信息流

适用于 Mac、Windows 和 Linux 的本地语音听写 https://anoma.ly/hex Hex 是适用于 Mac、Windows 和 Linux 的本地语音听写工具。按住某个键，说话，然后它会粘贴出来。工作原理：按住快捷键，说话，然后松开，Hex 会在你的设备上转写并粘贴到你所在的任何应用中。首次运行会下载一个语音模型；之后没有任何内容离开你的机器。实验性功能位于 Labs，在侧边栏底部。下载 Stable 是当前发布版。Dev 是 dev 的最新构建，并会从 dev 渠道自行更新。平台 Stable Dev macOS（Apple silicon）DMG DMG Windows x64 Installer Installer Windows ARM64 Installer Installer Linux x86_64 Executable Executable Linux x86_64（Debian、Ubuntu）.deb .deb Linux x86_64（Fedora、openSUSE）.rpm .rpm Linux ARM64 Executable Executable Linux ARM64（Debian、Ubuntu）.deb .deb Linux ARM64（Fedora、openSUSE）.rpm .rpm 或使用以下方式安装：Homebrew：brew install --cask anomalyco/tap/hex AUR：yay -S hex-bin 安装脚本（Linux）：curl -fsSL https://anoma.ly/hex/install-linux.sh | sh Nix：nix profile install github:anomalyco/hex 更多文档在 docs/ 中。贡献：我们不接受 pull request。请开一个 issue 描述 bug 或想法，我们的 agents 通常会很快处理。MIT 许可。

🕷️ 最好的 Web 抓取框架，能处理从单次请求到大规模爬取的一切！别害羞，加入这里：https://discord.gg/EMgGbDceNQ，并关注这里获取每日技巧和窍门：https://x.com/Scrapling_dev https://scrapling.readthedocs.io/en/latest/ 为现代 Web 打造的轻松 Web 抓取 选择方法 · 抓取器 · Spiders · 代理轮换 · CLI · MCP Scrapling 是一个 Python Web 抓取框架，将快速 HTTP 请求、隐身浏览器、强大的解析和并发爬取整合到一个库中。抓取静态页面、渲染 JavaScript、与网站交互，并从其背后的 API 调用中提取数据。使用可复用会话、代理轮换、自动重试、暂停/恢复和内置数据导出构建爬虫。可通过 Python、终端或经由其 MCP server 和 Agent Skill 使用你的 AI agent 来使用它。从提取少量字段到将整个网站收集为干净的 Markdown，Scrapling 覆盖完整的抓取工作流。使用 Scrapling 可以做什么 抓取与交互：快速 HTTP 请求、隐身浏览器、JavaScript 渲染、Cloudflare Turnstile/Interstitial 处理、持久会话和后台 API 捕获。解析与提取：CSS、XPath、文本和正则搜索、自适应元素跟踪、相似元素匹配和干净的 Markdown 输出。爬取与导出：并发 Spiders、代理轮换、重试、AutoThrottle、暂停/恢复、流式传输、现成模板和 JSON/JSONL/CSV/XML 导出。

免训练的语言模型修改：移除审查、抑制低质内容、减少谄媚等 https://heretic-project.org Heretic 免训练的语言模型修改 移除审查、抑制低质内容、减少谄媚等。只需一个下午，在你自己的游戏 PC 上完成。修改任何你能在硬件上运行的 LLM [1] Heretic 是一款独特工具，让你做到通常只有拥有大规模算力的公司才能做的事：修改语言模型，而不仅仅是运行它们。它不执行昂贵的训练；而是使用一组数学技术，基于对比示例提示和匹配评分器来引导行为。根据配置，Heretic 可以：抑制拒绝/移除审查（这是默认操作）减少低质内容（config.noslop.toml）减少幽默（config.nohumor.toml）减少谄媚（config.nosyco.toml）改变情感对齐（config.emotions.toml）以及许多许多其他功能。‼️ 使用 Heretic 不需要理解语言模型的内部工作原理 ‼️ 事实上，你可以在几秒钟内从零开始移除第一个模型的审查。Heretic 支持大多数稠密模型，包括许多多模态模型、几种不同的 MoE 架构以及许多现代混合模型。社区已经使用 Heretic 创建并发布了数千个模型。Heretic 模型已使用 MMLU 和 GSM8K 等标准指标进行独立基准测试，并发现其 c

