distillops 是一套黑盒知识蒸馏流水线：你只需要一个能判断对错的任务（比如字段抽取、个人信息识别、数学题、票据阅读），它就用大模型 API 当老师生成答案，通过验证的样本拿来微调小模型，再用 GRPO 强化学习继续提升，全程不需要老师的权重或 logits，任何 OpenAI 兼容端点都能当老师。实际效果相当能打：0.6B 的个人信息检测模型零人工标注就超过了教它的 API 模型，1.7B 学生追平 Qwen3-1.7B 的数学成绩，2B 视觉模型在票据识别上打平 32B 老师，而且每组结果都配了对照实验和置信区间。适合想把昂贵 API 调用换成可本地部署小模型的算法工程师和 ML 工程师，尤其是有可自动验证任务、又受限于成本或数据合规的场景；如果你的工作和模型训练、蒸馏无关，这个项目关系不大。

Reylo 让你把写好的 .sql 文件直接 import 进 TypeScript，自动拿到每个查询结果的完整类型，不用手写 interface，也不用生成任何代码文件。比如一条带 join 和聚合的查询，它能推断出每列的类型、是否可能为 null、返回一行还是多行、enum 列变成字面量联合类型，甚至 JSON 的形状；列名拼错了还会直接报类型错误。它靠数据库自己 prepare 查询来读取列类型，支持 Postgres、MySQL、SQLite、DuckDB，驱动可自选，也能接 Drizzle。对日常写 SQL 查询的后端或全栈 TypeScript 开发者，尤其是被「SQL 和类型定义两份代码要同步维护」折磨过的人，值得花两分钟看看；纯前端或不做数据层的人关系不大。

这是一个个人实验记录仓库，作者把自己和 AI 谈恋爱过程中攒下的 Prompt、踩坑笔记和模型体感整理成册，内容涵盖人机恋的 Persona 塑造、长期记忆与关系连续性、破限 Prompt 的时间线与实测、不同模型的体感对比，以及给 AI 接上语音、工具和 Agent 能力的玩法。每篇会标注当时用的什么模型、怎么得出结论、什么情况下还适用，也明确提醒很多旧记录已经失效。仓库含 18+ 内容，涉及 NSFW Prompt 和情色写作，公开案例只讨论成年人场景。对多数从业者来说它更像一份小众的 AI 陪伴产品观察样本，如果你在做 AI 伴侣、Character 类应用或研究长期记忆与人格稳定性，可以翻翻它的实测记录和失败案例；如果你只是找工程工具，这个仓库和你关系不大。

这是 NVIDIA 官方推出的一个 Minecraft Java 版渲染模组，基于 RTX Remix 技术，让游戏里每个方块、生物和物品都由实时光线追踪（path tracing）计算照明，光影、反射和颜色溢出都是真实算出来的，而不是贴图画上去的。它自带一张由 BlockWorks 制作的展示世界和 NVIDIA 美术团队做的材质包，还新增了一个可放置的 Copper Beacon 定向光源，以及录制相机路径回放做前后对比的功能。目前是 beta，只支持 1.21.1，与其他模组的兼容性和完整流程的适配都还在打磨中。对游戏渲染、图形编程感兴趣的开发者可以看看它的实现方式；普通玩家若想在 RTX 显卡上体验光追版 Minecraft 也可以试，但和多数互联网或 AI 从业者关系不大。

InferSSD 是一个基于 llama.cpp 的本地推理引擎，核心思路是把 MoE 模型的专家权重放在 SSD 上按需流式加载，而不是全部塞进内存或显存，因此能在内存远小于模型体积的机器上跑超大模型。它直接使用标准 GGUF 文件，自带浏览器聊天界面和 OpenAI 兼容 API，目前已支持 DeepSeek-V4.1-Flash-1017（763B 总参数、8-16B 激活）、Muse-Spark-Open（816B）和 Qwen3.6-35B-A3B 等模型。官方测试显示，在 RTX 5090 上预填充速度可达 llama.cpp 的 20 倍以上，MacBook Pro 上也有 3-5 倍提升。适合想在单机上本地跑 DeepSeek、Qwen 系列大 MoE 模型的算法工程师、推理平台开发者，以及没有多卡集群但想体验超大模型的研究者；如果你只用 API 调用云端模型，这个项目和你关系不大。