GitHub 趋势榜

OpenScreen是一个免费、开源的桌面应用程序，旨在为用户提供一个制作高质量产品演示和操作指南视频的解决方案。它直接针对当前市场上流行的付费工具（如Screen Studio）所带来的高昂订阅费用和功能复杂性等痛点。OpenScreen的核心价值在于提供了一个精简但功能强大的替代方案，让用户无需支付月费、不受水印限制，并且可以免费用于商业用途，从而极大地降低了专业级演示视频制作的门槛。

该项目解决的核心问题是：许多开发者和产品经理需要制作吸引人的演示视频来展示他们的产品或软件，但市面上的专业工具往往价格不菲，且功能过于繁杂，对于只需要基础但高质量演示功能的用户来说，性价比不高。OpenScreen通过聚焦于核心功能，如屏幕录制、自动/手动缩放、音频捕获、视频裁剪、背景定制、运动模糊、添加注释以及多分辨率导出等，提供了一个“够用且好用”的解决方案。

OpenScreen的设计思想是“精简而强大”。它没有试图成为Screen Studio的完整克隆，而是专注于提供大多数用户制作精美演示视频所需的基本功能。这使得它更容易上手，同时保持了专业级的视觉效果。其底层技术栈基于Electron、React和TypeScript，确保了跨平台兼容性（macOS, Windows, Linux）和良好的用户体验。

关键特性包括：灵活的屏幕或窗口录制、可定制的缩放效果（包括深度级别和时间轴控制）、麦克风和系统音频同步录制、视频剪辑与速度调整、丰富的背景选项（壁纸、纯色、渐变、自定义图片）、平滑的运动模糊效果、以及文本、箭头、图片等注释功能。这些特性共同确保了用户能够创建出既专业又富有吸引力的演示视频。

OpenScreen的实际应用场景非常广泛，包括但不限于：

1. 产品演示： 软件开发者和产品经理可以快速制作出展示新功能或产品亮点的视频。
2. 教程与操作指南： 制作清晰易懂的软件使用教程或系统操作指南。
3. 市场营销： 为产品或服务创建引人注目的宣传视频。
4. 教育培训： 教师或培训师可以录制课程内容或操作演示。
5. 个人项目展示： 开源项目贡献者或独立开发者可以制作视频来展示他们的作品。

总而言之，OpenScreen为那些寻求免费、开源、无水印且功能实用的演示视频制作工具的用户提供了一个极具吸引力的选择，尤其适合预算有限但对视频质量有一定要求的个人和团队。

oh-my-codex (OMX) 是一个为 OpenAI Codex CLI 设计的工作流层，旨在增强和优化开发者使用 Codex 进行代码生成和任务执行的体验。它解决了原生 Codex 在复杂任务处理、工作流标准化和团队协作方面的不足，通过引入一系列高级功能和预设工作流，将 Codex 从一个单纯的代码执行引擎转变为一个更强大、更具协作性的开发助手。

背景与问题： 随着大型语言模型（LLMs）在代码生成领域的应用日益广泛，OpenAI Codex CLI 提供了一个强大的代码执行能力。然而，在实际开发中，开发者往往需要处理复杂的任务，涉及需求澄清、方案规划、并行执行和持续迭代。原生的Codex CLI虽然强大，但在这些方面缺乏结构化的支持，导致开发者需要手动管理大量的上下文、提示词和执行步骤，效率低下且容易出错。

项目定位与核心价值： OMX 的核心定位是“Codex 的增强工作流层”。它不替代 Codex，而是围绕 Codex 构建了一个更智能、更高效的运行时环境。其核心价值在于提供了一套标准化的工作流、专业化的代理角色和可复用的技能，极大地简化了复杂任务的管理，提升了开发效率和协作能力。它使得开发者能够以更结构化、更自动化的方式利用 Codex 的强大能力。

工作原理与设计思想： OMX 的设计思想是“更好的任务路由 + 更好的工作流 + 更好的运行时”。它通过引入特定的命令（如 $deep-interview, $ralplan, $ralph, $team）来引导用户完成从需求澄清到计划制定，再到并行执行或持续迭代的整个开发周期。这些命令背后封装了复杂的提示工程和多代理协作逻辑。例如，$deep-interview 专注于需求澄清，$ralplan 负责方案规划，而 $team 则能协调多个代理并行执行任务。此外，OMX 将项目指导、计划、日志和状态持久化存储在 .omx/ 目录中，确保了任务的连续性和可追溯性。

关键特性与优势：

1. 标准化工作流： 提供 $deep-interview（需求澄清）、$ralplan（计划审批）、$ralph（持续完成循环）和 $team（协调并行执行）等核心命令，覆盖了软件开发的关键阶段。
2. 专业代理角色与技能： 允许定义和使用专业化的代理角色和可复用的技能，以应对特定任务需求。
3. 项目指导与状态持久化： 通过 AGENTS.md 提供项目指导，并在 .omx/ 目录中持久化存储计划、日志、记忆和运行时状态，确保任务上下文的完整性。
4. 团队协作模式： $team 命令支持在 tmux 或 psmux 环境下进行协调的并行任务执行，提升了多代理协作的效率。
5. 操作与支持工具： 提供 omx setup（安装配置）、omx doctor（诊断）和 omx hud（监控）等工具，简化了管理和维护。