🐍 面向空间 AI 的几何计算机视觉库 https://kornia.readthedocs.io English | 简体中文 文档 • 立即试用 • 教程 • 示例 • 博客 • 社区 Kornia 是一个可微计算机视觉库，提供丰富的可微图像处理与几何视觉算法。Kornia 构建于 PyTorch 之上，可无缝集成到现有 AI 工作流中，让你能够利用强大的批量变换、自动微分和 GPU 加速能力。无论你从事图像变换、数据增强还是 AI 驱动的图像处理，Kornia 都为你提供所需的工具，助你把想法变为现实。📢 方向：Kornia 正在成为 PyTorch 生态中可微计算机视觉与几何的参考实现和可执行规范——以明确的约定、一致性测试和诚实的基准评测取代单纯的 API 扩张。阅读路线图。何时使用 Kornia Kornia 在以下场景中更具价值：手写实现变得冗长或脆弱，或者替代方案无法留在 GPU 上：广度。1,200+ 个公开算子，其中大多数在 torchvision 中没有对应实现：相机模型与对极几何、最小求解器与 RANSAC、特征检测、描述与匹配、边缘检测、形态学、Lab 与 Bayer 颜色、图像损失与指标。torchvision 主要在缩放、裁剪、翻转、颜色抖动和模糊方面与之重叠。一次批量调用即可实现逐样本参数。gaussian_blur2d(x, (9, 9), sigma) 接受形状为 (B, 2) 的 sigma；rotate 接受形状为 (B

一个免费、开源且可扩展的语音转文本应用，完全离线运行。https://handy.computer Handy 是一个免费、开源且可扩展的语音转文本应用，完全离线运行。Handy 是一款跨平台桌面应用，提供简单且注重隐私的语音转录。按下快捷键，说话，你的话就会出现在任何文本框中。这一切都在你自己的电脑上完成，不会向云端发送任何信息。为什么选择 Handy？Handy 的创建是为了填补真正开源、可扩展的语音转文本工具的空白。正如 handy.computer 上所述：免费：无障碍工具应属于每个人，而不是被付费墙挡住。开源：我们可以共同进一步发展。为自己扩展 Handy，并为更大的事业做贡献。隐私：你的声音留在你的电脑上。无需将音频发送到云端即可获得转录。简单：一个工具，一项任务。转录你所说的话并将其放入文本框。工作原理：按下可配置的键盘快捷键：按住录制并松开停止，或轻按切换录制开和关（也提供仅按住和仅切换模式）。在快捷键激活时说出你的话。松开后，Handy 使用 Whisper 处理你的语音。将转录文本直接粘贴到你正在使用的任何应用中。该过程完全在本地进行：使用 Silero 的 VAD（语音活动检测）过滤静音。转录使用你选择的模型：Whisper 模型（Small/Medium/T

FreeToken 将数据中心级模型服务带到你的桌面。在本地快速高效地运行大规模模型。https://flashml.ai | 下载 | 论文 | 开发者 Slack | 社区 Discord | 社区微信 | 在你已拥有的硬件上释放数据中心级智能——在一台游戏 PC 上以极快的交互速度本地运行 290B+ 前沿 MoE 模型。关于 FreeToken：FreeToken 是一个边缘原生的 Mixture-of-Experts (MoE) 服务引擎，专为在个人与消费级硬件上运行前沿规模的开源权重模型而设计。它将异构边缘资源——GPU、CPU、主机内存与互连——视为一个统一、弹性的推理平台。其核心特性包括：快速边缘原生运行时：提供高效的 MoE 服务，支持带宽自适应 CPU–GPU 协同执行（$q^\star$ 策略）、全层双缓冲 prefill 流式传输、全局 LRU 专家缓存、图兼容执行，以及 FTW 快速权重格式。语义感知缓存：具备用于循环状态与 KV 缓存的语义锚点检查点，使智能体上下文编辑（例如工具调用、思考块）能够避免冗余的上下文重计算。弹性内存管理：支持在专家缓存与 KV 内存之间进行运行时动态 VRAM 重新分配，无需重启引擎或重新加载权重。广泛的 MoE 与生态支持：支持各种参数规模与量化格式（例如 MXFP4、

