一个用C语言编写的自举C编译器，能够编译自身代码。输出x86-64汇编代码，虽然未经优化但适合教学用途。

特色是实现了三重编译：先用gcc编译得到初始编译器，再用它编译自身得到第二个版本，最后用第二版本再次编译得到最终版本，实现完全的自举过程。

30cc | #编译器

DailyPaper：一个专业的AI论文日报项目，由M-A-P团队维护，每日精选并深度点评arXiv上的最新人工智能相关论文，内容涵盖大语言模型、计算机视觉、多模态等前沿领域，提供专业且富有洞察力的技术评述

一个简洁的Rust命令行工具开发框架，基于clap库封装，通过简单的函数注解方式即可快速构建CLI应用，大幅减少样板代码。灵感来源于Python的typer库，支持命令和子命令的灵活定义

Terse CLI | #框架

2025考证时间表

琼瑶去世……

CodeTree: 基于 Agent 引导的树状搜索方法优化 LLM 代码生成

「来自 Salesforce AI 研究院的论文，提出了 CodeTree 代码生成框架，通过构建树状搜索结构并配合四个专门的 AI Agent (思考者、解决者、调试者、评判者) 协同工作，显著提升了 LLM 在代码生成任务中的表现，尤其在处理复杂编程问题时更具优势」

论文主要创新点在于:

1. 采用树状结构进行代码生成探索:
- 树的根节点是问题描述
- 每个子节点代表一个可能的代码解决方案
- 通过广度优先或深度优先搜索来探索不同的解决方案

2. 引入了四个专门的 AI Agent:
- Thinker(思考者): 负责生成解决问题的高层策略
- Solver(解决者): 根据策略实现具体代码
- Debugger(调试者): 根据反馈改进代码
- Critic(评判者): 评估代码质量, 引导搜索方向

主要优势:

性能出色:
- 在 HumanEval 达到 95.1% 的准确率
- 在 MBPP 达到 98.7% 的准确率
- 在竞赛级别的 CodeContests 达到 43.0% 的准确率

搜索效率高:
- 即使在较小的生成预算(少于9个样本)下也能达到不错的性能
- 通过 Critic 代理的引导避免了无效的搜索路径

灵活性强:
- 可以动态决定探索的策略数量
- 能够根据问题难度调整搜索深度和广度

Hands-On Large Language Models：该存储库包含《动手大型语言模型》一书中的完整代码示例。包括笔记本示例，涵盖从语言模型介绍到微调的所有内容。

Dozzle 实时查看Docker container 当中的 logs，Web 界面友好，搜索功能强大，还有比较多的高级功能

系统设计四个支柱