[9/1 - 9/7] GitHub Weekly Digest

📌 dockur/windows

簡介

這個專案提供了一個在 Docker 容器內執行 Windows 作業系統的解決方案。它支援多種 Windows 版本，並整合了 ISO 下載、KVM 加速及 Web-based viewer 等關鍵功能，讓使用者能夠快速部署一個虛擬化的 Windows 環境，並支援多種客製化配置。

主要功能

• 在 Docker 容器內執行 Windows： 提供一個將 Windows 作業系統虛擬化並執行在 Docker 環境中的解決方案。
• ISO downloader： 內建 ISO 下載器，支援多種 Windows 版本（包括 Desktop 及 Server 版本，從 Windows XP 到 Windows 11/Server 2025）。
• KVM acceleration： 利用 KVM 技術提供硬體加速，提升虛擬機器效能。
• Web-based viewer： 提供基於 Web 的檢視器，便於透過瀏覽器進行操作，特別適合安裝初期。
• 高度客製化配置： 可透過環境變數 (environment variables) 調整 CPU cores、RAM size、DISK_SIZE、Windows 版本、語言、使用者憑證等。
• 檔案分享功能： 支援與主機 (host) 共享檔案，透過 Windows 內部的 \\host.lan\Data 存取。
• RDP 連線支援： 除了 Web-viewer 外，也支援使用標準 Microsoft Remote Desktop client 連線以獲得更佳體驗。
• 彈性的儲存與網路選項： 支援自訂儲存位置 (storage location)、多磁碟、磁碟直通 (disk pass-through) 及 macvlan 網路配置。

如何使用

• 啟動容器：
  • 使用 Docker Compose (推薦)： 建立 docker-compose.yml 檔案，配置必要的環境變數和掛載點，然後執行 docker compose up -d。

    services:
      windows:
        image: dockurr/windows
        container_name: windows
        environment:
          VERSION: "11" # 例如: "10", "11l", "2022"
        devices:
          - /dev/kvm
          - /dev/net/tun
        cap_add:
          - NET_ADMIN
        ports:
          - 8006:8006
          - 3389:3389/tcp
          - 3389:3389/udp
        volumes:
          - ./windows:/storage # 儲存 Windows 磁碟影像
        restart: always

  • 使用 Docker CLI：

    docker run -it --rm --name windows -p 8006:8006 \
      --device=/dev/kvm --device=/dev/net/tun --cap-add NET_ADMIN \
      -v "${PWD:-.}/windows:/storage" \
      -e VERSION="11" \
      dockurr/windows

• 存取 Windows 環境：
  • 開啟您的 Web 瀏覽器，連線至 http://<您的主機IP>:8006。
  • 首次啟動會自動執行 Windows 安裝過程。
• 完成安裝：
  • 待看到 Windows 桌面後，表示安裝已完成，可開始使用。
  • 預設使用者名稱為 Docker，密碼為 admin。
• 透過 RDP 連線 (推薦)：
  • 安裝後，建議使用 Microsoft Remote Desktop client 連線至容器 IP (Port 3389)，以獲得更好的體驗 (支援音訊、剪貼簿等)。
• 選擇 Windows 版本：
  • 透過 environment 中的 VERSION 變數來指定不同的 Windows 版本，例如 VERSION: "11" (Windows 11 Pro) 或 VERSION: "10l" (Windows 10 LTSC)。
• 更改磁碟大小與儲存位置：
  • 使用 DISK_SIZE 環境變數設定磁碟大小，例如 DISK_SIZE: "256G"。
  • 透過 volumes 掛載來指定 Windows 磁碟影像的儲存路徑，例如 - ./windows:/storage。
• 檔案分享：
  • 在 volumes 中新增 - ./example:/data，即可在 Windows 內透過 \\host.lan\Data 存取主機上的 ./example 資料夾。
• 自訂 CPU 與 RAM：
  • 在 environment 中設定 CPU_CORES 和 RAM_SIZE，例如 CPU_CORES: "4" 和 RAM_SIZE: "8G"。