基于 Playwright 和AI实现的闲鱼多任务实时/定时监控与智能分析系统，配备了功能完善的后台管理UI。帮助用户从闲鱼海量商品中，找到心仪产品。 闲鱼智能监控系统 [中文] ｜ English 基于 Playwright 和 AI 的闲鱼多任务实时监控，提供完整的 Web 管理界面。 核心特性 Web 可视化管理 : 任务管理、账号管理、AI 标准编辑、运行日志、结果浏览 AI 驱动 : 自然语言创建任务，多模态模型深度分析商品 多任务并发 : 独立配置关键词、价格、筛选条件和 AI Prompt 高级筛选 : 包邮、新发布时间范围、省/市/区三级区域筛选 即时通知 : 支持 ntfy.sh 、企业微信、Bark、Telegram、Webhook等多渠道 定时调度 : 支持 Cron 配置周期性任务 账号与代理轮换 : 多账号管理、任务绑定账号、代理池轮换与失败重试 Docker 部署 : 一键容器化部署 截图 🐳 Docker 部署（推荐） git clone https://github.com/Usagi-org/ai-goofish-monitor && cd ai-goofish-monitor cp .env.example .env vim .env # 填写相关配置项 docker compose up -d docker compose logs -f app docker compose down 如果镜像无法访问或下载速度慢，可尝试使用加速： docker pull ghcr.nju.edu.cn/usagi-org/ai-goofish:latest docker tag ghcr.nju.edu.cn/usagi-org/ai-goofish:latest ghcr.io/usagi-org/ai-goofish:latest docker compose up -d 默认 Web UI 地址： http://127.0.0.1:8000 Docker 镜像已内置 Chromium，无需宿主机额外安装浏览器。 官方镜像地址： ghcr.io/usagi-org/ai-goofish:latest 更新镜像： docker compose pull && docker compose up -d 如果你修改了 .env 中的 SERVER_PORT ，请同步更新 docker-compose.yaml 里的端口映射。 docker-compose.yaml 默认会把 SQLite 主库挂载到 ./data:/app/data ，数据库文件默认为 data/app.sqlite3 目前默认持久化这些目录： data/ SQLite 主存储（任务、结果、价格历史） state/ 登录状态 cookie 文件 prompts/ 任务提示词 logs/ 运行日志 images/ 商品图片与任务临时图片目录 config.json 、 jsonl/ 、 price_history/ 首次升级到 SQLite 时用于兼容导入的旧数据源 数据存储与迁移 当前在线主存储为 SQLite，默认路径 data/app.sqlite3 可通过环境变量 APP_DATABASE_FILE 自定义数据库路径；Docker 默认设置为 /app/data/app.sqlite3 应用启动时会自动建库建表，并尝试从旧的 config.json 、 jsonl/ 、 price_history/ 导入一次历史数据 state/ 、 prompts/

100 美元能买到的最好的 ChatGPT。nanochat nanochat 是用于训练 LLM 的最简单的实验性工具框架。它设计为在单个 GPU 节点上运行，代码极简/易于修改，并覆盖 LLM 的所有主要阶段，包括分词（tokenization）、预训练、微调、评估和推理。例如，你可以只花 48 美元（约 2 小时的 8XH100 GPU 节点）训练出你自己的、具备 GPT-2 能力的 LLM（2019 年训练同等模型约需 43,000 美元），然后通过简单的 CLI 与它对话。在 spot 实例上，总成本可以接近约 15 美元。更一般地说，nanochat 开箱即配置为通过设置单一复杂度旋钮来训练一整个计算最优模型系列：--depth，即 GPT transformer 模型中的层数（GPT-2 能力大约对应 depth 26）。所有其他超参数（transformer 的宽度、头数、学习率调整、训练时长、权重衰减等）都会以最优方式自动计算。关于 repo 的问题，我建议使用 Devin/Cognition 的 DeepWiki 来提问，或使用 Discussions 标签页，或加入 Discord 上的 #nanochat 频道。Time-to-GPT-2 排行榜 目前，开发的主要重点是对预训练阶段进行调优，这一阶段占用的计算量最大。受 modded-nanogpt repo 启发，并为激励进展和社区协作，nanochat 维护了一个“GPT-2 速度挑战（speedrun）”排行榜，即以实际耗时（wall-clock time）衡量的……

