裸机编程指南。这是一份教你如何在不依赖 IDE 的情况下，进行单片机开发的教程。内容先是介绍了寄存器、向量表、启动代码、链接脚本等知识点，最后实现了一个带设备仪表盘的 Web 服务器。

免费小巧的开源 PDF 阅读器。这是一款体积小、占用内存少、启动速度快的 Windows PDF 阅读工具，拥有日常所需的所有功能和简约大方的界面，这一切不多不少刚刚好。

自制开源智能手表。该项目是基于开源 Zephyr 的智能手表，设备包含了一个分辨率为 240x240 的 IPS TFT 圆形屏幕和 3 个按钮(上一页/下一页/进入)，支持计步、血氧仪、心率仪、蓝牙等功能。

用于展示键盘按键操作的工具。这是一款能够在桌面实时显示键盘操作记录的工具，多用于演示应用、录制教程等场景，适用于 Windows 7 及以上的操作系统。

一款多功能的 B 站视频下载工具。这是一款简单易用的哔哩哔哩视频下载工具，它拥有简洁的操作界面，使用起来十分方便。支持批量下载、音视频提取、去水印等功能。

用 C# 写一个小于 8KB 的贪吃蛇。这个项目的重点不是教你如何用 C# 写出一个贪吃蛇游戏，而是讲解怎么将编译后的 C# 贪吃蛇程序，从最初的 65MB 精简成 8KB 大小、可以独立运行的应用。

# To build the 4.7 MB version of the game
dotnet publish -r win-x64 -c Release /p:Mode=CoreRT
# To build the 4.3 MB version of the game
dotnet publish -r win-x64 -c Release /p:Mode=CoreRT-Moderate
# To build the 3.0 MB version of the game
dotnet publish -r win-x64 -c Release /p:Mode=CoreRT-High
# To build the 1.2 MB version of the game
dotnet publish -r win-x64 -c Release /p:Mode=CoreRT-ReflectionFree
# To build the 10 kB version of the game
dotnet publish -r win-x64 -c Release /p:Mode=CoreRT-NoRuntime

一个文件的 C++ HTTP/HTTPS 库。这是一个用 C++11 写的仅头文件、跨平台的 HTTP/HTTPS 服务器端和客户端库，使用时十分方便，只需在代码中引入 httplib.h 文件。

#define CPPHTTPLIB_OPENSSL_SUPPORT
#include "path/to/httplib.h"

// HTTPS
httplib::Client cli("https://hellogithub.com");

auto res = cli.Get("/periodical");
res->status;
res->body;

RISC-V 的模拟器和汇编编辑器。该项目可以通过图形化的方式，展示机器代码在各种微架构上运行的过程，可用于探索不同的高速缓存设计对性能的影响等问题。

简单高效的 C++ 多媒体库。这是一个可用来简化游戏和多媒体应用开发的 C++ 库，因其上手门槛低和良好的生态，成为了众多 C++ 新手入门图形化开发的首选。

GitHub 开源的设计系统。由 GitHub 设计团队开源和维护的项目，包含了 GitHub 的界面设计原则、使用指南和开箱即用的 UI 组件。

一种可将文本转换为图表的脚本语言。该项目是一种图表脚本语言，可将文本转换为图表。你只需描述想要的图表，它就会生成对应的图像。

echo 'x -> y' > input.d2
d2 -w input.d2 out.svg

类似 cURL 但用于 gRPC 的工具。一款实现与 gRPC 服务器交互的命令行工具，可以轻松请求 gRPC 服务，就像 gRPC 版的 cURL 一样好用。

# 安装
brew install grpcurl
# 使用
grpcurl grpc.server.com:443 my.custom.server.Service/Method

一款云原生物联网开发框架。这是一个生产级别的物联网平台，它可以将物联网(IoT)设备，封装成 K8s 的最小的可部署的计算单元(pod)，直接将设备的能力和数据通过 API 开放出来，让物联网应用的开发变得更加简单。

