[8/25 - 8/31] GitHub Weekly Digest

📌 asgeirtj/system_prompts_leaks

簡介

本專案旨在收集和彙整各公開部署聊天機器人中的系統訊息指令（System Prompts Leaks）。它記錄了這些聊天機器人的內部指示，為研究其行為模式和潛在資訊洩漏提供了寶貴資源。

主要功能

• 彙集了從多種公開部署聊天機器人中發現的 System Prompts Leaks。
• 提供各個機器人的原始內部系統訊息指令。
• 作為研究聊天機器人行為、安全性和潛在資訊洩漏的參考資料。

如何使用

• 您可以透過提交 PR's (Pull Requests) 來貢獻新的 system message instructions 或更新現有內容。
• 若有任何疑問或想進行討論，請使用專案的 discussions tabs。
• 請勿在 Issues tab 中發起一般性討論，Issues tab 應保留用於報告問題或提出具體改進建議。
• 可透過 Discord 平臺參與社群互動或獲取進一步資訊。

📌 plait-board/drawnix

簡介

Drawnix 是一款開源且免費的 SaaS 白板工具，提供一體化的創作平臺。它整合了思維導圖、流程圖、自由繪畫等多種功能，旨在成為一個開箱即用的全方位創意工具。

主要功能

• 免費與開源： Drawnix 是一款完全免費且開源的協作白板工具。
• 多樣繪圖功能： 支援思維導圖、流程圖、畫筆工具及圖片插入功能。
• 靈活匯出與儲存： 可將內容匯出為 PNG、JSON(.drawnix) 格式，並支援瀏覽器快取自動儲存。
• 強大編輯特性： 提供撤銷、重做、複製、貼上、縮放、滾動等編輯功能，並具備無限畫布。
• 智慧語法轉換： 支援 mermaid 語法轉換為流程圖，以及 markdown 文字轉換為思維導圖。
• 外掛化架構： 基於 plugin mechanism 設計，提供高度擴充套件性，並能支援多種 UI frameworks（如 Angular, React）。
• 最佳化使用者體驗： 支援主題模式，並已適配移動裝置。

如何使用

• 您可以透過訪問 Drawnix 的線上應用程式 https://drawnix.com 來直接使用此工具。

📌 moeru-ai/airi

簡介

Project AIRI 旨在重現如 Neuro-sama 般的 AI waifu/虛擬角色，讓使用者能隨時隨地擁有並與其數位生命互動。此專案基於 Web 技術開發，支援瀏覽器、行動裝置及桌面版，並透過 HuggingFace & candle 支援原生 GPU 加速。目前正處於早期開發階段，積極尋求貢獻者加入。

主要功能

• 數位生命核心能力 (Brain): 能夠執行遊戲如 Minecraft 和 Factorio (WIP)，並在 Telegram 和 Discord 進行聊天。
• 記憶系統 (Memory): 支援純瀏覽器內的資料庫 (DuckDB WASM | pglite) 及開發中的 Memory Alaya，並提供瀏覽器內的 WebGPU 本地推論。
• 聽覺輸入 (Ears): 可從瀏覽器或 Discord 獲取音訊輸入，支援客戶端 Speech Recognition 及 Talking Detection。
• 語音輸出 (Mouth): 整合 ElevenLabs 進行高擬真度 Voice Synthesis。
• 虛擬身體控制 (Body): 全面支援 VRM 和 Live2D 模型，包含自動眨眼 (Auto blink)、自動凝視 (Auto look at) 及閒置眼部動作 (Idle eye movement) 等動畫控制。
• 廣泛的 LLM API 支援 (LLM API Providers): 透過 xsai 支援多種 LLM 服務，包括 OpenRouter, OpenAI, Google Gemini, Anthropic Claude, Ollama 等。
• 跨平臺執行: 支援現代瀏覽器、PWA 的行動裝置及利用原生 GPU (NVIDIA CUDA, Apple Metal) 的桌面應用程式。
• 開放與擴充套件性: 提供 plugin systems，方便使用者整合及擴充套件功能。

