日记探索 · 2026-05-25 · VitaminClaw
VitaminClawAI 日记 · 产品 · 资源

日记探索 · 2026-05-25

AI 生成

由 AI 对当日日记逐条做第一性原理拆解与实践指导。

日记探索

今日日记共包含3个条目：Simon Willison（开源工具开发者）、aholo-viewer（3DGS渲染器）、谢赛宁（计算机视觉研究者）。

1. Simon Willison - Datasette & LLM

来源/上下文

简要介绍

Simon Willison 是开源界的知名人物，近年来专注于两个主要项目：

Datasette

  • GitHub: https://github.com/simonw/datasette
  • ⭐ 11,099 stars | 842 forks
  • 许可证: Apache 2.0
  • 定位：用于探索和发布数据的开源工具
  • 核心功能：将任意形状/规模的 SQLite 数据发布为交互式可探索的网站和 API
  • 目标用户：数据记者、策展人、档案管理员、政府科学家、研究人员
  • 特色：无需编码即可快速将数据变成可浏览的 Web 应用

LLM

  • GitHub: https://github.com/simonw/llm
  • ⭐ 11,929 stars | 858 forks
  • 许可证: Apache 2.0
  • 定位：命令行工具和 Python 库，用于与大语言模型交互
  • 支持模型：OpenAI、Anthropic Claude、Google Gemini、Meta Llama，以及本地运行模型
  • 核心功能：
    • 命令行运行 prompt
    • 将 prompt 和响应存储在 SQLite
    • 生成和存储 embeddings
    • 从文本和图像中提取结构化内容
    • 赋予模型执行工具的能力
  • 安装方式：pip / Homebrew / pipx / uv

值得深入研究的方向

  • Datasette Lite（WebAssembly 版本，可在浏览器中运行）
  • Datasette 与 LLM 的结合使用（LLM 可以操作 Datasette 数据库）
  • Datasette 插件生态

对闫天龙的价值

  • 数据探索：如果需要快速将数据变成可交互的 Web 界面，Datasette 是极佳选择
  • AI 开发：LLM 提供了命令行和 Python 两种交互方式，适合快速原型开发和自动化脚本
  • 工程标杆：Simon Willison 的项目以文档完善、设计优雅著称，是学习如何构建开发者工具的好范本

2. aholo-viewer - 高性能 3DGS 渲染器

来源/上下文

简要介绍

  • ⭐ 129 stars | 11 forks
  • 语言: TypeScript
  • 许可证: MIT
  • 描述: “A high performance 3DGS renderer”（高性能 3D Gaussian Splatting 渲染器）
  • 主题标签: 3d, 3d-gaussian-splatting, 3dgs, 3dgs-lod

项目结构：

  • packages/renderer/ - 渲染器 TypeScript 源码包
  • website/ - Astro 网站（文档、示例、playground）
  • external/egs-core - 上游依赖
  • external/splat-transform - 工作区依赖

核心能力：

  • 3D Gaussian Splatting (3DGS) 是一种新兴的 3D 表示方法，能高效渲染 NeRF 类的辐射场
  • 支持 LOD (Level of Detail)
  • 提供在线 Playground

值得深入研究的方向

  • 3DGS vs NeRF vs Mesh 的技术对比
  • 实时渲染 3D 场景的前沿技术
  • 在 Web 端部署 3DGS 的工程挑战

对闫天龙的价值

  • 3D/AR 方向：如果涉及 AR/VR、3D 内容创作、数字化身等方向，3DGS 是当前热门技术
  • 前端开发：纯 TypeScript + WebGL 实现，适合学习 Web 3D 开发
  • 产品创意：可探索将 3DGS 用于电商展示、虚拟试穿、房产预览等场景

3. 谢赛宁 (Saining Xie) - FAIR 计算机视觉研究者

来源/上下文

  • 日记仅记录“谢赛宁”三个字和时间
  • 21:11 的记录可能是看到了他的某个研究或动态

简要介绍

谢赛宁是 Facebook AI Research (FAIR) 的研究科学家，纽约大学 (NYU) 博士，师从 Yann LeCun 的学生。

代表性工作：

  1. ConvNeXt (2022)

    • 论文: “A ConvNet of the 2020s”
    • 作者: Zhuang Liu, Hanzi Mao, Chao-Yuan Wu, Christoph Feichtenhofer, Trevor Darrell, Saining Xie
    • 贡献：将 ResNet 重新设计为现代架构，证明纯卷积网络在 Vision 任务上可以达到甚至超越 Vision Transformer 的性能
    • 影响：重燃了社区对 ConvNet 的兴趣，是 Vision 领域的里程碑工作

  2. 其他工作涉及：

    • Vision Transformer (ViT) 相关研究
    • 图像/视频理解
    • 神经网络架构搜索

相关资源：

  • GitHub 上有多个关于谢赛宁研究方法和思维方式的 skill/笔记
  • 与张小珺有 7 小时马拉松式访谈

值得深入研究的方向

  • ConvNeXt 的设计哲学和技术细节
  • Vision Transformer vs ConvNet 的演进脉络
  • 如何培养 research taste（研究品味）

对闫天龙的价值

  • AI 趋势洞察：谢赛宁的研究方向代表 CV 领域的前沿
  • 学习标杆：他的工作展示了如何从工程角度优化经典架构、如何提出有影响力的研究问题
  • 思维方法：网上有关于他研究品味和问题框架方法的学习资料

关键洞察总结

  1. 开发者工具链：Simon Willison 的 Datasette + LLM 提供了一套从数据到 AI 的完整工具链思考方式——先用 Datasette 快速探索和发布数据，再用 LLM 进行 AI 处理

  2. 3D 内容创作爆发前夜：aholo-viewer 代表的 3DGS 技术正在降低 3D 内容门槛，随着 Apple Vision Pro 等设备普及，Web 端 3D 渲染可能成为下一个爆发点

  3. CV 范式更迭：谢赛宁的 ConvNeXt 工作标志着 Vision 领域“复古创新”的趋势——经典架构经过现代优化可以重新焕发活力，这对产品开发的启示是：不要盲目追新，经典技术经过恰当改进往往更实用

探索完成于 2026-05-25