📌 QuentinFuxa/WhisperLiveKit

簡介

WhisperLiveKit 是一個提供即時、完全本地化語音轉文字的解決方案，並具備說話者識別功能。它將即時語音轉錄直接帶到瀏覽器，內含現成可用的後端伺服器與簡單前端。此工具透過 SimulStreaming、WhisperStreaming 等領先技術，解決了傳統 Whisper 模型處理即時音訊分塊時語境丟失的問題，實現低延遲與高品質的即時語音處理。

主要功能

• 即時語音轉文字 (Real-time Speech-to-Text)：提供直接在瀏覽器中進行即時語音轉錄的功能。
• 說話者識別 (Speaker Diarization)：支援即時說話者識別功能，可區分不同說話者。
• 低延遲處理：採用 SimulStreaming (超低延遲) 和 WhisperStreaming (低延遲) 等 SOTA 技術，實現高效且流暢的即時轉錄。
• 智慧緩衝與增量處理：不同於傳統 Whisper 模型，透過智慧緩衝和增量處理克服即時音訊分塊的語境問題。
• 語音活動檢測 (Voice Activity Detection, VAD)：內建 Silero VAD 以減少無語音時的處理開銷。
• 多使用者支援：後端架構支援多個併發使用者。
• 多種可選後端與模型：可選用 faster-whisper、mlx-whisper (適用於 Apple Silicon 最佳化)、或整合 OpenAI API 等後端，並支援多種 Whisper model 大小與 language。
• 高度可配置：提供豐富的命令列引數和 Python API，允許使用者自定義 model、language、task (轉錄/翻譯) 和 diarization 等多項設定。

如何使用

• 安裝：
  • 使用 pip install whisperlivekit 安裝套件。
  • 需預先安裝 FFmpeg，並依作業系統指示進行：
    • Ubuntu/Debian: sudo apt install ffmpeg
    • MacOS: brew install ffmpeg
    • Windows: 從官方網站下載 .exe 並加入 PATH。
• 快速啟動：
  1. 啟動轉錄伺服器：whisperlivekit-server --model base --language en
  2. 在瀏覽器中開啟 http://localhost:8000 即可開始即時語音轉錄。
• 可選依賴項：根據需求安裝額外的依賴項，例如用於 Sortformer 的 speaker diarization (git+https://github.com/NVIDIA/NeMo.git@main#egg=nemo_toolkit[asr]) 或 Apple Silicon 最佳化的 mlx-whisper。
• 命令列介面 (CLI) 使用範例：
  • 使用更大模型：whisperlivekit-server --model large-v3
  • 進階配置（包含 diarization 和指定語言）：whisperlivekit-server --host 0.0.0.0 --port 8000 --model medium --diarization --language fr
• Python API 整合：可透過 TranscriptionEngine 和 AudioProcessor 等類別，結合 FastAPI 建立自訂伺服器，參考 basic_server 範例進行整合。

  from whisperlivekit import TranscriptionEngine, AudioProcessor
  # ... (FastAPI setup)
  transcription_engine = TranscriptionEngine(model="medium", diarization=True, lan="en")
  audio_processor = AudioProcessor(transcription_engine=transcription_engine)
  # ... (websocket handling)

• 前端實現：套件內含 HTML/JavaScript 範例，也可透過 from whisperlivekit import get_inline_ui_html 匯入。
• 引數配置：重要引數包括 --model 大小、--language、--backend (如 faster-whisper)、--diarization、--task translate 及伺服器設定 (--host, --port, --ssl-certfile, --ssl-keyfile)。
• 說話者識別設定：啟用 diarization 時，若使用 Diart，需要接受 Hugging Face 上 pyannote.audio 模型的使用者條款並登入 (huggingface-cli login)。