cd shifu
# 在集群中安装 Shifu
kubectl apply -f pkg/k8s/crd/install/shifu_install.yml

一起写作并建立一个社区。这是一个 Go 写的博客平台，除了能够创建基于 Markdown、极简的独立博客之外，还可以建立类似博客园的博客社区。

一款 Go 写的应用引擎。通过该项目最快几分钟，就能从零构建出一套系统，适合用于开发接口服务、管理后台、数据可视化平台、自建低代码平台等系统。

云原生安全检测平台。该项目用非侵入的方式，解决云原生环境的安全和治理问题。支持主流公/私有云资源的安全检测、漏洞扫描、一键获取报告等功能。

开源的智能移动云测平台。这是一个基于 Spring Boot+React 构建的云测服务，它部署简单开箱即用，支持在线管理测试设备、执行测试用例、测试结果可视化等功能。

目前最流行的图数据库。它是一款采用 Java 和 Scala 语言开发的原生图数据库，专属的查询语言 Cypher，能够直观且高效地查询和处理数据之间的关系。

实现浏览器内截屏的 JavaScript 库。该项目可以让你在浏览器内对整个网页或部分内容进行截图，原理是通过读取 DOM 和样式，将当前页面渲染成一个画布图像。

html2canvas(document.querySelector("#capture")).then(canvas => {
    document.body.appendChild(canvas)
});

教你从零构建前端算法体系。学习算法不仅是为了面试，也是每个前端进阶必备的技能之一。该项目包含了前端的进阶算法、常见面试题、手写源码等，帮你构建完整的数据结构和算法的知识体系。

视觉上令人愉悦的番茄时钟。这是一款 Vue 写的拥有超高颜值的番茄计时器，支持自定义时间、回合数、提示音、桌面通知等功能。

能够将 HTML 和 CSS 转换为 SVG 的库。由 Vercel 团队开源的可根据 HTML 和 CSS 代码生成 SVG 图像的库。支持 JSX 语法，使用起来十分方便和顺手。

import satori from 'satori'

const svg = await satori(
  <div style={{ color: 'black' }}>hello, world</div>,
  {
    width: 600,
    height: 400,
    fonts: [
      {
        name: 'Roboto',
        data: robotoArrayBuffer,
        weight: 400,
        style: 'normal',
      },
    ],
  },
)

强大的 JavaScript 函数库。该库提供了 100 多个实用的函数，包括常用的 map、filter、reduce、invoke 以及更专业的辅助函数，比如函数绑定、JavaScript 模板功能、创建快速索引等，让我们可以更加方便地在 JavaScript 中实现函数式编程。

// countBy
_.countBy([1, 2, 3, 4, 5], function(num) {
  return num % 2 == 0 ? 'even': 'odd';
});
// 输出：{odd: 3, even: 2}

查找 Python 代码中常见安全问题的工具。该项目是 PyCQA 出品的 Python 代码检测工具，知名的 isort 和 flake8 就是他们开源的。

CPython 开发人员指南。这份指南来自 Python 官方，介绍了如何为 CPython 做贡献，适用于任何阶段的贡献者。

Django 使用姿势指南。这是一份 Django 编码风格指南，它来自于一线团队的多年经验总结，希望能够帮助你构建出更好的 Django 应用程序。

Numpy 的练习册。该项目包含了 100 个关于 Python 常用的数据处理库 Numpy 的练习和解决方案。

# How to sum a small array faster than np.sum? (★★☆)

Z = np.arange(10)
np.add.reduce(Z)

Python 的数据流编排平台。如果将获取、清洗、处理数据的程序当作一个个分散的任务，该项目可以将这些任务整合到工作流中，实现在一个 Web 平台部署、安排和监控它们的执行。

from prefect import flow, task

@task
def say_hello():
	print("Hello, World! I'm HelloGitHub!")

