🔧
好用工具推荐66

分享值得使用和关注的有用工具

Sen
整理一些我平时常用的 Vibe Coding 利器： Cuelume 给网页添加交互音效的轻量声音库，内置 14 种实时合成的提示音 Paper Shaders React Shader 组件库，可以直接使用纸张纹理、液态金属、网点、渐变和噪声等效果 21st.dev 收录 12,000 多个 React 组件、模板和 shadcn 主题，复制 Prompt 就能让 Agent 写入项目 Deck Gallery 演示文稿灵感图库，涵盖 Pitch、品牌规范、报告和作品集等类型 Brand Archive 历史与当代品牌视觉资料库，可以查找 Logo、字体、配色和应用案例 The Index 收录全球设计工作室、设计师和字体厂牌，适合寻找合作对象和视觉参考 Refero Styles 收录 2,000 多套产品网站的设计系统，并整理成 AI 可读的 DESIGN.md Taste Lab 可以从任意网站反向提取设计品味的 Skill，并生成 Design Map 和 Taste DNA 「工具是一个过程：用大小形状都合适的物体，以最有效的方式完成工作。」
Marie•O
这个mood.md 真的很好用！ 测试后大大提升设计风格和调性的准确度
无糖可乐
🎉 我的 macOS 小应用：DeskToys —— 可以在 Mac 桌面上弹跳碰撞的物理小玩具。无订阅，也不画任何“生产力”大饼。 大家好呀！👋 我最近做了一款轻量 Mac 应用，叫 DeskToys：里面塞了一堆“活”在桌面上、带物理效果的小玩具。你可以随手抓起一个甩到屏幕另一边，看着它一路弹跳、翻跟头。😄 🌟 为什么要做 DeskToys？ 我每天坐在 Mac 前面的时间实在太久了。某天我突然发觉，自己整天盯着看的桌面，居然是整台电脑里最无聊的地方——就一张壁纸和几个孤零零的图标。 与此同时，我装的每一个软件似乎都想帮我管理任务、或者搞什么工作流优化。我真的不想要这种东西了。我只是单纯希望桌面能有点生气，就像现实里的书桌一样，慢慢被各种零零碎碎的小玩意摆满。 于是我做了 DeskToys：一个安放在桌面上的微型物理游乐场。这里面的玩具个头不大，动作有点笨拙，而且基本没什么实际用处——但这恰恰就是它的意义所在。 核心功能： 微型物理游乐场 在屏幕上随手拖拽、把玩具甩出去，它们会受到重力影响；彼此之间会碰撞弹开，在你的各个窗口边缘翻滚跌落，最后停在物理引擎决定的位置。 玩具套装与节日主题 内置了好几套玩具，并且会跟着节日不断补充，比如感恩节火鸡、圣诞树小挂饰这一类的东西。 默认安静，不抢戏 当你在其他 App 里忙工作时，DeskToys 会自动暂停并退居幕后。只有当你转头瞟一眼桌面时它才在那里，绝不干扰正常工作，同时也非常省电。 后续规划： App 里其实也带了几个桌面小摆件（时钟、日历、便签），但玩具才是核心，这也是我想继续深挖的方向：加入更多玩具套装和节日限定。如果你有什么特别想摆在电脑桌面上的小物件，随时跟我说，说不定后面就会加进去！🧸 💻 感兴趣的话可以来看看 DeskToys 的链接就在里面。 祝大家玩得开心！
DeskToys: Cozy Desktop Widgets & Physics Toys for MacDeskToys 是一款专为 Mac (macOS) 设计的物理引擎桌面玩具与小组件 App。提供实时碰撞桌面玩具、翻页时钟、便签及萌宠，告别单调桌面。https://desktoys.lovehealth.space/zh
金石徐开
「翻 Eagle 的时候回顾了一批很有意思的设计」 封面来自 sacred.computer - 模仿 TUI 风格的 React 组件系统 https://www.sacred.computer/ （也许可以把 Bonjour Web 变成这样？和 AI 大人许个愿试试 🩷） - 用 p5.js 做的一套字形生成器 https://spacetypegenerator.com/ - 一位 Vercel 设计工程师，在没有 AI 的时候手搓的个人主页 https://henryheffernan.com/ - 关于书籍、文字排印 https://anothergraphic.org/ - 一些免费的西文字体 https://www.fontshare.com/
Vincent
很喜欢最近下载的 VibeIsland！ 作用是在 CC 完成 Coding 后会在顶部提醒，是很有灵气的小应用！ https://vibeisland.app/
中华小当家
Ableton 里可以打台球了🎱 艺术家 Sebastian Tomczak 做了一个 Max for Live 装置，把一张台球桌塞进了 Ableton Live里。 玩法也很简单： 🎱 拖一下白球 → 球开始运动 → 撞到其他球 → 发生碰撞 → 碰撞变成 MIDI 音符 → 最后……你打出来的台球，真的会变成一段音乐。 所以你可以一边打台球，一边用物理学作曲。更有趣的是，画面里可以同时跑着一大堆球。它们互相碰撞、弹开、改变轨迹，每一次撞击都可能成为音乐的一部分。 🔎 GitHub 搜索：little-scale-max-for-live 🎛️ Ableton Live + Max for Live 🆓 免费
