Moxnox 1.0: NT-Like, POSIX-Compatible OS Running Atop Btrfs
NEW
Moxnox 1.0 在 GitHub 发布，定位为兼容 POSIX、行为接近 Windows NT 的操作系统，并直接构建在 Btrfs 文件系统之上。项目由 maharmstone 维护，今日登上 Hacker News 新发布列表。它把 NT 风格的内核/系统调用语义与 Linux 生态的 Btrfs 结合，适合研究操作系统兼容层、文件系统与跨平台运行环境的开发者阅读源码。对想理解 POSIX 与 NT 差异、或寻找教学型 OS 项目的人，这是一个可运行、可拆解的新样本。
gitroomhq / postiz-app
DEV
gitroomhq/postiz-app 今日登上 GitHub Trending，是一个开源社媒排程工具，定位为 Buffer/Hootsuite 的开源替代。它支持多平台内容排期、团队协作与 AI 辅助文案，仓库以 TypeScript/Next.js 构建，可自托管。对独立开发者和小团队来说，这类项目能低成本搭建自己的内容发布流水线，也便于二次开发接入自有账号体系。今日上榜说明“自托管社媒运营栈”仍有较高关注度。
HKUDS / DeepTutor
AI
HKUDS/DeepTutor 今日进入 GitHub Trending，来自香港大学数据智能实验室（HKUDS）。项目定位为面向个性化学习的 AI 辅导系统，围绕课程知识组织、问答辅导与学习进度管理组织代码，适合研究 LLM 在教育场景落地的开发者。相比通用聊天机器人，它更强调可评测的教学流程与数据闭环；对想做 AI Tutor、智能作业批改或教育 Agent 的团队，可作为参考实现。
Ghostty 1.4
HOT
Ghostty 1.4 发布，这是 Mitchell Hashimoto 主导的跨平台终端模拟器新版本，今日在 Hacker News 获得 762 分、227 条讨论。1.4 重点改进安装与发行渠道，官方发布页给出 macOS/Linux 各包管理器与直接下载方式，并继续强调原生 UI、GPU 加速与低配置开销。对每天在终端里工作的开发者，升级前应关注配置兼容性与 shell 集成变化；它也代表“终端体验”正重新成为工具链竞争点。
Survival LLM: AI assistant and emergency library that runs on your own computer
AI
Survival LLM 是 brangus.io 发布的离线 AI 助手与应急资料库，主打在本机运行、断网可用。项目把本地 LLM 与生存/应急知识库打包，用户无需云端 API 即可查询医疗、净水、通信等场景信息。它适合户外爱好者、应急准备者以及想在无网环境部署私有知识库的开发者。今日 HN 185 分、99 条评论，说明“本地模型 + 离线资料”在隐私与可靠性需求下正成为实用方向。
The Haunted Terminal — An Offline Ghost in the Machine
AI
The Haunted Terminal 是一个挂接命令行的脚本：每次执行命令，本地开源 AI 模型会扮演“机器幽灵”，根据刚运行的命令生成诡异回复。作者 Sagar Rana 以“Ghost in the Machine”为主题，把 shell hook 与本地模型结合，不依赖云端。它更像创意编程/终端玩具，但演示了如何用轻量 hook 捕获命令上下文并调用离线模型。对想做 CLI 插件、终端 AI 助手或万圣节彩蛋的开发者有直接参考价值。
Supabase RLS policy examples: copy-paste policies for 7 common app patterns
DEV
这篇 Dev.to 教程给出 7 种常见应用模式的 Supabase Row Level Security 策略，可直接复制到项目中使用。文章按“每张表匹配一种模式”的思路，覆盖用户私有数据、团队/组织共享、公开只读、管理员绕过等场景，SQL 遵循 Supabase 官方 RLS 文档。作者来自 SniffPup，但明确说明不依赖其扫描工具。对刚上手 Supabase 的开发者，RLS 配错等于数据裸奔；这些模板能帮你快速建立最小权限基线，再按业务收紧。
How to find exposed API keys on your website (a 7-step check)
DEV
这篇 7 步检查指南教你找出网站前端暴露的 API Key：凡是发送到浏览器的 HTML、JS bundle、source map，以及遗留在 Web 根目录的文件，访问者都能读取。文章给出从枚举静态资源、搜索常见密钥前缀、检查构建产物到轮换凭证的流程，并强调即使没有扫描工具也能手工完成。作者来自 SniffPup，但步骤不依赖其产品。对前端和全栈开发者，这是一份低成本的安全自查清单，尤其适合上线前跑一遍。
TIL: Fix the Shell Environment Before Troubleshooting GBase Database
DEV
这篇 TIL 指出 GBase 8a 集群装好后直接运行 gcadmin 常会遇到 command not found 或意外集群状态，根因往往不是数据库本身，而是当前 shell 没有加载集群环境变量。文章给出排查顺序：确认安装目录与环境脚本、source 正确的 profile、检查 PATH 与集群用户，再执行 gcadmin。对刚部署 GBase 的工程师，这是一条能快速排除“假故障”的实用经验；也提醒我们把环境初始化纳入安装 checklist。
科技爱好者周刊（第 416 期）：编程已经面目全非
HOT
阮一峰《科技爱好者周刊》第 416 期以“编程已经面目全非”为题，延续每周五篇科技分享的结构，聚焦 AI 编程工具对开发者工作方式的重塑。文章通常由观点、工具/资源推荐与读者互动组成；本期标题暗示作者对“写代码”这件事的判断正在变化：从手写语法转向描述意图、审查生成结果与搭建验证流程。对一线开发者，值得把它当作一周技术情绪与工具风向的索引，而不是单篇教程。
Here be monsters: What do you still need to know when agents do the work?