@flow("Prefect Flow"):
def h_flow():
	say_hello()

# run the flow!
h_flow() # "Hello, World! I'm HelloGitHub!"

Ruby 写的命令行数据可视化工具。该项目能够在终端里将数据转化成彩色的图表，支持条形图、直方图、箱型图等类型的图表。

第三方的 ChatGPT 桌面应用。把 ChatGPT 放到你的桌面，支持快捷键、斜杠命令、划词搜索、导出记录等实用的功能，适用于 macOS、Windows、Linux 操作系统。

带界面的 Git 命令行工具。该项目为 git 提供了终端界面，让用户可以更加顺畅地使用 git。交互式的操作提示，让你无需再记忆大量的 git 命令。

用键盘代替鼠标的 macOS 应用。它可以让用户实现仅通过键盘操作苹果电脑，支持两种操作模式。

• 激活模式：将屏幕上可点击的位置，映射成键盘按键
• 滚动模式：使用 HJKL 按键，可完成区域滚动

从零开始构建 CDN 的教程。为了让你在实战中学习 CDN 的工作原理，这里会从创建一个单一的后端服务开始，逐渐扩展到多个节点、模拟延迟、可视化、可测试的 CDN 服务。因为设计 CDN 会涉及 Nginx、Lua、Docker、Grafana 等知识点，所以学习该教程需要有一定的编程基础。

一套可爱的 emoji 表情。该项目是微软开源的一套精致、可爱的 emoji 表情包。

教你用 K8s 部署一套完整服务的教程。通过该教程你可以学习到如何部署 Kubernetes 集群，以及在此基础上搭建由 Apollo、Jenkins、Prometheus 等服务组成的完整的软件研发和部署平台。

最受欢迎的树莓派应用商店。这是一款完全免费、开源的树莓派应用商店，它安装简单使用方便，内置了 200 多个应用程序，支持 32 位和 64 位的 Raspberry Pi OS。

# 下载
git clone https://github.com/Botspot/pi-apps
# 安装
~/pi-apps/install

一款完全开源、精雕细琢的中文黑体。这款字体名为「得意黑」，整体字身窄而斜，细节融入了取法手绘美术字的特殊造型。支持简体中文常用字、拉丁字母、阿拉伯数字和各种标点符号。

《Netty 实战》精简版。该书是《Netty in Action》的中文精简版，带你快速掌握 Netty。

《把时间当作朋友》。做事不一定要图快，马跑起来比骆驼快，但骆驼一生走过的路却是马的两倍。

深度学习论文的实现集合。这是一个关于神经网络和相关算法 PyTorch 实现的集合，代码里还包含逐行的注释。

OpenAI CLIP 模型中文预训练版本。该项目使用了大规模的中文数据进行训练（~2亿图文数据），提供了多个规模的预训练模型和技术报告，让使用者仅通过几行代码就能完成中文图文特征提取和图文检索。

import torch 
from PIL import Image

import cn_clip.clip as clip
from cn_clip.clip import load_from_name, available_models
print("Available models:", available_models())  
# Available models: ['ViT-B-16', 'ViT-L-14', 'ViT-L-14-336', 'ViT-H-14', 'RN50']

device = "cuda" if torch.cuda.is_available() else "cpu"
model, preprocess = load_from_name("ViT-B-16", device=device, download_root='./')
model.eval()
image = preprocess(Image.open("examples/pokemon.jpeg")).unsqueeze(0).to(device)
text = clip.tokenize(["杰尼龟", "妙蛙种子", "小火龙", "皮卡丘"]).to(device)

with torch.no_grad():
    image_features = model.encode_image(image)
    text_features = model.encode_text(text)
    # 对特征进行归一化，请使用归一化后的图文特征用于下游任务
    image_features /= image_features.norm(dim=-1, keepdim=True) 
    text_features /= text_features.norm(dim=-1, keepdim=True)    

    logits_per_image, logits_per_text = model.get_similarity(image, text)
    probs = logits_per_image.softmax(dim=-1).cpu().numpy()

print("Label probs:", probs)  # 图文匹配概率 [[1.268734e-03 5.436878e-02 6.795761e-04 9.436829e-01]]

从零编写深度学习推理框架的教程。手把手教你用 C++ 写出一个深度学习推理框架，项目整体风格和结构借鉴了Caffe。初学者通过该教程不仅可以了解深度学习框架背后的知识，还能够学会如何上手一个中等规模的 C++ 项目。