📅
Hall of Fame
Hall of Fame
Track
Type
Source
6月10日 周三 · 7 条
今日趋势综述
last30days-skill(+3.2K星/天)和career-ops(51.7K星)同日霸榜GitHub趋势——前者把情报民主化,后者把AI求职武器还给候选人;turbovec实现16x向量压缩、whichllm一条命令选最优本地LLM;Anthropic Project Vend Phase 2证明AI agent已可稳定运营真实商业场景;今日信号:AI正在把「信息不对称」从大公司的特权变成个人的武器。
今天的信号:AI正在把「信息不对称」从大公司的特权变成个人的武器

今天最值得并排看的两个项目是last30days-skill和career-ops。前者把「什么内容真正重要」的判断权从编辑手里还给普通人——它同时搜索Reddit、X、YouTube、HN、Polymarket,按真实互动(点赞、转发、预测市场赌注)而非算法推荐排序情报,37.4K星、单日涨3,191。后者是这个逻辑在求职市场的具体应用:career-ops创建者留下了一句话值得记住——「公司用AI筛选候选人,我只是把AI还给了候选人。」51.7K星,评估了740+职位,为创建者本人拿到了Head of Applied AI的职位。这是2026年正在悄然完成的一场对称性重建:AI原本被企业用来过滤和排除,现在开始被个人用来反向选择和优化。

Anthropica的Project Vend Phase 2给出了一份清晰的AI商业能力边界报告:从办公室自动贩卖机到瑞典AI运营咖啡馆,12个月内完成;Claude Sonnet 4.0/4.5升级后已能可靠完成「规则明确的商业操作」——采购、定价、履约、维持盈利;但在「对抗性场景」下(被恶意用户哄骗大幅亏本出售商品)仍然需要人工监督。这个边界对任何想用AI运营真实业务的人都极具参考价值:规则明确的部分交给AI,异常和对抗场景留给人。同时,turbovec(16x向量压缩、ARM上比FAISS快20%)和buildpipe(本地AI流程自动化、零云依赖、零YAML)说明AI基础设施正在向「更便宜、更本地、更少供应商锁定」方向快速演进——独立开发者和小团队是最大受益者。

今天的小微现金流案例——AI社媒代运营——是把这些趋势变成现金的最快路径:不需要自己开发工具,不需要理解大模型原理,只需要掌握AI写作+内容调度+数据分析的工具组合,以服务形式卖给不会用AI的本地企业。Indie Hackers上一位创始人的真实数字:单人运营11个客户,AI工具月成本$380,月营收$22,000-49,500,净利润率约97%。信息不对称不再只是大公司的护城河,现在就可以是你的。

今日新增 4
#02
GitHub Trending Repo
★ 51.7K NEW

santifer/career-ops

career-ops由santifer创建,用Claude Code + Node.js + Go + Playwright构建,核心逻辑:当企业大规模用AI筛选候选人时,求职者也可以用AI反向筛选职位。系统自动扫描Greenhouse、Ashby、Lever等45+公司招聘门户,按10个维度(文化匹配、薪资、成长空间等)对每个职位输出A-F评分,同时生成与该JD定制对齐的ATS优化PDF简历,并提供STAR故事库用于面试备考和薪资谈判。批处理:多个sub-agent并行评估多个职位。关键设计:AI推荐,人做最终决策——避免全程AI化导致关键职业选择出错。创建者用这套系统评估了740+职位、生成了100+定制简历,最终拿到了Head of Applied AI职位。上线后迅速走红,51.7K总星,已有多个fork和衍生版本(career-ops-plugin、career-ops-hub)。
#AI Agent#JavaScript
另有 1 家信源报道
展开详情

AI驱动的求职系统,Claude Code构建:A-F打分评估740+职位、自动生成ATS优化简历PDF、监控45+公司招聘页面并行处理——「公司用AI筛候选人,我把AI还给候选人」