AI
这篇深度文章讨论当 AI Agent 接管更多工作后，人类还需要掌握什么。作者从“地图边缘画怪物”的隐喻出发，区分可交给代理的确定性任务与仍需人类判断的模糊地带，强调规格编写、结果验证、系统边界和故障归因能力。文章不是工具评测，而是对 Agent 工程化的风险清单：越自动化，越需要人理解底层契约与失败模式。对正在把 Agent 引入生产流程的团队，这是一篇适合复盘架构与权限设计的参考。
Four Months of Zig
DEV
《Four Months of Zig》记录作者连续四个月使用 Zig 语言的实际体验，覆盖构建系统、C 互操作、内存管理、错误处理与社区生态。文章既肯定 Zig 在低层控制、编译速度和可读性上的取舍，也指出包管理、文档与第三方库仍不成熟。对考虑把 Zig 用于系统工具、嵌入式或高性能服务的开发者，这类长周期一线报告比语言宣传更有价值：它把“学习成本”和“生产可用性”拆开讲清楚。
How do you train a PyTorch model on multiple GPUs?
AI
这篇 Dev.to 问答式教程解释如何在多 GPU 上训练 PyTorch 模型：单卡放得下就用 DistributedDataParallel（DDP），放不下就用 FSDP 做参数分片，并通过 torchrun 为每张 GPU 启动一个进程。文章还给出在 Nodus 上运行 8 张 H100、甚至多节点的命令示例。对从单卡转向多卡训练的团队，关键不是改模型，而是理解进程组、梯度同步与分片策略；文中命令可作为最小可复现起点。
Your Workflow Said Success and Nothing Happened: Verifying Side Effects in n8n
AI
这篇实战文章讨论 n8n 工作流“全绿但什么都没发生”的问题：节点返回成功不等于副作用真的落库、发信或调用外部 API 成功。作者来自 build-in-public 的 LLM 工作流实践，给出在 n8n 中增加副作用校验、幂等键、失败重试与告警的做法，并强调要记录可复现的上下文。对用 n8n 跑 LLM 生产流程的团队，核心教训是：把“执行成功”与“业务成功”分开验证，否则自动化只会放大静默失败。
23 jobs run by AI agents, 5 by me, 1 by nobody: the org chart of a one-person studio
AI
一位独立开发者公开其“一人工作室”的组织图：23 项工作由 AI Agent 执行，5 项由本人负责，1 项无人负责。文章不是炫耀自动化，而是把公司所需职能逐项拆开，用系统地图在每次构建时生成表格，暴露哪些环节可委托、哪些必须人审、哪些被遗漏。对想用 Agent 放大个人产能的开发者，这份案例的价值在于“先画职能边界，再谈自动化”；它也提醒 Agent 编排需要所有权与兜底机制。
今天最明显的信号是 AI 进入“验证期”：n8n 节点全绿但业务没发生、Agent 接管 23 项工作却需要人兜底，说明大家不再只问模型能不能做，而是问结果如何证明、失败如何归因。工程重点正从提示词转向可观测性与权限边界。
工具侧，Ghostty 1.4 与 Survival LLM 分别代表两条路线：把日常终端体验做到极致，以及把模型塞进断网可用的本地环境。前者争夺开发者注意力，后者服务可靠性与隐私。两者都说明“工具”正在重新成为技术内容的高流量入口。
教程也在变：Supabase RLS、暴露 API Key 检查、GBase 环境排查，都是上线前会踩的坑，而不是语言入门。读者更愿意为可复制的检查清单和失败案例买单。对内容生产者，少讲概念、多给可验证步骤，才是今天的差异化解法。