中华小当家
我们习惯把互联网理解成一个永远向前更新的东西，但有一个叫做「Internet Archive」的地方，还一直在保存这些互联网的旧版本。 它是一家成立于 1996 年的非营利数字图书馆，除了书籍、电影、音乐、软件等数字资料，最出名的项目就是 Wayback Machine。你只需要输入一个网站，就可以回到它过去某个时间点的样子。 比如你可以看看 2000 年的 Google 长什么样，或者翻翻一个已经消失的网站，或者找回十几年前的网页设计，又或者看看一个品牌是怎么一步步变成今天的样子。 Archive 里还有大量老软件、游戏、电脑杂志、现场演出、广播和各种社区上传的数字资料。对于做设计的朋友来说，回头看看这些互联网的古早老物件，还是很有启发性的。
未知链接No description foundhttps://web.archive.org
单宁酸
今天推荐一个我高强度使用而且一定离不开的好工具。 https://surge.sh/，一个部署静态网页的工具，有几个值得说的优点。 1. 无限且免费 2. 自定义 domain 3. 是命令行工具所有可以直接让claude code或类似工具直接帮你使用 4. 其部署的网页不需要科学上网就可以访问 5. 不依赖github账号，即使纯粹的小白不掌握git也可以使用
Alex
那天在bonjour刷到大家在讨论一个痛点，就是脑子里的前端动效很难用准确的术语描述给AI，于是花了一天时间搓了一个工具出来解决这个痛点。 有需要的朋友可以来加我bonjour好友和微信，我把安装包（arm64的dmg）发给你。我决定让这个工具永久完全免费！有什么改进建议都可以和我说。 Happy building！
Forrest 🚎
@Ulshké 刚好问到在用什么 blog 平台，也发一下社区推荐！是做「沉浸式翻译」的 Owen 捣鼓的新平台 Jant：https://jant.me 以下来自 Owen 的分享： 介绍：https://www.owenyoung.com/jant 示例： Owen 的博客： https://www.owenyoung.com 朋友的： https://mlyz.me/ https://sauman.jant.blog/ https://luxi.blog https://notes.darylam.com https://thread.yitianyigexiangfa.com https://www.afan.wiki https://jopuslee.com https://createmyself.jant.blog/
thehengyao
不知道有多少人和我一样很喜欢Claude小人👾 开启工作第一件事必打开它们的电台 真是太可爱了(⁎⁍̴̛ᴗ⁍̴̛⁎)
Captain
Hello，朋友们，在多 LLM 供应商环境下，API 格式差异带来的维护成本让人头疼。 我希望有一个统一的基础设施，让开发者和普通用户可以轻松地切换不同的 LLM 供应商，而无需关心 API 格式差异，但很可惜无论 AI SDK 这种开源产品还是 openrouter 这种商业产品，他们都只是做了统一出口，并不提供自由转换。 于是我花了 3 周时间开源了一个叫 Amux 的项目，它包含两个核心部分。 对于开发者，你可以使用 LLM Bridge，它是一个双向 API 适配器 NodeJS Package，可以在不同的 LLM 提供商格式之间进行双向、无缝转换。 它建立在三个核心概念之上：适配器（Adapters）、IR（中间表示） 和 桥接（Bridge）。目前我做了 OpenAI、Anthropic、DeepSeek、Gemini、Moonshot、Zhipu、Qwen 等 7 个主流大模型供应商的适配器，更多厂商适配器还在开发中。 你可以用这个核心 Package 来帮助你的 AI Agent 项目进行 LLM 供应商的切换，无需关心 API 格式差异，IR层做了丰富的处理，你也可以在这里接入统一的网关进行管理，方便我们的开发。 对于普通用户，你可以使用 Amux Desktop，它是一个开源桌面应用，使用 Electron 构建，它可以让用户轻松地配置、切换不同的 LLM 供应商，当你有一个供应商 API Key，你可以使用 Amux Desktop 来本地代理你的请求，并且可以将它转为任何主流厂商的 API 格式，从而一个厂商的 API Key 构建多个桥接双向代理，接入你的不同 Agent 产品。 我在 Amux Desktop 中集成了 CF Tunnel，你可以使用它来代理你的本地请求（内网穿透），从而实现跨设备、分享给朋友使用。 同时 Amux Desktop 还集成了 Antigravity、Codex 的多账号 Oauth 登录+代理池，你可以使用它来登录你的多个 Antigravity、Codex 账号，并将他们转出任何厂商格式的 API（即2API）。 你也可以在 Amux Desktop 中统一管理所有厂商的 API Key，监控他们的使用。 