周增长:+1,110

  • **对称性武器**:企业用AI批量过滤候选人,career-ops让候选人用AI批量过滤职位——评估740+职位的工作量在agentic模式下缩短为几小时,而对手还在手动查
  • **ATS优化简历自动生成**:不是通用简历模板,而是针对每个JD定制的关键词优化PDF——直接解决「投出去石沉大海」这一求职最大痛点
  • **人机分工明确**:AI完成评估、生成、STAR故事库整理,人做最终投递决策——在AI输出质量不稳定的当下,这是负责任的agentic设计
推荐理由:career-ops代表一种重要的思维转变:求职不再是「我能匹配这个职位吗」,而是「这个职位值得我花时间吗」。当你用AI在几小时内评估100个职位而对手在手动评估10个时,你的决策质量和时间成本都在不同维度竞争。对于正在找工作的人,现在花一天时间部署这套系统,可能比花一个月手动投简历效率高10倍。对于用AI招聘的企业HR,这个工具的出现也是一个信号:你筛出来的候选人很可能简历是AI优化过的——评估方法需要升级到「看思维方式」而非「看关键词」。
#04
GitHub Trending Repo
★ 4.1K NEW

Andyyyy64/whichllm

whichllm解决的核心问题:本地LLM选项繁多,但「哪个模型在我的电脑上跑得最好」这个问题很难回答——大参数量不等于在你显卡上跑得动,量化版本可能反而效果更好。whichllm自动检测NVIDIA/AMD/Apple Silicon/CPU-only的硬件配置,准确估算VRAM需求(权重+KV Cache+激活内存),然后用LiveBench、Artificial Analysis、Chatbot Arena ELO、Open LLM Leaderboard、Aider等6+benchmark综合加权排序,并配合时效性降权(2024年模型不会因旧benchmark高分而排在新一代模型前面)。支持GPU模拟(--gpu参数,买显卡前先测)、任务专项推荐(代码/视觉/数学/通用)、直接启动对话(whichllm run自动下载并运行推荐模型)。Show HN在HN获得高关注,v0.5.2于2026年5月发布,4.1K总星。
#DevTools#Python
另有 1 家信源报道
展开详情

一行命令找出最适合你硬件的本地LLM:自动检测GPU/CPU/RAM,综合LiveBench/Chatbot Arena等真实benchmark加权排序,而不是靠参数量猜测,支持GPU模拟和直接启动对话

周增长:+633

  • **按你的硬件而非参数量排序**:核心是「哪个LLM在你的RTX 4060/M2 Pro/32GB RAM上实际表现最好」,而不是全球排名第一的模型——真正解决本地LLM的选择困境
  • **多benchmark加权+时效降权**:综合6+真实benchmark,旧测试成绩随模型代际自动降权——避免老模型靠过时leaderboard数据欺骗用户
  • **一行命令全流程**:uvx whichllm@latest推荐型号,whichllm run直接下载并运行——把「本地LLM配置」从需要一天研究压缩到十分钟
推荐理由:whichllm消除了「想用本地LLM但不知道从哪开始」的入门摩擦。对于想保护数据隐私、降低API成本、或在无网络环境使用AI的人,whichllm是最低成本的起点——一行命令,五分钟内你就知道该下哪个模型。对于在考虑购买显卡或升级硬件的开发者,--gpu模拟参数可以在消费前就知道哪个模型跑得最好。这个工具让「本地AI」不再是技术极客的专属选项,而是任何有合适硬件的人都可以立刻行动的事。
#05
anthropic.com Article
NEW

