程序员宝藏库：你想要的，应有尽有！
DevWeekly收集整理每周优质开发者内容，包括开源项目、资源工具、技术文章等方面。
每周五定期发布，同步更新到知乎：Jackpop 和公众号：平凡而诗意 。
欢迎大家投稿，提交issue，推荐或者自荐开源项目/资源/工具/文章~
订阅方式：
- Star并收藏项目DevWeekly
- 关注知乎：Jackpop
- 关注并星标公众号：平凡而诗意
开源项目
1. dalle-mini
Python Star:13k
DALL·E Mini的一种Python实现，可以根据文本内容生成图像。
2. lumibot
Python Star:259
针对加密货币、股票、期权、期货、外汇等的回溯测试和交易机器人变得更容易。
3. TradingView-Machine-Learning-GUI
Python Star:392
TradeView 是一个免费的开源交易机器人，用 Python 编写。
它支持所有主要交易所， 它包含回溯测试、资金管理工具以及机器学习的策略优化。
4. ViMusic
Kotlin Star:1.1k
用于从 YouTube Music 流式传输音乐的 Android 应用程序。
5. carvel-ytt
Go Star:1.2k
YAML 模板工具，适用于 YAML 结构。
6. core
Go Star:470
StaticBackend 是一个简单的后端 API，可处理用户管理、数据库、文件存储、表单、通过基于通道/主题的通信的实时体验，以及用于 Web 和移动应用程序的服务器端功能。
可以把它当做自行托管的轻量级 Firebase 替代品。
7. hof
Go Star:313
High Code Framework (low-code for devs)，一个由 CUE 提供支持的模块化代码生成系统，一个低代码框架，hof 结合了数据模型、代码生成和模块来帮助你编写和维护大量代码。
8. monero-pool
C Star:290
一个用 C 语言编写的门罗币矿池服务器。
设计决策侧重于性能和效率，因此使用 libevent 和 LMDB。 目前它在正常操作下仅使用两个线程（一个用于层客户端，一个用于 Web UI 客户端）。
9. qalloc
C++ Star:71
该项目是用于 c 和 c++ 的简单、快速且内存高效的池分配器。
10. rdkit
C++ Star:1.8k
RDKit 是用 C++ 和 Python 编写的化学信息学和机器学习软件的集合。
资源工具
1. Koodo Reader
Koodo Reader 是一个开源免费的电子书阅读器，支持多达15种主流电子书格式， 内置笔记、高亮、翻译功能，助力高效书籍阅读和学习。
2. calibre
calibre 是一款功能强大且易于使用的电子书管理器。
它可以让你做几乎所有事情，而且它比普通的电子书软件更进一步。 它也是完全免费和开源的，非常适合临时用户和计算机专家。
3. Okular
Okular 是一款功能丰富、轻巧快速的跨平台文档阅读器。您可以使用它来阅读 PDF 文档、漫画电子书、Epub 电子书，浏览图像，显示标记语言文档等。
4. cli
gh 是命令行上的 GitHub。 它将拉取请求、问题和其他 GitHub 概念带到你已经在使用 git 和代码的终端上面。
5. CodeStream
New Relic CodeStream 是 VS Code、Visual Studio 和 JetBrains 的免费开源扩展。
CodeStream 通过将协作工具放入你的 IDE 来增强开发工作流程。
它支持来自 GitHub、BitBucket 和 GitLab 的拉取请求，来自 Jira、Trello、Asana 和其他 9 个的问题管理，来自 New Relic One 和 Pixie 的可观察性，并提供将它们联系在一起的代码讨论，与 Slack、MS Teams、电子邮件、 和编辑器内通知。
技术文章
1. 为什么麦当劳的自助点餐机器如此容易破解？
很多麦当劳餐厅用自助点餐机器取代过去的人力工作，但是，这个过程中会遇到一个问题，当票据打印机的纸张用完时，这个过程就完全崩溃了。
而且由于麦当劳的很多订单，打印机经常用完纸。据作者观察，澳大利亚各地的工作人员都将信息亭解锁，以便更容易更换纸张。
信息亭内部是一个标准的 x86 计算机 NUC，带有暴露的 USB 端口，这就让破解自助点餐机器变得更加容易。
2. 如何让你的团队更加高效？
你不知道的是为什么这么多人不会完成他们开始的工作，以及如何说明和量化未完成工作的影响。
为什么我们无法高效完成自己的工作？如何量化未完成工作的影响？
首先，作者将解释为什么在开始下一项工作之前完成一项工作可以使产品更好、周期更短、团队更有效率的原因。
然后，将揭示为什么有些团队选择同时处理多个任务，尽管这种方法在大多数情况下都不是最理想的。
最后，将使用一些蒙特卡罗模拟和累积流程图来展示未完成的工作如何使团队变得不可预测——从统计学上讲。