Sario (@DragonKnightLOL) header
Sario (@DragonKnightLOL) profile picture

A FEE driven by a pursuit of technical excellence, constantly exploring the depths of front-end technology amidst intermittent bursts of ambition

Los Angeles, CA
Joined August 2014
Photo by Sario (@DragonKnightLOL)Photo by Sario (@DragonKnightLOL)Photo by Sario (@DragonKnightLOL)Photo by Sario (@DragonKnightLOL)Photo by Sario (@DragonKnightLOL)Photo by Sario (@DragonKnightLOL)Photo by Sario (@DragonKnightLOL)Photo by Sario (@DragonKnightLOL)Photo by Sario (@DragonKnightLOL)Photo by Sario (@DragonKnightLOL)
Introducing Qwen3.8-27B-pi-adapted 🤗 We adapted Qwen's model specifically for the pi coding agent using reinforcement learning and a LoRA adapter. The results, measured as pass@1: 🚀 SWE-bench Pro (Hard 51): 29.4% → 62.7% 💻 Terminal-Bench 2.1: 39.5% → 55.8% ⚡ 55–62% fewer tool calls per task This is the power of open models: you can adapt them to YOUR tools and YOUR use cases. Let’s build! 💛 Open weights: huggingface.co/harness-hub/Q… Methodology: huggingface.co/blog/harness-…
303
643
172
5,989
450,285
Sario retweeted
给一个 coding agent 单独训练模型 Hugging Face 给开源模型 Qwen3.8-27B 配了一个 LoRA,只在 pi 这个 coding agent 里用强化学习训练,不动基座权重。 做法上有两个值得看的点。训练在没改过的 pi 里跑,模型每发一次工具调用,中间的 safeagents 代理先用规则查一遍,明显在钻奖励空子的调用直接拦掉、记 0 分。任务是从公开 agent 会话重建的可验证环境,分修 bug、问答、从零搭建、扩展代码四类,对错由任务自带的验证器判,不靠人打分。奖励里还专门加了一项:答对的前提下工具调用越少加分越多。 效果是准确率和效率一起涨。SWE-bench Pro 最难的 51 题,基座模型 pass@1 是 29.4%,适配器到 62.7%,工具调用少 55%。Terminal-Bench 2.1 从 39.5% 到 55.8%,工具调用少 62%。评测是同任务配对、温度 0.8、关思考,显著性也给了。 模型卡里有个真实例子:同一个 SWE-bench 任务,基座反复搜索、重跑片段,撞到 100 步上限没过;适配器找到函数、改掉、跑测试、补最后一个用例,一共 8 次调用。 我觉得真正的信号是 LoRA 把适配成本压到了小团队够得着的程度:不用重新训一个 agent 模型,给自家工具和 harness 单独训一个小适配器就行。权重已经开放,vLLM、llama.cpp 都能挂。 两点保留。数字都是 Hugging Face 自测,没有第三方复现;最终检查点是看着评测子集的分数挑的,而且训练计划 1000 步、第 191 步就提前停了。 原文链接在评论区 #评测
Introducing Qwen3.8-27B-pi-adapted 🤗 We adapted Qwen's model specifically for the pi coding agent using reinforcement learning and a LoRA adapter. The results, measured as pass@1: 🚀 SWE-bench Pro (Hard 51): 29.4% → 62.7% 💻 Terminal-Bench 2.1: 39.5% → 55.8% ⚡ 55–62% fewer tool calls per task This is the power of open models: you can adapt them to YOUR tools and YOUR use cases. Let’s build! 💛 Open weights: huggingface.co/harness-hub/Q… Methodology: huggingface.co/blog/harness-…
3
11