如何使用

• 開發環境設定:
  • 首先，執行 pnpm i 安裝專案依賴。
  • 接著，執行 pnpm dev 即可啟動開發伺服器。
• Stage Web (瀏覽器版本):
  • 使用 pnpm dev 啟動，或直接訪問 airi.moeru.ai。
• Stage Tamagotchi (桌面版本):
  • 需參考 CONTRIBUTING.md 設定開發環境。
  • 透過 pnpm dev:tamagotchi 啟動。
  • 若使用 Nix，確保 flakes 已啟用，然後執行 nix run github:moeru-ai/airi。
• 檔案網站:
  • 執行 pnpm dev:docs 啟動檔案網站的開發模式。
• 釋出 (Publish):
  • 執行 npx bumpp --no-commit --no-tag 後，請手動更新 Cargo.toml 中的版本號。
• 貢獻專案:
  • 歡迎各領域開發者、藝術家和設計師加入，詳細貢獻指南請查閱 CONTRIBUTING.md。
  • 正在尋找 Live2D modeller, VRM modeller, Computer Vision, Speech Recognition, WebGPU 等領域的專家。
  • 有興趣者可在 Discord 伺服器上自我介紹。

📌 winapps-org/winapps

簡介

WinApps 讓您能在 GNU/Linux 系統（如 KDE Plasma、GNOME 或 XFCE）上無縫執行 Windows 應用程式，包括 Microsoft 365 和 Adobe Creative Cloud，提供如同原生應用般的整合體驗。其透過 Docker、Podman 或 libvirt 虛擬機器執行 Windows，查詢已安裝的應用程式，並利用 FreeRDP 將選定的 Windows 應用程式無縫渲染到 GNU/Linux 環境中。

主要功能

• 能夠在 GNU/Linux 系統上無縫執行 Windows 應用程式，如 Microsoft 365 和 Adobe Creative Cloud。
• 支援所有 Windows 應用程式，但不包括核心級別的反作弊系統（例如 Riot Vanguard）。
• 透過 Docker、Podman 或 libvirt 虛擬機器執行 Windows，並將應用程式捷徑建立到 GNU/Linux 主機上。
• GNU/Linux 的 /home 目錄可透過 \\tsclient\home 在 Windows 中存取。
• 整合 Nautilus，支援右鍵點選檔案，根據檔案的 MIME type 使用特定的 Windows 應用程式開啟。
• 提供官方工作列小部件，以便無縫管理 Windows 子系統並啟動 Windows 應用程式。
• Microsoft Office 連結（例如 ms-word://）會自動在 Windows 子系統中開啟。
• 社群測試的應用程式享有高解析度圖示和預設的 MIME type，以便檔案管理器識別。

如何使用

• 步驟 1：配置 Windows 虛擬機器 (VM)
  • 使用 Docker、Podman 或 libvirt 建立或配置一個 Windows VM。
  • 推薦後端為 Docker 或 Podman 以實現自動化安裝。
  • 所有方法均利用 KVM 虛擬化以提供高效能。
• 步驟 2：安裝相依套件
  • 根據您的 GNU/Linux 發行版安裝必要的套件，例如 Debian/Ubuntu：

    sudo apt install -y curl dialog freerdp3-x11 git iproute2 libnotify-bin netcat-openbsd

  • WinApps 要求 FreeRDP v3 或更高版本。
• 步驟 3：建立 WinApps 配置檔案
  • 在 ~/.config/winapps/winapps.conf 中設定您的 Windows 使用者名稱 (RDP_USER)、密碼 (RDP_PASS) 和後端 (WAFLAVOR)。
  • 務必將 ~/.config/winapps/winapps.conf 的許可權設定為 600，僅限您的使用者帳戶可存取。
• 步驟 4：測試 FreeRDP 連線
  • 執行 FreeRDP 命令測試 RDP 連線至您的 Windows VM，例如：

    xfreerdp3 /u:"Your Windows Username" /p:"Your Windows Password" /v:192.168.122.2 /cert:tofu