实际应用场景：

• 复杂软件功能开发： 当需要开发一个涉及多个模块、需要详细规划和并行实施的新功能时，OMX 可以帮助开发者从需求分析到代码实现的全过程。
• 代码重构与优化： 利用 $deep-interview 澄清重构目标，$ralplan 制定重构方案，然后通过 $ralph 或 $team 逐步执行重构任务。
• 自动化测试与验证： 结合 Codex 的代码生成能力，OMX 可以用于生成测试用例、执行测试，并通过 $ralph 进行持续的验证循环。
• 多代理协作项目： 在需要多个 AI 代理协同完成大型任务（如前端、后端、数据库等不同模块的开发）时，$team 模式能有效协调工作。
• 学习与探索： 对于希望深入了解和利用大型语言模型进行软件开发的开发者，OMX 提供了一个结构化的实践平台。

该项目是一个由社区驱动、持续更新的知识库，专门收集并整理了来自全球主流AI聊天机器人（如OpenAI的ChatGPT、Anthropic的Claude、Google的Gemini等）泄露或被提取出的“系统提示”（System Prompts）。

1. 背景与问题： 大型语言模型（LLM）的行为和个性，很大程度上由其开发者预设的一套内部指令——即“系统提示”——所决定。这些提示定义了模型的角色、能力边界、回答风格和安全准则，但通常对用户是隐藏的。对于希望深入理解和高效利用这些模型的开发者和研究者来说，无法看到这些“底层指令”是一个巨大的痛点。

2. 项目定位与核心价值： 本质上，这是一个“AI模型行为说明书”的逆向工程集合。它通过汇集全球网友通过各种“越狱”或提示注入技巧获得的系统提示，为外界提供了一个窥探顶尖AI模型“大脑”内部运作的独特窗口。其核心价值在于，将这些原本保密的、零散的信息集中化、公开化，极大地降低了学习和研究的门槛。

3. 工作原理与设计思想： 项目的运作依赖于社区的集体智慧。用户通过巧妙的提问方式诱导AI模型说出自己的系统提示，然后将这些发现以代码仓库的形式（通过Pull Request）提交和分享。其核心思想是开放与共享，旨在为AI社区创建一个关于模型指令设计的中央参考资源。

4. 关键特性与优势：

   • 内容稀缺： 提供了难以从官方渠道获得的宝贵一手资料。
   • 覆盖广泛： 涵盖了市面上几乎所有主流的大型语言模型。
   • 社区驱动： 内容更新快，能及时反映各大模型厂商对其系统提示的调整。
   • 极高学习价值： 是学习高级提示工程（Prompt Engineering）和理解AI安全对齐策略的绝佳范例库。

5. 实际应用场景：

   • 提示工程学习： 开发者可以借鉴这些“大师级”的提示，学习如何更精确、更高效地控制LLM，以构建更强大的AI应用。
   • AI安全与对齐研究： 研究人员可以分析这些提示，以了解不同公司在AI安全、偏见控制和价值观对齐方面的具体实现方法。
   • 产品开发参考： 正在构建自己AI助手的团队，可以参考这些顶级产品的设计思路来设定自己模型的角色和行为规范。
   • 技术爱好者探索： 满足了技术爱好者对“AI黑箱”内部工作原理的好奇心。

在当今数字时代，个人在不同社交媒体平台上使用相同或相似用户名的现象非常普遍。这为信息收集和安全分析带来了便利，但也带来了手动搜索效率低下、覆盖面不足的问题。Sherlock项目正是为了解决这一痛点而生。

Sherlock是一个强大的开源命令行工具，专注于通过用户名在超过400个社交网络平台上进行快速、自动化的账户查找。它的核心价值在于提供了一个高效、集中的方式来发现特定用户名在互联网上的数字足迹。用户只需提供一个或多个用户名，Sherlock就能自动访问大量社交媒体网站，检查该用户名是否存在，并返回找到的账户链接。

该工具的工作原理是利用Python脚本自动化访问预设的社交媒体网站列表，通过检查特定URL模式或页面内容来判断用户名是否存在。其设计思想是提供一个简单易用、高度自动化的解决方案，将原本耗时费力的手动搜索过程转变为一个快速的命令行操作。

Sherlock的关键特性包括：支持批量用户名搜索、结果自动保存到文本文件（支持CSV和XLSX格式）、支持通过Tor或代理进行匿名搜索、可限制搜索范围到特定网站、可设置请求超时时间、以及提供详细的输出选项（包括找到和未找到的网站）。此外，它还提供了Docker镜像和Apify Actor等多种安装和使用方式，极大地降低了使用门槛。

Sherlock的实际应用场景非常广泛，包括但不限于：

1. 安全研究与渗透测试： 帮助安全专家快速收集目标用户的公开信息，构建攻击面。
2. 数字取证： 在调查过程中追踪特定用户在不同平台上的活动。
3. OSINT（开源情报）： 收集和分析公开可用的信息，用于各种目的。
4. 个人隐私检查： 帮助个人了解自己的用户名在哪些平台上被注册，评估潜在的隐私风险。
5. 用户名注册检查： 在注册新服务前，检查所需用户名是否已被占用。

总而言之，Sherlock是一个高效、灵活且功能丰富的工具，极大地简化了跨平台用户名账户的查找过程，是安全研究、数字取证和开源情报等领域不可或缺的利器。