Workers 上跑。原来所有功能都塞进一个大而全的边缘 worker，一旦发布或出错就会连累所有租户，风险大、牵一发动全身。文章提出改用模块化架构，通过 service bindings 把不同功能拆成独立的小服务，可以各自发布、互不影响；并以图片优化为例，展示了如何按租户选择图片格式、按设备自动调整尺寸。对正在做多租户 SaaS 的开发者来说，这提供了一套降低发布耦合和故障影响范围的思路，文中还涉及多 CDN 差异、分阶段发布、配置和测试，但未说明是否有配套代码或具体性能数据。
Cursor 推出了两个软件开发机器人 Rollouts 和 Security Reviewer，帮团队把代码安全送上生产环境。以前写代码快了，但 PR 之后的部署监控、安全审查还是很费人，容易漏掉问题。Rollouts 会盯着变更从 PR 到上线的全过程，发现回归就提醒或自动回滚；Security Reviewer 像安全工程师一样读代码，找漏洞并给出修复建议。这两个 bot 现已面向团队版和企业版开放。
invideo 是一家做视频编辑的公司，他们原来做视频调色和加特效比较费时。现在他们用上了 GPT‑6 Astra 这个模型来帮助规划剪辑，结果调色和校色的速度快了三倍，而且一天就能做出 50 个自定义特效。对普通用户来说，这意味着以后视频调色可能更快、更便宜。不过目前这只是 invideo 自己公布的计划，还没有说明具体什么时候开放给所有人用。
法律 AI 公司 Harvey 用上了 OpenAI 的 GPT-6 Astra 模型来起草法律文件。过去，法律文书写作耗时长，律师需要花大量精力在格式和背景资料的整理上。这次的做法是把案件的具体上下文交给模型，让它生成结构更清晰、更贴合具体案情的草稿。对律师来说，这能省下重复劳动，把时间用在策略判断等更需要人来做的部分。目前原文只提到这是摘要层面的效果，没有说明具体上线时间、可用范围或测试数据，这些信息尚未给出。
Snyk 发布了 Evo MCP 服务器，让你可以在自己已经使用的 AI 客户端（如 Cursor、Claude Code）里直接查询 Evo 中的 AI 资产情况。以前，想了解团队用了哪些模型、MCP 服务器和技能，以及它们有没有安全风险，你得跳出当前工具、打开网页筛选、导出表格，再重新做图，每次都很麻烦。现在，这个远程服务器把库存、策略、违规和态势变化都变成一句提问就能得到的答案，而且不装到你电脑上、也看不到你的文件。它用你的身份和权限运行，写操作需要审批，还能把违规自动变成团队工单。
Anthropic 上周把 Claude 聊天和 Cowork 合并成一个界面，用户不用再纠结该选哪个标签，直接提问或交代多步骤任务，系统自己分流；先向 Pro 和 Max 订阅者开放，免费版和团队版随后跟上。OpenAI 早从 7 月 9 日就推出 Work 模式，和 Chat 并排放在同一窗口，旧版 Agent 模式下个月下线。本文作者用三项真实开发任务做对比：查四个 API 的限流和版本信息、按规格写一个命令行时长解析器、以及在同一对话里先判断竞态条件再处理日志表格。结果两者答案都对，但 Claude 用时更长、输出 token 更多，会多给细节和额外提醒，ChatGPT 则明显更快。由于两家功能越来越接近，准确度、可靠性和 token 消耗就成了关键区别。测试细节有限，免费版何时可用、完整原始提示词等原文未全部说明。
JetBrains 把过去一年分散的 AI 产品整合成一个统一品牌 JetBrains Air，CEO Kirill Skrygan 称这是公司 26 年历史中最重要的举措之一。背景是：AI 编程助手让开发者能在终端、浏览器和远程环境里写代码，传统 IDE 的地位受到质疑，而 JetBrains 正是靠 IntelliJ IDEA、PyCharm 等 IDE 起家的。Air 分三层：IDE 内的 Air 帮个人同时管理多个 Agent 会话；Air Teams（早期访问）把协作和定时自动化搬到云端；Air Governance（原 JetBrains Central，早期访问）给公司管模型权限、审计和花费。另外还有命令行 Air Gateway 和移动端计划，整体保持对 Claude、Codex、Gemini CLI、Junie 等外部工具的开放。
这篇文章讲的是：做医疗 AI 产品的团队（如 Abridge 和 Included Health）用 LangSmith 这个工具，把医生的专业审核变成可以重复使用的评测数据、评测标准和上线把关流程。原来问题是，AI 生成的病历或分诊建议对不对劲，只有医生能判断，但医生时间有限，每次都从头审核根本忙不过来。现在他们把医生的判断记录下来、做成自动化测试，以后每次发布新版本都能复用，不必重新找人审。结果 Abridge 的发布周期从一两个月缩短到几天，Included Health 上线后聊天互动增加 75%，高风险情况识别率超过 99%。不过文中也提到医疗数据隐私（PHI）、判断标准不唯一等挑战，另有部分内容被截断，具体实现细节未完全说明。
zhouxiaoka/autoclip · AutoClip : AI-powered video clipping and highlight generation · 一款智能高光提取与剪辑的二创工具
AutoClip 是一款 AI 视频剪辑工具，通过分析视频字幕来定位高光片段、生成标题，并自动剪出视频切片与合集。适合访谈、播客、课程和直播回放等以对白为主的素材。它提供桌面应用、Docker Web 界面和 CLI / MCP 三种使用方式，支持通义千问、OpenAI 兼容接口、Gemini、硅基流动等云端模型，以及 Ollama / LM Studio 本地模型；还提供抖音、小红书、YouTube Shorts 和 B 站导出预设，并可在同一页面向多个已连接平台发布。
ridhimaguptaa01/pm-reviewer · AI-assisted managerial review copilot for product management work
PM Reviewer 是一个面向产品经理的 AI 辅助评审副驾，用于减少管理者首轮评审投入。它会审阅产品团队提交的 PRD、需求、调研、可行性说明、上线计划、发布后分析等工作，推断其目的与成熟度，并给出分级的评审结论（需修改、待决策、可延后）。项目还会保存评审历史、支持可复用的管理者偏好，并在第二版及之后对比历史反馈，标注已解决、部分解决、仍未解决、不再相关以及新引入的问题。项目内含 12 个评测用例，覆盖强弱 PRD、模糊提案、混合客户证据、早期调研、外部内容、可行性工作和发布后分析，最新评测通过全部 12 项结构性检查。
sumitkumar1233edeedad/shopnexa-ecommerce · ShopNexa — An AI-powered e-commerce platform built with Django and Django REST Framework, featuring product management, cart, wishlist, authentication, orders, payments, AI recommendations, and real-time customer support.
ShopNexa（AI Store）是一个使用 Django 与 Django REST Framework 构建的 AI 驱动电商平台，描述中列出商品管理、购物车、心愿单、认证、订单、支付、AI 推荐与实时客服等能力。README 主要记录了底层架构说明：Django + PostgreSQL 16 + Redis 7 + Celery 的异步任务体系、基于邮件 OTP 的注册/登录/密码重置验证、优惠券引擎（每周 5 次使用上限、周一时间界限定）、面向全体活跃用户的促销券邮件广播、用户时区中间件，以及使用 Docker Compose 的多容器部署方式与分步运行、测试指引。