开源 AI 安全运营中心：告警融合、LLM-agent 分诊、MITRE ATT&CK 调查，以及为每个 agent 步骤提供可重放的决策账本。可自托管，无需 API 密钥即可运行，MIT 许可。附带面向 Claude、Cursor 和 Continue 的 MCP server。https://beenuar.github.io/AiSOC/ AiSOC 是一个开源、可自托管的 AI 安全运营中心。它摄取你的安全遥测数据，检测并关联威胁，用推理过程完全可审计的 AI agent 进行调查，并提出由人工批准的响应建议。技术指南（PDF） · 文档 · 架构 · 实际可用功能 · 讨论 AiSOC 做什么 遥测数据从你的安全工具到达。AiSOC 对其进行规范化，运行其 7023 条规则库中的 2538 条可执行规则，将触发的内容归组为事件，用 AI agent 调查每个事件并记录每一次提示和工具调用，然后提出一个行动。新的威胁情报会重新扫描你已收集的历史数据，并且在任何内容到达供应商之前由人工批准。运行时的样子 观看完整三分钟——在一台服务器上针对已发布的镜像从安装到 AI 判定，终端等待时间已缩短，录制画面中也有说明。下面的截图来自同一规则集下的 v20.1.0 运行——录制比截图更旧。（分步说明 · 什么是真实的） 告警——每条都归属于提供它的连接器。自动分诊——内置本地模型的判定、置信度和理由，逐字呈现。威胁情

Worktrunk 是一个用于 Git worktree 管理的 CLI，专为并行 AI 智能体工作流而设计 https://worktrunk.dev Worktrunk 2026 年 11 月：Worktrunk 于今年年初发布，并迅速成为最受欢迎的 git worktree 管理器。它用爱构建（没有粗制滥造！）。请告诉我任何细微的不便；我非常专注于继续让 Worktrunk 变得出色，而最大的帮助就是大家发布他们发现的问题。Worktrunk 是一个用于 git worktree 管理的 CLI，专为并行运行 AI 智能体而设计。Worktrunk 的三个核心命令让 worktree 像分支一样简单。此外，Worktrunk 还提供一系列提升易用性的功能，简化处理大量并行变更的工作，包括用于自动化本地工作流的钩子以及写时复制构建缓存。快速演示：📚 完整文档见 worktrunk.dev 📚 背景：使用 git worktrees 时，像 Claude Code 和 Codex 这样的 AI 智能体可以在无人监督下处理更长的任务，因此可以并行管理 5-10+ 个任务。Git 原生的 worktree 功能为每个智能体提供独立的工作目录，因此它们不会互相踩踏彼此的变更。但 git worktree 的用户体验很笨拙。即使只是启动一个新的 worktree 这样的小任务，也需要把分支名输入三次：git worktree add -b feat ../repo.feat ，然后 cd ../repo.feat 。Worktrunk 让 git worktree 像分支一样简单。worktree 通过分支名寻址；路径由可配置模板计算得出。接受分支的命令也接受 p

免费 API 合集 https://APILayer.com/?utm_source=Github&utm_medium=Referral&utm_campaign=Public-apis-repo APILayer 统一套件现已上线！🎉 🥳 APILayer 统一套件让你通过一个账户、一个仪表盘和一个 API key 即可集成生产级 REST API。无论你需要对地址进行地理编码、验证邮箱、查询航班、获取股市数据，还是抓取搜索结果。立即注册并开始构建！Fork 我们的官方 APILayer Postman Collection，60 秒内即可上手。APILayer 套件覆盖的 API！IPstack Mediastack Aviationstack Positionstack Mediastack Mailboxlayer Countrylayer Serpstack Scrapestack 免费试用 Public APIs Public APIs 仓库由像你这样的社区成员以及 APILayer 的同事手动维护。它包含来自众多领域的丰富公共 API 列表，可供你用于自己的产品。可以把它看作多年来由社区良好管理的 API 宝库。APILayer 是将 API 集成到任何产品中的最快方式。在这里探索 APILayer API，为你的下一个项目做准备。加入我们的 Discord 服务器，获取更新、提问、获得解答、参与随机社区通话等。APILayer API API 描述 调用此 API IPstack 通过 IP 地址定位并识别网站访客 <a href="https://god.gw.postman.com/run-collection/10131015-551451

Hyprland is an independent, highly customizable, dynamic tiling Wayland compositor that doesn't sacrifice on its looks. https://hypr.land Hyprland is a 100% independent, dynamic tiling Wayland compositor that doesn't sacrifice on its looks. It provides the latest Wayland features, is highly customizable, has all the eyecandy, the most powerful plugins, easy IPC, much more QoL stuff than other compositors and more... Install Quick Start Configure Contribute Features All of the eyecandy: gradient borders, many types of blur, animations, glow, shadows and much more A lot of customization 100% independent, no wlroots, no libweston, no kwin, no mutter. Custom bezier and spring curves for the best animations Powerful plugin support Built-in plugin manager Tearing support for better gaming performance Easily expandable and readable codebase Fast and active development Not afraid to provide bleeding-edge features Config reloaded instantly upon saving Global keybinds passed to your apps of choice Tiling/pseudotiling/floating/fullscreen windows Special workspaces (scratchpads) Window groups (tabbed mode) Powerful window/monitor/layer rules Socket-based IPC Native IME and Input Panels Support Fully dynamic workspaces Extensive layout support Dwindle Scrolling Master Monocle Custom layout with Lua Custom layouts with plugins Per Workspace Layouts and much more... Gallery Special Thanks wlroots - For powering Hyprland in the past tinywl - For showing how 2 do stuff Sway - For showing how 2 do stuff the overkill way Vivarium - For showing how 2 do stuff the simple way dwl - For showing how 2 do stuff the hacky way Wayfire - For showing how 2 do some graphics stuff