46
3,931
Sario retweeted
should I bring dissolve to web too? dissolve.rselmi.com
4
8
250
8,484
如果你平时用 AI 做设计,这几个网站你一定要看看👇: 1. godly.website — 收录了大量获奖级别的网页设计 2. land-book.com — 找落地页灵感,找准这里就对了 3. 60fps.design — 专门提供移动端 UI 动画灵感 4. studio.motionsites.ai — 性价比比 lovable 更高 5. landdding.com — 汇集了各种顶级的落地页 6. recent.design — 很酷的网页设计灵感图库 7. fontinlogo.com — 专门查各大品牌Logo背后的字体 8. motionsites.ai — 提供 800+ 的 3D 网站和动态区块提示词,复制丢给 Claude 就能直接生成上线 建议收藏,下次说不定用得上。
17
167
4
1,084
53,482
今年最让我惊喜的跨平台框架,必须是 @huacnlee 的 NSH 一套 TSX,同时写出 Herdr Anywhere、DSH Anywhere 和 Boop 三款手机 App,安卓和 iOS 都能呈现原生界面。性能和生成式 UI 都让我非常满意,直接列入年度最爱 源码:github.com/jt-wang
22
12
197
21,035
Introducing: Self-Improving Memory 🧠✨📈 We let the model discover its own memory skills, then train them into its weights: - Meta-optimizes memory from the model's own runs with large gains. - Distilling these gains works too. Blog post: 📝 facebookresearch.github.io/R… 🧵1/6
1
191
38
1,588
148,804
用 Claude 做界面的朋友,这近百个设计 Skill 可以收藏一下 topinspo.design/skills
8
63
5
452
44,411
Docker Desktop, but written in Rust and about 80x faster to start a container. Your docker CLI, Compose and buildx keep working; the first launch sets up a kiri context. Explore it here: osp.fyi/kiri
47
315
29
3,252
148,484
make your markdown feel alive. mdxcn.dev/
10
101
8
1,457
98,547
NVIDIA Auto Ontology:让AI查企业数据时不再瞎编乱造 企业让AI查数据时经常遇到麻烦,AI往往分不清各种业务术语的具体含义,算出的收入和指标经常出错,普通人根本不敢信任AI给的财务和业务结果。 针对这个痛点,NVIDIA开源了Auto Ontology项目,利用FastAPI、Postgres、Better Auth和NVIDIA NIM模型搭建了一套语义理解层,把复杂的数据库表结构自动整理成清晰的业务关系图谱,并接入统一的查询接口。 接入这套系统后,团队成员只要在网页端用日常大白话提问,AI就能精准理解问题背后的指标定义,自动生成严谨的SQL语句去数据库查出准确数据,每次回答还会附带清晰的数据来源与逻辑依据,避免凭空胡编。 GitHub:github.com/NVIDIA/auto-ontol…
18
38
1
190
13,532
不改代码,Node.js 堆内存直接砍半? Platformatic 开源了 node-caged:开启 V8 指针压缩,Docker 镜像一换即可。 实测对象数组等结构内存≈50%↓ 限制:每 Isolate 4GB(Worker 可叠加) GitHub:github.com/platformatic/node… docker pull platformatic/node-caged:26-slim 你们容器一般给多少内存?
1
35
🌏 Introduce x18n, the ultimate toolkit for managing i18n files! You get CLI, linter, interactive UI, LSP, editor support, CI/CD, and native agent integrations. Make sure you have your locale files up to date and agents in the loop For any frameworks! x18n.dev/
40
140
17
1,427
65,256
Sario retweeted
