QuickShot：截图，本该如此优雅——自研截图工具正式开源
作者岚叔宣布将自研的 macOS 截图工具 QuickShot 正式开源。该工具支持悬停识别窗口、彩虹轮廓高亮截图、圆角外透明等特性；内置十种标注方式，支持二次编辑、移动、改色和无限撤销重做；提供署名美化、渐变背景、多种比例设置并可保存为默认样式；还具备多图拼接、窗口置顶贴图、本地 OCR 文字识别等功能。所有截图和文字均在本地处理，不上传、无需账号，注重隐私。文末附官网、下载和源码地址，邀请用户体验、Star 和提建议。
相关文档
文心 Unlimited OCR 2 横评：杀手锏不是读得多，而是每一步只看该看的
作者基于此前多次 OCR 横评经验，介绍百度文心团队开源的 Unlimited OCR 2。作者实测 1665 页《平凡的世界》图片版 PDF，40 分钟完整解析，3623 页《哈利·波特》也只需 90 分钟。其核心创新是 SR-SWA（稀疏参考滑动窗口注意力），通过 Page Gate 划定相关页面、Token Sieve 挑选 top-k 视觉块，使每步计算量不随页数增长；配合无限解码机制，百页文档峰值显存从 47GB 降至 1.77GB。与全注意力相比快 7 倍，在 MarathonDocBench 上保持 SOTA。短板是全局结构信息（如标题层级）保留不足。
Faceplugin 开源人脸识别 SDK：本地运行、完全免费
Faceplugin 宣布开源一整套人脸识别 SDK，号称全球首个彻底免费开源的人脸识别方案，支持 Windows 和 Linux。其亮点包括：全程本地运行，数据不出设备，不上传云端；无需独显，CPU 即可支撑运行；提供 Python 接口，支持人脸检测、关键点提取和特征比对。作者认为对白嫖党很有吸引力，但也提醒免费版在精度和活体检测方面可能有所缩水，若要正式投产使用还需自行权衡评估。
腾讯开源微信端到端文档解析模型 WeVisDoc
腾讯开源了微信团队的端到端文档解析模型 WeVisDoc，提供 2B 和 4B 两个版本。模型可将整页文档图片直接转换为 Markdown，无需分别裁剪标题、正文、表格和公式。它能保留复杂文档结构：正文转 Markdown，公式转 LaTeX，表格转 HTML，并恢复阅读顺序。版面理解、文字识别、公式识别和表格重建均由单一视觉语言模型完成，无需额外部署版面检测器或 OCR 引擎。2B 适合资源有限场景，4B 在拍照、翻拍等退化页面表现更优，在公式和表格解析方面端到端领先。
How To Fine-Tune a Small LLM on Your Own Data (Full Guide)
这是一篇关于微调小型LLM的完整实战指南。作者指出不需要70B大模型或昂贵算力，1.5B参数模型在200-500个优质样本上微调后，可在特定任务上超越通用提示的前沿模型。文章以商业融资文案生成为例，详细讲解了微调的实际目标、建立基线（纯提示、RAG、微调）的先后顺序，并分步骤介绍了小型基座模型选择（如Qwen2.5-1.5B）、数据权利合规、可复现数据下载、PDF文本提取与OCR、文本清洗、训练数据集构建、QLoRA训练、评估与部署，每一步均附完整代码。
Chrome 多窗口管理工具 ChromeManager 4.0 发布
ChromeManager V4.0 正式发布，这是一款开源免费的 Chrome 多窗口管理工具。本次版本从底层全面重构，由 Python 迁移到 Go + Wails 3 + Vite 架构，并新增 macOS 支持。同步功能覆盖 Chrome、Edge、Opera、Brave 四款浏览器，优化键鼠、网页操作和扩展弹窗同步。最重要的新特性是开放本地 API 并提供 Skills 仓库，接入 OpenClaw、Hermes 等 Agent 后，可实现一个 Agent 同时调度多个浏览器窗口，完成批量导航与页面操作，降低 Token 消耗、提升效率。作者同时提醒注意代码审查与资产安全，并感谢社区贡献者。