📌 bytebot-ai/bytebot

簡介

• Bytebot 是一個開源的 AI Desktop Agent，旨在為您自動完成各項電腦任務。
• 它擁有一個完整的虛擬桌面環境，能像人類一樣操作應用程式、管理檔案及執行複雜的多步驟工作流程。
• 不同於僅限瀏覽器的 Agent 或傳統 RPA 工具，Bytebot 可使用任何桌面應用程式，並與檔案系統互動。
• 這賦予 AI 完整的電腦使用許可權，解鎖了僅靠 API 整合無法實現的強大功能。
• 想像它是一位擁有專屬電腦、能獨立工作的虛擬員工。

主要功能

• 完整的任務自主性 (Complete Task Autonomy): 能自主完成多步驟任務，包括瀏覽網頁、處理認證 (含 2FA)、下載及組織檔案到其本地檔案系統。
• 處理檔案能力 (Process Documents): 可讀取整個 PDF、從複雜檔案中提取資料、交叉引用多個檔案中的資訊，並根據分析建立新檔案。
• 使用真實應用程式 (Use Real Applications): 不僅限於 Web 介面，還能操作桌面應用程式（如文字編輯器、VS Code、Email Client）、執行指令碼及命令列工具。
• 自然語言任務 (Natural Language Tasks): 只需以自然語言描述所需任務，Bytebot 即可理解並執行。
• 檔案上傳支援 (File Uploads): 可將檔案直接上傳至任務，供 Bytebot 進行處理。
• 即時桌面檢視 (Live Desktop View): 提供即時檢視，讓您觀察 Bytebot 在虛擬桌面上的工作進度。
• 接管模式 (Takeover Mode): 允許使用者在需要時手動接管控制權，以提供協助或配置。
• 支援密碼管理器 (Password Manager Support): 可整合 1Password、Bitwarden 等密碼管理器，實現應用程式和網站的自動認證。

如何使用

• 快速部署 (Quick Start):
  • 選項 1: Railway (最簡單): 點選並加入您的 AI provider API key 即可部署。
  • 選項 2: Docker Compose:

    git clone https://github.com/bytebot-ai/bytebot.git
    cd bytebot
    echo "ANTHROPIC_API_KEY=sk-ant-..." > docker/.env # 或 OPENAI_API_KEY/GEMINI_API_KEY
    docker-compose -f docker/docker-compose.yml up -d
    # 開啟 http://localhost:9992
    

• 設定虛擬桌面 (Configure the Desktop): 透過 UI 的 "Desktop" 頁籤，您可以安裝額外程式、設定密碼管理器、配置應用程式並登入網站。
• 建立任務 (Start Giving Tasks): 以自然語言描述您想 Bytebot 完成的任務，然後觀察它在配置好的虛擬桌面上執行。
• 範例任務 (Example Tasks): 支援多種任務型別，包括基本研究（如「總結 quantum computing」）、檔案處理（如「從 PDF 提取付款條款」）及跨應用程式工作流程（如「從多家銀行下載報表並整合」）。
• 透過 API 建立任務 (Create Tasks via API): 可透過 REST API 以程式化方式建立任務，支援檔案上傳。

  import requests
  # Simple task
  response = requests.post('http://localhost:9991/tasks', json={
      'description': 'Download the latest sales report and create a summary'
  })

• 直接桌面控制 (Direct Desktop Control): 亦可透過 API 直接控制虛擬桌面行為。

  curl -X POST http://localhost:9990/computer-use \
    -H "Content-Type: application/json" \
    -d '{"action": "screenshot"}'

📌 chiphuyen/aie-book

簡介

本資料庫提供AI Engineering書籍及相關資源。AI Engineering一書旨在涵蓋從基礎模型（Foundation Models）適應實際問題的端到端過程。書中結合了傳統工程技術與新興的基礎模型技術，提供應用框架。內容專注於AI工程的核心原理，而非特定的工具或API。適用於AI工程師、ML工程師、資料科學家等技術角色，旨在幫助讀者解決AI應用中的實際挑戰。