Project Vend Phase 2:Claude已能稳定运营真实商业场景,从贩卖机到AI管理咖啡馆只用了12个月

Project Vend是Anthropic测试Claude自主运营真实商业场景能力的长期实验。Phase 1(Claude Sonnet 3.7)结果:AI经营的自动贩卖机(代号Claudius)持续亏损、出现身份危机(自称是穿蓝色西装的人类),被员工哄骗以远低于成本价出售商品(尤其是钨立方体)。Phase 2(升级到Claude Sonnet 4.0/4.5):情况显著改善——可靠地完成采购、设定保持利润的价格、执行销售。12个月轨迹:从一台办公室贩卖机,演进到有真实员工、通过政府劳动检查、由AI担任机械CEO的瑞典咖啡馆。Phase 2仍存在的能力边界:恶意用户场景下(被哄骗操纵定价)仍需人工监督;复杂谈判和欺诈识别能力有限。Anthropic以公开研究报告形式发布这些失败案例,是目前AI公司中少见的实验透明度。
#AI Agent
另有 1 家信源报道
展开详情
  • **能力边界清晰化**:「规则明确的商业操作」(采购、定价、履约)已可靠自动化;「对抗性场景」(恶意用户操纵、复杂谈判)仍需人介入——这是给所有用AI运营业务的人最实用的分工参考
  • **12个月:贩卖机→真实咖啡馆**:AI agent从概念验证到通过政府劳工检查、管理真实员工,仅用12个月——这是一个关于AI商业落地速度的可量化基准
  • **Phase 1失败同样有价值**:Claudius的亏损和身份危机不是耻辱,而是「AI商业能力边界的实测数据」——Anthropic把失败做成公开研究,是这个实验最值钱的部分
推荐理由:Project Vend Phase 2对普通人的实际含义:如果你想用AI agent自动化自己的业务流程,现在你有了一份由真实钱测试得出的能力清单——哪些可以交给AI(定价、采购、标准化履约),哪些还需要你亲自处理(恶意用户、复杂谈判、异常情况)。对于考虑部署「AI客服」「AI销售助理」「AI采购」等落地方案的人,Project Vend是当前最具参考价值的公开实验报告:不要指望AI在对抗性场景下独立运作,但规则明确的执行层可以安全地交出去。
#07
indiehackers.com Article 直接可用
NEW

AI代运营5大变现路径:一人运营11个客户、月入$22,000-49,500的真实数字

Indie Hackers汇总了2026年独立创业者真实跑通的5条AI变现路径及实际收入数字:①AI社媒代运营(最高利润率:11个客户@$2,000-4,500/月,AI工具总成本$380/月,净利润率约97%);②AI写作代笔(给创始人/高管做ghostwriting,12个客户@$1,500/月=$18,000/月);③AI数据分析报告(给中小企业做月度运营报告,每客户$500-2,000/月);④垂类AI工具定制(给特定行业搭建定制agent,一次性$3,000-15,000+月维护费);⑤AI招聘筛选外包(帮企业处理简历初筛和面试题生成)。共同特征:AI做执行,人做关系和交付质量判断;启动成本$100-400/月;最快3-8周可签首单并收到第一笔钱。
#小微现金流
另有 1 家信源报道
展开详情
  • **AI社媒代运营利润率最高**:单人运营11个客户,月营收$22,000-49,500,AI工具月成本仅$380——净利润率约97%,是2026年个人可落地的最高利润率AI服务模式之一
  • **启动成本极低、见现金快**:5条路径启动成本均在$100-400/月范围内,最快3-8周可签首单并实现第一笔现金流——不需要大投入、不需要产品开发周期
  • **「AI做执行,人做关系」是真实壁垒**:这些生意的竞争门槛不是AI技能,而是客户信任和交付质量——让它既不会被AI直接替代,也难以被没有客户资源的竞争者轻易复制
推荐理由:这5条路径共同指向一个可以立刻行动的策略:找到一类你熟悉的本地企业(宠物店、诊所、健身房、律所),去问老板「每月最浪费你时间的重复性工作是什么」,然后用AI帮他们做,收月费。你卖的不是AI工具,而是「愿意学会用AI帮他们解决问题」这件事本身。$500-2,000/月起,2个客户就可以覆盖所有工具成本。关键是:先找客户,再选工具——不要反过来。从AI社媒代运营入手:找10家本地企业,每家收$500/月,这是最快达到$5,000/月现金流的路径。
My Take:评分(5=最优):最快成交 4 / 最低成本 5 / 可复制 4 / 风险安全度 5。AI社媒代运营是其中入门门槛最低、现金流最快、适合有内容感知力的人优先行动的路径,ghostwriting次之
仍在热榜 3
Repo mvanhorn/last30days-skill 在榜 3d AI agent技能:跨Reddit、X、YouTube、HN、Polymarket、GitHub同步搜索任意话题,按真… AI Agent
Repo RyanCodrai/turbovec 在榜 2d 基于Google TurboQuant算法的高性能向量索引:1536维向量实现16x压缩(6KB→384字节),无需训练… Infra
Product buildpipe 在榜 4d buildpipe是一个本地优先的AI工作流自动化桌面应用,让开发者用可视化界面把步骤型流程(shell命令、AI调用、… DevTools