vv

[Nick @NickDevFE]

img2threejs v1.3 is now available. 🎋

One photo → procedural Three.js code. No meshes. No manual modeling.

GitHub: https://t.co/0bqf4iS9rm

v1.3 brings major improvements to geometry reconstruction, material generation, validation, and overall output quality.

For this demo, I used the reference image of a CS2 ★ M9 Bayonet | Doppler Phase 3: https://t.co/8DflDWTPJ7

If you’re new to img2threejs, now is a great time to try it. If you’ve used it before, I’d love for you to compare the results with previous versions.

Feedback, bug reports, and PRs are always welcome.

[Gábor Pribék @gaborpribek]

I guess I rebuilt the world as voxels now.

Started with terrain and water systems, then added buildings, bridges, and roads.

Search any location and watch it reconstruct as millions of voxels in real time. Running in the browser with WebGPU.

Made with @omma_ai, using @threejs.

[mr.bruce @sharkydev001]

一直想做一个流程的3D多人射击游戏，抱着试试态度，用 Codex + Sharky Skill +threejs @threejs 做了一个多人联机赛博朋克射击游戏，skill 是可以支持多人联机+3d素材生成。
游戏可以直接在浏览器运行，支持 1–4 人联机，还能在第一人称、第三人称和战术上帝视角之间切换。
最开始的版本其实问题很多： A/D 左右方向是反的 开镜后偶尔无法射击 枪装到角色手里后方向朝后 角色走路像在地面滑行 联机倒地后还可能直接卡住，完全动不了。
后面就是不断来回测试： 重新绑定动作和武器，开两个客户端测试联机，完整通关，再继续找问题， 最后慢慢补上了专属武器、开镜、后坐力、换弹、身体部位伤害、掩体、队友复活、AI 队友、入侵任务、Boss 战和最终剧情选择。
现在它已经不只是一个能跑的 Demo，真的可以玩，但是关卡和任务，真的很费心力，有想跟我一起打磨这个游戏的朋友吗？

游戏试玩：
中文版： https://t.co/AuqYqQjux7
英文版： https://t.co/rkbxYw6iZT

想自己也做一款3d多人联机游戏，可以在codex/claudecode 添加👇的skill
多人联机和浏览器发布 Skill： https://t.co/H4EIKL1KGx
3D 素材库： https://t.co/Jw9Qdm1pNU

欢迎想做3d联机游戏的ai创作者，欢迎一起交流
Discord: https://t.co/ZCOgvgVDUm
Website: https://t.co/KXMrGMUywq

#codex #threejs #fable #vibejam #sharkygame

[Sadao Tokuyama @tokufxug]

Three.jsとWebGPUを用いたリアルタイムレンダリングの技術デモが登場

わずか6.3MBの軽量さでありながら、事前ベイクされたかのような高精細ライティングを実現。

太陽を動かすとリアルタイムで影や光が変化。

Web体験ページはリプ欄。

[mousepotato @iluciddreaming]

一个 Skill，让设计秒变苹果味。

设计工程师把 WWDC 演讲压成 17 条原则，打成 AI Skill，GitHub 破万星。
塞进 Agent：字体层次、间距比例、色彩对比，按苹果语言审稿。

同一个按钮，调前后差三档。差的不是素材，是原则。
免费开源。

[astaxie @astaxie]

开源八小时，就达到了 200 多 star，不错，看来大家都喜欢这个产品

[mousepotato @iluciddreaming]

https://t.co/GdW9mn1kfY

[LimboAI @limbopeng]

面试陪跑是个伪命题吗？我不知道，我做这个应用的初衷是服务自己的，好久没面试了，我需要一个懂我的、可以出题、语音面试、复盘、给每日练习和JD分析的一个玩意，感兴趣的朋友可以试一试。

[AI樱木 @0xSilver_Time]

项目地址：https://t.co/NcCHSuqIDX

[Xudong Han @Xudong07452910]

📚 开源项目推荐：DeepTutor —— Agent 原生个性化 AI 终身学习伴侣

DeepTutor 是香港大学开源 AI 学习平台，采用 Agent 原生 架构，将辅导、问题求解、测验生成、深度研究、可视化和掌握练习整合到一个可扩展的工作空间中，让 AI 成为你的全能个性化学习导师。

✨ 核心亮点：
1. Agent 原生双层架构：单次调用工具 + 多阶段能力，支持聊天、掌握路径、深度求解、深度研究、可视化等多种模式
2. 多模态知识处理：检索增强生成（RAG） + LightRAG + 知识图谱，支持 PDF、LaTeX、图像、代码执行等
3. 智能问题求解：双循环推理 + 多代理协作，提供带引用和可视化解释的逐步解答
4. 个性化学习：自定义测验、引导式学习路径、想法生成和掌握练习
5. 全栈支持：Python 3.11+ + Next.js 16，Docker 一键部署，内置多用户、权限管理和令牌监控

目前已获 24.7k+ stars ⭐，社区活跃，有 Discord 和微信群。

这个项目是 AI 驱动个性化教育与终身学习的完整平台，特别适合研究生、学生和终身学习者。

https://t.co/WPgmuX4Jbr
#AIAgent #AI教育 #ClaudeCode #AI教程 #开源项目

[Bojie Li @bojie_li]