主要功能

• 提供《AI Engineering》書籍的目錄、章節摘要及學習筆記，以及相關的AI工程資源。
• 包含Prompt examples、Case studies、Misalignment AI內容與ChatGPT及Claude對話熱力圖產生器等實用工具。
• 提供將基礎模型（Foundation Models），包括LLMs和LMMs，應用於特定情境的端到端框架。
• 深入探討AI應用評估、幻覺（hallucinations）的偵測與緩解，以及Prompt engineering的最佳實踐。
• 解釋RAG（Retrieval Augmented Generation）的工作原理與策略，並指導如何建立及評估AI agent。
• 提供關於模型finetuning的決策指南、資料需求與品質驗證，以及如何最佳化模型的速度、成本與安全性。
• 教導建立持續改進AI應用的回饋迴圈機制。
• 幫助讀者理解和導航AI生態系統中的模型型別、評估基準和多樣化的應用模式。

如何使用

• 可透過Amazon、O'Reilly、Kindle及大多數技術書籍銷售平臺購買《AI Engineering》一書。
• 本資料庫將持續更新，提供更多AI工程資源、Prompt examples、Case studies及趣味工具等補充內容。
• 讀者可以獨立閱讀《AI Engineering》，或將其與《Designing Machine Learning Systems》（DMLS）作為互補資源一同學習。
• 本書適用於欲建立、最佳化AI應用程式，或需解決生產問題（如幻覺、安全性、延遲、成本）的工程師及技術經理。
• 旨在協助讀者系統化AI開發流程，提升團隊效率，並瞭解如何利用基礎模型提升業務價值。
• 工具開發者、研究人員及AI工程師職位求職者可透過本書獲取相關洞見與所需技能。
• 書中過於技術性的章節將會事先提醒，讀者可依個人需求選擇性閱讀。

📌 pedroslopez/whatsapp-web.js

簡介

這是一個 WhatsApp API 客戶端，透過 WhatsApp Web 瀏覽器應用程式連線。它利用 Puppeteer 啟動並管理 WhatsApp Web，從而存取其內部功能，提供幾乎所有 WhatsApp Web 的功能，並可作為 Node.js 應用程式進行動態處理。儘管此方法有助於降低封鎖風險，但 WhatsApp 不允許非官方客戶端，因此不保證完全安全。

主要功能

• 支援 Multi Device 功能。
• 能傳送及接收各類訊息，包括文字、媒體 (圖片、音訊、視訊、檔案)、貼圖、聯絡人卡片及位置資訊。
• 可回覆訊息、進行訊息反應 (React to messages)、建立投票及處理 Channels。
• 完整支援群組管理功能，包括加入群組、獲取邀請、修改群組資訊及設定、新增/移除/升降級群組成員。
• 支援在訊息中提及使用者或群組。
• 可執行對話靜音/取消靜音，以及封鎖/解除封鎖聯絡人。
• 能獲取聯絡人資訊及個人檔案圖片。
• 可設定使用者狀態訊息。

如何使用

• Node.js v18+ 版本為必要條件。
• 透過 npm 安裝模組：

  npm i whatsapp-web.js

• 基本用法範例：

  const { Client } = require('whatsapp-web.js');
  
  const client = new Client();
  
  client.on('qr', (qr) => {
      // Generate and scan this code with your phone
      console.log('QR RECEIVED', qr);
  });
  
  client.on('ready', () => {
      console.log('Client is ready!');
  });
  
  client.on('message', msg => {
      if (msg.body == '!ping') {
          msg.reply('pong');
      }
  });
  
  client.initialize();

• 更多進階範例請參考 example.js。
• 關於儲存及恢復 sessions 的詳細資訊，請查閱 Authentication Strategies。