更多功能大家可以自行体验。 官网及 LLM Bridge 文档：https://amux.ai，欢迎大家查看，官网写的比较仓促，LLM Bridge 文档写的比较详细，但还没有仔细校对，有任何问题欢迎大家提出。 仓库地址：https://github.com/isboyjc/amux Amux Desktop 下载地址：https://github.com/isboyjc/amux/releases 由于项目还在早期阶段，并且我个人业余时间有限，所以项目可能还存在很多问题点，欢迎大家使用和 star，也欢迎大家提出建议和反馈（Issues 或私聊都可以），如果有开发能力和兴趣也可以参与进来，添加更多的厂商适配器 Package，或者参与 Amux Desktop 的开发（PR 或者 Issues），从而一起完善这个项目。 注：客户端我只测试了 MacOS，Windows、Linux 版本大家可以自行安装测试，欢迎反馈。 感谢大家的支持！
Felixhan
体检报告看不懂？尝试做个3D人体网站 每次拿到体检报告，第一眼先找↑↓。 但指标对应身体哪里、那个器官到底长什么样，很多时候还是一头雾水。 于是，我把AI和3D人体可视化结合，做了一个可以探索身体的网站。✨ 🧍 旋转、放大人体模型，从不同角度了解身体构造。 🔍 点击器官，把陌生的名称和身体位置对应起来。 📄 输出指标参数或上传体检报告，结合可视化界面，辅助理解报告里的信息。 我希望它有一点未来感，也足够简单——让没有医学背景的人，也愿意点进去看看，多了解自己的身体。 这也是我们一直想做的事：让AI走进社区，让技术成为日常生活中用得上的工具。 目前还在持续打磨。你最希望它帮你看懂报告里的哪一部分？欢迎留言👇 注：人体模型用于科普展示，并非个人医学影像重建；报告辅助解读不能替代医生诊断。
未知链接No description foundhttps://felixhan.cc/health-body
趴趴熊
一篇最新的论文通过大量实验来验证什么时候多智能体系统（MAS）比单智能体（SAS）更好。 文章对比了 SAS 基线以及四种 MAS 架构： - 中心式：由一个中心 agent 进行任务协调； - 去中心式：agent 之间直接通信； - 独立式：多个 agent 独立解决任务，最后统一结果； - 混合式：同时有中心 agent 和 p2p 通信。 并在 6 个 benchmark 上进行实验： - Finance Agent：金融分析； - BrowseComp-Plus：网页搜索； - WorkBench：现实工作场景任务； - SWE-bench Verified：软件工程任务； - Terminal-Bench：终端任务； - PlanCraft：游戏规划。 主要结论如下： 1. MAS 没有普遍优势，在不同 benchmark 上的结果极其分化，在 Finance Agent 上可以达到 80.8% 的提升，而 PlanCraft 上会导致 -70%～-39% 的负收益。 2. SAS 基线的表现是判断是否应该使用 MAS 的最有用的标准，当 SAS 已经足够强时，继续加入 agent 很可能带来零收益甚至负收益，而实验得出的成功率阈值是 45%。 3. 任务的可拆解性和复杂性共同影响 MAS 效率。MAS 在可拆解的任务中可以获得很大收益，但在高复杂度的线性任务中往往会导致退化。 4. MAS 会导致错误信息的传播进而影响表现，不同 MAS 架构对于错误传播的阻断效果不同，中心式架构最能阻断错误传播，而独立式架构最难阻断错误传播。 这篇论文还有很多有意思的结论，我就不一一列举了，感兴趣的小伙伴可以去看原文，原文做了大量的实验和严谨的检验。 原文链接：https://www.nature.com/articles/s42256-026-01268-y 第一次做这种内容感觉很粗糙，后续我会再发布一些多智能体系统以及智能体自进化相关的内容。
Capable language models can outgrow the benefits of collaboration - Nature Machine IntelligenceAgents, language model-based systems that can reason, plan and act with tools to accomplish tasks, are widely deployed, yet it remains unclear when multi-agent coordination outperforms a strong single agent. Here we conduct a controlled experiment that holds task prompts, tools and compute budgets constant while varying only coordination structure and model capability. Across 260 configurations spanning