搜索归档

Poly-Glot AI Workspace：多语言提示工作流与 MCP 工具平台

hmoses/poly-glot-ai-workspace · Multilingual AI workspace + MCP server for prompt workflows, model comparison, speech-to-text, language detection, translation, and localization.

Poly-Glot AI Workspace 是一个托管式远程 MCP 服务器，内置 MCP Apps / ChatGPT Apps SDK 图形界面，提供 1000+ 提示模板、38 种语言的界面与输入输出语言控制、跨多个 AI 提供商的 Compare Mode 对比、自带模型（BYOM）接入、语音转写、语言检测、翻译与本地化等 15 个工具。通过 Streamable HTTP 连接，无需本地安装包，支持服务端订阅校验与 Apple 订阅。

Syrtis：Windows 平台 AI 编程代理 Token 用量与配额监控托盘工具

Nanako0129/Syrtis-Windows · Windows port of TokenBar — a tray monitor for AI coding-agent token usage, cost, and subscription quota. WinUI 3 shell on the same Rust parsing core.

Syrtis 是 TokenBar 的 Windows 移植版，基于同一 Rust 解析核心和原生 WinUI 3 外壳，以系统托盘图标形式监控 AI 编程代理的 token 消耗、费用和订阅配额。它提供 Overview、Quota、Models、Monthly、Daily、Hourly、Stats、Agents 等多个视图，渲染 3D 贡献图，支持托盘直接绘制用量指标、应用内 Velopack 更新，并通过读取本地已登录凭据获取 Claude、Codex、GitHub Copilot、OpenCode Go、Grok、Grok Bot、Kiro、Antigravity 等提供商的配额信息。

使用 Datadog CI/CD Optimization 加快交付、提升可靠性并控制 CI 成本

Datadog 推出 CI/CD Optimization，帮助平台和 DevOps 团队应对 AI 辅助开发带来的 CI 压力。AI 让代码产出变多，但流水线跑不完、测试结果不稳定、算力开销水涨船高，交付反而变慢。这个产品把流水线和测试数据与提交记录、日志、运行器及基础设施信息放在一起，帮团队找出瓶颈、自动重试不稳定的测试、只运行受改动影响的测试。对读者来说，这意味着查看合并请求的等待时间可能缩短，CI 账单也不会随代码量同步膨胀。文中提到 Betterment 把平均构建时间从近 40 分钟降到 10 分钟以内，The Browser Company 把 CI 流水线时间缩短了 50%。

本周 Spring 动态 - 2026年10月6日

这是 Spring 社区的一周动态汇总，作者在比利时安特卫普参加 Devoxx 大会，本次演讲主题是 Spring Security 和 Spring Boot 4.x。文章重点介绍了 Spring AI 负责人 Christian Tsolov 关于用 Spring AI 构建模块化 RAG 方案的文章，以及一个叫 OneLens 的开源项目——它能让你看到代码的“知识图谱”，也就是代码之间关联关系的可视化。此外还推荐了 Spring Office Hours 讨论、关于 JReleaser 的播客、Spring Boot 最佳实践视频和 Spring AI 教程等。对使用 Spring 做 Java 开发的读者来说，这是一份可以了解本周社区新内容和学习资源的清单。

使用可观测性流水线将关键安全日志处理并路由到 Exabeam

Datadog 推出了可观测性流水线中的 Exabeam 预配置包（Observability Pipelines Exabeam Packs），帮助企业在把安全日志送进 Exabeam 这个安全分析平台之前，先在自己的基础设施里过滤掉没用的噪音。以前的问题是：防火墙、终端和网络网关产生大量重复的日常日志，全部传进 Exabeam 会让存储和处理费用暴涨，还会把真正有价值的身份、访问和终端行为信号淹没。这些包针对不同来源预设了丢弃、去重和抽样规则，比如过滤 Cisco ASA、Fortinet FortiGate、Palo Alto、CrowdStrike、SentinelOne、Windows 和 Zscaler 的日志，同时保留检测所需的原始字段，Exabeam 的解析器不受影响。目前发布的包括七个来源专属包，以及 Active Directory、Okta、Microsoft 365、Abnormal.ai 等可搭配 Exabeam 目标的通用包，用户可在流水线中直接添加，并用实时抓取验证过滤效果。