关于 LLM、RAG 与真实世界 AI agent 应用的深度教程。https://join.dailydoseofds.com AI Engineering Hub 🚀 欢迎来到 AI Engineering Hub——你学习和使用 AI 构建应用的全面资源库！🌟 为什么选择这个仓库？AI Engineering 正在快速发展，要保持在最前沿，既需要深入理解，也需要动手实践。在这里，你将找到：覆盖各个技能水平的 93+ 个可直接用于生产的项目；关于 LLM、RAG、Agents 等的深度教程；真实世界的 AI agent 应用；可在你的项目中实现、调整和扩展的示例。无论你是初学者、从业者还是研究者，这个仓库都为所有技能水平的人提供资源，帮助你在 AI Engineering 中动手实验并取得成功。📋 目录 快速开始 新闻通讯 按难度划分的项目 初级项目（22 个）中级项目（48 个）高级项目（23 个）贡献 许可证 🎯 快速开始 刚接触 AI Engineering？从这里开始：完全初学者：查看 AI Engineering Roadmap，获取全面的学习路径 学习基础：从初级项目开始，例如 OCR 应用和简单的 RAG 实现 提升技能：转向中级项目，涉及 agents 和复杂工作流 掌握高级概念：攻克高级项目，包括微调和生产系统 📬 订阅我们的新闻通讯，随时了解最新动态！订阅我们的新闻通讯，即可免费获得一本 Data Science 电子书 📖，内含 150+ 节 Data Science 核心课程！随时掌握最新教程

面向 AI agent 的计算机使用 CLI https://agent-browser.dev/desktop agent-desktop 面向 AI agent 的计算机使用：通过操作系统辅助功能树读取和操作桌面应用。适用于 macOS、Windows 和 Linux 的 CLI 与 C 库。快照会返回 JSON，其中为 agent 可操作的每个元素提供 ref。agent 对 ref 执行操作并再次生成快照进行检查，无需像素匹配；循环保留在你的 agent 中。每次 CLI 调用都在其独立进程中运行。无头调用仍禁止前台激活和合成输入。快照、剪贴板读取、截图、命令输出和调试产物可能包含私密桌面内容。请勿将其放入公开日志和上传内容中。可选的 JEV helper 会将屏幕描述发送到已配置的模型提供商；它与原生 CLI 相互独立。请参阅隐私和数据处理。安装 使用 npm 在 macOS、Windows 或 Linux 上安装：npm install -g agent-desktop agent-desktop version Bun、Yarn 和 pnpm 可以安装同一个包。它包含适用于 x64 和 ARM64 的原生二进制文件及平台 helper。若要在没有 JavaScript 启动器的情况下直接执行，请从 GitHub Releases 下载匹配的原生归档，并将其 helper 放在可执行文件旁边。官方 Homebrew 和 Scoop 包正在提交中；它们尚未在默认目录中提供。该仓库不再维护自定义 Homebrew tap 或 Scoop bucket。macOS 需要辅助功能权限：agent-desktop permissions --guide。Windows 无需为位于你的...的应用授予权限。