一个周末过去，《深入理解 AI Agent》star 数翻了3倍，7.2k 🌟 了。
社区已经把这本书翻译成了英文、泰米尔语、越南语，感谢 @nsdevaraj 和 @toanalien 两位贡献者。我也在英文版基础上用 Kimi K3 完成了一些精修。感谢几位贡献者提 PR 修复 bug。
在我老婆建议下，V1.2 版本增加了关于模型和 harness、The Bitter Lesson 的一些讨论，以及一些 harness 技巧（第五章）。
https://t.co/6VBSv9Mete

[小互 @xiaohu]

Harness 工程十二条心法：Google 首席工程师一年实践，浓缩成可直接照做的流程和模板 https://t.co/fl1x6QfghN

[tiantian @wherecall1]

实测下来，K3 的前端能力确实很强。

面对高度定制化的大屏页面，它不仅能快速完成布局和组件实现，在视觉还原度上也基本能达到 90%。对于数据可视化、运营大屏这类开发成本高、细节繁琐的场景，已经具备相当不错的实用价值。

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

又一个将照片转换成 Three.js 模型的开源工具包：img2threejs。

它还会不断对比渲染结果和原图，自动校准重建质量，尤其适合机械、设备、产品外壳等硬表面物体。

看样子大家做的方向都差不过。

不过，我更关心 AI 什么时候能一句话建模带骨骼的 3D 人物角色呢？
https://t.co/mQObhqMY4q

[Maki@Sunwood AI Labs. @hAru_mAki_ch]

Appleのデザインスキルを早速codexに導入して使ってみた！！！！
これメチャ良いぞ！！！

[bakigul @bakigulai]

AI ile kod yazıyorsun.

Peki ne kadar iyi kullandığını ölçüyor musun?

Açık kaynak AI Engineer Coach:
• AI coding oturumlarını analiz ediyor
• 45 farklı kötü kullanım alışkanlığını tespit ediyor
• Context ve prompt kalitesini ölçüyor
• Tekrarlanan promptlardan skill öneriyor
• Üretilen kodu model, dil ve proje bazında gösteriyor

Veriler tamamen cihazında kalıyor.

İncele:
👉https://t.co/PwYOAznp98

Yapay zeka hakkında güncel kalmak için
👉 https://t.co/igLD9mmWgw

[AI樱木 @0xSilver_Time]

冷知识：一个 20 岁大四学生，用 10 天 Vibe Coding 手搓出 AI 预测项目 MiroFish，一举登上 GitHub Trending 榜首，8.3k Stars 还在涨。更离谱的是，盛大创始人陈天桥看到 Demo 后，24 小时内拍板注资 3000 万。

这个项目能“预测万物”：丢进一段新闻或政策，自动生成成千上万个独立 AI Agent，推演未来方向。

10 天、3000 万、一个大学生——当 AI 开发门槛降到这种程度，传统研发周期和资本逻辑正在失效。那些还在靠人工收集数据、凭经验做判断的团队，可能需要重新思考：下一波颠覆，可能来自某个车库里的 20 岁。

[sam @isamquintero]

Los ingenieros que construyeron Clade Code acaban de publicar un video de 37 minutos sobre cómo construir Agentes de IA que automatizan una empresa entera.

Agentes que trabajan, se reparten tareas y ejecutan todo solos.

Guarda esto en favoritos para que no lo pierdas. 🔖

[SONIA @S0N_IA]

La guerra de los navegadores terminó silenciosamente.

Google aún no se ha dado cuenta.

Un exingeniero de Google acaba de abrir el código de un navegador basado en Chromium con IA integrada directamente en el navegador mismo, no como otra extensión.

Viene con:
• Agentes de IA nativos
• Servidor MCP integrado
• Soporte para LLM local vía Ollama
• Más de 40 integraciones (Gmail, Slack, Notion, Figma, Linear, Salesforce y más)
• Tareas programadas de IA
• Automatización del navegador en lenguaje natural

Puede investigar en la web, rellenar formularios, reservar vuelos, resumir páginas e incluso escribir en tus archivos locales, todo desde un solo prompt.

¿Lo mejor?

Todo puede ejecutarse localmente.
Tus datos se quedan en tu máquina.
Y es 100% de código abierto.

Chrome no puede lanzar fácilmente un navegador como este porque su negocio depende de mantenerte navegando y mostrando anuncios.

Ese es el dilema del innovador en tiempo real.

[半吊子程序猿大铭 @CoderDaMing]

网页爬虫迎来重大升级。

PixelRAG 不读 HTML，它像你一样读网页。

100% 开源。

与其将网站解析为纯文本，不如直接截图，让视觉模型从像素中检索答案。

为什么这很重要：

• HTML 解析器会无声地丢失信息
• 表格、图表、公式和布局经常消失
• 仅更改解析器就能让 RAG 准确度波动约 10%

PixelRAG 绕过整个瓶颈。

它索引的是用户真正看到的内容。

团队构建了 3000 万+ 维基百科截图的视觉索引，在纯文本问答上的表现比最强的基于文本的 RAG 基准高 18.1%。

更酷的是：

它包含 Claude 代码插件，赋予 Claude 视觉浏览能力。

Claude 可以截图任何网页、PDF、arXiv 论文或本地应用，并基于渲染页面回答问题。

流程出人意料地简洁：

→ 将页面渲染为图像块
→ 用 Qwen3-VL-Embedding 嵌入（在截图上微调 LoRA）
→ 存储在 FAISS 索引中
→ 视觉搜索

最棒的是？

升级到更好的视觉模型后，无需重建索引。

因为索引存储的是像素，不是解析文本。

GitHub:https://t.co/78LaT3FoZR