我关注的设计师也来到推了 @AsornQ 值得关注,下面是他开源的产品之一, Qing Icon 2.0 版本图标库,超过 3900 个图标。 有三种样式:线条/实线/草图样式。多种文档方式,React + Vue组件,Figma插件,以及方便让 AI 调用的 MCP。 qingicon.com github.com/asorn/qingicon-op… Asorn 也有其他的设计产品,审美非常棒,值得更多的关注和 Star
5
15
126
8,240
Sario retweeted
Opus 5.5 的 20 种开源技能。 动画,物理,3D,声音,交付都有涉及。 01 Remotion → React 视频引擎 github.com/remotion-dev/remo… 02 HyperFrames → HTML 到视频渲染器 github.com/heygen-com/hyperf… 03 Anime.js → 时间线编排 github.com/juliangarnier/ani… 04 React Spring → 弹簧动画 github.com/pmndrs/react-spri… 05 PixiJS → GPU 驱动的 2D 图形 github.com/pixijs/pixijs 06 p5.js → 生成式视觉效果 github.com/processing/p5.js 07 Paper.js → 矢量路径 github.com/paperjs/paper.js 08 Matter.js → 2D 物理 github.com/liabru/matter-js 09 Three.js → 3D 场景 github.com/mrdoob/three.js 10 Rapier → 3D 碰撞 github.com/dimforge/rapier 11 OGL → 自定义着色器 github.com/oframe/ogl 12 tsParticles → 粒子效果 github.com/tsparticles/tspar… 13 glTF Transform → 3D 资产生优化 github.com/donmccurdy/glTF-T… 14 GL Transitions → 着色器过渡 github.com/gl-transitions/gl… 15 OBS Studio → 屏幕捕获 github.com/obsproject/obs-st… 16 Chatterbox → 配音 github.com/resemble-ai/chatt… 16 话匣子→配音 github.com/resemble-ai/chatt… 17 Tone.js → 合成器和音效 github.com/Tonejs/Tone.js 18 faster-whisper → 字幕转录 github.com/SYSTRAN/faster-wh… 19 OpenCut → 时间线编辑 github.com/OpenCut-app/OpenC… 20 FFmpeg → 编码和交付 github.com/FFmpeg/FFmpeg
28
230
13
1,683
103,256
LayerFS : un système de fichiers qui donne à chacun de vos agents un Workspace complet et modifiable, posé sur un historique partagé, sans copier la base. Chaque agent commit en parallèle. 157 snapshots tiennent dans 100 Mo, 19,9 fois moins que Btrfs + zstd. Licence MIT. ⬇️
13
100
4
1,087
61,715
又看到俩免费的 3D 素材库,汽车、楼房、树、道路、路灯这些都有,可以拿来当搭积木玩😁 ① Kenney 视频里的车辆和建筑就来自这里,CC0 素材,可以免费下载使用: 车辆:kenney.nl/assets/car-kit 建筑:kenney.nl/assets/city-kit-co… ② ThreeJS Assets 也有不少城市和街道素材,免费区需要登录领取,使用时看对应许可: threejsassets.com/assets/fre… 我用 Kenney 的素材,让 AI 配合 Three.js 搭了视频里这个小街区。车会沿着道路开,遇到红灯停下来,后面的车跟着排队 不是什么特别实用的东西,但确实挺好玩 😂
3
11
2
115
8,890
Sario retweeted
再也不用去申请繁琐的 Weather API 密钥了!开源极速天气 API 神器:Open-Meteo ☀️🌧️ 在开发智能家居仪表盘、天气 App、出行规划脚本或数据分析项目时,各种商业天气 API 的限制常常让人头疼:要么必须要绑定信用卡注册 API Key,要么免费额度极低,甚至充满了各种追踪广告与 Cookie 限制。 Open-Meteo 是一款完全开源、对非商业用途免费且免 API Key 的高性能天气 API 服务!它直接聚合了全球与区域顶级气象模型数据,响应时间低于 10ms,让你开箱即用,瞬间接入最精准的气象预报! 👥 【适用人群】 独立开发者 & 全栈工程师:需要为自己的开源项目、Web/Mobile 应用或 IoT 硬件快速集成天气数据的技术人员。 智能家居 & 嵌入式极客:在 Home Assistant、ESP32、Kindle 桌面时钟或 Raspberry Pi 上需要轻量级气象数据调用的玩家。 