正式开源huashu-mac-use，让任何agent获得接近GPT-6的Computer use能力
作者花叔开源了huashu-mac-use skill，让Claude Code、Codex、Cursor等agent在Mac上操控无API的原生app。文章展示了用Claude Code操控Blender生成10万吨邮轮参数化模型和巧克力甜甜圈渲染动画的案例。核心原则是：能走脚本接口就不看图、能不点鼠标就不点鼠标，读操作不抢用户焦点，写操作前过四道闸，每步操作需回读验证留下可复现证据。skill按app内核（原生/Chromium/辅助功能树）自动选择操控通道。作者还介绍了以『教训变工具行为』为核心的进化机制，通过评审、重构把踩坑日记压缩成高效接口。
From rg to zg: Local Search Beyond Keywords
阿里Qwen团队开源了zg（zvec-grep），一个面向人类和Agent的本地优先搜索基础设施。zg结合向量搜索、BM25和ripgrep的精确匹配能力，从本地代码和文档中提取、组织并索引内容，将本地检索从关键词匹配扩展到语义发现、相关性排序和精确验证。它支持CLI和MCP接口，可自动发现并配置Codex、Claude Code、Cursor等工具，减少Agent的搜索迭代、工具调用和上下文消耗。所有扫描、索引和嵌入生成默认在本地设备运行，保护数据隐私。
大疆 4G 模块开源玩法大全：eSIM、短信、电话、VoWiFi、代理全都有
文章介绍了大疆一代 4G 模块（QDC507）在开源社区的各种玩法。通过 GitHub 上的开源项目，这个原本的无人机配件可以被改造成完整的蜂窝通信终端，实现收发短信、电脑直接打电话、接收验证码、管理 eSIM Profile、4G 蜂窝上网、VoWiFi/IMS、SOCKS5 代理以及多模块多出口等功能。作者详细对比了多个项目：面向 macOS 的 DJOneHub、原生化的 DJOneHubNative、Linux 平台的 SimAdmin、专注 VoWiFi 的 VoCat、解决 Mac 网卡问题的 4G-Connect、菜单栏应用 MaVo，以及功能最完整的 CellDock，并给出了不同需求下的选型建议。
爆肝3天，开源AI原生截图神器：拓！可以塞进任何Agent使用～
作者袋鼠帝开发并开源了一款AI原生截图工具“拓（Ta）”，具备钉图、标注、马赛克、截长图等常规功能，并深度集成AI能力：框选即可OCR识别文字、翻译并自动复制到剪贴板，还支持AI识图。拓可作为skill或CLI接入任何Agent（如Codex），实现自动截图获取报错信息等自动化流程。开发过程使用智谱最新开源模型glm-5.3-flash，作者评价其coding、agent与视觉能力出色，价格仅为Opus的1/40，兼具速度、性能与性价比，标志前沿模型进入普惠时代。
Stirling-PDF：登顶GitHub榜首的3000万下载开源PDF处理神器
文章介绍了开源项目Stirling-PDF，该工具凭实力登上GitHub榜首并累计3000万下载量。它内置超过50种PDF操作功能，涵盖编辑、合并、拆分、电子签名、敏感信息脱敏、格式转换、OCR识别和智能压缩等场景，还支持通过无代码Pipeline搭建自动化批量处理流程。部署门槛极低，一行Docker命令即可启动。最新版本接入MCP协议，意味着AI Agent未来可将其作为底层能力引擎，自动化完成复杂PDF任务，有望成为PDF处理领域的标准基础设施。
Prism Browser 正式开源：永久免费无限环境的指纹浏览器
Prism Browser Community 正式开源，提供基于 Chromium 的本地指纹浏览器环境管理，永久免费且环境数量不设限。支持独立配置、代理设置及多种指纹保护，数据本地存储保障安全。Pro 版提供新内核、自动化 API 及 AI 协作功能。