XCOR 发布：几分钟内追踪故障，但仍会呼叫工程师

Palo Alto Networks 推出 Cortex XCOR，一款由 Chronosphere 团队打造的 AI 可观测性平台。过去系统出故障时，工程师要半夜爬起来看仪表盘、手动排查，往往光定位问题就要 20 分钟。XCOR 在告警触发时自动启动专用 AI 智能体，自主推理问题并给出修复建议，平均 3 分钟内完成，复杂生产环境中根因分析成功率 75%，另有 19% 被认为有用。它默认仍采用人工确认模式，企业可逐步放开自主权限，目标是让 SRE 从救火转向架构工作。目前该产品已发布，文中未说明具体定价和正式可用范围。

判断而非生成：在 Jev 上重建 AI API 分类器

安全平台 Harness 的 AppSec 团队用自研决策模型 Jev 替换了原来生成式大模型做的「是/否判断」环节，用来识别客户 API 里哪些在和 LLM 通信。原来这条流水线要先用两次 LLM 摘要、再做分类，成本高、延迟大，而且模型自报的置信度几乎不能用来判断对错。换成 Jev 后，系统不再让模型写文字，只输出一个概率：每条 API 的判断成本比原流水线降约 1200 倍，比单次 LLM 方案降约 150 倍；出错的样本都落在 0.3–0.8 的不确定区间，只占 3.4%。对读者来说，这提供了一种思路：把流水线中重复的「判断」和「生成」拆开，用专门的决策模型替代，能大幅降本，同时保留可回滚的接口。

AI UsageMaster：macOS 菜单栏 Claude Code 与多账户用量监控工具

wxy821018/ai-usagemaster · Claude Code usage & rate-limit monitor for the macOS menu bar: multiple Claude accounts (Pro/Max/Team), Cursor, reset countdowns, auto account switching

AI UsageMaster 是一个面向重度 AI 用户的 macOS 菜单栏应用，用于实时查看多个 Claude 账户（Pro/Max/Team）和 Cursor 的 5 小时与每周用量、重置倒计时和各模型周限额，并支持一键或自动切换 claude CLI 所使用的账户。它还提供用量消耗速度预警、通知、消耗速率预测、基于本地 Claude Code 日志的 API 价格成本估算与项目统计、可选的状态栏用量显示以及命令行模式；其他 AI 服务（Codex、Gemini CLI、Kimi Code、OpenCode Go、MiniMax 等）的支持处于实验阶段。

EasyRead：把英文论文读成舒服的中文，带 PDF 对照翻译与 AI 问答

Edwardxlai/easyread · 把英文论文读成舒服的中文：本地 PDF 论文翻译、原文对照、边读边问 AI、文献管理。Read English papers in comfortable Chinese.

EasyRead 是一个本地运行的论文阅读工具：导入 PDF 后在后台逐页翻译（公式、表格按原文排版），可随时切换原文对照、查看原页并定位当前段落；阅读中可划线、记笔记、提问，右侧「问 AI」面板支持多轮对话与多段引用，回答可放到页边。翻译与问答模型可选 Claude Code、Codex CLI、多家 API（DeepSeek、智谱、阿里云百炼、Kimi、硅基流动、魔搭、OpenAI、Anthropic、Gemini、OpenRouter、Groq、Cerebras）以及本机 Ollama / LM Studio 等。内置文献库管理（分类、置顶、搜索、阅读状态、星标、进度、引用导出与离线 HTML 导出），文献库与设置默认保存在本机，也可迁移到其他磁盘或网盘同步文件夹，并支持通过命令行与 AI agent 协作读论文。

Bluestift：面向学生的苏格拉底式 AI 辅导与教师班级洞察仪表盘

angekana49-ui/Bluestift · Detect when and why a student will struggle and solve it.

