01

给图片设置看不见的水印

传统的水印，比如在图片角落加上 Logo，虽然直观但一裁剪或涂抹就木得了。

这个名为 blind_watermark 的开源项目，能给图片添加一种特殊的盲水印。

这种水印的特殊之处在于，它是不可见的，人的肉眼无法察觉，但它却真实地隐藏在图片的数据中。

更厉害的是，即使图片被进行了旋转、裁剪、压缩、调整亮度等多种常见的处理，这个水印依然能够被准确地提取出来，而且提取时还不需要原始图片。

它的工作原理是基于一套复杂的数字图像处理算法组合（DWT-DCT-SVD）。

我们可以简单地把它理解为，把一段文字或者一个小图片打散，然后以一种非常隐蔽和牢固的方式，搅拌进原图片的像素信息里，从而不影响图片的观看效果。

开源地址：https://github.com/guofei9987/blind_watermark

如何部署

这个项目使用起来非常方便，pip 安装一下。然后可以使用两行命名给图片嵌入水印，从图片中提取水印。

pip install blind-watermark
# 嵌入水印到图片blind_watermark --embed --pwd 1234 examples/pic/ori_img.jpeg "watermark text" examples/output/embedded.png
# 从图片中提取水印blind_watermark --extract --pwd 1234 --wm_shape 111 examples/output/embedded.png

另外，你可以使用下面这种 Python 代码，输入密码、指定原始图片和水印内容，就能生成一张带有盲水印的图片。

from blind_watermark import WaterMarkbwm1 = WaterMark(password_img=1, password_wm=1)bwm1.read_img('pic/ori_img.jpg')wm = '@guofei9987 开源万岁！'bwm1.read_wm(wm, mode='str')bwm1.embed('output/embedded.png')len_wm = len(bwm1.wm_bit)print('Put down the length of wm_bit {len_wm}'.format(len_wm=len_wm))

同样，提取水印也是几行代码的事。

bwm1 = WaterMark(password_img=1, password_wm=1)wm_extract = bwm1.extract('output/embedded.png', wm_shape=len_wm, mode='str')print(wm_extract)

02

开源浏览器 Ladybird

Ladybird 不是一个基于 Chromium 或 Gecko 的浏览器外壳，而是一个真正意义上从零开发的全新浏览器和浏览器引擎项目。

在当今被巨头引擎主导的浏览器市场，一个全新的、独立的引擎尝试实属罕见。

而且 Ladybird 已经在 GitHub 上获得 5 万多 Star 了。

Ladybird 的目标是搞一个功能齐全、符合 Web 标准的浏览器引擎和配套的浏览器应用。

它由前 Apple Safari/WebKit 团队的资深工程师 Andreas Kling 发起并主导开发。

项目的核心在于其自研的 LibWeb（布局/渲染引擎）、LibJS（JavaScript 引擎）等组件，旨在探索浏览器技术底层，并提供一个干净、现代的代码库实现。

这个开源项目起初作为 SerenityOS 爱好者操作系统项目的 HTML 查看器，后面逐渐发展成为支持 Linux、macOS 及其他类 Unix 系统的跨平台浏览器。

Ladybird 目前正处于紧张开发阶段，计划在 2026 年推出第一个 Alpha 版本。

开源地址：https://github.com/LadybirdBrowser/ladybird

03

API 开发工具

Hoppscotch 太绝了，已经在 GitHub 上已经收获了 7 万多的 Star。

这是一个非常实用的 API 开发工具，堪称 Postman 的优质开源替代品。

Hoppscotch 能为程序员提供简洁高效的 API 接口测试体验。

既可以通过浏览器直接使用，也支持桌面端部署。与传统的 Postman 等工具相比，Hoppscotch 更加轻量级，同时保留了核心的 API 测试功能。

开源地址：https://github.com/hoppscotch/hoppscotch

04

让 AI 智能体听话

这个开源项目还挺有意思的，在 GitHub  上有 1.5 万多星。

它能让大模型智能体 100% 按规则行事，不再靠运气。

开源地址：https://github.com/emcie-co/parlant

与传统方法依赖复杂提示词不同，它通过「原则教学」的方式，让智能体在真实场景中表现出可预测、一致的行为。

不是简单测试的 Demo，生产环境中直接可用哦。

原理是通过将传统的、单一的、冗长的系统提示词，解构为一系列可动态匹配、可强制执行的行为准则（Guidelines）和工具（Tools）

并结合上下文感知与确定性执行，来确保智能体的行为可控、可靠。

05

点击下方卡片，关注逛逛 GitHub

这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：