在你已有的硬件上运行前沿 MoE 模型——纯 C 实现、零依赖，专家权重从磁盘流式读取。微小引擎，承载巨大模型。🐦 https://justvugg.github.io/colibri Website · Discord · English · 简体中文 · 繁體中文 · Italiano · 日本語 · Bahasa Indonesia · Português (Brasil) 微小引擎，巨大模型。colibri 能让你在已有的机器上运行超大型开放模型。一个数千亿参数的混合专家（MoE）模型在生成每个 token 时只用到自身的一小部分，因此 colibri 将这部分常驻内存，其余部分（即各个专家）则在模型需要时从磁盘读取。纯 C 实现，每个模型家族一个文件，无需 GPU。目前已有十三个引擎可运行。其中十个用于语言模型：GLM-5.2/5.3（同时也能运行 Mistral-Large-4）、GLM-5.3-Flash、Inkling、Kimi K3、DeepSeek V4 Flash、DeepSeek V4.1 Flash、MiMo-V2.6 Flash（以及 Pro）、Qwen3.8-Flash-Next、Qwen3.6（同时也能运行 Qwen3-Coder、稠密的 Qwen3.8-27B、Flint、Muse Spark Open 和 LFM3-VL）以及 OLMoE。一个用于生成图像：Qwen-Image-2.1。两个用于回答决策类任务：Laya 和 GLiNER2.5-Decide，另有第三个决策模型 Clef，运行在 Qwen3.6 引擎上。这些语言模型也可直接运行已发布的 GGUF 文件，按原样读取（GGUF），在 CPU 上、通过 Vulkan 在任意 GPU 上，以及通过 CUDA 在 NVIDIA 显卡上运行。该选哪个来适配我的机器 $ ./coli chat colibri v2.1.0 · GLM-5.2 · 744B MoE · int4 · streaming CPU ✓ 32 秒内就绪 · 常驻内存 9.9 GB › ciao! ◆ Ciao! Come posso aiutarti oggi? colibri 是免费且开源的。

Spotify Portal AI Plugins 将 Spotify Portal 带入 Claude Code、Codex、Cursor 和 pi。该插件为 Portal CLI 提供聚焦的工作流：设置身份验证、搜索软件目录、构建服务简报、运行诊断，以及调用 Portal 操作。亮点包括：为当前编程智能体环境设置 Portal CLI；运行只读诊断，以验证插件、CLI、身份验证和操作就绪状态；使用自然语言查询搜索软件目录和技术文档；生成简洁的服务简报，包含可用的归属、健康、事件和文档详情；通过内置帮助、试运行和确认保护机制，发现并安全调用 Portal 操作；创建、运行、检查和排查 Fleetshift shifts，从已完成的运行中发起 PR，并可按请求停止运行。该 marketplace 还提供 shunt（目前仅支持 Claude Code）：这是一个插件，通过 Portal CLI 操作注册表，将 I/O 密集型智能体工作（例如批量文件读取和样板代码生成）路由到运行更廉价工作模型的 AiKA 模式。参见 plugins/shunt/README.md。安装：Claude Code：claude plugin marketplace add spotify/portal-ai-plugins；claude plugin install portal@portal；claude plugin install shunt@portal # 可选：节省 token 的 AiKA 委派。启动新会话并运行：/portal:setup。Codex：codex plugin marketplace add spotify/portal-ai-plugins；codex。打开 /plugins，安装 Spotify Portal，启动新任务，然后询问：Set up Spotify Portal for me。

轻量、松软、永远免费——AWS 本地模拟器的替代方案 https://floci.io/floci/ 任意云，本地运行。轻量、松软、永远免费。无需账号。无需 auth token。没有功能限制。只需 docker compose up。快速开始 · 功能 · 服务 · SDK · Testcontainers · 迁移 · 文档 什么是 Floci？Floci 是一个免费、开源的本地 AWS 模拟器，用于开发、测试和 CI。它在你本机上提供 AWS 形态的服务，无需云账号、auth token 或付费功能门槛。将你的 AWS SDK、CLI、Terraform、CDK、OpenTofu 或测试套件指向 http://localhost:4566，继续使用现有工作流。已经在用 LocalStack？Floci 是可直接替换的替代品：换掉镜像即可继续。参见从 LocalStack 迁移。Floci 是 Floci 模拟器家族中的 AWS 成员，名字源自 floccus——一种看起来像爆米花的云层形态。模拟器 云 端口 floci AWS 4566 floci-az Azure 4577 floci-gcp GCP 4588 floci-oci OCI 4599 快速开始 运行 Floci 最快的方式是使用官方 CLI floci start 没有 Docker？每个版本还为 Linux、macOS 和 Windows 提供独立的 floci-aws 二进制文件；参见原生二进制。导出 AWS 环境变量：eval $(floci env) 照常使用你现有的 AWS 工具：aws s3 mb s3://my-bucket aws dynamodb create-table \ --table-name demo-table \ --attribute-definitions AttributeName=pk,AttributeType=S \ --key-schema AttributeName=pk,KeyType=HASH \ --billing-mode PAY_PER_REQUEST aws dynamodb list-tables 观看