Bluestift 是一个教育 AI 产品，包含两个面向同一账号的应用：Raya，一个面向学生的苏格拉底式辅导工具，通过提问来教学并按需升级帮助，同时维护学生理解状态的模型，使每次会话衔接上一次进度；Bluestift Schools，面向教师的管理端，用于查看班级受阻位置和进度落后的学生，而无需阅读学生对话。技术栈为 Next.js 16 + React + TypeScript，数据层使用 Supabase，认知引擎 Kernel 为独立的 FastAPI 服务，模型主用 Gemini、备用 Groq，语音用 Whisper（经 Groq）。README 还说明了隐私立场（默认匿名账号、仅存出生年份、分析默认关闭且 18 岁以下完全关闭）与安全立场，并注明付费墙尚未对外开放。

claudit：自托管的 Claude Code 用量统计看板，按项目做成本核算

Nitjsefnie/claudit · Self-hosted Claude Code usage dashboard — TTL-correct cost accounting and per-project attribution for session transcripts

claudit 是一个自托管 Web 应用，用 FastAPI 从 Cloudflare R2（或本地 file:// 镜像）摄取 Claude Code 会话转录，解析入库到 Postgres，并通过 React 前端展示用量仪表盘。它聚焦“花了多少、用了多少、什么时候用”的量化统计，包括按模型的成本拆分（含 5 分钟 / 1 小时缓存创建 TTL 计费差异）、Token 明细、思考输出、提示缓存 TTL 拆分、响应大小、单会话上下文增长、会话消耗速率、工具使用比例与错误率、回复延迟、活动热力图、按上下文长度与 Agent 类型的成本、代码增删行估计，并对跨文件 uuid 去重、限流命中做检测。同一套部署也可解析 Codex 与 Kimi（kimi-code 与 legacy）转录并统一入表，支持多用户认证或访客模式、时间范围选择与实时更新。

Market Dashboard：日美股市场仪表盘与 AI 多智能体选股组合分析

w-index-m/market-dashboard · Streamlit market dashboard for JP/US equities — AI multi-agent stock analysis, ROIC-WACC/factor screening, mean-variance portfolio optimization, and trade tracking

基于 Streamlit 的日股与美股市场仪表盘，整合宏观环境、情绪分析、日本股因子分析、AI 多智能体个股诊断与组合建议，以及实际交易记录管理。项目采用三段式 AI 多智能体流水线（宏观分析→个股并行分析→组合组装），在 5 家 AI 提供商间自动降级，并组合 yfinance、Tiingo、FMP、BLS、FRED、J-Quants、Finnhub 等 10 余个外部 API 与数据源。同时提供 ROIC-WACC、均值方差组合优化、ROE vs 资本成本、需给与价格形态筛选等分析工具，并提供公开在线版本。

Istio 1.31 新增 Agentgateway Waypoints，并将发布构件迁出 Google Cloud

Istio 是一个管理服务之间通信的开源工具。在 1.31 版本中，它新增了 agentgateway waypoints 功能，让 ambient 模式下的流量管理更灵活，1.31.1 又修了一个金丝雀发布的配置问题。同时，官方不再把镜像和 Helm 图表发布到 Google Cloud，用户需要迁移到新的仓库。如果你在用 Istio 并校验镜像签名，还要提前更新签名密钥，因为 10 月 13 日会做一次停服测试。

dsh-our-free-model：为 dsh（DeepSeek Harness）挂载免费前沿模型的插件

zouyuxuan122/dsh-our-free-model · 在 dsh 里装上这个插件即可，无需登录、注册或填 API Key，就能使用包括 Muse Spark 1.3、MiMo V2.6 在内的前沿模型——完全免费，不限量。 All you do is install this plugin in dsh: no login, no sign-up, no API key — the frontier models are just there, Muse Spark 1.3 and MiMo V2.6 among them. Completely free, with no usage cap.

这是一个 dsh（DeepSeek Harness）插件，安装后无需登录、注册或填写 API Key，即可在 dsh 的模型选择器中使用上游网关提供的模型（文档中举例 Muse Spark 1.3、MiMo V2.6）。项目文档描述了内容：模型清单跟随上游刷新、按网络出口实测可用性并区分 region-limited 分组，思考强度以输出 token 预算实现，内置用量看板（本机统计、不上传）、OpenAI 兼容的本地转发端口（/v1/models、/v1/chat/completions、/v1/responses）与局域网中继、公告推送和应用内升级（SHA-256 校验与回滚）。随附大量实现与验收说明，包括流式响应按 body 形状识别、工具调用配对修复、长思考截断后的一次有界恢复。注意：README 中的「完全免费、不限量」为项目自述，实际可用性、地区限制、额度与上游政策均未由第三方核实；文中真实上游实测仅限于作者所述环境（Windows）与部分模型。

NEWS-Chatbot：土耳其语新闻摘要与问答聊天机器人

timlfg/NEWS-Chatbot · 📰 Summarize Turkish news, answer queries, and perform multilingual tasks with this versatile chatbot powered by FastAPI and Streamlit.