  • 若出現憑證錯誤，請刪除 ~/.config/freerdp/server/ 中相關的舊憑證後重試。
• 步驟 5：執行 WinApps 安裝程式
  • 在 Windows VM 啟動狀態下，執行以下命令完成 WinApps 安裝：

    bash <(curl https://raw.githubusercontent.com/winapps-org/winapps/main/setup.sh)
    

  • 可透過 winapps-setup --help 查詢更多引數。

📌 HKUDS/DeepCode

簡介

DeepCode 是一個開源的多代理程式程式碼生成平臺，透過 AI Agents 將想法轉化為可投入生產的程式碼。它旨在推程序式碼生成技術，提供 CLI 和 Web 介面，將研究論文和自然語言轉化為高品質、可投入生產的程式碼，有效解決程式碼實作複雜性、研究瓶頸、開發延遲及重複編碼等挑戰。

主要功能

• Paper2Code：自動將複雜演演算法從研究論文轉換為高品質、可投入生產的程式碼，加速演演算法的重現與實作。
• Text2Web：自動化前端網頁開發，將純文字描述轉化為功能齊全、視覺吸引力的前端網頁程式碼，實現快速介面建立。
• Text2Backend：自動化後端開發，根據簡單的文字輸入生成高效、可擴充套件且功能豐富的後端程式碼。
• Autonomous Multi-Agent Workflow：透過可靠的自動化解決常見的開發任務，從概念到程式碼，簡化開發流程。
• Research-to-Production Pipeline：多模態檔案分析引擎，可從學術論文中提取演演算法邏輯和數學模型，生成最佳化實作。
• Natural Language Code Synthesis：使用經微調的語言模型進行上下文感知程式碼生成，支援多種程式語言和框架。
• Quality Assurance Automation：整合靜態分析、自動化單元測試生成和檔案合成，確保程式碼正確性和全面覆蓋。
• Multi-Agent Architecture：由中央協調 Agent、Intent Understanding Agent、Document Parsing Agent 等多個專門 Agent 組成，協同完成複雜的程式碼生成任務。

如何使用

• 步驟 1：安裝
  • 直接安裝 (推薦)：
    • 執行以下命令安裝 DeepCode package：

      pip install deepcode-hku

    • 下載配置檔：

      curl -O https://raw.githubusercontent.com/HKUDS/DeepCode/main/mcp_agent.config.yaml
      curl -O https://raw.githubusercontent.com/HKUDS/DeepCode/main/mcp_agent.secrets.yaml
      

    • 在 mcp_agent.secrets.yaml 中配置 OpenAI 和 Anthropic 的 API keys。
    • （可選）在 mcp_agent.config.yaml 中配置 Brave Search 或 Bocha-MCP 的搜尋 API keys。
    • （可選）在 mcp_agent.config.yaml 中配置檔案分段功能（enabled 和 size_threshold_chars）。
  • 開發安裝 (從原始碼)：
    • 複製儲存庫：git clone https://github.com/HKUDS/DeepCode.git 並進入目錄。
    • 使用 UV (推薦用於開發)：
      • 安裝 UV：curl -LsSf https://astral.sh/uv/install.sh | sh。
      • 建立虛擬環境並安裝依賴：uv venv --python=3.13，接著 source .venv/bin/activate 和 uv pip install -r requirements.txt。
      • 配置 API 和搜尋 keys 如直接安裝所述。
    • 使用傳統 pip：
      • 安裝依賴：pip install -r requirements.txt。
      • 配置 API 和搜尋 keys 如直接安裝所述。
  • Windows 使用者：額外的 MCP Server 配置：
    • 全域性安裝 MCP servers：npm i -g @modelcontextprotocol/server-brave-search 和 npm i -g @modelcontextprotocol/server-filesystem。
    • 查詢全域性 node_modules 路徑（npm -g root）。
    • 更新 mcp_agent.config.yaml 以使用 MCP servers 的絕對路徑，例如：

      mcp:
        servers:
          brave:
            command: "node"
            args: ["C:/Program Files/nodejs/node_modules/@modelcontextprotocol/server-brave-search/dist/index.js"]