six benchmarks, five architectures and three LLM families, we derive a predictive model using empirical coordination metrics. Across benchmarks, single-agent baseline performance emerges as the most robust predictor of whether coordination improves or decreases performance. In particular, we identify an empirical capability-saturation threshold beyond which additional agents are unlikely to improve performance. This threshold correctly predicts the effect of multi-agent coordination on performance in 94% of validation configurations on SWE-bench Verified and Terminal-Bench. We therefore interpret this threshold as a practical selection rule rather than a universal scaling principle. A second effect, baseline-scaled error amplification, survives cluster-robust inference (Probust = 0.030) and supports the failure-mode taxonomy. The fitted model achieves cross-validated R2 = 0.373 (0.413 with a task-grounded capability metric) and selects the best architecture in 87% of held-out configurations. These results provide a quantitative framework for within-domain architecture selection and for estimating when multi-agent coordination is likely to improve performance or add overhead. A controlled study of large language model agents across 260 configurations shows when multi-agent collaboration helps or hurts performance, and introduces a predictive model that selects the best architecture in 87% of held-out within-domain configurations.https://nature.com/articles
May学姐
失眠睡不着 不想吃药 怎么办 现在我已经离不开它了 我的电子解药 失眠神器Linka SE 跟闺蜜开玩笑说🤫晚上身边可以没有人但不能没有它！！🥹没有它我睡不着啊啊啊啊啊 15分钟 快速无创 困意袭来🙂‍↕️
Ollie
又被自己的生产力吓到！ 一个人1个小时干完了过去需要一整个运营团队筹备的launch计划（第一次尝试用cursor跑ads- assets和strategy、以及blog-content） 不得不说，太高效而且质量真的很高 期待下落地下去的ROAS🥹🥹 #cursor #ads
Libra
老资历时间！😎
Bonnie！
《当我用reverse engineer了200家AI startup之后》 medium上一个作者深入调查了200家AI创业公司发现: 73%拥有“自研 AI 模型”的公司其实都是在调用第三方API，aka套壳。 被研究的公司的成立时间均大于6个月以上，拿到外部融资，来自YC, product Hunt, 以及领英上正在招人的公司。 结果belike: 1. 73%宣称自有模型的公司都是chatGPT和claude的换壳包装 2. 42家公司用的技术栈几乎一样 3. 只有7%的公司真正训练了自己的模型 快速剥壳一家公司： 1. 检测网络流量：例如：api.openai.com 或者 api.anthropic.com 2. 看响应延迟：200-350ms 是 OpenAI 的典型响应模式 3. 查javascript bundle： “openai”、“claude”、“sk-proj-” 等关键字 4. 看营销：模糊的“先进 AI”描述约等于redflag