NEWS-Chatbot 是一个面向土耳其语新闻的聊天机器人应用，可对新闻文章生成简洁摘要，并围绕文章内容回答用户提问。项目由 FastAPI 提供后端、Streamlit 构建用户界面，并使用 mT5 模型支持多语言处理；README 面向非编程用户提供了下载安装与使用步骤。

用 Datadog 监控 Databricks

Datadog 发布官方介绍，讲如何把 Databricks 上的分析、数据工程和 AI/ML 工作负载接入 Datadog 统一监控。原来用户只能分别看 Databricks 自带指标和下游基础设施，成本和数据质量难以串起来。这次通过三条数据采集路径（集群上的 Agent 抓 Spark 指标与日志、轮询 Databricks API 拿任务运行状态、查系统表获取成本与血缘），把作业健康、花费、数据质量和日志汇总到一个界面。读者可以据此设置作业失败告警、查看 Spark 查询瓶颈、获得集群规格优化建议，并配合云厂商集成定位底层问题；相关功能已可用，但文中未说明具体版本或价格限制。

Databricks 的原生监控资源

Databricks 官方发了一篇指南，讲怎么收集 Databricks 和它底层 Spark 的运行数据（比如性能、成本、用量）。之前这些数据分散在各处，用户不容易统一查看和排查问题。这次介绍的方法主要是用系统表来查询日志、成本和性能指标，再配合 Spark UI、作业通知和 REST API，就能做分析和告警。不过要注意，系统表的数据不是实时的，延迟随 schema 不同，所以不能拿它做秒级告警；实时监控得靠作业通知和 API。

K3s 与 K8s：轻量级 Kubernetes 发行版何时胜出（何时不适用）

标准 Kubernetes（K8s，一个管理容器化应用的开源平台）功能强大，但运维负担重：搭建一套生产集群要配置控制面、网络、存储、安全、可观测性等多个组件，还要持续维护。K3s 是 Rancher Labs（现属 SUSE）推出的轻量发行版，把控制面和许多组件打包成一个不到 100 MB 的单一二进制文件，默认用 SQLite 存储，最低只需 512 MB 内存和 1 个 CPU 核心即可运行；而标准 K8s 通常至少要 4 GB 内存和 2 个 CPU 核心。因此 K3s 更适合边缘计算、物联网设备（如树莓派、零售终端、工业电脑）等资源受限场景，标准 K8s 则适合需要最大灵活性的复杂集群。需要注意的是，文章只给出了选型思路，没有提供两者性能或成本的对照数据。

“没理由每个人都要有千篇一律的 Claude 体验”：Anthropic 的 mods 让你改变 Claude Code 的外观和行为

Anthropic 给 Claude Code 加了一套叫 mods 的新功能：mods 就是一些用 JavaScript 或 TypeScript 写的小函数，可以挂到 Claude Code 内部的事件上，用来改提示词、拦截或改写工具调用、处理权限请求、替换界面部件，甚至加新功能。以前开发者只能通过设置、CLAUDE.md、hooks 和 MCP 服务器调整 Claude 的行为，但没法改变 Claude Code 自身的界面和功能。现在 mods 已随 Claude Code 2.1.287 及之后版本默认启用，还能打包成插件分享给别人装，不过 mod 代码在本机运行，Anthropic 建议只装可信来源的。

GitHub 建议：先用别的办法，再考虑新的 Copilot 功能

GitHub 周四公测了 Copilot 的“computer use”功能：Copilot CLI 和桌面应用现在能像人一样操作 macOS 和 Windows 上的软件，能读屏幕内容，也能点击、打字、滚动和拖拽，连那些没有接口、只能靠图形界面操作的老软件也能用。但 GitHub 自己建议：如果任务能用 API、MCP 服务器、终端命令或专门浏览器工具完成，就优先用它们，因为那样结果更可靠。这项功能目前在公测阶段，需要手动开启，macOS 上还要单独授予辅助功能和屏幕录制权限；敏感窗口内容可能被智能体读到，企业管理员也可用策略限制。