数据分析师 & 科研人员:需要调取长达 80 年历史天气数据(Historical Weather)进行气候建模或趋势分析的人群。 🎯 【核心杀手级功能与矩阵拆解】 1️⃣ 零门槛极速调用(No API Key & <10ms Response): 无需注册、无需 API Key,支持 CORS,零 Cookie、零广告、零隐私追踪,一行 curl 指令即可直连调用。 2️⃣ 高分辨率气象预报(16-Day Forecast): 提供长达 16 天的逐小时天气预报,支持全球 11 km 分辨率模型以及欧洲/北美精度高达 1.5 km 的区域模型(每小时更新)。 3️⃣ 全方位的气象数据 API 家族: 除了基础气温/降水外,还额外提供 80 年历史天气 API、海洋预报 API(Marine)、空气质量 API(Air Quality)、地理编码(Geocoding)、海拔(Elevation)以及洪涝预测 API(Flood)。 💡 【终端一秒体验】 curl "[api.open-meteo.com/v1/foreca…)" ⭐ Star 数:6.4k 🔗 开源仓库: github.com/open-meteo/open-m… #OpenMeteo #OpenSource #GitHub #API #天气预报 #开发者工具 #独立开发 #HomeAssistant #数据分析 #Python
4
11
88
7,311
Sario retweeted
绝了!NVIDIA最新开源了2,575 个高规格 3D 资产,整整472GB!! 从日常用品到工业设备,里面收录了不少现实环境里的物体。 一揽子,全部放进了 Hugging Face。 NVIDIA SimReady Assets。 绝不单纯是一个“免费建模素材库”!! NVIDIA给每个3D 资产都带上了物理属性和语义信息,比如有多重,什么材质,重心在哪,用在什么场景等等,全都写进了参数里。 明摆着,就是用来让AI学习的! 学习怎么和真实的物理世界互动! 传统的3D资产在AI眼中,就是个有贴图的“视觉资产”,NVIDIA想做的是,把“视觉资产”变成AI可以理解的“物理资产”! 所以,这批资产的价值可想而知! 至少能够用到这些场景上! 机器人抓取和搬运训练,先在虚拟环境里练习拿取、摆放物体; 搭建工厂、仓库的数字孪生,测试设备和物体的布局; 配合合成数据工具,改变光照、视角、遮挡和物体位置,生成带标注的训练数据。 大家都在卷文字、代码与图像生成时,NVIDIA 开始为Physical AI(物理 AI) 铺设地基了。 不过,对大部分人来说,也是一个相当全面的3D资产素材库! 链接在下面,必须收藏了!
51
407
35
3,731
213,429
PostgreSQL 本身已经很牛逼了,再加上插件会更牛逼。 常用的那些外挂商业产品,靠 PG 加插件基本全能干掉,这里给大家汇总一下: RabbitMQ 任务队列:pgmq插件。 在表里做排队、延时和死信重试。最爽的是发任务和写业务数据在同一个数据库事务里,同生共死,根本不会发生数据写完了消息却丢了的鬼故事。 Elasticsearch 全文搜索:ParadeDB(pg_search)插件。 底层直接封装了 Rust 的 Tantivy 引擎,在 SQL 里就能跑正经的 BM25 相关性检索。常规搜关键词连这都不用,自带的 tsvector 就够用,省掉搭 Logstash 双写管道。 MongoDB 文档库:直接用原生的 jsonb。 二进制紧凑存储带 GIN 索引,支持深层字段检索和原地修改。既有文档数据库随心所欲改 Schema 的自由,又能随时跟旁边的关系表 JOIN,谁还乐意单独跑个 Mongo。 Redis 轻量缓存:直接建 UNLOGGED 表。 跳过 WAL 日志落盘换极致读写,配个触发器自动清理过期行。丢了也不心疼的会话和临时指标,完全没必要专门供一个 Redis 实例。 Pinecone 专用向量库:pgvector插件。 高维向量直接作为表里的一列,加个 HNSW 索引,余弦相似度和业务字段条件直接在一条 SQL 里过滤,省得在两个系统之间倒腾一堆 ID 映射。 ClickHouse 时序打点:TimescaleDB插件。 把大表自动按时间切块做 hypertable,后台冷数据直接无损压掉 90% 体积,监控和高频打点依然老老实实用标准 SQL 查。 Neo4j 图数据库:Apache AGE插件。 原生支持 openCypher 查询语言,直接用 MATCH 语句在关系表里查多度好友和层级路径,复杂网络关系不用再跨库跳。 Celery 定时调度:pg_cron插件。 用标准的 cron 表达式直接在数据库内部跑定时 SQL,定时算报表、刷物化视图或清理过期数据,随数据库备份走,宿主机干干净净。 通用 CRUD 微服务: PostgREST插件。 读你的表结构和权限策略,自动暴露开箱即用的 REST API,省掉写大把重复 controller 和 service 的体力活。 GIS 专业地理引擎:PostGIS插件 算经纬度、画电子围栏、几何拓扑计算全包揽,整个行业的事实标准,专用地理软件基本没它能打。 这套东西配齐,大多数中早期系统基本不用再看分布式全家桶的脸色。数据全在单库里,事务有兜底,备份拿 pg_dump 一锅端,排查问题再也不用去五个控制台翻日志。 爽的一批。
24
50
4
373
35,769